logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

基于Python深度学习果蔬识别系统实现

果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现

文章图片
#python#深度学习#开发语言
RustDesk 自建服务端教程:开源远程桌面,完全掌控你的数据

RustDesk 是开源的远程桌面软件,功能对标 TeamViewer 和 AnyDesk,但完全免费,最重要的是可以自建中继服务器。自建服务端后,连接走你自己的服务器,速度快、延迟低、数据不经第三方,适合有隐私要求或频繁使用远程桌面的用户。雨云服务器部署后,所有远程连接都走国内节点中转,速度和稳定性比官方公共服务器好很多,而且数据完全在自己手里,不用担心隐私问题。RustDesk 本身很轻量,带

#开源
终于找到了!这个开源框架让 AI 真正融入开发流程

BMad Method 提供了一套完整的 AI 驱动开发方法论,通过 12+ 专业 Agent 和结构化工作流,帮助开发者和团队实现系统化的 AI 协同开发。无论是个人项目还是企业级应用,BMad Method 都能根据规模自动适配流程,值得尝试。

#人工智能#开源
Pandas数据分析实战(完结)

微批处理模式:将大型作业分解为无状态函数调用智能分区策略:根据数据特征动态调整处理粒度混合执行引擎:结合Pandas与Spark/Dask处理不同规模数据成本感知调度:基于Spot实例和冷启动优化自动调整资源架构类型执行时间成本扩展性单机Pandas12分钟$0.25差Serverless3分钟$0.18优秀EMR集群5分钟$2.40良好随着Wasm运行时和边缘计算的成熟,Pandas数据分析将实

#pandas#数据分析#数据挖掘
向量数据库 Milvus 简介

如果说大模型(LLM)是 AI 的大脑,那么 Milvus 就像是 AI 的长期记忆库。它解决了 AI 如何在大规模知识海洋中快速、准确地找到所需信息的问题,是构建现代 AI 应用不可或缺的基础设施。

#数据库#milvus
100道MySQL数据库经典面试题解析(收藏版)

MySQL数据库核心知识点摘要: 索引优化: 索引失效场景:OR条件、字符串未加引号、LIKE通配符、联合索引不遵循最左匹配、对索引列运算等 不适合加索引的情况:数据量少、更新频繁、区分度低的字段 索引规则:覆盖索引、最左前缀原则、索引下推 事务与锁: 事务特性:原子性(undo log)、持久性(redo log)、隔离性(锁/MVCC)、一致性 锁类型:表锁/行锁/页锁;共享锁/排他锁 死锁处

文章图片
#数据库#mysql#spring boot +4
基于Akka的分布式游戏服务端开发

由于Akka是一套出色的分布式框架,我们可以很轻松的对服务端进行水平扩容,不需要做过多额外的操作,只需要简单的添加机器并加入集群即可。下面简单介绍下如何启动这个项目,更多功能请自行探索。

文章图片
#分布式#游戏
ollama v0.12.0 发布:引入云端大模型预览,支持本地与云端无缝融合

在 v0.12.0 中,Ollama 首次提供了云端推理能力,开发者可以运行体量更大的模型,而无需担心本地机器显存容量不足。这不仅解决了本地硬件性能不足的问题,还统一了 API 调用方式,使得开发者能够像使用本地模型一样,轻松调用超大规模云端模型。提供推理计算,同时保持了 Ollama 一贯的隐私与安全政策——Ollama v0.12.0 的发布,标志着该平台从本地推理走向了。下载最新 v0.12

#linux#运维#服务器
从零到精通:OpenClaw完整生命周期指南

江苏省人工智能学会专家马文宁在分析OpenClaw爆火的原因时,提出了一个精准的比喻:“两大海啸的对撞”。第一大海啸:技术海啸——AI智能体的能力跃迁2025年之前,所谓的AI智能体大多停留在“聊天机器人”层面,只能完成简单任务,如查询天气、播放音乐。但2025年下半年开始,随着Claude 3.5、GPT-4o等大模型的发布,模型的推理能力、工具调用能力、多模态理解能力实现了质的飞跃。

#面试
Spring AI RAG踩坑:我骂了半年的FilterExpression,其实是背锅侠

它的本质是一个 schema,告诉 Redis:"这些文档里有 experienceLevel、industry、position 字段,过滤时靠它们。搜了一圈,发现社区里确实有人吐槽 Spring AI 的 FilterExpression 不好用,说底层实现有问题。问题来了——不同行业、不同岗位、不同经验级别的简历,优化侧重点完全不同。然后 metadata 过滤完美运行——按行业过滤没问题、

#spring#人工智能#java
    共 157 条
  • 1
  • 2
  • 3
  • 16
  • 请选择