- 博客(303)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 M1 Max Mac版本实测 Rapid-MLX 项目（据说比ollama快4倍）
本文记录了在M1 Max 64G设备上运行Rapid-MLX项目的实测体验。项目提供了多种安装方式（Homebrew/pip/一键脚本），支持多种模型选择（如qwen3.5-9b）。实测发现首个问题响应较快，但后续响应延迟明显，持续输出内存监控日志（约5.8GB内存占用）。文章详细介绍了安装步骤、模型选择建议（根据内存大小推荐不同参数模型）、API调用方法以及与第三方应用（如Cursor）的集成方式。虽然项目号称"Rapid"，但实测性能表现与预期存在差距，特别是在连续问答时的响应延迟问
2026-05-10 21:53:38
783
原创 DeepSeek 大模型本地部署 + RAG向量数据库构建 技术教程
本文介绍了基于Ollama部署DeepSeek大模型并构建RAG本地知识库的全流程。主要内容包括：1）通过两种方式安装Ollama并验证服务；2）部署DeepSeek-r1:1.5b大模型和mxbai-embed-large词向量模型；3）搭建RAG项目环境，解决LangChain版本适配问题；4）实现PDF文档上传、向量化存储及智能问答功能。实验使用华为云提供的测试数据集，最终完成了一个支持本地知识检索的AI问答系统部署。教程详细记录了安装命令、环境配置和代码修改等关键步骤，适合开发者快速搭建类似应用。
2026-05-10 14:04:04
646
原创 OrbStack 环境下 Dify 启动报错完整解决方案教程：validating docker-compose.yaml
摘要： 本文针对OrbStack环境下运行Dify项目时出现的Docker Compose启动失败和登录页面循环问题，指出核心原因是OrbStack内置Docker对Compose文件列表格式不兼容（env_file需改为字符串格式）、缺少.env配置文件，以及配置不一致导致服务通信异常。解决方案包括：1) 修改docker-compose.yaml适配OrbStack语法；2) 提供完整的.env配置模板确保前后端一致；3) 补充缺失服务配置。通过备份原文件、替换配置、新增服务等步骤，可一步到位解决问题。
2026-05-10 14:01:04
756
原创 小批量梯度下降（MBGD）手算教程：以房价预测为例
本文通过一个房价预测案例，详细演示了小批量梯度下降（MBGD）算法的完整计算过程。首先设定线性回归模型参数初始值为0，使用6个样本数据分成3个批次（每批2个样本）进行训练。每个批次计算预测值、误差和梯度后，根据平均梯度更新参数。例如第一批次更新后参数变为w1=0.092，w2=2.3，w3=0.062，b=0.024。后续批次继续类似计算，展示了学习率0.0001下参数如何逐步调整。整个过程清晰呈现了MBGD算法的工作原理：通过小批量样本的平均梯度迭代优化模型参数。
2026-04-22 16:38:20
304
原创 打卡脚本执行速度优化的架构设计思路
本文分析了自动化打卡脚本执行缓慢的常见原因，包括网络延迟、浏览器操作开销、等待机制不合理等，并提出六项优化策略：1)转向API直接调用绕过浏览器渲染；2)异步并行处理独立操作；3)缓存登录状态避免重复认证；4)采用智能等待机制；5)使用无头浏览器模式；6)模块化并行架构设计。通过实施这些优化措施，预计可将脚本执行时间从分钟级降至秒级，同时提升稳定性和可靠性。文章还提供了网络层优化、执行监控和容错机制等具体实施建议。
2026-04-08 11:55:20
298
原创 某网站每日签到自动化教程（Mac 版）
本教程将指导你在 Mac 电脑上配置一个自动化签到脚本，让系统每天在 9:00~10:00 之间随机时间自动完成签到，无需人工操作。整个流程包含：环境检查、脚本编写、定时任务设置。：首次运行会自动下载匹配的 ChromeDriver，可能需要 1-3 分钟，请耐心等待。在每天 9:00 触发一个包装脚本，再由包装脚本随机等待一段时间后调用真正的签到脚本。：如果安装过程中需要输入密码，请照常输入（不会显示字符）。执行，而不是固定时间，以减少被网站检测为机器人的风险。SkillPad软件已发布！
2026-04-01 18:01:52
669
原创 告别重复劳动，成为效率达人：SkillPad插件开发极速入门
《告别重复劳动：SkillPad插件开发极速入门》 SkillPad是一款能帮你自动完成日常重复性工作的效率工具。本文介绍了如何快速开发SkillPad插件来提升工作效率： 核心优势： 支持Python/Shell/JavaScript等多种脚本语言 极简开发模式，5分钟即可创建第一个插件 统一管理所有脚本插件，告别文件碎片化 开发示例： 演示了"Hello SkillPad"基础插件 展示了实用的"心情记录器"插件开发 提供常见问题解决方案 应用场景： 系统信息查询
2026-03-30 16:03:04
467
原创 清明纪念·时光信笺——项目运行指南
本文详细介绍了如何在本地运行"清明纪念·时光信笺"项目，包含完整的开发环境配置指南。从JDK、Maven、Node.js和MySQL等基础环境准备，到数据库创建、前后端配置及项目启动步骤，提供了清晰的命令行操作指引。同时包含了常见问题解决方法，如数据库连接失败、依赖安装问题等，并说明了项目基本功能的验证方式。适用于Mac和Windows系统，帮助开发者快速搭建完整的项目运行环境。
2026-03-21 14:23:27
258
原创 解释代码：input_ids = input_ids.unsqueeze(0)
本文介绍了PyTorch中unsqueeze(0)操作的作用及应用场景。该操作通过在指定位置插入维度，将一维张量转换为二维，常用于文本处理中的批处理维度添加。文中通过BERT模型输入示例说明其必要性，对比不同位置unsqueeze的效果差异，并给出实际应用代码。核心要点：unsqueeze(0)将[seq_len]转为[1, seq_len]，使单条数据符合模型输入的批次格式要求。
2026-03-05 18:24:53
256
原创 Spring AI开发实战：MCP 配置+高德接入+Markdown 邮件发送全教程
摘要：本文是一篇Spring开发实战教程，整合了MCP协议配置、高德地图接入和邮件发送三大功能模块。文章首先介绍MCP协议的核心概念及文件系统权限配置示例，然后对比分析高德地图MCP的三种接入方式并给出推荐方案。最后详细讲解Spring中使用MimeMessage发送HTML邮件的完整流程，包括环境配置、授权码获取和代码实现。教程提供可直接运行的实战代码，适合开发人员快速上手整合这些常用功能。 关键词：Spring开发、MCP协议、高德地图接入、邮件发送、HTML邮件
2026-03-05 18:23:16
584
原创 运行OpenManus项目（使用Conda）
1、本地 Ollama 不需要 API Key，但是api_key参数需要填写“ollama”;输入你的prompt：分析最近3个月AI相关的重要开源项目，并提供star排名。需要改成自己对应的模型（PS：上面的qwq不行…可以发现，3分钟后报了超时！但是程序程序依然在跑…其实步骤非常简单，只需要按照官网一步一步来即可！下次再继续，关注我，不迷路…(破涕而笑.jpg)继续尝试下载了小的qwen模型。难道我这新出的不算？那就是我模型的问题？
2025-03-08 11:46:23
2494
2
原创 git报错：error: RPC failed； curl 16 Error in the HTTP2 framing layer
过程中出现了 HTTP2 协议层错误，可能是网络不稳定或 Git 配置问题导致的。
2025-03-08 10:11:07
2445
原创 前端与后端数据对接的最佳实践（两个案例）
通过以上两个案例，我们可以看到前端与后端数据对接时的一些常见问题和解决方案。使用可以将 JavaScript 对象转换为 JSON 字符串，适用于发送 JSON 数据到服务器。而方法则可以将表单数据转换为查询字符串，方便发送表单数据。理解这些方法的使用场景和原理，可以帮助我们更好地进行前后端的数据交互，提高开发效率和代码质量。
2024-12-23 11:41:46
1635
原创 报错解决：[ERR] 2006 - Server has gone away
如：C:\ProgramData\MySQL\MySQL Server 8.0\my.ini，修改max_allowed_packet=100M。解决过程：需要重新设置初始的max_allowed_packet参数，默认为4M，不足。方式二（未实操）：max_allowed_packet。（1）修改MySQL安装目录下的my.ini文件。方式一：不勾选“每个运行中运行多重查询”打开Navicat，再次导入SQL文件。注：可根据实际情况酌情设置。（2）重启MySQL。
2024-12-23 11:40:11
1047
原创 Java 8 Stream API 在数据转换中的应用 —— 将列表转换为映射
虽然在理想情况下userId应该是唯一的，但在实际开发中可能会出现各种意外情况导致键冲突。通过在数据库、业务逻辑和代码层面采取适当的措施，可以有效避免和处理键冲突问题，确保系统的稳定性和数据的准确性。
2024-11-23 10:28:18
1617
原创 sysUserList 中为何会出现多个具有相同 userId 的 SysUser 对象
在日常的开发过程中，我们经常需要将一个包含多个对象的列表转换成一个映射（Map），以便于快速查找和访问数据。在Java 8之前，这样的转换通常需要通过循环等传统方式手动实现，这不仅增加了代码量，还可能引入更多的错误。在上面的例子中，我们选择了保留第一次遇到的对象并忽略后续的对象。提供了强大的功能来帮助我们构建映射，同时通过自定义合并函数，我们能够灵活地处理键冲突的情况。通过使用Java 8的Stream API，我们可以更高效、更简洁地完成数据转换的任务。在实际应用中，键冲突是一个常见的问题。
2024-11-23 10:25:53
748
原创 MacOS安装MindSpore（2025年最新）
官方链接有升级版本呢的教程！升级MindSpore版本邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-09-29 19:00:00
964
原创 报错：Caused by: java.io.FileNotFoundException: META-INF/native/libnetty_resolver_dns_native_macos_a
原因：测试的时候写少了个。
2024-07-21 16:51:55
718
原创 可再生能源工厂系统 (REPS) - 项目源码
传感器收集、整理并发送有关生产系统健康状况的数据，如每小时的能源产量，而摄像头则记录并发送视频到服务器控制室，展示工厂内发生的事情，如人员的流动和运输方式（用于监控活动）或卡车装载物资的交换。数据：为了收集太阳能、风能和水能的数据，我们建议使用如 Fingrid.fi 这样的资源，它提供了关于能源生产和消费的全面数据。这包括检测各种类型的错误，并可能向用户提供清晰的指导，说明如何纠正它们。发电厂必须可靠、可持续且成本效益高。注意：确保遵循 Scala 风格指南，并使用适当的命名约定为变量、函数和类命名。
2024-07-20 17:38:38
1307
原创 将一个Git仓库地址上传到多个远程仓库
有些时候，自己想要切个仓库出来玩的话，可以这样操作，这样并不会影响到原来的仓库。Git安装与配置（mac版本）使用Git将代码提交到码云如何使用Git暂存文件再恢复邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-07-16 21:30:00
1075
原创 Git克隆指定分支
Git操作很简单，你作为国家的栋梁，祖国的花朵，你不可能不会的对吧，啊哈…邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-07-16 20:30:00
3058
原创 报错：CodeArts部署Java/SpringBoot/SpringCloud项目报错：Deploy task execution failed.
目前想要部署SpringCloud服务，使用页面传参的方式。但是传参后，部署报错。后面就是对应的命令），观察命令是否有错，可以发现参数。附带另外一个注意事项：网关不要使用带下划线的名称。
2024-07-06 00:55:03
635
原创 报错：org.apache.servicecomb.config.common.exception.OperationException: Bad request for query configur
背景：目前有一个SpringCloud项目，使用到了华为的微服务引擎CSE。即将http修改成https即可！原因：网关的协议写错了！
2024-07-06 00:54:10
978
原创 使用Docker安装Redis并运行
这是使用Mac中安装Redis的教程，其实也可以用在Linux上。使用Docker安装MySQL5和MySQL8并同时运行邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-03-11 23:00:32
786
原创 SpringCloud报错解决：Can‘t assign requested address: /192.168.215.0:9004
但现在的问题是，如果我关掉OrbStack，那么我Docker中的Redis、MySQL都没法使用了！而且项目的报错也因为我启动OrbStack而有所改变，由此可知就是OrbStack引起的。目前是SpringCloud项目，前端使用Vue，之前还行，但是突然有一天启动报错了。最后经过排查，发现原因是我开启了OrbStack导致的。将负载均衡，直接指定成ip地址访问即可！
2024-03-11 22:59:14
1235
原创 使用ollama本地跑大模型
总的来说，跑起来还是非常方便的，也没有遇到多少坑。相类似的项目有Jan，大家也可以尝试一下。使用ollama本地跑模型ollama 大模型本地部署之浏览器插件邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-01-28 16:36:06
4784
原创 报错：Kernel Restarting The kernel for Untitled.ipynb appears to have died. It will restart automatical
你参考其他人的文章，安装好M1版本的TensorFlow环境后，使用notebook出现了一些问题。其实，你在网上找教程，可能找到的是旧版本的安装教程！最后正确解决的办法是重新装TensorFlow。出现则表示安装成功了。
2024-01-11 23:15:04
3760
原创 MacOS安装Miniforge、Tensorflow、Jupyter Lab等（2024年最新）
我现在需要安装Anaconda，但是我这里直接使用了Miniforge替代，然后安装Tensorflow、Jupyter Lab等，除了我总结我的搭建过程，还会在文章最后附带上一些有意义的参考链接。
2024-01-11 23:08:29
5930
原创 使用Docker安装MySQL5和MySQL8并同时运行
本教材非常有用，如果不是ARM架构，直接改一下镜像就可以了，非常简单。其实不这么麻烦也可以，就是直接装，然后切换服务，但是有点麻烦了，所以干脆直接通过不同端口，连接不同版本的数据库，这样就可以一劳永逸了。还有其他办法吗？！一起分享一下啊！邵奈一原创不易，如转载请标明出处，教育是一生的事业。
2024-01-03 23:55:34
1576
原创 大数据HCIE成神之路之特征工程——特征选择
该方法可以移除数据集中低方差的特征，只有一个参数threshold：float，选填，默认为0，表示指定删除训练集特征的方差的阈值，此处指定的阈值为0.5，即特征方差小于0.5的特征会被删除；利用随机森林方法进行特征选择，特征重要性的得分存在不稳定的现象，这不仅仅是随机森林特有的，大多数基于模型的特征选择方法都存在这个问题。，生成随机数据，利用线性回归模型对生成的数据拟合，建立一个回归模型，通过打印模型的具体形式，观察线性回归各个自变量的系数，也就是每个特征的权重，数值越大的，对应的特征越应该被保留。
2024-01-03 23:41:32
1461
原创 大数据环境准备与配置说明文档
1、世人称我为：被代码耽误的诗人、没天赋的书法家、五音不全的歌手、专业跑龙套演员、不合格的运动员…2、这几年，我整理了很多IT技术相关的教程给大家，爱生活、爱分享。
2023-12-27 23:44:29
1177
原创 大数据HCIE成神之路之数据预处理（6）——特征编码
通过独热编码，学历特征被转换为一个包含5个维度的二进制向量，每个样本的学历都可以用该二进制向量来表示。对于离散特征可以采用One-Hot编码的方式来处理，使用M位状态寄存器对M个状态进行编码，M个变量用M维表示，每个维度的数值或为1，或为0。每个取值对应一个维度，总共有5个维度，每个维度上的值为1表示该样本的学历属于对应的取值，为0表示不属于该取值。由上述实验结果可知，使用map()函数将原有数据集中的female和male，成功的离散化为1和0。掌握对数据进行有序分类变量的离散化的操作。
2023-12-27 23:32:18
1502
1
原创 大数据HCIE成神之路之数据预处理（5）——偏态数据处理
答案：计算第三列元素与该列最大值之间的差值的平方根的目的可能是为了进行数据的标准化或者变换，以探索数据的分布特征或进行数据预处理。第一个参数是插入位置的索引，第二个参数是新列的名称，第三个参数是一个列表，包含了要插入的每个行的值。数据集来自开源网络，分别有4个特征表征数据分布的不同特点，中度正偏斜（右偏斜），高度正偏斜（右偏），中度负偏态（左偏态），高度负偏斜（左偏斜）。数据集，对数据进行简单解读和整合后，通过调用平方根法，对数变换，Box-Cox对数据进行转换，对比前后变化，分析3种方法的区别。
2023-12-26 23:49:44
1567
原创 大数据HCIE成神之路之数据预处理（3）——特征缩放
当涉及到特征缩放的选择时，我们需要考虑数据的特点以及所使用的机器学习算法。标准化可以消除特征之间的量纲差异，使得数据更易于比较和分析。标准化适用于大多数机器学习算法，特别是那些依赖于距离度量的算法，如支持向量机（SVM）和K近邻（KNN）算法。最小值-最大值归一化是另一种常见的特征缩放方式，它将特征缩放到一个指定的范围（通常是0到1之间）。这种缩放方式可以保留原始数据的分布形状和结构。
2023-12-25 23:45:29
618
原创 大数据HCIE成神之路之数据预处理（4）——数值离散化
因此，在上述例子中，我们可以将其归类为特征选择相关的知识。等距分箱：是最为常用的分箱方法之一，从最小值到最大值之间，均分为N等份，如果A，B为最小最大值，则每个区间的长度为W=(B−A)/N，则区间边界值为A+W，A+2W，…系统自动将数据划分为(1.998, 2.48]、 (2.48, 2.96] 、(2.96, 3.44] 、(3.44, 3.92] 、(3.92, 4.4]五个等宽区间，并将原本的数据集中的。我们可以使用qcut( )函数进行等频划分，将数据分成几等份，每等份数据里面的个数是一样的。
2023-12-20 23:23:52
1265
1
原创 大数据HCIE成神之路之数据预处理（2）——异常值处理
这在鸢尾花数据集中是合理的，因为每个类别的名称都不会超过 10 个字符，所以使用这个数据类型的数组可以有效地存储和表示类别名称。splitter可选参数，代表特征划分点选择标准，splitter=best为针对所有特征找出最优的特征划分点，splitter=random为随机的在部分特征中找局部最优的划分点。综上所述，该for循环遍历了鸢尾花数据集中的每个类别，根据类别的索引选择相应的特征数据作为 x 轴和 y 轴，并使用不同的颜色和标签将它们可视化成散点图。然而，需要注意的是，3σ原则是基于。
2023-12-17 15:01:58
618
graphviz软件安装包
2023-11-14
Spark项目实战：飞机延误预测项目-数据
2022-11-11
Windows本地安装Hadoop所需文件.zip
2019-12-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人