【Github源码】 《上一篇》详细介绍了Xmtool工具库中的正则表达式类库，今天我们继续为大家介绍其中的加密解密类库。 在开发过程中我们经常会遇到需要对数据进行加密和解密的需求，例如密码的加密、接口传输数据的加密等；当前类库中只封装了Base64、AES两种加密解密方法，因为C#提供了几乎我们能
【Github源码】 《上一篇》详细介绍了Xmtool工具库中的加解密类库，今天我们继续为大家介绍其中的散列算法类库。 散列算法在某些特殊场景也可以当做加密方法使用；其特点是不可逆，同一内容每次散列值绝对一致，所以也可用作对数据内容是否被篡改的校验方法；或者其他需要唯一性编码的场景；本类库提供了MD
【Github源码】 《上一篇》 详细介绍了Xmtool工具库中的散列算法类库，今天我们继续为大家介绍其中的随机值类库。 基于系统提供的Random获取随机值方法已经足够简单和易用，本类库只对日常开发过程中最常用到的生成随机验证码方法进行了封装，后续发现其他有价值的常用随机值需求，会陆续添加到类库中
#### [【Github源码】](https://github.com/softwaiter/Xmtool) [《上一篇》](https://www.cnblogs.com/bcbr/p/17393628.html) 介绍了Xmtool工具库中的随机值类库，今天我们继续为大家介绍其中的邮件发送类库
### [【Github源码】](https://github.com/softwaiter/Xmtool) [《上一篇》](https://www.cnblogs.com/bcbr/p/17421734.html) 介绍了Xmtool工具库中的发送邮件类库，今天我们继续为大家介绍其中的发送短信类库
### [【Github源码】](https://github.com/softwaiter/Xmtool) [《上一篇》](https://www.cnblogs.com/bcbr/p/17447376.html) 介绍了Xmtool工具库中的发送短信类库，今天我们继续为大家介绍其中的XML操作类
### [【Github源码】](https://github.com/softwaiter/Xmtool) [《上一篇》](https://www.cnblogs.com/bcbr/p/17608881.html) 介绍了Xmtool工具库中的XML操作类库，今天我们继续为大家介绍其中的HTTP请
### [【Github源码】](https://github.com/softwaiter/Xmtool) [《上一篇》](https://www.cnblogs.com/bcbr/p/17624230.html) 介绍了Xmtool工具库中的Web操作类库，今天我们继续为大家介绍其中的图形验证码
最近给客户做架构评估写报告时，需要画一些架构示例简图，需求很简单，没到非要用付费软件的程度。 同事推荐一款开源免费的绘制软件drawio，实际体验不错，可以满足我的使用需求。 drawio官方网站： https://www.drawio.com/ 不但有提供Windows的版本，也有我需要的macO
大家好，我是沙漠尽头的狼。 在 [Dotnet9](https://dotnet9.com) 上线在线小工具和小游戏后，服务器的压力感觉挺大的，打开25个页面，内存占用170MB左右，CPU保持在60~70%，看来Server真不适合搞这类交互较多的程序（服务器配置：2核4G内存），所以站长加急上线
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 随着ChatGPT的问世，AI也算迎来了高光时刻！下文是技术宅整理的一些和ChatGPT相关的工具应用，排名不分先后，也不代表个人推荐，但真心真心好好用，主打的就是一个纯粹！ 本文将先分享10个有趣的AI
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 上周更新的打工人都在用的AI工具（第一期）收到了小伙伴们的高度好评，于是很多小伙伴们急急忙忙的催更，技术宅们也马不停蹄的张罗。那么距离上周发文过后，市面上又出来了哪些好玩又实用的AI小工具呢？ 本文将再分
# 一个跨平台的`ChatGPT`悬浮窗工具 使用`avalonia`实现的`ChatGPT`的工具，设计成悬浮窗，并且支持插件。 ## 如何实现悬浮窗？ 在使用`avalonia`实现悬浮窗也是非常的简单的。 实现我们需要将窗体设置成无边框 在`Window`根节点添加一下属性，想要在Linux下
本文主要介绍了对句子编码的过程，以及如何使用PyTorch中自带的编码工具，包括基本编码encode()、增强编码encode_plus()和批量编码batch_encode_plus()。 一.对一个句子编码例子 假设想在要对句子'the quick brown fox jumps over a
一.数据集工具介绍 HuggingFace通过API提供了统一的数据集处理工具，它提供的数据集如下所示： 该界面左侧可以根据不同的任务类型、类库、语言、License等来筛选数据集，右侧为具体的数据集列表，其中有经典的glue、super_glue数据集，问答数据集squad，情感分类数据集imdb
评估一个训练好的模型需要评估指标，比如正确率、查准率、查全率、F1值等。当然不同的任务类型有着不同的评估指标，而HuggingFace提供了统一的评价指标工具。 1.列出可用的评价指标 通过list_metrics()函数列出可用的评价指标： def list_metric_test(): # 第4
HuggingFace本身就是一个模型库，包括了很多经典的模型，比如文本分类、阅读理解、完形填空、文本生成、命名实体识别、文本摘要、翻译等，这些模型即使不进行任何训练也能直接得出比较好的预测结果。pipeline是HuggingFace提供的一个非常实用的工具，但是封装程度太高，需要看源码才能理解其
HuggingFace上提供了很多已经训练好的模型库，如果想针对特定数据集优化，那么就需要二次训练模型，并且HuggingFace也提供了训练工具。 一.准备数据集 1.加载编码工具 加载hfl/rbt3编码工具如下所示： def load_encode(): # 1.加载编码工具 # 第6章/加载
本文主要讨论Langchain-Chatchat项目中自定义Agent问答的思路和实现。以"计算器工具"为例，简单理解就是通过LLM识别应该使用的工具类型，然后交给相应的工具（也是LLM模型）来解决问题。一个LLM模型可以充当不同的角色，要把结构化的Prompt模板写好，充分利用LLM的Zero/O
# 算法和数据结构学习中的一些小的工具函数 作者：[Grey](https://www.cnblogs.com/greyzeng/) 原文地址： [博客园：算法和数据结构学习中的一些小的工具函数](https://www.cnblogs.com/greyzeng/p/17118195.html) [
