当前位置: 首页 > news >正文

2025全网首发:ComfyUI整合GPT-Image-1完全指南 - 8步实现AI图像创作革命

ComfyUI整合GPT-Image-1完全指南:8步实现AI图像创作革命【2025最新】

ComfyUI整合GPT-Image-1效果展示

OpenAI最新发布的GPT-Image-1模型(也就是ChatGPT-4o背后的图像生成技术)已经通过API开放使用,而令人惊喜的是,ComfyUI已经第一时间提供了完整支持!本文将为你详细介绍如何在ComfyUI中配置和使用这一革命性技术,从基础设置到高级工作流,全面掌握这一强大的图像生成能力。

🔥 2025年4月实测有效:本文提供完整8步配置方案,15分钟内让你的ComfyUI完美支持GPT-Image-1模型,实现文本到图像、图像编辑等全部功能!

GPT-Image-1与其他AI绘画模型效果对比

【技术解析】GPT-Image-1:OpenAI最强图像生成技术全面解密

在深入ComfyUI整合方法前,我们先来了解GPT-Image-1的核心技术特点,这有助于你更好地使用这一强大工具:

1. 模型本质:ChatGPT-4o的视觉引擎

GPT-Image-1是OpenAI在多模态领域的重大突破,这正是支持ChatGPT-4o图像生成功能的核心模型。与传统的扩散模型(如Stable Diffusion)不同,GPT-Image-1采用了全新的技术架构,在细节表现、概念理解和创作一致性方面都实现了质的飞跃。

2. 核心优势:无与伦比的理解力与创造力

经过实测,GPT-Image-1在以下几个方面表现出色:

  • 概念理解:能精确理解复杂提示词中的抽象概念和关系
  • 风格一致性:生成多张图像时保持一致的艺术风格和元素
  • 空间关系:准确把握物体间的位置、比例和透视关系
  • 文本渲染:能在图像中精确渲染文字,几乎无错别字
  • 创意表达:对隐喻和创意描述有极强的理解和表现能力

3. 技术参数:灵活多样的输出配置

GPT-Image-1支持以下关键参数设置:

  • 分辨率选项:方形(1024×1024)、纵向(1024×1536)、横向(1536×1024)和自动
  • 质量等级:低、中、高三档(影响生成细节和成本)
  • 背景类型:支持不透明和透明背景
  • 批量生成:单次可生成1-8张图像
  • 编辑功能:支持通过蒙版进行局部重绘(类似inpainting)

GPT-Image-1技术特点详解

【准备工作】整合ComfyUI与GPT-Image-1的前置条件

在开始实际配置前,需要确保满足以下条件:

1. 安装最新版ComfyUI

确保你使用的是最新版ComfyUI,否则可能无法支持GPT-Image-1的API节点功能:

  1. 如果你已安装ComfyUI,使用Git更新到最新版:

    hljs bashcd ComfyUI
    git pull
    pip install -r requirements.txt
    
  2. 如果你还没安装,建议使用官方Docker镜像或完整安装包:

    hljs bash# Docker方式
    docker pull aidock/comfyui:latest-cuda
    

2. 获取API访问权限

要使用GPT-Image-1功能,你需要通过Comfy Org账户进行授权和支付。以下是获取访问权限的两种方式:

方式一:通过ComfyUI官方途径(推荐新手)
  1. 在ComfyUI界面,进入"设置→用户→登录"
  2. 如果没有账户,点击"创建新账户"注册
  3. 登录后,进入"设置→积分→购买积分"充值使用额度
方式二:使用laozhang.ai中转API服务(推荐国内用户)

如果你在国内访问OpenAI API困难,或希望以更经济的价格使用GPT-Image-1,推荐使用laozhang.ai的API中转服务:

  1. 访问laozhang.ai注册页面创建账户
  2. 注册成功后即可获得免费体验额度
  3. 在个人中心获取API密钥,稍后将用于配置ComfyUI

💡 专业提示:laozhang.ai提供国内最全、最便宜的大模型中转API服务,包括Claude、GPT-4o、GPT-Image-1等,注册即送免费额度,无需信用卡,对国内用户极为友好。

【实战教程】8步配置ComfyUI使用GPT-Image-1完全指南

完成前置准备后,让我们开始实际配置过程。以下是从零开始的8个详细步骤:

【步骤1】更新ComfyUI并启动程序

首先确保你的ComfyUI是最新版本并正确启动:

  1. 通过终端或命令行进入ComfyUI目录
  2. 执行更新命令:git pull origin master
  3. 启动ComfyUI:python main.py(或使用你习惯的启动方式)
  4. 在浏览器中访问:http://localhost:8188(默认端口)

【步骤2】登录账户并充值使用额度

要使用API节点功能,需要登录账户并确保有足够的使用额度:

  1. 在ComfyUI界面右上角,点击"设置"图标
  2. 在弹出菜单中选择"用户"选项
  3. 点击"登录"并输入你的Comfy Org账户信息
  4. 登录成功后,前往"积分"选项页面
  5. 点击"购买积分"按钮,选择适合的充值套餐

ComfyUI登录和充值界面操作指南

【步骤3】添加OpenAI GPT-Image-1节点到画布

现在我们开始创建使用GPT-Image-1的工作流:

  1. 在空白画布上右键点击,打开节点菜单
  2. 在搜索框中输入"OpenAI"或"GPT"
  3. 找到并选择"OpenAI GPT Image 1"节点
  4. 节点将被添加到画布上

⚠️ 注意:如果找不到该节点,说明你的ComfyUI版本可能不是最新,或者API节点功能未正确安装。请确保完成前面的更新步骤。

【步骤4】配置基本文生图工作流

让我们创建一个最基础的文本到图像工作流:

  1. 在画布上右键点击,添加"Text"节点
  2. 将"Text"节点的输出连接到"OpenAI GPT Image 1"节点的"prompt"输入
  3. 添加"Save Image"节点
  4. 将"OpenAI GPT Image 1"节点的"IMAGE"输出连接到"Save Image"节点的"images"输入
  5. 在"Text"节点中输入你想要生成的图像描述,如:"一只穿着太空服的柴犬漂浮在星空中,背景是地球"
  6. 点击"排队"按钮执行工作流

ComfyUI基础文生图工作流配置

【步骤5】调整GPT-Image-1参数优化输出效果

GPT-Image-1节点提供多个参数,可以根据需求进行调整:

  1. seed(种子):控制生成结果的随机性,设置固定值可以复现结果
  2. quality(质量):可选低、中、高,更高质量消耗更多积分
  3. background(背景):可选不透明或透明
  4. size(尺寸):选择方形、纵向、横向或自动
  5. n(数量):设置一次生成的图像数量,范围1-8

尝试不同参数组合,找到最适合你需求的设置:

  • 对于概念验证阶段,建议使用低质量模式节省积分
  • 最终作品可以使用高质量模式获得最佳效果
  • 如需进一步处理图像,使用透明背景选项
  • 横向构图适合风景,纵向适合人物,方形适合社交媒体

【步骤6】创建高级图像编辑工作流

GPT-Image-1支持强大的图像编辑功能,可以进行局部重绘:

  1. 添加"Load Image"节点到画布
  2. 右键点击"Load Image"节点,选择"Open Image"加载一张基础图像
  3. 右键点击"Load Image"节点,选择"Open Mask Editor"打开蒙版编辑器
  4. 在蒙版编辑器中,用白色标记需要重绘的区域(白色区域将被重绘)
  5. 将"Load Image"节点的"IMAGE"输出连接到"OpenAI GPT Image 1"节点的"image"输入
  6. 将"Load Image"节点的"MASK"输出连接到"OpenAI GPT Image 1"节点的"mask"输入
  7. 在"Text"节点中描述你希望在标记区域生成的内容
  8. 执行工作流

ComfyUI高级图像编辑工作流配置

【步骤7】组合GPT-Image-1与本地模型创建混合工作流

ComfyUI的真正强大之处在于可以将GPT-Image-1与本地模型组合使用:

示例:GPT-Image-1 + Wan2.1图像到视频工作流
  1. 使用"OpenAI GPT Image 1"节点生成基础图像
  2. 添加"SVD Image to Video"节点(需已安装Wan2.1模型)
  3. 将GPT-Image-1的输出连接到SVD节点的输入
  4. 配置SVD参数(帧数、运动强度等)
  5. 添加"Save Video"节点保存生成的视频
  6. 执行工作流,GPT-Image-1生成的静态图像将转换为流畅视频
示例:GPT-Image-1 + ControlNet精确控制工作流
  1. 使用"OpenAI GPT Image 1"生成初始图像
  2. 添加"ControlNet Preprocessor"处理该图像提取控制图
  3. 将控制图与本地Stable Diffusion模型结合
  4. 使用提取的结构引导本地模型生成风格化变体

【步骤8】使用laozhang.ai API进行高级自定义整合

对于希望进一步自定义GPT-Image-1使用的高级用户,可以通过laozhang.ai API直接在ComfyUI中创建自定义节点:

  1. 注册laozhang.ai账户并获取API密钥
  2. 创建自定义Python节点文件,内容如下:
hljs pythonimport requests
import json
import base64
import os
from PIL import Image
import ioclass GptImage1CustomNode:def __init__(self):self.api_key = "你的laozhang.ai API密钥"self.api_url = "https://api.laozhang.ai/v1/images/generations"@classmethoddef INPUT_TYPES(cls):return {"required": {"prompt": ("STRING", {"multiline": True}),"quality": (["standard", "hd"], {"default": "standard"}),"style": (["vivid", "natural"], {"default": "vivid"}),"size": (["1024x1024", "1024x1792", "1792x1024"], {"default": "1024x1024"}),},"optional": {"image": ("IMAGE", ),"mask": ("MASK", ),}}RETURN_TYPES = ("IMAGE",)FUNCTION = "generate_image"CATEGORY = "image generation"def generate_image(self, prompt, quality, style, size, image=None, mask=None):headers = {"Content-Type": "application/json","Authorization": f"Bearer {self.api_key}"}payload = {"model": "gpt-image-1","prompt": prompt,"quality": quality,"style": style,"size": size,"n": 1}# 添加图像编辑功能if image is not None and mask is not None:# 处理图像和蒙版img_byte_arr = self.process_image(image)mask_byte_arr = self.process_mask(mask)payload["image"] = base64.b64encode(img_byte_arr.getvalue()).decode('utf-8')payload["mask"] = base64.b64encode(mask_byte_arr.getvalue()).decode('utf-8')response = requests.post(self.api_url, headers=headers, json=payload)if response.status_code == 200:result = response.json()image_url = result["data"][0]["url"]# 下载图像image_response = requests.get(image_url)img = Image.open(io.BytesIO(image_response.content))img_tensor = np.array(img).astype(np.float32) / 255.0img_tensor = torch.from_numpy(img_tensor)[None,]return (img_tensor,)else:print(f"Error: {response.status_code}")print(response.text)return (None,)def process_image(self, image):# 转换tensor为PIL图像img = Image.fromarray((image[0].cpu().numpy() * 255).astype(np.uint8))img_byte_arr = io.BytesIO()img.save(img_byte_arr, format='PNG')img_byte_arr.seek(0)return img_byte_arrdef process_mask(self, mask):# 处理蒙版mask_img = Image.fromarray((mask.cpu().numpy() * 255).astype(np.uint8))mask_byte_arr = io.BytesIO()mask_img.save(mask_byte_arr, format='PNG')mask_byte_arr.seek(0)return mask_byte_arr# 注册节点
NODE_CLASS_MAPPINGS = {"GptImage1Custom": GptImage1CustomNode
}

3. 将此文件保存为gpt_image1_custom_node.py放入ComfyUI的custom_nodes目录 4. 重启ComfyUI,你将看到新的自定义节点可用

【成本分析】使用GPT-Image-1的积分消耗详解

使用GPT-Image-1需要消耗积分,不同参数组合的成本各不相同,提前了解有助于合理规划:

官方定价

OpenAI官方定价为:

  • 输入文本:$5/1M令牌
  • 输入图像:$10/1M图像令牌
  • 输出图像:$40/1M图像令牌

分辨率与质量影响

不同分辨率和质量级别的积分消耗(单张图像):

尺寸质量输出令牌大约成本
1024×1024约1M$0.04
1024×1024约2M$0.08
1024×1024约4M$0.16
1024×1536约1.5M$0.06
1024×1536约3M$0.12
1024×1536约6M$0.24
1536×1024约1.5M$0.06
1536×1024约3M$0.12
1536×1024约6M$0.24

💡 专业提示:使用laozhang.ai中转API服务,可以降低50%以上的使用成本,同时获得更稳定的访问体验,推荐国内用户优先考虑。

【实例展示】GPT-Image-1创作案例分析

为了直观展示GPT-Image-1的能力,这里分享几个实际案例及其工作流配置:

案例1:超写实风格人物肖像

提示词:一位有着雀斑和红发的年轻女性摄影师,穿着专业摄影背心,手持相机,逆光特写肖像,专业摄影棚环境,自然光源,8K超高清

参数配置

  • 质量:高
  • 尺寸:1024×1536(纵向)
  • 背景:不透明

GPT-Image-1创作的超写实风格人物肖像

案例2:概念艺术场景

提示词:未来主义城市街道,夜晚,霓虹灯光,悬浮车辆,全息广告牌,赛博朋克风格,下着雨,潮湿的地面反射灯光,远处有巨大的企业塔楼

参数配置

  • 质量:中
  • 尺寸:1536×1024(横向)
  • 背景:不透明

GPT-Image-1创作的未来主义城市概念艺术

案例3:图像修改案例

原始图像:一只橙色猫咪坐在窗台上 蒙版区域:猫咪周围的背景 提示词:猫咪坐在火星表面的岩石上,背景是火星红色的荒漠风景和蓝色的天空

参数配置

  • 质量:高
  • 背景:不透明

GPT-Image-1图像编辑前后对比

【常见问题】GPT-Image-1使用FAQ

在实际使用过程中,你可能会遇到一些问题,这里整理了最常见的问题及解答:

Q1: 为什么我找不到"OpenAI GPT Image 1"节点?

A1: 可能有以下几个原因:

  1. ComfyUI版本不是最新 - 请更新到最新版本
  2. 未正确安装API节点功能 - 检查是否有相关错误信息
  3. 未登录账户 - API节点功能需要登录后才能使用

Q2: 使用GPT-Image-1时出现"API错误"怎么办?

A2: 常见的API错误原因包括:

  1. 账户积分不足 - 检查并充值使用额度
  2. 并发请求过多 - 减少同时执行的请求数量
  3. 服务器暂时性问题 - 等待片刻后重试
  4. 提示词含有违规内容 - 修改提示词内容

Q3: GPT-Image-1生成的图像质量不如预期怎么办?

A3: 提升生成质量的方法:

  1. 提高质量设置至"中"或"高"
  2. 完善提示词,添加更多细节描述
  3. 指定具体的风格、光照和构图要求
  4. 使用种子(seed)功能,尝试不同的随机种子
  5. 对于重要项目,生成多张图像后挑选最佳结果

Q4: 如何降低使用GPT-Image-1的成本?

A4: 节省成本的策略:

  1. 概念验证阶段使用"低"质量设置
  2. 使用laozhang.ai中转API服务,费用更低
  3. 合理规划工作流,减少不必要的重复生成
  4. 利用图像编辑功能微调现有图像,而非完全重新生成
  5. 适当结合本地模型,部分工作交由免费模型完成

【进阶技巧】GPT-Image-1专业使用技巧

掌握了基础配置后,这些进阶技巧可以帮助你更有效地使用GPT-Image-1:

1. 提示词工程优化

高效的提示词能极大提升生成效果:

  • 结构化描述:从主体、环境、光照、风格依次描述
  • 优先级标记:使用括号强调重要元素,如"(特写镜头),(浅景深)"
  • 参考艺术家:指定风格参考,如"宫崎骏风格"、"梵高的星空风格"
  • 技术细节:添加"8K分辨率"、"锐利细节"等技术描述
  • 避免否定式:使用"平静的表情"而非"不要笑容"

2. 批量变体生成策略

通过调整"n"参数可一次生成多个变体:

  • 使用较大的"n"值(如4-8)快速探索可能性
  • 在初始阶段使用低质量设置节省成本
  • 找到满意的种子值后,使用高质量设置生成最终版本
  • 为重要项目保存成功的种子值,便于后续复用或修改

3. 与本地工作流协同策略

GPT-Image-1与本地模型结合使用的最佳实践:

  • 使用GPT-Image-1生成基础构图和概念
  • 使用本地ControlNet进行风格转换
  • 将GPT-Image-1生成的图像用作LoRA训练的基础
  • 使用GPT-Image-1生成参考图,再用本地模型创建动画
  • 将GPT-Image-1输出与Wan2.1结合创建短视频

4. 企业级工作流自动化

对于需要批量处理的商业项目:

  • 使用ComfyUI的API接口创建自动化脚本
  • 结合laozhang.ai API实现更经济的批量生成
  • 建立质量控制流程,自动筛选符合标准的图像
  • 使用版本控制管理工作流配置,确保可复现性
  • 实现提示词模板系统,快速生成不同变体
hljs python# 简单的批量生成脚本示例
import requests
import json
import base64
import os
from PIL import Image
import ioAPI_KEY = "你的laozhang.ai API密钥"
API_URL = "https://api.laozhang.ai/v1/images/generations"# 提示词列表
prompts = ["一只柴犬宇航员在月球表面","一只柴犬宇航员在火星表面","一只柴犬宇航员在太空站内","一只柴犬宇航员在飞船驾驶舱"
]for i, prompt in enumerate(prompts):headers = {"Content-Type": "application/json","Authorization": f"Bearer {API_KEY}"}payload = {"model": "gpt-image-1","prompt": prompt,"quality": "standard","size": "1024x1024","n": 1}response = requests.post(API_URL, headers=headers, json=payload)if response.status_code == 200:result = response.json()image_url = result["data"][0]["url"]# 下载图像image_response = requests.get(image_url)img = Image.open(io.BytesIO(image_response.content))img.save(f"output_image_{i}.png")print(f"已保存图像 {i+1}/{len(prompts)}")else:print(f"错误 {response.status_code}: {response.text}")

【未来展望】GPT-Image-1与ComfyUI生态的发展趋势

随着技术的快速发展,我们可以预见GPT-Image-1与ComfyUI结合将带来更多可能性:

1. 技术融合与创新

  • GPT-Image-1的生成能力与本地模型的特定风格相结合
  • 多模态交互体验,实现文本、图像和视频的无缝转换
  • 针对特定领域(如产品设计、建筑可视化)的专业工作流
  • 更深入的API集成,支持更复杂的参数控制

2. 社区生态发展

  • 围绕GPT-Image-1的专业节点扩展包
  • 优化提示词的AI助手插件
  • 行业特定的提示词模板库
  • 协作式工作流分享平台

3. 应用领域拓展

  • 电商产品图自动生成系统
  • 游戏美术资产快速原型设计
  • 教育内容视觉辅助生成
  • 个人化内容创作平台

🌟 最后提示:持续关注ComfyUI官方更新和社区动态,GPT-Image-1的功能和性能还在不断提升中!

【总结】革命性的图像创作新时代已经到来

随着GPT-Image-1在ComfyUI中的整合,我们正式迎来了AI图像创作的新时代。这种结合不仅带来了前所未有的创作可能性,也大大降低了高质量视觉内容的创作门槛。

让我们回顾一下核心要点:

  1. 技术突破:GPT-Image-1代表了OpenAI在图像生成领域的最新突破,拥有卓越的概念理解能力和创造力
  2. 灵活配置:ComfyUI提供了直观的图形界面,让你轻松调整各种参数以获得最佳效果
  3. 混合工作流:将GPT-Image-1与本地模型结合,创造出更加多样化和个性化的视觉作品
  4. 经济实用:通过laozhang.ai等服务,可以更经济地访问这一强大技术
  5. 未来无限:随着技术的不断演进,GPT-Image-1与ComfyUI的结合将开启更多创新可能

无论你是专业设计师、内容创作者,还是对AI图像生成充满好奇的爱好者,现在都是开始探索这一革命性技术的最佳时机!

🔥 想要更经济地使用GPT-Image-1?点击这里注册laozhang.ai账户,最全最便宜的大模型中转API,注册就送额度!

【更新日志】持续优化的见证

hljs plaintext┌─ 更新记录 ────────────────────────────┐
│ 2025-04-25:首次发布完整指南         │
│ 2025-04-24:测试GPT-Image-1最新特性  │
│ 2025-04-23:记录ComfyUI官方API支持   │
└─────────────────────────────────────────┘

🎉 特别提示:本文将持续更新,建议收藏本页面,定期查看最新内容!

相关文章:

2025全网首发:ComfyUI整合GPT-Image-1完全指南 - 8步实现AI图像创作革命

ComfyUI整合GPT-Image-1完全指南:8步实现AI图像创作革命【2025最新】 OpenAI最新发布的GPT-Image-1模型(也就是ChatGPT-4o背后的图像生成技术)已经通过API开放使用,而令人惊喜的是,ComfyUI已经第一时间提供了完整支持&…...

AWS Elastic Beanstalk控制台部署Spring极简工程

问题 上次通过EB CLI工具没有成功在AWS中国云部署成功,这次通过EB web控制台来部署。 步骤 接着上次部署失败的Spring工程:AWS Elastic Beanstalk部署极简Spring工程(EB CLI失败版),准备好jar文件。 创建ec2私钥文…...

力扣-236.二叉树的最近公共祖先

题目描述 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。 百度百科中最近公共祖先的定义为:“对于有根树 T 的两个节点 p、q,最近公共祖先表示为一个节点 x,满足 x 是 p、q 的祖先且 x 的深度尽可能大(一个节点也可以…...

LeetCode 3337.字符串转换后的长度 II:矩阵快速幂(也没有想象中的那么高级啦)

【LetMeFly】3337.字符串转换后的长度 II:矩阵快速幂(也没有想象中的那么高级啦) 力扣题目链接:https://leetcode.cn/problems/total-characters-in-string-after-transformations-ii/ 给你一个由小写英文字母组成的字符串 s,一个整数 t 表…...

【iOS】源码阅读(四)——isa与类关联的原理

文章目录 前言OC对象本质探索clang探索对象本质objc_setProperty源码探索 cls与类的关联原理为什么说bits与cls为互斥关系isa的类型isa_t原理探索isa与类的关联 总结 前言 本篇文章主要是笔者在学习和理解类与isa的关联关系时所写的笔记。 OC对象本质探索 在学习和理解类与isa…...

elementUI 循环出来的表单,怎么做表单校验?

数据结构如下&#xff1a; diversionParamList: [ { length: null, positionNumber: null, value: null, } ] 思路&#xff1a;可根据 index 动态绑定 :props 属性值&#xff0c;校验规则写在:rules <div class"config-item" v-for"(item, index) in form.…...

蓝桥杯11届国B 约数

题目描述 定义阶乘 n!123⋅⋅⋅n。 请问 100! &#xff08;100 的阶乘&#xff09;有多少个正约数 100! 是所有从 1 到 100 的数的乘积&#xff0c;因此&#xff1a; 质数 j 在 100! 中的总指数 质数 j 在 1 中的指数 质数 j 在 2 中的指数 ... 质数 j 在 100 中的指数 …...

【iOS】alloc的实际流程

目录 前言 为什么不按源码流程调用&#xff1f; alloc的调用流程 前言 在之前的博客中我们有学习到过alloc的底层原理&#xff0c;沿着源码一步步找到了alloc的调用链——alloc—>_objc_rootAlloc—>callAlloc—>_objc_rootAllocWithZone—>_class_createInstan…...

Maven clean 提示文件 java.io.IOException

Maven clean 提示文件 java.io.IOException 问题背景问题分析&处理问题总结 问题背景 今天在一个功能开发结束之后&#xff0c;准备通过Maven实现打包操作&#xff0c;然后打包完成后部署到测试环境进行测试。在IDEA开发工具&#xff0c;点击 clean 时提示 Failed to dele…...

QT 使用QPdfWriter和QPainter绘制PDF文件

QT如何生产pdf文件&#xff0c;网上有许多文章介绍&#xff0c;我也是看了网上的文章&#xff0c;看他们的代码&#xff0c;自己琢磨琢磨&#xff0c;才有了本编博客&#xff1b; 其他什么就不详细说了&#xff0c;本篇博客介绍的QPdfWriter和QPainter绘制PDF文件&#xff1b;…...

解密企业级大模型智能体Agentic AI 关键技术:MCP、A2A、Reasoning LLMs- Manus技术解密

解密企业级大模型智能体Agentic AI 关键技术&#xff1a;MCP、A2A、Reasoning LLMs- Manus技术解密 如果你从应用程序的角度讲&#xff0c;但是如果我们从模型的角度讲&#xff0c;我们必须让模型既具有这种思考的能力&#xff0c;也具有产出这种最佳的action的这种能力。而且…...

网络安全-等级保护(等保) 2-4 GB/T 22239-2019 《信息安全技术 网络安全等级保护基础要求》-2019-05-10发布【现行】

################################################################################ 等级确定之后&#xff0c;需要根据不同的安全等级满足相关建设要求&#xff0c;《等级保护基础要求》明确了安全物理环境、安全通信网络、安全区域边界、安全计算环境、安全管理中心、安全管…...

Ansys Zemax | 在 MATLAB 或 Python 中使用 ZOS-API 进行光线追迹的批次处理

附件下载 联系工作人员获取附件 这篇文章会说明如何在 MATLAB 或 Python 中以 Zemax OpticStudio 应用程式界面 (ZOS-API)处理光线数据库(Ray Database, ZRD)档案&#xff0c;过程中我们将使用ZRDLoader.dll。本文提供了在 Matlab 中批次处理序列光线追迹(一般、归一化、偏振…...

多链互操作性标准解析:构建下一代区块链互联生态

引言 在区块链技术快速演进的今天&#xff0c;“多链宇宙”已成为不可逆的趋势。然而&#xff0c;链与链之间的孤立性导致流动性割裂、开发成本高昂和用户体验碎片化。互操作性标准的制定&#xff0c;正是打破这一僵局的核心钥匙。本文将深入探讨主流互操作性协议的技术架构、…...

openEuler24.03 LTS下安装MySQL8.0.42

目录 前提步骤 删除原有mysql及maridb数据库 安装MySQL 启动MySQL 启动查看MySQL状态 设置MySQL开机自启动 查看登录密码 登录MySQL 修改密码及支持远程连接 远程连接MySQL 前提步骤 拥有openEuler24.03 LTS环境&#xff0c;可参考&#xff1a;Vmware下安装openEule…...

React 轻量级富文本编辑器推荐(中文版)

以下是几款适合集成到 React 项目中的轻量级富文本编辑器&#xff0c;特别针对中文用户优化推荐&#xff1a; 超轻量级选择&#xff08;小于100KB&#xff09; 1. react-simplemde-editor&#xff08;Markdown编辑器&#xff09; 特点&#xff1a;专为 Markdown 设计&#xf…...

React 第四十一节Router 中 useActionData 使用方法案例以及注意事项

一、useActionData前言 useActionData 是 React Router 提供的一个钩子函数&#xff0c;用于获取在路由的 action 函数中返回的数据。它通常与表单提交&#xff08;通过 <Form> 组件&#xff09;配合使用&#xff0c;用于处理表单提交后的服务器响应数据&#xff08;如错…...

西门子 Teamcenter13 Eclipse RCP 开发 1 工具栏

西门子 Teamcenter13 Eclipse RCP 开发 1 工具栏 1 配置文件2 插件控制3 命令框架 1 配置文件 在 Teamcenter 13 Eclipse RCP 开发中&#xff0c;plugin.xml 是插件的核心配置文件&#xff0c;定义了插件的&#xff1a; 1、唯一身份&#xff08;ID、版本&#xff09;。 2、所…...

【python实用小脚本-63】每天花费2小时修复黑白照片,Python一键转换,节省90%时间(建议收藏)

一、应用场景故事 上周&#xff0c;我的朋友小李从家里翻出了一堆老照片&#xff0c;这些照片大多是彩色的&#xff0c;但他想把它们转换成黑白风格&#xff0c;让照片更有复古感。他尝试用Photoshop一张张处理&#xff0c;但花了整整一个周末&#xff0c;才处理了不到一半的照…...

R语言的专业网站top5推荐

李升伟 以下是学习R语言的五个顶级专业网站推荐&#xff0c;涵盖教程、社区、资源库和最新动态&#xff1a; 1.R项目官网 (r-project.org) R语言的官方网站&#xff0c;提供软件下载、文档、手册和常见问题解答。特别适合初学者和高级用户&#xff0c;是获取R语言核心资源的…...

Apache JMeter API 接口压测技术指南

文章目录 前言技术积累JMeter 简介适用场景JMeter 核心组件 安装与配置线程组压测逐步加压压测安装相应jmeter 插件创建测试计划生成压测HTML 总结 前言 Apache JMeter 是一款开源的性能测试工具&#xff0c;主要用于对 Web 应用、API 接口、数据库等进行负载和压力测试。本指…...

【Java实战】IO流(转换流,打印流,数据流,序列化流)

引出问题 不同编码读取出现的乱码问题 如果是代码编码被读取的文本文件的编码是一致的&#xff0c;使用字符流读取文本文件时不会出现乱码&#xff1b; 如果不一致&#xff0c;使用字符流读取文本文件就会出现乱码。 public class BufferedReader{ public static void main(S…...

Python课程及开源项目推荐

Python课程及开源项目推荐 摘要&#xff1a;学习 Python 是一个非常好的选择&#xff0c;因为它是一种功能强大且易于上手的编程语言&#xff0c;广泛应用于数据分析、数据可视化、机器学习、网络爬虫等领域。以下是针对 Coursera 上 Python 课程和专业证书的推荐&#xff0c;以…...

内网互通原则详解!

目录 前言1. 路由 (Routing): 谁去哪儿找谁&#xff1f;&#x1f5fa;️2. 防火墙与安全组 (Firewalls & Security Groups): 门卫大爷和保安系统&#xff01;&#x1f46e;‍♂️&#x1f6aa;3. 内网 DNS (Internal DNS): 小区的通讯录/电话本&#xff01;&#x1f4d2;&a…...

[Harmony]大文件持久化

1.添加权限 在module.json5文件中添加权限 "requestPermissions": [{"name": "ohos.permission.READ_WRITE_USER_FILE", // 读写用户数据"reason": "$string:read_write_user_file_reason","usedScene": {"…...

C 语言实战:使用二维数组进行学生成绩统计与分析

各类资料学习下载合集 ​​https://pan.quark.cn/s/8c91ccb5a474​​ 在处理表格型数据时,二维数组是 C 语言中一种非常直观且强大的工具。学生成绩单就是一个典型的二维数据:每一行代表一个学生,每一列代表一门科目。本文将通过一个具体的案例,演示如何利用二维数组来存…...

[学习]RTKLib详解:tle.c(系列终章)

本文是 RTKLlib详解 系列文章的一篇&#xff0c;目前该系列文章还在持续总结写作中&#xff0c;以发表的如下&#xff0c;有兴趣的可以翻阅。 [学习] RTKlib详解&#xff1a;功能、工具与源码结构解析 [学习]RTKLib详解&#xff1a;pntpos.c与postpos.c [学习]RTKLib详解&…...

体重秤出口日本的计量认证介绍,体脂秤出口日本“正”认证介绍

什么是家庭专用测量仪器&#xff1f; 家庭专用测量仪器是一种非自动秤&#xff0c;主要用于普通消费者的日常生活&#xff0c;并且刻度为10 mg或更大&#xff0c;并且秤号的刻度为100或更大&#xff0c;满足以下条件的&#xff1a; 通用秤 是一种非自动秤&#xff0c;重量超过…...

【hadoop】Flume的相关介绍

1 概述 Flume是Cloudera开发的一个分布式的、可靠的、高可用的系统&#xff0c;它能够将不同数据源的海量日志数据进行高效收集、聚合、移动&#xff0c;最后存储到一个中心化的数据存储系统中。随着互联网的发展&#xff0c;特别是移动互联网的兴起&#xff0c;产生了海量的用…...

图片、音频、视频都能转?简鹿格式工厂了解一下

我们每天都会接触到各种各样的音视频和图片文件。无论是拍摄的照片、录制的视频&#xff0c;还是下载的音频资源&#xff0c;它们往往以不同的格式存在——有些适合分享&#xff0c;有些适合编辑&#xff0c;而有些则仅限特定设备或平台使用。格式不统一的问题&#xff0c;正在…...

doris节点数量规划

1.FE 节点数量​ FE 节点主要负责用户请求的接入、查询解析规划、元数据管理及节点管理等工作。 对于生产集群&#xff0c;一般建议部署至少 3 个节点的 FE 以实现高可用环境。FE 节点分为以下两种角色&#xff1a; Follower 节点&#xff1a;参与选举操作&#xff0c…...

Android Studio中Gradle 7.0上下项目配置及镜像修改

最近在打包一个测试项目的时候&#xff0c;使用的android studio版本比较老&#xff0c;后来升级到2024发现了一些小问题。可能对于安卓程序员来说&#xff0c;司空见惯&#xff0c;但对我这样的安卓小白&#xff0c;可把我折腾了半天。现在记录下来&#xff0c;供比我还小白的…...

Android Studio中Gradle中Task列表显示不全解决方案

问题现象 解决方案 File -> Settings -> Experimental ->勾选Configure all Gradle tasks during Gradle Sync(this can make Gradle Sync slower) 参考文章 Android执行build-gradle中的任务Task...

OneNote内容太多插入标记卡死的解决办法

OneNote内容太多插入标记卡死的解决办法 针对平板电脑的OneNote用户适合此类情况&#xff1a; 当向电脑导入几百页pdf可以正常使用&#xff0c;唯独插入标记的时候OneNote直接罢工&#xff0c;只能关闭。关闭时还可能会出现0x000000fxxxxx的错误。 注&#xff1a;仅对于平板…...

vue3:十三、分类管理-表格--行内按钮---行删除、批量删除实现功能实现

一、实现效果 增加行内按钮的样式效果,并且可以根绝父组件决定是否显示 增加行内删除功能、批量删除功能 二、增加行内按钮样式 1、增加视图层按钮 由于多个表格都含有按钮功能,所以这里直接在子组件中加入插槽按钮 首先增加表格行<el-table-column></el-table-…...

Python类的力量:第五篇:魔法方法与协议——让类拥有Python的“超能力”

文章目录 前言&#xff1a;从“普通对象”到“Python原生公民”的进化之路 一、魔法方法&#xff1a;赋予对象“超能力”的基因1. 构造与析构&#xff1a;对象生命周期的“魔法开关”2. 字符串表示&#xff1a;对象的“自我介绍”3. 运算符重载&#xff1a;让对象支持“数学魔法…...

R S的EMI接收机面板

图片摘自R & S官网。 根据您提供的第一张图&#xff08;设备前面板带屏幕的图像&#xff09;&#xff0c;这是 Rohde & Schwarz ESRP7 EMI Test Receiver 的正面显示界面&#xff0c;我将对屏幕上显示的参数逐项进行解读&#xff1a; &#x1f5a5;️ 屏幕参数解读 左…...

pytorch nn.RNN demo

之前已经讲过关于RNNCell的实现了. 这里用LLM写了一个简单的nn.RNN demo&#xff1a; import torch import torch.nn as nn# 设置随机种子以便结果可复现 torch.manual_seed(42)# 定义模型参数 input_size 4 # 输入特征维度 hidden_size 8 # 隐藏层维度 num_layer…...

高防服务器流量“清洗”什么意思

在当今数字化的时代&#xff0c;网络安全成为了备受关注的焦点。其中&#xff0c;高防服务器流量“清洗”这个概念&#xff0c;对于许多朋友来说可能还比较陌生。今天&#xff0c;就让我们一起来揭开它神秘的面纱。 首先&#xff0c;咱们得明白&#xff0c;高防服务器流量“清…...

Unity3D开发AI桌面精灵/宠物系列 【六】 人物模型 语音口型同步 LipSync 、梅尔频谱MFCC技术、支持中英文自定义编辑- 基于 C# 语言开发

Unity3D开发AI桌面精灵/宠物系列 【六】 人物模型 语音口型同步 LipSync 、梅尔频谱MFCC技术 C# 语言开发 该系列主要介绍怎么制作AI桌面宠物的流程&#xff0c;我会从项目开始创建初期到最终可以和AI宠物进行交互为止&#xff0c;项目已经开发完成&#xff0c;我会仔细梳理一下…...

Java详解LeetCode 热题 100(17):LeetCode 41. 缺失的第一个正数(First Missing Positive)详解

文章目录 1. 题目描述2. 理解题目3. 解法一&#xff1a;排序法&#xff08;不满足题目要求&#xff09;3.1 思路3.2 Java代码实现3.3 代码详解3.4 复杂度分析3.5 不足之处 4. 解法二&#xff1a;哈希表法4.1 思路4.2 Java代码实现4.3 代码详解4.4 复杂度分析4.5 不足之处 5. 解…...

Kafka消息路由分区机制深度解析:架构设计与实现原理

一、消息路由系统的核心架构哲学 1.1 分布式系统的三元悖论 在分布式消息系统的设计过程中&#xff0c;架构师需要平衡三个核心诉求&#xff1a;数据一致性、系统可用性和分区容忍性。Kafka的分区路由机制本质上是对CAP定理的实践解&#xff1a; 一致性维度&#xff1a;通过…...

用C语言实现了——一个基于顺序表的插入排序演示系统

一、知识要点、 插入排序是一种简单直观的排序算法&#xff0c;它的工作方式类似于我们整理扑克牌。 基本原理&#xff1a; 插入排序通过构建有序序列来工作。它每次从无序序列中取出一个元素&#xff0c;然后将其插入到已排序序列的适当位置。这个过程重复进行&#xff0c;…...

linux libdbus使用案例

以下是一个基于 Linux libdbus 的详细指南,包含服务端和客户端的完整代码示例,涵盖 方法调用、信号发送 和 异步消息处理。libdbus 是 D-Bus 的底层 C 库,直接操作 D-Bus 协议,适合需要精细控制的场景。 1. libdbus 的核心机制 连接管理:通过 dbus_bus_get 连接系统总线或…...

Apple Vision Pro空间视频创作革命:从180度叙事到沉浸式语法的重构——《Adventure》系列幕后技术深度解析

🌌 引言:沉浸式媒体的“语法实验室” Apple Vision Pro的推出标志着空间计算时代的到来,而《Adventure》系列作为其原生内容标杆,正在成为沉浸式叙事的“语法实验室”。导演Charlotte Mikkelborg与播客主持人Kent Bye的对话揭示了这一领域的技术突破、创作挑战与行业生态…...

[特殊字符] 苍穹外卖项目中的 WebSocket 实战:实现来单与催单提醒功能

&#x1f680; 苍穹外卖项目中的 WebSocket 实战&#xff1a;实现来单与催单提醒功能 在现代 Web 应用中&#xff0c;实时通信成为提升用户体验的关键技术之一。WebSocket 作为一种在单个 TCP 连接上进行全双工通信的协议&#xff0c;被广泛应用于需要实时数据交换的场景&#…...

【C/C++】深度解析C++ Allocator:优化内存管理的关键

文章目录 深度解析C Allocator&#xff1a;优化内存管理的关键1 默认 std::allocator2 自定义 Allocator3 自定义 Allocator 的实现3.1 基本结构3.2 使用自定义 Allocator 4 关键特性详解4.1 rebind 机制4.2 状态化 Allocator 5 应用示例&#xff1a;内存池 Allocator5.1 简单内…...

gitlab+portainer 实现Ruoyi Vue前端CI/CD

1. 场景 最近整了一个Ruoyi Vue 项目&#xff0c;需要实现CICD&#xff0c;经过一番坎坷&#xff0c;最终达成&#xff0c;现将技术要点和踩坑呈现。 具体操作流程和后端大同小异&#xff0c;后端操作参考连接如下&#xff1a; https://blog.csdn.net/leinminna/article/detai…...

CAPL编程系列_04

1_ 测试模块TestModule&#xff1a;基本使用 1&#xff09;在Simulation Setup 中创建并配置 Test Module节点 2&#xff09;编写测试脚本 【1】测试用例函数&#xff08;testcase&#xff09;:实现具体测试逻辑 【2】主测试函数&#xff08;Main Test&#xff09;&…...

Weblogic SSRF漏洞复现(CVE-2014-4210)【vulhub靶场】

漏洞概述&#xff1a; Weblogic中存在一个SSRF漏洞&#xff0c;利用该漏洞可以发送任意HTTP请求&#xff0c;进而攻击内网中redis、fastcgi等脆弱组件。 漏洞形成原因&#xff1a; WebLogic Server 的 UDDI 组件&#xff08;uddiexplorer.war&#xff09;中的 SearchPublicR…...