- 博客(6)
- 收藏
- 关注
RSS订阅转载 独立开发问题记录-margin塌陷
往事如风，一周就过去了。上周在Figma里指点江山，这周在前端代码里卑微搬砖。回想上周，在Figma中排列组合，并且精确到1像素。每设计出一个页面，成就感就蹭蹭往上涨。没想到还没沾沾自喜多久，这周就要在前端代码中疯狂填坑。上周设计的多好看，这周就有多头疼。设计稿存活率：70%当然也想面向cursor编程，可是，细节方面还是不到位，得一遍遍跟它沟通才有可能达到效果。然后一看时间，3小时过去了。问题以及处理方式记录结束，又要继续投入产品开发，毕竟自己手把手设计的页面，绞尽脑汁也得去实现。
2025-07-21 08:11:49
34
转载 Manim：动画制作背后的魔法
Manim是一个功能强大的动画制作工具，它通过代码的方式定义动画，使得动画的制作更加灵活和精确。通过深入了解Manim的内部工作机制，我们可以更好地掌握如何使用它来创建出令人惊叹的动画。如果你对Manim感兴趣，可以尝试自己动手编写一些简单的动画代码，体验一下Manim的魅力！原创作者: wang_yb转载于: https://www.cnblogs.com/wang_yb/p/188819431.manim边学边做--三维图形的场景类03-16。
2025-07-07 14:04:35
41
转载 突破Excel百万数据导出瓶颈：全链路优化实战指南
在日常工作中，Excel数据导出是一个常见的需求。然而，当数据量较大时，性能和内存问题往往会成为限制导出效率的瓶颈。：某电商平台在导出百万订单时，因传统POI方案导致堆内存突破4GB，频繁触发Full GC，最终引发服务雪崩；：某物流系统导出50万运单耗时45分钟，用户多次重试导致数据库连接池耗尽；：某金融平台导出交易记录生成1.2GB文件，服务器磁盘IO飙升至100%；我们结合 EPPlus、MiniExcel 和 NPOI 的 C# 高性能 Excel 导出方案对比及实现研究一下怎么提高导出效率。
2025-06-19 19:02:54
80
转载 一文带你看透什么是ResNet
首先我们来看什么是ResNet，其全称为Residual Network（残差网络），是一种深度学习的网络结构，由微软研究院的何凯明等人于2015年提出。ResNet最大的创新在于引入了“残差模块”（Residual Block），有效地解决了深度神经网络训练中的梯度消失和表示瓶颈问题，使得网络的层数可以达到前所未有的深度，如1000层以上。核心：残差模块的核心思想是通过引入跨层链接（skip connections），将输入直接传递到输出，从而形成一种“残差学习”的机制。
2025-06-01 11:30:55
78
转载 线上救急-AWS限频
在查询高频字段（如user_id等）上设置分区键，提升查询效率并降低TCU消耗，在经过多字段比较后，统一使用用户id作为分区键，以用户维度作为数据多分区查询字段。
2025-04-26 03:48:20
38
转载 大模型部署：Rerank 模型的部署及使用
在RAG（检索增强生成）流程中，Rerank模型发挥着至关重要的作用。尽管传统的RAG能够检索出大量文档，但并非所有文档都与查询问题紧密相关。Rerank模型能够对这些文档进行再次排序和筛选，优先展示与问题更相关的文档，以此提升RAG的整体性能。本文旨在指导如何利用HuggingFace的Text Embedding In...
2024-08-12 02:20:11
2220
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