当前位置：首页 > news >正文

tensorflow使用详解

news 来源：原创 2025/6/8 16:03:13

一、TensorFlow基础环境搭建

安装与验证

# 安装CPU版本
pip install tensorflow# 安装GPU版本（需CUDA 11.x和cuDNN 8.x）
pip install tensorflow-gpu# 验证安装
python -c "import tensorflow as tf; print(tf.__version__)"

核心概念

Tensor（张量）：N维数组，包含shape、dtype属性
Eager Execution：即时运算模式（TF 2.x默认启用）
计算图：静态图模式（通过@tf.function启用）

二、张量操作基础

张量创建

import tensorflow as tf# 创建张量
zeros = tf.zeros([3, 3])              # 3x3全零矩阵
rand_tensor = tf.random.normal([2,2]) # 正态分布随机数
constant = tf.constant([[1,2], [3,4]])# 常量张量

张量运算

a = tf.constant([[1,2], [3,4]])
b = tf.constant([[5,6], [7,8]])# 基本运算
add = tf.add(a, b)        # 逐元素相加
matmul = tf.matmul(a, b)  # 矩阵乘法# 广播机制
c = tf.constant(10)
broadcast_add = a + c     # 自动扩展维度

三、模型构建与训练

使用Keras API

from tensorflow.keras import layers, models# 顺序模型
model = models.Sequential([layers.Dense(64, activation='relu', input_shape=(784,)),layers.Dropout(0.2),layers.Dense(10, activation='softmax')
])# 自定义模型
class MyModel(models.Model):def __init__(self):super().__init__()self.dense1 = layers.Dense(32, activation='relu')self.dense2 = layers.Dense(10)def call(self, inputs):x = self.dense1(inputs)return self.dense2(x)

数据管道（tf.data）

# 创建数据集
dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))# 数据预处理
dataset = dataset.shuffle(1000).batch(32).prefetch(tf.data.AUTOTUNE)# 自定义数据生成器
def data_generator():for x, y in zip(features, labels):yield x, y
dataset = tf.data.Dataset.from_generator(data_generator, output_types=(tf.float32, tf.int32))

四、模型训练与评估

训练配置

model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy']
)# 自定义优化器
custom_optimizer = tf.keras.optimizers.Adam(learning_rate=0.001)

训练与回调

# 自动训练
history = model.fit(dataset,epochs=10,validation_data=val_dataset,callbacks=[tf.keras.callbacks.EarlyStopping(patience=3),tf.keras.callbacks.ModelCheckpoint('model.h5')]
)# 自定义训练循环
@tf.function
def train_step(x, y):with tf.GradientTape() as tape:pred = model(x)loss = loss_fn(y, pred)gradients = tape.gradient(loss, model.trainable_variables)optimizer.apply_gradients(zip(gradients, model.trainable_variables))return loss

五、模型保存与部署

模型持久化

# 保存完整模型
model.save('saved_model')# 保存权重
model.save_weights('model_weights.h5')# 导出为SavedModel
tf.saved_model.save(model, 'export_path')# 加载模型
loaded_model = tf.keras.models.load_model('saved_model')

TensorFlow Serving部署

# 安装服务
docker pull tensorflow/serving# 启动服务
docker run -p 8501:8501 \--mount type=bind,source=/path/to/saved_model,target=/models \-e MODEL_NAME=your_model -t tensorflow/serving

六、高级特性

分布式训练

strategy = tf.distribute.MirroredStrategy()with strategy.scope():model = create_model()model.compile(optimizer='adam', loss='mse')model.fit(dataset, epochs=10)

混合精度训练

policy = tf.keras.mixed_precision.Policy('mixed_float16')
tf.keras.mixed_precision.set_global_policy(policy)

自定义层与损失

class CustomLayer(layers.Layer):def __init__(self, units):super().__init__()self.units = unitsdef build(self, input_shape):self.w = self.add_weight(shape=(input_shape[-1], self.units))self.b = self.add_weight(shape=(self.units,))def call(self, inputs):return tf.matmul(inputs, self.w) + self.bdef custom_loss(y_true, y_pred):return tf.reduce_mean(tf.square(y_true - y_pred))

七、基于Java实现的tensorflow

以下是基于Java实现TensorFlow的完整指南，涵盖环境配置、模型加载、推理部署及开发注意事项：

1、TensorFlow Java环境配置

官方支持范围

支持版本：TensorFlow Java API 支持 TF v1.x 和 v2.x（推荐2.10+）
功能覆盖：
- 模型加载与推理（SavedModel、Keras H5）
- 基础张量操作（创建、运算）
- 部分高级API（如Dataset）支持受限

依赖引入（Maven）

<dependency><groupId>org.tensorflow</groupId><artifactId>tensorflow-core-platform</artifactId><version>0.5.0</version> <!-- 对应TF 2.10.0 -->
</dependency>
<dependency><groupId>org.tensorflow</groupId><artifactId>tensorflow-framework</artifactId><version>0.5.0</version>
</dependency>

环境验证

import org.tensorflow.TensorFlow;public class EnvCheck {public static void main(String[] args) {System.out.println("TensorFlow Version: " + TensorFlow.version());}
}

2、模型加载与推理

SavedModel加载

import org.tensorflow.SavedModelBundle;
import org.tensorflow.Tensor;
import org.tensorflow.ndarray.NdArrays;
import org.tensorflow.types.TFloat32;public class ModelInference {public static void main(String[] args) {// 加载模型SavedModelBundle model = SavedModelBundle.load("/path/to/saved_model", "serve");// 创建输入张量（示例：224x224 RGB图像）float[][][][] inputData = new float[1][224][224][3];TFloat32 inputTensor = TFloat32.tensorOf(NdArrays.ofFloats(inputData));// 执行推理Tensor<?> outputTensor = model.session().runner().feed("input_layer_name", inputTensor).fetch("output_layer_name").run().get(0);// 获取输出数据float[][] predictions = outputTensor.asRawTensor().data().asFloats().getObject();// 释放资源inputTensor.close();outputTensor.close();model.close();}
}

动态构建计算图

import org.tensorflow.Graph;
import org.tensorflow.Session;
import org.tensorflow.op.Ops;
import org.tensorflow.op.core.Placeholder;
import org.tensorflow.types.TFloat32;public class ManualGraph {public static void main(String[] args) {try (Graph graph = new Graph()) {Ops tf = Ops.create(graph);// 定义计算图Placeholder<TFloat32> input = tf.placeholder(TFloat32.class);var output = tf.math.add(input, tf.constant(10.0f));try (Session session = new Session(graph)) {// 输入数据TFloat32 inputTensor = TFloat32.scalarOf(5.0f);// 执行计算Tensor result = session.runner().feed(input, inputTensor).fetch(output).run().get(0);System.out.println("Result: " + result.asRawTensor().data().getFloat());}}}
}

3、高级应用场景

Android端部署（TensorFlow Lite）

// build.gradle添加依赖
implementation 'org.tensorflow:tensorflow-lite:2.10.0'// 模型加载与推理
Interpreter tflite = new Interpreter(loadModelFile("model.tflite"));
float[][] input = new float[1][INPUT_SIZE];
float[][] output = new float[1][OUTPUT_SIZE];
tflite.run(input, output);

服务端批量推理优化

// 多线程会话管理
SavedModelBundle model = SavedModelBundle.load(...);
ExecutorService pool = Executors.newFixedThreadPool(4);public float[][] batchPredict(float[][][][] batchData) {List<Future<float[]>> futures = new ArrayList<>();for (float[][] data : batchData) {futures.add(pool.submit(() -> {try (TFloat32 tensor = TFloat32.tensorOf(data)) {return model.session().runner().feed("input", tensor).fetch("output").run().get(0).asRawTensor().data().asFloats().getObject();}}));}// 收集结果return futures.stream().map(f -> f.get()).toArray(float[][]::new);
}

4、开发注意事项

性能优化技巧

会话复用：避免频繁创建Session，单例保持会话
张量池技术：重用张量对象减少GC压力

Native加速：添加平台特定依赖

<!-- Linux GPU支持 -->
<dependency><groupId>org.tensorflow</groupId><artifactId>tensorflow-core-platform-gpu</artifactId><version>0.5.0</version>
</dependency>

常见问题排查

模型兼容性：确保导出模型时指定save_format='tf'

内存泄漏：强制关闭未被回收的Tensor

// 添加关闭钩子
Runtime.getRuntime().addShutdownHook(new Thread(() -> {if (model != null) model.close();
}));

类型匹配：Java float对应TF的DT_FLOAT，double对应DT_DOUBLE

5、替代方案对比

方案	优势	局限
官方Java API	原生支持，性能优化	高级API支持有限
TensorFlow Serving	支持模型版本管理，RPC/gRPC接口	需要独立部署服务
DeepLearning4J	完整Java生态集成	模型转换需额外步骤
ONNX Runtime	多框架模型支持	需要转换为ONNX格式

6、最佳实践推荐

训练-部署分离：使用Python训练模型，Java专注推理
内存监控：添加JVM参数-XX:NativeMemoryTracking=detail

日志集成：启用TF日志输出

TensorFlow.loadLibrary(); // 初始化后
org.tensorflow.TensorFlow.logging().setLevel(Level.INFO);

通过以上方案，可在Java生态中高效实现TensorFlow模型部署。对于需要自定义算子的场景，建议通过JNI调用C++实现的核心逻辑。

八、性能优化技巧

GPU加速：使用tf.config.list_physical_devices('GPU')验证GPU可用性
计算图优化：通过@tf.function加速计算
算子融合：使用tf.function(jit_compile=True)启用XLA加速
量化压缩：使用tf.lite.TFLiteConverter进行8位量化

九、常见问题排查

Shape Mismatch：使用tf.debugging.assert_shapes验证张量维度
内存溢出：减少batch size或使用梯度累积
NaN Loss：检查数据归一化（建议使用tf.keras.layers.Normalization）
GPU未使用：检查CUDA/cuDNN版本匹配性

通过以上内容，可以系统掌握TensorFlow的核心功能与进阶技巧。建议结合具体项目实践，如：

图像分类：使用ResNet架构
文本生成：基于Transformer模型
强化学习：结合TF-Agents框架
模型优化：使用TensorRT加速推理

持续关注TensorFlow官方文档（https://www.tensorflow.org）获取最新API更新。

在这里插入图片描述

tensorflow使用详解

一、TensorFlow基础环境搭建安装与验证 # 安装CPU版本 pip install tensorflow# 安装GPU版本（需CUDA 11.x和cuDNN 8.x） pip install tensorflow-gpu# 验证安装 python -c "import tensorflow as tf; print(tf.__version__)"核心概念 Tensor…...

编程日记 2025/5/7 14:58:09

FreeMarker语法深度解析与Node.js集成实践指南

一、FreeMarker核心语法体系 1.1 基础模板结构 <#-- 注释语法 --> ${expression} <#-- 输出表达式 --> <#directive paramvalue> <#-- 指令语法 -->1.2 数据类型处理标量类型深度处理： <#assign num 123.45?floor> <#--…...

编程日记 2025/5/26 13:52:22

如何实现一个可视化的文字编辑器（C语言版）？

一、软件安装 Visual Studio 2022 Visual Studio 2022 是微软提供的强大集成开发环境（IDE），广泛用于C/C、C#、Python等多种编程语言的开发。它提供了许多强大的工具，帮助开发者编写、调试和优化代码。 1.下载 Visual Studio 202…...

编程日记 2025/6/1 16:17:01

学习海康VisionMaster之路径提取

一：进一步学习了今天学习下VisionMaster中的路径提取：可在绘制的路径上等间隔取点或查找边缘点二：开始学习 1：什么是路径提取？ 相当于事先指定一段路径，然后在对应的路径上查找边缘，这个也是…...

编程日记 2025/5/22 7:59:02

【MCP Node.js SDK 全栈进阶指南】中级篇（6）：MCP与Web框架集成

背景在现代Web开发生态中，框架已成为构建高效、可维护应用的核心基础设施。将MCP TypeScript-SDK与流行的Web框架集成，能够充分发挥两者的优势，构建功能丰富、交互智能的现代应用。本文将深入探讨MCP与主流Web框架的集成方法、最佳实践和架构设计，帮助开发者构建强大而灵…...

编程日记 2025/5/30 14:17:56

vue3+vite 项目中使用 Echarts 5.0 按需引入教程

效果图第一步，封装 ECharts 工具函数在 utils 目录下新建一个 echarts.js 文件，位置随意这里只引入了折线图和拼团，需要其他的图自行引入 import * as echarts from "echarts/core"; import { LineChart, PieChart } from "…...

编程日记 2025/5/28 7:58:06

Unreal Engine 实现软件测试方案的仿真体验

以下将以一款模拟物流仓储管理软件的测试为例，详细阐述如何利用 Unreal Engine 实现软件测试方案的仿真体验。 1. 明确测试目标与需求功能方面：要验证货物出入库管理、库存盘点、货物定位、叉车调度等功能的准确性和稳定性。性能方面：测试…...

编程日记 2025/5/28 15:35:31

蓝绿部署的详细规划文档

一、蓝绿部署概述蓝绿部署是一种通过运行两套完全相同的生产环境（蓝色和绿色）实现零停机发布的策略。核心流程为：在绿色环境部署新版本并验证通过后，将流量逐步切换至绿色环境，若出现问题可快速回滚至蓝色环境。该策略适用于对可用性要求极高的系统（如金融、电商），可…...

编程日记 2025/5/29 12:18:46

【SpringMVC】概念引入与连接

目录 1.前言 2.正文 2.1SpringMVC是什么 2.2详解RequestMapping注解 2.3创建Spring项目 2.4建立连接 2.5Postman 3.小结 1.前言哈喽大家好，今天来给大家带来Spring相关的学习，主要内容有概念的讲解以及如何分别通过Java代码和工具Postman来建立…...

编程日记 2025/5/28 15:57:10

NodeJs模块化与JavaScript的包管理工具

Js：模块化规范的文章链接：https://blog.csdn.net/Y1914960928/article/details/131793004?spm1011.2415.3001.5331 一、模块化： 1、导入文件的注意事项： ① 导入路径建议写相对路径，且不能省略 ./ 和 ../ ② 文件…...

编程日记 2025/5/8 11:35:59

一、接口测试01

目录一、接口1. 概念2. 接口的类型二、接口测试1. 概念三、HTTP协议1. HTTP协议简介2. URL格式2.1 练习 3. HTTP请求3.1 整体格式3.2 fiddler 抓包验证3.3 请求行3.4 请求头3.5 请求体3.6 练习 4. HTTP响应4.1 整体格式4.2 状态行4.3 响应头4.4 响应体4.5 练习 5. 传统风格接…...

编程日记 2025/5/7 8:54:31

CISA、项目管理、信息系统项目等等电子书资料

概述在数字化转型浪潮中，教育工作者与技术管理者如何把握前沿趋势？我们精选了覆盖教育研究、IT治理与项目管理的系列电子资源，为职场精英打造知识升级方案。资料已整理好：https://pan.quark.cn/s/9c8a32efc89e 内容介绍包含教…...

编程日记 2025/5/23 19:48:05

神经网络（自己记录）

一、神经网络基础 5分钟-通俗易懂 - 神经网络反向传播算法（手算）_哔哩哔哩_bilibili 二、GAT...

编程日记 2025/5/13 15:25:25

ARCGIS PRO 在地图中飞行

一、要将飞行添加到地图，请确保动画选项卡已处于打开状态。如有必要，请单击视图选项卡上动画组中的添加动画 ，如图： 二、在动画选项卡的创建组中，单击追加下拉菜单并验证过渡类型是固定还是线性。三、将照相机导航到…...

编程日记 2025/5/27 10:42:52

Java 消息代理：企业集成的 5 项基本技术

大家好，这里是架构资源栈！点击上方关注，添加“星标”，一起学习大厂前沿架构！ Java 消息代理通过实现分布式系统之间的可靠通信路径，改变了企业集成。我广泛使用了这些技术，发现它们对于构建可有…...

编程日记 2025/5/28 15:47:32

SpringBoot自动装配

自动装配就是自动地把其他组件中的Bean装载到IOC容器中，不需要开发人员再去配置文件中添加大量的配置源码分析 EnableAutoConfiguration：SpringBoot实现自动化配置的核心注解 AutoConfigurationImportSelector类分析 public class AutoConfigurationIm…...

编程日记 2025/5/28 18:05:41

【项目篇之垃圾回收】仿照RabbitMQ模拟实现消息队列

实现垃圾回收消息垃圾回收为什么要去实现垃圾回收如何实现这个垃圾回收？ 编写代码编写触发垃圾回收的条件触发垃圾回收的条件约定新文件所在的位置实现垃圾回收的算法(重点) 总结消息垃圾回收为什么要去实现垃圾回收由于当前会不停地往消息文件中写入新消息&a…...

编程日记 2025/6/3 15:36:27

【Redis】服务端高并发分布式结构演进之路

文章目录前景概念架构演进现在说起服务端，经常听到的就是分布式、集群、微服务这类词汇，这些到底是什么呢？又是如何而来的呢？本篇博客记录相关学习前景概念在认识上述架构之前，需要有些前景知识应用(Applicatio…...

编程日记 2025/5/29 19:07:27

【SpringMVC文件上传终极指南：从基础配置到云存储集成】

🎥博主：程序员不想YY啊 💫CSDN优质创作者，CSDN实力新星，CSDN博客专家 🤗点赞🎈收藏⭐再看💫养成习惯 ✨希望本文对您有所裨益，如有不足之处，欢迎在评论区提出…...

编程日记 2025/5/18 2:18:06

windows安装docker教程

1、参考博客 - 安装教程： https://blog.csdn.net/GoodburghCottage/article/details/131413312 - docker详解： https://www.cnblogs.com/yaok430/p/16738002.html 2、设计目标 - 提供一个简单的应用程序打包工具，可以将应用程序…...

编程日记 2025/5/29 18:04:27

基于物理信息的神经网络在异常检测Anomaly Detection中的应用：实践指南

物理信息神经网络（PINNs）代表了一种令人兴奋的新建模范式，这种范式正在各行各业迅速崭露头角。 PINNs 最有前景的应用之一是复杂物理系统中的异常检测Anomaly Detection。这一应用尤其值得关注，因为它解决了传统机器学习方法在实践中一直难以克服的几个关键痛点。在这篇…...

编程日记 2025/5/23 19:35:16

Spark阶段学习总结

一、Spark 是什么 Spark 是一种基于内存的快速、通用、可扩展的大数据分析计算引擎，也可说是分布式内存迭代计算框架。二、Spark 四大特点速度快（内存计算） 易于使用通用性强运行方式多三、与hadoop的核心差异数据通信&#xf…...

编程日记 2025/5/14 8:25:12

统信操作系统使用默认yum源安装 Docker 的踩坑

事件在使用 docker 运行 es 的时候，es 报错 ulimit 的值为1024，但是服务器已经设置成了65535。排查结果在装完 docker 之后发现 docker systemd 的启动命令引用了 /etc/sysconfig/docker 这个文件里面设定了 ulimit 为 1024 如下： [ro…...

编程日记 2025/5/22 18:19:16

HK1RBOX K8 RK3528 Via浏览器_插件_央视频的组合验证(失败)

文章目录前言软件和设备信息过程方案插件代码运行效果问题前言实践的结果为失败,设备性能不满足, 无法流畅播放视频软件和设备信息 via浏览器, 版本4.9.1HK1RBOX K8 RK3528设备win10, 逍遥游安卓虚拟机(开发插件)央视频官网(不是cctv那个) 过程方案浏览器设置央视…...

编程日记 2025/5/21 13:34:58

XMOS直播声卡——可支持实时音频DSP处理的低延迟音频方案

对于游戏玩家和短视频直播工作者来说，声卡不可或缺。它除了能将计算设备的数字信号转换为声音信号，还能够提供各种逼真的或者定制的3D音效，提升游戏的沉浸感，特别是在大型开放联网游戏或射击游戏中，声音细节直接影响玩…...

编程日记 2025/6/4 1:31:14

DB2备份恢复操作文档及其注意事项

备份BACKUP 备份语法： 在线备份：db2 backup db MYDB online to /tmp/backup_db2_20250326 离线备份：db2 backup db MYDB to /tmp/backup_db2_20250326 需要注意，在执行在线备份时需要开启归档，即执行db2 get db cfg f…...

编程日记 2025/5/31 10:37:06

flask uri 怎么统一加前缀

在 Flask 中为 URI 统一添加前缀，可以通过多种方式实现，下面为你详细介绍几种常见的方法。方法一：使用 Blueprint（推荐） Blueprint（蓝图）是 Flask 中组织路由的一种方式，它可以将…...

编程日记 2025/5/29 3:02:02

创建一个springboot的项目-简洁步骤

1. 打开IDEA，新建项目： 2. 设置项目的基本信息，其中注意jdk版本要与Java版本匹配，这里使用jdk17和java17 3. 选择SpringBoot版本，选择项目依赖（依赖也可以创建完项目后在pom文件中修改） 这里选…...

编程日记 2025/5/29 18:10:02

杭电oj（1008、1012、1013、1014、1017）题解

目录编辑 1008 题目思路代码 1012 题目思路代码 1013 题目思路代码 1014 题目思路代码 1017 题目思路处理每组测试数据计算满足条件的整数对数量代码 1008 题目思路 s a[0];：初始化 s 为数组的第一个元素，即电…...

编程日记 2025/5/18 2:04:47

VRRP与BFD在冗余设计中的核心区别：从“备用网关”到“毫秒级故障检测”

（本文完全由deepseek生成，特此声明） 在网络冗余设计中，VRRP（Virtual Router Redundancy Protocol）和BFD（Bidirectional Forwarding Detection）是两种关键协议，但它们的定…...

编程日记 2025/5/19 10:33:40

蓝桥杯 2. 确定字符串是否是另一个的排列

确定字符串是否是另一个的排列原题目链接题目描述实现一个算法来识别一个字符串 str2 是否是另一个字符串 str1 的排列。排列的解释如下：如果将 str1 的字符拆分开，重新排列后再拼接起来，能够得到 str2，那么就说字符串 st…...

编程日记 2025/5/26 9:37:35

巧记英语四级单词 Unit6-上【晓艳老师版】

master n.雇主，主人发音“骂死他”，骂死谁？雇主，主人masterpiece n.代表作，名著主人的作品就是名著deputy n.副手 de表示往下，put放，往下放给副手appeal n.要求，呼吁一再的要求剥…...

编程日记 2025/5/31 21:28:53

Java求职面试：从Spring Boot到微服务架构的全面解析

场景：互联网大厂Java面试在某互联网大厂的面试房间里，面试官李老师正准备面试一位传说中的“水货程序员”——谢飞机。第一轮提问：基础框架与工具李老师： “谢飞机，你好。我们先聊聊Spring Boot吧。你能简单说说…...

编程日记 2025/5/26 9:45:17

来自B站AIGC科技官的“vLLM简介“视频截图

来自B站AIGC科技官的"vLLM简介"视频截图 0. 引言1. vLLM简介2. vLLM启动日志解析3. vLLM压力测试4.vLLM分布式推理 0. 引言这篇文章主要记录了B站AIGC科技官的"vLLM简介"视频截图。 1. vLLM简介笔记 From Up主： KV Cache的大小与序列长度的…...

编程日记 2025/5/31 9:35:13

CSS元素动画篇：基于当前位置的变换动画（四）

基于当前位置的变换动画（四） 前言透明效果类元素动画闪烁动画效果效果预览代码实现淡入动画效果效果预览代码实现淡出动画效果效果预览代码实现结语前言 CSS元素动画一般分为两种：一种是元素基于当前位置的变换动画，通过不明…...

编程日记 2025/5/31 11:34:58

如何打包一个QT 程序

如何打包一个QT 程序找到 vcvarsall.bat 文件打开图中框选的命令行输入命令 D:\MicrosoftVisualStdio2022\Community\VC\Auxiliary\Build\vcvarsall.bat x64命令行进入待打包的目录，只留下一个exe 文件即可 windeployqt 程序名打包完成...

编程日记 2025/5/27 5:24:15

【vLLM 学习】CPU 离线处理

vLLM 是一款专为大语言模型推理加速而设计的框架，实现了 KV 缓存内存几乎零浪费，解决了内存管理瓶颈问题。更多 vLLM 中文文档及教程可访问 →https://vllm.hyper.ai/ 源代码：vllm-project/vllm from vllm import LLM, SamplingParams# S…...

编程日记 2025/5/26 7:06:24

德州仪器（TI）—TDA4VM芯片详解—目录

写在前面本系列文章主要讲解德州仪器（TI）TDA4VM芯片的相关知识，希望能帮助更多的同学认识和了解德州仪器（TI）TDA4VM芯片。若有相关问题，欢迎评论沟通，共同进步。(*^▽^*) 本篇是此系列的目录…...

编程日记 2025/5/19 11:58:58

深入解读：2025 数字化转型管理参考架构

《GB/T 45341—2025 数字化转型管理参考架构》规定了数字化转型参考架构，涵盖主要视角、过程方法、发展阶段与水平档次。主要视角包含发展战略、业务创新转型等 5 个方面，明确任务及关联； 过程方法基于 “策划 — 支持、实施与运行 — 评测 …...

编程日记 2025/6/1 17:57:02

dma_buf学习记录之二核心接口

dma_buf学习记录之一基础知识-CSDN博客本章学习linux\include\linux\dma-buf.h dma-buf.h 是 Linux 内核中用于实现 DMA 缓冲区共享框架的核心头文件。它定义了 dma-buf 子系统的主要数据结构和操作接口，允许设备驱动程序之间共享缓冲区，并支持异步硬件…...

编程日记 2025/5/31 19:13:27

java Optional

我还没用过java8的一些语法，有点老古董了，记录下Optional怎么用。从源码看，Optional内部持有一个对象， 有一些api对这个对象进行判空处理。静态方法of ，生成Optional对象， 但这个value不能为空&#…...

编程日记 2025/6/1 4:47:40

一文说清Token这个大模型中的数字乐高积木的作用

第一章：语言解码的底层逻辑 1.1 人类大脑的"偷懒智慧" 想象你走在街头，突然看到"星巴克"的招牌。你的大脑不会逐个分析"星""巴""克"三个字的笔画，而是瞬间将其识别为一个整体。这种将高…...

编程日记 2025/5/15 18:46:49

界面打印和重定向同时实现

在 Shell 中，若要让程序运行时既在界面打印输出内容，又将其重定向到文件，可使用tee命令达成此目的。tee命令的作用是从标准输入读取数据，然后将这些数据同时输出到标准输出（也就是屏幕）和指定的文件中。基…...

编程日记 2025/6/1 8:48:32

最佳实践-HENGSHI SENSE 可视化创作中如何引入数据集市的成果

HENGSHI SENSE 提供了中心化的数据集市管理 ，即数据集市的功能： 数据集市，支持层级结构的数据集市建立，按用户，用户组，组织架构授权，将数据分配到合适的人。支持统一的计算字段，计算…...

编程日记 2025/5/27 17:28:50

YOLO旋转检测模型简化

YOLO模型作为单阶段目标检测方法的代表，其已经应用在多个领域。但要想将其部署到单片机上，其模型的大小需要受到极大的限制，而采用剪枝的方式模型体积下降效果有限，因此我们直接修改网络结构，将其进行删减&#xff0c…...

编程日记 2025/5/30 15:38:04

JavaScript之Webpack的模块加载机制

目录目标概述 IIFE语法分析无参数的IIFE 有参数的IIFE Webpack语法分析基本结构缓存加载过的模块 ES5的格式 ES6的格式目标本文站在js逆向的角度总结知识，所以不讲解Webpack打包技术，只分析模块加载机制。概述 Webpack Webpack是一个…...

编程日记 2025/5/27 7:36:58

深度解析如何将图像帧和音频片段特征高效存储到向量数据库 Milvus

在视频和音频分析领域，如何高效地处理和检索海量的多模态数据一直是一个重大挑战。本文将深度解析一种行之有效的解决方案：利用 OpenCV 和音频处理库提取数据特征后，将这些特征向量存储到 Milvus 向量数据库，以实现高效的相似性检…...

编程日记 2025/5/30 17:15:38

《Vue3学习手记6》

组件通信 props props 可以父传子，也可以子传父 1.父传子子组件： <template><div class"child"><h2>子组件</h2><h3>礼物：{{ gift }}</h3><h3 v-show"zichan">父亲给我的…...

编程日记 2025/5/28 6:39:30

抗体品牌推荐

默克超级英雄抗体的披荆斩棘之路自保罗埃尔利希1891年10月提出“Antikrper”一词后，科研人逐渐意识到抗体（Antibody）可以应用于各种类型的研究中。从结构、功能、人体免疫应答……到基因治疗、药物研究，抗体的身影无处不在。值…...

编程日记 2025/5/29 23:56:44

生成式人工智能认证（GAI认证）有什么用？

在人工智能的浪潮中，我们正站在一个前所未有的十字路口。有人将生成式人工智能（Generative AI）视为技术迭代的工具，有人将其视为颠覆行业的“黑匣子”，而更少有人意识到：它正在重新定义人类与技术的共生关系。当AI不再局限于辅助人类，而是开始参与创作、决策甚至伦理判断…...

编程日记 2025/5/19 8:53:45