Linux动静态库
铺垫
1.动态库与静态库本质上都是文件。
2.关于动静态链接
动态链接:将库中需要的函数地址,填入可执行程序,建立关联。
优点:节省资源,不会出现太多重复代码。
缺点:对库的依赖性比较强,一旦库丢失,所有使用这个库的程序将无法运行。
静态链接:将库中的方法的实现拷贝到我们可执行程序中。
优点:不依赖库,同类型平台中可以直接使用。
缺点:可执行程序的体积比较大,比较浪费资源。
3.默认编译程序,用的是动态链接的,如果要静态链接 需要加上 -static
4.库的命名一般是libXXX.so(动态库) libXXX.a(静态库),真实的库名称是XXX的部分。
动静态库的制作和使用
为什么要有库?
1.提高开发效率
2.隐藏源代码
首先写几个简单的.c .h代码
myprint1.h1 #pragma once 2 #include<stdio.h>3 4 void print1();
myprint1.c1 #include"myprint1.h"2 3 void print1()4 {5 printf("hello 111\n"); 6 }
myprint2.h1 #pragma once 2 #include<stdio.h>3 4 void print2();
myprint2.c1 #include"myprint2.h"2 3 void print2()4 {5 printf("hello 222\n"); 6 }
main.c1 #include"myprint1.h" 2 #include"myprint2.h"3 4 int main()5 {6 print1();7 print2();8 return 0;9 }
以往都是直接进行编译
gcc -c myprint1.c
gcc -c myprint2.c
gcc -c main.c
生成同名.o
最后链接形成可执行文件
gcc -o test.exe main.o myprint1.o myprint2.o
总结如下图
静态库文件的制作
首先编译成.o的文件
gcc -c myprint1.c
gcc -c myprint2.c
打包.o的所有文件成为libmyc.a
ar -rc libmyc.a myprint1.o myprint2.o
-c(creat)如果没有libmyc.a则自动创建
-r(replace)如果已经有libmyc.a,且myprint1.o myprint2.o内容发生改动,则重新创建libmyc.a替换原文件
最后生成libmyc.a静态库文件。
静态库文件的使用
进行编译链接main.c文件
gcc main.c -lmyc -L .gcc 要编译的文件 -l库的名字 -L 库所在的路径
这里编译器会在指定的目录下寻找库,不会在当前目录下寻找,所以加上-L选项指定路径让编译器寻找。
生成a.out可执行文件。
动态库文件的制作
gcc -c -fPIC myprint1.c
gcc -c -fPIC myprint2.c-fPIC:产生位置无关码
形成.o文件。
gcc -shared -o libmyc.so myprint1.o myprint2.o
生成libmyc.so动态库文件。
动态库文件的使用
gcc main.c -L. -lmyc
-L要链接的库在哪个路径下
-l要链接的库
最后产生a.out可执行文件。
注意:
如果头文件不在当前目录,编译时需要使用 -I 选项。
总结来说:
gcc -o mytest main.c -L链接库所在路径 -l链接库名字 -I头文件的路径
一个小指令:
ldd a.out 查看可执行文件链接的库文件
编写库的人:未来要给别人(用库的人),交付的是:头文件+库文件,不给源代码。
总结
文件在编译成可执行文件后,
1.如果链接的是静态库,运行时就不需要静态库了。
原因是:静态链接是将库中的方法的实现拷贝到我们可执行程序中。
2.如果链接的是动态库,运行时还需要动态库。
对于动态库:
编译时的库搜索路径 ---- 编译器gcc
运行时的库搜索路径 ---- 操作系统OS
二者可以相同,也可以不同,操作系统通常是去系统默认的搜索路径(Linux中默认为/lib64 )去搜索库文件,编译器也默认去/lib64中搜索(可以通过指令更改 gcc -o mytest main.c -L链接库所在路径 -l链接库名字 )
3.在编译的预处理阶段已经将头文件展开在目标文件里了,所以运行时不需要头文件。
解决运行时动态库找不到问题的四种方法
1.最普通的方法(库比较官方时推荐)
把库拷贝到操作系统默认的搜索路径(Linux中默认为/lib64 ),既可以支持编译,又可以支持运行。
2.环境变量法
查看LD_LIBRARY_PATH环境变量
echo $LD_LIBRARY_PATH
把运行时需要查找库的目录添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:运行时需要查找库的路径
缺点:重启机器后,环境变量会恢复。
解决方法:需要更改配置文件,这样机器每次启动时读取配置文件,都会把目录加上。
在初始目录下,有2个配置文件 .bash_profile .bashrc
打开 .bashrc文件
看到最后一行,就是每次重启时配置的环境变量,在最后追加上库的路径即可(:冒号作为分隔符)。
3.软链接方法(库不是官方,个人写的,推荐这种方法)
sudo ln -s /动态库的绝对路径 /lib64/同动态库名
这时在/lib64目录下有一个动态库的同名文件指向原路径下的动态库。
4.配置文件法
在 /etc/ld.so.conf.d 路径下建立一个文件 文件名.conf 在该文件下放置动态链接库的路径即可。
/etc/ld.so.conf.d 的含义:ld:load加载 .so:动态库 .conf:配置文件 .d:目录
最后要让刚才的配置文件生效使用如下命令。
sudo ldconfig
关于同时存在动静态库时链接问题
1.如果同时提供动态库和静态库,gcc默认使用动态库
2.如果非要使用静态库,就必须使用static选项
3.如果只提供静态库,则只能对该库进行静态链接,但是程序不一定整体是静态链接的。
4.如果只提供动态库,默认是只能动态链接,若强行静态链接,会报错!
理解动态库加载
1.系统角度理解动态库加载
动态库加载后会被映射到进程的共享区中。
当进程1的代码mytest1需要用到myc动态库时,OS将该库加载到物理空间,进而通过页表映射到进程1的虚拟地址空间的共享区中,以使用。
添加一个进程,当进程2的代码mytest2再次需要用到 myc动态库时,直接将物理空间中该动态库的代码和数据,通过页表映射到进程2的虚拟地址空间的共享区中即可。
库只需要被加载一次,然后在不同的进程地址空间中进行映射,就可以使用该库,这就是为什么叫做动态库,共享库。
一些问题:
1.谁来决定,哪些库加载了,哪些库没加载?OS会自动完成。
2.系统中可不可以同时存在非常多已经加载的库?肯定的。
操作系统要对这些库进行管理,通过一个结构体struct loadlib进行描述已经加载的库,再通过链表进行增删查改管理。
struct loadlib
{char* libname;void* addr;……struct loadlib* next;
}
2.关于编址
可执行程序本身是有自己的格式信息的。
1.如果我们的可执行程序,没有加载到内存中,我们的可执行程序有没有地址(每行代码生成的指令的地址) ?有,程序通过编译后就有了地址。我们来验证。
objdump -S a.out > test.s在 Linux 中,使用 objdump -S a.out > test.s 命令可以将可执行文件 a.out 的反汇编代码(-S选项:混合源代码和汇编代码)输出到 test.s 文件中。
生成的 test.s 文件包含:
-
机器指令的汇编表示(如
mov
,call
)。 -
虚拟地址(逻辑地址):每条指令在进程虚拟地址空间中的位置。
可以看到可执行程序在没有加载进内存时就已经有了地址(每行代码生成的指令的地址)
其实我们的可执行程序,在没有加载之前,也已经基本上被按照类别(比如权限,访问属性等)已经将可执行程序划分成为各个区域了。如下:
size a.out
2.我们进程地址空间里面的很多地址数据属性数据,是从可执行程序来的。
程序执行的起始地址,存储在可执行文件头(如ELF的e_entry字段)。操作系统加载程序后,CPU从此地址开始执行。
编址的两种方式:绝对编址,相对编址
虚拟地址(线性地址):通常指分页机制中的地址(虚拟地址空间中的地址),即虚拟地址通过页表转换后的地址称为物理地址。
平坦模式:Linux将代码段、数据段等所有段的基址(Base Address)设为0,段限长(Limit)设为最大值。
绝对编址:是指在编译和链接中确定所有代码和数据的固定地址,这意味着程序中的每个指令和数据项都使用固定的、绝对的内存地址进行引用。这种编址方式也称为平坦模式。
绝对编址的范围:32位平台下 [0,4GB]
对于代码和数据的每一个地址都是绝对确定的,这就是未来的虚拟地址,可以对应到虚拟地址空间,填充到页表。
虚拟地址空间本身不仅是OS要遵守,编译器编译程序时也要遵守。
相对编址(逻辑地址):是指地址是相对于某个段的偏移量,通常用于表示程序中的变量、函数等的位置。逻辑地址在编译时生成,并且与具体的内存布局无关。通俗来说,如果我们将数据段与代码段分开,代码段从0开始,数据段从0开始,通过偏移量来描述地址的方式,称为相对编址。
Linux通过平坦模式(段基址为0),使逻辑地址的偏移量直接等于线性地址(虚拟地址),后续仅需分页机制转换为物理地址,从而简化内存管理。
总结:Linux逻辑地址 = 虚拟地址(线性地址)
3.理解动态库动态链接和加载的问题
a.一般程序加载
几个问题:
1.地址空间既然是一个数据结构的对象,那么谁来用什么数据初始化?
可执行程序加载时,会用可执行程序头部相关字段,来把地址空间这个结构体对象进行初始化。
所以不同程序就会有不同的正文区域,初始化区域,未初始化区域的大小。
2.代码是数据吗?是的。
所谓的地址空间,本质是由操作系统+编译器+CPU,三者共同配合完成的!
b.动态库的加载
静态库没有这一说法,一旦静态库被使用,那么静态库文件以绝对编址的方式写入代码中,随代码加载进物理地址。
对于动态库加载:
库的数据和方法的访问,都是通过库所在地址空间的起始地址+程序内部的偏移量即可。
相关文章:
Linux动静态库
铺垫 1.动态库与静态库本质上都是文件。 2.关于动静态链接 动态链接:将库中需要的函数地址,填入可执行程序,建立关联。 优点:节省资源,不会出现太多重复代码。 缺点:对库的依赖性比较强,一…...
区块链中的数字签名:安全性与可信度的核心
数字签名是区块链技术的信任基石,它像区块链世界的身份证和防伪标签,确保每一笔交易的真实性、完整性和不可抵赖性。本文会用通俗的语言,带你彻底搞懂区块链中的数字签名! 文章目录 1. 数字签名是什么?从现实世界到区块…...
Java实现斗地主-做牌以及对牌排序
卡牌类 public class Card {private String size;//大小private String color;//花色private int value;//权值public Card() {}public Card(String size, String color, int value) {this.size size;this.color color;this.value value;}public String toString(){return …...
SQL写法技巧
目录 1.批量插入,查询,删除数据 缺点 实现方法 1.批量插入数据 2.批量查询数据 3.批量删除数据 4.批量修改数据 解释 2.树型表查询 方法一:递归(适用于多级的情况) 方法二:表的自连接 方法三:MySQL递归&am…...
`pip freeze > requirements.txt` 命令
pip freeze > requirements.txt 命令的作用是将当前 Python 环境中已安装的所有包及其版本号导出到一个名为 requirements.txt 的文件中。这个文件通常用于记录项目的依赖包,以便在其他环境中快速安装相同的依赖。 ### 具体作用 1. **生成依赖列表**:…...
windows安装pytorch
windows安装pytorch 通过pip来安装pytorch. 1、更新pip 在激活的虚拟环境中,输入命令: python -m pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple/2、安装cpu版的pytorch pip3 install torch torchvision torchaudio -i http…...
计算机网络之路由协议(自治系统)
一、自治系统(AS) 自治系统是由同一个技术管理机构管理、使用统一选路策略的一些路由器的集合。它是网络的基本构成单位,每个自治系统是一个独立运营并自主决定与谁交换流量的实体。自治系统内部运行内部网关协议(IGP)…...
unity获取指定麦克风的分贝(deepseek)
在Unity中,获取指定麦克风的分贝值需要使用Microphone类来捕获麦克风输入,并通过AudioSource或直接处理音频数据来计算分贝值。以下是实现步骤和示例代码: 实现步骤: 1、初始化麦克风:使用Microphone.Start开始录制麦…...
Spring5框架八:整合Mybatis
精心整理了最新的面试资料,有需要的可以自行获取 点击前往百度网盘获取 点击前往夸克网盘获取 1、导入相关的jar包 <dependencies><!-- https://mvnrepository.com/artifact/org.springframework/spring-webmvc --><dependency><groupId>…...
从人机环境系统智能角度看传统IP的全球化二次创作法则
从人机环境系统智能的视角看,传统IP的全球化二次创作法则需结合技术、文化、伦理与环境的复杂协同。这一过程不仅是内容的本土化改编,更是人、机器与环境在动态交互中实现价值共创的体现。 一、人机环境系统智能的底层逻辑与IP二次创作的融合 1、感知层&…...
《论软件的可靠性评价》审题技巧 - 系统架构设计师
论软件的可靠性评价写作框架 一、考点概述 软件可靠性评价作为软件可靠性活动的关键环节,是确保软件质量、提升用户体验的重要手段。本题主要考察以下几个方面的内容: 首先,本题要求考生理解并掌握软件可靠性评价的基本概念及其在软件开发…...
基于数据可视化学习的卡路里消耗预测分析
数据分析实操集合: 1、关于房间传感器监测数据集的探索 2、EEMD-LSTM模型择时策略 — 1.EEMD分解与LSTM模型搭建 3、EEMD-LSTM模型择时策略 — 2. 量化回测 4、国际超市电商销售数据分析 5、基于问卷调查数据的多元统计数据分析与预测(因子分析、对应分…...
毕业项目推荐:基于yolov8/yolov5/yolo11的果蔬检测识别系统(python+卷积神经网络)
文章目录 概要一、整体资源介绍技术要点功能展示:功能1 支持单张图片识别功能2 支持遍历文件夹识别功能3 支持识别视频文件功能4 支持摄像头识别功能5 支持结果文件导出(xls格式)功能6 支持切换检测到的目标查看 二、数据集三、算法介绍1. YO…...
Graspness Discovery in Clutters for Fast and Accurate Grasp Detection 解读
研究背景 研究问题 :这篇文章要解决的问题是如何在杂乱的环境中快速且准确地检测抓取姿态。传统的 6自由度抓取方法将场景中的所有点视为平等,并采用均匀采样来选择抓取候选点,但忽略了抓取位置的重要性,这极大地影响了抓取姿态检…...
Redission可重试、超时续约的实现原理(源码分析)
Redission遇到其他进程已经占用资源的时候会在指定时间waitTime内进行重试。实现过程如下: 执行获取锁的lua脚本时,会返回一个值, 如果获取锁成功,返回nil,也就是java里的null 如果获取锁失败,用语句“PT…...
vscode 配置 Copilot 提示GHE.com连接失败
步骤一:打开设置并进入 settings.json 点击菜单栏中的 “文件” -> “首选项” -> “设置”。 在搜索设置栏中输入 “Copilot: Advanced”。 点击搜索结果下方的 “在 settings.json 中编辑” 链接,这会打开 settings.json 文件。 步骤二&#…...
红队内网攻防渗透:内网渗透之内网对抗:实战项目VPC1打靶PHP-RCE三层代理路由防火墙上线密码喷射域控提权
红队内网攻防渗透 实战网络攻防靶场记录1.靶机配置详情讲解1.1 入口点靶机:Windows Server 20121.2 第一层靶机:Windows 7 + Windows 101.3 第二层靶机:Windows 2012 R21.4 第三层靶机:Windows 2016 web +Windows 2016 AD域1.5 攻击者系统 :Kali-linux2.靶场渗透完整流程2…...
四、综合案例(Unity2D)
一、2D渲染 1、2D相机基本设置 上面是透视,下面是正交 2、图片资源 在Unity中,常规图片导入之后,一般不在Unity中直接使用,而是转为精灵图Sprite 将图片更改为即可使用Unity内置的图片切割功能 无论精灵图片是单个的还是多个的…...
50周学习go语言:第1周 环境搭建
以下是为零基础学习者准备的详细第1周教程,包含环境搭建、工具配置和首个Go程序的完整操作指南: 一、Go语言环境安装(Windows/macOS/Linux通用) 1. 下载安装包 官网地址:https://go.dev/dl//根据系统选择对应版本&am…...
Docker Desktop 入门教学
引言 Docker Desktop 是 Docker 官方为开发者提供的桌面应用程序,支持在 Windows 和 macOS 上轻松构建、运行和共享容器化应用程序。它集成了 Docker 引擎、Docker CLI 客户端以及 Docker Compose 等工具,方便您在本地开发和测试。 一、快速安装 1. 系…...
BOOST电路设计
目录 1电路模型 2器件选型 2.1设计需求 2.2参数计算 2.2.1电感L计算 2.2.2电容计算 2.2.3电阻计算 3仿真测试 4参数测试 4.1负载调整率 4.2电容测试 4.3电感测试 5实际应用 1电路模型 Boost升压电路,可以工作在电流断续工作模式(DCM)和电流连续工作模式(CCM)。CCM工…...
Qt常用控件之标签QLabel
标签QLabel QLabel 标签用来显示文本和图片,在 Qt 中使用频率很高。 1. Label属性 属性说明textQLabel 中的文本。textFormat文本的格式。其中 Qt::PlainText 为纯文本;Qt::RichText 为富文本(支持 html 格式); Qt:…...
基于Spring Boot的公司资产网站设计与实现(LW+源码+讲解)
专注于大学生项目实战开发,讲解,毕业答疑辅导,欢迎高校老师/同行前辈交流合作✌。 技术范围:SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容:…...
网络安全知识--网络、网络安全产品及密码产品概述
🍅 点击文末小卡片 ,免费获取网络安全全套资料,资料在手,涨薪更快 网络结构 网络设备:交换机、路由器、负载均衡 安全设备: 通信网络安全类:通信安全、网络监测与控制 区域边界安全类:隔离类…...
【mysql中mvcc的含义和作用及原理】
MySQL中的MVCC(多版本并发控制)是一种用于提高数据库并发性能的机制,通过维护数据的多个版本,实现读写操作的无锁并发。以下是其核心要点: 1. MVCC的含义 全称:Multi-Version Concurrency Control…...
【Android】Android 悬浮窗开发 ( 动态权限请求 | 前台服务和通知 | 悬浮窗创建 )
文章目录 一、悬浮窗 动态权限请求1、动态请求权限2、悬浮窗权限说明3、检查动态权限4、申请动态权限5、权限设置完毕后返回处理 二、悬浮窗 前台服务和通知1、前台服务 启动 悬浮窗 的必要性① 保持悬浮窗存活② 悬浮窗的要求③ 悬浮窗版本兼容 2、其它类型服务简介① 前台服务…...
【FAQ】HarmonyOS SDK 闭源开放能力 —Live View Kit (1)
1.问题描述: 客户端创建实况窗后,通过Push kit更新实况窗内容,这个过程是自动更新的还是客户端解析push消息数据后填充数据更新?客户端除了接入Push kit和创建实况窗还需要做什么工作? 解决方案: 通过Pu…...
基于Flask的第七次人口普查数据分析系统的设计与实现
【Flask】基于Flask的第七次人口普查数据分析系统的设计与实现(完整系统源码开发笔记详细部署教程)✅ 目录 一、项目简介二、项目界面展示三、项目视频展示 一、项目简介 基于Flask的人口普查可视化分析系统 二、项目界面展示 登录/注册 首页/详情 …...
java实现多图合并加字和画框等
java实现多图合并加字和画框等 在wutool中,封装了图片处理工具类,基于java自带的BufferedImage类,实现多图合并和加字、图片画框等。 关于wutool wutool是一个java代码片段收集库,针对特定场景提供轻量解决方案,只要…...
腾讯SQL面试题解析:如何找出连续5天涨幅超过5%的股票
腾讯SQL面试题解析:如何找出连续5天涨幅超过5%的股票 作者:某七年数据开发工程师 | 2025年02月23日 关键词:SQL窗口函数、连续问题、股票分析、腾讯面试题 一、问题背景与难点拆解 在股票量化分析场景中,"连续N天满足条件"是高频面试题类型。本题要求在单表stoc…...
Elasticsearch 自动补全搜索 - autocomplete
作者:来自 Elastic Amit Khandelwal 探索处理自动完成的不同方法,从基础到高级,包括输入时搜索、查询时间、完成建议器和索引时间。 在本文中,我们将介绍如何避免严重的性能错误、Elasticsearch 默认解决方案为何不适用以及重要的…...
大屏自适应终极方案:基于比例缩放的完美适配实践(Vue3版)
需求背景 在数据可视化大屏开发中,我们常面临这样的挑战:如何让1920*1080的设计稿在不同分辨率设备上完美呈现?传统的响应式布局难以应对复杂的大屏元素排布,本文介绍一种基于CSS3变换的终极适配方案 实现思路 本方案的核心是动…...
云计算中的API网关是什么?为什么它很重要?
在云计算架构中,API网关(API Gateway)是一个重要的组件,主要用于管理、保护和优化不同服务之间的接口(API)通信。简单来说,API网关就像是一个中介,它充当客户端和后端服务之间的“桥…...
前端ES面试题及参考答案
目录 let/const 与 var 的区别?TDZ 是什么? 箭头函数与普通函数的区别?箭头函数能否作为构造函数? 模板字符串的嵌套表达式和标签模板用法? 解构赋值的应用场景及对象 / 数组解构差异? 函数参数默认值的生效条件及暂时性死区问题? 展开运算符(...)在数组 / 对象中…...
【架构思维基础:如何科学定义问题】
架构思维基础:如何科学定义问题 一、问题本质认知 1.1 问题矛盾 根据毛泽东《矛盾论》,问题本质是系统内部要素间既对立又统一的关系。例如: 电商系统矛盾演变: 90年代:商品供给不足 vs 消费需求增长00年代&#x…...
【网络安全】常见的web攻击
1、SQL注入攻击 定义: 攻击者在HTTP请求中注入恶意的SQL代码,当服务器利用参数构建SQL语句的时候,恶意的SQL代码被一起构建,并在数据库中执行。 示例: 用户登录: 输入用户名xx, 密码 or 1 …...
ECOLOGY流程表单字段由单行文本改成多行文本
用户需要把单行文本改成多行文本 1、数据库端处理 select lwnr from FORMTABLE_MAIN_237 where lwnr is not null FORMTABLE_MAIN_237 有记录。DESCRIBE OA.FORMTABLE_MAIN_237 LWNR VARCHAR2(999) 由999改成4000 ALTER TABLE OA.FORMTA…...
AI发展迅速,是否还有学习前端的必要性?
今天有个小伙伴跟我讨论:“现在 AI 发展迅速,是否还有学习 JS 或者 TS 及前端知识的必要?” 我非常肯定地说: 是的,学习 JavaScript/TypeScript 以及前端知识仍然非常必要,而且在可预见的未来,…...
视频的分片上传
分片上传需求分析: 项目中很多地方需要上传视频,如果视频很大,上传到服务器需要很多时间 ,这个时候体验就会很差。所以需要前端实现分片上传的功能。 要实现分片上传,需要对视频进行分割,分割成不同的大小…...
pyside6学习专栏(二):程序图像资源的加载方式
pyside6中的QLabel控件可以加载图像和gif动画,可以直接从外部文件加载,也可以从QRC类型的文件(实际是一脚本文件)经编绎生成对应的资源.PY模块文件(就是将qrc文本中指定的资源文件的16制内容写入.py文件)来使用,本文对两种方式作了一简单的示…...
QQ登录测试用例报告
QQ登录测试用例思维导图 一、安全性测试用例 1. 加密传输与存储验证 测试场景:输入账号密码并提交登录请求。预期结果:账号密码通过加密传输(如HTTPS)与存储(如哈希加盐),无明文暴露。 2. 二…...
56. 合并区间 (LeetCode 热题 100)
题目来源: 56. 合并区间 - 力扣(LeetCode) 题目内容: 以数组 intervals 表示若干个区间的集合,其中单个区间为 intervals[i] [starti, endi] 。请你合并所有重叠的区间,并返回 一个不重叠的区间数组&am…...
冒泡排序(详解)c++
冒泡排序(Bubble Sort)也是⼀种简单的排序算法。它的⼯作原理是每次检查相邻两个元素,如果前⾯ 的元素与后⾯的元素满⾜给定的排序条件,就将相邻两个元素交换。当没有相邻的元素需要交换时, 排序就完成了。 由于在算法的执⾏过程中࿰…...
CSS背景属性
<!DOCTYPE html> <html lang"zh-cn"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>CSS背景属性</title><style>.c1{/* …...
10种方法教你又小又清晰地压缩视频
视频压缩是有可能会损失画质的,但也可以通过一些方法尽量减少画质损失。在有效压缩视频大小的同时,尽量控制视频压缩画质在人眼无法察觉的范围内。下面就从10个角度向大家介绍10个不同的视频压缩方法,并推荐相关的视频压缩软件,整…...
当使用vcpkg安装的qt5时,在VS调用出现libcrypto-*-x64.dll不是有效路径时
英文解决站点 applocal.ps1 fails in Visual Studio 2019 because of wildcard path in VcpkgAppLocalDLLs Issue #28614 microsoft/vcpkg 虽然这个bug不影响生成exe文件,第一次会弹出该错误,再次运行就正常,vcpkg会把对应的libcrypto-*-x64.dll版本复制到exe路径下..但是对…...
AI大模型学习(四): LangChain(三)
Langchain构建代理 语言模型本身无法执行动作,他们只能输出文本,代理是使用大型语言模型(LLM)作为推理引擎来确定要执行的操作以及这些操作的输入应该是什么,然后这些操作的结果可以反馈到代理中,代理将决定是否需要更多的操作,或者是否可以结束 例如:我们想要查询现在北京的…...
JavaScript函数-arguments的使用
在JavaScript编程语言中,函数是构建复杂逻辑和实现代码复用的关键组件。虽然现代JavaScript(尤其是ES6及之后版本)提供了更多灵活的方式来处理函数参数(如剩余参数、默认参数等),但arguments对象仍然是一个…...
C# 从基础神经元到实现在0~9数字识别
训练图片:mnist160 测试结果:1000次训练学习率为0.1时,准确率在60%以上 学习的图片越多,训练的时候越长(比如把 epochs*10 10000或更高时)效果越好 using System; using System.Collections.Generic; using System.Drawing; using System.IO; using System.Windo…...
【每日八股】计算机网络篇(一):概述
OSI 的 7 层网络模型? OSI(Open Systems Interconnection,开放互联系统)是由国际标准化组织(ISO)提出的一种网络通信模型。 自上而下,OSI 可以被分为七层,分别是:应用层…...