正常的excel导出没什么问题，最近一直头疼的是怎么导出数据中包含图片，并且图片还是数组？？？？？by user 悦悦 https://www.cnblogs.com/nuanai 1、导出的excel布局是图片分行显示 2、导出图片路径，并且已另外的文字设置超链接 3、其他行合并（这个还没有想好怎
注入漏洞通常是指在可输入参数的地方，通过构造恶意代码，进而威胁应用安全和数据库安全。常见的注入漏洞包括：SQL注入和XSS跨站脚本攻击。 这篇文章我们主要讲SQL注入，SQL注入即是指web应用程序对用户输入数据的合法性没有判断或过滤不严，攻击者可以在web应用程序中事先定义好的查询语句的结尾上添加
自从2022年11月OpenAI正式对外发布ChatGPT依赖，AGI 这条赛道上就挤满了重量级的选手，各大头部公司纷纷下场布局。原本就在机器学习、深度学习领域占据No.1的Python语言更是继续稳固了自己AI一哥的位置。凭借着Microsoft 和 OpenAI 长期以来一直是紧密相连的合作伙伴
在CUDA程序中, 访存优化个人认为是最重要的优化项. 往往kernel会卡在数据传输而不是计算上, 为了最大限度利用GPU的计算能力, 我们需要根据GPU硬件架构对kernel访存进行合理的编写.
目前园子的主要收入来源是会员、周边、广告，在当前会员与周边收入很少的情况下，随着今年广告业务的回暖，广告收入成为维持生存的新希望。 虽然因为被百度降权失去了巨大的搜索流量，但如果找到长期合作的广告单子，基于园子高质量的用户群，依靠现有的流量，努力做好推广，通过广告收入维持基本生存是可行的。 但残酷的
2021年8月，蔚来部分用户数据被窃取，并遭到勒索225万美元等额比特币； 2022年5月，通用汽车表示部分在线客户账户出现异常登录； 2023年5月，丰田云服务导致215万日本用户车辆数据承担泄露风险； 2024年4月，高合汽车因车内摄像头拍摄的不雅影像泄露而备受关注； …… 近些年，随着“智能汽
好家伙， 0.什么是命令模式 在软件系统中，“行为请求者”与“行为实现者”通常呈现一种“紧耦合”。 但在某些场合，比如要对行为进行“记录、撤销/重做、事务”等处理，这种无法抵御变化的紧耦合是不合适的。 在这种情况下，如何将“行为请求者”与“行为实现者”解耦？将一组行为抽象为对象，实现二者之间的松耦合
CoT 推理范式 默认情况下，大语言模型通常是直接给出问题的最终答案，中间推理过程是隐含的、不透明的，无法发挥出大模型最极致的理解能力。如果你用它来充当翻译，可能效果和传统的机器翻译也差不了太多。 如果我们给大模型设计一个合理的提示词，控制大模型的思考方式，就能发挥出大模型的最大功效，甚至可以让它的
Oracle临时表在处理临时数据、会话数据隔离和复杂查询优化方面非常有用。 其底层逻辑是通过Oracle特殊的临时表来减少I/O操作和日志开销，提高了数据库性能和查询效率。开发者可以根据具体需求和场景，合理使用临时表来简化数据处理逻辑和提高系统性能。 早期开发人员在使用Oracle数据库时，经常因为
众所周知,对于前端来说css是最难的了，如果你遇到了一个脑洞大奇思妙想的产品，那就更难了。 很不巧，了不起就经受过这样的痛苦，产品经理看了HarmonyOS4的发布会，脑子一热就让设计师出了一套膨胀蓬松的UI 了不起经过调研，查找了上百个样式组件库，终于找到了一款合适的样式库——clay.css c
一、网络设备基础 1.1 园区网络安全部署场景 一般园区网络中，由最基础的路由器与交换机组成网络，为了安全，在网络中部署防火墙 在那些区域需要部署防火墙 在网络的出入口区域部署 在重要的服务器区域部署 数据中心区的服务器一般只对内网用户提供服务，而DMZ区域面向外部用户提供服务。 分支/合作伙伴出口
Java中Synchronized锁升级通过偏向锁、轻量级锁到重量级锁的动态转变，优化了多线程同步性能。偏向锁减少无竞争场景的开销，轻量级锁借助CAS与自旋优化低竞争环境，重量级锁确保高竞争下的互斥性。合理设计并发模型，监控锁状态并结合其他并发工具以充分利用锁升级优势。
1. Infura Infura 是一种托管服务，提供对各种区块链网络的安全可靠访问，消除了管理区块链基础设施的复杂性，使开发者能够专注于构建创新的 Web3 应用程序。 Infura 作为连接应用程序与区块链网络的重要桥梁，为开发者提供强大的 API 来与区块链进行交互、部署和管理智能合约等等。无
一般我们在开发的时候，习惯上使用常规的关系型数据库来设计数据库表，对于一些业务表的字段比较固定的场景，是一种非常不错的选择，而且查询的时候，由于是基于固定的表字段进行查询，性能基本上是最优的。不过有一些场景下，业务信息的经常变化，使用常规的关系型数据库来创建表字段、删除字段的模式，肯定不是合适的处理...
title: llama3源码解读 tags: DL 本来不是很想写这一篇，因为网上的文章真的烂大街了，我写的真的很有可能没别人写得好。但是想了想，创建这个博客就是想通过对外输出知识的方式来提高自身水平，而不是说我每篇都能写得有多好多好然后吸引别人来看。那作为对整个合集内容的完善，这篇博客会解析现在
在深度学习时代，设立开发集和测试集的方针也在变化。 可能听说过一条经验法则，在机器学习中，把取得的全部数据用70/30比例分成训练集和测试集。或者如果必须设立训练集、开发集和测试集，会这么分60%训练集，20%开发集，20%测试集。在机器学习的早期，这样分是相当合理的，特别是以前的数据集大小要小得多
在博客写作中，静态资源加速方式是解决图片加载速度的关键。通过图片压缩、Nginx静态资源缓存和EdgeOne等CDN产品的应用，我们提高了网站性能和用户体验，减轻了服务器带宽压力。EdgeOne的功能包括静态加速、网站证书和HTTP重定向至HTTPS，简化了网站管理流程，提升了安全性。合理利用这些静...
SQL优化中，有一条放之四海而皆准的既定方针，那就是：永远以小数据驱动大数据。其本质其实就是以小的数据样本作为驱动查询能够优化查询效率，在SQL中，涉及到不同表数据的连接、转移、或者合并，这些操作必须得有个数据集作为“带头”大哥，即驱动数据，而这个驱动数据最好是数据量最小的那一个。 内大外小 在讨论
北国春迟，春寒料峭略带阴霾，但ChatGPT新接口模型gpt-3.5-turbo的更新为我们带来了一丝暖意，使用成本更加亲民，比高端产品ChatGPT Plus更实惠也更方便，毕竟ChatGPT Plus依然是通过网页端来输出，Api接口是以token的数量来计算价格的，0.002刀每1000个token，token可以理解为字数，说白了就是每1000个字合0.01381人民币，以ChatGPT无
最近翻译的一篇分享中，主要讲解了多任务学习的各个方面，很多的专业术语与概念都不清楚，因此简单的整理了下相关的知识，做个笔记。 ### 概述 现在大多数机器学习任务都是单任务学习。对于复杂的问题，也可以分解为简单且相互独立的子问题来单独解决，然后再合并结果，得到最初复杂问题的结果。这样做看似合理，其实
