当前位置：首页 > news >正文

第J6周：ResNeXt-50实战解析

news 来源：原创 2025/8/7 1:43:09

文章目录

一、前期准备
- 1.设置GPU
- 2.导入数据
- 3.查看数据
二、数据预处理
- 1.加载数据
- 2.可视化数据
- 3.再次检查数据
- 4.配置数据集
四、模型复现
- 1. 分组卷积模块
- 2. 定义残差模块
- 3. 堆叠残差单元
- 4. 搭建ResNext-50网络
- 5. 查看模型摘要
五、训练模型
六、结果可视化
总结：

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊

一、前期准备

1.设置GPU

import tensorflow as tf gpus = tf.config.list_physical_devices("GPU")if gpus:tf.config.experimental.set_memory_growth(gpus[0], True) # 设置GPUtf.config.set_visible_devices([gpus[0]], "GPU")

2.导入数据

import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号import os,PIL,pathlib
import numpy as npfrom tensorflow import keras 
from tensorflow.keras import layers, models

data_dir = "4-data"data_dir = pathlib.Path(data_dir)

3.查看数据

image_count = len(list(data_dir.glob('*/*')))print("图片总数为：", image_count)

图片总数为： 2142

二、数据预处理

1.加载数据

batch_size = 8
img_height = 224
img_width = 224

train_ds = tf.keras.preprocessing.image_dataset_from_directory(data_dir,validation_split=0.2,subset="training",seed=123,image_size=(img_height, img_width),batch_size=batch_size)

Found 2142 files belonging to 2 classes.
Using 1714 files for training.

val_ds = tf.keras.preprocessing.image_dataset_from_directory(data_dir,validation_split=0.2,subset="validation",seed=123,image_size=(img_height, img_width),batch_size=batch_size)

Found 2142 files belonging to 2 classes.
Using 428 files for validation.

class_names = train_ds.class_names
print(class_names)

[‘Monkeypox’, ‘Others’]

2.可视化数据

plt.figure(figsize=(10, 5))  # 图形的宽为10高为5for images, labels in train_ds.take(1):for i in range(8):ax = plt.subplot(2, 4, i + 1)  plt.imshow(images[i].numpy().astype("uint8"))plt.title(class_names[labels[i]])plt.axis("off")

在这里插入图片描述

plt.imshow(images[1].numpy().astype("uint8"))

在这里插入图片描述

3.再次检查数据

for image_batch, labels_batch in train_ds:print(image_batch.shape)print(labels_batch.shape)break

(8, 224, 224, 3)
(8,)

4.配置数据集

AUTOTUNE = tf.data.AUTOTUNEtrain_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

四、模型复现

1. 分组卷积模块

import numpy as np
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dense, Dropout, Conv2D, MaxPool2D, Flatten, GlobalAvgPool2D, concatenate, \
BatchNormalization, Activation, Add, ZeroPadding2D, Lambda
from tensorflow.keras.layers import ReLU
from tensorflow.keras.optimizers import Adam
import matplotlib.pyplot as plt
from tensorflow.keras.callbacks import LearningRateScheduler
from tensorflow.keras.models import Model# 定义分组卷积
def grouped_convolution_block(init_x, strides, groups, g_channels):group_list = []# 分组进行卷积for c in range(groups):# 分组取出数据x = Lambda(lambda x: x[:, :, :, c * g_channels:(c + 1) * g_channels])(init_x)# 分组进行卷积x = Conv2D(filters=g_channels, kernel_size=(3, 3),strides=strides, padding='same', use_bias=False)(x)# 存入listgroup_list.append(x)# 合并list中的数据group_merage = concatenate(group_list, axis=3)x = BatchNormalization(epsilon=1.001e-5)(group_merage)x = ReLU()(x)return x

2. 定义残差模块

# 定义残差单元
def block(x, filters, strides=1, groups=32, conv_shortcut=True):if conv_shortcut:shortcut = Conv2D(filters * 2, kernel_size=(1, 1), strides=strides, padding='same', use_bias=False)(x)# epsilon为BN公式中防止分母为零的值shortcut = BatchNormalization(epsilon=1.001e-5)(shortcut)else:# identity_shortcutshortcut = x# 三层卷积层x = Conv2D(filters=filters, kernel_size=(1, 1), strides=1, padding='same', use_bias=False)(x)x = BatchNormalization(epsilon=1.001e-5)(x)x = ReLU()(x)# 计算每组的通道数g_channels = int(filters / groups)# 进行分组卷积x = grouped_convolution_block(x, strides, groups, g_channels)x = Conv2D(filters=filters * 2, kernel_size=(1, 1), strides=1, padding='same', use_bias=False)(x)x = BatchNormalization(epsilon=1.001e-5)(x)x = Add()([x, shortcut])x = ReLU()(x)return x

3. 堆叠残差单元

# 堆叠残差单元
def stack(x, filters, blocks, strides, groups=32):# 每个stack的第一个block的残差连接都需要使用1*1卷积升维x = block(x, filters, strides=strides, groups=groups)for i in range(blocks):x = block(x, filters, groups=groups, conv_shortcut=False)return x

4. 搭建ResNext-50网络

# 定义ResNext50(32*4d)网络
def ResNext50(input_shape, num_classes):inputs = Input(shape=input_shape)# 填充3圈0，[224,224,3]->[230,230,3]x = ZeroPadding2D((3, 3))(inputs)x = Conv2D(filters=64, kernel_size=(7, 7), strides=2, padding='valid')(x)x = BatchNormalization(epsilon=1.001e-5)(x)x = ReLU()(x)# 填充1圈0x = ZeroPadding2D((1, 1))(x)x = MaxPool2D(pool_size=(3, 3), strides=2, padding='valid')(x)# 堆叠残差结构x = stack(x, filters=128, blocks=2, strides=1)x = stack(x, filters=256, blocks=3, strides=2)x = stack(x, filters=512, blocks=5, strides=2)x = stack(x, filters=1024, blocks=2, strides=2)# 根据特征图大小进行全局平均池化x = GlobalAvgPool2D()(x)x = Dense(num_classes, activation='softmax')(x)# 定义模型model = Model(inputs=inputs, outputs=x)return model

5. 查看模型摘要

model=ResNext50(input_shape=(224,224,3),num_classes=1000)
model.summary()

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),metrics=['accuracy'])

五、训练模型

epochs = 10history = model.fit(train_ds,validation_data=val_ds,epochs=epochs
)

Epoch 1/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m317s[0m 1s/step - accuracy: 0.5184 - loss: 1.8948 - val_accuracy: 0.5607 - val_loss: 0.7644
Epoch 2/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m305s[0m 1s/step - accuracy: 0.5872 - loss: 0.7267 - val_accuracy: 0.5421 - val_loss: 0.7565
Epoch 3/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m311s[0m 1s/step - accuracy: 0.6215 - loss: 0.7574 - val_accuracy: 0.6075 - val_loss: 1.4394
Epoch 4/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m298s[0m 1s/step - accuracy: 0.6250 - loss: 0.6779 - val_accuracy: 0.4696 - val_loss: 0.7794
Epoch 5/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m302s[0m 1s/step - accuracy: 0.6256 - loss: 0.6725 - val_accuracy: 0.6542 - val_loss: 0.7425
Epoch 6/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m299s[0m 1s/step - accuracy: 0.6087 - loss: 0.6816 - val_accuracy: 0.5654 - val_loss: 1.2969
Epoch 7/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m293s[0m 1s/step - accuracy: 0.6296 - loss: 0.6604 - val_accuracy: 0.6495 - val_loss: 1.1095
Epoch 8/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m292s[0m 1s/step - accuracy: 0.6617 - loss: 0.6511 - val_accuracy: 0.7079 - val_loss: 0.5560
Epoch 9/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m293s[0m 1s/step - accuracy: 0.6826 - loss: 0.6010 - val_accuracy: 0.6893 - val_loss: 1.1837
Epoch 10/10
[1m215/215[0m [32m━━━━━━━━━━━━━━━━━━━━[0m[37m[0m [1m295s[0m 1s/step - accuracy: 0.7175 - loss: 0.5814 - val_accuracy: 0.5841 - val_loss: 0.7701

六、结果可视化

acc = history.history['accuracy']
val_acc = history.history['val_accuracy']loss = history.history['loss']
val_loss = history.history['val_loss']epochs_range = range(epochs)plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)plt.plot(epochs_range, acc, label='Training Accuracy')
plt.plot(epochs_range, val_acc, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss, label='Training Loss')
plt.plot(epochs_range, val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

在这里插入图片描述

总结：

本周主要学习了ResNeXt-50模型，同时了解到了分组卷积，通过模型复现更加深入地了解到了ResNeXt-50模型的结构。

第J6周：ResNeXt-50实战解析

文章目录一、前期准备1.设置GPU2.导入数据3.查看数据二、数据预处理1.加载数据2.可视化数据3.再次检查数据4.配置数据集四、模型复现1. 分组卷积模块2. 定义残差模块3. 堆叠残差单元4. 搭建ResNext-50网络5. 查看模型摘要五、训练模型六、结果可视化总结： &…...

编程日记 2025/8/7 1:43:09

调试 ResNet18 cpp实现中的段错误（SIGSEGV）问题

调试 ResNet18 cpp实现中的段错误（SIGSEGV）问题问题分析您的程序在运行时遇到了段错误（SIGSEGV），GDB显示错误发生在main()函数的第一行（resnet18_allo_test.cpp:33）。这种情况看起来很奇怪&…...

编程日记 2025/8/7 1:37:59

详细介绍IDI_APPLICATION和IDC_ARROW

书籍：《windows程序设计(第五版)》环境：visual studio 2022 内容：HELLOWIN程序说明：以下内容大部分来自腾讯元宝。 IDI_APPLICATION 与 IDC_ARROW 详解 1. IDC_ARROW（光标资源标识符） 定义与…...

编程日记 2025/8/7 1:37:58

curl库+openssl库windows编译

一、工具准备 Visual Studio 2008：确保安装了 C 开发工具。 Git：用于克隆 cURL 的源码。 Perl：可以从 ActiveState Perl 下载并安装。 NASM（可选）：如果需要汇编优化，可以从NASM 官方网站下载并…...

编程日记 2025/8/7 1:35:25

今日行情明日机会——20250321

后续投资机会分析结合2025年3月21日盘面数据（涨停56家，跌停31家），市场呈现结构性分化行情，海洋经济成为绝对主线，机器人概念局部活跃，人工智能表现较弱。以下是具体方向与策略建议&#xff1a…...

编程日记 2025/8/3 5:17:43

repo init 错误 Permission denied (publickey)

一、已经生成ssh-key并设置到gerrit上二、已经设置.gitconfig （此步骤是公司要求，设置gerrit地址为一个别名之类的，有的公司不需要） 然后出现下面的错误，最后发现忘记设置git的用户名和邮箱 1. git config --globa…...

编程日记 2025/8/6 16:21:44

STM32 模拟SPI 模式0

SPI 模式 0 的时钟极性（CPOL）为 0，时钟相位（CPHA）为 0。CPOL 0 意味着时钟信号空闲时为低电平，CPHA 0 表示在时钟信号的第一个跳变沿（上升沿）进行数据采样。 #include "stm3…...

编程日记 2025/8/7 1:37:59

MySQL实现全量同步和增量同步到SQL Server或其他关系型库

在将MySQL中的两张表同步到SQL Server的过程中，全量同步和增量同步各有其优缺点。全量同步简单直接但可能耗时较长且资源消耗大，而增量同步则更加高效但需要额外的逻辑来处理数据的变更。以下是对这两种同步方式的详细解释及代码示例的完善。完整代码示…...

编程日记 2025/8/7 1:37:45

详细解析GetOpenFileName()

书籍：《Visual C 2017从入门到精通》的2.3.8 Win32控件编程环境：visual studio 2022 内容：【例2.34】打开文件对话框和另存为。说明：以下内容大部分来自腾讯元宝。 GetOpenFileName() 是 Windows API 中用于显示标准文件打开…...

编程日记 2025/8/4 21:21:45

FPGA----完美解决Windows下[XSIM 43-3409][XSIM 43-3915]错误

大家好久不见，今天开始又要重操旧业了！最近会更新很多关于petalinux的踩坑日记，敬请期待！ 先更新一个常见问题，使用Vivado仿真时C编译器报错问题。如下所示 ERROR: [XSIM 43-3409] Failed to compile generated C fi…...

编程日记 2025/8/7 1:34:49

LeetCode Hot100 刷题路线（Python版）

目录 1. LeetCode Hot100 刷题笔记（1）—— 哈希、双指针、滑动窗口 2. LeetCode Hot100 刷题笔记（2）—— 子串、普通数组、矩阵 3. LeetCode Hot100 刷题笔记（3）—— 链表 4. LeetCode Hot100 刷题笔记&…...

编程日记 2025/8/7 1:41:27

宇树科技纯技能要求总结

一、嵌入式开发与硬件设计核心技能嵌入式开发： 精通C/C，熟悉STM32、ARM开发熟悉Linux BSP开发及驱动框架（SPI/UART/USB/FLASH/Camera/GPS/LCD）掌握主流平台（英伟达、全志、瑞芯微等） 硬件设计&#xff1a…...

编程日记 2025/8/3 18:26:53

Docker学习笔记（十）搭建Docker私有仓库

一、环境配置 1、宿主机系统：macOS Sequoia(版本15.2) 2、虚拟机VMware Fusion版本：专业版 13.6.2 (24409261) 3、虚拟机系统：AlmaLinux-9-latest-x86_64-boot.iso 二、安装Harbor开源企业级Docker镜像 Harbor 是一个开源的企业级 Docker…...

编程日记 2025/8/4 17:42:50

FastAPI WebSocket 无法获取真实 IP 错误记录

FastAPI WebSocket 无法获取真实 IP 错误记录问题描述在使用 FastAPI WebSocket 服务时，发现无法获取设备的真实 Remote IP，所有连接均显示为内网地址 10.x.x.1。以下是完整的排查过程及解决方案。排查步骤 1. 基础信息检查 • 现象复现&#xff1…...

编程日记 2025/8/4 4:55:56

DeepSeek 助力 Vue3 开发：打造丝滑的表格（Table）之添加导出数据功能示例4，TableView15_04导出当前页数据示例

前言：哈喽，大家好，今天给大家分享一篇文章！并提供具体代码帮助大家深入理解，彻底掌握！创作不易，如果能帮助到大家或者给大家一些灵感和启发，欢迎收藏+关注哦 💕 目录 DeepSeek 助力 Vue3 开发：打造丝滑的表格（Table）之添加导出数据功能示例4，TableView15_04导出当…...

编程日记 2025/8/3 1:18:23

【Linux】快速上手Makeflie CMake

🦄个人主页:修修修也 🎏所属专栏:Linux ⚙️操作环境:Xshell (操作系统:Ubuntu 22.04 server 64bit) 目录 📌快速上手Makefile 基本结构变量自动变量常用目标 📌快速上手CMake CMake与Makefile的关系 CMake的使用步骤常用命令…...

编程日记 2025/8/7 1:40:58

Python连接数据库进行增删改查

更多优质文章 _>_>_>_>_>✍✈✉戳我目录 1.导入相关库 2.创建连接 3.插入数据 4.删除数据 5.修改数据 6.查询数据 7.更多干货 1.导入相关库 import pymysql -----pip install pymysql #下载库 2.创建连接 conn pymysql.connect(hostlocalho…...

编程日记 2025/8/7 1:32:49

数据库的两种模式

数据库的严格模式（Strict Mode） 和宽松模式（Non-Strict Mode） 是数据库管理系统（DBMS）中用于控制数据验证和处理方式的两种不同模式。它们的主要区别在于对数据完整性、一致性和错误处理的严格程度。 1. …...

编程日记 2025/8/7 1:32:46

【css酷炫效果】纯CSS实现立体旋转立方体

【css酷炫效果】纯CSS实现立体旋转立方体缘创作背景html结构css样式完整代码效果图想直接拿走的老板，链接放在这里：https://download.csdn.net/download/u011561335/90492014 缘创作随缘，不定时更新。创作背景刚看到csdn出活动了&am…...

编程日记 2025/8/3 18:55:03

Cursor与Coze结合开发电影推荐系统：一次高效的技术实践

1 项目背景有个想法，和朋友打算一起看电影，但是不知道看什么（吃饭也是），于是在豆瓣高分电影榜单中选择出来一些感兴趣的电影，随机挑选一部“天意之选”。为此，我尝试结合Cursor（智…...

编程日记 2025/8/2 22:00:38

【总结篇】java多线程,新建线程有几种写法,以及每种写法的优劣势

java多线程新建线程有几种写法,以及每种写法的优劣势 [1/5]java多线程新建线程有几种写法–继承Thread类以及他的优劣势[2/5]java多线程-新建线程有几种写法–实现Runnable接口以及他的优劣势[3/5]java多线程新建线程有几种写法–实现Callable接口结合FutureTask使用以及他的…...

编程日记 2025/8/7 1:42:22

idea问题（三）pom文件显示删除线

一、问题 1、现象 2、原因分析原因和出现的流程：创建子模块的时候因为名称错误了，并且通过修改模块模块名称后，又删除了模块，因删除不干净。再次建立了同名模块，会让IDEA认为你再次新建的项目是已经被删除的项目。 …...

编程日记 2025/7/29 8:16:23

python爬虫概述

0x00 python爬虫概述以豆瓣的选电影模块为例，当查看源代码搜索猫猫的奇幻漂流瓶是搜不到的这时服务器的工作方式应该是这样的客户端浏览器第一次访问其实服务器端是返回的一个框架(html代码) 当客户端浏览器第二次通过脚本等方式进行访问时服务器端才返回的数据…...

编程日记 2025/8/7 1:43:09

实现拖拽图片验证的基本步骤

前端部分 UI 设计： 显示一个滑块和一张背景图（通常是带缺口的图片）。滑块可以是拼图的一块或简单的方块。拖拽功能： 监听滑块的 mousedown、mousemove、mouseup 事件，实现拖拽效果。验证逻辑： 计算滑块最…...

编程日记 2025/8/7 1:34:49

conda报错activate没办法激活环境

遇到激活环境报错 # >>>>>>>>>>>>>>>>>>>>>> ERROR REPORT <<<<<<<<<<<<<<<<<<<<<< Traceback (most recent call last): File …...

编程日记 2025/8/7 1:34:48

numpy学习笔记3：三维数组 np.ones((2, 3, 4)) 的详细解释

numpy学习笔记3：三维数组 np.ones((2, 3, 4)) 的详细解释以下是关于三维数组 np.ones((2, 3, 4)) 的详细解释： 1. 三维数组的形状形状 (2, 3, 4) 表示： 最外层维度：2 个“层”（或“块”）； …...

编程日记 2025/8/7 1:40:56

论文笔记（七十三）Gemini Robotics: Bringing AI into the Physical World

Gemini Robotics: Bringing AI into the Physical World 文章概括1. 引言2. Gemini 2.0的具身推理2.1. 具身推理问答（ERQA）基准测试2.2. Gemini 2.0的具身推理能力2.3. Gemini 2.0支持零样本和少样本机器人控制 3. 使用 Gemini Robotics 执行机器人动作3…...

编程日记 2025/8/7 1:40:56

不用 Tomcat？SpringBoot 项目用啥代替？

在SpringBoot框架中，我们使用最多的是Tomcat，这是SpringBoot默认的容器技术，而且是内嵌式的Tomcat。同时，SpringBoot也支持Undertow容器，我们可以很方便的用Undertow替换Tomcat，而Undertow的性能和内存使…...

编程日记 2025/8/5 14:34:33

ChatTTS 开源文本转语音模型本地部署 API 使用和搭建 WebUI 界面

ChatTTS（Chat Text To Speech），专为对话场景设计的文本生成语音(TTS)模型，适用于大型语言模型(LLM)助手的对话任务，以及诸如对话式音频和视频介绍等应用。支持中文和英文，还可以穿插笑声、说话间的停顿、以…...

编程日记 2025/8/5 19:22:16

嵌入式笔记 | 正点原子STM32F103ZET6 4 | 中断补充

1. 外设引脚重映射 1.1 定义在STM32中，每个外设的引脚都有默认的GPIO端口，但有些引脚可以通过重映射寄存器将功能映射到其他端口。这种机制称为引脚重映射，主要用于解决引脚复用冲突或优化PCB布线。 1.2 重映射的类型部分重映射&#x…...

编程日记 2025/8/3 20:04:34

spring循环依赖

Spring 通过三级缓存机制解决单例 Bean 的循环依赖问题，其核心思想是提前暴露未完全初始化的 Bean 引用。以下是详细流程和原理： 1. 循环依赖的场景假设两个 Bean 相互依赖： BeanA 依赖 BeanBBeanB 依赖 BeanA 如果没有特殊处理&#xff…...

编程日记 2025/8/1 1:44:01

算法刷题区域部分反转

不断创建数组，相加，利用cpp内字符串相加的性质即可。具体代码如下： class Solution { public: string reverseStr(string s, int k) { int size s.size(); int count size / (2*k); string a; int i 0; for ( i 0; i < count; i)…...

编程日记 2025/8/6 22:20:10

使用【docker】+【shell】脚本半自动化部署微服务项目

一.前言以下是一个基于 ‌Docker Shell脚本‌ 的半自动化部署方案，包含镜像构建、容器管理、网络配置和日志监控等核心功能，适用于大多数Web应用或微服务项目。二‌.目录结构三.脚本代码实现 1.‌Shell脚本实现 (deploy.sh) #!/bin/bash# 设置颜…...

编程日记 2025/8/3 11:56:32

关于“碰一碰发视频”系统的技术开发文档框架

以下是关于“碰一碰发视频”系统的技术开发文档框架，涵盖核心功能、技术选型、开发流程和关键模块设计，帮助您快速搭建一站式解决方案 --- 随着短视频平台的兴起，用户的创作与分享需求日益增长。而如何让视频分享更加便捷、有趣&#xff0c…...

编程日记 2025/8/4 8:05:54

Java面试黄金宝典5

1. ConcurrentHashMap 和 HashTable 有哪些区别原理 HashTable：它继承自 Dictionary 类，是 Java 早期提供的线程安全哈希表。其线程安全的实现方式是对每个方法都使用 synchronized 关键字进行同步。例如，在调用 put、get 等方法时&#xff…...

编程日记 2025/8/3 18:08:09

【FastGPT】利用知识库创建AI智能助手

【FastGPT】利用知识库创建AI智能助手摘要创建知识库上传文档创建应用准备提示词准备开场白关联知识库AI回答效果摘要关于FastGPT的部署，官方提供了docker-compose方式的部署文档，如果使用的是podman和podman-compose的同学，可以参考这篇…...

编程日记 2025/8/1 17:34:39

尚硅谷爬虫(解析_xpath的基本使用)笔记

1、xpath的基本使用创建一个简单的HTML： <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Title</title> </head> <body><ul><li>北京</li><li&…...

编程日记 2025/8/1 18:14:43

redis MISCONF Redis is configured to save RDB snapshots报错解决

直接上解决方案修改redis配置文件 stop-writes-on-bgsave-error no 重启redis...

编程日记 2025/6/28 3:23:33

《深入理解AOP编程：从基础概念到Spring实现》

AOP编程 AOP(Aspect Oriented Programing) 面向切面编程 Spring动态代理开发以切面为基本单位的程序开发，通过切脉你间的彼此协同，相互调用，完成程序构建切面切入点额外功能 OOP(Object Oriented Programing)面向对象编程 java 以对象为基本…...

编程日记 2025/8/5 17:14:07

网络安全漏洞的种类分为哪些?

漏洞，是指在硬件、软件、协议的具体实现或系统安全策略上存在的缺陷，从而可以使攻击者能够在未授权的情况下访问或破坏系统。漏洞的出现，不仅会造成个人隐私信息泄露，还涉及到我们的财产安全，那么网络安全漏洞的种类分…...

编程日记 2025/8/3 1:28:37

C程序设计（第五版）及其参考解答,附pdf

通过网盘分享的文件：谭浩强C语言设计链接: https://pan.baidu.com/s/1U927Col0XtWlF9TsFviApg?pwdeddw 提取码: eddw 谭浩强教授的《C程序设计》是C语言学习领域的经典教材，其内容深入浅出，适合不同层次的学习者。一、教材版本与特点最…...

编程日记 2025/8/4 23:56:40

CXL协议之FM（Fabric Management）解释

CXL协议中的FM功能详解 1. FM的核心作用 FM是CXL（Compute Express Link）架构中的核心管理实体，负责协调和管理CXL设备之间的通信、资源分配及拓扑结构。其核心功能包括： 设备发现与枚举：识别CXL拓扑中的设备&#x…...

编程日记 2025/8/5 17:39:34

gstreamer之GstVideoDecoder源码剖析

GStreamer 中的 GstVideoDecoder 基类旨在为实现视频解码器提供一个框架。它定义了一套规则和规范，用于指导基类与其派生子类（具体的视频解码器）之间如何交互与协作。 /*** SECTION:gstvideodecoder* title: GstVideoDecoder* short_descrip…...

编程日记 2025/8/5 11:53:20

Windows部署deepseek R1训练数据后通过AnythingLLM当服务器创建问答页面

如果要了解Windows部署Ollama 、deepseek R1请看我上一篇内容。这是接上一篇的。 AnythingLLM是一个开源的全栈AI客户端，支持本地部署和API集成。它可以将任何文档或内容转化为上下文，供各种语言模型（LLM）在对话中使用。以下是…...

编程日记 2025/8/3 5:46:51

嵌入式软件开发--面试总结

（1）公司简介：做打印机设备、项目涉及到操作系统 （2）面试内容：笔试题技术面试 //32位单片机c语言程序typedef struct{int a;char b;char c;}str1;typedef struct{char a;int b;char c;}str2;void function…...

编程日记 2025/8/5 5:06:39

测试专项3：算法测试基础理论速查手册

1 算法测试的基本概念 1.1 传统软件测试 vs. 算法测试在软件工程领域，传统软件测试主要关注程序逻辑的正确性。测试人员通过预设输入与期望输出的对比，确保软件程序能够按照设计要求执行，从而发现代码中的错误或缺陷。常见的测试方法包括单…...

编程日记 2025/8/5 14:39:52

基于Springboot+Typst的PDF生成方案，适用于报告打印/标签打印/二维码打印等

基于SpringbootTypst的PDF生成方案，适用于报告打印/标签打印/二维码打印等。仅提供后端实现 Typst2pdf-for-report/label/QR code github 环境 JDK11linux/windows/mac 应用场景适用于定制化的报告模板/标签/条码/二维码等信息的pdf生成方案。通过浏览器的p…...

编程日记 2025/8/1 21:31:08