优快云社区镜像创作活动 严格规避侵权风险，镜像中涉及的第三方资源须取得合法授权，如因版权、专利等问题引发纠纷，由创作者承担全部责任，社区将立即下架相关镜像，取消其活动资格及已获奖励；镜像需保持活跃度，自上架之日起超过6个月未更新的，将自动退出本次活动（已获长期分润权的镜像除外，但需完成更新后重新申请活动参与资格）。通过审核的镜像将纳入社区公共资源池，用户每一次有效调用，创作者均可获得相应分润收益，收益明细实时同步至个人后台，按月结算；1. 社区将定期公示获奖名单及镜像评估结果，确保活动公平透明，创作者可通过活动专区查询相关信息；

阅读 2.5k

23赞

收藏 15
第七十二篇：CI/CD流水线：自动化测试与部署深度实战 文章摘要：CI/CD——现代软件交付的核心竞争力 本文系统阐述了CI/CD在现代软件开发中的关键作用。首先通过Netflix、亚马逊等企业的惊人部署数据，展示了CI/CD已成为企业的"生死线"。文章详细解析了持续集成(CI)、持续交付(CD)和持续部署的核心概念，包括CI的四大支柱（频繁提交、自动化构建、自动化测试、快速反馈）和CD的核心特征（部署流水线、环境一致性、一键部署、回滚能力）。

阅读 598

12赞

收藏 13
在DevSecOps中，如何将安全测试（SAST/DAST等） 无缝集成到CI/CD流水线？ 摘要：本文提出了一套完整的DevSecOps实施框架，通过"安全左移"理念将安全测试嵌入CI/CD全流程。其核心架构采用分层安全策略，覆盖从代码提交、构建到部署的各个阶段，集成SAST、DAST、SCA等安全扫描工具。关键技术包括增量扫描、质量门禁设置和智能告警优先级评估，并提供了GitLab/Jenkins等主流平台的配置示例。文章还总结了企业级最佳实践，如安全冠军计划和度量指标设计，同时给出性能优化、误报处理等常见问题的解决方案。进阶方向建议采用AI增强安全和策略即代码等技术，实现更

阅读 735

8赞

收藏 19
【单片机毕业设计】143.1基于单片机stm32塔吊控制反馈毕业项目 需要注意GPS模块是否正常，正常状态GPS的状态灯会持续闪烁，若GPS状态灯长亮，则需要在户外获取卫星定位，否则不会有经纬度产生。11.GPS定位：用于设备的获取经纬度信息并传输给app进行地图定位显示。2.0.96寸OLED：用于显示的设备的状态，实现实时监测；1.ESP8266-01s：使用wifi模块进行联网使用；9.舵机：用于模拟监测和控制塔吊的方位并反馈设备；13.可以使用按键进行一键报警并反馈给app；5.当监测到剧烈晃动时可以进行app报警；8.可以获取到设备的定位，并进行地图显示。

阅读 300

3赞

收藏 0
Git删除历史分支及标签(如删除23年及之前的分支和标签) 下面这个shell清理23年及之前的分支,在清理之前将分支显示在"branch_dates.txt"文件中。

阅读 120

1赞

收藏 0
机器翻译：用python从零到一基于 t5_translate_en_ru_zh_small_1024 模型实现翻译工具 《机器翻译修炼》专栏介绍了基于T5架构的多语言翻译模型t5_translate_en_ru_zh_small_1024。该模型托管在Hugging Face Hub，支持英语、俄语和中文互译，具有接近商业服务的高翻译质量。文章详细对比了该模型与Argos Translate的特性差异，并提供了完整的实现方案：包括环境配置、模型加载方法以及测试代码。通过构建命令行工具，展示了如何利用transformers库实现多语言翻译功能。该方案适合追求翻译质量的用户，推荐在GPU环境下运行以获得最佳性能。

阅读 633

19赞

收藏 7
从零开始：使用 llama.cpp 高效部署大语言模型的完整指南 摘要：本文详细介绍了如何使用llama.cpp在消费级硬件上高效部署大型语言模型。从环境搭建、模型转换到量化压缩和推理优化，提供了完整的实践指南。重点包括：1）支持多种操作系统和硬件环境；2）模型量化技术（如Q4_K、Q5_K）显著降低资源需求；3）命令行推理与API服务部署方法；4）性能调优技巧。通过量化技术，7B参数模型可压缩至4GB左右，在普通笔记本上实现流畅运行，为本地AI应用提供了经济高效的解决方案。

阅读 227

8赞

收藏 0
前端直播开发入门：搞懂推流拉流，掌握播放器核心 摘要：前端直播开发的核心是拉流播放，不涉及主播端推流流程。HLS协议因其兼容性好、CDN友好和移动端支持成为首选方案。代码示例展示了一个基于Vue的HLS播放器实现，包括自动检测浏览器支持、动态加载hls.js库、错误处理和资源清理等功能。该方案支持Safari原生播放和其他浏览器通过hls.js播放，并考虑了自动播放限制和不同浏览器的兼容性问题，为前端直播播放提供了完整的解决方案。

阅读 151

1赞

收藏 0
【自然语言处理】应用01：情感分析及数据集 本文讲解IMDb电影评论情感分析数据集处理流程：下载数据，读取样本，预处理（分词、建词表、截断填充），创建数据迭代器，最后封装为load_data_imdb函数。

阅读 1.7k

86赞

收藏 65
SVM-Adaboost回归，基于支持向量机SVM的Adaboost回归预测，多输入单输出模型 咱们今天聊聊怎么用MATLAB搞个硬核的SVM-Adaboost回归预测，手把手教你在自家电脑上跑通这个多输入单输出的预测模型。Adaboost这货就像打群架，让一堆弱鸡模型（这儿用SVM回归器）轮流上，每次专揍那些预测不准的样本。代码里藏了个小彩蛋——权重更新公式里的median(error)如果换成mean(error)，在某些数据集上会获得更好的鲁棒性，各位可以自行尝试。归一化是必须的，特别是当特征量纲差异大时。这里用了指数衰减加权，越后面的模型话语权越低，相当于给早期模型更多表现机会。

阅读 285

2赞

收藏 6
SGLang：高效部署大语言模型的新范式 摘要： SGLang（Structured Generation Language）是一种新型大语言模型推理框架，通过结构化提示和运行时优化解决传统部署中的效率瓶颈。其核心优势包括：1）结构化提示编程，支持JSON等格式约束，提升生成准确率；2）声明式编程模型，简化开发流程；3）集成RadixAttention、分块预填充等优化技术，吞吐量可达vLLM的2-5倍。部署流程涵盖环境配置、模型加载及服务启动，支持多GPU并行和草稿解码加速。SGLang兼容OpenAI API，适用于高并发生产场景。

阅读 37

0赞

收藏 0
Prompt工程：大语言模型的精准交互技术与实践指南 摘要： Prompt工程是优化大语言模型（LLM）输出的核心技术，通过结构化指令设计引导模型注意力分配，提升任务对齐度和效率。其价值体现在降低Token消耗、提高输出质量及降低技术门槛。Prompt可分为事实检索型、多模态生成型、逻辑推理型和代码开发型四类，需结合任务复杂度选择适配方案。优化方法论包括角色-任务绑定、上下文增强、输出结构化及迭代评估。未来趋势将向智能化、标准化和多模态融合发展。主流工具如AiShort、AnthropicPromptLibrary等针对不同场景提供解决方案，选型需考虑用户规模

阅读 598

25赞

收藏 20
BERT：让模型 “读懂上下文” 的双向语言学习法 BERT (Bidirectional Encoder Representations from Transformers) 是由Google在2018年提出的预训练语言模型，它彻底改变了自然语言处理领域。

阅读 720

11赞

收藏 9
音频同步：从假时钟到真时钟的蜕变 摘要： 音频同步的关键在于区分"塞入数据"与"实际播放"。旧代码错误地将写入缓冲区的数据视为已播放（类似刚倒水入水管就认为水流完），导致Seek后视频疯狂追赶音频。新代码通过查询声卡实际播放时长（类似水管出口装水表），实现音视频精准同步。这种以硬件实际输出为基准的同步方式，正是FFmpeg/VLC等播放器的行业标准解决方案，从"虚拟计时"升级为"真实物理时钟"。（149字） 核心对比： ❌旧逻辑：播放时间=写入缓冲区的时间 ✅新

阅读 349

5赞

收藏 8
前端设计模式：轻量级实战指南 前端设计模式具有独特特性：基于JavaScript弱类型和原型继承，设计模式实现更轻量；针对DOM操作、异步场景和组件化需求，结构型、行为型和创建型模式分别发挥重要作用；现代框架已内置封装常用模式，开发者更多需要理解原理而非重复实现；函数式编程倾向使模式实现更简洁。核心在于通过"封装变化"解决前端开发中的"变化与稳定"冲突，帮助开发者应对需求迭代、代码复用和组件耦合等挑战。

阅读 1.4k

39赞

收藏 15
【人工智能-03-05】20251214 人工智能第二学期课程《计算机网络技术 》简答题，“剪映”音频转字幕，导出文字txt 【人工智能-03-05】20251214 人工智能第二学期课程《计算机网络技术 》简单题，“剪映”音频转字幕，导出文字txt

阅读 417

12赞

收藏 2
自然语言处理容易混淆知识点(二)BERT和BERTopic的区别 BERT是Google提出的预训练语言模型，用于生成上下文感知的文本向量表示，适用于各类NLP任务。BERTopic则是基于BERT等嵌入模型的主题建模框架，通过模块化流程（嵌入→降维→聚类→表示）实现文档主题发现。两者的关系类似"引擎与整车"：BERT提供基础语义理解能力，BERTopic组织完整分析流程。虽然名称相关，但BERTopic可兼容多种嵌入模型，二者既可独立使用也可协同工作，分别服务于语言表示学习和文本挖掘两大目标。

阅读 840

13赞

收藏 6
vs的运行库区别，静态连接mt和动态链接md运行库 在Visual Studio（VS）中，MT、MTd、MD、MDd是C/C++编译器的运行时库链接选项，它们决定了程序如何链接C运行时库（CRT），直接影响程序的部署方式、性能、调试体验及跨模块内存管理。

阅读 314

3赞

收藏 8
神经网络基础 把输入层的特征进行加权求和，通过sigmod映射前面的加权求和结果神经元死亡问题。

阅读 161

8赞

收藏 2
作者推荐
SophiaCV
微信搜索【计算机视觉联盟】，回复关键字【西瓜书手推笔记】获得Github标星2000+的机器学习笔记PDF版本。我的微信：PursueWin 一起进步学习
关注
大熊猫侯佩
一枚贪吃路痴还未秃码农。优快云 博客专家，iOS 与 Swift 版块版主，对苹果忽冷忽热、若即若离。 人生看淡，不服就干！
关注
源代码大师
希望我的博客，能帮上你解决学习中工作中所遇到的问题
关注
董哥的黑板报
90后程序员！
关注
AI算法网奇
资深算法工程师，优快云博客专家。多年一线算法研发经验 主要研究方向为三维重建、多模态模型。希望把我的经验和知识带给每一个喜欢钻研朋友，为中国人工智能行业添砖加瓦！
关注
具身智能之心
具身智能方向优秀创作平台，同名公众号【具身智能之心】
关注
嵌入式Linux,
BSP软件工程师
关注
Java笔记虾
欢迎微信搜索【Java笔记虾】关注我的公众号，号内回复“后端面试”，送你一份精心准备的Java面试题（提纲+解析），后端技术精选每天定时推送优质Java技术博客，可以琐碎时间学点儿东西
关注
朱小厮
你知道的越多 你不知道的也就越多
关注
码农突围
TA很懒，还没有添加简介
关注