当前位置： 首页 > news >正文

NLP自然语言处理通识

news 来源：原创 2025/5/20 14:48:08

目录

ELMO

一、ELMo的核心设计理念

1. 静态词向量的局限性

2. 动态上下文嵌入的核心思想

3. 层次化特征提取

二、ELMo的模型结构与技术逻辑

1. 双向语言模型（BiLM）

2. 多层LSTM的层次化表示

三、ELMo的运行过程

1. 预训练阶段

2. 下游任务微调

四、ELMo的突破与局限性

1. 技术突破

2. 局限性

五、ELMo的历史影响

六、典型应用场景

Bert

一、BERT的核心设计理念

1. 对上下文建模的彻底革新

2. 预训练-微调范式（Pre-training + Fine-tuning）

3. 任务驱动的预训练目标

二、BERT的模型架构与技术逻辑

1. 基于Transformer的编码器堆叠

2. 输入表示设计

3. 预训练任务详解

三、BERT的运行过程

1. 预训练阶段

2. 微调阶段

四、BERT的技术突破与局限性

1. 革命性贡献

2. 局限性

五、BERT的历史地位与后续发展

1. NLP范式转变

2. 关键衍生模型

六、BERT的典型应用场景

七、与ELMo的关键对比

前言：

ELMO

一、ELMo的核心设计理念

1. 静态词向量的局限性
  • 问题根源：传统词向量（如Word2Vec、GloVe）为每个词赋予固定表示，无法处理一词多义（Polysemy）。
  • 例证：单词"bank"在"river bank"和"bank account"中含义不同，但静态词向量无法区分。
2. 动态上下文嵌入的核心思想
  • 核心理念：词义应由其所在上下文动态生成，而非静态编码。
  • 技术路径：通过双向语言模型（BiLM）捕捉上下文信息，生成层次化的词表示。
3. 层次化特征提取
  • 语言学假设：不同神经网络层可捕捉不同粒度的语言特征（如词性、句法、语义）。
  • 创新点：将LSTM不同层的输出线性组合，构建最终的词表示。

二、ELMo的模型结构与技术逻辑

1. 双向语言模型（BiLM）
  • 前向LSTM：建模从左到右的序列概率

  • 后向LSTM：建模从右到左的序列概率

  • 联合优化目标：最大化双向对数似然：

2. 多层LSTM的层次化表示
  • 底层特征：LSTM底层输出捕捉局部语法特征（如词性、形态）。
  • 高层特征：LSTM顶层输出捕捉全局语义特征（如句间关系、指代消解）。
  • 特征融合：通过可学习的权重 组合各层表示：

三、ELMo的运行过程

1. 预训练阶段
  • 输入：大规模语料（如1B Word Benchmark）
  • 任务目标：通过双向语言模型预测下一个词（前向）和上一个词（后向）
  • 参数保存：保留LSTM各层的权重及字符卷积网络的参数。
2. 下游任务微调
  • 特征注入方式：
  • 静态模式：固定ELMo权重，将词向量拼接至任务模型的输入层。
  • 动态模式：允许ELMo参数在任务训练中微调（需权衡计算成本）。
  • 多任务适配：适用于分类、问答、NER等多种任务，通过调整权重 优化特征组合。

四、ELMo的突破与局限性

1. 技术突破
  • 动态词向量：首次实现基于上下文的动态词表示。
  • 双向建模：通过独立训练的双向LSTM间接捕捉全局上下文。
  • 层次化特征：验证了不同网络层的语言学意义。
2. 局限性
  • 浅层双向性：前向/后向LSTM独立训练，未实现真正的交互式双向建模。
  • LSTM效率瓶颈：长序列建模能力受限，训练速度慢于Transformer。
  • 上下文长度限制：受LSTM记忆容量影响，长距离依赖捕捉不足。

五、ELMo的历史影响

1. 预训练范式的先驱：证明了语言模型预训练+任务微调的可行性。

2. BERT与GPT的基石：启发了基于Transformer的双向预训练模型（BERT）和自回归模型（GPT）。

3. 特征可解释性研究：推动了对神经网络层次化语言特征的探索（如探针任务分析）。

六、典型应用场景

1. 命名实体识别（NER）：动态词向量显著提升实体边界识别精度。

2. 文本分类：通过组合不同层次特征捕捉局部与全局语义。

3. 语义相似度计算：上下文敏感的词表示改善句子匹配效果。

tips：ELMO过程属于无监督学习，RNN base模型预测下一个词的位置，而不是下一个词是否为正确的词

ELMO和transformer没有关系，和BiLSTM有关系，每次input的词汇作词嵌入(转换为词向量)

Bert

一、BERT的核心设计理念

1. 对上下文建模的彻底革新
  • 问题驱动：传统模型（如ELMo、GPT）的单向或浅层双向性限制了对上下文的全局理解。
  • 核心思想：通过深度双向Transformer实现全上下文交互建模，消除方向性偏差。
2. 预训练-微调范式（Pre-training + Fine-tuning）
  • 统一架构：同一模型结构适配多种下游任务，无需任务特定结构调整。
  • 参数复用：预训练阶段学习通用语言知识，微调阶段注入领域/任务知识。
3. 任务驱动的预训练目标
  • Masked Language Model (MLM)：随机遮蔽15%的输入词，迫使模型基于全上下文预测被遮蔽词。
  • Next Sentence Prediction (NSP)：学习句子间关系，增强对篇章级语义的理解。

二、BERT的模型架构与技术逻辑

1. 基于Transformer的编码器堆叠
  • 基础配置：
  • BERT-base: 12层Transformer, 768隐藏维度, 12注意力头（110M参数）
  • BERT-large: 24层Transformer, 1024隐藏维度, 16注意力头（340M参数）
  • 双向注意力机制：每个词可同时关注序列中所有其他词（包括前后位置）。
2. 输入表示设计
  • Token Embeddings：WordPiece分词（30k词表），处理未登录词（如"playing"→"play"+"##ing"）。
  • Segment Embeddings：区分句子A/B（用于NSP任务）。
  • Position Embeddings：学习绝对位置编码（最大512长度）。
  • 特殊标记：`[CLS]`（分类标记）、`[SEP]`（句子分隔符）、`[MASK]`（遮蔽符）。
3. 预训练任务详解

三、BERT的运行过程

1. 预训练阶段
  • 数据源：BooksCorpus（8亿词） + 英文维基百科（25亿词）。
  • 训练策略：       
    • 动态遮蔽：每个epoch重新随机遮蔽词，提升鲁棒性。
    • 80-10-10规则：被遮蔽词中80%替换为`[MASK]`，10%替换为随机词，10%保留原词。
  • 优化参数：Adam（β₁=0.9, β₂=0.999），学习率1e-4，batch size=256/512。
2. 微调阶段
  • 任务适配方式：
  • 句子对任务（如STS）：使用`[CLS]`标记的嵌入进行相似度计算。
  • 序列标注任务（如NER）：使用每个token的最后一层输出。
  • 问答任务（如SQuAD）：输出段落中答案的起始/结束位置概率。
  • 轻量级调整：通常仅需在预训练模型顶层添加1-2个全连接层。

四、BERT的技术突破与局限性

1. 革命性贡献
  • 深度双向性：突破LSTM/单向Transformer的上下文建模限制。
  • 通用表征能力：在11项NLP任务中刷新SOTA（GLUE基准提升7.7%绝对准确率）。
  • 长距离依赖建模：自注意力机制有效捕捉跨句子依赖关系。
2. 局限性
  • 预训练-微调数据分布差异：MLM的`[MASK]`标记在微调时不存在，导致训练-应用偏差。
  • 计算资源消耗：BERT-large预训练需16个TPU训练4天（成本约7,000美元）。
  • 生成能力缺失：仅支持编码任务，无法直接生成文本（后由UniLM、BART等改进）。

五、BERT的历史地位与后续发展

1. NLP范式转变
  • 预训练成为标配：推动"预训练大模型+下游任务轻量化"成为NLP主流范式。
  • 多模态扩展：催生跨领域模型如VideoBERT（视频）、BioBERT（生物医学）。
2. 关键衍生模型
  • RoBERTa：移除NSP任务，扩大batch size和训练数据，性能进一步提升。
  • ALBERT：通过参数共享（跨层参数）和嵌入分解降低内存消耗。
  • DistilBERT：知识蒸馏技术压缩模型体积（保留95%性能，体积减少40%）。

六、BERT的典型应用场景

1. 语义搜索：计算query-document语义相关性（Google Search 2019年应用）。

2. 智能问答：基于段落理解的答案抽取（如Google Assistant）。

3. 文本分类：情感分析、垃圾邮件检测等。

4.实体链接：将文本中的实体链接到知识库（如Wikipedia）。

bert的应用

词性标注、情感分类等

七、与ELMo的关键对比

训练bert的方法

linear multi-class classifier -- softmax

MASK -- 掩饰 遮挡一部分词汇

相关文章：

NLP自然语言处理通识

目录 ELMO 一、ELMo的核心设计理念 1. 静态词向量的局限性 2. 动态上下文嵌入的核心思想 3. 层次化特征提取 二、ELMo的模型结构与技术逻辑 1. 双向语言模型（BiLM） 2. 多层LSTM的层次化表示 三、ELMo的运行过程 1. 预训练阶段 2. 下游任务微调 四、ELMo的…...

编程日记 2025/5/20 14:48:08

计算机毕业设计Python+CNN卷积神经网络考研院校推荐系统 考研分数线预测 考研推荐系统 考研爬虫 考研大数据 Hadoop 大数据毕设 机器学习

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！ 温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！ 温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！ 作者简介：Java领…...

编程日记 2025/5/17 11:18:41

【编译原理实验二】——自动机实验：NFA转DFA并最小化

本篇适用于ZZU的编译原理课程实验二——自动机实验：NFA转DFA并最小化，包含了实验代码和实验报告的内容，读者可根据需要参考完成自己的程序设计。 如果是ZZU的学弟学妹看到这篇，那么恭喜你，你来对地方啦！ 如…...

编程日记 2025/5/20 10:38:48

Hive:复杂数据类型之Map函数

Map函数 是Hive里面的一种复杂数据类型, 用于存储键值对集合。Map中的键和值可以是基础类型或复合类型，这使得Map在处理需要关联存储信息的数据时非常有用。 定义map时,需声明2个属性: key 和 value , map中是 key value 组成一个元素 key-value, key必须为原始类…...

编程日记 2025/5/20 14:46:59

C++ 中的引用（Reference）

在 C 中，引用（Reference）是一种特殊的变量类型，它提供了一个已存在变量的别名。引用在很多场景下都非常有用，比如函数参数传递、返回值等。下面将详细介绍 C 引用的相关知识。 1. 引用的基本概念和语法 引用是已存在…...

编程日记 2025/5/19 23:37:22

密码学的数学基础1-整数 素数 和 RSA加密

数学公式推导是密码学的基础, 故开一个新的课题 – 密码学的数学基础系列 素数 / 质数 质数又称素数。 一个大于1的自然数，除了1和它自身外，不能被其他自然数整除的数叫做质数；否则称为合数（规定1既不是质数也不是合数&#xff0…...

编程日记 2025/5/20 5:59:43

Java锁自定义实现到aqs的理解

专栏系列文章地址：https://blog.csdn.net/qq_26437925/article/details/145290162 本文目标： 理解锁，能自定义实现锁通过自定义锁的实现复习Thread和Object的相关方法开始尝试理解Aqs, 这样后续基于Aqs的的各种实现将能更好的理解 目录 锁的…...

编程日记 2025/5/20 14:20:21

STM32-时钟树

STM32-时钟树 时钟 时钟...

编程日记 2025/5/19 16:07:23

android 圆形弹窗摄像头开发踩坑——源码————未来之窗跨平台操作

一、飘窗刷脸&#xff0c;拍照采用飘窗 刷脸认证安卓接口采用飘窗具有在不干扰用户主要操作的前提下以醒目方式引导用户完成认证&#xff0c;且能灵活定制样式以提升用户体验和认证效率的优点 二、踩坑只有一个扇形 <?xml version"1.0" encoding"utf-8&quo…...

编程日记 2025/5/17 11:32:08

markdown公式特殊字符

个人学习笔记 根号 在 Markdown 中&#xff0c;要表示根号 3&#xff0c;可以使用 LaTeX 语法来实现。常见的有以下两种方式&#xff1a; 行内公式形式&#xff1a;使用一对美元符号 $ 将内容包裹起来&#xff0c;即 $\sqrt{3}$ &#xff0c;在支持 LaTeX 语法渲染的 Markdow…...

编程日记 2025/5/18 18:50:13

Web-3.0学习路线

方向学习内容✅ 区块链基础区块链、智能合约、共识机制✅ 智能合约Solidity / Rust&#xff08;Ethereum / Solana&#xff09;✅ 前端React.js, Next.js, Web3.js, ethers.js✅ 后端Node.js, Python, Golang&#xff08;链上数据&#xff09;✅ 存储IPFS, Arweave, Filecoin&a…...

编程日记 2025/5/20 10:48:38

【算法设计与分析】实验5：贪心算法—装载及背包问题

目录 一、实验目的 二、实验环境 三、实验内容 四、核心代码 五、记录与处理 六、思考与总结 七、完整报告和成果文件提取链接 一、实验目的 掌握贪心算法求解问题的思想&#xff1b;针对不同问题&#xff0c;会利用贪心算法进行问题建模、求解以及时间复杂度分析&#x…...

编程日记 2025/5/20 13:41:22

使用 cmake

使用前注意 : CMake是一种跨平台的构建系统&#xff0c;它用于管理软件构建过程&#xff0c;尤其适合多语言、多配置的项目。CMake不直接构建软件&#xff0c;而是生成特定构建工具&#xff08;如Makefile或Visual Studio项目&#xff09;所需的配置文件。 如果仅仅使用 qt 编…...

编程日记 2025/5/19 18:12:03

万物皆有联系：驼鸟和布什

布什&#xff1f;一块布十块钱吗&#xff1f;不是&#xff0c;大家都知道&#xff0c;美国有两个总统&#xff0c;叫老布什和小布什&#xff0c;因为两个布什总统&#xff08;父子俩&#xff09;&#xff0c;大家就这么叫来着&#xff0c;目的是为了好区分。 布什总统的布什&a…...

编程日记 2025/5/20 12:43:28

PHP实现混合加密方式，提高加密的安全性（代码解密）

代码1&#xff1a; <?php // 需要加密的内容 $plaintext 授权服务器拒绝连接;// 1. AES加密部分 $aesKey openssl_random_pseudo_bytes(32); // 生成256位AES密钥 $iv openssl_random_pseudo_bytes(16); // 生成128位IV// AES加密&#xff08;CBC模式&#xff09…...

编程日记 2025/5/19 17:04:30

分层多维度应急管理系统的设计

一、系统总体架构设计 1. 六层体系架构 #mermaid-svg-QOXtM1MnbrwUopPb {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-QOXtM1MnbrwUopPb .error-icon{fill:#552222;}#mermaid-svg-QOXtM1MnbrwUopPb .error-text{f…...

编程日记 2025/5/20 14:46:36

FFmpeg源码：av_base64_decode函数分析

一、引言 Base64&#xff08;基底64&#xff09;是一种基于64个可打印字符来表示二进制数据的表示方法。由于log2 646&#xff0c;所以每6个比特为一个单元&#xff0c;对应某个可打印字符。3个字节相当于24个比特&#xff0c;对应于4个Base64单元&#xff0c;即3个字节可由4个…...

编程日记 2025/5/14 21:15:03

算法随笔_30: 去除重复字母

上一篇:算法随笔_29:最大宽度坡_方法3-CSDN博客 题目描述如下: 给你一个字符串 s &#xff0c;请你去除字符串中重复的字母&#xff0c;使得每个字母只出现一次。需保证 返回结果的字典序最小&#xff08;要求不能打乱其他字符的相对位置&#xff09;。 示例 1&#xff1a; …...

编程日记 2025/5/19 18:08:34

fpga系列 HDL：XILINX Vivado Vitis 高层次综合（HLS） 实现 EBAZ板LED控制（上）

目录 创建工程创建源文件并编写C代码C仿真综合仿真导出RTL CG导出RTL错误处理&#xff1a; 创建工程 创建源文件并编写C代码 创建源文件(Souces下的hlsv.h和hlsv.cpp&#xff0c;Test Bench下的test_hlsv1.cpp)&#xff1a; hlsv1.h #ifndef HLSV1 #define HLSV1 #include &l…...

编程日记 2025/5/20 13:24:30

企业微信SCRM推动企业数字化转型实现高效客户管理与营销效益提升

内容概要 在当今数字化转型的大背景下&#xff0c;企业微信SCRM逐渐成为推动企业高效客户管理和提升营销效益的重要工具。说到SCRM&#xff0c;首先要了解它的定义。SCRM即社交化客户关系管理&#xff0c;通过整合社交媒体与客户管理&#xff0c;帮助企业更好地理解和服务客户…...

编程日记 2025/5/20 13:16:55

C++ 7

vector 底层原理和扩容过程 底层原理 ● vector 是 C 标准库中的一个容器&#xff0c;可以看作是一个动态数组&#xff0c;它的大小可以根据元素的增加而增长。它通过在堆上分配一段连续的内存空间存放元素&#xff0c;支持时间复杂度为 O&#xff08;1 ) 的随机访问。 ● vec…...

编程日记 2025/5/20 2:02:32

论文阅读(七)：贝叶斯因果表型网络解释遗传变异和生物学知识

1.论文链接&#xff1a;Bayesian Causal Phenotype Network Incorporating Genetic Variation and Biological Knowledge 摘要&#xff1a; 在分离群体中&#xff0c;数量性状基因座&#xff08;QTL&#xff09;定位可以确定对表型有因果效应的QTL。这些方法的一个共同特点是Q…...

编程日记 2025/5/19 21:44:42

数据库之PostgreSQL详解

一、PostgreSQL介绍 PostgreSQL是一个功能强大的 开源 的关系型数据库。底层基于C实现。 PostgreSQL的开源协议和Linux内核版本的开源协议是一样的。。BDS协议&#xff0c;这个协议基本和MIT开源协议一样&#xff0c;说人话&#xff0c;就是你可以对PostgreSQL进行一些封装&a…...

编程日记 2025/5/20 10:05:31

计算机毕业设计Python+CNN卷积神经网络高考推荐系统 高考分数线预测 高考爬虫 协同过滤推荐算法 Vue.js Django Hadoop 大数据毕设

温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 作者简介&#xff1a;Java领…...

编程日记 2025/5/18 23:06:54

可被electron等调用的Qt截图-录屏工具【源码开放】

1. 工具功能简介&#xff1a; (1)、QT5.15.2截图工具&#xff08;exe&#xff09;可单独使用或嵌入IM&#xff08;嵌入方法参照&#xff1a;https://gitee.com/lykiao/yfscreenshot_release&#xff09; (2)、支持通过Windows消息通知截图成功或取消 (3)、支持圆形、矩形、线条…...

编程日记 2025/5/20 14:22:15

【Python蓝桥杯备赛宝典】

文章目录 一、基础数据结构1.1 链表1.2 队列1.3 栈1.4 二叉树1.5 堆二、基本算法2.1 算法复杂度2.2 尺取法2.3 二分法2.4 三分法2.5 倍增法和ST算法2.6 前缀和与差分2.7 离散化2.8 排序与排列2.9 分治法2.10贪心法1.接水时间最短问题2.糖果数量有限问题3.分发时间最短问题4.采摘…...

编程日记 2025/5/20 11:22:27

.cc扩展名是什么语言?C语言必须用.c为扩展名吗？主流编程语言扩展名?Java为什么不能用全数字的文件名?

.cc扩展名是什么语言? .cc是C语言使用的扩展名&#xff0c;一种说法是它是c with class的简写&#xff0c;当然C语言使用的扩展名不止.cc和.cpp, 还包含.cxx, .c, .C等&#xff0c;这些在不同编译器系统采用的默认设定不同&#xff0c;需要区分使用。当然&#xff0c;编译器提…...

编程日记 2025/5/20 13:43:09

基于 Redis GEO 实现条件分页查询用户附近的场馆列表

&#x1f3af; 本文档详细介绍了如何使用Redis GEO模块实现场馆位置的存储与查询&#xff0c;以支持“附近场馆”搜索功能。首先&#xff0c;通过微信小程序获取用户当前位置&#xff0c;并将该位置信息与场馆的经纬度数据一同存储至Redis中。利用Redis GEO高效的地理空间索引能…...

编程日记 2025/5/20 12:50:41

项目练习：重写若依后端报错cannot be cast to com.xxx.model.LoginUser

文章目录 一、情景说明二、解决办法 一、情景说明 在重写若依后端服务的过程中 使用了Redis存放LoginUser对象数据 那么&#xff0c;有存就有取 在取值的时候&#xff0c;报错 二、解决办法 方法1、在TokenService中修改如下 getLoginUser 方法中&#xff1a;LoginUser u…...

编程日记 2025/5/18 6:06:50

Python算法详解：贪心算法

贪心算法&#xff08;Greedy Algorithm&#xff09;是一种通过选择当前最优解以期望达到全局最优解的算法思想。它在每一步选择时只考虑当前状态下的局部最优&#xff0c;而不关心全局问题的复杂性。这种算法简单高效&#xff0c;适用于某些特定问题&#xff0c;尤其是存在贪心…...

编程日记 2025/5/19 14:48:28

5.3.2 软件设计原则

文章目录 抽象模块化信息隐蔽与独立性衡量 软件设计原则&#xff1a;抽象、模块化、信息隐蔽。 抽象 抽象是抽出事物本质的共同特性。过程抽象是指将一个明确定义功能的操作当作单个实体看待。数据抽象是对数据的类型、操作、取值范围进行定义&#xff0c;然后通过这些操作对数…...

编程日记 2025/5/19 3:27:25

sublime_text的快捷键

sublime_text的快捷键 向下复制, 复制光标所在整行并插入到下一行&#xff1a;通过 CtrlShiftD 实现快速复制当前行的功能。 可选多行, 不选则复制当前行 ctrl Shift D 删除当前行&#xff1a;通过 CtrlShiftK 实现快速删除当前行的功能。 可选多行, 不选则删当前行 ctrl S…...

编程日记 2025/5/20 2:55:15

【项目集成Husky】

项目集成Husky 安装初始化 Husky在.husky → pre-commit文件中添加想要执行的命令 安装 使用 Husky 可以帮助你在 Git 钩子中运行脚本&#xff0c;例如在提交代码前运行测试或格式化代码pnpm add --save-dev husky初始化 Husky npx husky init这会在项目根目录下创建一个 .hu…...

编程日记 2025/5/17 17:25:04

本地运行大模型效果及配置展示

电脑上用ollama安装了qwen2.5:32b&#xff0c;deepseek-r1:32b&#xff0c;deepseek-r1:14b&#xff0c;llama3.1:8b四个模型&#xff0c;都是Q4_K_M量化版。 运行过程中主要是cpu和内存负载比较大&#xff0c;qwen2.5:32b大概需要22g&#xff0c;deepseek-r1&#xff1a;32b类…...

编程日记 2025/5/16 2:49:42

数据结构与算法 —— 常用算法模版

数据结构与算法 —— 常用算法模版 二分查找素数筛最大公约数与最小公倍数 二分查找 人间若有天堂&#xff0c;大马士革必在其中&#xff1b;天堂若在天空&#xff0c;大马士革必与之齐名。 —— 阿拉伯谚语 算法若有排序&#xff0c;二分查找必在其中&#xff1b;排序若要使用…...

编程日记 2025/5/20 13:53:50

进阶数据结构——高精度运算

目录 前言一、高精度运算的定义与背景二、高精度运算的实现方式三、高精度运算的算法实现四、高精度运算的应用场景五、代码模版&#xff08;c&#xff09;六、经典例题1.[高精度加法](https://www.lanqiao.cn/problems/1516/learning/?page1&first_category_id1&name…...

编程日记 2025/5/19 21:50:21

第一届“启航杯”网络安全挑战赛WP

misc PvzHE 去这个文件夹 有一张图片 QHCTF{300cef31-68d9-4b72-b49d-a7802da481a5} QHCTF For Year 2025 攻防世界有一样的 080714212829302316092230 对应Q 以此类推 QHCTF{FUN} 请找出拍摄地所在位置 柳城 顺丰 forensics win01 这个软件 云沙盒分析一下 md5 ad4…...

编程日记 2025/5/19 7:25:59

前端八股CSS：盒模型、CSS权重、+与~选择器、z-index、水平垂直居中、左侧固定，右侧自适应、三栏均分布局

一、盒模型 题目&#xff1a;简述CSS的盒模型 答&#xff1a;盒模型有两种类型&#xff0c;可以通过box-sizing设置 1.标准盒模型&#xff08;content-box&#xff09;:默认值&#xff0c;宽度和高度只包含内容区域&#xff0c;不包含内边距、边框和外边距。 2.边框盒模型&a…...

编程日记 2025/5/19 19:05:36

使用 Tauri 2 + Next.js 开发跨平台桌面应用实践：Singbox GUI 实践

Singbox GUI 实践 最近用 Tauri Next.js 做了个项目 - Singbox GUI&#xff0c;是个给 sing-box 用的图形界面工具。支持 Windows、Linux 和 macOS。作为第一次接触这两个框架的新手&#xff0c;感觉收获还蛮多的&#xff0c;今天来分享下开发过程中的一些经验~ 为啥要做这个…...

编程日记 2025/5/18 19:51:10

Windows程序设计10：文件指针及目录的创建与删除

文章目录 前言一、文件指针是什么&#xff1f;二、设置文件指针的位置&#xff1a;随机读写&#xff0c;SetFilePointer函数1.函数说明2.函数实例 三、 目录的创建CreateDirectory四、目录的删除RemoveDirectory总结 前言 Windows程序设计10&#xff1a;文件指针及目录的创建与…...

编程日记 2025/5/16 22:37:51

Rk3588芯片介绍（含数据手册）

芯片介绍&#xff1a;RK3588是一款低功耗&#xff0c;高性能的处理器&#xff0c;适用于基于arm的PC和边缘计算设备&#xff0c;个人移动互联网设备和其他数字多媒体应用&#xff0c;集成了四核Cortex-A76和四核Cortex-A55以及单独的NEON协处理器 视频处理方面&#xff1a;提供…...

编程日记 2025/5/20 14:45:23

golang 使用双向链表作为container/heap的载体

MyHeap&#xff1a;container/heap的数据载体&#xff0c;需要实现以下方法&#xff1a; Len&#xff1a;堆中数据个数 Less&#xff1a;第i个元素 是否必 第j个元素 值小 Swap&#xff1a;交换第i个元素和 第j个元素 Push&#xff1a;向堆中追加元素 Pop&#xff1a;从堆…...

编程日记 2025/5/16 16:56:44

HTML DOM 修改 HTML 内容

HTML DOM 修改 HTML 内容 引言 HTML DOM（文档对象模型）是浏览器内部用来解析和操作HTML文档的一种机制。通过DOM，我们可以轻松地修改HTML文档的结构、样式和行为。本文将详细介绍如何使用HTML DOM来修改HTML内容，包括元素的增删改查、属性修改以及事件处理等。 1. HTML …...

编程日记 2025/5/18 2:18:56

基于51单片机和WS2812B彩色灯带的流水灯

目录 系列文章目录前言一、效果展示二、原理分析三、各模块代码四、主函数总结 系列文章目录 前言 用彩色灯带按自己想法DIY一条流水灯&#xff0c;谁不喜欢呢&#xff1f; 所用单片机&#xff1a;STC15W204S &#xff08;也可以用其他1T单片机&#xff0c;例如&#xff0c;S…...

编程日记 2025/5/19 2:19:04

React第二十八章(css modules)

css modules 什么是 css modules 因为 React 没有Vue的Scoped&#xff0c;但是React又是SPA(单页面应用)&#xff0c;所以需要一种方式来解决css的样式冲突问题&#xff0c;也就是把每个组件的样式做成单独的作用域&#xff0c;实现样式隔离&#xff0c;而css modules就是一种…...

编程日记 2025/5/18 21:34:26

瑞芯微方案：RV1126定制开发板方案定制

产品简介 RV1126 核心板是常州海图电子科技有限公司推出的一款以瑞芯微 RV1126处理器为核心的通用产品&#xff0c;其丰富的设计资源、稳定的产品性能、强力的设计支持&#xff0c;为客户二次开发快速转化产品提供强有力的技术保障。RV1126 核心板集多种优势于一身&#xff0c…...

编程日记 2025/5/18 18:03:01

吴恩达深度学习——有效运作神经网络

内容来自https://www.bilibili.com/video/BV1FT4y1E74V&#xff0c;仅为本人学习所用。 文章目录 训练集、验证集、测试集偏差、方差正则化正则化参数为什么正则化可以减少过拟合Dropout正则化Inverted Dropout其他的正则化方法数据增广Early stopping 归一化梯度消失与梯度爆…...

编程日记 2025/5/19 0:14:50

ollama改模型的存盘目录解决下载大模型报c:盘空间不足的问题

使用Ollama和Open WebUI快速玩转大模型&#xff1a;简单快捷的尝试各种llm大模型&#xff0c;比如DeepSeek r1&#xff0c;非常简单方便&#xff0c;参见&#xff1a;使用Ollama和Open WebUI快速玩转大模型&#xff1a;简单快捷的尝试各种llm大模型&#xff0c;比如DeepSeek r1…...

编程日记 2025/5/20 11:44:44

springboot集成钉钉，发送钉钉日报

目录 1.说明 2.示例 3.总结 1.说明 学习地图 - 钉钉开放平台 在钉钉开放文档中可以查看有关日志相关的api&#xff0c;主要用到以下几个api&#xff1a; ①获取模板详情 ②获取用户发送日志的概要信息 ③获取日志接收人员列表 ④创建日志 发送日志时需要根据模板规定日志…...

编程日记 2025/5/17 20:50:17

Day49：添加字典元素

在 Python 中&#xff0c;字典是一个可变的数据类型&#xff0c;这意味着你可以随时添加新的键值对。今天我们将学习如何向字典中添加元素。 1. 使用方括号 ([]) 添加新元素 最简单的方法是通过字典的键&#xff0c;使用方括号 [] 来添加新的键值对。如果该键已经存在&#x…...

编程日记 2025/5/19 18:37:28