这篇介绍了，在MindSpore中保存和加载模型的方法,包括使用save_checkpoint保存模型参数,load_checkpoint和load_param_into_net加载参数,以及使用export导出MindIR格式模型并通过load接口加载进行推理。还介绍了这些保存和加载模型的核心API,为开发者提供了在MindSpore中管理和复用模型的实用技巧。

这篇介绍了，在MindSpore中保存和加载模型的方法,包括使用save_checkpoint保存模型参数,load_checkpoint和load_param_into_net加载参数,以及使用export导出MindIR格式模型并通过load接口加载进行推理。还介绍了这些保存和加载模型的核心API,为开发者提供了在MindSpore中管理和复用模型的实用技巧。

单元测试其实是检测代码最好的方式，单元测试，代码质量，这些都是很好的工具，单元测试需要结合mockito框架进行mock来测试，否则没用的数据写入到数据库里面也是占用空间，本身测试只是为了检查我的逻辑是否合理，流程是否通顺，判断是否到位。测试覆盖查看还是很方便的，只是你要把每种情况都要考虑到，提供对应的代码示例去执行对应的代码块。不得不说idea这个测试报告还是挺友好的对与那些测试人员可以直观的看

在大模型盛行的当今，选择适宜的数据库显得尤为重要。因为面对海量训练数据，及时的检索至关紧要。向量数据库是一种专门用于存储和处理向量数据的数据库系统。与传统的关系型数据库不同，向量数据库提供了针对向量数据的高效存储、索引和查询功能，以支持大规模的向量数据分析和检索任务。向量数据库能够将向量存储为高维点并进行检索，常用于大模型领域，如图像检索、推荐系统、自然语言处理和生物信息学等。

碰到一个需求，首先把文档转成PDF的格式，翻了很多博客都差不多，但是实际上跑起来还是会报错，分析不出原因，我把错误也贴到下面了～看看有哪位大佬知道如何解决。

突然听到运维说磁盘预发布环境磁盘空间不够，细查之下发现是由于某个表的数据太大导致的，但是查看了下数据库表发现，实际的表数据量只有60w条，很明显表哪里出问题了，一开始以为是犹豫表的设计不合理索引导致的数据量大，细看之下发现挺正常的。

在项目中，我们可以使用一些表达式来判断是否需要触发警告。例如一些常见的表达式及其含义：条件表达式：这是最基本的表达式，用于判断某个条件是否成立。这个表达式会判断变量 x 是否大于 10，如果成立，则执行。逻辑表达式：这种表达式通常用于将多个条件组合起来，判断整个表达式的结果是真还是假。这个表达式会判断变量 x 是否大于 10 并且变量 y 是否小于 20，如果成立，则执行。这些偏门的表达式还是孤陋

其实写过SQL连接的都知道要打开要关闭，我也知道的，习惯了封装的类觉得会考虑到这个点，所以就没有关注到这里就没有关心了。这里封装封一半，我以为自己会释放连接，没想到还需要自己手动控制，我。归纳了解决问题的几种方法DAO.getConnection()是我们自己封装的一个类，其实我挺讨厌自己造轮子的，不好用还容易出问题，从1到100不好么，为什么老是喜欢从零到一，很容易掉坑了。接着就又看到熟悉的CA

主要是为了存档，碰到表单传对象数组的情况，一般都是一个表单只能传一个对象，后面经过跟前端的研究和讨论发现居然可以传对象数组，以此作为记录分享。@Data@Data//定位或关键字//2.骑缝章1.其他传输数组队列不需要使用注解，在测试传输中不写注解反而能通过写了，写了@RequestPart注解反而通过不了，具体细节之后更新细则讲解，这篇主要讲解协议和请求，主要解决了表单形式传输对象的问题。

Amazon CodeGuru Reviewer中的CodeWhisperer是一种代码提示工具，它使用机器学习和人工智能技术来提高开发人员的代码质量和效率。它可以通过分析代码库中的历史代码和最佳实践，为开发人员提供有关如何改进其代码的建议。您可以在AWS控制台上启用CodeGuru Reviewer，并将其与您的代码库集成，以获得CodeWhisperer的建议。首先从插件库中搜AWS基本就能看