Deepseek R1 和其他的大模型 共同辅助决策交通出行方案
比一比各家大模型
- 问题描述
- 一、Deepseek R1通勤方式评估报告
- (一)评分模型说明
- (二)各选项评分明细
- (三)加权总分计算
- (四)结论
- 二、文心一言通勤方式评估
- (一)时间
- (二)精力消耗
- (三) 天气影响
- (四)经济成本
- (五)风险
- (六)综合得分
- (七)结论
- 三、豆包AI模型通勤方式打分分析
- (一)打分标准
- (二)各通勤方式打分情况
- (三)结论
- 四、对比分析
问题描述
我在A地上班,家住在B地,我提供了以下几种上班的通勤方式,请从时间,精力消耗,天气,经济成本,风险等角度总体评判我采用哪种通勤方式最好,需要给出明确的计算模型和打分结果。
1.地铁(免费乘坐)+自行车。从家里到地铁站需要骑行2.5公里,用时15分钟左右,坐地铁到单位门口15分钟左右,再步行1公里用时10分钟左右。购买自行车1500元左右。
2.地铁(免费乘坐)+电动自行车。从家里到地铁站需要骑行2.5公里,用时7分钟左右,坐地铁到单位门口15分钟左右,再步行1公里用时10分钟左右。购买电动自行车2500元左右,存在被盗风险,不计充电成本。
3.纯电动自行车。通行距离9公里,用时约35分钟,需要在特定时段过桥,早7点前,晚7点后,电动车成本2500元,不计充电成本无被盗风险。
4.纯公交(免费)。需要走路15分钟,等公交不定时,公交倒车总计50分钟。
一、Deepseek R1通勤方式评估报告
(一)评分模型说明
-
权重分配(总分100%):
- 时间效率:30%(通勤时长直接影响生活质量)
- 精力消耗:20%(体力/脑力疲劳程度)
- 天气适应性:15%(对雨雪、高温等天气的敏感度)
- 经济成本:20%(初始购置+长期维护成本)
- 风险:15%(车辆被盗、交通事故等)
-
评分规则(1-5分,5分为最优):
- 时间:按总通勤时长线性赋分(最短得5分,最长得1分)。
- 精力:体力消耗越少得分越高(步行>骑行>电动/公交)。
- 天气:对恶劣天气的容忍度(全程室内>短时暴露>全程暴露)。
- 经济:初始购置成本越低得分越高(免费>低价>高价)。
- 风险:被盗风险+交通安全风险综合评估。
(二)各选项评分明细
维度/选项 | 1. 地铁+自行车 | 2. 地铁+电驴 | 3. 纯电驴 | 4. 纯公交 |
---|---|---|---|---|
时间效率 | 3分(40分钟) | 4分(32分钟) | 4分(35分钟) | 1分(70分钟+) |
精力消耗 | 2分(骑行+步行) | 3分(短电驴+步行) | 5分(全程电驴) | 3分(步行+公交) |
天气适应性 | 2分(雨天骑行难) | 2分(同左) | 1分(全程暴露) | 5分(全程室内) |
经济成本 | 3分(¥1500) | 2分(¥2500+风险) | 2分(¥2500) | 5分(免费) |
风险 | 3分(自行车被盗) | 1分(电驴被盗) | 5分(无风险) | 4分(公交延误) |
(三)加权总分计算
- 1. 地铁+自行车:
(3×0.3) + (2×0.2) + (2×0.15) + (3×0.2) + (3×0.15) = 2.65
- 2. 地铁+电驴:
(4×0.3) + (3×0.2) + (2×0.15) + (2×0.2) + (1×0.15) = 3.05
- 3. 纯电驴:
(4×0.3) + (5×0.2) + (1×0.15) + (2×0.2) + (5×0.15) = 3.60
- 4. 纯公交:
(1×0.3) + (3×0.2) + (5×0.15) + (5×0.2) + (4×0.15) = 3.25
(四)结论
最优方案:选项3(纯电动自行车)
- 优势:时间短(35分钟)、全程骑行省力、无被盗风险(假设车辆安全)、经济成本适中。
- 需注意:需遵守过桥时间限制,雨天需穿戴防雨装备。
次优方案:选项2(地铁+电动自行车)
- 适合追求时间效率但接受一定风险的用户(需加强防盗措施)。
二、文心一言通勤方式评估
为了评判哪种通勤方式最好,我们从时间、精力消耗、天气影响、经济成本和风险五个角度进行打分,满分为10分,分数越高表示该方面表现越好。然后,根据这些打分计算综合得分,以确定最优通勤方式。
(一)时间
- 地铁+自行车:40分钟(骑行15分钟 + 地铁15分钟 + 步行10分钟) 打分:8分
- 地铁+电动自行车:37分钟(骑行7分钟 + 地铁15分钟 + 步行10分钟) 打分:9分
- 纯电动自行车:35分钟 打分:9.5分
- 纯公交:70分钟及以上(走路15分钟 + 等公交不定时 + 公交50分钟) 打分:6分
(二)精力消耗
- 地铁+自行车:中等,需要一定体力骑行 打分:7分
- 地铁+电动自行车:低,骑行更轻松 打分:8分
- 纯电动自行车:低,全程电动 打分:8.5分
- 纯公交:中等偏上,需要长时间站立或走路 打分:6.5分
(三) 天气影响
- 地铁+自行车:受天气影响较大,雨雪天骑行不便 打分:6分
- 地铁+电动自行车:受天气影响较小,但雨雪天仍需骑行短途 打分:7分
- 纯电动自行车:受天气影响较小,全程遮蔽 打分:8分
- 纯公交:受天气影响小,但等车时可能受影响 打分:7.5分
(四)经济成本
- 地铁+自行车:1500元(自行车成本) 打分:8分
- 地铁+电动自行车:2500元(电动自行车成本)+ 潜在被盗风险 打分:7分
- 纯电动自行车:2500元(无被盗风险) 打分:8.5分
- 纯公交:0元(免费) 打分:10分
(五)风险
- 地铁+自行车:低风险,主要是骑行风险 打分:9分
- 地铁+电动自行车:中风险,骑行风险和被盗风险 打分:8分
- 纯电动自行车:低风险,主要是交通风险和自身安全 打分:9分
- 纯公交:低风险,主要是交通风险 打分:9.5分
(六)综合得分
将每个方面的打分进行平均,得到综合得分:
- 地铁+自行车:7.6分
- 地铁+电动自行车:7.8分
- 纯电动自行车:8.7分
- 纯公交:7.7分
(七)结论
综合考虑时间、精力消耗、天气影响、经济成本和风险,纯电动自行车通勤方式得分最高,为8.7分。因此,从总体上看,纯电动自行车是最佳的通勤方式。
三、豆包AI模型通勤方式打分分析
为了综合评判这几种通勤方式,我们建立一个打分模型,对时间、精力消耗、天气、经济成本、风险这几个角度分别进行打分(满分为 10 分,分数越高表示该方式在这一角度表现越好),然后计算每种通勤方式的总分,从而确定哪种方式最好。
(一)打分标准
时间:用时越短,得分越高。
精力消耗:越轻松,精力消耗越小,得分越高。
天气:受天气影响越小,得分越高。
经济成本:成本越低,得分越高。
风险:风险越低,得分越高。
(二)各通勤方式打分情况
1、地铁 (免费乘坐)+ 自行车
时间:总用时为 15 + 15 + 10 = 40 分钟,时间一般,打 6 分。
精力消耗:需要骑行一段距离,有一定精力消耗,打 4 分。
天气:骑行部分受天气影响较大,打 4 分。
经济成本:购买自行车 1500 元,成本适中,打 6 分。
风险:基本无风险,打 8 分。
总分:(6 + 4 + 4 + 6 + 8) / 5 = 5.6 分
2、地铁 (免费乘坐)+ 电动自行车
时间:总用时为 7 + 15 + 10 = 32 分钟,时间较短,打 7 分。
精力消耗:电动自行车相对轻松,打 6 分。
天气:骑行部分受天气影响较大,打 4 分。
经济成本:购买电动自行车 2500 元,成本较高,打 5 分。
风险:存在被盗风险,打 6 分。
总分:(7 + 6 + 4 + 5 + 6) / 5 = 5.6 分
3、纯电动自行车
时间:用时约 35 分钟,时间一般,打 6 分。
精力消耗:骑行距离较长,有一定精力消耗,打 4 分。
天气:全程受天气影响,打 3 分。
经济成本:购买电动自行车 2500 元,成本较高,打 5 分。
风险:无被盗风险,打 8 分。
总分:(6 + 4 + 3 + 5 + 8) / 5 = 5.2 分
4、纯公交 (免费)
时间:走路 15 分钟 + 等公交不定时 + 公交倒车 50 分钟,总用时较长且不确定,打 3 分。
精力消耗:需要走路和倒车,精力消耗较大,打 3 分。
天气:受天气影响较小,打 7 分。
经济成本:免费,成本最低,打 10 分。
风险:基本无风险,打 8 分。
总分:(3 + 3 + 7 + 10 + 8) / 5 = 6.2 分
(三)结论
从上述打分结果来看,纯公交(免费)这种通勤方式的总分最高,为 6.2 分,是这几种通勤方式中最好的选择。尽管它的时间和精力消耗方面表现一般,但在经济成本和风险方面表现出色,且受天气影响较小。
四、对比分析
从结果看,豆包的不行,按照我个人的计算方式也是纯电动车方案排第一。
相关文章:
Deepseek R1 和其他的大模型 共同辅助决策交通出行方案
比一比各家大模型 问题描述一、Deepseek R1通勤方式评估报告(一)评分模型说明(二)各选项评分明细(三)加权总分计算(四)结论 二、文心一言通勤方式评估(一)时间…...
HTTPS 通信流程
HTTPS 通信流程时序图: #mermaid-svg-HWoTbFvfih6aYUu6 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-HWoTbFvfih6aYUu6 .error-icon{fill:#552222;}#mermaid-svg-HWoTbFvfih6aYUu6 .error-text{fill:#…...
C++——list模拟实现
目录 前言 一、list的结构 二、默认成员函数 构造函数 析构函数 clear 拷贝构造 赋值重载 swap 三、容量相关 empty size 四、数据访问 front/back 五、普通迭代器 begin/end 六、const迭代器 begin/end 七、插入数据 insert push_back push_front 八、…...
开发指南103-jpa的find**/get**全解
平台使用jpa来访问数据库。在dao层可以通过定义find**/get**函数,通过名字直接绑定数据库字段。find**和get**有一定区别: 1.get**方法查询不到数据抛出异常,find**方法查询不到数据则返回null。 2.get**是延迟加载,在真正访问返…...
初学者如何设置以及使用富文本编辑器[eclipse版]
手把手教你设置富文本编辑器 参考来源:UEditor Docs 初学者按我的步骤来就可以啦 一、设置ueditor编辑器 1.提取文件[文章最底部有链接提取方式] 2.解压文件并放到自己项目中,在WebContent目录下: 3. 修改jar包位置路径 到--> 注意&a…...
Flutter 启动优化
Dart VM在Flutter中的作用是什么?它负责执行Dart代码,无论是JIT还是AOT模式都需要它。在JIT模式下,VM随应用一起运行,而在AOT模式下,代码已经被编译成机器码,VM可能不需要运行时存在?不过实际上…...
Java Idea配置问题
在 cmd 里手动切换: set JAVA_HOMEC:\Program Files\Java\jdk1.8.0_192 set PATH%JAVA_HOME%\bin;%PATH%在Idea的终端查看: java -versionClass com.sun.tools.javac.tree.JCTree$JCImport does not have member field ‘com.sun.tools.javac.tre JDK 版本不匹配 …...
百度搜索,能否将DeepSeek变成“内功”?
最近,所有的云平台和主流APP都在努力接入DeepSeek。其中,搜索类APP与搜索引擎更是“战况激烈”。那么问题来了,接入DeepSeek已经变成了标准配置,到底应该如何做出差异化?接入DeepSeek这件事能不能实现11大于2的效果&am…...
【C++委托与事件】函数指针,回调机制,事件式编程与松耦合的设计模式(上)
前言 上一次发文章已经是在两个月前了hhh,期间也是忙忙碌碌做了不少事情也鸽了不少东西… 本文我们来讲讲博主最近在项目中频繁使用的,也就是广泛运用于C#或者Java的一个常用编程机制(思路)-----委托和事件。由于C在语言特性上没…...
【Java学习】抽象类与接口
面向对象系列四 一、抽象方法 二、抽象类 三、意义检查 1.抽象方法的意义 2.意义检查 体现 四、接口 1.级别层次 2.接口变量 3.意义 4.成员 成员变量: 成员方法: 一、抽象方法 没有方法体即没有任何实现的方法是抽象方法,只有在…...
体育电竞比分网开发流程
开发一个体育电竞比分网的流程可以分为以下几个主要步骤: 1. 需求分析 目标用户:确定网站的主要用户群体,如体育迷、电竞爱好者等。 功能需求:列出网站需要实现的功能,如实时比分更新、赛事日程、新闻资讯、用户评论…...
vue2和vue3的主要区别
Vue 2 和 Vue 3 之间有几个主要区别,涉及到性能、功能和架构上的改进。以下是一些核心的区别: Composition API(组合式 API): Vue 2 使用的是选项式 API(Options API),即通过 data, …...
粘贴到Word里的图片显示不全
粘贴到Word里的图片显示不全,可从Word设置、图片本身、软件与系统等方面着手解决,具体方法如下: Word软件设置 经实践发现,图片在word行距的行距出现问题,可以按照如下调整行距进行处理 修改段落行距: 选…...
直角三角堰计算公式
直角三角堰的计算公式通常用于确定流经直角三角形形状的堰的流量。河北瑾航科技遥测终端机 通过采集液位数据(模拟量、串口485/232),计算得到瞬时流量,然后通过积分进行累计算出累积量;直角三角堰的流量计算公式为: 直角三角堰 计…...
细说Java 引用(强、软、弱、虚)和 GC 流程(一)
一、引用概览 1.1 引用简介 JDK1.2中引入了 Reference 抽象类及其子类,来满足不同场景的 JVM 垃圾回收工作: SoftReference 内存不足,GC发生时,引用的对象(没有强引用时)会被清理;高速缓存使用…...
C++,设计模式,【工厂方法模式】
文章目录 如何用汽车生产线理解工厂方法模式?一、传统生产方式的困境二、工厂方法模式解决方案三、模式应用场景四、模式优势分析五、现实应用启示✅C++,设计模式,【目录篇】 如何用汽车生产线理解工厂方法模式? 某个早晨,某车企CEO看着会议室里堆积如面的新车订单皱起眉…...
分布式之分布式ID
目录 需求 1. 全局唯一性 2. 高性能 3. 高可用性 4. 可扩展性 5. 有序性 6. 时间相关 7. 长度适中 8. 安全性 9. 分布式一致性 10. 易于集成 常见解决方案 选择依据 数据库号段模式 核心概念 工作流程 优点 缺点 实现示例 优化策略 适用场景 Snowflake雪…...
Innovus中快速获取timing path逻辑深度的golden脚本
在实际项目中我们经常会遇到一条timing path级数特别多,可能是一两页都翻不完。此时,我们大都需要手工去数这条path上到底有哪些是设计本身的逻辑,哪些是PR工具插入的buffer和inverter。 数字IC后端手把手培训教程 | Clock Gating相关clock …...
tortoiseGit的使用和上传拉取
tortoiseGit的使用和上传拉取 下载TortoiseGit 通过网盘分享的文件:tortoiseGit.zip 链接: https://pan.baidu.com/s/1EOT_UsM9_OysRqXa8gES4A?pwd1234 提取码: 1234 在电脑桌面新建文件夹并进入 右击鼠标 将网址复制上去 用户名和密码是在git注册的用户名和…...
简单工厂模式 (Simple Factory Pattern) 在Spring Boot 中的应用
简单工厂模式(Simple Factory Pattern)虽然不属于 GoF 23 种经典设计模式,但在实际开发中非常常用,尤其是在 Spring Boot 项目中。它提供了一种简单的方式来创建对象,将对象的创建逻辑集中到一个工厂类中。 一、简单工…...
前端排序算法完全指南:从理论到实践
<!DOCTYPE html> <html> <head><title>前端排序算法终极指南</title><style>.container { max-width: 1000px; margin: 0 auto; padding: 20px; }.demo-container { margin: 30px 0; border: 1px solid #eee; padding: 20px; }.bars-wrapp…...
【LeetCode Hot100 矩阵】矩阵置零、螺旋矩阵、旋转图像、搜索二维矩阵II
矩阵 1. 矩阵置零(Set Matrix Zeroes)解题思路步骤: 代码实现 2. 螺旋矩阵(Spiral Matrix)解题思路具体步骤: 代码实现 3. 旋转矩阵 90 度解决思路代码实现 5. 搜索二维矩阵中的目标值解决思路代码实现 1. …...
最新版IDEA下载安装教程
一、下载IDEA 点击前往官网下载 或者去网盘下载 点击前往百度网盘下载 点击前往夸克网盘下载 进去后点击IDEA 然后点击Download 选择自己电脑对应的系统 点击下载 等待下载即可 二、安装IDEA 下载好后双击应用程序 点击下一步 选择好安装目录后点击下一步 勾选这两项后点击…...
Embedding模型
检索的方式有那些 关键字搜索:通过用户输入的关键字来查找文本数据。 语义搜索:它的目标是理解用户查询的真实意图,不仅考虑关键词的匹配,还考虑词汇之间的语义 (文字,语音,语调...࿰…...
WSL进阶使用指南
WSL2通过 Hyper-V 技术创建了一个轻量级的虚拟机(VM),在这个虚拟机之上可以运行一个真正的 Linux 内核,这给希望同时使用 Windows 和 Linux 的开发人员提供了无缝高效的体验。本文会介绍一些使用WSL的知识,帮助你更好地…...
JavaScript函数-函数的参数
在JavaScript编程语言中,函数是组织代码和实现复杂逻辑的基本单元。而函数参数则是这些功能的重要组成部分,它们允许我们将数据传递给函数,从而使得函数更加通用和灵活。本文将深入探讨JavaScript函数参数的各种特性及其最佳实践。 参数基础…...
【C语言】第五期——函数
目录 0 前言 1 定义函数 2 调用函数 3 函数的实参和形参 4 函数声明 5 作用域 5.1 局部变量和全局变量 5.2 static关键字 5.2.1 修饰局部变量 5.2.2 修饰全局变量 5.2.3 修饰函数 6 函数的返回值 6.1 return语句 6.2 函数返回值的类型 7 函数的其他形式 7.1 函…...
线结构光三维重建
利用线结构光和单目进行三维重构(测距)_线结构光三维重建-CSDN博客...
Spring Boot 应用(官网文档解读)
Spring Boot 启动方式 SpringApplication.run(MyApplication.class, args); Spring Boot 故障分析器 在Spring Boot 项目启动发生错误的时候,我们通常可以看到上面的内容,即 APPLICATION FAILED TO START,以及后面的错误描述。这个功能是通过…...
基于ffmpeg+openGL ES实现的视频编辑工具-添加转场(九)
在视频编辑的广阔领域中,转场效果无疑是提升视频流畅性与观赏性的关键要素。巧妙运用转场,能够让不同视频片段之间的衔接更为自然,同时赋予视频独特的创意魅力。本文将深入探讨如何借助 ffmpeg 和 openGL ES 技术,在视频编辑工具中实现丰富多样的转场效果。 一、转场技术原…...
库的制作与原理(一)
1.库的概念 库是写好的,现成的可以复用的代码。本质上库是一种可执行的二进制形式,可以被操作系统载入内存执行。库有俩种:静态库 .a[Linux] .lib[windows] 动态库 .so[Linux] .dll[windows] 就是把.c文件变成.o文件,把…...
Java List 自定义对象排序 Java 8 及以上版本使用 Stream API
从 Java 8 开始,你可以使用 Stream API 对 List 进行排序,这种方式更加简洁和灵活。 以下是一个示例代码: import java.util.ArrayList; import java.util.Comparator; import java.util.List; import java.util.stream.Collectors;// 自定…...
单元测试的策略有哪些,主要包括什么?
单元测试的策略及主要内容 单元测试(Unit Testing)是指对软件系统中的最小可测试单元(通常是一个函数、方法或类)进行验证,以确保其行为符合预期。常见的单元测试策略可以分为基于代码的策略和基于数据的策略…...
《深度剖析:AI与姿态估计技术在元宇宙VR交互中的应用困境》
在元宇宙的宏大版图里,虚拟现实(VR)交互是构建沉浸式体验的关键支柱,而人工智能(AI)与姿态估计技术的融合,本应成为提升交互体验的强大引擎。但在实际应用中,它们面临着诸多复杂且棘…...
基于YOLO11深度学习的糖尿病视网膜病变检测与诊断系统【python源码+Pyqt5界面+数据集+训练代码】
《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】 项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…...
【QT 网络编程】HTTP协议(二)
文章目录 🌟1.概述🌟2.代码结构概览🌟3.代码解析🌸Http_Api_Manager - API管理类🌸Http_Request_Manager- HTTP请求管理类🌸ThreadPool - 线程池🌸TestWindow- 测试类 🌟4.运行效果&…...
mysql之规则优化器RBO
文章目录 MySQL 基于规则的优化 (RBO):RBO 的核心思想:模式匹配与规则应用RBO 的主要优化规则查询重写 (Query Rewrite) / 查询转换 (Query Transformation)子查询优化 (Subquery Optimization) - RBO 的重中之重非相关子查询 (Non-Correlated Subquery)…...
Python天梯赛10分题-念数字、求整数段和、比较大小、计算阶乘和
007-念数字 输入一个整数,输出每个数字对应的拼音。当整数为负数时,先输出fu字。十个数字对应的拼音如下: 0: ling 1: yi 2: er 3: san 4: si 5: wu 6: liu 7: qi 8: ba 9: jiu输入格式: 输入在一行中给出一个整数,如&…...
如何进行文档类图像的校正?
可以使用OpenCV实现的图像校正算法,包含透视校正和旋转校正的步骤,并附有详细注释。 具体如下: import cv2 import numpy as npdef order_points(pts):"""将四个点按左上、右上、右下、左下顺序排列"""rect …...
GPIO外设
一、GPIO简介 GPIO,general-purpos IO port,通用输入输出引脚,所有的GPIO引脚都有基本的输入输出功能。 最基本的输出功能:STM32控制引脚输出高、低电平,实现开关控制;最基本的输入功能:检测外部输入电平&…...
DeepSeek-R1之二_基于Open-WebUI的AI托管平台之Pyenv-win安装与配置搭建本地AI知识库
DeepSeek-R1之二_基于Open-WebUI的AI托管平台之Pyenv-win安装与配置搭建本地AI知识库 文章目录 DeepSeek-R1之二_基于Open-WebUI的AI托管平台之Pyenv-win安装与配置搭建本地AI知识库1. 官网及前提条件1. 官网2. 前提条件1. 安装了Ollama2. 通过Ollama下载与管理了DeepSeek-R1模…...
My Metronome for Mac v1.4.2 我的节拍器 支持M、Intel芯片
应用介绍 My Metronome 是一款适用于 macOS 的专业节拍器应用程序,旨在帮助音乐家、作曲家、学生和任何需要精确节奏控制的人进行练习。无论是进行乐器练习、音乐创作还是演出排练,My Metronome 都能为用户提供精准的节拍支持和灵活的功能,确…...
Windows系统本地部署DeepSeek-R1+本地知识库+联网搜索+Agent功能
本文记录了Windows11 Ollama AnythingLLM,3步快速本地部署DeepSeek-R1模型,支持联网搜索、应用本地知识库和创建Agent功能。 前言 DeepSeek-R1 知识库相关 更新时间:截至 2025年2月,当前版本的 R1 基于 2024年7月之前的数据训…...
RT-Thread+STM32L475VET6——TF 卡文件系统
文章目录 前言一、板载资源二、具体步骤1.打开CubeMX进行USB配置1.1 使用外部高速时钟,并修改时钟树1.2 打开SPI1,参数默认即可(SPI根据自己需求调整)1.3 打开串口,参数默认1.4 生成工程 2.配置SPI2.1 打开SPI驱动2.2 声明使用SPI…...
Jmeter进阶篇(34)如何解决jmeter.save.saveservice.timestamp_format=ms报错?
问题描述 今天使用Jmeter完成压测执行,然后使用命令将jtl文件转换成html报告时,遇到了报错! 大致就是说jmeter里定义了一个jmeter.save.saveservice.timestamp_format=ms的时间格式,但是jtl文件中的时间格式不是标准的这个ms格式,导致无法正常解析。对于这个问题,有如下…...
Javascript使用Sodium库实现 aead_xchacha20poly1305_ietf加密解密,以及与后端的密文交互
Node.js环境安装 sodium-native (其他库可能会出现加密解密失败,如果要使用不一样的库,请自行验证) npm install sodium-native 示例代码,使用的是 sodium-native v4.3.2 (其他版本可能会有变化,如果要使用,请自行验…...
机器学习实战(8):降维技术——主成分分析(PCA)
第8集:降维技术——主成分分析(PCA) 在机器学习中,降维(Dimensionality Reduction) 是一种重要的数据处理技术,用于减少特征维度、去除噪声并提高模型效率。主成分分析(Principal C…...
0099__Visual Studio 引入外部静态库与动态库
Visual Studio 引入外部静态库与动态库_visual studio 添加库-CSDN博客...
eclips 快捷键
eclips 快捷键 类别快捷键功能描述通用Ctrl S保存当前文件Ctrl Shift S保存所有文件Ctrl Z撤销操作Ctrl Y重做操作Ctrl X剪切Ctrl C复制Ctrl V粘贴Ctrl A全选Ctrl F查找Ctrl H打开搜索对话框Ctrl /注释/取消注释当前行或选中的代码块Ctrl Shift /添加块注释Ctrl …...
VSCode ssh远程连接内网服务器(不能上网的内网环境的Linux服务器)的终极解决方案
VSCode ssh远程连接内网服务器(不能上网的内网环境的Linux服务器) 离线下载vscode-server并安装: 如果远程端不能联网可以下载包离线安装,下载 vscode-server 的 url 需要和 vscode 客户端版本的 commit-id 对应.通过 vscode 面板的帮助->关于可以获…...