当前位置： 首页 > news >正文

《深度学习》—— 模型部署

news 来源：原创 2025/8/11 15:40:27

文章目录

    • 模型部署
    • 模型准备
    • 选择部署平台
    • 部署配置与服务化
    • 测试与验证
    • 优化与维护
    • 常用工具与框架
    • Flask本地部署模型

模型部署

模型部署是将训练好的机器学习或深度学习模型投入实际生产环境，使其能够处理实时数据并提供预测或推理服务的过程。

模型准备

  • 模型格式转换：将训练好的模型（如 TensorFlow、PyTorch、Keras 等框架的格式）转换为适合部署的格式，例如：
    • TensorFlow：.pb（冻结图）或 SavedModel 格式。
    • PyTorch：.pt或 TorchScript 格式。
    • 通用格式：ONNX（开放神经网络交换格式），便于跨框架部署。
  • 模型优化：
    • 压缩（如剪枝、量化）以减少模型大小和计算开销。
    • 加速（如使用 TensorRT、OpenVINO 等工具优化推理速度）。

选择部署平台

  • 根据应用场景和需求，选择合适的部署方式：
  • 云服务部署：
    • 使用云平台（如 AWS SageMaker、Google AI Platform、阿里云机器学习 PAI）提供的托管服务，快速部署 API。
    • 优点：无需管理底层基础设施，高可用性和可扩展性。
  • 本地服务器 / 私有云：
    • 将模型部署到公司内部服务器或私有云环境，适合对数据隐私要求高的场景。
    • 工具：TensorFlow Serving、PyTorch Serve、Flask/FastAPI 搭建自定义 API。
  • 边缘设备部署：
    • 在嵌入式设备（如手机、IoT 设备）或边缘服务器上部署轻量级模型。
    • 工具：TensorFlow Lite、ONNX Runtime、NCNN 等。

部署配置与服务化

  • 构建 API 服务：
    • 将模型封装为 RESTful 或 gRPC API，接收输入数据并返回预测结果。
    • 框架：Flask、FastAPI（Python），Spring Boot（Java）等。
  • 容器化：
    • 使用 Docker 将模型和依赖打包成容器，确保环境一致性。
    • 通过 Kubernetes 进行容器编排，实现负载均衡和自动扩展。
  • 服务监控：
    • 监控 API 的性能（如延迟、吞吐量）、错误率和资源使用情况。
    • 工具：Prometheus、Grafana、ELK Stack 等。

测试与验证

  • 功能测试：验证模型在不同输入下的输出是否符合预期。
  • 性能测试：评估模型在高并发请求下的推理速度和稳定性。
  • 压力测试：模拟极端负载，确保系统具备足够的容错能力。

优化与维护

  • 性能调优：
    • 通过硬件加速（GPU/TPU）、模型优化或算法优化提升推理速度。
    • 缓存高频请求结果，减少重复计算。
  • 模型更新：
    • 定期更新模型以适应数据分布变化（如模型漂移）。
    • 采用蓝绿部署或金丝雀发布等策略，确保服务无缝升级。
  • 安全与合规：
    • 对 API 进行身份验证和授权，防止未授权访问。
    • 加密传输数据（如 HTTPS），保护用户隐私。

常用工具与框架

  • 模型服务：TensorFlow Serving、PyTorch Serve、Seldon Core。
  • 轻量级推理：TensorFlow Lite、ONNX Runtime、MNN。
  • 容器与编排：Docker、Kubernetes。
  • 监控与日志：Prometheus、Grafana、ELK。

Flask本地部署模型

配置本地模型：

import io
import flask
import torch
import torch.nn.functional as F
from PIL import Image
from torch import nn
from torchvision import transforms, models, datasets# 创建一个Flask应用实例
app = flask.Flask(__name__)# 初始化模型变量，用于后续存储加载的模型
model = None
# 动态检查GPU是否可用，若可用则使用GPU进行计算
use_gpu = torch.cuda.is_available()def load_model():"""加载预训练的ResNet18模型并进行初始化"""global model# 初始化ResNet18模型，不使用预训练权重model = models.resnet18(pretrained=False)# 获取全连接层的输入特征数量num_ftrs = model.fc.in_features# 修改全连接层，使其输出102个类别model.fc = nn.Sequential(nn.Linear(num_ftrs, 102))try:# 加载模型的检查点文件，根据GPU可用性选择加载设备checkpoint = torch.load(r'D:\where-python\python-venv\深度学习\模型部署\best.pth',map_location=torch.device('cuda' if use_gpu else 'cpu'))# 加载模型的状态字典model.load_state_dict(checkpoint['state_dict'])# 将模型设置为评估模式，关闭一些在训练时使用的特殊层（如Dropout）model.eval()# 如果GPU可用，将模型移动到GPU上if use_gpu:model = model.cuda()except Exception as e:# 若加载模型时出现异常，打印错误信息并抛出异常print(f"模型加载失败: {str(e)}")raisedef prepare_image(image, target_size):"""对输入的图像进行预处理，使其符合模型的输入要求:param image: 输入的图像:param target_size: 目标图像尺寸:return: 预处理后的图像张量"""try:# 如果图像不是RGB模式，将其转换为RGB模式if image.mode != 'RGB':image = image.convert('RGB')# 定义图像预处理的转换操作transform = transforms.Compose([# 调整图像大小到目标尺寸transforms.Resize(target_size),# 将图像转换为张量transforms.ToTensor(),# 对图像进行归一化处理transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])# 应用预处理操作image = transform(image).unsqueeze(0)# 如果GPU可用，将图像张量移动到GPU上if use_gpu:image = image.cuda()return imageexcept Exception as e:# 若图像预处理过程中出现异常，打印错误信息并抛出异常print(f"图像预处理失败: {str(e)}")raise@app.route('/predict', methods=['POST'])
def predict():"""处理预测请求，接收图像并返回预测结果:return: 包含预测结果的JSON响应"""# 初始化响应数据，默认预测失败data = {'success': False, 'message': ''}try:# 检查请求方法是否为POSTif flask.request.method != 'POST':data['message'] = '仅支持POST请求'return flask.jsonify(data)# 检查请求中是否包含图像文件if 'image' not in flask.request.files:data['message'] = '未提供图像文件'return flask.jsonify(data)# 获取上传的图像文件file = flask.request.files['image']# 检查文件名是否为空if file.filename == '':data['message'] = '空文件名'return flask.jsonify(data)# 检查文件类型是否允许if not allowed_file(file.filename):data['message'] = '不支持的文件类型'return flask.jsonify(data)# 读取图像文件内容image_data = file.read()# 打开图像文件image = Image.open(io.BytesIO(image_data))# 对图像进行预处理image = prepare_image(image, target_size=(224, 224))# 在推理过程中关闭梯度计算，减少内存消耗with torch.no_grad():# 对图像进行预测并应用softmax函数得到概率分布preds = F.softmax(model(image), dim=1)# 获取概率最高的前3个结果results = torch.topk(preds.cpu(), k=3, dim=1)# 获取概率和标签probabilities, labels = results.values.numpy()[0], results.indices.numpy()[0]# 构建预测结果列表data['predictions'] = [{'label': str(label), 'probability': float(prob)}for prob, label in zip(probabilities, labels)]# 标记预测成功data['success'] = Truereturn flask.jsonify(data)except Exception as e:# 若处理请求过程中出现异常，记录错误信息并返回错误响应data['message'] = f'处理请求时出错: {str(e)}'return flask.jsonify(data), 500def allowed_file(filename):"""检查文件类型是否允许:param filename: 文件名:return: 是否允许的布尔值"""# 定义允许的文件扩展名allowed_extensions = {'png', 'jpg', 'jpeg', 'gif'}# 检查文件名是否包含扩展名且扩展名是否在允许列表中return '.' in filename and \filename.rsplit('.', 1)[1].lower() in allowed_extensionsif __name__ == '__main__':# 打印启动信息print("正在加载PyTorch模型并启动Flask服务器...")try:# 加载模型load_model()# 启动Flask服务器，监听指定端口，使用多线程处理请求app.run(port=5012, threaded=True)except Exception as e:# 若服务器启动过程中出现异常，打印错误信息print(f"服务器启动失败: {str(e)}")

测试本地模型：

import requests# 定义Flask服务器的预测接口URL
flask_url = 'http://127.0.0.1:5012/predict'def predict_result(image_path):"""该函数用于向Flask服务器发送图像并获取预测结果:param image_path: 待预测图像的文件路径"""# 以二进制模式打开图像文件并读取其内容image = open(image_path, 'rb').read()# 构建请求的负载，将图像数据作为名为 'image' 的文件上传payload = {'image': image}# 向Flask服务器的预测接口发送POST请求，并将响应解析为JSON格式r = requests.post(flask_url, files=payload).json()# 检查请求是否成功if r['success']:# 遍历预测结果列表for (i, result) in enumerate(r['predictions']):# 打印每个预测结果的排名、预测类别和对应的概率print('{}.预测类别为{}:的概率:{}'.format(i + 1, result['label'], result['probability']))else:# 若请求失败，打印失败信息print('Request failed')if __name__ == '__main__':# 调用预测函数，传入待预测图像的文件路径predict_result('./flower_data/val_filelist/image_00059.jpg')

结果：
在这里插入图片描述

相关文章：

《深度学习》—— 模型部署

文章目录 模型部署模型准备选择部署平台部署配置与服务化测试与验证优化与维护常用工具与框架Flask本地部署模型 模型部署 模型部署是将训练好的机器学习或深度学习模型投入实际生产环境，使其能够处理实时数据并提供预测或推理服务的过程。 模型准备 模型格式转换…...

编程日记 2025/8/11 15:40:27

E902基于bash与VCS的仿真环境建立

网上看见很多E902仿真的文章，但用到的编译器是类似于这种Xuantie-900-gcc-elf-newlib-x86_64-V3.0.1-20241120，而我按照相应的步骤与对应的编译器，仿真总会报错。后面将编译器换成riscv64-elf-x86_64-20210512，反而成功了。现在开…...

编程日记 2025/8/11 15:31:39

挖矿------获取以太坊测试币

文章目录 挖矿------获取以太坊测试币通过水龙头获取以太坊测试币了解Sepolia是什么？水龙头（Faucet）是什么？Gitcoin Passport是什么？ 操作1.MetaMask钱包2.将MetaMask切换到Sepolia测试网络3.用MetaMask连接Gitcoin Pa…...

编程日记 2025/8/7 23:19:36

MySQL事务详解：从理论到实践，保障数据一致性

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言一、为什么需要事务？二、事务的四大特性（ACID）三、MySQL事务的使用方法1. 基本语法2. 自动提交的设置3. 保存点（…...

编程日记 2025/8/11 15:32:49

在家用台式机上部署 DeepSeek-R1：低成本高性能的 CPU 推理方案---不到 4 万元

近年来，随着大模型技术的飞速发展，开源模型如 DeepSeek-R1 的出现为技术爱好者提供了更多探索人工智能的机会。然而，这类模型动辄数百亿参数，传统意义上需要昂贵的 GPU 集群才能运行，让许多个人开发者望而却步。最近，腾讯玄武实验室基于 CPU 的硬件方案优化，成功将 Deep…...

编程日记 2025/8/8 4:41:22

神经网络量化3-全连接层实现量化

本节，我们模拟下全连接层实现量化，原理上为了方便计算，全连接矩阵采用动态量化的方法，而输入由于不断在变化，我们采用静态量化的方法，直接给出代码： import torch import numpy as np import m…...

编程日记 2025/8/11 15:32:48

12 File文件对象：创建、获取基本信息、遍历文件夹、查找文件；字符集的编解码 （黑马Java视频笔记）

文章目录 File >> 存储数据的方案1. 认识File2. File操作2.1 创建File对象2.2 File操作1）对文件对象的信息的操作2）文件/文件夹的创建/删除3）⭐⭐对文件夹的遍历 3. 方法递归3.1 认识递归3.2 递归算法及其执行流程1) 案例：2…...

编程日记 2025/8/11 15:32:47

【软件工程】03_软件需求分析

3.1 系统分析 1. 系统分析概述 系统分析是一组统称为计算机系统工程的活动。它着眼于所有的系统元素，而非仅仅局限于软件。系统分析主要探索软件项目的目标、市场预期、主要的技术指标等，其目的在于帮助决策者做出是否进行软件项目立项的决定。 2. 可行性分析（Feasibility …...

编程日记 2025/8/11 15:38:56

词向量+位置编码=语义+语序？Transformer如何让相加操作不丢失原意？

在Transformer模型中，词向量（Token Embedding）和位置编码（Position Encoding）通过相加的方式结合，而模型能够同时保留词本身的语义信息和位置信息，这主要得益于以下机制： 为什么相加…...

编程日记 2025/8/11 15:36:22

Spring(7)——MyBatis入门(1)

一、MyBatis入门 1.1 什么是MyBatis MyBatis是一款优秀的持久层框架，用于简化JDBC的开发。 1.2 如何操作MyBatis 在application.properties进行配置 #驱动类名称 spring.datasource.driver-class-namecom.mysql.cj.jdbc.Driver #数据库连接的url spring.datasou…...

编程日记 2025/8/11 15:33:47

C语言文件操作入门

本节重点 理解文件的形式与基本概念二进制文件与文本文件文件的打开与关闭文件读写函数、文件缓冲区 正文开始--------------------------------------------------------------------------------------------------------------------- 一、为什么使用文件 程序运行时数据存…...

编程日记 2025/8/11 15:33:49

Java返回多个参数的方法

背景 在写代码的过程中，因有一些复杂的业务逻辑，需要返回多个结果。比如：需要增加一个true或者false，另外在加一个真正的结果值这样的类型。可能会有人用到数组以及Map等作为结果返回，当然这样确实是可以完成这样的功…...

编程日记 2025/8/11 15:32:49

微软开源神器OmniParser V2.0 介绍

微软开源的OmniParser V2.0是一款基于纯视觉技术的GUI智能体解析工具，旨在将用户界面（UI）截图转换为结构化数据，从而实现对计算机屏幕上的可交互元素的高效识别和操控。这一工具通过结合先进的视觉解析技术和大型语言模型&#xf…...

编程日记 2025/8/11 5:46:20

Java基础关键_023_IO流（一）

目 录 一、概述 二、分类 1.根据数据流向 2.根据读写数据形式 3.根据流在 IO 操作中的作用和实现方式 三、FileInputStream 1.说明 2.常用方法 （1）read() （2）read(byte[] b) （3）read(byte[] b, …...

编程日记 2025/8/11 9:28:18

Lora 中 怎么 实现 矩阵压缩

Lora 中 怎么 实现 矩阵压缩 1. 导入必要的库 import torch import re from datasets import Dataset from transformers import AutoTokenizer, AutoModelForCausalLM, TrainingArguments, Trainer, \get_cosine_schedule_with_warmup, EarlyStoppingCallback from peft...

编程日记 2025/8/10 19:35:28

lombok不起作用

xml <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <version>1.18.32</version> <scope>provided</scope> </dependency> - **作用**&#xff1a;引入 L…...

编程日记 2025/8/11 15:33:47

【实战ES】实战 Elasticsearch：快速上手与深度实践-附录-1-常用命令速查表-集群健康检查、索引生命周期管理、故障诊断命令

&#x1f449; 点击关注不迷路 &#x1f449; 点击关注不迷路 &#x1f449; 点击关注不迷路 附录-常用命令速查表 1-Elasticsearch 运维命令速查表&#xff08;集群健康检查、ILM管理、故障诊断&#xff09;一、集群健康检查与监控1.1 集群健康状态核心命令1.2 节点级健康诊断…...

编程日记 2025/8/11 15:36:21

探讨Deveco Studio常见问题及解决方案，分享快速排障方法

以下是针对 DevEco Studio 开发工具的常见问题、解决方案及快速排障方法&#xff0c;覆盖环境配置、编译运行、调试等多个环节&#xff0c;助您高效解决开发中的“拦路虎”。 一、环境配置问题 1. 安装失败或卡顿 现象&#xff1a; 安装时进度条卡住&#xff0c;或提示“Faile…...

编程日记 2025/8/6 15:09:49

Spring设计模式 八股速记 高层模块底层模块 依赖倒置原则 开闭原则 接口隔离原则

目录 高层模块底层模块 一、定义与核心思想 二、实现方式 三、优点与价值 四、典型应用场景 五、与其他原则的关系 示例说明 依赖倒置原则 一、定义与核心思想 二、实现方式 三、优点与价值 四、典型应用场景 五、与其他原则的关系 示例说明 自己理解 开闭原则 …...

编程日记 2025/8/11 15:38:55

RISCV虚拟化环境搭建

概要 本文记搭建 RISCV 虚拟化环境的流程。 整体架构 我们使用 QEMU 来模拟 RISCV 的各种硬件扩展环境&#xff0c;通过 QEMU 启动 Ubuntu 作为我们的 Host 来在 Host 之中通过 KVMTOOL 来运行 Guest&#xff0c;学习 RISCV 的虚拟化。 目前我的 X86_64 主机使用的是 Ubunt…...

编程日记 2025/8/11 12:55:58

数据结构——串、数组和广义表

串、数组和广义表 1. 串 1.1 串的定义 串(string)是由零个或多个字符组成的有限序列。一般记为 S a 1 a 2 . . . a n ( n ≥ 0 ) Sa_1a_2...a_n(n\geq0) Sa1​a2​...an​(n≥0) 其中&#xff0c;S是串名&#xff0c;单引号括起来的字符序列是串的值&#xff0c; a i a_i a…...

编程日记 2025/8/9 1:23:29

vue3 elementUi table自由渲染组件

文章目录 前言CustomTable如何使用tableColumn 属性h函数创建原生元素创建组件动态生成 前言 elementui中的table组件&#xff0c;表格中想要自由地渲染内容&#xff0c;是一种比较麻烦的事情&#xff0c;比如你表格中想要某一列插入一个button按钮&#xff0c;是不是要用插槽…...

编程日记 2025/8/11 15:38:55

Centos离线安装gcc

文章目录 Centos离线安装gcc1. gcc是什么&#xff1f;2. gcc下载地址3. gcc的安装4. 安装结果验证 Centos离线安装gcc 1. gcc是什么&#xff1f; GCC&#xff08;GNU Compiler Collection&#xff09;是 GNU 项目下的开源编译器套件&#xff0c;主要用于将 C、C 等编程语言的源…...

编程日记 2025/8/11 15:31:32

odbus TCP转Modbus RTU网关快速配置案例

Modbus TCP 转Modbus RTU网关快速配置案例 在工业自动化领域&#xff0c;Modbus 协议以其简洁和高效而著称&#xff0c;成为众多设备通信的首选。 随着技术的发展和应用场景的变化&#xff0c;Modbus 协议也发展出了不同的版本&#xff0c;其中 Modbus TCP 和 Modbus RTU 是两种…...

编程日记 2025/8/11 15:33:48

Unity3D开发AI桌面精灵/宠物系列 【一】 窗口透明化 背景剔除 、去边框、去Logo动画UI正常显示

Unity3D 交互式AI桌面宠物开发系列【一】 文章主要介绍怎么制作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;我会仔细梳理一下流程&#xff0c;分步讲解。 这篇文章主要讲初期一些设置和部署。…...

编程日记 2025/8/11 10:48:40

Vue 自定义指令深度解析与应用实践

文章目录 1. 自定义指令概述1.1 核心概念1.2 指令生命周期 2. 自定义指令基础2.1 指令注册2.2 指令使用 3. 指令钩子函数详解3.1 钩子函数参数3.2 钩子函数示例 4. 自定义指令应用场景4.1 表单自动聚焦4.2 权限控制4.3 图片懒加载 5. 高级应用技巧5.1 动态指令参数5.2 指令修饰…...

编程日记 2025/8/10 8:48:11

基于SpringBoot+Vue的幼儿园管理系统+LW示例参考

1.项目介绍 系统角色&#xff1a;管理员、教师、普通用户功能模块&#xff1a;用户管理、教师管理、班级管理、幼儿信息管理、会议记录管理、待办事项、职工考核、请假信息、缴费信息、体检管理、资源管理、原料管理、菜品信息管理等技术选型&#xff1a;SpringBoot&#xff0…...

编程日记 2025/8/11 15:38:55

超级课程表项目结尾

L3-17-05-main.py def __init__(self):app QApplication([])self.window QMainWindow()self.window.setWindowTitle("超级课程表")cusWidget CourseWidget()self.window.setCentralWidget(cusWidget)self.showCourse()self.showNotes()# 1. 创建菜单栏self.menuba…...

编程日记 2025/8/11 15:32:46

Spring Retry

1. Spring Retry 的工作原理 内部机制 Spring Retry 主要通过 AOP&#xff08;面向切面编程&#xff09;实现重试逻辑。以下是 Spring Retry 的内部工作流程&#xff1a; AOP 拦截器&#xff1a;当一个方法被标记为需要重试&#xff0c;并且该方法抛出了指定类型的异常时&am…...

编程日记 2025/8/11 4:43:26

16.使用读写包操作Excel文件：XlsxWriter 包

一 XlsxWriter 的介绍 XlsxWriter 只能写入 Excel 文件。 OpenPyXL 和 XlsxWriter 的区别在笔记 15 。 二 如何使用 XlsxWriter 1.导包 import datetime as dtimport xlsxwriterimport excel 2.实例化工作簿 book xlsxwriter.Workbook("xlxswriter.xlsx") book.clo…...

编程日记 2025/8/11 15:33:50

【最新版】智慧小区物业管理小程序源码+uniapp全开源

一.系统介绍 智慧小区物业管理小程序，包含小区物业缴费、房产管理、在线报修、业主活动报名、在线商城等功能。为物业量身打造的智慧小区运营管理系统，贴合物业工作场景，轻松提高物业费用收缴率，更有功能模块个性化组合，助力物业节约成本高效运营。 二.搭建环境 系统环…...

编程日记 2025/8/11 15:32:44

音视频入门基础：RTP专题（18）——FFmpeg源码中，获取RTP的音频信息的实现（上）

由于本文篇幅较长&#xff0c;分为上、下两篇。 一、引言 通过FFmpeg命令可以获取到SDP描述的RTP流的的音频压缩编码格式、音频压缩编码格式的profile、音频采样率、通道数信息&#xff1a; ffmpeg -protocol_whitelist "file,rtp,udp" -i XXX.sdp 而由《音视频入门…...

编程日记 2025/8/11 5:47:22

基于SpringBoot+Vue的驾校预约管理系统+LW示例参考

1.项目介绍 系统角色&#xff1a;管理员、普通用户、教练功能模块&#xff1a;用户管理、管理员管理、教练管理、教练预约管理、车辆管理、车辆预约管理、论坛管理、基础数据管理等技术选型&#xff1a;SpringBoot&#xff0c;Vue等测试环境&#xff1a;idea2024&#xff0c;j…...

编程日记 2025/8/11 15:33:49

基于k3s部署Nginx、MySQL、PHP和Redis的详细教程

先决条件 一台Linux服务器&#xff08;或本地虚拟机&#xff09;&#xff0c;建议Ubuntu/CentOS基础命令行操作能力确保服务器有至少2GB内存和10GB磁盘空间 1. 安装k3s&#xff08;极简Kubernetes&#xff09; 1.1 一键安装 # 用root用户或sudo权限执行以下命令 curl -sfL h…...

编程日记 2025/8/11 15:36:23

21.多态

一、多态概念 多种形态。 静态多态&#xff1a;编译时多态。&#xff08;函数重载&#xff09; 动态多态&#xff1a;运行时多态。&#xff08;继承关系下&#xff0c;调用父类指针或引用&#xff0c;对于不同的对象有不同的行为&#xff09; 二、多态的定义及实现 1&#xff…...

编程日记 2025/8/11 15:40:25

无再暴露源站！群联AI云防护IP隐匿方案+防绕过实战

一、IP隐藏的核心原理 群联AI云防护通过三层架构实现源站IP深度隐藏&#xff1a; 流量入口层&#xff1a;用户访问域名解析至高防CNAME节点&#xff08;如ai-protect.example.com&#xff09;智能调度层&#xff1a;基于AI模型动态分配清洗节点&#xff0c;实时更新节点IP池回…...

编程日记 2025/8/11 15:32:48

新版AndroidStudio / IDEA上传项目到Gitee

目录 1.Gitee创建仓库 2.填写仓库的信息 3.创建成功后复制仓库的地址 4.检查AndroidStudio是否配置Git 5.点击测试 6.之后Create Git Repository 7.添加到本地仓库 8.提交项目 9.添加上传仓库的地址 10.上传成功 11.去Gitee上刷新检查 1.Gitee创建仓库 2.填写仓库的…...

编程日记 2025/8/11 6:32:52

学习threejs，使用MeshFaceMaterial面材质容器

&#x1f468;‍⚕️ 主页&#xff1a; gis分享者 &#x1f468;‍⚕️ 感谢各位大佬 点赞&#x1f44d; 收藏⭐ 留言&#x1f4dd; 加关注✅! &#x1f468;‍⚕️ 收录于专栏&#xff1a;threejs gis工程师 文章目录 一、&#x1f340;前言1.1 ☘️THREE.MeshFaceMaterial 二…...

编程日记 2025/8/10 17:06:25

python微分方程求解，分别用显式欧拉方法、梯形法、改进欧拉方法、二阶龙格库塔方法、四阶龙格库塔方法求解微分方程

微分方程在自然科学、工程技术、社会科学等多个领域都有着广泛而重要的应用。而求解微分方程是数学与应用数据领域一大难题&#xff0c;对于一些复杂的微分方程无法通过计算推导计算其精确的方程表达式与 结果&#xff0c;因此&#xff0c;我们通过数学理论。迭代&#xff0c;微…...

编程日记 2025/8/1 5:01:04

【ubuntu】——wsl中使用windows中的adb

一、引言 在 Windows Subsystem for Linux&#xff08;WSL&#xff09;环境下工作时&#xff0c;有时需要使用 Android Debug Bridge&#xff08;ADB&#xff09;工具与 Android 设备进行交互。通过特定设置&#xff0c;能够在 WSL 中便捷地调用 Windows 系统中已安装的 ADB&a…...

编程日记 2025/8/8 4:39:21

Git 常用命令完全指南：从入门到高效协作

文章需要结构清晰&#xff0c;涵盖从入门到进阶的常用命令&#xff0c;结合实例和注意事项&#xff0c;帮助用户快速掌握Git的核心功能&#xff0c;并应用到实际项目中 一、仓库初始化与基础操作 1. 创建与克隆仓库 # 初始化本地仓库 git init# 克隆远程仓库&#xff08;SSH方…...

编程日记 2025/8/10 15:35:02

学习单片机需要多长时间才能进行简单的项目开发？

之前有老铁问我&#xff0c;学单片机到底要多久&#xff0c;才能进行简单的项目开发&#xff1f;是三个月速成&#xff0c;还是三年磨一剑&#xff1f; 今天咱们就来聊聊这个话题&#xff0c;我不是什么高高在上的专家&#xff0c;就是个踩过无数坑、烧过几块板子的“技术老友”…...

编程日记 2025/8/7 15:47:11

面试系列｜蚂蚁金服技术面【3】

今天继续分享一下蚂蚁金服的 Java 后端开发岗位真实社招面经&#xff0c;复盘面试过程中踩过的坑&#xff0c;整理面试过程中提到的知识点&#xff0c;希望能给正在准备面试的你一些参考和启发&#xff0c;希望对你有帮助&#xff0c;愿你能够获得心仪的 offer ! 第二轮面试之…...

编程日记 2025/8/10 11:26:43

Spring Boot项目中成功集成了JWT

JWT 原理解释 什么是 JWT&#xff1f; JSON Web Token&#xff08;JWT&#xff09;是一种开放标准&#xff08;RFC 7519&#xff09;&#xff0c;用于在网络应用环境间安全地将信息作为JSON对象传输。JWT通常用于身份验证和信息交换。 JWT 的结构 JWT由三部分组成&#xff…...

编程日记 2025/8/7 14:29:36

《Java SQL 操作指南：深入理解 Statement 用法与优化》

在 Java 数据库编程中&#xff0c;Statement 是用于执行 SQL 语句的接口&#xff0c;允许程序与数据库进行交互。本文将详细介绍 Statement 的基本概念、常见用法以及 PreparedStatement 和 CallableStatement 等相关接口。 1. Statement 基本介绍 Statement 接口继承了 AutoC…...

编程日记 2025/8/9 1:33:01

element ui设置结束时间为23:59:59

开始时间为00:00:00结束时间为23:59:59 在请求接口前&#xff0c;用substring取结束时间的年月日&#xff0c;并替换时间值即可 <el-formref"searchForm":model"searchForm":inline"true"size"mini"keyup.enter.native"getDa…...

编程日记 2025/8/8 10:23:47

Matlab 舰载机自动着舰控制系统研究

1、内容简介 Matlab 188-舰载机自动着舰控制系统研究 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...

编程日记 2025/7/18 21:30:35

数据集格式转换——json2txt、xml2txt、txt2json【复制就能用】

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转 💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡 专栏地址：YOLO11入门 + 改进涨点——点击即可跳转 欢迎订阅 目录 json2txt脚本 xml2txt txt2json...

编程日记 2025/8/3 5:31:17

MySQL 横向衍生表（Lateral Derived Tables）

前面我们介绍过MySQL中的衍生表&#xff08;From子句中的子查询&#xff09;和它的局限性&#xff0c;MySQL8.0.14引入了横向衍生表&#xff0c;可以在子查询中引用前面出现的表&#xff0c;即根据外部查询的每一行动态生成数据&#xff0c;这个特性在衍生表非常大而最终结果集…...

编程日记 2025/8/8 9:35:18

基于llama.cpp的QwQ32B模型推理

基于llama.cpp的QwQ32B模型推理 llama.cpp项目主页&#xff1a; https://github.com/ggml-org/llama.cpp# llama.cpp源码下载 cd /root/lanyun-tmpgit clone https://github.com/ggml-org/llama.cpp#llama.cpp编译 llama.cpp是个C语言项目&#xff0c;实际调用过程需要先构建项…...

编程日记 2025/8/7 15:52:17