- 博客(11)
- 收藏
- 关注
RSS订阅原创 数据库备份（记录自用）
echo "-----------$(date +%F_%T) 数据恢复成功！echo "-----------$(date +%F_%T) 全备完成！echo "-----------$(date +%F_%T) 差备完成！echo "邮件正文" | mailx -v -s "邮件主题" your_QQ_id@qq.com。
2025-11-01 15:01:00
621
原创 grep awk sed(文本处理三剑客练习题+答案)
1.进入/lianxi目录，复制/etc/passwd到当前目录下，然后对passwd进行操作2、查找出当前passwd文件中以ftp或者mail开头的行，在屏幕上输出。3、查找出当前passwd文件中首行不是以r、m、f开头的行，在屏幕上输出。4、查找出当前passwd文件中以bash结尾的行。5、查找出/etc/login.defs文件中的有效行（不显示空行和注释行）。6、查找出/var/log/messages文档中有16个字母的单词？
2025-10-27 14:57:47
833
原创 AI agent制作过程遇到的坎
当前 AI Agent 的发展呈现出多种技术路径并存的局面，没有一种模式是完美的。选择哪种模式，完全取决于你的具体任务在。：无论选择哪种模式，都建议先从内部工具、非核心业务等低风险场景开始试点，验证效果和稳定性后再逐步推广。的技术路线切入，被实践验证是投资回报率（ROI）更高的选择。以下是我自身理解的的几种常见agent制作模式。在做技术选型时，有一些小小的建议。
2025-10-25 11:56:31
295
原创 大模型学习路线
调用基础API，如OpenAI API、Hugging Face API等，尝试不同的API请求类型（GET、POST等）。：掌握如何从不同来源（如开放数据集、爬虫抓取等）采集数据，学会使用正则表达式、数据清洗工具（如pandas）进行数据清理。：学习数据并行、模型并行、流水线并行的技术，了解如何使用分布式框架（如TensorFlow、PyTorch的分布式训练）。：了解如何使用容器化技术（如Docker）进行模型部署，学习云平台（如AWS、GCP）上的部署方法。
2025-10-25 11:47:51
650
原创 资源查询AI agent（demo演示）
写入提示词可以帮助llm在工作过程中• 清晰定义任务• 给予模型指导和约束• 使用简练、清晰的语言表达输出结果• 通过示例或问题边界引导模型• 根据输出结果，持续调整和优化。
2025-10-18 11:10:59
234
原创 Transformer 与 CNN 在图像识别中的原理区别与应用表现
在常见的图像识别基准（如 ImageNet）上，设计合理的 CNN 架构通过深层次的局部特征学习，能够达到非常高的准确率。而近年来的研究表明，随着数据集规模扩大和模型不断加深，ViT 开始展现优势：在大规模训练条件下，ViT 常能以更高的准确度超越同类 ResNet 等 CNN 模型。这样，ViT 在处理大规模数据时具有出色的灵活性和可扩展性：理论和实验均表明，在模型规模和数据量增大时，ViT 往往会显著超越传统的 ResNet 等 CNN 架构。之间的关系，从而捕捉图像的全局特征。
2025-07-06 21:35:04
818
原创 DHCP协议入门指南
DHCP（Dynamic Host Configuration Protocol，动态主机配置协议）是一个在局域网内的协议。顾名思义，它可以动态地给主机分配IP地址，并告知其网关、DNS服务器等信息。与手动设置静态IP相比，DHCP极大地方便了网络管理——当我们连接WiFi或插入以太网时，计算机都会自动获取IP地址，这背后就是DHCP在发挥作用。DHCP基于客户端-服务器模型工作，使用UDP协议进行通信：客户端使用68端口，服务器使用67端口。DHCP服务器集中管理一个。
2025-07-06 11:46:38
1117
原创 基于centos7.9/ubuntu22.04 kubernetes云原生项目
本项目旨在搭建一个完整的 Kubernetes 集群环境，并在其上部署实际的 Web 应用服务，以实践云原生架构。项目涵盖集群的规划与部署、典型运维监控组件的安装、应用服务的容器化与部署、流量管理策略（Ingress 域名路由、灰度发布）、自动伸缩和自愈机制（HPA 和探针）的配置，以及简单的 CI/CD 和自动化运维工具集成等。通过本项目，可全面加深对 Kubernetes 的理解，提高动手能力和故障排查能力，并了解 DevOps 流程在 Kubernetes 环境中的应用。
2025-04-22 16:47:59
1214
原创 基于卷积神经网络的自然环境荔枝成熟度检测系统项目
为能够适应复杂条件下准确识别荔枝，本研究中采用的数据集由来自百度飞桨的多个数据集，并进行了筛选，最终构建了一个包含1,005张图像的荔枝成熟度数据集。数据集被划分为817张训练图像、80张验证图像和108张测试图像，这样的划分能确保模型在未见过的数据上进行有效测试和验证。图6为部分荔枝图像。图6：部分荔枝图像3.2.2。
2025-04-22 16:47:06
1195
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人