Flask官网地址 Flask 中文网 准备 1. Python 3.4 及更高版本的 Python 3 或Python 2.7 ，推荐使用最新版Python3。 2.安装Flask pip install Flask 3.选择一款api测试工具 postman Postman API Platformhttps://www.postman.com/ apifox Apifox - API 文档、调试、Mock、测试一体化协作平台。拥有接口文档管理、接口调试、Mock、自动化测试等功能，接口开发、测试、联调效率，提升 10 倍。最好用的接口文档管理工具，接口自动化测试工具。Apifox = Postman + Swagger + Mock + JMeter。集接口文档工具、接口Mock工具、接口自动化测试工具、接口调试工具于一体，提升 10 倍研发效率。是最好用的API文档工具，API自动化测试工具，API Mock工具，接口文档管理工具，接口文档生成工具。https://apifox.com/?utm_source=baidu_pinzhuan&utm_medium=sem&utm_campaign=pinzhuan&utm_content=pinzhuan&utm_term=apifox yapi YApi-高效、易用、功能强大的可视化接口管理平台YApi 是高效、易用、功能强大的 api 管理平台，旨在为开发、产品、测试人员提供更优雅的接口管理服务。可以帮助开发者轻松创建、发布、维护 API，YApi 还为用户提供了优秀的交互体验，开发人员只需利用平台提供的接口数据写入工具以及简单的点击操作就可以实现接口的管理。http://yapi.mglicai.com/ 简单示例 一个最小的 Flask 应用示例 from flask import Flask # 初始化app app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello, World!' if __name__ == "

记录一下core-js安装报错 试错解决 给一个vue项目安装依赖的时候，npm install出现失败，后来用cnpm install安装后，运行npm run dev启动失败了。 ERROR Failed to compile with 39 errors 13:11:29 These dependencies were not found: * core-js/modules/es.array.push.js in ./node_modules/.store/@babel+runtime@7.24.4/node_modules/@babel/runtime/helpers/regeneratorRuntime.js, ./src/permission.js and 29 others * core-js/modules/es.error.cause.js in ./node_modules/.store/@babel+runtime@7.24.4/node_modules/@babel/runtime/helpers/nonIterableSpread.js, ./src/directive/permission/hasPermi.js and 5 others * core-js/modules/es.object.proto.js in ./node_modules/.store/@babel+runtime@7.24.4/node_modules/@babel/runtime/helpers/regeneratorRuntime.js To install them, you can run: npm install --save core-js/modules/es.array.push.js core-js/modules/es.error.cause.js core-js/modules/es.object.proto.js 注意到是core-js未能成功安装。 试错 - 接着去安装npm install core-js， 但是失败了。 - 尝试了npm uninstall core-js，再安装或升级npm update -g core-js，修改package.json里的core-js的版本都未能成功。 后来网上有观念表示 npm和nodejs版本问题，于是去nodejs官网下载了最新的LTS版本，覆盖安装（设备是Windows）。 再去执行npm install core-js还是不能解决。

方法一：通过Windows下的iTunes 1、数据线连接iPhone手机，在Windows下打开iTunes，在 iPhone 管理界面下zhi点击“序列号”查看自己的 UUID 标识符。 2、此dao时点击菜单-编辑->复制 3、新建一个文档或文本文件，粘贴就会出现类似于3cfe09dc0a545766ed912db6c32a65b37cc06ae5这就是iPhone手机的UUID 参考网页： Windows系统下查看ios手机的UDID（设备标识）_windows itunes查看udid-CSDN博客 方法二：通过Mac电脑线的finder 点击访达finder找到手机图标点击验证点击手机名称下面的imei回出现udid 右键拷贝udid参考网页 ： macOS10.15如何查看苹果手机的UDID、序列号、型号、IMEI等信息_macos系统有udid吗-CSDN博客

原文 代码 了解WAV文件格式 WAV是一种波形音频文件格式(Waveform Audio File Format)。虽然是一种古老的格式（九十年代初开发），但今天仍然可以看到这种文件。 WAV具有简单、可移植、高保真等特点。 WAV的波形 声音是一种波，可以用3个属性描述： 振幅(Amplitude) 表示声波强度，可视为响度。频率(Frequency)，波长的倒数，对应音高。相位(Phase)波开始时对应波周期中的位置。 如果你用音频软件（如Audacity）打开WAV文件，可能看到这样的波形 WAV 文件的结构 WAV 音频文件格式是一种二进制格式，结构如下： Header 是一组元数据，描述了如何解释接下来的Frame。 Header中的参数说明： Encoding：编码。样音频信号的数字表示。可用的编码类型包括未压缩的线性脉冲编码调制 （PCM） 和一些压缩格式，如 ADPCM、A-Law 或 μ-Law。Channels：声道数。每帧中的声道数，对于单声道，通常等于 1 个，对于立体声音轨，通常等于 2 个，但对于环绕声录音，可能会更多。Frame Rate：帧速率。也称采样率。Bit Depth：位深度，每个音的比特位数。位深度越大，编码信号的动态范围越大，越能表现声音的细微差别。 为了忠实地表现音乐，大多数 WAV 文件使用立体声 PCM 编码，其中 16 位有符号整数以 44.1 kHz 采样。这些参数对应于标准 CD 质量的音频。巧合的是，这样的采样频率大约是大多数人能听到的最高频率的两倍。根据 Nyquist-Shannon 采样定理，这足以以数字形式捕获声音而不会失真。 Python的wave模块 wave 模块负责读取和写入 WAV 文件（但不能播放声音）。 使用wave.open 读取wav文件将返回一个 wave.Wave_read object。 import wave with wave.open("Bongo_sound.wav") as wav_file: print(wav_file) 可以使用该对象检索存储在 WAV 文件Header信息并读取编码的音频帧： >>> with wave.open("Bongo_sound.wav") as wav_file: .

开发环境 设备 MacBook Pro 芯片 Apple M1 系统 11.4 内存 16 GB 一、下载公开版本的DevEco Studio 华为官方目前对外提供的版本是DevEco Studio 3.1，可在官网下载https://developer.huawei.com/consumer/cn/deveco-studio/ 因为目前还在学习阶段，先装一个开放版本的DevEco Studio 3.1试试。 选择对应电脑系统的压缩包。 解压后是一个dmg文件，拖拽将DevEco Studio 拷贝到应用程序 1.应用配置 打开应用后，选择agree 然后这里应该弹出一些setup弹窗，但是我走到这一步的时候没有弹出，后面打开DevEcoStudio的时候才弹。 按理说此处需要进行以下设置： nodejs：Node.js版本要求为v14.19.1及以上，且低于v17.0.0，对应的npm版本要求为6.14.16及以上 ohpm：全称是：Open Harmony Package Manager 作为包管理和发布的标准，Haromony自研工具 sdk路径 PS：HarmonyOS SDK路径中不能包含中文字符 为HDC端口号设置环境变量 安装中间提示要先安装ohpm，下载ohpm并添加环境变量 如果跟我一样在这一步没有弹出弹窗的话，也不用着急，后面再进行配置也一样。 2.打开DevEcoStudio 点击create project，弹窗提示应用开发环境存在问题，运行诊断测试 诊断后发现我的nodejs,ohpm,sdk路径等没有设置，也就是缺失了上面提到的那步。 点击Set it up now，弹出设置弹窗。 这里看一下nodejs的版本要求，我电脑上的nodejs不符合要求，也为了避免版本问题，所以这里选择install，然后点击next ohpm也选择install，然后点击next 然后是sdk设置 选择accept，然后点击next。 最后环境诊断是全绿色的状态就可以了。 3.工程配置 点击crreate project进入选择模版，选择第一个template，手机悬浮在上方的时候会显示可选择的设备，选择第一个。 进入工程配置界面 4.安装设备 点击no devices 点开device manager 然后安装模拟器，点击右下方的 + New Emulator，弹出选择硬件的窗口，点击 Next 进入选择 系统镜像的窗口，点击 Name 旁边的 下载按钮，进入下载 下载完成后，点击右下角的 Finish

OpenCMS官方网站http://www.opencms.org/opencms/en/index.html 中文网站http://www.opencms.cn/ Blandware AtLeap是一个多语种的免费Java内容管理系统，它包含了全文搜索引擎，可以算是一个能让你方便的编写应用的网站框架。 Atleap官方网站https://atleap.dev.java.net/ Fedora是“Flexible Extensible Digital Object Repository Architecture”的缩写，并不是Linux发行版Fedora，是一个数e799bee5baa6e79fa5e9819331333337626261字资源管理系统，它可以创建很多类型的数字图书馆、资料库、档案馆系统 等。 Fedora官方网站http://www.fedora-commons.org/ Apache LenyaOpenEdit是一个开源的内容管理系统，它旨在建设基于在线数字资产的多媒体网站。它提供在线编辑，动态布局，拼写检查，用户管理器，文件管理器，版本控制和通知工具。同时包含企业级的插件，如电子商务，内容管理，博客，活动日程表，社交网络工具等。 OpenEdit官方网站http://www.openedit.org/ 这是一个开源的 Java/XML 内容管理系统，提供了版本控制、多站点管理、调度、搜索、所见即所得编辑以及工作流程等功能。Apache Lyenya使用基于模块的Cocoom开源程序框架。 Apache Lyenya官方网站http://lenya.apache.org/ 最后 == 如果你想要学习Java的话，我给你分享一些Java的学习资料，你不用浪费时间到处搜了，从Java入门到精通的资料我都给你整理好了，这些资料都是我做Java这几年整理的Java最新学习路线，Java笔试题，Java面试题，Java零基础到精通视频课程，Java开发工具，Java练手项目，Java电子书，Java学习笔记，PDF文档教程，Java程序员面经，Java求职简历模板等，这些资料对你接下来学习Java一定会带来非常大的帮助，每个Java初学者都必备，请你进我的**Java技术qq交流群**自行下载，所有资料都在群文件里，进去要跟大家多交流学习哦。 [ 自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。 深知大多数同学面临毕业设计项目选题时，很多人都会感到无从下手，尤其是对于计算机专业的学生来说，选择一个合适的题目尤为重要。因为毕业设计不仅是我们在大学四年学习的一个总结，更是展示自己能力的重要机会。 因此收集整理了一份《2024年计算机毕业设计项目大全》，初衷也很简单，就是希望能够帮助提高效率，同时减轻大家的负担。 既有Java、Web、PHP、也有C、小程序、Python等项目供你选择，真正体系化！ 由于项目比较多，这里只是将部分目录截图出来，每个节点里面都包含素材文档、项目源码、讲解视频 如果你觉得这些内容对你有帮助，可以添加VX：vip1024c （备注项目大全获取） 如果你觉得这些内容对你有帮助，可以添加VX：vip1024c （备注项目大全获取）** [外链图片转存中…(img-IaMT7PLy-1712563131496)]

一、需要准备的工具 下载python3，Vscode，pycharm（这里用的社区版），phpstudy_pro，Node.js（建议下载长期支持版本，版本不宜过低，比如18,20），Vue.js（npm install -g @vue/cli，下载速度慢可以设置淘宝镜像）。 这里不具体说明下载步骤，除了python3环境的配置（自行查阅资料），其余工具常规安装即可。 二、查看基本环境。 win+r输入cmd，打开小黑窗，分别验证node，Vue，python。如果如下图所示，说明基本环境是没有问题的。 三、搭建前端Vue框架 1、可以专门新建一个文件夹，用来存放前后端文件。打开新建文件夹，在地址栏选中内容，输入cmd，回车。输入vue create 项目名称（vue create vueproject），我们暂都不考虑命名规范的问题。 2、键盘上下键可以选择vue版本，这里选择第三项，自定义，选中后回车即可。 3、这里选择版本三。接下来我们一直回车即可，不做过多说明。 4、成功之后，是如下界面。 5、接下来，输入cd vueproject，进入当前项目目录，输入npm i，下载项目所需要的依赖。 6、输入npm run serve，启动项目。 7、成功之后，可以在浏览器输入地址，初始页面如下：至此，vue框架就算搭建完成。 8、我们连按两次Ctrl+C退出项目，使用Vscode打开刚才新建的vue项目（将新建的文件夹拖入Vscode即可）。然后，选中项目任意一项，我们右键选择在集成终端中打开。这里我们需要使用axios工具（用来发送请求），所以在终端输入npm i下载axios。 9、接着解决CORS跨域（数据交互时会用上）。找到vue.config.js文件。输入以下代码。 const { defineConfig } = require('@vue/cli-service') module.exports = defineConfig({ transpileDependencies: true, lintOnSave:false, //主要是这部分 devServer: { proxy: { '/api': { //对应的接口前缀，填入你对应的前缀，后面搭建Flask时会说明 target: 'http://127.0.0.1:5000',//这里填入你要请求的接口的前缀 ws:true,//代理websocked changeOrigin:true,//虚拟的站点需要更管origin secure: false, //是否https接口 pathRewrite:{ '^/api':''//重写路径 } } } } }) 10、为了能够简单的体现打通的效果，我们将App.vue文件，做如下修改（只是为了方便测试，代码无实际意义）。然后在集成终端输入指令npm run serve，启动项目，看是否能够正常启动。 <template> <h1>Vue3</h1> <button @click="test()">测试按钮</button> </template> <script setup> function test(){ console.

秘塔 AI 搜索：颠覆搜索的常态体验，强大+惊艳 AI 搜索对比秘塔360 搜索Google 搜索KimiGPTs万亿Moe大模型Step百川 3文心一言 3.5自己搞的 langchain + 联网搜索 秘塔 AI 搜索 对比 Google 搜索 AI 搜索对比 秘塔：https://metaso.cn/ 360 AI 搜索：https://so.360.com/ 先说结论，目前全网最强就 2 款：秘塔、360 AI 搜索。 秘塔在最新内容、学术论文上比 360 更强，使用了多专家混合模型提速和提高效果 比如，今天是 4.8 号，ta引用了4.7号的数据，刚发的婚姻司法解释，这真的牛逼了。 学术论文上还有根据期刊的权威度做一个搜索排名，论文搜索的更精确 我查找视网膜数据集，输入 fundus database，输出：12种类别，共100多万张百万量级的视网膜数据。 这是什么概念，我自己找、以及全网搞视网膜研究的同行，大家找的数据集都是 10 万级别，而且种类和质量还没这个好和丰富。 以后找论文再也不用我一篇篇的看了，输入几个关键词就是你想要的论文。 不像以前只能模糊搜索，然后一篇篇找是不是，免去 99.99% 无用功。 以下是我搜索结果的测试： 秘塔 完全正确 + 证据来源 + 清晰的逻辑 很惊艳。 360 搜索 完全正确 + 证据来源 + 清晰的逻辑 很惊艳。 Google 搜索 Google 搜索，搜索 【YOLO v8 主干网络】，翻了几页，都是说替换主干网络，没说原始网络是啥。

正则表达式（Regular Expression，通常简写为regex或regexp）是一种强大的文本处理工具，它使用一种特定的模式来描述和匹配字符串。正则表达式可以用于搜索、替换和验证文本中的特定字符序列。 简单来说，可以理解为正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。 一、基本概念和常见元素 1、基本元素 字符类：匹配方括号中的任意字符。例如，[abc] 匹配 “a”、“b” 或 “c”。范围：使用连字符 - 来表示字符范围。例如，[a-z] 匹配任何小写字母。否定字符类：在字符类前加上 ^ 符号可以匹配不在该字符类中的任意字符。例如，[^a-z] 匹配任何非小写字母的字符。元字符：具有特殊含义的字符，如 .（匹配任意字符，除了换行符）、*（匹配前面的元素零次或多次）、+（匹配前面的元素一次或多次）、?（匹配前面的元素零次或一次）等。锚点：用于指定匹配的位置，如 ^（匹配字符串的开头）和 $（匹配字符串的结尾）。 2、分组和引用 圆括号：用于分组，并捕获匹配的子字符串。反向引用：使用 \1、\2 等来引用之前捕获的分组。 3、修饰符和标志 多行模式：使 ^ 和 $ 分别匹配每一行的开头和结尾，而不是整个字符串的开头和结尾。忽略大小写：使匹配时不区分大小写。全局搜索：搜索整个字符串中的所有匹配项，而不是只找到第一个就停止。 4、常见应用 验证：检查字符串是否符合特定的格式或规则，如电子邮件地址、电话号码等。搜索和替换：在文本中查找特定的模式，并用其他文本替换它。分割字符串：使用正则表达式作为分隔符来分割字符串。 示例： import re text = "There are 123 apples and 456 oranges." pattern = r'\d+' # 匹配一个或多个数字 matches = re.findall(pattern, text) print(matches) # 输出: ['123', '456'] 示例中， r'\d+' 是一个正则表达式，其中 \d 匹配任意数字， + 匹配前面的元素（即数字）一次或多次。re.findall() 函数用于在文本中查找所有匹配该正则表达式的子字符串。 二、python 正则表达式 re模块 re 模块使 Python 语言拥有全部的正则表达式功能。这个模块提供了一系列函数和方法，用于匹配和操作字符串。接下来将学习re模块的处理函数。

文心一言上线定制专属声音功能 百度旗下 AI 聊天机器人文心一言上线新功能，用户录音一句话，即可定制声音。 使用这项功能需要使用文心一言 App。在创建智能体中，点击创建自己的声音，朗读系统提示的一句话，等候几秒钟时间，系统就能捕捉到用户的声音特点，生成用户个人专属声音。 在专属语音库构建完成后，与智能体的每一次对话，都可以使用自己的音色进行语音播报。 阿里通义千问开源 320 亿参数模型 昨日，通义千问开源其 320 亿参数模型 Qwen1.5-32B。 据介绍，这一模型旨在对标最先进的 30 亿参数模型所设定的性能基准，同时，也提升了 Qwen1.5-32B-Chat 对话模型的对话能力。Qwen1.5-32B 系列模型的内存占用比 72B 模型大幅减少，运行速度显著提升。 通义千问此前已开源 5 亿、18 亿、40 亿、70 亿、140 亿和 720 亿参数 6 款大语言模型。 OpenAI 疑似转录超一百万小时 YouTube 视频训练 GPT-4 《纽约时报》报道，OpenAI 为了得到高质量的 AI 训练数据，开发了一个音频转录模型「Whisper」，转录了超过 100 万个小时的 YouTube 视频来训练大语言模型 GPT-4。 据悉，OpenAI 知道这可能会存在法律风险，但是依然认为这是「合理使用」。《泰晤士报》报道称，OpenAI 总裁 Greg Brockman 亲自参与了这些被使用视频的收集。 Google 回应称，他们已经看到了有关 OpenAI 这些活动未经证实的报告。此前，YouTube CEO Neal Mohan 回应 OpenAI 疑似使用 YouTube 视频训练其视频生成工具 Sora 时表示，暂时没有直接证据能够证明 OpenAI 有相关行为。

目录 问题 问题代码 解决方案 判断操作系统 问题 使用 Process 执行命令行命令时，报 CreateProcess error=2, 系统找不到指定的文件。但明明指定的文件是存在的。而且这种错误只在 IDEA 中运行会报错，打包后直接 java -jar 运行就能正常运行，不会报错。 问题代码 public class MyTest { public static void main(String[] args) throws Exception { Path dirPath = Paths.get("D:\\workspace\\funcproject"); ProcessBuilder pb = new ProcessBuilder(); pb.directory(dirPath.toFile()); pb.command("fn", "version"); Process process = pb.start(); try (BufferedReader reader1 = new BufferedReader(new InputStreamReader(process.getInputStream())); BufferedReader reader2 = new BufferedReader(new InputStreamReader(process.getErrorStream()))) { String line; while ((line = reader1.readLine()) != null) { System.

在前端面试中，被问到项目亮点是很常见的。项目亮点是指在你的前端项目中，具有特殊或者突出的功能、技术或者设计等方面的亮点。以下是一些常见的前端项目亮点： 响应式设计：如果你的项目能够适应不同屏幕尺寸和设备，提供良好的用户体验，这是一个很好的亮点。 性能优化：如果你在项目中使用了一些性能优化技术，例如懒加载、代码分割、缓存等，可以突出这些优化措施。 动画效果：如果你在项目中运用了一些炫酷的动画效果，例如CSS动画、SVG动画、Canvas动画等，可以强调这些动画效果。 前端框架或库的使用：如果你在项目中使用了流行的前端框架或库，例如React、Vue.js、Angular等，可以突出这些技术的应用。 前端工程化：如果你在项目中使用了一些前工程化的工具和流程，例如Webpack、Gulp、自动测试等，可以强调这些工程化实践。 用户交互体验：如果你在项目中注重用户交互体验，例如通过拖拽、无限滚动、实时通信等方式提升用户体验，可以突出这些方面。 跨平台开发：如果你在项目中使用了一些跨平台开发技术，例如React Native、Flutter等，可以强调你的项目可以同时支持多个平台。 当被问到项目难点时，你可以从以下几个方面进行介绍： 技术难点：你可以提到在项目中遇到的技术挑战，例如使用新的编程语言或框架、处理复杂的算法逻辑等。你可以详细说明这些技术难点是如何解决的，以及你在解决过程中学到了什么。 时间管理：在项目中，时间管理可能是一个常见的难点。你可以谈谈如何在有限的时间内完成项目，并保证质量。你可以提到你采取的时间管理策略，例如制定详细的计划、合理分配任务、及时调整进度等。 团队协作：如果项目是一个团队合作的项目，团队协作可能成为一个挑战。你可以讲述你在项目中如何与团队成员有效沟通、协调工作、解决冲突等。你可以提到你采取的团队协作工具和方法，以及你从中学到的团队合作技巧。 需求变更：在项目进行过程中，需求变更是一个常见的难点。你可以谈谈如何应对需求变更，例如与客户或产品经理进行有效沟通、及时调整计划、灵活应对变化等。你可以提到你在处理需求变更时的经验和教训。 更多更详细的解答可以点这里

Kafka是一种高吞吐量的分布式发布订阅消息系统，本文介绍了如何使用kafka-go这个库实现Go语言与kafka的交互。 Go社区中目前有三个比较常用的kafka客户端库 , 它们各有特点。 首先是IBM/sarama（这个库已经由Shopify转给了IBM），之前我写过一篇使用sarama操作Kafka的教程，相较于sarama， kafka-go 更简单、更易用。 segmentio/kafka-go 是纯Go实现，提供了与kafka交互的低级别和高级别两套API，同时也支持Context。 此外社区中另一个比较常用的confluentinc/confluent-kafka-go，它是一个基于cgo的librdkafka包装，在项目中使用它会引入对C库的依赖。 准备Kafka环境 这里推荐使用Docker Compose快速搭建一套本地开发环境。 以下docker-compose.yml文件用来搭建一套单节点zookeeper和单节点kafka环境，并且在8080端口提供kafka-ui管理界面。 version: '2.1' services: zoo1: image: confluentinc/cp-zookeeper:7.3.2 hostname: zoo1 container_name: zoo1 ports: - "2181:2181" environment: ZOOKEEPER_CLIENT_PORT: 2181 ZOOKEEPER_SERVER_ID: 1 ZOOKEEPER_SERVERS: zoo1:2888:3888 kafka1: image: confluentinc/cp-kafka:7.3.2 hostname: kafka1 container_name: kafka1 ports: - "9092:9092" - "29092:29092" - "9999:9999" environment: KAFKA_ADVERTISED_LISTENERS: INTERNAL://kafka1:19092,EXTERNAL://${DOCKER_HOST_IP:-127.0.0.1}:9092,DOCKER://host.docker.internal:29092 KAFKA_LISTENER_SECURITY_PROTOCOL_MAP: INTERNAL:PLAINTEXT,EXTERNAL:PLAINTEXT,DOCKER:PLAINTEXT KAFKA_INTER_BROKER_LISTENER_NAME: INTERNAL KAFKA_ZOOKEEPER_CONNECT: "zoo1:2181" KAFKA_BROKER_ID: 1 KAFKA_LOG4J_LOGGERS: "kafka.controller=INFO,kafka.producer.async.DefaultEventHandler=INFO,state.change.logger=INFO" KAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR: 1 KAFKA_TRANSACTION_STATE_LOG_REPLICATION_FACTOR: 1 KAFKA_TRANSACTION_STATE_LOG_MIN_ISR: 1 KAFKA_JMX_PORT: 9999 KAFKA_JMX_HOSTNAME: ${DOCKER_HOST_IP:-127.

程序效果演示 本程序只是单纯的把API摆出来裸跑，没做任何线程优化。纯用来学习的 程序运行机制 程序API概览 程序源码链接 https://github.com/VIII-Cygnusx/Android_Developing/tree/1_iflytek_STT_LLMhttps://github.com/VIII-Cygnusx/Android_Developing/tree/1_iflytek_STT_LLM 申请创建平台API调用 进入科大讯飞开放平台讯飞开放平台-以语音交互为核心的人工智能开放平台 (xfyun.cn) 创建一个API 没有号的先注册哈 (普通用户星火大模型每个版本只能买一次，我之前买了这个版本在我另外的项目) 下载SDK 然后下载语音听写的SDK 与 星火大模型的SDK(注意你下载的这些SDK包是与你的APPID深度绑定的，直接在相同的项目换APPID是会直接导致API关闭的) 创建一个Android Studio项目 导入语音听写&星火API接口SDK包 左边文件目录为你的Android studio工程目录，右边目录为你下载的两个SDK的目录 (Android Studio 导入包的方式有很多，这里演示的导包方法不是很正规，如果想看正规的导包方法请去其他地方请教) 导入后就像这样 然后找到app目录下面的build.gradle.kts文件添加如下内容 android { ..................... ..................... sourceSets { getByName("main") { jniLibs.srcDirs("libs") } } } dependencies { ..................... ..................... implementation(files("libs\\SparkChain.aar")) implementation(files("libs\\Msc.jar")) } 点击导航栏File->Sync Project with Gradle Files后如果生成如下文件则证明导入成功 接入星火API & 语音听写API activity_main.xml(直接复制？) <?xml version="1.0" encoding="utf-8"?> <androidx.constraintlayout.widget.ConstraintLayout xmlns:android="http://schemas.android.com/apk/res/android" xmlns:app="http://schemas.android.com/apk/res-auto" xmlns:tools="http://schemas.android.com/tools" android:layout_width="match_parent" android:layout_height="match_parent" tools:context=".MainActivity"> <TextView android:id="@+id/TX" android:layout_width="188dp" android:layout_height="94dp" android:text="Show your text"

云厂商继续为大模型加速落地铺路架桥。 4月8日，腾讯云宣布云存储解决方案面向AIGC场景全面升级，能够针对AI大模型数据采集清洗、训练、推理、数据治理全流程提供全面、高效的云存储支持。数据显示，采用腾讯云AIGC云存储解决方案，可将大模型的数据清洗和训练效率均提升一倍，需要的时间缩短一半。 据介绍，腾讯云AIGC云存储解决方案主要由对象存储COS、高性能并行文件存储CFS Turbo、数据加速器GooseFS和数据万象CI等产品组成，是国内首个实现存储引擎全面自研的云存储解决方案。目前，已经有80%的头部大模型企业选择了腾讯云AIGC云存储解决方案，包括百川智能、智谱、元象等明星大模型企业。 此前，腾讯云已经面向AIGC场景推出了基于星脉网络的大模型训练集群HCC、向量数据库、以及行业大模型服务MaaS等大模型全链路云服务。 腾讯集团副总裁、腾讯云与智慧产业事业群COO兼腾讯云总裁邱跃鹏曾经表示，大模型将开创下一代云服务，腾讯云致力于打造“最适合大模型的云”。 解决大模型全链路数据处理难题 AI大模型的研发生产流程，分成数据采集与清洗、模型训练、推理三大环节，各环节都涉及海量的数据处理。 在数据采集与清洗环节，由于原始训练数据规模海量，且来源多样，对存储技术提出了多协议支持、高性能、大带宽的需求。 腾讯云对象存储COS支持单集群管理百 EB 级别存储规模，提供便捷、高效的数据公网接入能力，并支持多种协议，充分支持大模型PB级别的海量数据采集。在数据清洗环节，大数据引擎需要快速地读取并过滤出有效数据，COS通过自研数据加速器GooseFS提升数据访问性能，可实现高达数TBps的读取带宽，支撑计算高速运行，大大提升数据清洗效率。 在模型训练环节，通常需要每2-4小时保存一次训练成果，以便能在GPU故障时时能回滚，因此快速地读写checkpoint（检查点）文件也成了能否高效利用算力资源、提高训练效率的关键。 腾讯云自主研发并行文件存储CFS Turbo ，面向AIGC训练场景的进行了专门优化，每秒总读写吞吐达到TiB/s级别，每秒元数据性能高达百万OPS，均为业界第一。3TB checkpoint 写入时间从10分钟，缩短至10秒内，使大模型训练效率大幅提升。 大模型推理场景对数据安全与可追溯性提出更高要求。腾讯云数据万象CI为此提供图片隐式水印、AIGC内容审核、智能数据检索MetaInsight等能力，为数据生产从“用户输入——预处理——内容审核——版权保护——安全分发——信息检索“业务全流程提供有力支撑，优化AIGC内容生产与管理模式，顺应监管导向，拓宽存储边界。 同时，随着训练数据和推理数据的增长，需要提供低成本的存储能力，减少存储开销。对象存储服务提供了高达 12 个 9 的数据持久性和 99.995% 的数据可用性，能够为业务提供持续可用的存储服务。 业内唯一全自研存储引擎 卓越的性能表现，源自腾讯云自主研发的存储引擎与自研技术。这也是国内目前唯一实现存储引擎全面自研的云存储解决方案。 腾讯云自研的分布式对象存储引擎YottaStore，支持任意多副本及纠删码冗余模式并存，在大幅提升可用性、可靠性及性能的同时大幅降低成本。基于YottaStore，腾讯云对象存储服务COS作为统一的数据存储池，支持单集群1万台服务器，单集群百EB级的存储。 在数据清洗环节中，数据加速器GooseFS可根据数据的使用频率，将数据智能存储至内存、计算集群的本地盘、或可用区的全闪存储集群等不同级别的缓存中，低成本缩短IO路径，提升数据访问性能。相比起从对象存储COS中直接读取，GooseFS可以提供亚毫秒级的数据访问延迟、百万级的IOPS和Tbps级别的吞吐能力，有效提升数据清洗效率。 面向模型训练场景的CFS Turbo，则是目前业内唯一自研的并行文件存储系统。 基于自研分布式高性能存储引擎Histor，CFS Turbo底层通过自研用户态协议栈和RDMA等技术，减少数据的多次拷贝与虚拟化消耗，大幅降低了存储时延、提升吞吐性能；在应用侧，CFS Turbo自研并行文件传输协议，实现了多链路并行访问，大大提升了吞吐效率。原来的文件存储受限于传统NFS协议，单客户端只能单链路访问，也导致吞吐存在性能瓶颈。 此外，针对AIGC的checkpoint记录、大视频文件读写、小图片读写等场景，腾讯云CFS Turbo还自研了分级缓存、自适应条带化、分布式元数据的技术，大幅提升了AIGC场景下的读写性能。除了大模型企业以外，CFS Turbo也被广泛应用于自动驾驶与工业仿真场景，包括博世汽车、蔚来等自动驾驶厂商，上海电气、深势等仿真场景，墨镜天合、追光等影视特效场景。 今年1月，在沙利文联合头豹研究院发布的《2023年中国云存储解决方案市场报告》中，腾讯云存储入选“领导者”阵营，位列第一。随着AIGC时代来临，腾讯云也在不断迭代优化自身产品，服务最新场景需求，帮助企业把握时代红利。

目录 一、查看自己电脑上chrome的版本 二、下载 ChromeDriver 三、安装selenium 法一：打开pycharm，点击File，Setting进入配置页面，点击Project下面的Python Interpreter进入环境配置页面，点击+。输入selenium。之后install 四、环境配置 五、验证安装 一、查看自己电脑上chrome的版本 二、下载 ChromeDriver 下载地址： 1.（123/125开头）https://googlechromelabs.github.io/chrome-for-testing/ 2.（70～80～90～114开头）https://chromedriver.chromium.org/downloads 3.（还有一个可以看 ChromeDriver ） http://chromedriver.storage.googleapis.com/index.html​​​​​​​ 选的带有ChromeDriver 的win/mac/Linux 系统。 三、安装selenium 法一：打开pycharm，点击File，Setting进入配置页面，点击Project下面的Python Interpreter进入环境配置页面，点击+。输入selenium。之后install 法二：在终端输入 pip install selenium 四、环境配置 法一：把下载的压缩包进行解压，将解压的chromedriver.exe 放到Python 的 Scripts 目录下。 法二：懒得配环境的也可以按照下面的方式写。反正启动方式要写对。 driver = webdriver.Chrome(executable_path=r"E:\Anaconda3\file\envs\item\Lib\site-packages\selenium\webdriver\chrome\chromedriver.exe", options=options) 法三：mac系统，看下面的帖子，简而言之就是 把chromedriver放在/usr/local/bin目录下。这个目录是隐藏的，所以随便打开一个Finder，然后command+shift+G。直接把chromedriver放进来。在终端中输入chromedriver --version验证是否安装成功。 查看到安装的驱动的版本，与本地浏览器的版本一致后，则可正常运行代码啦～ （若执行这步时，报无法打开“chromedriver”，因为无法验证开发者的错误时，进入系统偏好设置-安全性与隐私-通用，点击允许该软件。）可以参考下面的这个帖子。 http://​https://blog.csdn.net/Chen_798/article/details/121056144?ops_request_misc=&request_id=&biz_id=102&utm_term=chromedriver%20mac&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-7-121056144.nonecase&spm=1018.2226.3001.4187​ 五、验证安装 from selenium import webdriver def main(): driver = webdriver.Chrome() driver.get("https://www.baidu.com") if __name__ == '__main__': main()

查询了些资料记录备用。以下是在Mac上使用命令行安装APK文件的步骤： 1. 下载并安装ADB： 如果您的Mac上没有安装ADB，请从官方的Android开发者网站下载Android SDK Platform Tools：Android SDK Platform Tools。将下载的ZIP文件解压缩到Mac上的任意位置。 2. 启用Android设备的USB调试： 在您的Android设备上，转到 设置 > 关于手机。点击“版本号”选项七次以启用开发者选项。返回到主设置屏幕，然后进入开发者选项。启用“USB调试”选项。 3. 将您的Android设备连接到Mac： 使用USB电缆将您的Android设备连接到Mac。 4. 打开终端： 在Mac上打开终端。您可以在 应用程序 > 实用工具 文件夹中找到它，或者您可以使用Spotlight搜索快速找到它。 5. 导航到ADB所在的目录： 使用cd命令导航到您解压缩Android SDK Platform Tools的目录。例如：cd /path/to/platform-tools 6. 安装APK： 一旦您进入包含ADB的目录，您可以使用以下命令安装APK文件： ./adb install /path/to/your/apk/file.apk 用实际的APK文件路径替换/path/to/your/apk/file.apk。 7. 等待安装完成： 执行命令后，ADB将尝试在您连接的Android设备上安装APK文件。请等待安装过程完成。 8. 验证安装： 安装完成后，您可以检查您的Android设备的应用程序抽屉，查看应用程序是否已成功安装。 以上就是使用Mac的命令行成功在Android设备上安装APK文件的步骤。

一、虚拟机安装 1.vmware下载 2.镜像下载 3.Ubuntu 4.新建虚拟机 一直点下一步，直到点击完成。 5.分配镜像 二、Gitlab CI/CD 自动化部署项目 1.配置GitLab CI/CD： A.在你的Vue.js项目中，创建一个名为`.gitlab-ci.yml`的文件，放在项目根目录下。 B.在该文件中定义CI/CD的阶段、作业和脚本。 stages: - build - deploy build: stage: build image: node:14 # 使用Node.js 14.x版本镜像 script: - npm install - npm run build artifacts: paths: - dist/ deploy: stage: deploy script: - 'which ssh-agent || ( apk add --update openssh )' # 安装SSH代理（如果没有的话） - eval $(ssh-agent -s) # 启动SSH代理 - echo "$SSH_PRIVATE_KEY" | tr -d '\r' | ssh-add - # 添加SSH私钥 - ssh -o StrictHostKeyChecking=no user@server 'mkdir -p /path/to/deploy' - scp -r dist/* user@server:/path/to/deploy only: - master #当代码合并到master分支时，该作业才会被执行 #注意：/path/to/deploy这个路径需要给写入文件的权限，否则部署会失败 sudo chmod o+w /path/to/deploy 2.

引言 拥有私人GPT并不是真正把GPT据为己有，而是让你能够在任何地方都能通过API的形式随时使用GPT。私人GPT目前也可以完美解决如下问题： 无需魔法即可使用，不限次数随意调用；无需注册、登录，也无需国外账户支付购买；经济实惠，仅为使用官方费用的2折~4折；超级聚合，支持调用gpt、claude、gemini、midjourney多种大模型。 另外，自己部署GPT的方式相比于第三方部署的GPT类AI程序，有以下几方面独特的优势： 隐私性更好：数据最大程度保留在了自己手中；费用更合理：仅API调用计费，无广告或隐藏的任何额外费用；更快更稳定：独享专线，速度更快，不受第三方程序牵制，稳定性更好。 目前来看，满足以上7大特点，chatgpt-web-midjourney-proxy是作为私人GPT程序的最佳实践方案。至于其程序功能的介绍，请阅读前期文章《GPT-4 / Midjourney / GPTs，普通人如何用一套程序全搞定》。 本程序对大部分人来说，可能有一定学习门槛，很多人问过我如何搭建，鉴于此，本文依托程序作者发布在github上的原部署教程为基础，着重延伸补充说明该程序的Docker版本完整部署步骤和细节，让更多人能够少走弯路，顺利安装和部署成功私人GPT，不文主要讲部署，不会过多涉及其功能介绍。 需求描述 使用chatgpt-web-midjourney-proxy搭建私人GPT，我们期望通过自己的努力，实现如下目标： 个人即可搭建：无需复杂“备案”类审查手续；内容可更改：程序内容可自由更改而不是必须使用作者给的Docker固定镜像内容；全功能可用：聊天、绘图、GPTs、识图、语音、上传文件等； 条件准备 需要完成本部署，至少需要具备如下条件： 一个可用域名：推荐在阿里云购买，解析过程简单方便，阿里云购买地址>>；一台香港服务器：这是无需备案的关键，推荐购买有回大陆CN2专线的服务器，这里还是推荐购买阿里云香港服务器；一个GPT的API：本站长期提供稳定API服务，7*24h购买地址>> 注意，以下部署步骤，会按照推荐方式操作，如果你采用的不是推荐方式，请自行判断，并对应调整即可。 部署步骤 1、购买域名和服务器 点击这里>>访问阿里云，登录并按照提示步骤完成域名的购买与实名制。完成域名购买后，找到阿里云香港轻量应用服务器，因为一直处于爆火状态，官方限量发售，所以这里推荐在凌晨12点后，再购买34元/月的2-2轻量应用服务器，一般购买成功率在这个时间段会高很多。 香港服务器因为性价比很高，所以一般很难找到入口，具体位置详见图示： 完成域名和服务器购买后，即可进入下一步。 2、宝塔的安装 宝塔在CentOS终端的安装命令，请查询宝塔官网>>，这里直接给出适合CentOS Linux的安装命令（注意，阿里云默认是非root模式登录终端，请根据提示修改密码后，root用户进入终端才能顺利完成宝塔安装）： yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && sh install.sh 安装完成后，根据获得的宝塔登录面板地址和信息，登录宝塔面板： 宝塔面板用到的端口，请在登录前，去服务器防火墙（VPS叫防火墙，ECS叫安全组）中放行： 输入宝塔面板的账号和密码，登录宝塔面板，并绑定自己的宝塔账号（这个账号自行去宝塔官网免费注册一个即可）。 如果你没有绑定过ssl，大概率会遇到这个页面，不用慌，直接点“高级”→“继续前往”即可： 登录宝塔后，需安装如下几个应用（搭建环境，注意，php非必需安装，我只是习惯性安装了php，便于其它程序使用）： 至此，服务器环境已搭建完成，可以开始程序安装之旅了！ 3、程序修改 部署该程序，难免会有些小小的改动，比如头像更换、默认图标更换、标题文字更改等，如果我们直接使用作者提供的最新镜像，会无法满足我们的修改要求。 这里提供一种既可以修改内容又可以docker部署的思路：因为作者的dockerfile已经整理好，所以我们可以在程序修改完后自行打包镜像并部署即可。 首先，我们先将作者的程序代码打包下载至本地电脑，作者仓库地址>> 并通过VScode的全局查找命令%xx来查询相关内容并修改（注意这里需要一点代码基础，把文字内容原样替换，不要输入多余符号或空格，避免改乱了）。 此处列举了两个常用的修改文件清单（经过一定版本的迭代，大部分用户经常更改的内容已被作者放入了环境变量，比如自定义模型、主题默认颜色等，此处不再赘述）： 修改头像链接/标题名称/描述等：src\store\modules\user\helper.ts 大部分描述性中文文字：src\locales\zh-CN.ts 第二步，将修改完成的代码打包成zip并通过宝塔面板上传到服务器文件www/wwwroot目录下并解压，解压完成后的文件目录应该是类似于www/wwwroot/chatgpt-web-midjourney这样。 建议：因为Vercel部署非常快，所以修改完成后的程序，建议可以先上传自己的仓库，并通过Vercel快速部署一遍，检查一下是否达到预想效果（至于如何clone代码仓库并同步至github，自行百度或参考我早期文章《Github中clone仓库项目的版本更新方法（非fork）》）。 下面我们cd到该程序目录下并构建新docker镜像（如果你的文件名不是chatgpt-web-midjourney，请对应修改cd命令），并且假如我构建的镜像名字起名为chatgpt2024： cd www/wwwroot/chatgpt-web-midjourney docker build -t chatgpt2024 . 输入命令后，不出意外系统已经开始为你构建镜像了，最终根据终端返回的提示判断是否构建成功。构建镜像完成后，可通过docker可视化面板查看镜像信息： 第三步，构建完成的镜像，我们就可以拿来创建可运行的程序容器了，根据作者提供的环境变量，我们建议你按照如下命令快速启动： docker run --name chatgpt-web-midjourney-proxy -d -p 6015:3002 \ -e OPENAI_API_KEY=sk-xxxxx \ -e OPENAI_API_BASE_URL=https://api.

RabbitMQ3.13.x之一_WindowServer2019中安装RabbitMQ详细教程 文章目录 RabbitMQ3.13.x之一_WindowServer2019中安装RabbitMQ详细教程1. 安装环境说明1. WindowServer20192. ErLang与RabbitMQ对应版本 2 安装Erlang1. 安装Erlang2. ErLnag环境变量配置3. 查看是否安装成功 3. 安装Rabbitmq-Server1. 安装2. 环境变量配置3. 查看是否安装成功 1. 安装环境说明 1. WindowServer2019 2. ErLang与RabbitMQ对应版本 RabbitMQ是由ErLang语言开发的，安装前需要先安装ErLang语言开发包； 官网下载ErLan与RabbitMQ-Server，本次安装的版本(截至20230324)分别为otp_win64_26.2.3.exe与rabbitmq-server-3.13.0.exe 2 安装Erlang 1. 安装Erlang 将下载后的 otp_win64_26.2.3.exe，以管理员身份运行并根据提示安装即可 点击Next,如下 点击Next，如下 点击Install,然后弹窗安装VC++运行库窗口，选中，点击安装 点击安装 点击关闭继续安装，下面是安装过程及进度 安装完毕后，点击 Close 2. ErLnag环境变量配置 在系统变量中新增环境变量: ERLANG_HOME=D:\Programs\ErlangOTP在用户变量的path中添加%ERLANG_HOME%\bin 计算机->属性->高级系统设置 ->环境变量 中的系统变量中新增ERLANG_HOME 然后再在用户变量PATH中添加上%ERLANG_HOME%\bin 3. 查看是否安装成功 打开命令行窗口，输入命令erl，看到下面信息则说明安装成功 关闭命令行窗口 3. 安装Rabbitmq-Server 1. 安装 注意：rabbitmq-server-3.13.0.exe一定要以管理员身份运行安装，否则可能出现未知的错误，导致安装失败无法连接到RabbitMQ 将下载后的rabbitmq-server-3.13.0.exe进行安装,一定要以管理员身份运行并根据提示安装即可 Next，如下 Install 安装完成如下 点击Next完成安装 点击Finish后，会启动RabbitMQServer 2. 环境变量配置 RABBITMQ_SERVER_HOME=D:\Programs\RabbitMQServer\rabbitmq_server-3.13.0 path后追加 %RABBITMQ_SERVER_HOME%\sbin 计算机->属性->高级系统设置 ->环境变量中的系统变量中新增RABBITMQ_SERVER_HOME,如下 在用户变量的path中添加%RABBITMQ_SERVER_HOME%\sbin 3. 查看是否安装成功 环境变量配置后，输入命令rabbitmqctl version,看到版本信息，则说明安装成功