- 博客(13)
- 收藏
- 关注
RSS订阅原创 开源 | 我用 HarmonyOS + Spring Boot 写了一个全栈背单词 App，已上架 GitHub
《晨读计划》是一款基于HarmonyOS和Spring Boot的全栈开源背单词应用，专为CET-4/6和考研学生设计。该应用采用ArkTS/ArkUI实现原生鸿蒙前端，搭配Spring Boot后端和MySQL数据库，提供无广告、可定制的纯净学习体验。核心功能包括多词书切换、智能背词引擎、学习数据统计及错题生词管理，支持用户注册和个性化设置。项目采用MIT协议开源，包含完整技术文档和协作基础设施，欢迎开发者参与贡献。
2026-05-13 21:44:00
916
原创 从 ArrayList 到 Docker Compose：一个学生管理系统的四代全栈进化
《从零到全栈：四代学生管理系统演进实践》展示了一个完整的Java学习路径项目。该项目包含四个渐进版本：1)基础控制台版(ArrayList存储)；2)进阶版(JDBC+SQLite)；3)Web版(Spring Boot+H2)；4)终极爆炸版(Vue3+Spring Boot+MySQL+Redis+Docker)。每个版本新增16项企业级技术，如JWT双Token、Flyway迁移、AOP日志等，形成完整的技术栈演进图谱。
2026-05-11 06:46:17
367
原创 Python 面向对象(OOP)速成指南：从零开始打造你的“智能家居”
本文介绍了Python面向对象编程的核心概念，通过构建智能家居系统的案例生动演示了类与对象、封装、继承与多态等关键特性。文章首先解释了类作为"图纸"和对象作为"实例"的关系，展示了如何定义基础设备类；然后讲解了Python特有的封装方式，包括属性控制和装饰器用法；接着演示了继承机制和多态特性；最后介绍了数据类等便捷工具。通过一个完整的智能中控系统项目，将知识点串联起来，帮助读者从理论过渡到实践，适合Python初学者和Java转Python的开发者快速掌握面向对象编程
2026-02-17 18:16:02
1215
原创 告别“实验员”：FARS 与科研的工业化进程
摘要： Analemma FARS（全自动研究系统）突破了传统AI的知识重组能力，实现了自主生成新知识。与传统RAG系统不同，FARS展现了完整的“问题识别-方案优化-假设验证”闭环，其冷酷的“机器理性”避免了人类科研中的主观包装，产出更纯粹。FARS将颠覆科研范式：人类转为“架构师”，AI承担实验与试错，加速组合式创新。尽管目前无法提出元理论，但其扩展潜力巨大，未来或可应用于药物研发等领域，成为真正的“自主科学家”。 关键词：FARS、自主知识生成、机器理性、科研范式变革、组合式创新
2026-02-17 13:31:56
1039
原创 零基础入门PyTorch肺部感染案例实践（ResNet迁移学习）——超详细保姆级教程系列
本文为零基础开发者提供PyTorch肺部感染分类实战指南，基于ResNet迁移学习技术，详解从数据集预处理（随机裁剪/旋转/色彩增强）、模型微调（池化层重构+全连接层改造）到训练流程搭建（梯度管理/损失优化/TensorBoard监控）的全链路实践，重点解决Loss震荡、GPU显存不足等常见问题，最终通过可视化训练结果验证模型效果，配套完整项目源码助力医疗影像分析入门。
2025-02-25 16:22:58
2616
原创 零基础教程之OpenCV从入门到精通（四）——汽车计数检测案例（实战篇）
本教程详解基于OpenCV的实时汽车计数检测，涵盖视频流处理、MOG背景减除、形态学操作及动态计数逻辑实现，提供完整代码与常见问题解答，助力零基础掌握目标检测实战技能。
2025-02-20 21:10:09
630
1
原创 零基础教程之OpenCV从入门到精通（三）——图像轮廓
本文详解OpenCV图像轮廓的数学定义及其在工业检测、医学影像等领域的应用，系统阐述轮廓检测全流程、特征量化分析方法与几何重构技术，提供可视化实践及外接矩形计算方案。
2025-02-20 20:40:06
991
原创 零基础教程之OpenCV从入门到精通（二）——形态学
本文将深入解析每个形态学操作的数学本质，揭秘结构元素选择的艺术，并通过真实场景代码演示，带您掌握这项让图像特征"纤毫毕现"的核心技术。
2025-02-19 17:30:43
989
原创 零基础教程之OpenCV从入门到精通——滤波篇
本文将深入解析图像滤波的核心技术，手把手带您掌握OpenCV的五大实战利器：从基础的中值滤波除椒盐噪声，到保边圣手双边滤波，再到边缘检测必备的Canny算法。
2025-02-19 16:13:15
1517
原创 零基础入门PyTorch手写数字识别实战教程（语法详解）——RNN篇
本教程针对零基础开发者，系统讲解使用PyTorch实现RNN手写数字识别的全流程。通过重构MNIST图像为28步长序列数据（每步28维特征），突破传统CNN的二维处理范式，直观展现RNN时序建模能力。
2025-02-19 00:44:23
2607
1
原创 零基础入门PyTorch手写数字识别实战教程（含PyTorch环境搭建）——CNN篇
本文档详细介绍了使用 PyTorch 框架搭建一个简单的手写数字识别系统的全过程。从环境准备到模型训练与测试，每一步都包含详细的代码示例和操作指南。该系统利用卷积神经网络（CNN）处理 MNIST 数据集，旨在为初学者提供一个易于理解且可操作的项目案例。
2025-02-10 01:29:47
3996
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人