<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_30825199的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_30825199</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_30825199]]></copyright><item><title><![CDATA[本地大模型推理加速实战：从部署到性能优化全流程解析]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/99322755</link><guid>https://blog.csdn.net/weixin_30825199/article/details/99322755</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 15:23:43 +0800</pubDate><description><![CDATA[本地推理正成为大模型落地的重要方式，但显存瓶颈、推理延迟与服务化难题始终困扰着开发者。本文从推理加速的基本原理出发，剖析影响模型性能的关键因素，如量化精度、上下文长度、批处理策略与KV Cache管理，并系统讲解如何在本地环境中完成部署、测试与调优。通过实际可操作的性能观测方法，读者可以掌握吞吐量、首token延迟等核心指标的测量手段，同时了解API接口适配与批量任务设计的最佳实践。无论你是追求更低的生成延迟，还是希望将本地推理服务稳定接入业务系统，这套从环境准备到问题排查的完整指南，都能帮助你构建高效、可]]></description><category></category></item><item><title><![CDATA[AI质检与工艺优化：从品客薯片看制造业AI的长期落地逻辑]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/97276715</link><guid>https://blog.csdn.net/weixin_30825199/article/details/97276715</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 14:32:38 +0800</pubDate><description><![CDATA[在工业制造领域，AI的价值远不止于一个即时的智能对话或识别工具。以品客薯片这类外观高度标准化的食品产线为例，真正的挑战在于如何将老师傅口中的“差不多”转化为可量化、可追溯、可迭代的工程标准。这背后是深度学习模型对海量图像特征的学习，是从传统规则判断到特征学习的本质跃迁。AI质检不仅需要解决边缘缺陷的识别难题，更要应对数据偏置、类别不平衡、环境扰动等现实工程问题。通过边缘部署、人工回退机制与持续模型迭代，企业才能逐步从“建议模式”过渡到“自动模式”，最终把个体经验沉淀为长期可复用的数字资产。这种长期主义路径，]]></description><category></category></item><item><title><![CDATA[Stripe账户因Unauthorized Payments被关？原因、申诉与预防指南]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98818953</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98818953</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 14:07:16 +0800</pubDate><description><![CDATA[在跨境支付和SaaS订阅场景中，支付风控是商户必须面对的合规挑战。当持卡人向银行发起“未授权交易”声明时，会触发争议流程并形成拒付记录，收单机构以此评估商户风险。高争议率、交易异常或身份信息不一致，都可能导致Stripe账户被限制甚至关闭，资金遭到冻结。理解Stripe的风控逻辑，及时响应争议、保留完整交易证据，是保障账户安全的关键。通过API导出交易数据、搭建Webhook争议监控、抽象支付网关接口，团队可以大幅降低业务连续性风险。本文从支付风控的基础原理出发，结合工程实践，详细拆解Unauthorize]]></description><category></category></item><item><title><![CDATA[PyTorch实战：从零构建神经网络实现MNIST手写数字识别]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98362245</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98362245</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 13:10:47 +0800</pubDate><description><![CDATA[深度学习作为机器学习的重要分支，其核心在于通过神经网络模型从数据中自动学习特征与规律。其基本原理是通过构建多层非线性变换网络，利用反向传播算法计算梯度，并借助优化器迭代更新模型参数，从而实现对复杂函数关系的拟合。这一技术价值在于能够端到端地解决图像识别、自然语言处理等高维复杂问题。在工程实践中，PyTorch以其动态计算图和直观的接口，成为实现深度学习模型的流行框架。本文聚焦于使用PyTorch框架，通过构建包含全连接层、ReLU激活函数和Dropout正则化的神经网络，并配合DataLoader数据加载、]]></description><category></category></item><item><title><![CDATA[航天级SAM MCU选型与移植实战：从抗辐射原理到在轨应用]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/97434396</link><guid>https://blog.csdn.net/weixin_30825199/article/details/97434396</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 12:28:06 +0800</pubDate><description><![CDATA[在卫星、空间站等航天器电子系统中，MCU的选型远比消费级和工业级严苛，核心在于器件的抗辐射能力与长期可靠性。所谓航天级MCU，并非追求极致性能，而是通过工艺加固、版图优化与全流程筛选，确保芯片在总剂量效应（TID）、单粒子效应（SEE）等空间环境下依然稳定运行。以Microchip Space-Qualified SAM系列为例，其基于ARM Cortex-M架构，既保留成熟生态，又具备明确标定的抗辐射指标，广泛适用于载荷主控、遥测采集与电源管理等场景。从商用SAM向航天级SAM移植时，需关注硬件去耦、启动]]></description><category></category></item><item><title><![CDATA[合成电网场景：学习AC可运行联合分布的技术路径与工程实践]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/96523489</link><guid>https://blog.csdn.net/weixin_30825199/article/details/96523489</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 12:18:10 +0800</pubDate><description><![CDATA[电力系统算法研究长期受限于真实运行数据稀缺、标准算例数量少且工况理想，合成数据因此成为扩充测试场景的重要手段。然而，简单统计近似并不等于物理可运行，生成样本必须满足交流潮流方程、电压与线路容量等多重约束，才能用于算法评估和强化学习训练。基于联合分布建模的生成方法，能够刻画节点负荷、发电出力与网络潮流之间的强耦合关系，从而将采样点约束在可行域内。借助生成对抗网络等模型，结合物理惩罚项和潮流校验闭环，可实现高可运行率的场景生成，覆盖极端边界工况。此类AC可操作合成场景在基准测试、训练环境、数据增强与教学演示中具]]></description><category></category></item><item><title><![CDATA[蓝桥杯国赛Java真题解析：从算法到工程实践的核心考点与避坑指南]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/95769737</link><guid>https://blog.csdn.net/weixin_30825199/article/details/95769737</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 11:36:13 +0800</pubDate><description><![CDATA[在算法竞赛和软件开发中，深入理解数据结构与算法原理是提升代码效率的关键。以栈为例，其“后进先出”的特性使其成为处理括号匹配、表达式求值等问题的理想选择。在Java中，使用ArrayDeque实现栈操作，相比线程安全的Stack类，在单线程环境下能减少性能开销，体现了对语言底层特性的掌握。这种对性能的极致追求，直接关联到工程实践中对OutOfMemoryError等运行时异常的预防。在解决大规模数据问题时，合理选择集合框架、优化字符串拼接与I/O操作，能有效避免内存溢出和性能瓶颈。本文以蓝桥杯国赛真题为背景，]]></description><category></category></item><item><title><![CDATA[Flowise停运后：低代码LLM编排迁移与替代方案指南]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/97295751</link><guid>https://blog.csdn.net/weixin_30825199/article/details/97295751</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 11:31:49 +0800</pubDate><description><![CDATA[在低代码大模型应用构建领域，可视化工作流编排已成为降低开发门槛的核心技术。它允许开发者通过拖拽节点组合模型、提示词、知识库与外部工具，快速生成RAG问答、智能体服务及API接口，显著缩短从原型到生产的周期。当开源项目Flowise停止运营时，企业最紧迫的任务是评估数据可迁移性并选择可持续的替代路径。本文从本地Docker部署、工作流JSON导出、向量库与密钥备份等基础操作切入，详解数据迁移的关键步骤，并对比Langflow、Dify与n8n等主流编排平台的适用场景。同时结合模型接入、API重构与性能观测的工]]></description><category></category></item><item><title><![CDATA[C语言复数乘法实现：从基础结构体到嵌入式DSP优化]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/96667835</link><guid>https://blog.csdn.net/weixin_30825199/article/details/96667835</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 11:10:24 +0800</pubDate><description><![CDATA[复数乘法是数字信号处理（DSP）中的核心运算，广泛应用于FFT、滤波器设计和通信系统。其原理基于复数的代数运算，通过实部与虚部的交叉计算实现。在工程实践中，高效的复数乘法实现能显著提升信号处理算法的性能，尤其在嵌入式系统和实时处理场景中。本文深入探讨了C语言中复数乘法的多种实现方案，包括基础结构体、数组表示法以及C99原生类型，并分析了不同方案在性能、精度和内存布局上的权衡。针对嵌入式DSP应用，文章进一步介绍了定点数实现、循环展开、手动向量化以及利用CMSIS-DSP库进行ARM平台优化的高级技巧。通过结]]></description><category></category></item><item><title><![CDATA[端侧AI与物理AI：资本重仓背后的技术逻辑与Android部署实战]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/99125032</link><guid>https://blog.csdn.net/weixin_30825199/article/details/99125032</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 10:58:31 +0800</pubDate><description><![CDATA[端侧AI是将推理能力部署在设备本地的技术范式，与物理AI的结合正在推动AI从数字世界走向真实环境。其核心原理在于：当数据产生于物理世界时，算力应靠近数据源，从而满足毫秒级时延、数据隐私和离线运行的刚性需求。这一价值在工业质检、自动驾驶、机器人避障等场景中尤为突出，也是资本持续加注的关键原因。在实际工程中，开发者需要掌握模型轻量化（如INT8量化）、推理框架选型（如TensorFlow Lite）、NNAPI硬件加速等关键技术链路。本文以Android平台为例，完整演示了从模型转换、量化到端侧推理的落地流程，]]></description><category></category></item><item><title><![CDATA[蓝桥杯冲刺指南：算法模板、单片机框架与EDA流程优化]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/96079302</link><guid>https://blog.csdn.net/weixin_30825199/article/details/96079302</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 10:53:46 +0800</pubDate><description><![CDATA[算法竞赛与工程实践的核心在于将复杂问题转化为可执行的解决方案。其底层原理涉及对数据结构、算法思想与硬件系统的深入理解，通过抽象与建模来提升问题解决效率。掌握经典算法模板与硬件驱动框架，能显著提升代码复用率与开发稳定性，在时间受限的竞赛或项目交付中极具技术价值。这一方法广泛应用于各类编程竞赛、嵌入式开发及电子设计自动化等场景。本文聚焦蓝桥杯最后阶段的冲刺策略，针对高频考点如高僧斗法（尼姆博弈）等真题进行模式识别与模板固化，并为嵌入式、单片机及EDA组别提供模块化编程与标准化流程的实战建议，帮助考生优化状态，聚]]></description><category></category></item><item><title><![CDATA[从SQL注入到权限提升：一道CTF赛题的纵深渗透实战解析]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/99039199</link><guid>https://blog.csdn.net/weixin_30825199/article/details/99039199</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 10:38:15 +0800</pubDate><description><![CDATA[SQL注入和文件上传是Web安全领域的基础性漏洞，其原理在于应用程序未对用户输入进行充分验证或过滤，导致攻击者可执行恶意操作。SQL注入允许攻击者干涉数据库查询，而文件上传漏洞则可能让恶意文件被上传至服务器。这些技术的安全价值在于，它们常被组合利用，形成攻击链，突破单一防御点，最终实现系统控制。在渗透测试和CTF竞赛中，这种纵深渗透能力至关重要。本文以一道综合赛题为场景，详细拆解了如何将SQL注入、文件上传与本地文件包含（LFI）漏洞串联，从Web入口获取Webshell，并进一步利用系统配置不当（如SUI]]></description><category></category></item><item><title><![CDATA[Android匿名社交App开发实战：源码+视频教学]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98564040</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98564040</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 10:34:38 +0800</pubDate><description><![CDATA[匿名社交是移动应用中兼具用户心理洞察与工程实现挑战的基础场景，其核心在于身份隔离、内容可控与交互可信。本文围绕Android平台轻量级匿名论坛原型，解析设备指纹生成、会话令牌管理、本地敏感词过滤等关键技术原理，强调MVC架构对新手的友好性与可调试性。项目以真实可运行源码和全流程演示视频为载体，覆盖从Android Studio环境配置、Room数据库操作到离线同步、图片加载避坑等高频实践问题，适用于课程设计、实训交付与快速原型验证。关键词涵盖Android开发、匿名社交、源码教学。]]></description><category></category></item><item><title><![CDATA[数学建模实战：Python科学计算三剑客整合应用与性能优化]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98808223</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98808223</guid><author>weixin_30825199</author><pubDate>Wed, 26 Aug 2026 09:13:43 +0800</pubDate><description><![CDATA[科学计算是解决工程与科研问题的核心方法，其原理在于通过数值算法对数学模型进行高效求解。在Python生态中，NumPy提供了高性能的多维数组运算基础，SciPy则集成了大量经过验证的优化、积分、插值等高级算法模块，两者结合构成了坚实的数值计算能力。这套工具链的技术价值在于将抽象的数学模型转化为可执行、可验证的计算流程，极大地提升了研究效率和结果可靠性。其典型应用场景包括数据分析、模型拟合、系统仿真以及各类优化问题求解。本文聚焦于数学建模竞赛场景，深入探讨如何将NumPy、SciPy与Matplotlib进行]]></description><category></category></item><item><title><![CDATA[大模型安全实战：从提示词注入到Agent权限防护]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/97283739</link><guid>https://blog.csdn.net/weixin_30825199/article/details/97283739</guid><author>weixin_30825199</author><pubDate>Tue, 25 Aug 2026 16:20:36 +0800</pubDate><description><![CDATA[大语言模型（LLM）在提升效率的同时，也引入了全新的安全挑战。随着AI Agent、知识库问答等应用普及，传统基于参数校验的防御思路已难以应对自然语言指令带来的风险。提示词注入、过度代理等攻击手段，让攻击者无需接触底层代码，仅通过精心构造的对话就能操控模型行为。理解LLM的安全边界，成为网络安全工程师与AI开发者共同面临的课题。本文从基础概念出发，分析LLM应用的核心攻击面，结合OWASP风险清单讲解风险原理，并提供一个可本地复现的检测Demo，覆盖输入过滤、输出脱敏等基础防护思路。无论是从事渗透测试还是A]]></description><category></category></item><item><title><![CDATA[Air780E DAC实战指南：LuatOS-SOC下10位数模转换的硬件约束与系统优化]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/96336433</link><guid>https://blog.csdn.net/weixin_30825199/article/details/96336433</guid><author>weixin_30825199</author><pubDate>Tue, 25 Aug 2026 13:46:30 +0800</pubDate><description><![CDATA[DAC（数模转换器）是嵌入式系统中连接数字逻辑与模拟世界的桥梁，其本质是将离散数字量按比例映射为连续电压或电流。在资源受限的IoT模组如Air780E中，DAC性能不仅取决于理论分辨率，更受R-2R硬件结构、内部参考电压稳定性、输出阻抗及RTOS调度时序等多重物理与软件因素制约。LuatOS-SOC虽提供简洁API，但隐藏了建立时间、温漂补偿、EMI敏感性等关键工程细节。本文聚焦真实工业场景——传感器校准、音频提示、LED调光——解析如何通过硬件缓冲、温度查表、伪DMA波形生成与PCB高频布线等手段，在10]]></description><category></category></item><item><title><![CDATA[Win10开机慢怎么解决？重装专业工作站版+优化脚本提速方案]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98139908</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98139908</guid><author>weixin_30825199</author><pubDate>Tue, 25 Aug 2026 12:07:20 +0800</pubDate><description><![CDATA[操作系统启动速度是计算机日常使用中体验最直观的性能指标之一，其背后往往由启动项、系统服务、驱动残留与计划任务等众多因素共同决定。随着使用时间增长，系统组件不断堆叠，开机流程逐渐被冗余加载拖慢，这就需要在底层结构上进行一次“系统减法”。重装系统可以让计算机回到干净基线，但真正决定提速效果的，是安装完成后如何科学地管理电源计划、后台服务和优化任务。针对个人电脑与IT运维场景，选择合适的系统版本作为基座，配合可复用的PowerShell优化脚本与排错清单，能够将启动时间稳定控制在理想范围。本文围绕Win10专业工]]></description><category></category></item><item><title><![CDATA[Matlab/Simulink中模型预测控制建模：离散、连续、线性与非线性模型实践]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/95976314</link><guid>https://blog.csdn.net/weixin_30825199/article/details/95976314</guid><author>weixin_30825199</author><pubDate>Tue, 25 Aug 2026 10:56:13 +0800</pubDate><description><![CDATA[模型预测控制是一种先进的过程控制策略，其核心原理在于利用系统的动态模型来预测未来行为，并通过滚动优化求解满足约束的最优控制序列。这项技术的核心价值在于能够显式处理多变量系统的约束问题，在工业自动化、机器人控制和智能驾驶等领域具有广泛应用。预测模型的准确性直接决定了控制器的性能上限，工程师需要根据系统特性在离散与连续、线性与非线性模型间做出权衡。本文聚焦于在Matlab/Simulink这一强大的工程平台上，如何针对不同类型的系统动态，具体构建和集成这些预测模型，并完成控制器设计、仿真与参数整定，为实际工程应]]></description><category></category></item><item><title><![CDATA[Uno兼容单板与GRBL：从原型验证到运动控制的嵌入式实践]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/101779656</link><guid>https://blog.csdn.net/weixin_30825199/article/details/101779656</guid><author>weixin_30825199</author><pubDate>Tue, 25 Aug 2026 09:35:09 +0800</pubDate><description><![CDATA[在嵌入式系统开发中，原型验证阶段常常耗费大量时间在硬件接线与排错上，而Arduino生态的成熟与普及，为开发者提供了高效解决方案。Uno兼容单板作为一种紧凑型开发板，通过严格对齐标准引脚排列，完整保留了Shield扩展生态，让电机驱动、CNC控制等模块实现即插即用，大幅降低电路搭建门槛。其核心主控ATmega328P虽参数朴素，却因强大的软件兼容性成为GRBL等开源运动控制固件的理想载体。固件烧录、串口通信、步进参数配置等环节，构成了从Dev Kit到实际设备的完整链路。无论是桌面CNC、3D打印机还是小型]]></description><category></category></item><item><title><![CDATA[从零实现BP神经网络：原理推导、代码实战与调优指南]]></title><link>https://blog.csdn.net/weixin_30825199/article/details/98697545</link><guid>https://blog.csdn.net/weixin_30825199/article/details/98697545</guid><author>weixin_30825199</author><pubDate>Mon, 24 Aug 2026 16:16:21 +0800</pubDate><description><![CDATA[神经网络是深度学习的核心模型，其训练依赖于误差反向传播算法。该算法通过链式求导计算损失函数对网络参数的梯度，并利用梯度下降法迭代优化参数，使模型预测逼近真实值。这一原理构成了现代深度学习模型训练的基石，对于理解模型优化、诊断训练问题至关重要。在工程实践中，权重初始化、激活函数选择、学习率设置等细节直接影响训练成败。本文以经典的BP神经网络为例，结合梯度消失、梯度爆炸等常见挑战，详细拆解其数学模型，并提供从零实现的代码与调优经验，帮助读者掌握深度学习模型训练的底层逻辑。]]></description><category></category></item></channel></rss>