搜索[双足行走]结果-低调大师优秀个人博客

精选列表

搜索[双足行走]，共9229篇文章

楼宇自控动环联动：SNMP告警+UDP上报以太网温湿度传感器双链路设计

先说清楚一个基本事实：楼宇自控（BA）系统里，温湿度数据从来不是"采集到就行"这么简单。它要同时服务于两个完全不同的消费方——楼控 DDC/PLC 需要周期性地拿数据做逻辑联动（空调启停、新风阀开度），动环平台需要实时接收越限告警做应急处置（短信通知、声光报警、联动排风）。这两个需求对通信模式的要求截然不同：前者是拉模式（轮询），后者是推模式（事件驱动）。

2026-09-24

5μV Max + 10MHz + 5V/μs：HCR8552 零漂移双运放工程师选型笔记

01 先给结论：HCR8552 适合谁，不适合谁02 自稳零原理：「零漂移」的代价03 引脚兼容与替代注意04 典型案例：3.3V 低边双向电流检测05 国内外双通道零漂移运放对比06 电子工程师调试 Checklist07 论坛发帖建议标题08 总结

2026-09-23

用 WorkBuddy 把一份账套变成两份报告：审计版 + 尽调版「双出」工作台

话题：#WorkBuddy #AI办公建议归入：财务审计投资尽调行业章节任务卡：一份企业账套（材料）→ WorkBuddy 跑五段流水线（步骤）→ 审计版 + 尽调版两份 docx（可验收产出）

2026-09-18

DeepAgents深度解析：依托MCP与A2A双协议，构建企业级多智能体复杂业务集群应用21.3

如今大模型的应用，早已告别了简单聊天、调用基础工具的入门阶段。普通单一大模型能力有限，面对财务核算、供应链调度、全域运维、全链路审批这类复杂、长流程的企业核心业务，根本扛不住、做不完。就算想用多智能体分工协作补齐能力，传统AI框架的短板也会彻底暴露：智能体互相孤立、工具适配成本极高、任务调度混乱、长流程容易上下文溢出、落地稳定性差。最后搭好的AI系统，只能做些简单辅助工作，根本碰不到企业核心业务。

2026-09-01

分布式环境防关联架构中，双 ISP 静态住宅代理触发二审的底层机制与优化策略

然而在实际生产环境中，依然存在即使使用高纯度静态 ISP 节点，在提现或核心业务变更等关键操作时仍发生触发二次身份校验的现象。

2026-08-13

算力基座×情感应用双强联合！摩尔线程+一眸科技共拓国产化AI落地新范式

观众在一眸科技展示区测评产品双强协同，构建国产化AI落地完整闭环摩尔线程作为国产算力标杆企业，此次发布的MTT E300边缘AI模组、MTT AIBOOK算力本，依托自研“长江

2026-05-20

qData 数据中台开源版 v1.1.0 发布：新增清洗与稽查规则，支持 ARM+x86 双架构运行

ARM + x86 双架构支持针对不同硬件环境的部署需求，qData 开源版 v1.1.0 在构建与交付方式上进行了优化：统一构建方式支持基于 Maven 一键打包生成 Jar 包与镜像（可配置）

2025-12-19

鲁大师2025年手机Q3季报：骁龙天玑新机蓄势待发，OPPO再夺流畅双冠

超高流畅度分数离不开ColorOS的“潮汐引擎”与“极光引擎”流畅双引擎，前者优化性能调度，后者打造流畅动画，而接下来10月即将登场的ColorOS 16还要继续开卷流畅度，鲁Sir已然期待住了。

2025-10-11

阿里云数据库11月刊:揭秘双11狂欢背后的阿里云数据库产品和技术

会议时间恰在互联网狂欢的“双11”之后，从互联网到企业级，这场由互联网引导创造的节日背后也是对于技术领域实践的考验，使POLARDB和阿里云数据库整体的品牌影响力持续提升。

2018-12-12

让计算机拥有一双眼睛，人工智能科学家已经努力了半个世纪

最近斯坦福大学一篇论文《Deep neural networks are more accurate than humans at detecting sexual orientation from facial images》一出，舆论哗然，该论文研究指出，计算机算法可以从面相判断一个人的性取向，引发了对隐私、道德、伦理问题的争议。然而回过头去看，这原本是一个卷积神经网络应用的技术文章，在人工智能领域，它是图像识别和机器人视觉的核心部分。图像识别技术，是人工智能道路上的一座高峰，如今你可以看到包括个人相册图片管理、刷脸解锁手机、刷脸上班打卡等广泛应用。你一定好奇，图像识别是什么？如何让机器理解一张图甚至一个动态的生物？背后又用到了哪些技术？今天，我们就从源头挖一挖图像识别的概念、技术和应用。什么是“图像识别”？从概念来看，图像识别是指利用计算机对图像进行处理、分析和理解，以识别不同模式的目标和对像（人物、场景、位置、物体、动作等）的技术。而图像识别算法一般采用机器学习方法，模拟人脑看图，随后计算机依靠大量的数据，理解图像，最后建立相关的标签和类别。整个识别过程的核心，就是神经网络，经过优胜劣汰，目前已经发展到卷积神经网络（CNN或ConvNets）。据不完全统计，科学家们从神经网络研究到卷积神经网络，就花了从20世纪60年代末到20世纪80年代末的时间。让计算机看见，经历了一个剥茧抽丝的神经网络演进过程我们先来看，人如何辨识物体。人脑的神经细胞（神经元）包括很多彼此相邻并相连的层，层数越多，网络越“深”。单个神经元从其他神经元接收信号——可能高达10万个，当其他神经元被触发时，它们会对相连的神经元施加兴奋或抑制作用，如果我们的第一个神经元输入加起来达到一定阈值电压（threshold voltage）时，它也会被触发。也就是说，人不但可以用眼看字，当别人在他背上写字时，他也认得出这个字来。就好比下图，人一眼看过去，就能感知到图片中存在某种层级（hierarchy）或者概念结构（conceptual structure），一层一层的：地面是由草和水泥组成，图中有一个小孩，小孩在骑弹簧木马，弹簧木马在草地上。关键点是，我们知道这是小孩，无论小孩在哪种环境都认识，因此人类不需要重新学习小孩这个概念。但机器不同，它需要经过多次反复的学习过程。我们再来看，机器如何辨识物体。在人工神经网络中，信号也在“神经元”之间传播，但是，神经网络不是发射电信号，而是为各种神经元分配权重。和权重较小的神经元相比，权重更大的神经元会对下一层神经元产生更多的作用，最后一层将这些加权输入放在一起，以得出答案。比如，要想让一个计算机认出“猫”，需要建立一组数据库，包含数千张猫的图像和数千张不含猫的图像，分别标记“猫”和“不是猫”，然后，将图像数据提供给神经网络，最终输出层将所有信息——尖耳朵、圆脸、胡须、黑鼻子、长尾巴——放在一起，并给出一个答案：猫。这种训练技术被称为监督学习（supervised learning）。还有一种技术叫做无监督学习（Unsupervised learning），就是使用未标记的数据，计算机必须自己看图识物，比如从“尖耳朵”辨别这是一只猫而不是其他动物。然而这些方法容易误导机器，误把“尖耳朵”猫识别成狗，或者把浣熊猫误认为暹罗猫。但是，如果图片是这样的呢？一个3岁小孩都能识别出猫的照片，计算机科学家们却花了多年时间教会计算机看图识物。关键就是自主训练量。直到20世纪80年代，来自加拿大多伦多大学的“神经网络先驱”Geoff Hinton领导的小组，提出了一种训练神经网络的方法，叫做卷积神经网络，意味着它不会陷入局部陷阱。于是强大的图形处理单元或GPU出现了，研究人员因此可以在台式机上运行、操纵和处理图像，而不用超级计算机了。同时大数据的加持，让卷积神经网络应用越来越广泛。2007年，美国斯坦福大学计算机科学系副教授李飞飞推出了ImageNet——一个来自互联网的数百万带有标签图像的数据库。ImageNet为神经网络提供了约1000万张图像和1000个不同的标签。一直到现在，神经网络成为机器人视觉的核心工具。尽管现代神经网络包含许多层次——Google Photos有大约30层——但卷积神经网络的出现，仍然是前进了一大步。当你教会计算机认图，它需要反复学习与传统神经网络一样，卷积神经网络也是由加权神经元层组成。但是，它们不仅仅是模仿人脑的运作，而是非常恰到好处地从视觉系统本身获得了灵感。卷积神经网络中的每个层，都在图像上使用过滤器拾取特定的图案或特征。前几层检测到较大的特征，例如下图斜线，而后面的层拾取更细的细节，并将其组织成诸如“耳朵”的复杂特征。图：典型的卷积神经网络架构最终输出层像普通神经网络一样是完全连接的（也就是说，该层中的所有神经元都连接到上一层的所有神经元）。它集合高度具体的特征——其中可能包括猫的狭缝状瞳孔、杏仁形眼睛、眼睛到鼻子的距离——并产生超精确的分类：猫。在2012年，谷歌用数千个未标记的YouTube剪辑缩略图培训了一个卷积神经网络，看看会出现什么。毫不奇怪，它变得擅长寻找猫视频。卷积神经网络如何进行图片处理？基本上有三个步骤，卷积层、池化层、采用下采样阵列作为常规全连接神经网络的输入。譬如，从刚刚那张“小孩骑马图”可以分解出，卷积神经网络辨识物体的五个步骤：第一步：把图片分解成部分重合的小图块于是图片被分解成了 77 块同样大小的小图块。第二步：把每个小图块输入到小型神经网络中重复这个步骤 77 次，每次判断一张小图块然而，有一个非常重要的不同：对于每个小图块，我们会使用同样的神经网络权重，也就是说，如果哪个小图块不一样，我们就认为这个图块是“异常”（interesting）的。第三步：把每一个小图块的结果都保存到一个新的数组当中我们不想并不想打乱小图块的顺序，所以就把每个小图块按照图片上的顺序输入并保存结果，就像这样：第四步：缩减像素采样第三步的结果是一个数组，这个数组对应着原始图片中最异常的部分。但是这个数组依然很大: 为了减小这个数组的大小，我们利用一种叫做最大池化（max pooling）的函数来降采样（downsample）。但这依然不够！让我们先来看每个 2×2 的方阵数组，并且留下最大的数：这里，一旦我们找到组成 2×2 方阵的 4 个输入中任何异常的部分，但我们就只保留这一个数。这样一来我们的数组大小就缩减了，同时最重要的部分也保留住了。最后一步：作出预测到现在为止，我们已经把一个很大的图片缩减到了一个相对较小的数组。数组就是一串数字而已，所以我们我们可以把这个数组输入到另外一个神经网络里面去。最后的这个神经网络会决定这个图片是否匹配。为了区分它和卷积的不同，我们把它称作“全连接”网络（“Fully Connected” Network）。所以从开始到结束，我们的五步就像管道一样被连接了起来：整个过程中，你可以把这些步骤任意组合、堆叠多次，卷积层越多，网络就越能识别出复杂的特征。当你想要缩小数据大小时，也随时可以调用最大池化函数。而深层卷积网络（Convolutional Neural Networks）就是使用了多次卷积、最大池化和多个全连接层。为了实现卷积神经网络应用，机器学习需要反复学习测试。如何构建卷积神经网络？这里有一些API 从零开始构建卷积神经网络，费钱又耗时，业内开放了一些API（Application Programming Interface，应用程序编程接口），使开发者无需自己研究机器学习或计算机视觉专业知识。谷歌 Cloud Vision GoogleCloud Vision是谷歌的视觉识别API，使用REST API。它基于开源的TensorFlow框架。它检测单个面部和物体，并包含一个相当全面的标签集。另外，谷歌图像搜索可以说是一个巨大的图像数据库，基本上改变了我们处理图像的方式。这里有一张谷歌图像搜索的时间表。 IBM沃森视觉识别 IBM沃森视觉识别是沃森开发者云（Watson Developer Cloud）的一部分，并附带了一大批内置的类别，但实际上是为根据你提供的图像来训练自定义定制类而构建的。它还支持一些很棒的功能，包括NSFW和OCR检测，如Google Cloud Vision。 Facebook的MultiPathNet 3 Facebook AI Research（FAIR）认为，深度卷积神经网络让我们已经看到图像分类（图像中有什么）以及对象检测（对象在哪里？）上的巨大进步（见下图a和b），但这只是一个开始，目标是设计一种识别和分割图像中每个对象的技术，如下图c。于是Facebook想将机器视觉推向下一个阶段——在像素级别上理解图像和对象。推动的主要新算法是DeepMask 1分段框架以及SharpMask 2细分模块。它们共同使FAIR的机器视觉系统，能够检测并精确地描绘图像中的每个物体。识别流水线的最后阶段使用一个专门的卷积网络，称之为MultiPathNet 3，以其包含的对象类型（例如人，狗，羊），为每个对象掩码标记。 Clarif.ai Clarif.ai是一个新兴的图像识别服务，也使用REST API。关于Clarif.ai的一个有趣的方面是它附带了一些模块，有助于将其算法定制到特定主题，如食物、旅行和婚礼。尽管上述API适用于少数一般应用程序，但你可能仍然需要为特定任务开发自定义解决方案。幸运的是，许多库可以通过处理优化和计算方面来使开发人员和数据科学家的生活变得更加容易，从而使他们专注于训练模型。有许多库，包括Theano、Torch、DeepLearning4J和TensorFlow已经成功应用于各种应用。 -END- 原文出处：科技行者转载请与作者联系，同时请务必标明文章原始出处和原文链接及本声明。

2018-02-08

11月9日云栖精选夜读：阿里90后工程师，如何用AI程序写出双11打call歌？

芦阳加入菜鸟也才仅仅四个月，这是他第一次参加双11备战。热点热议阿里90后工程师，如何用AI程序写出双11打call歌？

2017-11-08

阿里云双11优惠·爆款云服务器 · 限时2折起开售，使用幸运券更优惠

一、活动介绍此次活动机型为全新系列III实例，I/O优化，独享IP，共4款分别是，1核1G、1核2G、2核4G及4核8G等规格。为了让大家直观感受到，这次活动的降价力度，小编以1核1G(带40G系统盘及1M带宽)这款服务器为例。这款服务器，规格族为共享普通型，原价为984元/年，双十一活动之前，这款产品的最低活动价格为330元每年，800元每三年。而这次活动价为280元每年，720元每三年。截图为证：现价：二、领取幸运券除此之外，针对新用户，还可以领取幸运券参加抽奖活动：领取地址： https://promotion.aliyun.com/ntms/act/ambassador/sharetouser.html?userCode=2a7uv47d&utm_source=2a7uv47d 这次幸运奖抽奖活动，奖品包括ipad、天猫精灵、移动电源、阿里云纪念T恤等等，中奖率100%（经过实践证明，抽中移动电源及以上奖品的几率大于99.9%）。三、如何购买产品并使用幸运券在活动页面选择指定机型，点击立即购买，然后选择确认地域、操作系统等信息，进入结算页面。在结算页面选择使用幸运券(价格不会变动，但付款后可以抽取奖品)，点击下单付款。付款完成后，进入抽奖页面，进行抽奖。以上便是，阿里云双十一活动配合幸运券如何购买优惠价格服务器的全部步骤。相关链接：阿里云双十一活动地址：https://promotion.aliyun.com/ntms/act/main20171111.html 幸运券领取地址：https://promotion.aliyun.com/ntms/act/ambassador/sharetouser.html?userCode=2a7uv47d&utm_source=2a7uv47d 购买后抽奖地址：https://m.aliyun.com/markets/aliyun/ticketLottery

2017-10-28

阿里云双11活动撸福利攻略云服务器篇必买爆款,包年ECS低至240元

一年一度的阿里双11活动预热早已来袭，点火炬、淘宝站队、抓黄金猫等应接不暇。作为阿里巴巴旗下的云服务，2017年阿里云双11活动已于1024程序员日启动。

2017-10-25

【阿里云资讯】最前沿人工智能，助力双11搜索推荐技术再升级——深度增强学习大规模在线应用

11月12日消息，天猫“双11”销售额6分58秒破百亿；前30分钟内交易峰值17.5万笔/秒，支付峰值12万笔/秒，24小时实现销售额1207亿元。

2016-11-14

TCP 与 SNMP 双协议：RJ45 温湿度记录仪对接机房服务器监控大屏实战

前几篇把采集面拆开讲过：Modbus TCP 轮询、UDP 主动上报、双模式切换、断网补传。本篇落到交付现场——把 RJ45 PoE 温湿度记录仪接进机房服务器监控大屏，运营和运维要在同一面板上看到服务器指标和环境量。

2026-09-24

技术标隐身、双随机排序、去高低分——投标人必须读懂的 5 大变化

8 月 20 日，合肥市公管局一纸通知，给当地工程投标圈投下"重磅炸弹"：依法必须招标的项目，原则上全面推行**"暗标"评审。这意味着，评委打分之前，根本不知道这份技术标是谁家的。靠"刷脸"、靠"关系"拿高分的时代，正在落幕。

2026-08-27

从0到1拆解理想画室官网头部导航：一套双态透明导航栏的设计与实现

今天以「理想画室官网」的 class="header" 为例，拆解一个完整拆解一套"透明→白底双态导航栏是如何从设计到落地。

2026-08-09

手把手在沙箱跑通可灵文生视频（Python/Node 双版代码 + 避坑指南）

本文整理自一次真实的接入实践。可灵（Kling AI）的文生视频能力很强，但网页端手动操作不适合批量/自动化场景。笔者把"在本地或沙箱里用代码稳定调用可灵"的完整路径摸了一遍，这里把两种可行方式、踩过的坑、以及能直接跑的代码都摊开讲清楚，供有同样需求的同学参考。

2026-07-26

本地生活平台长效经营双支撑：腾讯云服务器架构保障业务稳定，分账链落地合规支付分账

当下餐饮团购、社区生鲜、家政跑腿、美业到店等本地生活平台竞争加剧，不少创业者只关注流量获客，却忽略两大核心底层问题：一是早晚高峰、节假日爆单引发系统卡顿、下单失败，流失大量用户与门店商户；二是代收用户资金自主分给门店、技师、团长，触碰二清监管红线，频繁遭遇微信风控限制、资金冻结、监管约谈。

2026-07-12

“双脑”升级：有道龙虾率先集成 DeepSeek-V4 和 Kimi K2.6，长上下文+长程编码能力跃升

网易有道日前透露，旗下全场景个人助理 Agent “网易有道龙虾”（LobsterAI）已率先完成对 DeepSeek-V4 与 Kimi K2.6 两大最新旗舰模型的支持和接入。作为国内大厂首个代码 100% 全开源的 AI Agent 产品，有道龙虾此次同时接入 DeepSeek-V4 与 Kimi K2.6，意味着其底层“智力引擎”迎来一次系统性升级。两大模型分别在百万级长上下文、Agent 推理、世界知识、代码生成、长程编码和复杂任务执行等方面具备突出能力，将进一步增强有道龙虾在办公自动化、文档处理、数据分析、代码开发、长程任务执行和多智能体协同等场景中的表现，为用户带来更强大、更高效、更稳定的全场景智能服务体验。 ▲ 有道龙虾 LobsterAI 接入 DeepSeek-V4 与 Kimi K2.6 模型图片来源：LobsterAI 页面截图其中，DeepSeek-V4 是 DeepSeek 最新推出的全新系列模型，预览版已正式上线并同步开源。该模型拥有 1M 百万级超长上下文，在 Agent 能力、世界知识和推理性能上均实现显著提升。DeepSeek-V4 按能力和使用场景分为 V4-Pro 与 V4-Flash 两个版本，其中 V4-Pro 面向更复杂的推理、知识和 Agent 任务，V4-Flash 则在保持较强推理能力的同时，提供更快捷、更经济的 API 服务。接入 DeepSeek-V4 后，有道龙虾在处理长文档、多文件、多步骤任务以及复杂办公场景时，将获得更强的上下文保持能力和任务理解能力。与此同时，Kimi K2.6 则进一步强化了有道龙虾在长程编码和持续执行方面的能力。作为月之暗面最新旗舰代码模型，Kimi K2.6 在长程编码能力上实现了明显提升。该模型也已原生适配有道龙虾广泛使用的 OpenClaw 等主动式 Agent 框架，可支撑更持久、更稳定的自动化执行。有道龙虾自今年 2 月正式推出以来，始终走在 AI Agent 普及应用的前沿。作为全场景个人助理，有道龙虾目前已接入微信、企业微信、QQ、钉钉、飞书等主流即时通讯工具，实现主流 IM 全覆盖。用户可以通过手机端随时随地远程指挥 AI 完成任务，让 Agent 从桌面端工具进一步延展到真实的移动办公和即时通讯场景中。在能力生态方面，有道龙虾已上线技能商店，内置文档处理、数据分析、海报绘制等近百种核心技能，并支持基于 OpenClaw 打造的超 5000 项技能实时加载。在安全性方面，有道龙虾坚持代码 100% 全开源，并采用 MIT 开源协议。用户数据可在本地存储和处理，有助于降低敏感数据被无差别上传至云端的风险。此前，OpenClaw 创始人 Peter Steinberger 也曾在海外社交平台公开发声称赞有道龙虾。此次率先完成 DeepSeek-V4 与 Kimi K2.6 的支持和接入，标志着有道龙虾在模型能力、Agent 执行能力和全场景任务处理能力上再次升级。有道龙虾相关负责人表示：“我们一直在致力于降低 AI 的使用门槛，让每个人真正拥有一个能干活、会干活、能持续协作的数字助手。此次有道龙虾率先完成对 DeepSeek-V4 与 Kimi K2.6 的支持和接入，是我们持续优化用户体验、增强 Agent 能力的重要一步，将推动有道龙虾从‘能用’走向‘好用’，从‘能干活’走向‘干得更好’。”

2026-04-24

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。