Stable Diffusion 是一个先进的深度学习模型，用于创造和修改图像。这个模型能够基于文本描述来生成图像，让机器理解和实现用户的创意。使用这项技术的关键在于掌握其 API，通过编程来操控图像生成的过程。
在探索 Stable Diffusion API 的世界前，需要把握以下基本概念：
API（应用程序编程接口） ：这是一个让不同应用软件之间可以进行通信的平台。利用 Stable Diffusion API，开发人员可以编程方式调用图像生成功能。端点（Endpoint） ：端点是 API 在 URL 中的特定路径。这是 API 的访问点，通过在这些端点发送请求来使用 API 的服务。请求（Request） ：请求是发送至 API 以调用一项服务的信息载体。在 Stable Diffusion API 中，请求通常会携带文本描述、风格设定和其他影响图像生成的选项。响应（Response） ：响应是在请求处理完成后，API 返回的结果数据。使用 Stable Diffusion API，响应可以是生成的图像或者是一条执行状态报告。 Stable Diffusion API 的线上文档可以通过这个链接 Stable Diffusion API 文档 访问，网址为 https://stablediffusionapi.apifox.cn/ 。这个线上资源包括了官方提供的所有 API 接口及其说明，你可以根据业务需求挑选适用的接口进行调用。
为了更便捷地测试和调试，可以将这些 API 克隆到 Apifox 平台上，这样就可以直接在 Apifox 中进行操作了。
图文指南：Stable Diffusion API 的使用过程 获取 API 密钥 首先，每个 API 请求必须有授权。获取密钥请前往 https://stablediffusionapi.com/register 注册并登录（需要科学上网）。在“API Settings”找到并复制你的 API 密钥。
文章目录 前言一、小米便签的部署1.下载小米便签项目源码zip包以及解压2 空项目建立及其注意事项3 将源码对应的文件复制到 Android 项目的对应目录及文件下4.错误1：错误提示乱码5.依赖下载6.错误2：找不到符号 notification.setLatestEventInfo...7.错误3：switch语句报错Constant expression required8.错误4：jar包冲突9.错误5：3 files found with path ‘META-INF/DEPENDENCIES’ ...10.成功部署及运行展示二、遇到的问题汇总1.错误提示乱码1.1 错误显示1.2 报错原因1.3 解决办法2.找不到符号 notification.setLatestEventInfo(......)2.1 错误示例2.2 报错原因2.3 解决办法3.switch语句报错Constant expression required3.1 错误示例3.2 报错原因3.3 解决办法4.jar包冲突4.1 错误示例4.2 错误原因4.3 解决办法5.three files found with path ‘META-INF/DEPENDENCIES’ ...5.1 错误示例5.2 错误原因5.3 解决办法补充1.新版的Android Studio的eclipse项目导入问题问题描述编辑原因2.关于小米便签功能不完全的问题问题描述原因解决办法致谢总结 前言 最近在完成软件工程的结对作业，具体任务是与同学合作，然后部署项目和泛读代码。因为网上小米便签部署的博客大多是 Android Studio 2022以及之前的版本，而我的Android Studio 是 2023.2.1 的版本，在部署项目的过程中肯定会出现一些问题，故编写这篇博客，用来记录问题和复习。
一、小米便签的部署 这里我的Android Studio的版本是 2023.2.1 版本，SDK版本为 API 34，Gradle版本为 8.4。
1.下载小米便签项目源码zip包以及解压 首先我们从github上的开源代码仓库上下载小米便签的源码包。其不带git信息的zip包的下载地址：
https://codeload.github.com/MiCode/Notes/zip/master
然后我们把下载的zip包进行解压，把Notes-master项目包提取出来。
2 空项目建立及其注意事项 选择New Project，选择Empty Views Activity，新建一个空项目：
如下配置，注意包名为net.micode.notes，因为原项目的开发语言是用Java的，故我们Language也选择Java：
新创建好的项目目录如下：
目录 一、场景二、报错信息三、原因四、解决 一、场景 1、前端调用后端接口报错
2、接口功能为导出excel
二、报错信息 org.apache.catalina.connector.ClientAbortException: java.io.IOException: Broken pipe at org.apache.catalina.connector.OutputBuffer.realWriteBytes(OutputBuffer.java:366) at org.apache.catalina.connector.OutputBuffer.flushByteBuffer(OutputBuffer.java:839) at org.apache.catalina.connector.OutputBuffer.append(OutputBuffer.java:742) at org.apache.catalina.connector.OutputBuffer.writeBytes(OutputBuffer.java:401) at org.apache.catalina.connector.OutputBuffer.write(OutputBuffer.java:379) at org.apache.catalina.connector.CoyoteOutputStream.write(CoyoteOutputStream.java:97) at org.apache.catalina.connector.CoyoteOutputStream.write(CoyoteOutputStream.java:90) at org.springframework.security.web.util.OnCommittedResponseWrapper$SaveContextServletOutputStream.write(OnCommittedResponseWrapper.java:632) at org.apache.poi.poifs.storage.BigBlock.doWriteData(BigBlock.java:67) at org.apache.poi.poifs.storage.DocumentBlock.writeData(DocumentBlock.java:195) at org.apache.poi.poifs.storage.BigBlock.writeBlocks(BigBlock.java:98) at org.apache.poi.poifs.storage.DocumentBlock.writeBlocks(DocumentBlock.java:34) at org.apache.poi.poifs.filesystem.POIFSDocument$BigBlockStore.writeBlocks(POIFSDocument.java:547) at org.apache.poi.poifs.filesystem.POIFSDocument.writeBlocks(POIFSDocument.java:303) at org.apache.poi.poifs.filesystem.POIFSFileSystem.writeFilesystem(POIFSFileSystem.java:385) at org.apache.poi.hssf.usermodel.HSSFWorkbook.write(HSSFWorkbook.java:1205) at com.xxx.utils.excel.ExcelUtil.expExcel(ExcelUtil.java:768) at com.xxx.controller.RobotSessionMsgController.exportSessionList(RobotSessionMsgController.java:181) at com.xxx.controller.RobotSessionMsgController$$FastClassBySpringCGLIB$$45326473.invoke(<generated>) at org.springframework.cglib.proxy.MethodProxy.invoke(MethodProxy.java:218) at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.invokeJoinpoint(CglibAopProxy.java:792) at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:163) at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:762) at org.springframework.aop.framework.adapter.AfterReturningAdviceInterceptor.invoke(AfterReturningAdviceInterceptor.java:57) at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:175) at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:762) at org.springframework.aop.interceptor.ExposeInvocationInterceptor.invoke(ExposeInvocationInterceptor.java:97) at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:186) at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:762) at org.
目录
一、pyspark介绍
二、PySpark安装
三、RDD编程
1、创建RDD
2、常用Action操作
①collect
②take
③takeSample
④first
⑤count
⑥reduce
⑦foreach
⑧countByKey
⑨saveAsTextFile
3、常用Transformation操作
①map
②filter
③flatMap
④sample
⑤distinct
⑥subtract
⑦union
⑧intersection
⑨cartesian
⑩sortBy
⑪zip
⑫zipWithIndex
4、常用Transformation操作（键值对）
①reduceByKey
②groupByKey
③sortByKey
④join / leftOuterJoin / rightOuterJoin
⑤cogroup
⑥subtractByKey
⑦foldByKey
5、分区操作
①glom
②HashPartitioner
③mapPartitions / mapPartitionsWithIndex
④coalesce
⑤repartition
⑥partitionBy
6、缓存操作
①cache
②persist
③checkpoint
7、共享变量
①broadcast
②accumulator
四、综合应用
1、求平均数
2、求众数
3、求总分前3的学生及各科成绩
五、总结
PySpark系列文章：
（一）PySpark3：安装教程及RDD编程
（二）PySpark3：SparkSQL编程
（三）PySpark3：SparkSQL40题
（四）PySpark3：Mlib机器学习实战-信用卡交易数据异常检测
一、pyspark介绍 Apache Spark是一个用于大数据处理的开源分布式计算框架，而PySpark则是Spark的Python 实现。PySpark允许使用Python编程语言来利用Spark的强大功能，使得开发人员能够利用Python的易用性和灵活性进行大规模数据处理和分析。
Web前端开发在软件开发中，就业门槛比较低，是比较好就业的，薪资待遇平均超过13k。在目前互联网时代，只要公司有需要开发互联网产品，包括网站，网页，H5，小程序，APP等等，就需要前端开发工程师岗位，具体的就业方向还可以按公司的技术需求来区分，侧重点各有不同，就业行业随着互联网的发展，已经变得越来越广泛了。
Web前端未来发展前途大好 随着5G时代的到来，之后在移动互联网领域将会出现新的开发场景，包括自动驾驶、车联网、物联网、人工智能、智能家居还有可穿戴设备等领域将带来大量的前端开发需求。有需求就会有市场，所以2021年web前端还是会一如既往地“红”下去。
零基础如何入门前端？ 根据我长期的总结并结合时下的技术栈，把前端的学习大致分为如下五个阶段。不仅适合想学前端或者转行学前端的，在校学生也非常实用。
阶段一 在学习前端之前呢，你需要一个编辑器，在网上你可以看到很多编辑器用来编写前端，甚至 Windows 系统默认的文本文档也可以作为前端代码的编辑器。俗话说，没有金刚钻怎么揽瓷器活，所以一个好的编辑器很重要，我再这里推荐给大家的编辑器是 VSCode。
一、HTML+CSS 前端的入门门槛是极低的，主要体现在 HTML 和 CSS 部分，运行环境就是浏览器，不像如 Java 需要配置开发/运行环境。
HTML 和 CSS 不是编程语言，HTML 是结构标签，CSS 是结构标签的样式配置。
HTML
属性
事件
标签
字符集
CSS
CSS基础教程
CSS样式
CSS框模型
CSS定位
CSS选择器
CSS高级
以上内容的学习用时 10 天左右，再花 2 天的时间项目实践，这部分总花费时间在 12 天左右。
二、HTML5+CSS3 HTML5 作为 HTML 的最新版本，引入了多项新技术，大大增强了对于应用的支持能力，使得Web技术不再局限于呈现网页内容。
HTML5 可以使开发者的工作大大简化，理论上单次开发就可以在不同平台借助浏览器运行，降低开发的成本，这也是产业界普遍认为 HTML5 技术的主要优点之一。
CSS3使用了层叠样式表技术，可以对网页布局、字体、颜色、背景灯效果做出控制。
css3作为css的进阶版，拆分和增加了盒子模型、列表模块、语言模块 、背景边框 、文字特效 、多栏布局等等。
CSS3的改变有很多，增加了文字特效，丰富了下划线样式，加入了圈重点的功能。在边框方面，有了更多的灵活性，可以更加轻松地操控渐变效果和动态效果等等。在文字效果方面，特意增加了投影。
CSS3在兼容上做了很大的功夫，并且网络浏览器也还将继续支持CSS2，因此原来的代码不需要做太多的改变，只会变得更加地轻松。
HTML5
HTML5视频
HTML5音频
HTML5拖放
HTML5画布
HTML5 SVG
HTML5地理定位
HTML5 Web存储
【Python】科研代码学习：十四 wandb[可视化AI工具] wandb 介绍注册账号使用 `HF Trainer` + `wandb` 训练低级 API wandb 介绍 【wandb官网】
wandb 是 Weights & Biases 的缩写（w and b）核心作用： 可视化重要参数云端存储提供各种工具可以和其他工具配合使用，比如下面的 pytorch, HF transformers, tensorflow, keras 等等
可以在里面使用 matplotlib貌似是 tensorboard 的上位替代 注册账号 首先我们需要去官网注册账号，貌似不能使用vpn
注册号后，按照教程创建一个团队，然后来到这个界面
可以按照这个 Quickstart 的样例走一下。选择 Track Runs，接下来可以选择使用哪个工具训练的模型
然后需要 pip install wandb 导包，以及 wandb login 登录
使用 HF Trainer + wandb 训练 我们调用官方给的样例
我们发现其实新添了这几个内容：
WANDB_PROJECT 环境变量：项目名
WANDB_LOG_MODEL 环境变量：是否保存中继到wandb
WANDB_WATCH环境变量在 TrainingArguments 中，设置了 report_to="wandb"
最后调用 wandb.finish() ，整体变化不大 # This script needs these libraries to be installed: # numpy, transformers, datasets import wandb import os import numpy as np from datasets import load_dataset from transformers import TrainingArguments, Trainer from transformers import AutoTokenizer, AutoModelForSequenceClassification # 设置GPU编号 os.
简介：机器人 ( bot ) 是一种自动化的程序，可以用拟人化的身份自动推送消息，或在聊天里与你进行简单的交互。在自动化完成测试任务后，推送测试报告等是一种很常用的收尾工具。
历史攻略：
python：消息推送 - 飞书机器人推送
python：消息推送 - 企业微信机器人推送
python：消息推送 - 发邮件(网易163邮箱为例)
python：消息推送 - 发送短信(以聚合数据为例)
python：消息推送 - 钉钉机器人推送（关键字模式）
容器化CICD+Webhook消息推送企业微信
搭建信息推送平台：Gotify安装配置
Python：消息推送电脑通知 pc-toast
flask+apscheduler+企业微信消息机器人推送
详细说明：
https://open.feishu.cn/document/client-docs/bot-v3/add-custom-bot 机器人能力的优势：
1、嵌入式的体验：在聊天中通过消息完成内容的触达、信息收集等操作。
2、开发成本相对较低：只需要服务端开发，就能实现内容呈现友好、可进行互动的机器人。并且一次开发后，可以被企业内的其他成员轻松使用。
3、支持丰富的消息类型：可以用机器人发送文本、图片、文件消息，还能进一步发送呈现样式更友好、支持互动的消息卡片，使推送内容更好地触达用户。
文本格式案例：参考 - python：消息推送 - 飞书机器人推送
富文本格式案例：
# -*- coding: utf-8 -*- # time: 2024/3/14 10:53 # file: push_message.py # 公众号: 玩转测试开发 import requests import datetime import time def push_report(web_hook): start_time = str(datetime.datetime.now())[:19] time.sleep(10) end_time = str(datetime.datetime.now())[:19] header = { "
整合ES 环境准备 安装配置ES：https://blog.csdn.net/qq_50864152/article/details/136724528安装配置Kibana：https://blog.csdn.net/qq_50864152/article/details/136727707新建项目：新建名为web的SpringBoot3项目 elasticsearch-java 公共配置 介绍：一个开源的高扩展的分布式全文检索引擎，可以近乎实时的存储 和检索数据依赖：web模块引入elasticsearch-java依赖---但其版本必须与你下载的ES的版本一致 <!-- 若不存在Spring Data ES的某个版本支持你下的ES版本,则使用 --> <!-- ES 官方提供的在JAVA环境使用的依赖 --> <dependency> <groupId>co.elastic.clients</groupId> <artifactId>elasticsearch-java</artifactId> <version>8.11.1</version> </dependency> <!-- 和第一个依赖是一起的,为了解决springboot项目的兼容性问题 --> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> </dependency> 配置：web模块dev目录application-dal添加 使用open＋@Value("${elasticsearch.open}")的方式不能放到Nacos配置中心
# elasticsearch配置 elasticsearch: # 自定义属性---设置是否开启ES,false表不开窍ES open: true # es集群名称,如果下载es设置了集群名称,则使用配置的集群名称 clusterName: es hosts: 127.0.0.1:9200 # es 请求方式 scheme: http # es 连接超时时间 connectTimeOut: 1000 # es socket 连接超时时间 socketTimeOut: 30000 # es 请求超时时间 connectionRequestTimeOut: 500 # es 最大连接数 maxConnectNum: 100 # es 每个路由的最大连接数 maxConnectNumPerRoute: 100 配置：web模块config包下新建ElasticSearchConfig类 package cn.
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录 前言一、Element-UI是什么？二、安装方法1.方法一：npm2.方法二:CDN引入 三、引入Element写例子1.在main.js文件里完整引入2.创建Vue文件3.添加路由4.修改App.vue文件 总结 前言 提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考
一、Element-UI是什么？ Element UI 是一个基于Vue.js的开源UI组件库，专为开发者提供的一套优雅而灵活的UI组件，减少用户对常用组件的安装，降低开发难易程度。其中包含了各种常用的Web组件，如按钮，表单，导航以及高级组件等，如日期选择器，对话框等。Element UI的设计风格简洁美观，易于定制，使其成为许多Vue.js项目的首选UI框架。
二、安装方法 参考官网：链接: link
1.方法一：npm 项目已安装Vue.js，在项目终端执行安装命令或者进入项目文件目录cmd进行安装，安装命令如下：npm i element-ui -S
提示：如果安装进程一直没变，可以换淘宝源，输入以下命令
npm config set registry https://registry.npm.taobao.org 配置成功后，可通过以下方式进行验证是否安装成功：
1.npm config get registry,链接里有json格式数据
2.在package.json里有element-ui的版本号
3.在node_modules文件里有element-ui文件。若没有此文件，在终端依次执行npm install和npm run build以及npm run dev
2.方法二:CDN引入 <head> <!-- 引入样式 --> <link rel="stylesheet" href="//unpkg.com/element-plus/dist/index.css" /> <!-- Import Vue 3 --> <script src="//unpkg.com/vue@3"></script> <!-- 引入组件库 --> <script src="//unpkg.com/element-plus"></script> </head> 三、引入Element写例子 参考官网：链接: link
1.在main.js文件里完整引入 import Vue from 'vue' import App from '.
步骤一 形成原始语料：在网页上进行论文检索，并批量导出摘要 如这里我使用知网检索，实际上很多网址和国内外的出版社网址都支持一键导出文章信息
搜索后勾选，点击导出与分析
点击导出后选择自定义，默认是不导出摘要的，需要勾选！
勾选摘要后导出或者直接预览在这里Copy一手！
步骤二 输入原始语料给ChatGPT进行压缩 这里必须进行压缩，不然太长了，很难控制，最后的综述会缺少，还会乱，不管GPT3.5还是4
输入提示词Prompt：
缩写总结十篇文章的工作，并给出引用文献。[这里粘贴你复制的内容]
输出：
这些摘要涵盖了多个领域的研究，从药物发现到图像处理再到自然语言处理。这里是对每篇文章的缩写总结：
基于注意力感知和模态融合的药物-靶点相互作用预测方法
提出了一种新的药物-靶点相互作用预测方法，利用了注意力感知和模态融合的技术，通过Transformer模块融合药物和靶点特征，提高了预测准确度。
基于RGB和深度双模态的温室番茄图像语义分割模型
介绍了一种利用深度学习技术进行温室番茄图像语义分割的模型，利用RGB和深度图像信息相结合的方法提高了分割精度。
基于边缘引导和动态可变形Transformer的遥感图像变化检测
提出了一种新的遥感图像变化检测方法，利用边缘引导和动态可变形Transformer技术，提高了变化检测的准确性和鲁棒性。
基于句法特征和Bert-BiLSTM-MHA-CRF的细粒度古籍实体识别研究
结合古籍文本的句式特征和深度学习模型，提出了一种用于古籍文本实体识别的方法，提高了识别准确度。
基于Transformer组合模型的锂电池SOH和URL预测
提出了一种新的深度学习模型，利用Transformer和其他深度学习模型组合，提高了锂电池健康状态和剩余使用寿命的预测精度。
面向带宽受限场景的高效语义通信方法
提出了一种基于信息瓶颈理论的语义通信方法，通过Transformer模型和特征选择模块，提高了语义通信的效率。
基于全局与序列混合变分Transformer的多样化图像描述生成方法
提出了一种新的多样化图像描述生成框架，利用混合变分Transformer模型，提高了生成图像描述的多样性和准确性。 引用文献如下：
彭杨, 朱小飞, 胡冬冬. 基于注意力感知和模态融合的药物-靶点相互作用预测方法. 太原理工大学学报. 张羽丰, 杨景, 邓寒冰, 周云成,
苗腾. 基于RGB和深度双模态的温室番茄图像语义分割模型. 农业工程学报. 雷涛, 翟钰杰, 许叶彤, 王营博, 公茂果.
基于边缘引导和动态可变形Transformer的遥感图像变化检测. 电子学报. 武帅, 杨秀璋, 何琳, 公佐权.
基于句法特征和Bert-BiLSTM-MHA-CRF的细粒度古籍实体识别研究. 数据分析与知识发现. 常伟, 胡志超, 潘多昭.
基于Transformer组合模型的锂电池SOH和URL预测. 电池工业. 刘伟, 王孟洋, 白宝明. 面向带宽受限场景的高效语义通信方法.
西安电子科技大学学报. 刘兵, 李穗, 刘明明, 刘浩. 基于全局与序列混合变分Transformer的多样化图像描述生成方法. 电子学报.
【自存用，都是gpt生成的内容】
1、检查pyhton、pip是否成功安装 python --version python3 --version python -m pip --version python3 -m pip --version 有些环境区分python和python3，如果第一行代码不成功尝试第二行，如果有正确输出则说明安装成功。同时pip会输出安装目录，例如我的是/Users/myname/Library/Python/3.9/lib/python/site-packages/pip
2、添加路径到你的 .zshrc 文件 打开terminal，输入
nano ~/.zshrc 将光标移至zshrc的最后，增加
export PATH="/Users/myname/Library/Python/3.9/bin:$PATH" command+o保存，command+x退出nano编辑界面。
运行代码，保证zshrc的更改生效
source ~/.zshrc 此时，再次输入下面两行其中之一的代码（看是否区分python3），应该不会再次出现command not found的问题
pip --version pip3 --version
今天分享的是Windows系统下MySQL的安装教程，打开MySQL官网，按步骤走呀~
宝们安装MySQL后，需要简单回顾一下关系型数据库的介绍与历史（History of DataBase） 和 常见关系型数据库产品介绍 呀，后面就会进入正式学习啦！！！
一、从MySQL官网安装 翻译一下页面，中文看起来舒服多了~
下载并打开安装包，能看到版本是8.0.36，双击运行或者右键选择打开，打开后是一个安装向导，这个安装向导会先帮我们安装一个 mysql-installer 的程序，再通过该程序安装MySQL 如果之前已经在同一台计算机上安装过MySQL，安装程序可能会检测到现有的配置并自动跳过某些步骤。此外，安装程序可能会对系统进行环境检测，并根据检测结果自动配置一些设置。如果系统已经满足要求，安装程序可能会跳过相关的步骤。所以，本次安装版本是8.0.36，但是我将以8.0.31为例并以截图的方式分享安装步骤，因为我之前安装的是8.0.31版本，两个版本的的安装步骤会有一些迭代差别，根据步骤结合自己安装过程中显示的页面对应即可。(第一次安装MySQL9.0.36版本的宝宝，以下步骤会因为版本迭代的问题，会跳过很多步骤，忽略即可)
8.0.36版本没有以下步骤，说明新版本已经综合了，不理会就好，之后的步骤中同理
下一步后，可能有以下情况：
序号2可 √ 可不 √，毕竟Windows的防火墙不咋好用，序号3和序号4可根据自身情况选择。
序号1、2、3、4解释：
1. 这里选择DCP/IP，也就是通过网络连接MySQL，MySQL启动时是一个网络服务。 TCP/IP协议栈是互联网通信的基础，它定义了数据如何在网络中传输和交换。它支持各种类型的应用层协议，例如HTTP、FTP、SMTP等，这些协议构成了互联网上各种应用的基础。
2. Windows的防火墙就那样，所以勾不勾选看宝宝们心意 3 \ 4. 本机连MySQL，可以用命名管道或者共享内存都可以 Named Pipe通常用于处理大量数据的通信，而Shared Memory则用于需要高速数据传输的进程间通信。Named Pipe通过读写文件来进行通信，而Shared Memory直接共享内存。因此，在使用Named Pipe时需要考虑文件I/O的开销，而在使用共享内存时需要考虑数据同步的问题。
法一（怎么关掉MySQL服务？）：Win + R 打开“运行”对话框，输入services.msc，点击确定或直接Enter键，进入"服务"管理器窗口，找到MySQL，会显示“正在运行”，右键“停止”（记住这个方法，MySQL安装成功后，手动启动时会用到此方法）。端口问题选其一解决就好。
MySQL推荐使用最新的数据库和相关客户端，MySQL8换了加密插件，所以如果选第一种方式，很可能导致你的navicat等客户端连不上MySQL8
MySQL的超级管理员叫 root，初次设置密码，建议先使用弱口令就好，当然如果记性好的也可以设置强口令（苹果系统就需要设置强口令：包含大小写、数字、特殊字符，且长度大于8位）
对于MySQL是否开机自启，建议手动启动，需要时Win + R 打开“运行”对话框，输入services.msc，点击确定或直接Enter键，进入"服务"管理器窗口，找到MySQL，右键“启动”就好。
授权对路劲的访问权限
MySQL服务器的日志配置（MySQL运行时会产生各种各样的日志）：
1、错误日志(Error Log)配置：默认使用"脑用户名.err"，不要出现中文或特殊字符（下划线、数字、空格什么的）就用纯英文
2、通用日志(General Log)配置：用通用日志后，MySQL会将每个客户端连接的建立、执行的SQL语句以及断开连接的事件都记录下来，包括一些连接信息和执行的具体SQL语句
3、慢查询日志(Slow Query Log)配置：慢查询日志是MySQL提供的一个特性，用于记录执行时间超过一定阈值的查询语句。当开启慢查询日志后，MySQL会将执行时间超过设定阈值的查询语句写入日志文件中，在某些场景下，特别是涉及隐私数据或者敏感信息的情况下，开启慢查询日志可能存在信息泄露的风险。
4、二进制日志(Binary Log)配置：对数据的读写（删数据、改数据、插入数据）都会记录日志，如果对数据做了误删除、误更新，可以通过二进制日志恢复数据
如果是Starting the server 安装失败，可能是之前使用过MySQL之后卸载什么的，没有删除干净。可以尝试按照以下步骤操作：
1、停在此页面，不用叉掉重装（叉掉的话，也没关系，跟以下方法一样就好）
2、计算机(此电脑) > 右键 > 显示更多选项 > 管理，进入如下页面：
最近经常使用的国外的一家免费 ipa 资源站点无法使用了，里面所有的资源都报错安装不上，没的办法找了一大圈，始终没有合意的，有的资源不全，有的更新不及时，有的不全还收费，最后筛选出了三个还算可以的站点，大家可以比较一下哪个更适合自己
MACPA - 砸壳解密平台 该平台我使用了一段时间，总体感觉就是国内版的 Decrypt IPA Store，资源更新的很及时，而且支持 Decrypt IPA Store 一样的自主砸壳申请
地址：macpa.cn
世面上软件游戏特别多，资源在多的平台也可能找不到你想要的资源，这种自主砸壳模式很好的解决了这个问题，只要你没找到想要的点击申请一下稍等片刻就有了，总能满足你的需求
另外该站点支持高速直接下载，可以直接在站点内下载，无需去第三方网盘（现在国内的资源站很多都是三方网盘，很难评我不是很喜欢），我试了试几个资源速度可能到20M/s,非常快了
其实光这么看该站点非常的棒，但该站点是收费的但价格较低39可以永久使用，对比国内其他站点那是非常棒的了
Derypt IPA Store 国外的一个资源解密平台（有网络限制需要mo法访问），算是所有站点中资源最全在线人数最多的一个站点，最大的两个亮点一个就是和上面站点一样的资源解密申请，也是就可以找到所有的资源，另外一个就是该站点不收费，当然也有会员服务但你可以选择不开（虽然现在里面的资源都有问题，无法安装，但我估计后面会修复的）
地址： https://decypt.day
该站点一免费二能满足任何资源的需求自然是最棒的，但缺点也很多，毕竟想要运营一家站点也不是那么简单的，必须实现盈利才可以一直运营下去，该站点广告特别多，然后就是下载接入了谷歌验证，国内用户就可能导致很多用户访问不了，或者是验证器加载不出来无法下载，另外该站点是英文的，这个问题不大多点点就知道怎么下载资源了
但最近该站点的解密机器应该是出了问题所有的资源都无法正常安装，会抱一大堆的错误，现在有一周了吧，我估计应该快修复了，拥有能够访问该站点网络环境的朋友也可以在等等，总不能问题不修复了吧这个不大可能
如果你比较着急，也可以先用一下国内的站点，总体的体验我觉得还是 macpa 更好，但有些朋友对收费还是有些反感，但没办法网站运营、资源高速下载、砸壳解密机器以及人工等各种成本总得让网站能够运营下去，我个人觉得只要收费合理值这个钱也不是不行
iOSGODS 该站点在国外算是很大的一个IPA破解站点了，里面资源特别多，而且也有一些注入插件的IPA资源，像一些特别的资源，大家可以来该站点搜一搜有没有，但该站点广告也是特别的多，另外国外站点，下载资源、网站使用还是有一定学习成本，大家多研究研究就可以了
地址：Modded iOS Apps | iOSGods Non-Jailbroken App Store
目录
引言
代码完整地址
入参
出参
Controller
Service
Service实现类
模型Service
入参转换类
文心一言实现类
讯飞星火实现类
通义千问实现类
智谱清言实现类
引言 本文将介绍如何使用Java语言，结合Spring Boot框架，集成国内热门大模型API，包括文心一言、讯飞星火、通义千问、智谱清言。
在开始前，请确保您已经按照各模型官网的指引，完成了相应的资源申请和配置。这些资源是调用大模型API的必要凭证，务必妥善保管。接下来，我们将通过具体的代码示例和步骤说明，引导您完成Spring Boot项目和大模型API集成。
代码完整地址 https://github.com/wangsilingwsl/model-integrate.git
入参 package com.wsl.model.llm.api.dto; import com.alibaba.fastjson.JSONObject; import io.swagger.annotations.ApiModelProperty; import lombok.Data; import javax.validation.constraints.NotNull; import java.io.Serializable; import java.util.List; /** * 聊天请求 DTO * * @author wsl * @date 2024/2/20 */ @Data public class ChatRequestDTO implements Serializable { private static final long serialVersionUID = 1L; @ApiModelProperty(value = "聊天上下文信息", notes = "（1）最后一个message为当前请求的信息，前面的message为历史对话信息\n" + "
前往未来百科查看全部AI内容检测工具箱
一、AI 内容检测器 在数字内容创作的世界中，高质量的内容对至关重要。但随着创建的内容量不断增加，确保内容是原创的、高质量的非常具有挑战性。
AI 内容检测器指的是一种利用人工智能技术来自动化审核和识别不当、有害或非法内容的工具。它可以使用计算机视觉、自然语言处理以及机器学习等技术，对文本、图片、视频等多种形式的内容进行分析和判定，从而实现快速准确的内容审核。
二、为什么AI 内容检测工具很重要？ 这个问题我们让ChatGPT自己回答下自己为什么要被检测，让我们体会下检测的意义。
保护用户安全：在网络上，存在着大量具有攻击性、违法或有害的内容，这些内容可能会对用户造成伤害。AI 内容检测工具可以在海量内容中快速、准确地识别出这些内容，并防止用户接触到有害的信息。
维护平台、企业形象：互联网平台在管理其社区时需要遵循相关法规和准则，例如防止色情、暴力和恐怖主义等非法行为。AI 内容检测工具可以帮助平台实现快速自动化审核，提高审核效率，维护平台的声誉和形象。
提高用户体验：作为一个内容提供商，提供高质量的内容是吸引和留住用户的关键。AI 内容检测工具可以帮助过滤掉低质量、误导性或不切实际的内容，从而提高用户体验。
促进内容创作：AI 内容检测工具还可以帮助鼓励更多人参与内容创作。由于内容检测工具可以检测出不符合要求的内容，因此，当作者发现他们的内容被驳回或被认为是不符合规则的时，他们将会更加注意如何写作，以获得更高的审核通过率。
总之，AI 内容检测工具对平台管理者、内容创作者和用户都很重要。它能够帮助维护一个安全、高质量的网络环境，提供更好的用户体验，并为内容创作者提供更多的机会来分享他们的想法和见解。
三、11款AI内容检测工具分享 工具1：GPTZero – Efficient detection of AI generated text https://gptzero.me/
这是一个普林斯顿学生为教师创建 GPTZero 以检测 AI 剽窃的示例。困惑度（文本的随机性）是衡量像ChatGPT这样的语言模型预测样本文本的能力。
工具衡量模型对文本的喜爱程度。在gpt2（345M 参数）上评估的文本困惑度为 10相对较低。具有较低困惑度的文本更有可能由语言模型生成。
困惑本身是一个不完整的指标，遗漏了许多因素，包括文本长度。较长的文本随机性较低，
工具2：ContentDetector.AI 描述:
ContentDetector.AI是一个免费的在线工具，用于识别 AI 生成的内容。主要特点和优势包括：
高级算法 ：分析文本并根据其由 AI 工具或软件生成的可能性提供估计的百分比分数字数统计 ：计算文本中的字数，使其成为博主、学者和作家等的多功能工具抄袭检测 ：检测任何包含人工智能生成内容的文章，确保书面内容的原创性和真实性完全免费 ：所有人都可以使用，使其成为博主、学生或专业作家的首选工具易于使用 ：只需将您的文本复制并粘贴到文本字段中，让人工智能平台完成剩下的工作
ContentDetector.AI 的用例涉及为各种目的识别 AI 生成的内容，包括：确保博主、学生或专业作家的书面内容的原创性和真实性为学术研究目的检测人工智能生成的内容为新闻调查识别 AI 生成的内容 工具3：Crossplag https://www.huntagi.com/sites/1680342494278.html
描述：
Crossplag 的AI Content Detector是一种工具，旨在使用高级机器学习算法和 ChatGPT 检测技术识别 AI 生成的文本。主要特点和优势包括：
准确性 ：提供评分条来评估文本的真实性多功能性 ：有助于学术诚信和提高在线内容质量免费且安全 ：在分析过程中不存储任何数据语言支持 ：目前支持英语，未来计划支持更多语言
一、引言 闲来无事，在浏览微信公众号的时候无意刷到了江西余江警方关于破获全国首例“AI自瞄”类外挂的案件，涉案金额达到惊人的3000余万。不得不感叹近年来AI相关科技发展之迅速及国内有关于FPS类及其他大类游戏作弊的黑产市场之大。
在工作学习之余，本人也曾对非内存对抗类的作弊技术有过浅薄的探究（因为Windows 内核编程学起来真的掉头发），故受到这次案子的启发，浅谈并整理一下我所了解的，近年来国内所出现过、现如今仍然流行的非内存对抗类的外挂程序其中的内部实现原理，以及这些外挂程序为了规避反作弊采取的措施和针对这些措施，以鄙人之拙见列出的反作弊一方可以采取的检测手段（矛与盾的攻防）。
对于游戏反作弊攻防领域，只有知己知彼，才能百战不殆。
本文意在科普除内存外挂以外的外挂作弊程序的实现原理，打破国内部分领域外挂过于“神化”的滤镜，为游戏厂商的反作弊工作提出更多思路，也为正义的游戏玩家科普一些相关领域知识武装自己，开拓见识。文中提及到的所有源码、图片、技术皆为多年收集于各大论坛、QQ群等技术讨论平台，或间接或直接从相关“从业”人员口中得知或由相关程序文件结构反推得出。作者并非相关领域专业人士，文章如有遇到不严谨不正确的知识希望海涵。
本文的外挂类型仅局限于用作FPS类游戏作弊，其余如竞速类、格斗类、角色扮演类等其他类游戏方面的外挂不做涉及。
二、常见的五大类外挂类型 1. 基于颜色识别的“找色类”外挂 “找色类”外挂可以说是国内最早一批除了内存外挂以外的外挂类型。最早的找色自瞄外挂可以追溯到2015年甚至更早。随着大漠插件的问世再加上易语言这一简单易懂的编程语言的普及，简单易用且庞大的第三方模块库让早年间很多不是专门从事计算机领域的爱好者接触到了编写程序的快乐。在那个外挂仅仅是出于个人兴趣而免费制作出来供大家研究学习游玩的年代，找色类外挂就在各大编程论坛广为流传讨论。
找色外挂的核心就是找出游戏画面中敌人或者敌对目标身上的颜色特征，收集这些特征颜色，经过一系列函数处理，在屏幕中找到预先设置好的颜色值并给出这些颜色在屏幕中的精确坐标。得到了这些颜色坐标后，就可以对坐标进行二次加工从而开发出诸如“自瞄”、“自动扳机”、“磁性吸附”等功能。
以国民级端游穿越火线举例。早期游戏中的人物颜色基调大多以暗色调为主，没有如今游戏里面那么多样式、不同颜色风格的人物。只要玩家装备了烟雾头盔这一道具后，游戏中人物的模型上就会默认戴着烟雾头盔（早期还不能隐藏装扮）。
带着烟雾头盔的角色或者不带烟雾头盔的早期角色模型中，其头部都有明显的“黑色”，不论你当前游玩的是什么地图，这个“黑色”的特征颜色并不会变，于是确认了这一特征颜色后，通过工具（比如QQ截图就可以显示鼠标处的颜色RGB色值）获得颜色的RGB数值（或者其他格式类型），调用现成的大漠插件或者其他的第三方库中有关的函数，就可以找到当前颜色在屏幕中的位置。
以大漠插件+易语言举例：
头部 ＝ dm.FindColor (492, 374, 532, 408, #头部颜色值, 1, 0, x, y) 如果 (头部 ＝ 1) sbwz ＝ dm.GetCursorPos (x1, y1) x2 ＝ x － x1 y2 ＝ y － y1 ＋ 7 dm.MoveR (x2, y2) 只需要以游戏准星也就是屏幕分辨率的二分之一的位置为中心向外扩张的矩形区域为范围，找到事先采集到的特征颜色，并返回颜色的坐标，拿到坐标再根据当前鼠标的坐标简单计算得到相对位移举例，就可以实现“自瞄”的功能。
这只是简单的找色实现，但是往往游戏的环境十分复杂，万一遇到了地图中恰好也有跟特征颜色值一样的颜色怎么办，那不就“误锁”了吗。聪明的人可能想到了，在找色之前加上前置条件，当触发前置条件后就可以证明当前是马上会与敌人“交战”的情形而不是咱们在地图中闲逛的时候。在穿越火线中，当鼠标准星移动到敌人附近的时候会显示敌人的红色名字，狙击枪开镜瞄准的时候同样也有大面积的黑色，那么就可以将上面的“红色名字”或者“黑色狙击镜”当作前置条件判断，利用FindColor函数，如果找到了上述的两个颜色，就代表即将遇敌，进而寻找特征颜色，那么就可以极大了规避“误识别”。将上面的代码优化一下。
人名 ＝ dm.FindColorE (508, 426, 518, 440, “000000-000000”, 1, 1) 红名 ＝ dm.FindColorE (508, 426, 518, 440, “A53A30-000000|cc4224-000000|f24a17-000000”, 0.
1.需要升级mac os系统到13 兼容 xcode 15.1
2.升级mac os系统到14 兼容 xcode 15.3
3.选择 New File 4.直接搜索 privacy 能看到有个App Privacy
5.右击Add Row
7.直接选 Label Types
8.选中继续添加就能添加你的隐私清单了
苹果官网文档
Describing data use in privacy manifests | Apple Developer Documentation
检测自己用了那些隐私协议参考网址：
iOS17 隐私协议适配详解 - 掘金
前些天发现了一个蛮有意思的人工智能学习网站,8个字形容一下"通俗易懂，风趣幽默"，感觉非常有意思,忍不住分享一下给大家。
👉点击跳转到教程
前言：
compile,implementation和api的区别和其作用
compile和api会进行传递依赖，比如A依赖B,B依赖C,那么A会依赖C。依赖有什么用呢？那么就是A能使用C中的类。
implementation：不会进行传递依赖
如图所示：
重要：当我们使用了传递依赖compile，0级项目依赖了1级项目，1级项目依赖了2级项目，2级项目代码的改动，会导致0级项目重新编译。
如果使用implementation project(":library1")不进行传递依赖，2级项目代码的改动，不会导致0级项目编译，这样项目打包的总时间会变快。
好处：这样会使频繁改变2级项目的时候，总的打包时间不会增加很多。
api：跟compile作用是一样的 新版的gradle插件，把compile改成api,增加了不会传递依赖的选项implementation
Android项目中总会有这样一个文件gradlew，如图所示
这个脚本的作用是设置Java虚拟机的运行参数，并启动Gradle Wrapper主类来执行Gradle项目构建任务。
如果你已经有被wrap的gradle,那么就使用已经有的，如果没有就下载下来进行使用。gradlew 就是gradlewrapper的意思,就是可以通过wrapper去使用gradle。
好处：项目变小了，只需要指定需要版本的gradle，不需要将gradle放进项目里面，如果其他人要使用该项目，只需要使用使用其他人电脑上面的gradle即可，如果没有下载下来使用。
gradle-wrapper.properties:是一个配置文件,告诉gradle应该往哪儿放，去哪儿找，去哪儿下载。 这个只是配置文件，真正的gradle-wrapper是gradlew
目录:
一、HBase安装，配置
1、下载HBase安装包
2、解压，配置环境变量并激活
3、hbase 配置
4、将hadoop和zookeeper的配置文件创建软连接放在hbase配置目录
5、配置 regionserver 和 backup-master 二、HBase启动与关闭，安装检验
1、启动关闭hbase的命令
2、 检验HBase是否正常启动
一、HBase安装，配置 1、下载HBase安装包 Hbase官方下载地址: http://archive.apache.org/dist/hbase
选择相应的版本点击下载并上传到要安装的服务器，这里以2.3.5为例
# linux可以通过wget命令下载 wget https://archive.apache.org/dist/hbase/2.3.5/hbase-2.3.5-bin.tar.gz 2、解压，配置环境变量并激活 解压hbase-2.3.5-bin.tar.gz
# 将hbase-2.3.5-bin.tar.gz 解压到/opt/software/目录 tar -zxvf hbase-2.3.5-bin.tar.gz -C /opt/software/ # 解压到/opt/software目录 参数解释: -z 解压.tar.gz结尾文件，-x表示要解压，-v显示解压过程，-f指定解压文件，-C指定解压路径
配置环境变量
# 在/etc/profile.d目录下新建xxx.sh文件，这里起名为myenv.sh vim /etc/profile.d/myenv.sh # 在/etc/profile.d/myenv.sh中写入如下，即：将xxx/hbase-2.3.5/bin目录加到PATH下 export HBASE_HOME=/opt/software/hbase-2.3.5 export PATH=$PATH:$HBASE_HOME/bin 激活环境变量
source /etc/profile 即执行etc/profile文件即可，该脚本里写有执行profile.d里所有以.sh结尾为文件的命令
删除 guava 防止不兼容
# 进入hbase-2.3.5目录 cd /opt/software/hbase-2.3.5 # 删除 guava 防止不兼容 rm -f lib/guava-11.0.2.jar #### 3、hbase 配置 3、hbase 配置 进入配置文件的目录/opt/software/hbase-2.
常见的排序算法的时间复杂度 排序算法的时间复杂度通常取决于输入数据的规模（通常表示为n）。以下是一些常见排序算法及其平均、最好和最坏情况下的时间复杂度：
1、冒泡排序（Bubble Sort） 平均时间复杂度：O(n^2)
最好情况时间复杂度：O(n)
最坏情况时间复杂度：O(n^2)
冒泡排序通过重复地遍历待排序序列，比较相邻元素的大小并交换它们的位置，直到没有元素需要交换为止。
在最坏情况下，即序列完全逆序时，冒泡排序需要进行n-1轮比较，每轮比较都需要遍历整个序列。因此，时间复杂度为O(n^2)。
在最好情况下，即序列已经有序时，冒泡排序只需要进行一轮比较，时间复杂度为O(n)。
平均情况下，冒泡排序的时间复杂度也是O(n^2)。
2、选择排序（Selection Sort） 平均时间复杂度：O(n^2)
最好情况时间复杂度：O(n^2)
最坏情况时间复杂度：O(n^2)
选择排序在每一轮迭代中选择剩余元素中的最小（或最大）元素，并将其放到序列的起始位置。
选择排序的时间复杂度与输入序列的顺序无关，因为每轮迭代都需要遍历剩余元素以找到最小（或最大）元素。因此，无论最好、最坏还是平均情况，选择排序的时间复杂度都是O(n^2)。
3、插入排序（Insertion Sort） 平均时间复杂度：O(n^2)最好情况时间复杂度：O(n)最坏情况时间复杂度：O(n^2) 插入排序通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
在最坏情况下，即序列完全逆序时，每次插入都需要将已排序的元素逐个向后移动，时间复杂度为O(n^2)。
在最好情况下，即序列已经有序时，插入排序只需要遍历一次序列即可完成，时间复杂度为O(n)。
平均情况下，插入排序的时间复杂度也是O(n^2)，但通常比冒泡排序和选择排序稍快一些。
4、希尔排序（Shell Sort） 平均时间复杂度：O(n log n) 到 O(n^2)，取决于增量序列的选择最好情况时间复杂度：O(n log n)最坏情况时间复杂度：O(n^2) 希尔排序，也称递减增量排序算法，是插入排序的一种更高效的改进版本。希尔排序是非稳定排序算法。
该算法由希尔（Donald Shell）于1959年提出，基本思想是：先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序，待整个序列中的记录“基本有序”时，再对全体记录进行依次直接插入排序。
具体算法步骤为：
选择一个增量序列t1，t2，…，tk，其中ti>tj，tk=1。按增量序列个数k，对序列进行k趟排序。每趟排序，根据对应的增量ti，将待排序列分割成若干长度为m的子序列，分别对各子表进行直接插入排序。 希尔排序的时间复杂度与增量序列的选择有关，但通常情况下，希尔排序的时间复杂度较直接插入排序、冒泡排序、选择排序等方法有较大改进。在实际应用中，希尔排序是一种性能较好的排序算法。
5、归并排序（Merge Sort） 平均时间复杂度：O(n log n)最好情况时间复杂度：O(n log n)最坏情况时间复杂度：O(n log n) 归并排序采用分治策略，将序列递归地分成两半，直到子序列长度为1（认为已有序），然后将有序子序列合并成一个有序序列。
归并排序的时间复杂度与输入序列的顺序无关，总是为O(n log n)。这是因为它将问题划分为两个大致相等的子问题，并将它们递归地解决，然后将结果合并。
6、快速排序（Quick Sort） 平均时间复杂度：O(n log n)最好情况时间复杂度：O(n log n)最坏情况时间复杂度：O(n^2)（当输入数据已经排序或逆序时） 快速排序是一种高效的排序算法，它采用分治策略。通过选择一个基准元素，将序列划分为左右两部分，左边部分小于基准，右边部分大于基准，然后递归地对左右两部分进行排序。
在最好情况下，即每次划分都能将序列均匀分为两部分时，快速排序的时间复杂度为O(n log n)。
在最坏情况下，即输入序列已经有序或逆序时，快速排序退化为O(n^2)。
平均情况下，快速排序的时间复杂度为O(n log n)，但由于划分的不均匀性，实际性能可能有所波动。
7、堆排序（Heap Sort） 平均时间复杂度：O(n log n)最好情况时间复杂度：O(n log n)最坏情况时间复杂度：O(n log n) 堆排序利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子节点的键值或索引总是小于（或者大于）它的父节点。