大模型学习之菜鸟的进阶道路---工程迭代

news2024/11/28 8:33:00

我们的大模型学习开始了新篇章，这一章还是比较基础的调用api，有些朋友建议直接搞构造大模型，很显然这是很不科学的，我们先从基础学习，大模型本来就是很晦涩难懂的东西，并且知识体系十分庞大，所以我们慢慢学习才是最重要的事情！

工程迭代

首先我们需要介绍这个名词，什么是工程迭代？我们需要理解，在此我们总结为以下几点:
在大模型（如GPT-3.5、GPT-4等）的开发和改进过程中，工程迭代是一个非常重要的环节。工程迭代指的是在模型开发、训练和部署过程中，不断进行改进、测试和优化的循环过程。以下是大模型工程迭代的一些关键方面：

1. 数据收集和预处理

  • 数据收集：收集大规模、多样化的训练数据。数据的质量和多样性对模型的性能至关重要。
  • 数据清洗和预处理：处理和清洗数据，以确保数据的准确性和一致性。这包括去除噪声数据、处理缺失值、标准化等。

2. 模型训练

  • 初始训练：使用收集的数据进行初始模型训练。这通常需要大量的计算资源和时间。
  • 超参数调整：通过调整超参数（如学习率、批量大小等）来优化模型的性能。
  • 分阶段训练：在某些情况下，可能需要分阶段训练模型，即先进行初步训练，再进行精细调优。

3. 模型评估和验证

  • 性能评估：使用测试数据集评估模型的性能，包括准确性、召回率、F1分数等。
  • 验证集：使用验证集来选择最优模型并避免过拟合。
  • 错误分析：分析模型的错误输出，以找出模型的弱点和改进点。

4. 模型优化

  • 模型压缩：为了在实际应用中提高效率，可能需要对模型进行压缩，如量化、剪枝等。
  • 加速推理：使用优化算法和硬件加速（如GPU、TPU）来提高模型的推理速度。
  • 内存管理：优化模型的内存使用，以便在资源有限的环境中运行。

5. 部署和监控

  • 模型部署：将训练好的模型部署到生产环境中，这可能涉及到服务器配置、API开发等。
  • 实时监控：监控模型在实际应用中的性能，收集用户反馈和使用数据，以便进行进一步优化。
  • 持续集成和部署：通过自动化工具实现模型的持续集成和部署，确保快速迭代和更新。

6. 用户反馈和改进

  • 用户反馈：收集用户的反馈意见，了解模型在实际应用中的表现和问题。
  • 迭代改进：根据用户反馈和新数据进行模型的持续改进和重新训练。

7. 安全和伦理考虑

  • 偏见和公平性：确保模型在不同群体中的公平性，减少偏见。
  • 隐私保护：确保训练数据和模型的使用符合隐私保护法规和伦理标准。

8. 研究和创新

  • 新技术探索：不断探索新的技术和方法，以提高模型的性能和能力。
  • 学术合作：与学术界合作，共同研究和攻关技术难题。 通过以上这些迭代步骤，大模型可以不断改进和优化，以满足更高的应用需求和用户期望。

最基础的例子

当然我们现在水平是不足以做到这么多的，我们这篇文章会以一个小白的视角（我的视角）去看最基础的工程迭代
首先我们现在假设是有一个公司，我们主打的就是宣传我们的家具–凳子，但是我们不想写啊，我就交给了大模型处理，所以现在我们把对应的信息喂给模型进行处理，以下是对应代码：

传统的输出样式

fact_sheet_chair = """
OVERVIEW
- Part of a beautiful family of mid-century inspired office furniture, 
including filing cabinets, desks, bookcases, meeting tables, and more.
- Several options of shell color and base finishes.
- Available with plastic back and front upholstery (SWC-100) 
or full upholstery (SWC-110) in 10 fabric and 6 leather options.
- Base finish options are: stainless steel, matte black, 
gloss white, or chrome.
- Chair is available with or without armrests.
- Suitable for home or business settings.
- Qualified for contract use.

CONSTRUCTION
- 5-wheel plastic coated aluminum base.
- Pneumatic chair adjust for easy raise/lower action.

DIMENSIONS
- WIDTH 53 CM | 20.87”
- DEPTH 51 CM | 20.08”
- HEIGHT 80 CM | 31.50”
- SEAT HEIGHT 44 CM | 17.32”
- SEAT DEPTH 41 CM | 16.14”

OPTIONS
- Soft or hard-floor caster options.
- Two choices of seat foam densities: 
 medium (1.8 lb/ft3) or high (2.8 lb/ft3)
- Armless or 8 position PU armrests 

MATERIALS
SHELL BASE GLIDER
- Cast Aluminum with modified nylon PA6/PA66 coating.
- Shell thickness: 10 mm.
SEAT
- HD36 foam

COUNTRY OF ORIGIN
- Italy
"""

这个是对应语料对应翻译的话可以使用deepl或者其他翻译手段看看，简单来说就是些我们这个凳子的商品信息
然后我们就要开始给模型投入相应的信息或者说是要求

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

Technical specifications: ```{fact_sheet_chair}```
"""
response = get_completion(prompt)
print(response)

这段代码的目的是使用OpenAI的语言模型帮助营销团队根据产品的技术规格撰写产品描述。具体来说，这段代码会根据提供的技术规格信息生成一个适合零售网站的产品描述。
构建提示字符串

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

Technical specifications: ```{fact_sheet_chair}```
"""

这段代码构建了一个提示字符串prompt，其内容如下：

Your task is to help a marketing team create a description for a retail website of a product based on a technical fact sheet.

Write a product description based on the information provided in the technical specifications delimited by triple backticks.

Technical specifications: ```{fact_sheet_chair}```

这个提示请求模型帮助营销团队创建一个产品描述。它要求模型基于技术规格表中的信息撰写一个适合零售网站使用的产品描述。

调用函数生成响应

response = get_completion(prompt)

这行代码调用了前面定义的get_completion函数，传入构建的prompt作为参数。该函数使用OpenAI的API生成对提示的响应。

打印结果

print(response)

这行代码打印出模型生成的响应。具体来说，将显示模型根据技术规格表撰写的产品描述。

总结
这段代码的作用是：

  1. 构建一个详细的提示，要求模型根据技术规格表创建一个产品描述。
  2. 使用OpenAI的模型生成响应并打印输出。
  3. 通过打印输出，展示模型撰写的产品描述，这对于营销团队在零售网站上展示产品信息非常有帮助。

通过运行代码我们可以看到结果是：

image.png
我们现在就有个问题，生成的内容太多了，有一说一本人在买东西的时候看到字多的我都不愿意看，所以我们可以简单些，所以我们就继续让模型给我们生成信息，我们继续给模型提要求，实现一个迭代过程

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```
"""
response = get_completion(prompt)
print(response)

这段代码和上述代码其实并没有太多的区别，主要的区别还是在于要求Use at most 50 words.
在这里插句话：在现在模型当中这种具体多少词数的要求其实处理能力是很有限的，就这么说吧，我相信有些人肯定会用chatgpt写作业，不少于多少多少字，但很显然有时候大模型是不能正确处理这些信息的
所以我们在这里其实不需要太过于准确

image.png
然后各位可以看这个运行结果我们可以看到，简洁了许多，我们再来看看具体输出的词数

image.png

WoW，还不错，这个模型还挺给我面子，哈哈哈哈哈哈
然后就是第二点，我们如果发现这个有一些错误的信息我们可以继续提示，或者说，我想要模型重点提及某些信息同样是可以写的

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```
"""
response = get_completion(prompt)
print(response)

这段代码的目的是帮助营销团队根据产品的技术规格撰写一个简洁且技术性的产品描述，特别关注产品的材料，并将字数限制在最多50个单词以内
构建提示字符串

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```
"""

这段代码构建了一个提示字符串prompt，其内容如下：

Your task is to help a marketing team create a description for a retail website of a product based on a technical fact sheet.

Write a product description based on the information provided in the technical specifications delimited by triple backticks.

The description is intended for furniture retailers, so should be technical in nature and focus on the materials the product is constructed from.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```

这个提示请求模型帮助营销团队创建一个技术性产品描述，要求基于技术规格表中的信息撰写一个适合家具零售商使用的、最多50个单词的产品描述，特别关注产品的材料。

调用函数生成响应

response = get_completion(prompt)

这行代码调用了前面定义的get_completion函数，传入构建的prompt作为参数。该函数使用OpenAI的API生成对提示的响应。

打印结果

print(response)

这行代码打印出模型生成的响应。具体来说，将显示模型根据技术规格表撰写的技术性且简洁的产品描述。

总结
这段代码的作用是：

  1. 构建一个详细的提示，要求模型根据技术规格表创建一个技术性且简洁的、最多50个单词的产品描述，特别关注材料信息。
  2. 使用OpenAI的模型生成响应并打印输出。
  3. 通过打印输出，展示模型撰写的技术性产品描述，这对于营销团队在零售网站上展示产品信息非常有帮助，能够快速传达产品的技术特点和材料信息。

image.png
很显然这个就是个训练模型的过程

然后还有比如我要让你举例

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

At the end of the description, include every 7-character 
Product ID in the technical specification.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```
"""
response = get_completion(prompt)
print(response)

这段代码的目的是帮助营销团队根据产品的技术规格撰写一个简洁且技术性的产品描述，特别关注产品的材料，并将字数限制在最多50个单词以内。此外，要求在描述的末尾包含每个7个字符的产品ID。

构建提示字符串

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

At the end of the description, include every 7-character 
Product ID in the technical specification.

Use at most 50 words.

Technical specifications: ```{fact_sheet_chair}```
"""

这个提示请求模型帮助营销团队创建一个技术性产品描述，要求基于技术规格表中的信息撰写一个适合家具零售商使用的、最多50个单词的产品描述，特别关注产品的材料，并在描述末尾包含所有7个字符的产品ID。

调用函数生成响应

response = get_completion(prompt)

这行代码调用了前面定义的get_completion函数，传入构建的prompt作为参数。该函数使用OpenAI的API生成对提示的响应。

打印结果

print(response)

这行代码打印出模型生成的响应。具体来说，将显示模型根据技术规格表撰写的技术性且简洁的产品描述，并在描述末尾包含产品ID。

总结
这段代码的作用是：

  1. 构建一个详细的提示，要求模型根据技术规格表创建一个技术性且简洁的、最多50个单词的产品描述，特别关注材料信息，并在描述末尾包含所有7个字符的产品ID。
  2. 使用OpenAI的模型生成响应并打印输出。
  3. 通过打印输出，展示模型撰写的技术性产品描述，这对于营销团队在零售网站上展示产品信息非常有帮助，能够快速传达产品的技术特点和材料信息，同时确保包含产品ID以便识别。

image.png
很显然模型做的非常好

表格形式

在这里如果我们需要用到表格该怎么办呢，我们的用户喜欢看表格更加直观好看，怎么办？？？
在这里我们可以运用HTML知识

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

At the end of the description, include every 7-character 
Product ID in the technical specification.

After the description, include a table that gives the 
product's dimensions. The table should have two columns.
In the first column include the name of the dimension. 
In the second column include the measurements in inches only.

Give the table the title 'Product Dimensions'.

Format everything as HTML that can be used in a website. 
Place the description in a <div> element.

Technical specifications: ```{fact_sheet_chair}```
"""

response = get_completion(prompt)
print(response)

这段代码的目的是帮助营销团队根据产品的技术规格撰写一个技术性且简洁的产品描述，并以HTML格式输出，适用于在网站上使用。描述中需要特别关注产品的材料，并包含产品ID和产品尺寸表 构建提示字符串

prompt = f"""
Your task is to help a marketing team create a 
description for a retail website of a product based 
on a technical fact sheet.

Write a product description based on the information 
provided in the technical specifications delimited by 
triple backticks.

The description is intended for furniture retailers, 
so should be technical in nature and focus on the 
materials the product is constructed from.

At the end of the description, include every 7-character 
Product ID in the technical specification.

After the description, include a table that gives the 
product's dimensions. The table should have two columns.
In the first column include the name of the dimension. 
In the second column include the measurements in inches only.

Give the table the title 'Product Dimensions'.

Format everything as HTML that can be used in a website. 
Place the description in a <div> element.

Technical specifications: ```{fact_sheet_chair}```
"""

这个提示请求模型帮助营销团队创建一个产品描述，要求基于技术规格表中的信息撰写一个适合家具零售商使用的产品描述，并在描述末尾包含所有7个字符的产品ID和产品尺寸表。要求使用HTML格式输出，描述部分放在<div>元素中。

调用函数生成响应

response = get_completion(prompt)

这行代码调用了前面定义的get_completion函数，传入构建的prompt作为参数。该函数使用OpenAI的API生成对提示的响应。

打印结果

print(response)

这行代码打印出模型生成的响应。具体来说，将显示模型根据技术规格表撰写的技术性且简洁的产品描述，并在描述末尾包含产品ID和产品尺寸表，所有内容格式化为HTML。

总结
这段代码的作用是：

  1. 构建一个详细的提示，要求模型根据技术规格表创建一个技术性且简洁的、适合家具零售商使用的产品描述，特别关注材料信息，并在描述末尾包含所有7个字符的产品ID和产品尺寸表。
  2. 要求使用HTML格式输出，描述部分放在<div>元素中，尺寸表使用<table>元素。
  3. 使用OpenAI的模型生成响应并打印输出。
  4. 通过打印输出，展示模型生成的HTML格式的产品描述和尺寸表，这对于营销团队在零售网站上展示产品信息非常有帮助。

然后因为输出内筒有点多我们就直接复制输出的信息

<div>
<p>This mid-century inspired office chair is a stylish and functional addition to any workspace. The chair is available in a variety of shell colors and base finishes to suit your aesthetic preferences. Choose between plastic back and front upholstery or full upholstery in a range of fabric and leather options. The chair features a 5-wheel plastic coated aluminum base for stability and mobility, along with a pneumatic adjustment for easy height customization. Whether for home or business use, this chair is designed to provide comfort and support. Made with high-quality materials, including cast aluminum with a modified nylon coating for the shell and HD36 foam for the seat, this chair is built to last. Enhance your office with this versatile and durable seating option.</p>

<p>Product IDs: SWC-100, SWC-110</p>
</div>

<table>
  <caption>Product Dimensions</caption>
  <tr>
    <th>Dimension</th>
    <th>Measurements (inches)</th>
  </tr>
  <tr>
    <td>Width</td>
    <td>20.87"</td>
  </tr>
  <tr>
    <td>Depth</td>
    <td>20.08"</td>
  </tr>
  <tr>
    <td>Height</td>
    <td>31.50"</td>
  </tr>
  <tr>
    <td>Seat Height</td>
    <td>17.32"</td>
  </tr>
  <tr>
    <td>Seat Depth</td>
    <td>16.14"</td>
  </tr>
</table>

然后我们来看看这个对应的信息是什么样子

image.png
可以看到这个代码运行是这个样子的，是不是好看了一点点

总结

在这里，我们发现其实我们口中所说的工程迭代不过是一直给机器提供信息然后让机器进行学习，锻炼模型最后就可以拿到我们想要的结果啦！！！
本章节结束啦，如果文章对您有帮助，还望留下一个大大的赞，您的支持是我滴动力！！！

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

以上的AI大模型学习路线，不知道为什么发出来就有点糊，高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

img

三、大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1802627.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Progressive Feature Fusion Framework Based on Graph Convolutional Network

Progressive Feature Fusion Framework Based on Graph Convolutional Network

以Resnet50作为主干网络&#xff0c;然后使用GCN逐层聚合多级特征&#xff0c;逐级聚合这种模型架构早已不新鲜&#xff0c;这篇文章使用GCN的方式对特征进行聚合&#xff0c;没有代码。这篇文章没有过多的介绍如何构造的节点特征和邻接矩阵&#xff0c;我觉得对于图卷积来说&a…
阅读更多...
Swift 序列（Sequence）排序面面俱到 - 从过去到现在（三）

Swift 序列（Sequence）排序面面俱到 - 从过去到现在（三）

概述 在上一篇 Swift 序列（Sequence）排序面面俱到 - 从过去到现在（二） 博文中，我们介绍了如何构建一个自定义类型中“多属性”排序的通用实现。 而在本课中我们将再接再厉介绍 iOS 15+ 中新的排序机制，并简要剖析就地排序（In-place sorting）对运行性能有着怎样的显著影…
阅读更多...
数据挖掘--数据预处理

数据挖掘--数据预处理

数据挖掘--引论 数据挖掘--认识数据 数据挖掘--数据预处理 数据挖掘--数据仓库与联机分析处理 数据挖掘--挖掘频繁模式、关联和相关性&#xff1a;基本概念和方法 数据挖掘--分类 数据挖掘--聚类分析&#xff1a;基本概念和方法 数据清理 缺失值 如果数据集含有分类属性…
阅读更多...
阿里云（域名解析） certbot 证书配置

阿里云（域名解析） certbot 证书配置

1、安装 certbot ubuntu 系统&#xff1a; sudo apt install certbot 2、申请certbot 域名证书&#xff0c;如申请二级域名aa.example.com 的ssl证书&#xff0c;同时需要让 bb.aa.example.com 也可以使用此证书 1、命令&#xff1a;sudo certbot certonly -d “域名” -d “…
阅读更多...
聪明人社交的基本顺序：千万别搞反了，越早明白越好

聪明人社交的基本顺序：千万别搞反了，越早明白越好

聪明人社交的基本顺序&#xff1a;千万别搞反了&#xff0c;越早明白越好 国学文化 德鲁克博雅管理 2024-03-27 17:00 作者&#xff1a;方小格 来源&#xff1a;国学文化&#xff08;gxwh001&#xff09; 导语 比一个好的圈子更重要的&#xff0c;是自己优质的能力。 唐诗宋…
阅读更多...
c++编译器在什么情况下会提供类的默认构造函数等，与析构函数

c++编译器在什么情况下会提供类的默认构造函数等，与析构函数

我们都知道&#xff0c;在 c 里&#xff0c;编写的简单类&#xff0c;若没有自己编写构造析构函数与 copy 构造函数 与 赋值运算符函数&#xff0c;那么编译器会提供这些函数&#xff0c;并实现简单的语义&#xff0c;比如成员赋值。看 源码时&#xff0c;出现了下图类似的情形…
阅读更多...
《C++避坑神器·二十七》VS中release打断点方法，#undef作用

《C++避坑神器·二十七》VS中release打断点方法，#undef作用

1、release打断点方式 2、#undef作用 #undef指令用于”取消“已定义的#define指令 案例&#xff1a;
阅读更多...
小主机折腾记24

小主机折腾记24

好久不更新&#xff0c;最近折腾的事如下 1.10块钱自提买了个半高机箱&#xff0c;15086140&#xff0c;把之前拆机的H61m-A/M32AA/DP_MB与200w航嘉电源装了进去&#xff0c;额外买了半高pcie转接了个m2位&#xff0c;江波龙64g安装了win10专业版&#xff0c;最后卖了176块钱&a…
阅读更多...
连山露【诗词】

连山露【诗词】

连山露 雾隐黄山路&#xff0c;十步一松树。 树上惊松鼠&#xff0c;松子衔木屋。 松子青嫩芽&#xff0c;尖尖头探出。 卷挂白露珠&#xff0c;装映黄山雾。
阅读更多...
UML实战-BUG管理系统

UML实战-BUG管理系统

概述 根据 UML建模的过程来进行一个完整系统的设计–Bug 管理系统。下面是一个标注 UML 设计过程的参考。 需求分析：用例图。系统分析：分析业务规则–状态图。系统分析：分析业务流程–活动图。系统设计：设计静态结构–类图和包图。系统设计：Action类被调用关系–序列图。…
阅读更多...
检测五个数是否一样的算法

检测五个数是否一样的算法

目录 算法算法的输出与打印效果输出输入1输入2 打印打印1打印2 算法的流程图总结 算法 int main() {int arr[5] { 0 };int i 0;int ia 0;for (i 0; i < 5; i) { scanf("%d", &arr[i]); }for (i 1; i < 5; i) {if (arr[0] ! arr[i]) {ia 1;break;} }…
阅读更多...
Linux-常用命令-常用设置

Linux-常用命令-常用设置

1.帮助类命令 1.man命令-获得帮助信息 man [命令或配置文件]例&#xff1a;查看ls命令的帮助信息 man ls输入 ZZ 退出帮助2.服务管理类命令 1.centos7语法 1.1 临时开关服务命令 开启服务&#xff1a; systemctl start 服务名 关闭服务&#xff1a; systemctl stop 服务…
阅读更多...
Javaweb---HTTPS

Javaweb---HTTPS

题记 为了保护数据的隐私性我们引入了HTTPS 加密的方式都有那些呢? 1.对称加密: 加密和解密使用的密钥是同一个密钥 2.非对称加密:有两个密钥(一对),分为公钥和私钥(公钥是公开的,私钥是要藏好的) HTTPS的工作过程(旨在对body和header进行加密) 1.对称加密 上述引出的…
阅读更多...
两张图片进行分析

两张图片进行分析

两张图片进行分析&#xff0c;可以拖动左边图片进行放大、缩小查看图片差异 底图 <template><div class"box_container"><section><div class"" v-for"item in imgData.imgDataVal" :key"item.id"><img :s…
阅读更多...
Kafka监控系统efak的安装

Kafka监控系统efak的安装

下载地址Kafka Eaglehttp://download.kafka-eagle.org/下载地址连接不稳定&#xff0c;可以多次尝试直到成功连接下载 1.解压安装包并重命名 tar -zxvf kafka-eagle-bin-3.0.1.tar.gz 查看到解压后包含一个安装包&#xff0c;再解压 tar -zxvf efak-web-3.0.1-bin.tar.gz 移…
阅读更多...
小程序简单版录音机

小程序简单版录音机

先来看看效果 结构 先来看看页面结构 <!-- wxml --><view class"wx-container"><view id"title">录音机</view><view id"time">{{hours}}:{{minute}}:{{second}}</view><view class"btngroup"…
阅读更多...
【JavaSE】面向对象---多态

【JavaSE】面向对象---多态

前言 本篇以Java初学者视角写下&#xff0c;难免有不足&#xff0c;或者术语不严谨之处。如有错误&#xff0c;欢迎评论区指正。本篇说明多态相关的知识。若本文无法解决您的问题&#xff0c;可以去最下方的参考文献出&#xff0c;找出想要的答案。 多态概念 多态&#xff08…
阅读更多...
【Ardiuno】实验使用ESP32连接Wifi（图文）

【Ardiuno】实验使用ESP32连接Wifi（图文）

ESP32最为精华和有特色的地方当然是wifi连接&#xff0c;这里我们就写程序实验一下适使用ESP32主板连接wifi&#xff0c;为了简化实验我们这里只做了连接部分&#xff0c;其他实验在后续再继续。 由于本实验只要在串口监视器中查看结果状态即可&#xff0c;因此电路板上无需连…
阅读更多...
最短路径——迪杰斯特拉与弗洛伊德算法

最短路径——迪杰斯特拉与弗洛伊德算法

一.迪杰斯特拉算法 首先对于最短路径来说&#xff1a;从vi-vj的最短路径&#xff0c;不用非要经过所有的顶点&#xff0c;只需要找到路径最短的路径即可&#xff1b; 那么迪杰斯特拉的算法&#xff1a;其实也就与最小生成树的思想类似&#xff0c;找到较小的&#xff0c;然后…
阅读更多...
在网上赚钱，可以自由掌控时间，灵活的兼职副业选择

在网上赚钱，可以自由掌控时间，灵活的兼职副业选择

朋友们看着周围的人在网上赚钱&#xff0c;自己也会为之心动&#xff0c;随着电子设备的普及&#xff0c;带动了很多的工作、创业以及兼职副业选择的机会&#xff0c;作为普通人的我们&#xff0c;如果厌倦了世俗的朝九晚五&#xff0c;想着改变一下自己的生活&#xff0c;可以…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023