让我们比较一下当前的whisper、whisper.cpp和faster-whisper。 OpenAI / Whisper 自发布以来，似乎在各个方面都发生了变化，例如在 2022 年 12 月增加了 large-v2 模型和各种版本升级。 whisper.cpp是用 CPU 的 C/C++ 编写的。 它似乎是Core ML支持，所以它对于Mac用户有强烈的感觉。 而 faster-whisper是基于 CTranslate2 重写了 Whisper 模型，似乎它的速度比原版的快 4 倍，精度也相同，并且使用的内存更少。 以下是测试音频 （WAV）（48 秒）的测试示例。 结果 Faster-whisper 的 GPU 和传闻中的一样快。 Faster-whisper CPU运算速度更快，GPU的速度也从85.62秒→23.9秒加快。 whisper.cpp 效果反而不是很好。 可能真正的价值体现在支持Mac CoreML加速上。 ImplementationDeviceTime结果openai/whisperCPU3分1秒上午和今天的东京股市，日经平均指数小幅走高，收于11.72日元，比昨天上涨22.72日元。 是088.58日元，最初价格上涨的股票数量为1146只，而下跌的股票数量为368只，保持不变的股票数量为104只股票，以下是礼物的公告： 在这个节目中，将抽签选出10人来接收每月出版的月报4月号，申请在东京通过电话03-0107-837303-0107-8373openai/whisperGPU23.9秒上午和今天的东京股市，日经平均指数小幅走高，收于11.72日元，比昨天上涨22.72日元。 是088.58日元，最初价格上涨的股票数量为1146只，而下跌的股票数量为368只，保持不变的股票数量为104只股票，以下是礼物的公告： 在这个节目中，将抽签选出10人来接收每月出版的月报4月号，申请在东京通过电话03-0107-837303-0107-8373whisper.cppCPU7分13秒上午和今天的东京股市，日经平均指数小幅走高，收于11.72日元，比昨天上涨22.72日元。 是088.58日元，最初价格上涨的股票数量为1146只，但价格下跌了368只，104只股票保持不变，这是礼物公告该计划将通过抽签将月度报告4月号赠送给10人申请，请致电东京03-0107-8373,03-0107-8373faster-whisperCPU（Float32）4分 18秒我是浅野智美 今天东京股市的日经平均指数略高 收盘价为11,088.58日元，比昨天上涨22.72日元 最初价格上涨的股票数量为1146只，而价格下跌的股票数量为368只股票保持不变 104只股票 以下是礼物的公告： 在本节目中，出版了月度报告4月号。 我们将通过抽签将其赠送给 10 人 申请，请致电东京 03-0107-8373 03-0107-8373 以上是该计划的公告faster-whisperCPU（int8）2分 27秒我是浅野智美 今天东京股市的日经平均指数略高 收盘价为11,088.58日元，比昨天上涨22.72日元 最初价格上涨的股票数量为1146只，而价格下跌的股票数量为368只股票保持不变 104只股票 以下是礼物的公告： 在本节目中，出版了月度报告4月号。 我们将通过抽签将其赠送给 10 人 申请时，请致电东京0301078373 0301078373 以上是该计划的公告。faster-whisperGPU（Float16）5.

作者：BSXY_19计科_陈永跃 BSXY_信息学院_资源下载位于结尾处 注：未经允许禁止转发任何内容 eNSP综合实验合集（eNSP综合大作业合集）可先收藏 汇总资源获取1、基于eNSP的IPv4加IPv6的企业/校园网络规划设计(综合实验/大作业)1、topo图和文章链接2、需求说明3、地址规划表 2、基于eNSP中大型校园/企业网络规划与设计_综合大作业1.topo图和文章链接2.需求说明3.地址规划表 3、基于eNSP的高校/企业无线WLAN网络规划设计1、topo图和文章链接2、需求说明3、地址规划表 4、基于MPLS VPN的企业/高校网络规划设计1、topo图和文章链接2、需求说明3、地址规划表 5、基于eNSP加防火墙的千人中型校园/企业网络规划与设计1.topo图和文章链接2.需求说明：3.地址规划表 6、基于eNSP的IPv6校园网络规划与设计_综合实验1.topo图和文章链接2.需求说明3.地址规划表 7、基于eNSP的千人中型校园/企业网络设计与规划1.topo图和文章链接2.需求说明3.地址规划表 8、基于eNSP的千人规模冗余型企业/校园网络设计与规划1.topo图和文章链接2.需求说明3.地址规划表 9、基于ensp防火墙双击热备二层网络规划与设计1.topo图和文章链接2.需求说明 10、基于ensp防火墙双击热备三层网络规划与设计1.topo图和文章链接 11、基于MPLS-VPN多分部互访的ensp企业网络规划与设计1.topo图和文章链接： 12、持续更新中.... 汇总资源获取 相应的topo图会持续更新… 公众号（小猿网），回复“网络规划”即可 资源为收费资源，如不符合您的消费观，还请您见谅 由于公众号可能目前没有太大的曝光度，搜索时可能 不是置顶的公众号。这时可以多往下滑一下找到该公 众号，或者直接到文章结尾处获取公众号二维码即可 1、基于eNSP的IPv4加IPv6的企业/校园网络规划设计(综合实验/大作业) 1、topo图和文章链接 topo图： 文章链接： 基于eNSP的IPv4加IPv6的企业/校园网络规划设计(综合实验/大作业) 2、需求说明 设计要求： 完成服务器、防火墙、路由器相应的接口地址的配置慧源楼配置Eth-Trunk链路捆绑来提高链路的冗余根据不同的地域划分多个不同的vlan,减小广播域大小，提高网络的可靠性和安全性在明诚楼配置MSTP+VRRP,同时实现冗余，划分实例，让不同的vlan优先选择相应的交换机，并减少stp震荡明诚楼、慧源楼、德润楼的所有用户通过配置相应的DHCP中继能自动获取地址，且DHCP服务器为DHCPserver配置相应的ospf，多区域区域0中OSPF激活MD5认证,SW1/SW2采用接口方式配置区域0内的设备启用BFD快速检测链路故障分校区用户也需要要自动获取地址，相应服务器为AR4，AR4配置相应的子接口为相应终端分配地址配置端口安全,且接口能够自动学习MAC地址配置端口隔离实现PC6,PC7同VLAN内不能互访分校区/分部的无线用的地址和AP的地址都由SW8来分配FW2作为PPPoE客户端,AR5作为PPPoE服务端，进行相应的拨号上网R1,R2,R3部署ISIS Level-2,区域ID 49.0000部署MPLS VPN,其中R1,R3作为PE设备，R2作为路由放射器FW1,FW2作为CE端与PE端建立eBGP邻居关系运营商AS 100,总部/主校区在65430，分支都在AS65000FW1,FW2之间部署IPSec VPN 实现总部/主校区与分支之间通信其中总部和分支之间通信优先使用MPLS VPN若MPLS VPN故障使用IPSec VPN实现通信若FW1中NQA检测10.1.5.5不可达则停止下发缺省到内网NAT配置总部/主校区用户方位外网用地址池10.1.22.100~10.1.22.110分支用户访问外网采用EASY-IP实现外网用户访问内网WEB服务——用100.100.100.100来做相应的地址映射财务部服务器只能由内网的vlan 10用户访问配置DHCP Snooping防止DHCP欺骗与非法dhcp服务器的接入内部的所有交换机都可以被telnet进行远程管理主校区/总部用户可以通过域名(www.baidu.com)访问外网百度，无线用户也可以ipv6中对于AS100内互联地址采用link-local地址R1,R2,R3的lo0地址2001:10:1:X::X/128激活ISISv6,并保障v4与v6的拓扑分离SW1 SW2新增Lo0接口地址为2001:192:168:X::X/128FW1,SW1,SW2部署OSPFv3区域0,其中互联地址采用Link-local地址分支FW2与AR4部署OSPFv3,互联地址采用link-local地址FW1,FW2利用MPLS VPN网络建立6to4隧道对于6to4隧道基础上部署BGP4+，实现总部与分支的IPv6互通 3、地址规划表 2、基于eNSP中大型校园/企业网络规划与设计_综合大作业 1.topo图和文章链接 topo图： 文章链接： 基于eNSP中大型校园/企业网络规划与设计_综合大作业 2.需求说明 设计要求： 完成服务器、防火墙、路由器相应的接口地址的配置慧源楼配置Eth-Trunk链路捆绑来提高链路的冗余根据不同的地域划分多个不同的vlan,减小广播域大小，提高网络的可靠性和安全性在慧源楼配置RSTP+VRRP,避免网络的回环且快速收敛在明诚楼配置MSTP+VRRP,同时实现冗余，划分实例，让不同的vlan优先选择相应的交换机，并减少stp震荡明诚楼、慧源楼、服务区的所有用户通过配置相应的DHCP中继能自动获取地址，且DHCP服务器为AR2分校区用户也需要要自动获取地址，相应服务器为AR13，AR13配置相应的子接口为相应终端分配地址慧源楼主要配置OSPF让其相应路由器能学到相应的路由表明诚楼应用RIP协议和OSPF协议，并将RIP和OSPF路由进行双向引入，让其能与慧源楼互通服务区配置相应的ftp、dns、web服务器，如有PC接入也能自动获取地址，这里的PC用于测试相应的DHCPFW1和LSW4分别配置Vlink,让area3和area0之间能互通，学到相应的路由信息FW1/FW2都配置相应的安全策略，且在FW1上放行trust到dmz的流量FW1/FW2都配置相应的默认路由指向我们的运行商ISPFW1/FW2配置相应的NAT策略，使得内网、dmz可以访问外网(百度)FW1/FW2配置相应的IPsec VPN让模拟主校区与模拟分校区之间互通，允许互通的网段为172.16.X.X/16外网模拟ISP使用使用IS-IS路由让其互通主校区/分校区用户可以通过域名(www.baidu.com)访问外网百度，主校区可以通过域名(www.xyw.com)访问内网web服务器我们主校区用户的dns服务器就用我们内部的dns服务器，分校区的dns服务器用ISP的dns服务器 3.地址规划表 3、基于eNSP的高校/企业无线WLAN网络规划设计 1、topo图和文章链接 topo图： 文章链接： 基于eNSP的高校/企业无线WLAN网络规划设计 2、需求说明 设计要求： 完成服务器、防火墙、路由器相应的接口地址的配置核心交换机配置Eth-Trunk链路捆绑来提高链路的冗余根据不同的地域划分多个不同的vlan,减小广播域大小，提高网络的可靠性和安全性配置MSTP+VRRP,同时实现冗余，划分实例，让不同的vlan优先选择相应的交换机，并减少stp震荡内网内运行OSPF路由所有的AP和无线用户都能自动获取地址，且通过DHCP server分配配置相应的安全策略并使得内网能访问外网出口使用两台防火墙，且两台防火墙做双机热备防火墙双机热备使用两个心跳线并做链路捆绑提高网络的可靠性外网区域运行ISIS路由A B学院AP优先加入AC1,AC2作为备份；C D学院AP优先加入AC2，AC1作为备份，保证一个AP可由两个AC进行管理提高网络的可靠性无线用户可以实现一个区域到另一个区域间的无线漫游除vlan21用户外其余无线用户可以访问外网且可通过域名上网配置ACL实现处于vlan21的用户不可以访问外网路由从FW1出来的优先走YD_R1，DX_R2作为备份；路由从FW2出来的优先走DX_R2，YD_R1作为备份 3、地址规划表 4、基于MPLS VPN的企业/高校网络规划设计 1、topo图和文章链接 topo图：

在SpringBoot中，最近使用RedisTemplate来对redis进行操作，但是我们会发现，当我们修改了RedisTemplate的序列化方式之后，在存取Long类型数据时，会发生一些问题。 问题： 存入Long类型对象，在代码中使用Long类型接收，结果报类型转换错误。java.lang.ClassCastException: java.lang.Integer cannot be cast to java.lang.Long 示例代码： @Test public void redisSerializerLong(){ try { Long longValue = 123L; redisLongCache.set("cacheLongValue",longValue); Object cacheValue = redisLongCache.get("cacheLongValue"); Long a = (Long) cacheValue; }catch (ClassCastException e){ e.printStackTrace(); } } 会报类型转换错误java.lang.ClassCastException: java.lang.Integer cannot be cast to java.lang.Long。 问题排查： 为什么类型会变为Integer呢？跟我一起追踪源码，便会发现问题。 1. 在代码的最外层获取redis中key对应的value值 redisTemplate.opsForValue().get(key); 2.在DefaultValueOperations类中的get(Object key)方法 public V get(Object key) { return execute(new ValueDeserializingRedisCallback(key) { @Override protected byte[] inRedis(byte[] rawKey, RedisConnection connection) { return connection.get(rawKey); } }, true); } 3.

1. 导言： Apache Flink是一款功能强大的流式处理引擎，可用于实时处理大规模数据。本文将介绍如何使用Flink与MySQL数据库进行交互，以清洗股票数据为例。 2. 环境准备： 首先，确保已安装Apache Flink并配置好MySQL数据库。导入相关依赖包，并创建必要的Table。同时需要提前创建好mysql表，一行source表，一张sink表。 CREATE TABLE `re_stock_code_price` ( `id` bigint NOT NULL AUTO_INCREMENT, `code` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '股票代码', `name` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '股票名称', `close` double DEFAULT NULL COMMENT '最新价', `change_percent` double DEFAULT NULL COMMENT '涨跌幅', `change` double DEFAULT NULL COMMENT '涨跌额', `volume` double DEFAULT NULL COMMENT '成交量（手）', `amount` double DEFAULT NULL COMMENT '成交额', `amplitude` double DEFAULT NULL COMMENT '振幅', `turnover_rate` double DEFAULT NULL COMMENT '换手率', `peration` double DEFAULT NULL COMMENT '市盈率', `volume_rate` double DEFAULT NULL COMMENT '量比', `hign` double DEFAULT NULL COMMENT '最高', `low` double DEFAULT NULL COMMENT '最低', `open` double DEFAULT NULL COMMENT '今开', `previous_close` double DEFAULT NULL COMMENT '昨收', `pb` double DEFAULT NULL COMMENT '市净率', `create_time` varchar(64) NOT NULL COMMENT '写入时间', `rise` int NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=11207 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci CREATE TABLE `t_stock_code_price` ( `id` bigint NOT NULL AUTO_INCREMENT, `code` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '股票代码', `name` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '股票名称', `close` double DEFAULT NULL COMMENT '最新价', `change_percent` double DEFAULT NULL COMMENT '涨跌幅', `change` double DEFAULT NULL COMMENT '涨跌额', `volume` double DEFAULT NULL COMMENT '成交量（手）', `amount` double DEFAULT NULL COMMENT '成交额', `amplitude` double DEFAULT NULL COMMENT '振幅', `turnover_rate` double DEFAULT NULL COMMENT '换手率', `peration` double DEFAULT NULL COMMENT '市盈率', `volume_rate` double DEFAULT NULL COMMENT '量比', `hign` double DEFAULT NULL COMMENT '最高', `low` double DEFAULT NULL COMMENT '最低', `open` double DEFAULT NULL COMMENT '今开', `previous_close` double DEFAULT NULL COMMENT '昨收', `pb` double DEFAULT NULL COMMENT '市净率', `create_time` varchar(64) NOT NULL COMMENT '写入时间', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=11207 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci package org.

目录 前言一、Unity中AI Navigation是什么？二、使用步骤1.安装AI Navigation2.创建模型和材质3.编写向目标移动的脚本4.NavMeshLink桥接组件5.NavMeshObstacle组件6.NavMeshModifler组件 三、效果总结 前言 Unity是一款强大的游戏开发引擎，而人工智能（AI）导航是游戏中至关重要的一部分。通过Unity的AI Navigation系统，开发者可以轻松地为游戏中的角色实现自动导航功能。本文将介绍Unity中AI Navigation的基础内容，帮助开发者快速入门。 一、Unity中AI Navigation是什么？ Unity中的AI Navigation是一套用于游戏开发的导航系统，它使开发者能够为游戏中的角色提供智能的路径规划和导航功能。通过AI Navigation系统，游戏中的角色可以根据场景中的障碍物、地形等信息，自动计算出最佳路径，并沿着路径移动到目标位置。 二、使用步骤 1.安装AI Navigation 2.创建模型和材质 创建地面和材质 创建一个空物体，把Plane放到里面，然后挂载NavMeshSurface组件获取当前地图数据 NavMeshSurface 是 Unity 中用于生成导航网格的组件。它表示特定 NavMesh Agent 类型的可行走区域，并定义了场景中应该构建 NavMesh 的部分。 以下是 NavMeshSurface 组件的一些属性介绍： Agent Type：指定使用该 NavMeshSurface 的 NavMesh Agent 类型。这对于烘焙设置和在寻路期间将 NavMesh Agent 匹配到适当的表面非常有用。Default Area：定义在构建NavMesh时生成的区域类型。Generate Links：如果启用此选项，由 NavMeshSurface 收集的对象将在烘焙过程中被视为生成链接。有关更多信息，请参阅链接生成部分。Use Geometry：选择用于烘焙的几何体。Object Collection：定义用于烘焙的 GameObject 集合。Advanced Settings：高级设置部分允许您自定义以下附加参数。NavMeshData（只读）：定位存储 NavMesh 的资产文件。 ​ 点击bake开始烘焙地形 ​ 给Player挂上Nav Mesh Agent组件 NavMeshAgent 是 Unity 中用于导航的组件，用于控制角色在场景中的移动。 以下是 NavMeshAgent 组件的一些属性介绍： AgentType：代理的类型 。 BaseOffset：相对垂直位移偏差。

文章目录 一、Web Speech 的概念及用法二、Web Speech 的 API 接口1、SpeechSynthesis属性方法 2、SpeechSynthesisUtterance属性方法 三、Web Speech 的 用法用法演示一用法演示二htmljs 四、扩展 一、Web Speech 的概念及用法 在开发业务系统时，有时候可能需要使用语音播报一段文字。 目前文字转语音即语音合成技术现在已经很成熟了，像百度、讯飞等都提供了相关的服务，支持将文字转换成各种形式的语音，通常这些服务都需要付费使用，如果对语音要求不高，并且又想节约成本，那么可以直接使用浏览器的语音合成功能。 Web Speech API 使你能够将语音数据合并到 Web 应用程序中。Web Speech API 有两个部分：SpeechSynthesis 语音合成（文本到语音 TTS）和 SpeechRecognition 语音识别（异步语音识别）。 SpeechSynthesisUtterance是HTML5中新增的API，用于将指定文字合成为对应的语音。它包含一些配置项，可以指定如何去阅读（如语言、音量、音调等）。 Web Speech API 使 Web 应用能够处理语音数据，该项 API 包含以下两个部分： 语音识别通过 SpeechRecognition (en-US) 接口进行访问，它提供了识别从音频输入（通常是设备默认的语音识别服务）中识别语音情景的能力。一般来说，你将使用该接口的构造函数来构造一个新的 SpeechRecognition (en-US) 对象，该对象包含了一系列有效的对象处理函数来检测识别设备麦克风中的语音输入。SpeechGrammar 接口则表示了你应用中想要识别的特定文法。文法则通过 JSpeech Grammar Format (JSGF.) 来定义。 语音合成通过 SpeechSynthesis 接口进行访问，它提供了文字到语音（TTS）的能力，这使得程序能够读出它们的文字内容（通常使用设备默认的语音合成器）。不同的声音类类型通过 SpeechSynthesisVoice (en-US) 对象进行表示，不同部分的文字则由 SpeechSynthesisUtterance (en-US) 对象来表示。你可以将它们传递给 SpeechSynthesis.speak() (en-US) 方法来产生语音。 二、Web Speech 的 API 接口 1、SpeechSynthesis SpeechSynthesis是语音服务的控制接口；它可以用于获取设备上关于可用的合成声音的信息，开始、暂停语音，或除此之外的其他命令。

解决方法如下:

数据库部分 打开 navicat（其他数据库软件也可以） 点击连接 - 选择 MySql 在新建连接中输入连接名以及密码，默认其他输入框是有值的。 连接建好后有几个数据库是自带的，还有的是我之前建的，这些不用管，现在我们需要创建自己的数据库。 右键新建数据库 -- 输入数据库名称 test 右键数据库名称 -- 新建表 在页面中随便写两个字段，类型会自动填充，然后保存为你想存的数据库表名，这里保存为 test。 数据库表建好了，随便填充一下数据 右键 - 点击打开表 输入张三，18 然后记得保存 node 部分 新建 dbconfig.js 用于配置数据库信息（以下代码在dbconfig.js中） 创建 MySQL 连接池，封装 sql 执行语句，最后把连接池以及封装好的函数导出。 const mysql = require('mysql') //创建连接池 const pool = mysql.createPool({ host: '127.0.0.1', //服务器地址 user: 'root', //账号 password: '123456', //密码 database: 'test', //数据库名称 }) //封装sql执行函数 const executeQuery = (sql, values) => { return new Promise((resolve, reject) => { pool.

前言 项目开发中经常会遇到对用户输入内容的限制和校验，标识字段有严格命名限制，用户输入校验这部分工作前端可以做，当然后端也可以通过在实体类中添加注解的方式实现参数校验。其底层原理还是拦截器拦截请求，对带有相关注解的属性字段进行处理（非空、大小、长度、内容等判断和校验）。 import jakarta.validation.constraints.Pattern; /** * 用户名称 */ @Pattern(regexp="^[\u4e00-\u9fa5_a-zA-Z0-9]+$",message="用户名称只能输入中文字符 字母、数字") @ApiModelProperty(value = "用户名称") private String name; 有时系统对用户名的命名有更多要求，比如用户名必须要有一个小写字母，一个大写字母和一个数字，并且是6-20位 @Pattern(regexp = "^(?=.*[a-z])(?=.*[A-Z])(?=.*[0-9])[A-Za-z0-9]{6,20}$", message = "用户名错误") 其他常用正则表达式 1.数字内容校验 整数或者小数："^[0-9]+\.{0,1}[0-9]{0,2}$" 只允许输入数字："^[0-9]*$" 只允许输入零和非零开头的数字："^(0|[1-9][0-9]*)$" 只允许输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$" 只允许输入有1~3位小数的正实数："^[0-9]+(.[0-9]{1,3})?$" 只允许输入非零的正整数："^\+?[1-9][0-9]*$" 只允许输入非零的负整数："^^-[1-9]+[0-9]*$" 2.字符串校验 只允许输入长度为3的字符："^.{3}$" 只允许输入由26个英文字母组成的字符串："^[A-Za-z]+$" 只允许输入由26个大写英文字母组成的字符串："^[A-Z]+$" 只允许输入由26个小写英文字母组成的字符串："^[a-z]+$" 只允许输入由数字和26个英文字母组成的字符串："^[A-Za-z0-9]+$" 只允许输入由数字、26个英文字母或者下划线组成的字符串："^\w+$" 3.月份时间校验 验证一年的12个月："^(0?[1-9]|1[0-2])$" //格式为："01"～"09"和"1"～"12"。 验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$" //格式为；"01"～"09"和"1"～"31"。 4.Email校验 由于各种域名邮箱的多样性，需要特殊情况特殊对待，限制可以做的严格也可以宽松 举例：zhangsan_123@cetc.com.cn 字母和数字表示为A-Za-z0-9；下划线表示为_；中划线表示为- 由于名称是由若干个字母、数字、下划线和中划线组成，所以需要用到+表示多次出现 通过分析得出邮件名称部分表达式为[a-zA-Z0-9_-]+ 一般域名的规律为“[N级域名][三级域名.]二级域名.顶级域名”，比如"qq.com"、"www.qq.com"、"mp.weixin.qq.com"、"12-34.com.cn"，分析可得域名类似"** .** .** .**"组成。 "**"部分可以表示为[a-zA-Z0-9_-]+ ".**"部分可以表示为\.[a-zA-Z0-9_-]+ 多个".**"可以表示为(\.[a-zA-Z0-9_-]+)+ 综上所述，域名部分可以表示为[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+ 我们用@符号将邮箱的名称和域名拼接起来，因此完整的邮箱表达式为 ^[A-Za-z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$ 验证Email： "^[A-Za-z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$" 5.汉字校验 只能输入汉字："^[\u4e00-\u9fa5]{0,}$" 匹配中文字符的正则表达式："[\u4e00-\u9fa5]" 6.联系电话校验 联系电话：@Pattern(regexp = "^[\\d\\*]{7,12}$", message = "

1. 背景 网上搜了很多文章，总算有点头绪了。其实隐私清单最后做出来就是一个plist文件。找了几个常用三方已经配好的看了看，比着做就好了。 WWDC23 中关于隐私部分的更新（WWDC23 隐私更新官网），其中提到了第三方 SDK 的隐私清单和签名，并且要求开发者自 2024 年春季开始，新发布的 app 或者 app 更新中携带的第三方 SDK 需要提供隐私清单，如果 SDK 是以二进制形式依赖的话，则同时需要提供签名。。 当你准备分发 App 时，Xcode 会将 App 使用的所有第三方 SDK 的隐私清单合并为一个简单易用的报告。 这个报告内容全面，总结了 App 中的所有第三方 SDK，让你能够更轻松地创建更准确的隐私标签。 因此嵌入 App 的 SDK 和三方库都需要包含 PrivacyInfo.xcprivacy 。 二、 下面开始创建 隐私清单 (privacy manifest)的创建 Xcode升级到Xcode15版本及以上新建文件 Cmd + N选择 APP Privacy 选项（往下滑到Resource选项里）privacy文件如下图. privacy文件的源代码如下。在xcode里选择open as ——> souce code显示如下。 open as :ASCII Property List如上图 显示为plist格式。这个是腾讯即时通信的清单 open as code如下 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE plist PUBLIC "

最近发现一个开源免费，无需联网的AI画画工具。研究了一下，发现真的简单好用，效果惊艳。这简直是没有艺术细胞，又渴望像艺术家一样画出精美大作的小白的福音呀，这里分享给大家。 废话不多说，先来看下俺这简笔画都画不好的小白的作品吧。 一、作品展示 自己的真实绘画水平： 一个戴着帽子在田野漫步的女孩（捂脸，简直没眼看） AI美化后： 哦吼，我好像也能做个画家了？高山、云朵、草地、女孩、小花都还在，这美化效果也太优秀了吧！ 再来看看其他作品： 写实类图片： 漫画类图片： 怎么样，是不是已经按捺不住激动的内心，想要立马上手体验一下了？ 别急，下面我们先来了解下大致功能，看看到底有没有你感兴趣的，然后再决定是否开始安装体验吧。 二、功能介绍 本绘画工具完全开源免费，主体是Krita，可以看做一个简化版的PS，喜欢手绘的应该都知道，简洁好看又好用（自从用上了Krita，就再也没有打开过PS）。 AI绘画部分通过krita_ai_diffusion插件实现，其实底层也是爆火的ComfyUI。 通过这段时间的探索，发现主要有以下几个好用的功能。 随机生成图片按照关键词生成图片按照手绘过程实时生成美化后的图片按照摆好的pose生成对应姿势的人物造型按照不同风格出图（写实、漫画、素描、手绘等）局部图像替换（比如，换脸、换发型、换装饰，或者把一座高山换成一片湖泊等） 功能这么丰富，应该有满意的吧，是不是已经跃跃欲试了？下边我们就正式开始安装体验下。 三、环境搭建 环境搭建主要分两部分，都比较简单，分别是：安装Krita和安装krita_ai_diffusion插件。 3.1 安装Krita 软件下载地址：https://krita.org/zh-cn/download/ 选择自己的操作系统，等待下载完成后点击安装即可。如果下载的是免安装版本，找个文件夹解压到里边即可。 3.2 安装AI插件 3.2.1 下载插件 插件下载地址：https://github.com/Acly/krita-ai-diffusion 点击下载插件，直接用最新版本即可。 3.2.2 安装插件 启动安装好的Krita ，然后点主菜单上边的设置，对Krita进行配置。 这里资源文件夹可以设置到空间较大的盘符下，我这里设置为D:/Krita/data，这样Krita的资源就都会放在这个文件夹下，修改之后需要重启一下Krita才会生效。 然后，打开该文件夹下的pykrita文件夹，把上一步下载好的AI插件解压到这里。 解压完成后重启一下Krita。 3.2.3 启用插件 重新打开设置界面，找到Python插件管理，把对钩勾上，启用AI插件。 点确定，然后重启Krita。 3.2.4 安装插件所需资源 我们知道AI的运行离不开底层模型库的支持，这里我们要画什么风格的画也需要具体的模型文件才可以。体验过程中，发现有两种配置方式。 一种是自己逐个下载安装所需文件进行配置，这种方式简直要命，应该只有老手才能玩，我是折腾半天没成功。 另一种比较简单，就是使用AI插件内置的傻瓜式安装方式，点点鼠标即可。 这里我们使用简单的方式来配置。首先，打开Krita，新建一个图像，宽高500像素即可。 然后打开AI图片生成面板 可以看到右下方出现了AI面板，点击Configure 服务管理这里保持默认，使用简单的插件方式来管理服务，服务路径可以保持默认或者选个自己喜欢的文件夹。 然后点install按钮，安装下方默认勾选的资源。 下载完成后选择下模型运行方式，最好是用显卡来跑，当然CPU也行，不过比较慢。 配置完成记得再重启下Krita。 到这里总算是安装配置完成了，下边我们就来体验一下实际效果。 四、上手操作 新建一个图像，点击AI面板的生成按钮，等待片刻后即可看到生成的图像 也可以输入关键词来生成图片，比如一只小猫 一个面带微笑的中国帅哥（提示词：a chinese handsome boy,smile） 漫画风 写实风 一个面带微笑的中国女孩（提示词：a chinese beautiful girl,smile） 漫画风 写实风

redis desktop manager medis AnotherRedisDesktopManager fastoredis redis-plus red Web版本评测的软件如下： redis-insight IDE插件版本，这里只评测IntelliJ IDEA的插件，eclipse的就不作介绍了 Iedis2 3. Redis Desktop Manager 这个工具应该是现在使用率最广的可视化工具了。存在时间很久。经过了数次迭代。跨平台支持。以前是免费的，现在为收费工具。试用可以有半个月的时间。链接为： https://redisdesktop.com/ 评测： 之前用觉得功能还行，就是界面UI丑了点。最近下了最新版，感觉经过了那么长时间迭代，界面看着也还凑合。该有的功能都有。界面看着比较简洁，功能很全。 key的显示可以支持按冒号分割的键名空间，除了基本的五大数据类型之外，还支持redis 5.0新出的Stream数据类型。在value的显示方面。支持多达9种的数据显示方式。 命令行模式也同以前有了很大的进步，支持了命令自动提示。 从功能看上去中规中矩，使用起来便捷。最大的缺点就是不免费。个人使用的话，大概一年要200多RMB的价格。 4.medis 现阶段我使用率最高的redis可视化工具。界面符合个人审美。布局简洁。跨平台支持，关键是免费。链接为： http://getmedis.com/ 评测： 颜值挺高，功能符合日常使用要求。对key有颜色鲜明的图标标识。在key的搜索上挺方便的，可以模糊搜索出匹配的key，渐进式的scan，无明显卡顿。在搜索的体验上还是比较出色的。 缺点是不支持key的命名空间展示，不支持redis 5.0的stream数据类型，命令行比较单一，不支持自动匹配和提示。支持的value的展现方式也只有3种 5.AnotherRedisDesktopManager 一款比较稳定简洁的redis UI工具。链接为： https://github.com/qishibo/AnotherRedisDesktopManager 评测： 很中规中矩的一款免费的redis可视化工具，基本的功能都有。有监控统计，支持暗黑主题，还支持集群的添加。 缺点是没什么亮点，UI很简单，不支持stream数据类型。命令行模式也比较单一。value展示支持的类型也只有3种。 6.FastoRedis FastoRedis之前没听到过。然后去下了体验了下。 使用这款工具首先得去官网注册账号。这款软件是收费软件，虽然跨平台，但是试用只有一天的时间。链接为： https://fastoredis.com/ 评测： 毕竟是收费软件，虽然界面一股浓浓的windows风格，乍看上去有点像redis desktop manager，但是就功能而言。确实不错，支持了集群模式和哨兵模式，key的命名空间展示，redis 5.0的stream数据类型也支持。 命令行模式支持自动提示补全 value的显示支持树状，表格状等等显示方式。令我惊讶的是，值对象支持多达17种渲染方式 总的来说，除了界面UI交互略生硬，还有是一款收费软件之外，还是一款很不错的redis可视化工具。 7.RedisPlus 一款开源的免费桌面客户端软件链接： https://gitee.com/MaxBill/RedisPlus 评测： 没什么亮点，也就基本功能。加分项可能也就是有一个监控。其他的都很普通 。甚至于这款软件连命令行模式都没有。用的是javafx开发，按道理说，应该是跨平台的软件 ，但是提供的下载地址，并没有mac的直接安装包。况且就算是跨平台的吧。 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Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！ 因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。 既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！ 由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新 如果你觉得这些内容对你有帮助，可以添加V获取：vip1024b （备注Java） 架构学习资料 由于篇幅限制小编，pdf文档的详解资料太全面，细节内容实在太多啦，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！ -1711610519105)] [外链图片转存中…(img-pWQTAkYJ-1711610519106)]

在使用 GROUP BY 时，我们可能会遇到以下报错： Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggregated column …… 这是因为我们在select语句中所查询的列并不被group by后面接的列所包含。 对于GROUP BY聚合操作，SELECT后面接的列必须被GROUP BY后面接的列所包含。 例如： select a,b from table GROUP BY a,b,c; √ select a,b from table GROUP BY a; × 解决方法：去掉 ONLY_FULL_GROUP_BY 步骤： 1、关闭 MySQL 数据库服务 打开服务（直接在搜索栏搜索） 找到 MySQL，停止服务 2、打开MySQL 的 ini 配置文件 找到MySQL 下载的文件夹，进入 my.ini 找到 sql-mode 行，把开头的 ONLY_FULL_GROUP_BY 删除，其他的都不要动 然后点击保存 3、重启 MySQL服务 找到刚刚的服务，重新启动MySQL服务，就可以使用了！ select a,b from table GROUP BY a,b,c; √

一、win10电脑上安装adb 1、解压adb安装包，资料请加q群自行领取：950890393 2、将adb文件夹放在不带有中文路径的目录下，最好就是C、D、E盘根目录，我这里就直接放在C盘根目录下 3、双击打开，看看里面有没有嵌套adb文件夹，有的话可以把adb文件夹拉出来，是这个界面就可以了 4、点击空白处，复制当前路径 5、要给adb配置环境变量，单击此电脑，然后按鼠标右键，选择属性 6、右侧栏找到高级系统设置，单击打开 7、单击打开环境变量 8、在系统变量中找到path，双击打开 9、点击新建，将上面复制的路径粘贴到指定位置，点击确认，把所有以前打开的界面都点击确认 10、点击键盘win+r，调出窗口 11、输入cmd，点击确认 12、输入adb，回车，弹出此界面代表安装成功 二、oppo、vivo手机如何打开开发者模式，如何打开adb调试 1、打开手机设置 2、在设置中找到系统管理，打开系统管理 3、在系统管理中找到关于手机，打开关于手机 4、在关于手机中找到版本信息，打开版本信息 5、找到软件版本号，多次点击具体软件版本号，直到弹窗出现已处在开发者模式为止 6、再次在设置中找到系统管理，打开系统管理，下滑找到最下面的开发者选项，打开开发者选项 7、打开开发者选项按钮 8、还在上面开发者模式界面下滑，找到USB调试，打开 9、使用数据线将电脑和手机链接，弹出此弹窗选择管理文件 10、弹出是否信任此设备选择信任，正常弹出这个就成功了，勾选，允许。 11、测试是否打开成功（注意：看看电脑是否同时打开了虚拟机或者模拟器。打开了会出现如下语句：List of devices attached），出现下图设备号就成功了 三、华为手机如何打开开发者模式，如何打开adb调试 1、打开手机设置 2、下翻找到最下面关于手机 3、多次点击Harmony OS版本后面对应的版本号，知道弹出已打开开发者模式为止 4、重新进入设置界面，下滑找到系统和更新 5、下滑找到开发者人员选项，正常上面没有弹出您已处于开发者模式时，这里是没有这个选项的 6、进入开发者人员选项后，将开发者人员选项勾选 7、在开发人员选项中下滑找到USB调试勾选，仅充电模式下允许ADB调试勾选 8、在选择USB配置中选择MTP(多媒体传输) 9、将电脑和手机拿数据线连接，在弹出的连接方式中选择传输文件 10、上面那步，点错的，下拉界面中找到USB连接弹窗，将仅充电改为传输文件 11、重点来了：在设置最上面的搜索框中搜索HiSuite，可能输入HiS就会弹出下图，点击允许通过HDB连接设备 12、点击后进入到更多安全设置界面，勾选允许通过HDB连接设备 13、这个时候就会弹出验证设备安全，点击允许（注意：也有可能没有这个弹窗，可能是你的数据线的问题，换根数据线试一下，用原装的数据线连接手机和电脑是没问题的） 14、测试是否打开成功（注意：看看电脑是否同时打开了虚拟机或者模拟器。打开了会出现如下语句：List of devices attached），出现下图设备号就成功了 四、小米手机如何打开开发者模式，如何打开adb调试 1、点击设置 2、打开我的设备 3、打开全部参数信息 4、一直点击MIUI版本下面正对的版本，直到弹出你已进入开发者模式为止，一直点击 5、回到设置，找到更多设置，打开 6、在更多设置中，打开开发者选项，如果上面操作有问题，这里没有开发者选项一栏 7、打开开发者选项 8、在开发者选项中下滑，找到USB调试，打开 9、将电脑和手机用数据线连接，弹出USB用于界面选择传输文件 10、弹出授权见面，点击允许调试 11、测试是否打开成功（注意：看看电脑是否同时打开了虚拟机或者模拟器。打开了会出现如下语句：List of devices attached），出现下图设备号就成功了 创作不易，希望可以留下你们的小心心和关注，你们的支持是我创作最大的动力，谢谢~~找不到工具包的加群拿工具包，群号：950890393，希望内容对大家有帮助，谢谢支持！

问题描述 CondaHTTPError: HTTP 429 TOO MANY REQUESTS for url https://mirrors.ustc.edu.cn/anaconda/pkgs/free/win-64/current_repodata.json Elapsed: 00:26.513315 解决方案 找到用户路径下的 .condarc文件，建议用这个方法前和我一样做个备份，方法不行的话可以恢复之前状态，不至于改的乱七八糟。 使用编辑器打开文件，将里面内容替换为如下文本： channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/ 之后，Anaconda Prompt (Anaconda3)即可正常使用

安卓Android Studio购物商城app源码带java后台Springboot mybatis框架数据库mysql，非常适合学习使用。 包含项目报告，接近6200字数文档（项目需求分析、项目概要设计、数据库设计、项目详细设计、测试结果与分析，小结与心得体会）； App基于Android Studio开发 Java web后台服务器基于Idea Springboot JDK-8u191-windows-x64.exe 数据库Mysql server 5.5/8.0; 数据库可视化工具Navicat/HeidiSQL； 购物商城系统实现以下几个功能： 一、购物商城app 1.1 登录注册功能：用户可以在登录界面进行登录，若没有账号可以进行注册； 1.2 浏览商品信息：浏览商品信息，登录后可添加商品到购物车，可以调整购买数量； 1.3 搜索商品信息：用户可在搜索框输入关键字，即可获取想要的商品信息；登陆后可添加商品到购物车，可以调整购买数量； 1.4 购物车功能：用户将商品添加至购物车，购物车可显示商品信息以及它的单价、购买数量、总价，点击支付，即可结算并将该订单信息存入我的订单； 点击删除，将商品移除购物车； 1.5 个人中心功能：点击密码修改可进入密码修改界面并修改密码，点击修改个人信息可进入个人信息界面并修改个人信息（联系电话，地址）；点击查看订单可查看历史订单记录； 1.6 订单管理功能；点击订单栏可以查看订单信息（含收货人、联系号码、收件地址）；点击评论可对订单进行评价，点击评价详情可以查看评价内容； 二、购物商城Java web后台Server（Springboot） 2.1 后台服务器接口； 有问题先咨询再拍，因代码和文档可复制性，售出概不退换。

通义千问、文心一言、抖音云雀、智谱清言、讯飞星火这五款AI大模型各有特色，它们在市场上的定位和竞争策略也有所不同。 通义千问：由阿里巴巴推出，被认为是最接近ChatGPT水平的国产AI模型[7]。它不仅提供了长文档处理功能，还能够进行市场调研、竞品分析和设计理念阐述等工作[18]。此外，通义千问还免费开放了1000万字的长文档处理功能，这对于设计师等专业人士来说非常有用[18]。文心一言：百度推出的AI大模型，支持网页端和手机APP使用，可以在安卓和iOS上使用[2]。文心一言在一些评测中表现良好，但也有评测指出其回答相对简单生硬[5][13]。抖音云雀：抖音推出的AI大模型，与文心一言、智谱清言等一同通过了《生成式人工智能服务管理暂行办法》的审核[8]。虽然具体的特点和优势没有详细说明，但作为抖音旗下的产品，很可能在内容创作和社交媒体应用方面有更深入的应用。智谱清言：由智谱AI推出，与其他几款AI大模型一起，被认为是思维链条较为完整的模型之一[3]。智谱清言可能在数据分析和知识推理方面有较强的能力。讯飞星火：科大讯飞推出的AI大模型，是首个基于全国产化算力平台“飞星一号”训练的全民开放大模型[6]。讯飞星火V3.5实现了文本生成、语言理解等功能，代表了大模型商业落地的竞争焦点[4]。此外，讯飞星火V3.0已经整体超越了ChatGPT(GPT3.5)[14]。 这些AI大模型各有侧重，通义千问在长文档处理和市场分析方面表现出色[18]；文心一言在多平台上提供服务，但在某些评测中回答质量有待提高[2][13]；抖音云雀可能在内容创作和社交媒体应用方面有优势；智谱清言在数据分析和知识推理方面可能有较强能力；讯飞星火则在技术创新和商业落地方面展现了强大的竞争力[4][6][14]。 通义千问在市场调研和竞品分析方面的具体应用案例是什么？ 通义千问在市场调研和竞品分析方面的具体应用案例包括： 在电商出海方面，通义千问能够为阿里出海业务提供智能化、个性化的服务和推荐。例如，通过对海外市场的用户搜索、评论、点赞等文本数据进行分析，了解市场需求和用户偏好[26]。通义千问还被应用于金融、法律、科研、医疗、教育等领域，专业人士可以通过通义千问网站和APP快速读研报、分析财报、读科研论文、研判案情、读医疗报告、解读政策法规等，这不仅提高了工作效率，也促进了专业知识的深入研究和应用[29]。此外，通义千问还通过分享机械设备、美妆、半导体和家装等行业的企业案例，展示了如何通过智能销售和数字化手段实现业绩增长和市场拓展。这些案例分享有助于其他企业学习和借鉴，从而在各自的行业中实现更好的市场表现和竞争力提升[28]。 通义千问在市场调研和竞品分析方面的应用案例涵盖了电商出海、专业领域信息处理以及行业业绩增长和市场拓展等多个方面，展现了其在不同领域的广泛应用和实际效益。 文心一言的多平台服务支持包括哪些具体功能，以及如何解决回答简单生硬的问题？ 文心一言的多平台服务支持包括的具体功能主要有文学创作、商业文案创作、数理逻辑推算、中文理解等[32]。此外，它还具备情感陪伴的能力，能够作为用户的专属贴心好友[34]，并且可以通过强大的逻辑能力和生成能力，将简单的创意转化为视频脚本等[35]。在技术层面，文心一言支持多种编程语言和开发环境，便于开发者根据自己的需求进行开发和部署[36]。实用功能方面，文心一言提供了QQ群助手、弹幕过滤器、AI辅助写作等多种实用功能[37]。 为了解决回答简单生硬的问题，文心一言采用了提示词功能系统学习的方法。用户在提出问题时，在问题的结尾处加入特定的提示词，这样可以引导文心一言给出更加详细和具体的答案[33]。此外，文心一言还能通过其原生插件和飞桨端到端自适应混合并行训练技术以及压缩、推理、服务部署协同优化等方式，提高训练速度和推理速度，从而提升回答的质量和效率[38]。例如，如果用户失恋了，文心一言App不仅能帮助找出失恋原因，并提出解决方案，还能化身“暖男”陪用户聊天，显示出其在情感陪伴方面的应用能力[40]。 文心一言通过提供多样化的功能和服务，以及采用先进的技术和方法，有效解决了回答简单生硬的问题，提升了用户体验。 抖音云雀在内容创作和社交媒体应用方面的优势具体表现在哪些方面？ 抖音云雀在内容创作和社交媒体应用方面的优势主要体现在以下几个方面： 内容创作能力：云雀模型具备出色的文字创作能力，能够完成丰富的文字创作任务。这包括但不限于大纲生成、营销文案生成等场景，显示出其强大的语言模型能力和庞大的知识储备[44]。多模态支持：云雀不仅支持文本内容的创作，还支持图像、音频等多种模态的内容创作。这意味着用户可以利用云雀大模型创作出更加丰富多样、形式多变的内容，满足不同场景下的需求[43]。社交媒体应用：在社交媒体应用方面，抖音推出的基于云雀大模型驱动的AI社交App“话炉”，展示了云雀在社交媒体领域的应用潜力。通过这种应用，抖音云雀能够提供更加个性化、智能化的社交体验，增强用户的互动性和参与度[46]。业务需求满足：云雀模型能够满足多种业务需求，包括内容创作、知识问答、代码生成等任务。这表明云雀大模型具有高度的灵活性和广泛的应用范围，能够在不同的业务场景中发挥重要作用[42]。 抖音云雀在内容创作和社交媒体应用方面的优势主要体现在其出色的内容创作能力、对多种模态的支持、在社交媒体领域的创新应用以及广泛的业务需求满足能力上。 智谱清言在数据分析和知识推理方面的技术细节和实际应用案例有哪些？ 智谱清言在数据分析和知识推理方面的技术细节和实际应用案例主要体现在以下几个方面： 数据收集与可视化：智谱清言能够快速收集到关键信息，如数据单位和时间等，并将这些信息快速做成横纵坐标轴，对图表进行简单分析，无需手动操作[49]。这表明其具备高效的数据处理和分析能力。多模态理解能力：智谱清言的APP端具备网络搜索增强和多模态理解能力，这意味着它能够理解和处理来自不同源的信息，包括文本、图片等多种格式的数据[48]。个性化智能体定制：智谱清言推出了「GLMs」个性化智能体定制能力，为无编程基础的开发者提供了创建专属智能体的新渠道[55]。这一功能体现了其在知识推理方面的应用潜力，通过定制化的智能体来满足特定领域或个人的需求。科技知识图谱应用：基于科技知识图谱，智谱清言能够对海量异构科技大数据进行关联分析，挖掘科技创新发展规律。它提供从宏观到微观的一体化综合建模，并辅以50余个维度的可视化分析图表，帮助进行科技决策规划和技术方向选型[56]。这展示了其在数据分析和知识推理方面的深度应用，特别是在科技领域的应用。财务分析与优化建议：在财务学习笔记中，使用智谱清言的代码沙盒进行Excel文件内容的查看、结构分析以及基于数据的财务角度利润情况和优化建议的提供[51]。这一案例说明了智谱清言在财务数据分析和知识推理方面的实际应用价值。 智谱清言在数据分析和知识推理方面展现了强大的技术实力和广泛的实际应用案例，从数据收集与可视化、多模态理解、个性化智能体定制到科技知识图谱的应用，再到具体的财务分析案例，均体现了其在这些领域的先进性和实用性。 讯飞星火与ChatGPT(GPT3.5)相比，在技术创新和商业落地方面有哪些显著优势？ 讯飞星火与ChatGPT（GPT3.5）相比，在技术创新和商业落地方面的显著优势主要体现在以下几个方面： 强大的研发实力和丰富的应用场景：讯飞星火依托于科大讯飞强大的研发实力，不仅在技术上不断创新，而且在教育、医疗、金融、政务等多个领域都有广泛的应用，为用户提供了丰富的服务和解决方案[57]。这种跨领域的应用能力是其区别于其他AI模型的重要优势。源头技术创新和行业应用落地：科大讯飞的源头技术创新和对行业的深入应用，使得星火大模型在市场上形成了差异化竞争优势[58]。这种从基础研究到实际应用的转化能力，使得讯飞星火能够更好地满足不同行业的需求，实现技术的商业化落地。国产算力平台的支持：讯飞星火大模型得到了全国产化算力平台“飞星一号”的支持[61]。这不仅体现了讯飞在自主创新方面的努力，也为其提供了强大的硬件支持，进一步增强了其技术实力和市场竞争力。开放性和生态构建：讯飞星火认知大模型保持国内技术领先的同时，还积极参与到大模型标准体系的建设中[64]。这种开放的态度和对生态系统的构建，有助于吸引更多开发者和合作伙伴加入，共同推动AI技术的发展和应用。 讯飞星火在技术创新和商业落地方面相比ChatGPT（GPT3.5）具有明显的优势，包括强大的研发实力、丰富的应用场景、国产算力平台的支持以及开放性和生态构建等方面。这些优势使得讯飞星火能够在多个领域提供更加深入和广泛的服务，同时也为其未来的持续发展奠定了坚实的基础。 参考资料 1. 实测通义千问：9个问题上与竞品的对比 - 虎嗅 [2023-04-11] 2. 八大中文AI大模型超级评测：表现最佳不是文心一言？ - 凤凰网 [2023-09-02] 3. 国内大语言模型对比评测（三） 原创 - CSDN博客 [2024-02-21] 4. 国产大模型落地为王！讯飞星火如何快人一步？ - 智东西 [2024-01-31] 5. 八大中文AI大模型超级评测：表现最佳不是文心一言？ - 新浪 [2023-09-01] 6. 科大讯飞发布星火认知大模型V3.5，对标国际水平 - 证券时报 [2024-01-30] 7. 实测阿里通义千问：最接近ChatGPT水平的国产AI模型 - 新浪 [2023-04-11] 8. 我们测试了五款国产大模型在高校的应用情况 - 澎湃新闻 [2023-12-08] 9. 阿里「通义千问」大模型的能力如何？内测体验如何？ - 覃含章的回答 [2023-04-07]

我们都知道文生图、图生图、局部重绘，生成的图片分辨率太小，怎么办？我们可以通过模型放大、潜在放大、非潜在放大、分块放大多种方式对图像进行放大。 放大工作流： 我们以文生图后的图片进行放大，在开始之前我们打开之前搭建的文生图基础流程 模型放大： 模型放大是最简单，也是效果最差的放大方式，他就和我们在 Web UI 上使用后期处理进行放大一样，只是通过放大算法对图像直接放大（也就是图像空间放大），这也会导致我们放大的图片损失细节，甚至看起来会很腻很假； 虽然上面说的一无是处，但是使用它搭配在其他的放大方式上效果就大大增强，我们先看一下怎么使用模型放大吧； “右键-新建节点-图像-放大-图像通过模型放大” 左侧的“放大模型”通过拖拽连接“放大模型加载器”（“右键-新建节点-加载器-放大模型加载器”进行连接也可以）； 选择自己需要的放大模型，我给大家准备好的 17个放大模型，都放在网盘里面了（管理器的安装模型也可以下载放大模型），其中BSRGAN、ESRGAN、SwinIR_4K、RealESRGAN_x4plus 效果不错； 左侧的“图像”连接“VAE解码”输出的图像，右侧直接连接保存图像就可以了； 有没有发现我们没有设置图片放大的倍数，其实模型放大是直接根据所选放大模型进行放大的，一般都是放大4倍。 潜在放大： 这时候我们插个知识点，在 Web UI 上我们进行高分辨率修复的时候，我们会看到在选择放大算法时，有 Latent 开头的几个算法可选择，这其实就是我们进行潜在放大所需要用到的流程； 潜在放大是在潜空间进行放大，也就是对 Latent 进行缩放，然后对缩放后的 Latent 进行重新采样，进而增加细节达到放大的目的； “右键-新建节点-Latent-Latent缩放/Latent按系数缩放”，可以看到我这边放了两个节点，这两个节点一个是需要设置宽高、一个是根据倍数放大，根据自己的需要选择就好； 如果前几节课学明白了，后面的就不用我多说了吧，再串连一个采样器就可以了； 下方是我连接好的工作流，这里我选择的是“Latent按系数缩放”，这个比较方便一些，大家也可以选择“Latent缩放” 注意：降噪数值一定要在0.5左右，数值过低会有崩坏的情况。放大倍数也不要太大，太大同样会有崩坏的情况 非潜在放大： 非潜在放大可以理解成模型放大和潜在放大的结合，先进行模型放大后对模型放大的图片进行重新采样； 是不是有思路了？不过不要忘了对模型放大后的图片进行缩放（因为直接对放大4倍的图片进行重新采样会占用太多显存并且添加的细节不够）； 我们想要得到更高像素的图像可以多次叠加“非潜在放大”流程，只要你的显存够大，你想要多大的图都可以。 分块放大： 非潜在放大要得到一张 4K 图需要很高的显存，但是我们可以通过分块放大，使用较小的显存出更大的图。 分块放大其实就是把一张图切成 n 个块，然后对小块进行重新采样，最后把小块拼接在一起。他的好处是可以使用更小的显存得到一张更大分辨率的图； 分块放大是需要用到一个插件的： https://github.com/BlenderNeko/ComfyUI_TiledKSampler.git（压缩包解压安装、git拉取、管理器安装都可以） 我们需要用到这个插件中的“分块采样器”，“右键-新建节点-采样器-K采样器（分块）”，他同样有一个高级采样器，这个我们要进行 refiner 模型细化的时候可以使用。 来看一下和我们的普通采样器有什么区别吧，只多了三个操作，分块宽度、分块高度、无缝分块策略 random（随机）：也是默认策略，它是通过在水平和垂直的分块图像之间随机交替采样来消除拼接痕迹（效果最好，与 uni 采样器不兼容）； random strict（随机严格）：因为 random 很有可能会对有边框的图像产生不好的效果，所以 random strict 使用遮罩来确保不裁剪边框图块（效果和random 类似，但不适用于 SDE 采样器）。 padded（填充）：为每块图像在四周提供一定的范围进行叠加来减少拼接缝隙，正因为这样，他需要对多达 4 倍的图块进行采样（效果不如 random ，速度慢，支持 uni 采样器）。

问题： 模拟器登录Google Play失败，提示 couldn't sign in there was a problem communicating with google servers. try again later. 原因： 原因是模拟器没有连接到互联网，打开模拟器中Google浏览器进行搜索一样不行。 解决： 国内开发，要登录Google Play调试内购肯定是要合理上网的。 网络配置好之后，打开Android模拟器，进入网络设置中，在Android WIFI配置代理。 IP地址设为10.0.2.2 端口设为你梯子的代理端口 这样设置后，才会走梯子的流量网络正常。 进入网络设置，选择对AndroidWifi进行设置。 点击右上角的编辑按钮 ，进行代理配置。 网络地址说明： 网络地址 说明 10.0.2.1 路由器/网关地址 10.0.2.2 主机环回接口的特殊别名（即开发机器上的 127.0.0.1） 10.0.2.3 第一个 DNS 服务器 10.0.2.4 / 10.0.2.5 / 10.0.2.6 可选的第二个、第三个和第四个 DNS 服务器（如果有） 10.0.2.15 所模拟设备的网络/以太网接口 127.0.0.1 所模拟设备的环回接口 设置 Android 模拟器网络官方文档：https://developer.android.com/studio/run/emulator-networking?hl=zh-cn

BOOT FAILED =========== Exception during startup: 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> BOOT FAILED 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> =========== 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> Exception during startup: 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> error:{badmatch,{error,{{shutdown,{failed_to_start_child,auth,{"Cookie file /var/lib/rabbitmq/.erlang.cookie must be accessible by owner only",[{auth,init_no_setcookie,0,[{file,"auth.erl"},{line,293}]},{auth,init,1,[{file,"auth.erl"},{line,144}]},{gen_server,init_it,2,[{file,"gen_server.erl"},{line,423}]},{gen_server,init_it,6,[{file,"gen_server.erl"},{line,390}]},{proc_lib,init_p_do_apply,3,[{file,"proc_lib.erl"},{line,226}]}]}}},{child,undefined,net_sup_dynamic,{erl_distribution,start_link,[[rabbit_prelaunch_19@localhost,shortnames],false,net_sup_dynamic]},permanent,false,1000,supervisor,[erl_distribution]}}}} 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> rabbit_prelaunch_dist:duplicate_node_check/1, line 78 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> rabbit_prelaunch_dist:setup/1, line 23 2024-03-28 02:39:06.395121+00:00 [erro] <0.130.0> rabbit_prelaunch:do_run/0, line 115 2024-03-28 02:39:06.