【大模型】DeepSeek + 蓝耕MaaS平台 + 海螺AI生成高质量视频操作详解
目录
一、前言
二、蓝耘智能云MaaS平台介绍
2.1 蓝耘智算平台是什么
2.2 平台优势
2.3 平台核心能力
三、海螺AI视频介绍
3.1 海螺AI视频是什么
3.2 海螺AI视频主要功能
3.3 海螺AI视频应用场景
3.4 海螺AI视频核心优势
3.5 项目git地址
四、蓝耘MaaS平台+DeepSeek+海螺AI生成视频
4.1 蓝耘MaaS+DeepSeek+海螺AI生成视频过程说明
4.2 蓝耘MaaS平台入口
4.3 部署海螺AI视频
4.3.1 选择视觉模型
4.3.2 使用DeepSeek生成视频提示词
4.3.3 生成视频
4.4 API 对接使用
4.4.1 创建视频任务
4.4.2 查询视频生成任务状态API
五、写在文末
一、前言
随着AI大模型技术快速发展,视频处理和生成技术已经成为了众多行业关注的热点。加上短视频目前已经不可置疑的成为了很多人工作、娱乐和生活中的一部分,短视频的持续价值也让很多AI大模型厂商看到这其中的巨大商机。在之前,很多人觉得视频制作领域是一个很难跨越的障碍,AI大模型的兴起之后,同时也带动了AI视频技术的革新,不少厂商纷纷加入AI视频的争夺,毕竟短视频经历了多年的沉淀之后,已经成为大多数日常生活中不可或缺的一部分,本文近期体验的一款性能和体验都还不错的AI视频大模型海螺AI视频为例,并结合DeepSeek的文本生成能力,详细介绍一下如何基于DeepSeek+海螺AI视频完成一个高质量的视频制作。
二、蓝耘智能云MaaS平台介绍
2.1 蓝耘智算平台是什么
蓝耘智算平台是一个现代化的、基于Kubernetes的云平台,专为大规模GPU加速工作负载而构建。该平台旨在为工程师、创新者和科研工作者提供无与伦比的计算解决方案,其速度可比传统云服务提供商快35倍,成本降低30%,快速入口:专注于GPU算力云服务_蓝耘
2.2 平台优势
作为面向产业智能化深度学习开发平台,蓝耘智算云平台构建了覆盖模型开发全链路核心能力,为深度学习研究、项目应用提供全方位支持。蓝耘智算平台的核心优势包括:
-
高性能计算能力:
-
平台基于行业领先的灵活基础设施和大规模GPU算力资源,能够提供开放、高性能、高性价比的算力云服务。
-
-
基础设施灵活:
-
平台基于行业领先的灵活基础设施构建,用户可以根据实际需求动态调整资源,实现资源的高效利用和成本的合理控制。
-
-
全场景覆盖:
-
从数据准备、代码开发、模型训练到推理部署等全场景覆盖,支持从AI开发到部署的全流程。
-
-
生态体系完善:
-
平台集应用市场、预训练大模型、数据集管理、AI开发工具、模型镜像等功能于一体,致力于构建一个充满活力的AI社区平台。
-
-
现代化的云平台架构:
-
蓝耘智算平台采用Kubernetes作为核心容器编排技术,构建了一个现代化的云平台架构。这确保了平台的高可用性、可扩展性和易管理性。
-
-
易于使用和管理:
-
平台提供直观的用户界面和强大的管理工具,使得用户可以轻松地进行资源申请、任务调度和监控管理,降低了使用门槛和管理成本。
-
-
丰富的服务选项:
-
蓝耘智算平台提供多种服务选项,包括计算服务、存储服务、网络服务等,用户可以根据实际需求选择合适的服务组合,满足多样化的应用场景需求。
-
-
安全性高:
-
蓝耘智算平台注重数据安全,采用多种安全措施保障用户数据的安全性和隐私性,包括数据加密、访问控制、安全审计等。
-
2.3 平台核心能力
蓝耘智算 MaaS(Model as a Service)平台(即“元生代”智算云平台)凭借其强大的算力资源与智能化管理能力,已成为AI企业及开发者部署大模型的关键基础设施。
其核心能力可概括为以下几个方面:
-
超大规模GPU算力资源池
-
蓝耘在全国部署了多个智算中心,算力规模超 万P(PetaFLOPS),支持大规模AI训练与推理任务。
-
提供 多种NVIDIA GPU(如A100、H100等)的弹性调度,满足不同规模企业的需求。
-
-
Kubernetes原生云架构
-
基于 Kubernetes 的算力调度系统,支持 裸金属+容器化 混合部署,相比传统虚拟化方案,性能提升 35倍,成本降低 30%。
-
提供 5秒极速启动 和 动态扩缩容,适用于分布式训练、推理服务等高并发场景。
-
-
全流程AI开发支持
-
覆盖 数据准备→模型训练→推理部署 全生命周期,支持主流AI框架(如TensorFlow、PyTorch)。
-
内置 DeepSeek等大模型优化方案,支持 INT8量化、FP16混合精度,提升推理效率。
-
-
企业级稳定运维能力
-
具备 大规模GPU集群运维经验,可快速定位网络、GPU卡等问题,保障99.9%的稳定性。
-
提供 TLS 1.3加密、SGX可信执行环境,确保数据安全。
-
-
灵活的商业模式
-
按需付费,支持 弹性计费,降低中小企业使用门槛。
-
提供 私有化部署、混合云、公有云专区 等多种方案,适配金融、医疗等高安全需求行业。
-
-
生态合作与行业适配
-
与 DeepSeek、国产AI芯片厂商 深度合作,优化模型在昇腾、摩尔线程等芯片上的运行效率。
-
已在 电商推荐、智能客服、工业质检、医疗影像分析 等领域落地应用。
-
蓝耘的MaaS平台不仅提供算力,更通过 高效调度、稳定运维、开放生态,帮助客户降低AI开发门槛,加速AI产业化落地。
三、海螺AI视频介绍
当下越来越多的大模型厂商开始介入AI视频这一领域。得益于短视频的火热程度持续升温,短视频的传播具备较高的商业价值,而AI视频的出现,则一举打破了传统短视频制作成本高,耗时耗力的局面,利用AI大模型的能力,就算是一个不懂视频剪辑的人,只要具备初步的提示词编写能力,将准备好的提示词投喂给AI大模型,即可完成一个效果不错的AI视频,像即梦AI,Kimi,通义万向等平台,都提供了AI视频的生成能力,下面介绍另一款非常好用,并且生成的AI视频效果还不错的大模型工具,海螺AI视频。
3.1 海螺AI视频是什么
海螺AI视频是由MiniMax公司推出的一款AI视频生成工具,专注于通过人工智能技术将静态图像或文本转化为动态视频。它凭借强大的生成能力、易用性和多样化的功能,在广告、教育、娱乐、社交媒体等领域广受欢迎。近期还上线了“AI创作音乐”和“AI生成视频”两大功能,能够帮助用户轻松创作音乐和视频。官网快速入口:MiniMax - 你的AI智能助手
海螺AI视频主页:海螺视频:每个想法都是一部大片
3.2 海螺AI视频主要功能
海螺AI提供了丰富的功能可供使用,如下:
-
文生视频
-
用户根据自己的需求输入自然语言描述(Prompt),AI自动生成符合要求的动态视频,支持自动剪辑、特效添加等功能;
-
适用于创意短片、广告脚本等场景,例如生成“夏日海滩健身广告”或“清晨瑜伽教学视频”;
-
-
图生视频
-
上传静态图片(如人物、风景、卡通),AI可让图片动态化,适用于动画制作、社交媒体内容等;
-
例如将一张二次元插画转化为动态角色表演;
-
-
主体参考
-
上传一张人脸照片,AI生成与该人物一致的动态视频,保持面部特征稳定,适合电影、广告和短剧制作;
-
测试显示,面部一致性高达95%,解决了传统拍摄中角色表情不一致的问题
-
-
顶级运镜
-
提供15种可自由组合的运镜方式(如推、拉、摇、移),用户可通过自然语言或按钮操作实现专业级镜头效果;
-
-
二次元动画优化
-
专门针对动漫、手绘风格优化,可让静态二次元图像流畅动起来,适用于游戏和动画开发
-
3.3 海螺AI视频应用场景
在下面的一些场景中可以考虑使用海螺AI
-
广告与品牌营销
-
快速生成创意短视频广告,如健身品牌“FitX”的夏季推广视频,节省传统拍摄成本
-
-
社交媒体内容创作
-
为TikTok、Instagram等平台制作吸引眼球的短视频,例如“早晨瑜伽”或旅行vlog
-
-
影视与短剧制作
-
辅助电影、短剧创作,通过S2V功能实现角色一致性,降低演员和场景成本
-
例如海螺AI与AITOP100合作的“未来短剧导演大赛”,鼓励用户用AI生成三集短剧
-
-
二次元与创意实验
-
为动漫、游戏开发者提供高效的动态素材生成,或用于艺术实验和科幻创作
-
-
教育与培训
-
生成生动教学视频,如“如何提高学习效率”的动画讲解,提升学习体验
-
3.4 海螺AI视频核心优势
海螺AI视频作为MiniMax公司推出的AI视频生成工具,凭借其技术创新和用户体验,在AI视频生成领域占据领先地位。以下是其核心优势的详细说明:
-
强大的生成能力与高质量输出
-
文生视频(T2V)与图生视频(I2V):用户仅需输入自然语言描述或上传静态图片,即可生成高质量动态视频,支持自动剪辑、特效添加等功能,适用于广告、短剧等场景。
-
主体参考(S2V):通过单张图片即可生成与人物特征高度一致的动态视频,面部一致性达95%,显著优于传统方法。
-
情感表达细腻:在人物表情、情感演绎方面表现突出,能真实传达复杂情绪变化,适合影视级创作。
-
-
极致的易用性与低门槛
-
自然语言交互:用户仅需输入简单提示词(如“夜幕低垂,摩天楼之巅”),AI即可生成专业级视频,大幅降低创作门槛。
-
一键式操作:无需复杂剪辑技能,普通用户可快速生成6-8秒短视频,会员支持更长内容。
-
实时编辑与调整:支持生成过程中即时修改,提高创作灵活性。
-
-
创新功能与行业领先技术
-
顶级运镜(Director Mode):提供15种可自由组合的运镜方式(如推、拉、摇、移),实现电影级镜头控制。
-
二次元动画优化(I2V-01-Live):专为动漫风格优化,可让静态插画流畅动起来,深受游戏和动画开发者青睐。
-
多模态AI技术:基于深度学习、GAN等先进模型,生成效果媲美国际竞品,如Runway、Sora。
-
-
高效创作与广泛适用性
-
快速生成:通常几秒内完成短视频,大幅提升内容生产效率。
-
多场景适配:覆盖广告营销、社交媒体、教育培训、影视制作等领域,满足不同行业需求。
-
全球化支持:优化英文提示词生成,适应国际市场,案例包括海外网红创作(如戈登·拉姆齐恶搞视频)。
-
-
持续迭代与生态体系建设
-
技术升级:如2025年推出的“主体参考”功能,进一步简化短剧创作流程
-
社区与赛事:活跃的用户社群和“未来短剧导演大赛”等合作项目,推动创作者生态发展。
-
3.5 项目git地址
MiniMax大模型海螺AI逆向API【特长:超自然语音】,支持MiniMax Text-01、MiniMax-VL-01模型,支持高速流式输出、语音合成、联网搜索、长文档解读、图像解析、多轮对话,零配置部署,多路token支持,自动清理会话痕迹。git地址:GitHub - LLM-Red-Team/minimax-free-api: 🚀 MiniMax大模型海螺AI逆向API【特长:超自然语音】,支持MiniMax Text-01、MiniMax-VL-01模型,支持高速流式输出、语音合成、联网搜索、长文档解读、图像解析、多轮对话,零配置部署,多路token支持,自动清理会话痕迹,仅供测试,如需商用请前往官方开放平台。
四、蓝耘MaaS平台+DeepSeek+海螺AI生成视频
4.1 蓝耘MaaS+DeepSeek+海螺AI生成视频过程说明
基于这三者的结合,可以让一个不懂视频剪辑,也不太会编写提示词的同学快速完成一个高质量AI视频的制作,具体来说:
-
蓝耘MaaS平台:提供部署AI视频大模型能力,可以基于个人需要定制化大模型部署;
-
DeepSeek:利用其强大的推理和文本对话与生成能力,为用户生成AI视频的文案;
-
海螺AI视频 : 基于用户输入的提示词即可完成一个高质量视频的生成。
4.2 蓝耘MaaS平台入口
蓝耘元生代平台致力于为开发者和企业提供最简便、最高效的AI应用构建方案。通过这一平台,用户可以轻松进行大模型调用、智能客服搭建、以及快速进行模型微调,无需编写复杂代码,就能实现定制化应用。这些功能对提高AI应用开发效率、降低门槛起到了至关重要的作用。蓝耕入口:https://cloud.lanyun.net/#/controlBoardDesk
如果还没有注册过账户的同学,需要首先进行注册和认证,登录之后来到下面的页面,点击上面的MaaS即可进入
新用户福利:注册后可领取免费试用时长(20元代金券,可直接当余额来使用),否则需要确保账户有一定的额度才能使用
4.3 部署海螺AI视频
参考下面的步骤,完成基于蓝耕MaaS平台部署海螺AI和视频生成的过程。
4.3.1 选择视觉模型
如下图所示,左侧选择视觉模型,右侧选择第一个 I2V-01 这个视频模型
-
I2V-01视频模型有一次免费的试用次数
关于下拉框中几种模型说明:
-
I2V-01:01系列的基础图生视频模型;
-
I2V-01-live:角色表现增强,稳定、流畅、生动;
-
I2V-01-Director:像专业导演一样控制镜头运动;
4.3.2 使用DeepSeek生成视频提示词
在很多AI视频创作的场景中,尤其是一些热门的AI视频,比如治愈系的田园风的AI视频,其实需要较强的文案功底,但是对于大多数同学来说,文案功底并没有那么强,那么就可以借助DeepSeek的强大的文案生成能力来完成视频文案的编写,比如我的提示词如下:
为我生成一段文案,这段文案的作用是用于生成一段乡村唯美风格AI视频的提示词,时长10秒作用,要求:提示词优美,画面感强,动态型好,具有丰富的想象空间
输入之后,等待deepseek的响应
将上面的提示词复制到本地进行润色或修缮,或者也可以通过多轮对话的方式,让DeepSeek进行完善。
4.3.3 生成视频
将修缮完成的视频文案输入到文本框中,然后点击生成,等待视频的生成,这个过程一般会根据文本提示词的长度,以及内容的复杂度,时长会有所不同。
等待视频生成完成后,可以在线直接打开进行预览,也可以点击右上侧的下载按钮下载到本地预览
从效果来看,整个视频画面流畅、帧速稳定、色彩鲜明、细节处理也比较好,充分展现出海螺AI在视频生成方面的出色能力
4.4 API 对接使用
蓝耕MaaS也提供了可供应用对接的API文档,开发者可以基于API文档接入到应用程序中完成AI视频的生成,快速入口:蓝耘元生代AIDC OS 文档中心
以生成AI视频来说,主要是3个步骤:
-
使用创建视频生成任务接口,创建视频生成任务,并得到task_id;
-
使用查询视频生成任务状态接口,基于task_id查询视频生成任务状态;当状态为成功时,将获得对应的文件 ID(file_id);
-
使用文件管理接口(File API)基于步骤2查询接口返回的file_id进行视频生成结果的查看和下载。
文档中也提供了详细的参考代码案例,有兴趣的同学可以进一步的研究和学习,下面通过代码看一下实际操作过程。
4.4.1 创建视频任务
选择一张jpeg图片,生成base64编码,带入到程序中,在线图片转base64地址:图片在线转换Base64 | 图片编码base64
参考下面的完整代码
import requests
import jsonurl = "https://maas-api.lanyun.net/v1/video_generation"payload = json.dumps({"model": "I2V-01-Director","prompt": "测试12312312313","promptOptimizer": "true","firstFrameImage": "data:image/jpeg;base64,{image_base64_data}"})
headers = {'Authorization': 'Bearer 你的apikey','Content-Type': 'application/json'
}response = requests.request("POST", url, headers=headers, data=payload)print(response.text)
如下,找一个jpeg格式的图片,然后找一个在线网站将图片转为base64的编码
运行上面的代码,生成一个任务的ID
4.4.2 查询视频生成任务状态API
根据上一步得到的任务task_id,查询任务的详细信息,参考下面的代码
import requests
import jsonapi_key="你的apikey"
task_id="174847042751959040"url = f"https://maas-api.lanyun.net/v1/query/video_generation?taskId={183422315021864960}"headers = {'authorization': f'Bearer {api_key}'
}response = requests.request("GET", url, headers=headers)print(response.text)
运行上面的代码,在控制台中输出了任务的详细信息,其中那一串长长的url,即是生成的视频链接地址;
在浏览器中打开这个url,直接下载到了本地,然后可以打开看看效果
五、写在文末
本文详细介绍了海螺AI视频这款大模型的使用,并基于DeepSeek与蓝耕MaaS平台完成了一个AI视频的完整操作过程,最后也给出了如何利用API对接视频制作的过程,希望对看到的同学有用哦,本篇到此结束,感谢观看。
相关文章:
【大模型】DeepSeek + 蓝耕MaaS平台 + 海螺AI生成高质量视频操作详解
目录 一、前言 二、蓝耘智能云MaaS平台介绍 2.1 蓝耘智算平台是什么 2.2 平台优势 2.3 平台核心能力 三、海螺AI视频介绍 3.1 海螺AI视频是什么 3.2 海螺AI视频主要功能 3.3 海螺AI视频应用场景 3.4 海螺AI视频核心优势 3.5 项目git地址 四、蓝耘MaaS平台DeepSeek海…...
RobotFrameWork环境搭建及使用
RF环境搭建 首先安装python并且配置python环境变量pip install robotframeworkpip install robotframework-ride 生产桌面快捷方式 不行换豆瓣源检查一下pip list RF类库和扩展库 标准库 按F5快捷键查询,可以看到rf自带的库不需要额外安装这些标准库在python的 …...
Flutter之设计与主题字体
目录: 1、共享主题样式2、文字3、使用自定义字体4、以 package 的方式使用字体1. 将字体添加到 package2. 将 package 和字体添加到应用3. 使用字体 1、共享主题样式 MaterialApp(title: appName,theme: ThemeData(// Define the default brightness and colors.col…...
发生梯度消失, 梯度爆炸问题的原因,怎么解决?
目录 一、梯度消失的原因 二、梯度爆炸的原因 三、共同的结构性原因 四、解决办法 五、补充知识 一、梯度消失的原因 梯度消失指的是在反向传播过程中,梯度随着层数的增加指数级减小(趋近于0),导致浅层网络的权重几乎无法更新…...
脑电学习笔记
一,原理简介 使用eprime或者matlab给被试呈现刺激,并在某个时间发送Mark,脑电帽会同步采集被试的脑电信号,经放大器放大后,控制盒会把脑电信号和mark 信号同步到一起,通过usb线传入到采集系统(比…...
Java面试黄金宝典37
1. 转发与重定向的区别 定义 转发:服务器内部的一种请求处理方式,当客户端向服务器发送请求后,服务器将该请求转发到另一个资源(如 JSP、Servlet)进行处理,整个过程在服务器端完成,客户端并不知道请求被转发,且使用的是同一个请求对象和响应对象。重定向:服务器向客户…...
嵌入式rodata段
在嵌入式软件开发中,将数据放入只读数据段(.rodata)具有以下好处及典型应用示例: 好处 数据保护 .rodata段的内容在程序运行时不可修改,防止意外或恶意篡改,提升系统稳定性。 节省RAM资源 只读数据可直接…...
Python学习之numpy
Python学习之numpy 数组是Numpy库的核心数据结构。 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric,即 NumPy 的前身,是由 Jim Hugunin 开发的。 也开发了另一个包 Numarr…...
ext4磁盘扩容
ext4扩容示例 当前虚机中,逻辑卷名称data_lv,卷组名称data_vg,物理卷名称data_pv,他们的大小都为100G,由于磁盘空间不够使用,申请扩容硬盘至200G,以下操作将ext4的/data分区扩容至200G。 # 1.…...
PostgreSQL 16深度解析(从16.0-16.8)
作为开源关系型数据库的标杆,PostgreSQL持续通过版本迭代展现其技术生命力。本文将以技术视角深度剖析PostgreSQL 16系列(16.0至16.8)的核心演进,重点解读新增功能、性能优化及实践价值,为数据库管理者与开发者提供升级…...
10个DeepSeek、ChatGPT提示词更快更好的学术文献阅读!
目录 AIGC助力快速阅读文献 10个文献阅读提示词 大家好这里是AIWritePaper官方账号,官网👉AIWritePaper~ AIGC助力快速阅读文献 在当今学术界,海量的论文如潮水般涌来,想要跟上最新研究进展简直比在图书馆里找到一本没被借走的…...
基于spring boot 鲜花销售系统PPT(源码+lw+部署文档+讲解),源码可白嫖!
课题意义 随着网络不断的普及发展,鲜花销售系统依靠网络技术的支持得到了快速的发展,首先要从用户的实际需求出发,通过了解用户的需求开发出具有针对性的信息管理系统,利用目前网络给用户带来的方便快捷这一特点对系统进行调整&am…...
Spring Boot 与 TDengine 的深度集成实践(三)
创建 RESTful API 编写控制器类 在 Spring Boot 项目中,控制器类负责处理 HTTP 请求,并将请求转发到相应的服务或数据访问层进行处理,最后返回响应结果给客户端。我们通过使用RestController和RequestMapping注解来定义控制器类和 API 路由…...
物理日志和逻辑日志
在 MySQL 的日志系统中,物理日志 和 逻辑日志 是两种不同类型的日志记录方式,它们的设计目标和实现方式有本质区别。以下是它们的详细解释和对比: 1. 物理日志 定义 物理日志记录的是数据页(Page)的物理修改&#x…...
[Deep-ML]Reshape Matrix(重塑矩阵)
Reshape Matrix(重塑矩阵) 题目链接: Reshape Matrix(重塑矩阵)https://www.deep-ml.com/problems/3 题目描述: 难度: easy(简单)。 分类: Linear Alg…...
Linux文件系统中的Page Cache和内存管理中的Page之间的关系
Linux文件系统中的Page Cache和内存管理中的Page之间有密切的关联,两者在底层机制上紧密结合,共同实现高效的内存和文件系统管理。以下是它们的关系和关键点: 核心关系 Page Cache的底层是内存Page Page Cache是由内存管理中的物理内存页&…...
day25-回溯__491.递增子序列 __46.全排列__47.全排列 II
491.递增子序列 这道题要求输出一个数组的所有非递减子序列,并且数组中是可以存在重复元素的,那么我们需要考虑的就一定是之前的树层去重的方法 并且要求非递减,所以我们每次添加元素到path要先判断两个条件: 该元素的值是否在同…...
微型导轨的制造工艺中,热处理的目的是什么?
热处理是指将金属或合金加热到一定温度,保温一段时间,然后通过适当的冷却方式使其发生物理变化,从而使其性能发生改变的加工技术,而在微型导轨的制造工艺中,热处理是必须的,那么热处理的目的是什么呢&#…...
学透Spring Boot — 018. 优雅支持多种响应格式
这是我的专栏《学透Spring Boot》的第18篇文章,想要更系统的学习Spring Boot,请访问我的专栏:学透 Spring Boot_postnull咖啡的博客-CSDN博客。 目录 返回不同格式的响应 Spring Boot的内容协商 控制器不用任何修改 启动内容协商配置 访…...
数据结构与算法----顺序表和复杂度
嘻嘻,我们用c语言来手撕顺序表!!!全程高能比喻代码实战,保证你笑着学会!!! 引言 1、数据结构是计算机存储、组织数据的方式。算法是一系列计算步骤,用来将输入数据转化…...
Android studio局域网屏幕共享(旧手机可以用来当监控啦)
项目地址 https://github.com/Anyuersuper/ScreenSharing 百度网盘 通过网盘分享的文件:ScreenSharing-master.zip 链接: https://pan.baidu.com/s/1URQnyI8zJF-IFl5_-ttXBg?pwdyuer 提取码: yuer 📱 屏幕分享应用 (ScreenSharing) 📋 项目…...
Redis持久化之RDB
RDB持久化是将当前进程数据生成快照保存到硬盘的过程,触发RDB持久化过程分为手动触发和自动触发。 1.触发机制 手动触发费别对应save和bgsave命令: save命令:阻塞当前Redis服务器,直到RDB过程完成为止,对于内存比较…...
Ubuntu 64-bit 交叉编译 FFmpeg(高级用户指南)
适用于 ARM (aarch64)、Windows (mingw)、Android、Raspberry Pi 等平台的交叉编译。 🔹 1. 安装交叉编译工具链 ARM (aarch64) 示例 sudo apt update sudo apt install gcc-aarch64-linux-gnu g-aarch64-linux-gnu binutils-aarch64-linux…...
YOLO V8中的“中心点邻近区域 + 动态IoU匹配“
它是联合优化正样本分配的策略,旨在更精准地匹配预测框与真实目标的位置关系。以下分步详解其原理: 1. 中心点邻近区域(Central Region) 1.1 目标中心区域定义 基础思想:将真实边界框ÿ…...
【MySQL | 八、 事务管理】
文章目录 什么是事务?事务的特性:事务的意义事务的提交查看事务提交方式事务的自动提交事务的手动提交开始事务执行SQL操作事务操作提交事务示例: 事务的隔离级别并发访问的基本概念并发事务的典型问题对ACID特性的影响查看和设置隔离属性各个…...
Ubuntu 下搭建 MCU 开发环境全流程指南(以 STM32 为例)
在嵌入式开发中,许多工程师都习惯于在 Windows 平台使用 Keil、IAR 等 IDE。然而,随着对自动化、可定制性以及开放工具链的需求增长,越来越多的开发者开始尝试在 Linux 环境下进行 MCU 开发。 本篇文章将以 STM32F1 系列 为例,手把手带你在 Ubuntu 下搭建一个完整的 MCU 开…...
Redis淘汰策略详解!
目录 一、为什么需要淘汰策略? 🤔二、Redis 的淘汰策略详解 👇三、如何选择合适的淘汰策略? 🤔➡️✅四、如何切换 Redis 的淘汰策略? ⚙️🔧五、总结 🎉 🌟我的其他文章…...
基于51单片机和TM1638模块的小游戏《打地鼠》
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1、TM1638模块2、定时器03、定时器1 四、主函数总结 系列文章目录 前言 有两个版本,普中开发板版本和最小系统板版本,两个版本差别在于晶振频率不一样,其他的都相同。 本文代码…...
机器学习之数据预处理(一):缺失值处理和异常值识别的几种常用方法
始终致力于将复杂知识通俗化的不断追求中,不足之处欢迎批评指正。 1、噪声处理 噪声是一个测量变量中的随机错误或偏差,是观测值和真实值之间的误差,包括错误值或偏离期望的孤立点值。对于噪声的处理,通常可以采用数据平滑技术来…...
25/4/6 算法笔记<仿真O2DES>基础知识学习
此文章就来整理一下我学习到的O2DES仿真框架的一些核心知识 核心概念: 模拟器(Simulator):模拟器是O2DES框架的核心组件,用来管理模拟时钟,事件调度和执行。可以通过Simulator类创建模拟环境&#…...
Three.js 系列专题 3:光照与阴影
内容概述 光照是 3D 场景真实感的关键。Three.js 提供了多种光源类型,每种光源有不同的效果和用途。本专题还将介绍如何启用和优化阴影效果,提升场景的深度感。 学习目标 理解不同光源类型及其应用场景。掌握在 Three.js 中添加光源并启用阴影。学会调整阴影效果以平衡真实…...
接口自动化学习五:mock工具使用
Moco简介: Mock是一个简单搭建模拟服务器的框架,可以用来模拟http、https、socket等协议。 原理: Mock会根据一些配置,启动一个真正的HTTP服务(会监听本地的某个端口),当发起的请求满足某个条件时…...
Java学习——day22(Java反射基础入门)
文章目录 1.反射的定义2. 认识反射的关键API2.1 Class2.2 Field2.3 Method2.4 Constructor 3. 示例代码讲解与分析4. 编写反射示例代码的步骤4.1 定义测试类4.2 编写主程序,使用反射获取信息4.3 通过反射创建对象并调用方法 5. 总结6.今日生词 Java反射笔记 1.反射的…...
字符串、列表、元组、字典
字符串 双引号或者单引号中的数据,就是字符串 字符串输入 之前在学习input的时候,通过它能够完成从键盘获取数据,然后保存到指定的变量中; 注意:input获取的数据,都以字符串的方式进行保存,即…...
数据分析-Excel-学习笔记
Day1 复现报表聚合函数:日期联动快速定位区域SUMIF函数SUMIFS函数环比、同比计算IFERROR函数混合引用单元格格式总结汇报 拿到一个Excel表格,首先要看这个表格个构成(包含了哪些数据),几行几列,每一列的名称…...
Nginx 常见面试题
一、nginx常见错误及处理方法 1.1 404 bad request 一般原因:请求的Header过大 解决办法: 配置nginx.conf 相关设置1. client_header_buffer_size 16k; 2. large_client_header_buffers 4 64k;1.2 413 Request Entity Too Large 一般原因࿱…...
Spring 中的 @Autowired 和 @Resource
🧩 一、Autowired 和 Resource 的基本作用 注解来源作用AutowiredSpring 提供(org.springframework.beans.factory.annotation.Autowired)按类型 自动注入ResourceJDK 提供(javax.annotation.Resource)默认按名称 注入…...
IAGCN:登上《Nature》的深度学习可解释性情感分析模型突破
IAGCN:登上《Nature》的深度学习可解释性情感分析模型突破 一、技术突破背景 社交媒体时代,用户生成内容的情感分析需求激增。传统方面级情感分析模型在复杂语境下存在特征交互捕捉不足、情感极性判定偏差等问题。微软亚洲研究院联合清华大学提出的交互…...
Go 学习笔记 · 进阶篇 · 第一天:接口与多态
🐶Go接口与多态:继承没了,但自由炸裂! 最近翻 Go 的代码,突然看到这么一段: type Animal interface {Speak() string }我一愣,咦?这不就是 Java 里常见的“接口”吗? …...
模运算:数字世界中的时空扭曲法则——从密码学到量子计算的跨维演绎
一、模宇宙基本定理:重构数字时空的底层逻辑 1.1 同余关系的时空折叠效应 在模运算创造的离散时空中,数字呈现出环状拓扑结构。当我们在模7空间观察时,12与5通过时空折叠达成量子纠缠:12 ≡ 5 (mod 7)。这种性质使得RSA加密算法…...
0303hooks-react-仿低代码平台项目
文章目录 1. 副作用2.其他内置hooks2.1 useEffect2.2 useRef2.3useMemo2.4 useCallback 3.自定义hooks4. 第三方hooks5. hooks使用原则6. hooks闭包陷阱7. 总结结语 1. 副作用 当组件渲染完成时,加载一个Ajax网络请求当某个state更新时,加载一个Ajax网络…...
Batch Normalization:深度学习训练的加速引擎
引言 在深度学习的发展历程中,训练深度神经网络一直是一项极具挑战性的任务。随着网络层数的增加,梯度消失、梯度爆炸以及训练过程中的内部协变量偏移(Internal Covariate Shift)问题愈发严重,极大地影响了模型的收敛…...
nacos的地址应该配置在项目的哪个文件中
在 Spring Boot 和 Spring Cloud 的上下文中,Nacos 的地址既可以配置在 bootstrap.yml 中,也可以配置在 application.yml 中,但具体取决于使用场景和需求。以下是两者的区别和最佳实践: 1. bootstrap.yml vs application.yml …...
【数据集】 PBMC(Peripheral Blood Mononuclear Cells)数据集
🧬 一、PBMC 数据集简介 内容描述名称Peripheral Blood Mononuclear Cells(外周血单个核细胞)细胞类型包括 B 细胞、T 细胞、NK 细胞、单核细胞等技术平台通常由 10x Genomics 提供(例如 3k、4k、6k、10k 版本)数据类…...
3. go-zero中如何使用redis
问题 go-zero项目相关文档中redis是这样配置的: Name: account.rpc ListenOn: 0.0.0.0:8080 Etcd:Hosts:- 127.0.0.1:2379Key: account.rpcMysql:Host: xxxx:3306User: rootPass: xxxData: mall-userCharset: utf8mb4Cache: - Host: 192.168.145.10:6379Type: nod…...
Redis基础知识
Redis基础知识 一、Redis简介 1.1 什么是Redis? Redis是一个开源的、基于内存的数据结构存储系统,可以用作: 数据库缓存消息中间件分布式锁 1.2 Redis特点 高性能:基于内存操作支持多种数据结构支持数据持久化支持主从复制支…...
每日c/c++题 备战蓝桥杯(求解三个数的最大公约数与最小公倍数)
求解三个数的最大公约数与最小公倍数(C/C实现) 引言 在数学计算和编程问题中,求多个数的**最大公约数(GCD)和最小公倍数(LCM)**是常见需求。本文将探讨如何高效求解三个数的GCD和LCMÿ…...
解决Win11耳机没有声音的问题
方法一:更新驱动程序(有效) 进入 “设置”(快捷键:WinX),点击 “Windows 更新” → “高级选项” 点击 “可选更新” ,然后点击 “驱动程序更新” 【注】:更新后可能会出…...
滤波电容的正负极线宽需要一致吗?
今天看到一个项目的滤波电容的正端采用铺铜处理增大过流能力,但是负极却仅仅打了两个地过孔,不仅产生疑问,这样做是否合理,滤波电容的正负极线宽需要一致吗? 搜寻资料的时候看到这样一个类似的问题: 这些人…...
使用 `pandas` 库来读取 Excel 文件,并实现六种算法的遍历计算
以下是一个满足你需求的 Python 程序示例。在这个示例中,我们假设已经有了处理数据的函数,并且生成的 Excel 文件中包含了观测数据和推算数据。我们将使用 pandas 库来读取 Excel 文件,并实现六种算法的遍历计算。 import pandas as pd# 模拟…...