优快云博客-专业IT技术发表平台

推荐付费专栏 VIP文章

C语言实战：用Pygame打造高难度水果消消乐游戏以下是一个基于Python和Pygame的水果消消乐游戏实现，包含困难。

阅读 570

6赞

蜡笔小祎在线学习

SQL刷题记录贴 1.题目：现在运营想要对用户的年龄分布开展分析，在分析时想要剔除没有获取到年龄的用户，请你取出所有年龄值不为空的用户的设备ID，性别，年龄，学校的信息。错误：select device_id,gender,age,university from user_profile where age!=null;在 SQL 中，判断NULL的值需要使用IS NULL或，而不能直接用!= null来比较。NULL在 SQL 中表示一个未知的值，因此不能使用普通的比较运算符（如!或）进行比较。正确：='';

阅读 507

20赞

OpenHarmony - 小型系统内核（LiteOS-A）（五） VFS（Virtual File System）是文件系统的虚拟层，它不是一个实际的文件系统，而是一个异构文件系统之上的软件粘合层，为用户提供统一的类Unix文件操作接口。由于不同类型的文件系统接口不统一，若系统中有多个文件系统类型，访问不同的文件系统就需要使用不同的非标准接口。而通过在系统中添加VFS层，提供统一的抽象接口，屏蔽了底层异构类型的文件系统的差异，使得访问文件系统的系统调用不用关心底层的存储介质和文件系统类型，提高开发效率。

阅读 527

18赞

GitLab + Jenkins + .Net8 实现CICD部署大致流程就是 jenkins 提供一个API 给 GitLab 来调用， GitLab 配置好 webhook 调用 API。

阅读 373

6赞

AI与无人驾驶汽车：如何通过机器学习提升自动驾驶系统的安全性？人工智能正在推动自动驾驶技术的快速发展，提高车辆感知、预测和决策能力。通过深度学习、计算机视觉、多传感器融合和车路协同等技术，AI显著提升了无人驾驶的安全性。特斯拉FSD、Waymo、Mobileye及武汉萝卜快跑等案例展示了AI在自动驾驶中的应用。然而，复杂路况、法律法规和网络安全仍是挑战。未来，随着技术突破，无人驾驶有望成为更安全、高效的出行方式。

阅读 971

30赞

rqlite：一个基于SQLite构建的分布式数据库 rqlite：一个基于SQLite构建的分布式数据库

阅读 270

3赞

python——学生管理系统增加学生信息、删除学生信息、修改学生信息、查询单个学生信息、查询所有学生信息、退出系统。用户名（username）、密码（password）学生信息（学号、姓名、性别、年龄、地址、电话）注册（register）、登录（login）3、三次输入用户名和密码错误，登录失败。2、选择修改的项可以为单项或全部。1、判断用户名是否已经被注册过。3、是否需要继续追加注册用户。1、按学号进行筛选索引。（4）查询单个学生信息。（5）查询所有学生信息。5、查询单个学生信息。6、查询多个学生信息。

阅读 1.3k

34赞

平安喜乐-开开心心

教程：批量提取PDF页面指定区域位置的内容，将内容保存到Excel表格，基于WPF的实现过程和方案，可以提取电子发票等类型的PDF文档，将明细保存表格在处理大量 PDF 文件时，可能只需要提取特定区域的信息，如合同中的关键条款、报表中的特定数据等。将这些提取的信息保存到 Excel 表格中，便于后续的数据分析、整理和存储。，处理大量 PDF 文件时，可考虑使用多线程并行处理，提高处理速度。错误处理：目前的错误处理比较简单，可进一步细化，如处理 PDF 文件损坏、Excel 保存失败等情况。界面优化：可以添加更多的交互提示，如鼠标悬停提示、进度条动画等，提升用户体验。

阅读 353

4赞

list的使用在之前我们对于链表有过最初始的模拟实现，现在进入C++之后，我们可以在STL库中发现到链表这个容器的使用，list的底层也是我们最初实现的双向链表。

阅读 540

1赞

Tomcat与Servlet（2）注意：doXXX方法是多态的体现，我们开发人员写的类继承HttpServlet类（有doXXX系列的方法，需要我们的自定义类重写），而HttpServlet类继承Servlet类，而在动态资源的访问中引用对象的类型是Servlet，因此相当于我们通过父类引用Servlet来调用子类的doXXX方法（父类引用指向子类对象）。Smart Tomcat在背后所做的工作就是让我们不用再打开Tomcat目录使用命令启动，可以在IDEA中点击自动启动Tomcat，并且自动部署运行我们的web程序。表示为当前服务起名。

阅读 773

19赞

【PyTorch】PyTorch中的非线性激活函数详解：原理、优缺点与实战指南 ReLU族仍是隐藏层的首选，平衡速度与性能。GELU/Swish在复杂任务中表现优异，但需权衡计算成本。SELU在极深网络中潜力大，但依赖严格初始化。轻量型函数（如Hardswish）是移动端部署的关键。实际应用中，建议通过实验（如交叉验证）选择最佳激活函数，并结合模型结构、数据分布和硬件条件综合优化。

阅读 752

20赞

焦糖玛奇朵574

一次性执行多个.sql文件(PostgreSql) 如果报错：‘psql’ 不是内部或外部命令，也不是可运行的程序或批处理文件，就是没有配置环境变量，在环境变量里添加PostgreSQL的bin目录即可。在.sql文件目录空白处按 shift + 右键 —> 在此处打开PowerShell的窗口。在.sql文件目录空白处按 shift + 右键 —> 在此处打开PowerShell的窗口。执行以下命令，将多个SQL文件合并为一个文件。在.sql文件目录下打开cmd，执行命令。在pgAdmin4里执行合并后的文件。打开PowerShell。

阅读 131

2赞

软件算法开发

基于贝叶斯估计的多传感器数据融合算法matlab仿真在多传感器数据融合的诸多方法中，贝叶斯估计凭借其坚实的理论基础和强大的处理不确定性信息的能力，占据着举足轻重的地位。在实际应用场景中，传感器所采集的数据往往不可避免地带有噪声、干扰以及不确定性，而贝叶斯估计恰能巧妙地处理这些问题，通过对先验知识和观测数据的综合考量，给出对目标状态的最优估计。这个先验分布可以基于历史数据、专家知识或系统的初始假设来确定。基于贝叶斯估计的多传感器数据融合算法matlab仿真，输入多个传感器的数据，通过贝叶斯估计，得到对应的概率分布，然后输出融合数据以及融合数据的概率分布。

阅读 486

5赞

Everbrilliant89

音视频之H.265/HEVC预测编码预测编码是视频编码中的核心技术之一。对于视频信号来说，一幅图像内邻近像素之间有着较强的空间相关性,相邻图像之间也有很强的时间相关性。因此，先进的视频编码往往采用帧内预测和帧间预测的方式，使用图像内已编码像素预测邻近像素，或利用己编码图像预测待编码图像，从而有效去除视频空域和时域的相关性。视频编码器对预测后的残差而不是原始像素值进行变换、量化、熵编码，由此大幅提高编码效率。自差分编码被应用于视频压缩以来,预测编码一直是视频编码标准的重要内容。

阅读 896

16赞

观察者模式（行为模式）观察者模式（Observer Pattern）的使用场景主要围绕，当一个对象（被观察者）的状态变化需要自动通知其他多个对象（观察者）时，该模式能有效解耦代码。

阅读 696

29赞

Python实现自动图像匹配与拼接：从SIFT到深度学习的新突破传统方法主要基于特征提取，如SIFT（尺度不变特征变换），而近年来，深度学习方法正在重塑这项技术，使得匹配更加智能、鲁棒性更强。这是专为那些渴望提升Python技能的朋友们量身打造的专栏，无论你是已经有一定基础的开发者，还是希望深入挖掘Python潜力的爱好者，这里都将是你不可错过的宝藏。的方法，而最新的深度学习方法则通过训练神经网络，实现端到端的匹配与拼接，减少人工干预。：通过丰富的实战案例，带你一步步实现复杂的项目，从理论到实践，全面提升你的编程能力。例如，Google提出的。，实现高鲁棒性的匹配。

阅读 238

6赞

GPT-4.1 提示词使用指南 **GPT-4.1 比其前代模型 GPT-4o 更倾向于严格跟随指令**，而不是像 GPT-4o 那样更自由地推断用户和系统提示的意图。这也意味着，**GPT-4.1 对明确指定的提示具有很高的可引导性和响应性**，如果模型的行为与用户的预期不同，一句简洁而明确的说明用户的期望行为几乎总是足够让模型回到正确的轨道。

阅读 903

9赞

敖行客 Allthinker

GitHub 封禁中国 IP：影响、原因及应对在技术全球化的当下，代码托管平台如同开发者的 “数字仓库”，而 GitHub 无疑是其中最广为人知的一座。但在 2025 年 4 月 13 日，一则令人震惊的消息在国内开发者社群中炸开了锅 ——GitHub 疑似封禁中国 IP。一时间，这一事件迅速成为热门话题，牵动着无数技术从业者的心弦。众多国内用户反馈，在未登录状态下尝试访问 GitHub，页面无情地显示出 “Access to this site has been restricted” 的 HTTP 403 错误提示。

阅读 6.7k

28赞

Python10天突击--Day 2：实现观察者模式根据项目复杂度选择合适实现，简单场景用经典模式即可，分布式系统建议使用事件总线架构。

阅读 463

5赞

DeepSeek智能时空数据分析（一）：筛选特定空间范围内的POI数据时空数据分析在优化业务运营中至关重要，；然而，三大挑战仍制约其发展：技术门槛高，需融合GIS理论、SQL开发与时空数据库等多领域知识；空间数据缺乏直观可视化工具，导致分析结果难以高效传达；现有产品成本高昂，限制了中小企业应用。随着大模型技术的深化，如何降低技术壁垒、提升可视化交互能力及优化成本结构，将成为释放时空分析潜力的关键。本系列文章将借助DeepSeek等大模型的能力，通过NL2SQL等AI GIS智能体能力，帮助不熟悉SQL、GIS但是有空间数据分析需求的读者实现最常用的分析功能。

阅读 414

11赞

作者推荐

冰河: TA很懒，还没有添加简介

关注

xiangzhihong8: 著有《React Native移动开发实战》1，2，3版本、《Kotlin入门与实战》1，2版本、《Weex跨平台开发与实战》、《React Native开发进阶》和《Flutter跨平台开发实战》和《Android应用架构实战》和《鸿蒙应用开发与实战》、《Vue3 项目开发实战》即将出版

关注

涛歌依旧: 毕业后就职于华为和腾讯

关注

自由程序员: TA很懒，还没有添加简介

关注

优快云程序人生: 笑谈开发轶事，品味程序人生。

关注

业余草: TA很懒，还没有添加简介

关注

Android系统攻城狮: 《Android系统多媒体进阶实战》一书作者

关注

@SmartSi: Stay Hungry, Stay Foolish

关注

lindexi_gd: 我是微软Windows应用开发方向的最具价值专家，欢迎访问我博客blog.lindexi.com里面有大量WPF和UWP博客

关注

卓晴: 清华大学自动化系教师。

关注