码银的博客

原创 【HTML】五子棋AI对战代码

我用夸克网盘给你分享了「五子棋源码」链接：https://pan.quark.cn/s/3590e43e8fa7通过网盘分享的文件：五子棋代码链接: https://pan.baidu.com/s/17dmCdrjcuXipFDhuUeaFLw?pwd=id8r 提取码: id8r。

原创 几小时完成生鲜配送系统！飞算JavaAI专业版：智能引导+两大工具承包开发全流程

作为一名Java开发者，我曾无数次被「需求拆解难、后期调试烦」的问题困住，最近面对一个生鲜配送系统的开发需求，光梳理业务逻辑、设计表结构就要耗上大半天，后续还要花时间处理代码规范、依赖冲突，往往一周才能拿出可运行的项目。开发这个生鲜配送系统，全程生成了近3万行代码，加上多次调试、格式优化，完全没遇到Token耗尽的情况——飞算JavaAI专业版的「真·无限Tokens」名不虚传，既不是限时额度，也不是每日配额，复杂项目开发全程无中断。我只微调了2个字段，数据库设计就完成了，节省了2小时。

原创 MyBatis动态SQL插入语句

1. 第一个标签（列名部分）的作用属性说明：工作原理：属性说明：工作原理：假设只有、和有值，最终生成的SQL为：4. 条件的作用每个字段前的条件用于判断字段是否有有效值：

原创 华为智慧物流落地的底层逻辑：这本数据手册是企业转型的核心指南

书中提出的“面向‘联接共享’的数据底座”理念，正是智慧物流样板点成功的核心支撑——通过数据湖实现全链条数据的逻辑汇聚，再以标准化的主题联接方式将数据转化为可用信息，最终实现物流全流程的可视可控。针对企业普遍面临的“数据孤岛”“标准混乱”等痛点，书中构建的“企业级数据综合治理体系”给出了系统性解决方案：明确数据管理的责任主体在业务，建立统一的数据标准、数据模型与分布架构，理顺数据与变革、运营、IT的协同关系。《华为数据之道》提供的不仅是技术与流程的标准，更是一种“以数据为纲”的转型思维。

原创 ruoyi的前端（vue）新增的时候给字典设置默认值 但不能正常

el-select 的 el-option 中的 dict.value 在字典数据中通常存储为字符串类型（如 “1” 、 “2” ）解决方案：改成“1”即可，原来是数字：1。

原创 一款多功能PDF处理工具：查看PDF信息 提取PDF文本 合并多个PDF 拆分PDF文件 旋转PDF页面 加密

在日常办公和学习中，PDF文件的处理需求十分常见——查看文档信息、提取文本、合并/拆分文件、旋转页面、加密/解密等，频繁切换不同工具既低效又繁琐。本文介绍的这款Python脚本，基于pypdf库一站式整合了7类核心PDF操作，无需依赖第三方软件，轻量且易用。代码文件：我用夸克网盘给你分享了「pdf操作代码」，点击链接或复制整段内容，打开「夸克APP」即可获取。

原创 Catlass 核心架构指南：问题驱动的设计

学习 Catlass 的最佳方式，就是通过实际的 GEMM 示例，观察不同配置如何影响性能，并验证计算结果的正确性。虽然 GEMM 是核心，但 Catlass 的架构支持任何“切分-计算-合并”模式的算子，如卷积 (Conv2d)、FlashAttention、甚至自定义的 Transformer Block。下面的示例展示了一个典型的配置驱动 GEMM 算子：开发者只需要定义切分策略、调度策略和组件组合方式，Catlass 会自动完成核心计算块的组装、数据搬运重叠以及最终执行。

原创 CANN 开源仓核心模块解析：仓库结构与功能定位深度剖析

CANN 是华为面向 AI 场景设计的异构计算架构，其核心目标是打通上层 AI 框架与底层昇腾 AI 处理器之间的鸿沟，实现高效、灵活、可扩展的 AI 计算支持。对上兼容主流 AI 框架：如 TensorFlow、PyTorch、MindSpore 等，通过插件或适配层实现无缝对接；对下深度优化昇腾硬件：提供算子库、运行时调度、内存管理、图优化等底层能力；中间层提供统一编程模型：包括 AscendCL（C++ API）、TBE（Tensor Boost Engine）自定义算子开发框架等；

原创 【数据分析】基于工作与生活平衡及寿命数据集的数据分析与可视化

作者信息该数据集由创作。版权与许可CC0: Public Domain（公共领域）更新频率数据集的预期更新频率为每年一次，用于持续完善数据内容以适配研究与教学需求。

原创 机器学习---基于随机森林算法的客户流失预测模型+可视化

数据集来源：Customer Churn Prediction Business Dataset（https://www.kaggle.com/datasets/miadul/customer-churn-prediction-business-dataset）我用夸克网盘给你分享了「客户流失预测相关数据集+代码+模型」，点击链接或复制整段内容，打开「夸克APP」即可获取。我用夸克网盘给你分享了「客户流失预测相关数据集+代码+模型」，点击链接或复制整段内容，打开「夸克APP」即可获取。

原创 【3D圣诞树】HTML代码实现

这是之前的文章：3D动态圣诞树代码优化：1、增加圣诞树顶端五角星⭐️；2、增加“树木”亮度。

原创 ERROR: transport library not found: dt_socket ERROR: JDWP Transport dt_socket failed to initialize,

我用夸克网盘分享了「jdk」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。链接：https://pan.quark.cn/s/c72666843e2b。我原来用的是两个进度款红色的让我删除了（这俩调式的时候都报错）解决：换个jdk就好了。

原创 3D动态圣诞树代码

这是一个基于Three.js实现的3D动态圣诞树可视化网页，具有节日氛围的视觉效果。

原创 若依框架中，使用新的SVG图标在菜单背景变暗时图标颜色未能自动变为白色。

若依的图标组件是通过改变 color 样式来改变图标颜色的，这要求 SVG 文件本身不能写死颜色。检查 SVG 源文件（最常见原因）

原创 使用 UNIQUE KEY uk_user_question (user_id,question_id)复合唯一索引：确保了一个xx对同一xx只有一条记录

点击数据库表后，点击索引即可建立索引属于，核心作用是（仅允许存1个NULL值），插入/更新重复值会被数据库拒绝。比如用户表的“手机号”字段用UNIQUE索引，就能避免同一手机号注册多个账号。属于，是MySQL中大部分索引（包括UNIQUE、NORMAL等）的默认实现方式。它是一种平衡树结构，能高效支持“等值查询、范围查询、排序”等操作，是日常业务中最常用的索引存储方法。

原创 【图片】车辆头盔检测数据集

On Vehicle Helmet Detection Dataset由RajeevSekar21于2025-10-23发布；

原创 Cannot resolve method ‘getIndex‘ in ‘TickType‘

这个错误通常是由于OSHI库版本更新导致的API变化。在较新的OSHI版本中，TickType枚举类的getIndex()方法已被移除，取而代之的是使用枚举的默认ordinal()方法来获取索引位置。修复方案：将getIndex()替换为ordinal().getIndex()的调用需要修改为TickType.在setCpuInfo方法中，所有TickType.

原创 【数据结构】 栈和队列

/ 节点类char val;// 链式栈（带头节点）// 头节点（不存储数据）// 入栈（头插法）// 出栈（头删法）if (isEmpty()) throw new RuntimeException("栈空");// 头节点（不存储数据）// 队尾指针（指向最后一个元素）// 初始队尾与头节点重合// 入队：队尾插入// 出队：队头删除（头节点后第一个元素）if (isEmpty()) throw new RuntimeException("队空")

原创 【Python】随机浮动鼓励语弹窗，为你加油打气！支持互动点击“知道啦”

里面还有另一个文件是圆形弹窗。

原创 房价数据集——影响房价的各种因素

该数据集为于2025年11月8日在Kaggle发布的核心用于分析影响房屋价格的因素，包含房屋及等属性，可支持探索性数据分析、数据可视化和预测模型构建，对数据分析师、学生及机器学习爱好者的房地产分析工作具有价值其可用性评分为，采用（详情查阅：https://creativecommons.org/publicdomain/zero/1.0/）许可。数据集源地址：https://www.kaggle.com/datasets/kainatjamil12/housing。

原创 【数据集分享】汽车价格预测数据集

该数据集由：Rehan Liaqat 更新于一个月前，是用于汽车价格预测的结构化数据集，包含市场上单个汽车的消费者导向记录，每一行对应一辆车，涵盖等特征及作为目标变量的；数据集具有可直接应用、精简聚焦、用途多样、适合演示教学的优势，可用性评分为10.00，采用ODC Public Domain Dedication and Licence（PDDL）许可，无预期更新频率，标签为“Beginner”，

原创 【数据结构】单链表核心知识点梳理

单链表是一种链式存取的数据结构，用一组地址任意的存储单元存放线性表中的数据元素。链表中的数据是以结点来表示的，每个结点的构成：元素(数据元素的映象) + 指针(指示后继元素存储位置)，元素就是存储数据的存储单元，指针就是连接每个结点的地址数据。科普中国-单链表。

原创 【数据结构】顺序表

可通过 “起始地址 + 元素索引” 直接定位任意元素，无需遍历。

原创 docsify 本地部署完整配置模板 || 将md文件放到网页上展示

若需自定义侧边栏结构，在项目根目录新建- [首页](/)- 基础指南- [安装步骤](docs/安装指南)- [环境要求](docs/环境要求)- 问题解决- [常见问题](docs/常见问题)- [错误排查](docs/错误排查)- [关于](about.md)* [首页](/)* [安装指南](docs/安装指南)* [常见问题](docs/常见问题)

原创 【数据结构】时间复杂度和空间复杂度

时间复杂度TnT(n)Tn描述算法执行时所有语句的总执行次数，本质是对计算工作量的量化。例如在Java中，这意味着我们需要关注循环、递归等操作随着问题规模nnn增长时的执行频率。核心是分析n→∞n→∞时的增长趋势（数量级），而非具体次数标准表示法为大O表示法TnOfnTnOfn))，其中fnf(n)fn映射基本运算与nnn的关系空间复杂度SnS(n)Sn表示算法运行时所需的辅助存储空间（不含输入数据本身）。

原创 【简易聊天室】使用 HTML、CSS、JavaScript 结合 WebSocket 技术实现

要制作一个简易聊天室，我们可以使用 HTML、CSS、JavaScript 结合 WebSocket 技术实现。以下是一个完整的实现方案，包含前端界面和后端服务：

原创 【Windows】Anaconda3-2025-x86_64的安装教程，使用【notebook】和【PyCharm】测试环境

> 本人能力有限，如有错误，还望指正下载地址2：https://pan.quark.cn/s/5e27318ed23e下载地址3： https://pan.baidu.com/s/1NZAY3B0BI1PnHCklqH0y-A?pwd=jeyk 提取码: jeyk服务条款声明：继续安装即表示您同意 Anaconda 服务条款，条款详见 https://anaconda.com/legal。注意：当你勾选 “将 Anaconda3 注册为我默认的 Python 3.13” 选项时，你的电脑中所有依赖 Pyt

原创 【python 100行左右代码】基于Streamlit的简单食谱推荐系统实现

源代码下载：https://pan.quark.cn/s/1b691d70d0af下载方式2： https://pan.baidu.com/s/1M5evnzw1O6EdycVuwkP4kA?pwd=buue 提取码: buue。

原创 【python】基于 生活方式与健康数据预测数据集（Lifestyle and Health Risk Prediction）的可视化练习，附数据集源文件。

1、基本定位：模拟真实世界个人生活方式与健康数据的合成数据集，旨在帮助数据科学家、机器学习- -工程师及学生安全构建和测试健康风险预测模型，无需使用敏感医疗数据。​2、核心规模：​行数：5000 行（可调整，支持扩展生成更多数据）​列数：12 列（含 11 个特征列 + 1 个目标变量列）​3、数据属性：​数据类型：混合类型，包含数值型（如年龄、体重）和分类型（如运动频率、吸烟习惯）​生成工具：通过 Python 库（NumPy、Faker）完全合成​4、授权与作者信息：​。

原创 2025/10/17 10:20知乎崩了？

原创 表情包存入Mysql数据库报错：Incorrect string value: ‘\xF0\x9F\x98\x8A...‘ for column ‘content‘ at row 1

向数据库中存入表情包（如😀、🌈、🎉等）报错：Incorrect string value: '\xF0\x9F\x98\x8A...' for column 'content' at row 1。

原创 学生考试成绩预测：从数据分析到Stacking集成模型实践

特征重要性：学生以往成绩、学习时长和出勤率是影响本次考试成绩的核心因素，睡眠时间影响相对较弱，为教学建议提供数据支撑（如重点关注学生基础水平和学习投入）；模型选择：Stacking 集成模型在预测精度上优于单一基学习器，验证了集成学习在回归任务中的有效性；数据质量：数据集无缺失值、特征相关性合理，为模型性能提供了良好基础。

原创 【Python】交互式文件分类整理工具：可视化引导与智能归档实现

原有规则...'xlsx': '表格文件','xls': '表格文件' # 统一文件夹名称。

原创 【数据挖掘】基于随机森林回归模型的二手车价格预测分析（数据集+源码）

本研究运用随机森林回归模型对汽车价格进行预测。通过对包含多种汽车属性的数据集进行预处理，包括对分类变量的独热编码，将其划分为训练集与测试集。利用训练集数据拟合随机森林模型，并使用测试集数据进行预测与评估。同时，借助多种可视化手段深入分析模型性能与数据特征。数据源：https://www.kaggle.com/datasets/vrajesh0sharma7/used-car-price-prediction选择随机森林回归模型作为预测工具，并设定决策树数量为100（），同时固定随机种子（

原创 UserWarning: Glyph 178 (\N{SUPERSCRIPT TWO}) missing from font(s) SimHei.SimHei 字体时无法正确显示上标数字，例如 R²

错误信息：这个警告是因为 Matplotlib 在使用 SimHei 字体时无法正确显示上标数字（特别是 R² 中的平方符号²）。SimHei 字体缺少这个特殊字符的字形。

原创 Windows环境下，无需卸载node，使用nvm管理本机node版本

接下来，您可以自定义 nvm 的安装路径，选择好路径后，再次点击 “Next”，直至安装完成。卸载 Node 版本：运行nvm uninstall ，例如nvm uninstall 16.18.0，即可卸载指定版本的 Node.js。安装指定版本的 Node：运行nvm install ，例如nvm install 18，即可安装指定版本的 Node.js。用于显示 nvm 的帮助文档，其中详细列出了 nvm 所有可用的命令及其简要说明，方便用户快速了解各命令的功能和使用方法。剩下的一路点击next即可。

原创 数据挖掘：基于线性回归的学生成绩预测分析实战

学生成绩预测；线性回归；数据可视化；特征重要性。

原创 基于HanLP的地址信息识别：识别出人名、地址和电话号码

类定义了一个私有静态常量，用于存储直辖市列表。该列表在后续处理地址时，用于识别和特殊处理直辖市地址。// 定义直辖市列表private static final List<String> MUNICIPALITIES = Arrays.asList("北京市", "天津市", "上海市", "重庆市");

原创 基于Python+逻辑回归+XGBoost的肝癌预测项目，保存预测模型，基于streamlit快速搭建Web界面，输入患者特征并获取预测结果

数据特性适配：该数据集为合成数据，无真实患者隐私问题，可放心用于实验，但实际医疗场景需严格遵守HIPAA、隐私保护法等规范。医疗逻辑优先：建模过程中需结合医学常识（如甲胎蛋白、肝炎史是肝癌关键风险因素），若特征重要性与临床认知冲突，需检查数据或模型问题。模型局限性：机器学习模型仅为“辅助工具”，不能替代医生诊断，需在结果中明确标注“预测结果仅供参考，以临床检查为准”。

原创 【Java】基于ruoyi项目的工具类：逗号分隔 ID 转名称工具（批量查询拼接）

类提供了一个静态方法convert，该方法接收逗号分隔的ID字符串、查询函数以及用于从对象中获取ID和名称的函数。通过一系列步骤，包括处理空输入、拆分ID字符串、调用查询函数获取数据、构建ID到名称的映射以及按原ID顺序拼接名称，最终返回拼接后的名称字符串。此外，类中还包含三个私有方法，分别用于拆分ID字符串、构建ID到名称的映射以及按顺序拼接名称。