优快云博客-专业IT技术发表平台

推荐付费专栏 VIP文章

生成一个竖直放置的div，宽度是350px，上面是标题固定高度50px，下面是自适应高度的div，且有滚动条【代码】生成一个竖直放置的div，宽度是350px，上面是标题固定高度50px，下面是自适应高度的div，且有滚动条。

阅读 138

0赞

DeepSeek R2难产：近期 DeepSeek-V3.1 发布，迈向 Agent 时代的第一步 DeepSeek发布V3.1模型，重点强化Agent能力与推理效率。新版本支持混合推理架构，输出token减少20%-50%，在代码修复、终端任务和复杂搜索等场景表现更优。同时开源Base模型和后训练模型，但需注意部署兼容性问题。9月6日起将调整API价格并取消夜间优惠。此次升级显示DeepSeek正布局下一代AI工作流，以实用性和前瞻性应对激烈的AI竞争。

阅读 1.2w

21赞

Hard but lovely

vim的使用输入 vim +多个文件名这几个会进入缓冲区在命令模式下输入：ls #展示缓冲区中的文件状态名字和行号%a表示正在被使用h切换缓冲区： 1. 编号切换：b 2 （切换到编号为2的文件）2. 文件名切换： b processBar.h3. ctrl+^：切换到上一次编辑的文件这样的方式更合适少文件，但是还是不够直观还有两种方法窗口和新标签页的方式。

阅读 920

19赞

萌虎爱分享

Docker容器化部署实战：Tomcat与Nginx服务配置指南通过Docker快速部署Tomcat和Nginx服务，使用临时容器提取默认配置并挂载到宿主机实现持久化。

阅读 310

1赞

卓码软件测评

第三方软件功能性测试：软件文件上传功能测试文件上传功能测试要点：1.格式验证需测试白/黑名单机制、扩展名大小写及双重扩展名处理；2.严格校验MIME类型及二进制签名；3.大小限制需测试前后端拦截及服务器配置；4.并发上传、中断恢复和恶意文件检测等场景。通过多维度测试确保上传功能安全可靠。

阅读 52

0赞

PyQt图表PyQtGraph多图光标同步pglive 本文介绍了如何使用PyQt5和PyQtGraph实现多图表光标同步功能。主要内容包括：创建实时刷新的折线图，使用pglive库实现数据动态更新通过自定义鼠标移动事件处理函数，实现多个图表中十字光标(crosshair)的同步移动在每个图表下方添加标签，实时显示当前光标位置的X/Y坐标值提供暂停/恢复实时绘图和自动缩放范围的按钮控制功能关键实现要点：使用LivePlotWidget创建实时图表通过DataConnector连接数据源添加InfiniteLine作为十字光标通过sigMouse

阅读 242

3赞

Java 泛型 T、E、K、V、?、S、U、V Java泛型（Generics）是Java5引入的重要特性，通过在类、接口和方法中使用类型参数实现类型安全的代码复用。文章详细解析了T、E、K、V等常见泛型符号的含义与用法，介绍了泛型类、接口和方法的定义方式，以及通配符?的扩展用法（无界通配符、上限通配符、下限通配符）。还深入探讨了Type接口的实现类（Class、ParameterizedType等）在反射中的应用，并提供了多边界类型参数、通配符嵌套等高级写法示例。最后总结了泛型的使用注意事项，帮助开发者更好地理解和应用Java泛型特性。

阅读 842

10赞

AI实现超级客户端打印支持APP 网页小程序调用本地客户端打印本文介绍了跨平台打印解决方案的核心思路和实现方案。主要采用本地客户端作为中间程序，通过WebSocket或自定义URL协议接收打印任务，调用系统接口完成打印。WebSocket方案兼容性好，适合企业级应用；自定义URL协议简单直接，但仅限PC端。文章还提供了数据格式建议和实战示例，包括Electron客户端开发、服务器端实现及交互流程。整个方案支持历史记录管理、任务重打、取消等功能，并包含完整的错误处理和用户界面交互逻辑。

阅读 850

13赞

登上Nature！清华大学光学神经网络研究突破在传统神经网络中，信息以电信号的形式在电子元件之间传输和处理，而在光学神经网络中，信息则以光信号的形式进行传输和处理。高分辨率成像：在通过散射介质的聚焦实验中，FFM学习达到了接近衍射极限的分辨率，平均FWHM为81.2μm，PSNR为8.46dB。光学推理效率：FatNet在光学设备上比ResNet-18更快，且在3136的大批次推理中，光学推理的加速效果显著。光学模拟器：开发了光学模拟器OptConv2d，模拟4f系统的光传播，验证FatNet在光学设备上的性能。

阅读 1.5k

30赞

从零开始：用Qwen3-Coder在H100上构建你的智能编程工作流凭借其令人印象深刻的上下文窗口、可通过 Qwen3-Coder-30B-A3B-Instruct 访问的较小变体，以及通义千问 Code CLI 的推出，该模型有望为开发者提供强大的智能体编程辅助。另外，Qwen3 系列的旗舰版本Qwen3-235B-A22B，需要多卡并行才能完整运行，例如2-3张H100或1-2张H200显卡，如果你需要运行期间版本，那么也可以使用 DigitalOcean 上的H200 GPU，这些GPU都支持按需实例或裸金属服务器，详情可咨询。

阅读 299

7赞

Baumer高防护相机如何通过YoloV8深度学习模型实现社交距离的检测识别（python） Baumer高防护相机如何通过YoloV8深度学习模型实现社交距离的检测识别（python）

阅读 846

26赞

Trust yourself243

IDEA控制台乱码（Tomcat）解决方法在tomcat里面的将编码改成utf-8，大部分电脑默认都是。

阅读 147

1赞

Unity的Cursor.lockState 2025年8月24日，周日晚上这行代码在Unity中是。这是第一人称射击（FPS）、第三人称等类型游戏中实现视角控制的常用核心代码。下面这个表格能帮你快速了解三种不同鼠标锁定模式的区别：锁定模式 (CursorLockMode)光标行为可见性典型应用场景锁定在游戏窗口中心，无法移动。鼠标移动数据仍可通过获取。，无论设置为何值。FPS游戏、第一/第三人称视角控制光标可以自由移动，但被限制在游戏窗口的边界内，无法移出窗口。正常显示，或由控制。

阅读 230

4赞

快速掌握Python编程基础本文是一篇Python编程入门指南

阅读 4.7w

583赞

学行库小秘

基于卷积神经网络的多输出数据回归预测CNN（多输入多输出）该代码实现了一个基于卷积神经网络（CNN）的多目标回归预测模型。首先，代码导入包含719个样本的数据集，随机划分500个样本作为训练集、219个样本作为测试集，并对28维输入特征和3维输出目标进行归一化处理，同时将数据重塑为CNN所需的4D张量格式；其次，构建包含三个卷积层（核尺寸2×1）、批归一化层、ReLU激活层、池化层和全连接层的CNN架构，配置Adam优化器及动态学习率策略进行模型训练；最后，对训练集和测试集进行预测，通过反归一化还原预测值，计算每个输出维度的RMSE、R²、MAE和MBE四类

阅读 834

19赞

20.13 ChatGLM3 QLoRA微调实战：3步实现高效低资源训练本文介绍了ChatGLM3模型的QLoRA微调方法，通过3个关键步骤实现高效低资源训练：1) 4位NormalFloat量化加载基础模型；2) 配置LoRA适配器参数；3) 优化训练参数。文章详细说明了硬件要求、核心代码实现、关键技术策略（包括梯度累积和混合精度训练）以及实战调优技巧。同时提供了性能监控方案、常见错误排查方法和模型部署流程，帮助开发者在有限资源下高效微调大语言模型。

阅读 135

4赞

趴着喝可乐

VirtualBox安装openEuler24.03 openEuler是由开放原子开源基金会孵化的全场景开源操作系统项目，面向数字基础设施四大核心场景（服务器、云计算、边缘计算、嵌入式），全面支持ARM、x86、RISC-V、loongArch、PowerPC、SW-64等多样性计算架构

阅读 681

8赞

大模型部署可以选择多种平台，如deepseek、openAI、qwen等等，这里以deepseek示例。

阅读 888

12赞

想你依然心痛

我的第一个开源项目：从0到1，我在GitHub写下的成长印记你写的第一行代码，或许会被忘记。但你第一个开源项目的星星，却可能照亮你的整个开发旅程。很多年后回头看，我依然清晰记得那一刻。git init项目名叫说实话，这并不是一个“惊艳”的项目。但对我而言，它就是我的「开源初体验」。我的开源旅程还在继续，而那个凌晨3点、手指颤抖提交代码的我，还在心中鼓励着今天的我。最后，我想送给每一个准备开源的你一句话：“不必等完美才开始，开始之后才会逐渐变得完美。如果你也有类似的开源初体验，欢迎在评论区留言，一起点亮更多开发者的“星光之路”。

阅读 5.3k

27赞

鸿蒙小白龙

openharmony之启动恢复子系统详解需求: 添加一个名为my_service的自定义服务步骤1: 创建服务配置],],"env": [步骤2: 添加到主配置],"jobs": ["cmds": [步骤3: 验证配置# ✅ 检查配置格式 jq . /system/etc/init/my_service.cfg # 🔄 重新加载配置 begetctl reload # 📊 验证服务状态 begetctl dump_service my_serviceOpenHarmony init进程的完整生命周期。🔄 三阶段启动模型⚙️ 配置体系。

阅读 183

6赞

word如何转换为pdf 【代码】word如何转换为pdf。

阅读 736

5赞

如何使用 DeepSeek 助力工作。 DeepSeek是一款专业AI助手，能显著提升工作效率。它支持代码生成与优化（Python/Java等）、数据分析（清洗/统计/可视化）及文档撰写（技术/商务文档）。适用场景包括软件开发（需求分析/编码/测试）、数据分析（数据整理/分析/报告）和知识获取（技术解答/信息检索）。使用时需注意精准提问、数据安全和结果验证。随着AI发展，建议用户持续学习新功能，优化人机协作模式。合理运用DeepSeek可有效解决复杂问题，推动工作效能提升。（150字）

阅读 427

12赞

作者推荐

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

JavaEdge聊AI: 关注并私信我，获取更多大厂求职经验。《编程严选网》创始人，多年大厂一线开发经验，现魔都一线数据中心软件架构师。全网近30w粉丝，擅长分布式系统设计和AIGC应用开发。

关注

优快云程序人生: 笑谈开发轶事，品味程序人生。

关注

博文视点: IT出版旗舰品牌，由电子工业出版社计算机分社以专业化力量打造。以开发IT类图书选题为主业，散播专业知识，善待作者，尊重读者，诚邀天下技术精英加盟。

关注

大模型与Agent智能体: 本人专注于大模型智能体强化学习技术领域，从零开始构建GPT大模型及DeepSeek模型，系统掌握大模型预训练、SFT微调、强化学习微调（RLHF）、推理优化微调等技术体系，累计创作2054篇技术博客，覆盖Transformer、Rasa、LangGraph、AI机器学习算法实践、Spark大数据工程应用等前沿领域，内容总阅读量达353万次。

关注

JEECG低代码平台: TA很懒，还没有添加简介

关注

HarkerYX: 学习各类技术优快云博客专家！热爱日系指弹！目前就职新能源汽车行业！

关注

涛歌依旧: 毕业后就职于华为和腾讯

关注

卓晴: 清华大学自动化系教师。

关注

蔚1: TA很懒，还没有添加简介

关注