- 综合排序
- 最热优先
- 最新优先
- 来自专栏三分恶的专栏
华强买瓜•程序员版
最近小破站老给我推“华强买瓜”，整的各种活让我目瞪口呆，突然灵感上来，忍不住整个程序员版的——纯属玩梗，请勿与任何现实挂钩。 ---- ---- 素材来源电视剧《征服》，里面有出现了一个非常经典的梗——你这瓜保熟吗？ 剧中，刘华强的前妻在水果摊买了一个瓜，发现瓜缺斤短两还不熟，便回去找商贩要求换一个。 没成想商贩郝哥是个地痞流氓，不仅拒绝换瓜，还当她女儿的面用言语调戏她。 刘华强从女儿口中得知此事后，佯装前去卖瓜的顾客，反复问商贩“这瓜保熟吗”让其不耐烦，接着当面揭露商贩不仅卖生瓜还对秤做手脚。 商贩恼羞成怒要打华强，被刘华强拿西瓜刀ci伤。
1.1K30发布于 2021-09-26 - 来自专栏全球技术精选
使用 ML.NET 再现 《华强买瓜》
下载地址：https://t.ly/8iEk8 3、ffmpeg 用于视频处理 下载地址：https://t.ly/ro0G 4、onnx预训练udnie、super-resolution udnie模型 /t.ly/0cUt super-resolution模型 下载地址：https://t.ly/rnsi（需要解压提取内部的onnx文件） 操作流程 1、首先我们将目标视频（我这里就用B站经典短视频《华强买瓜 3、由于2只能将图片迁移到固定的240240格式，所以我们还需要通过ML.NET加载【超分辨率预训练模型】将每一帧图片进行超分辨率放大得到一张672672的图片 4、通过ffmpeg将新的图片合并成新的视频 首先先看看成品（这里我转换成gif方便演示）： 原版视频《华强买瓜》 1280*720 迁移后的抽象艺术版本 224*224 超分辨放大后的版本 672*672 接着我们看看如何一步一步来实现这个流程的 Value is not Tensor<float> output) throw new ApplicationException("无法处理图片"); //由于模型输出的是3*224*
1K10编辑于 2022-09-05 - 来自专栏新智元
大谷Stable Diffusion巨制：《华强买瓜》好莱坞巨星版来了！
前两天，大谷就用它做了个《华强买瓜》——好莱坞国际巨星版。 瓜熟不熟不知道，但这AI保熟吗？ 一句话，就换了1、2、3、4个…演员。 而第3点，也是最重要的的一点。它的答案最终决定了这些AI系统能否在构建通用智能，也就是AGI时派上用场。
90320编辑于 2022-09-20 - 来自专栏机器学习与统计学
收手吧，华强！我用机器学习帮你挑西瓜
今天我们就把它们结合起来，用机器学习帮华强挑西瓜！仅供娱乐，希望大家可以学到一些新姿势。 watermelon-prediction/main/app.py 老规矩，先看效果图（GIF刷新有点慢，请耐心等待） 使用方法 第一步，左侧先选择西瓜外观 第二步，选择决策树的模型参数 第三步，看结果 如果是好瓜， 页面弹出的就是笑眯眯的图片~ 如果是坏瓜，页面显示的是后果很严重的图片 实现方式 注：篇幅原因，仅贴出核心代码 完整代码我放到了网页里，需要可以copy走 data.py 主要是原始数据的处理，inputData ，买不得', unsafe_allow_html=True) return y_pred,model 决策树可视化 决策树可视化和插入网页我用decisionTreeViz和svg_write GIF 不适配手机屏幕 移动端预测坏瓜页面刷新bug 以上问题，如有兴趣，欢迎贡献代码。
83230编辑于 2021-12-15 - 来自专栏量子位
只要5秒就能“克隆”本人语音！美玉学姐不再查寝，而是吃起了桃桃丨开源
（像我们后面就试着白学了一下华强买瓜 ） 此外，还有正经的方言版，比如台湾腔就完全冇问题： 这就是GitHub博主Vega最新的语音克隆项目MockingBird，能够在5秒之内克隆任意中文语音，并用这一音色合成新的说话内容 我们先选用一位路人小姐姐的声音，试着让他像华强一样，来一句“这瓜保熟吗”，效果如何？ 嗯，果然小姐姐的语气没有华强的凶猛，不过也准确还原了本人的音色： 这不禁让我们有了一些大胆的想法。 模型再次顺利地合成了“我要买一百个瓜”，看来合成的音频质量效果也是不错的： 除此之外，我们还试了一下其他文本，基本效果都挺OK。 但我们偏偏用双核英特尔Core i3（1.1GHz）的苹果系统试着运行了一下…… 事实证明，Mac系统也可以直接将调教好的预训练模型拿来用！ 在多方搜寻之后，他最终确定了三个中文语音数据集：aidatatang_200zh、magicdata、aishell3。
2K40编辑于 2023-03-01 - 来自专栏乐行僧的博客
3-百钱买百鸡问题
题目 中国古代数学家张丘建在他的《算经》中提出了一个著名的“百钱买百鸡问题”， 鸡翁一，值钱五， 一只公鸡 5 鸡母一，值钱三， 一只母鸡 3 鸡雏三，值钱一， 三只小鸡 1 百钱买百鸡，问翁、 思路 暴力枚举 1.全买公鸡，最多买20只 2.全买母鸡，最多买33只，此时至少买三只小鸡 3.全买小鸡，最多买300只 代码 int main() { int i, j, k; for (j = 0; j <= 33; j++) { for (k = 0; k <= 300; k++) { if ((i* 5 + j * 3 + k/3) == 100 && k % 3 == 0 && i + j + k == 100) { printf("rooster = %d, hen = %d
55840编辑于 2022-02-25 - 来自专栏三分恶的专栏
手写HashMap，快手面试官直呼内行！
例如，我们一堆无规律的名字诸葛钢铁、刘华强、王司徒、张全蛋……我们就需要通过散列函数，算出这些名字应该分配到哪一号工位。 " + i, "你这瓜保熟吗？" 1","哥们，你这瓜保熟吗？") ; map.put("刘华强1","你这瓜熟我肯定要啊！") 《数据结构与算法》 [2].构造哈希函数方法 [3].ACM金牌选手讲解LeetCode算法《哈希》
77930发布于 2021-11-29 - 来自专栏程序猿石头
逛一次北京环球影城，得花多少钱
如果你不想排这么长的队，那就要乖乖氪金买张 400 元起的“优速通”，或者直接买 1200 元起的“VIP 贵宾体验”来免排队，假装自己在魔法学院“有人”。 这笔买周边的钱在北京环球影城大概也很难省下来。 虽然还没正式开园，但环球影城的官网网店已经上线了小黄人、功夫熊猫、侏罗纪世界三个 IP 的商品。 多数本土主题公园，都采用了和地产、表演相结合的产业模式，有本土大 IP 熊出没的华强方特是为数不多将 IP 做成产业的主题公园。 尽管华强方特的熊出没已是国产 IP 中的佼佼者，但由于受众年龄较低，以此为卖点的主题公园，大概多是孩子“带着”家长去玩，很难调动起其他人为其买单。 Retrived 7 September 2021 from https://mp.weixin.qq.com/s/d0k3hINhgIJDcr4Vu9_dKw. [3] 李孟. (2021).
96210发布于 2021-09-24 [C++]使用C++部署yolov9的tensorrt模型进行目标检测
，yolov9+bytetrack+pyqt5实现目标追踪结果演示，YOLOv9华强买瓜，Yolov9教程来了！赶快学习吧！
51710编辑于 2025-07-20- 来自专栏智能相对论
库克“坐视不理”，与苹果共同芯片，山寨AirPods到底有多“横”？
（图源：时代财经） “买正品，谁来华强北啊”，华强北一家店铺的老板在接受《时代财经》记者采访时说道。在华强北买耳机，除非门口有“正品专区”标志，否则大多数情况都是山寨产品。 之前AirPods Pro就曾经因为3D图纸的泄露而造成在约半个月时间内被仿造出了外观1：1的“赝品”，因而这种事情有可能再次发生在AirPods三代身上。 电商平台的商家不会明目张胆的使用AirPods字样，而是配以“华强北苹果耳机”“华强北黑科技”“苹果官方三代”“官方原封三代耳机”等引流文案。 山寨AirPods所造就的财富故事，在华强北商人群体中并不罕见。 |深网》，棱镜深网-腾讯新闻； 「3」《山寨AirPods给苹果造成200多亿损失，库克脸色都变了》，雷科技； 「4」《山寨Airpods用它，正品苹果也用它，这家国产芯片厂有点牛》，互联网乱侃秀； 「
71940发布于 2021-09-14 - 来自专栏量子位
当AI作画入侵鬼畜区……
Round 1： （往左滑） Round 2： （往左滑） Round 3： （往左滑） Round 4： （往左滑） 在看完AI魔改后的《华强买瓜》，网友直呼：强哥果然是御姐型！ 一起来左右滑动来康康： 新一轮Round 1： （往左滑） Round 2： （往左滑） Round 3： （往左滑） Round 4： （往左滑） Round 5： （往左滑） v=CqdsVVyTyIU [3]https://www.reddit.com/r/StableDiffusion/comments/wvpx3h/img2img_president_of_finland_various_characters
94610编辑于 2023-02-28 - 来自专栏PaddlePaddle
从00后小学生到童心工程师：让我们荡起“飞桨”，共度快乐六一
1 热AI生活 “你这瓜，保熟吗？” 著名找茬青年刘华强凭借这句话引发了“一个西瓜的血案”，也贡献了年度最火表情包。玩梗的网友不亦乐乎，水果摊摊主瑟瑟发抖。 然而，即使掌握了各种挑水果攻略，还是免不了买到“生瓜蛋子”。日常生活中，买到不成熟、不新鲜水果是司空见惯的事，大部分人会自认倒霉。毕竟对于水果新鲜度的判断，就像薛定谔的猫，打开了才有定论。 “我想帮外婆买最新鲜的水果。” 覃希妍，是一名来自海淀实验二小的学生，今年上4年级。从小就是一个“科技迷”的她，特别喜欢钻研生活中的小细节。 覃希妍发现，外婆买的香蕉拿回家后很快就变黑了，她想让外婆吃到更加新鲜的水果，但自己也很难判断。于是，她萌生了做一个“水果新鲜度检测工具”的想法。 说干就干。 涂鸦小人项目地址，欢迎大家体验： https://github.com/ninetailskim/Padoodle 3 热AI创新 “不要把AI高高供起来，AI的乐趣在于上手玩儿。”
43810编辑于 2022-08-31 - 来自专栏AiCharm
Meta发布视觉大模 | 自监督学习无需微调，多任务效果超OpenCLIP，已开源
官网上给出的图片效果还是挺不错的，输入铁塔照片，可以生成不少含铁塔的相似艺术图片： 这里我们也试了试，输入一张华强买瓜，给出来的艺术图片大多数与西瓜有关： 那么，这样的自监督视觉大模型可以用在哪里？ 项目地址： https://github.com/facebookresearch/dinov2 参考链接： https://www.facebook.com/zuck/posts/pfbid02f3chCYQphfYnzRaDXeJxsT5EmyhbrFsjqLaU31KuTG63Ca4yMXFcDXQcukYPbWUMl
1.1K30编辑于 2023-05-15 - 来自专栏机器学习
—— 用 “买西瓜” 讲透核心逻辑
——用“买西瓜”讲透核心逻辑快速导读难度：入门位置：第1篇读完可接：第2篇《机器学习基本术语大拆解——用西瓜数据集逐个对应》@[toc]一、先看人类怎么“学习”挑西瓜你之所以能快速挑到好瓜，背后藏着三个关键步骤 ，这和机器学习的核心流程完全对应：1.积累“数据”——收集经验你第一次买西瓜时可能不懂分辨，要么听老板推荐，要么凭感觉选。 但买的次数多了，就会默默记下各种“线索”：色泽：青绿的好像比浅白的好；根蒂：蜷缩的比硬挺的甜；敲声：浊响的比清脆的熟得透。 2.总结“规律”——训练模型买的西瓜多了，你会不自觉地总结出一套“挑瓜规则”：如果色泽=青绿AND根蒂=蜷缩AND敲声=浊响→好瓜；如果色泽=浅白OR根蒂=硬挺→大概率是差瓜。 3.判断“新瓜”——模型预测下次再买瓜时，你不会再盲目尝试，而是直接用总结好的“规则”去套新瓜：看到一个青绿、蜷缩、浊响的瓜，立刻判断是好瓜，果断下手。
39710编辑于 2026-01-22 - 来自专栏量子位
小扎亲自官宣Meta视觉大模型！自监督学习无需微调，多任务效果超OpenCLIP丨开源
官网上给出的图片效果还是挺不错的，输入铁塔照片，可以生成不少含铁塔的相似艺术图片： 这里我们也试了试，输入一张华强买瓜，给出来的艺术图片大多数与西瓜有关： 那么，这样的自监督视觉大模型可以用在哪里？ 项目地址： https://github.com/facebookresearch/dinov2 参考链接： https://www.facebook.com/zuck/posts/pfbid02f3chCYQphfYnzRaDXeJxsT5EmyhbrFsjqLaU31KuTG63Ca4yMXFcDXQcukYPbWUMl
68320编辑于 2023-05-06 - 来自专栏红色石头的机器学习之路
通俗易懂！白话朴素贝叶斯
买瓜问题 首先，我们要介绍两个数学概念：先验概率、后验概率。是不是又要晕乎乎了？没关系，我们通过一个例子来帮助你理解这两种概率。 红色石头买西瓜的例子中，P(瓜熟，瓜蒂脱落) 称之为联合分布，它表示瓜熟了且瓜蒂脱落的概率。 红色石头终于明白了如何利用朴素贝叶斯法，来判断瓜是否熟了。 4. 朴素贝叶斯分类 红色石头已经了解了贝叶斯定理和朴素贝叶斯法，接下来已经可以很自信地去买瓜了。 计算后验概率分子部分： P(瓜熟) × P(脱落 | 瓜熟) × P(圆形 | 瓜熟) × P(青色 | 瓜熟) = 0.6 × (2 / 3) × (2 / 3) × (1 / 3) = 4 / 45 不知道红色石头的这次买瓜经历是否对你了解朴素贝叶斯有所帮助呢？
1K10发布于 2019-05-25 - 来自专栏数据狗说事儿
数据治理≠买工具！90%企业踩过的3大认知误区
数据不真实、不准确、不共享，正成为企业数字化转型的 “隐形杀手”—— 某集成电路企业因数据问题增加经营风险，某商用车集团因数据膨胀面临治理压力…… 越来越多企业意识到数据治理的重要性，却在实践中陷入“买工具就能解决问题 误区一：重技术轻流程 —— 买了工具却成 “摆设”许多企业认为 “数据治理 = 买套工具”，斥资引入元数据管理、数据质量等系统后，却发现工具功能 “用不起来”。 某企业在通过DCMM三级评估后，取消了数据质量监控的日常投入，3个月后数据错误率反弹30%，业务部门不得不重新人工校验数据，数字化转型进度受阻。 避开三大误区的关键，是跳出 “买工具 = 完成治理” 的思维，建立 “长效机制 + 业务协同 + 持续优化” 的治理文化。毕竟，数据治理的终极目标，不是 “管好数据”，而是 “用数据管好企业”。
43400编辑于 2025-07-23 - 来自专栏镁客网
买国产MODEL 3快了！特斯拉中国工厂将落户上海临港 | 热点
据多家媒体消息，7月10日，特斯拉CEO Elon Musk来到上海，与上海市政府进行特斯拉纯电动车中国工厂落户上海的签约仪式，同时为特斯拉（上海）电动汽车研发创新中心揭牌。特斯拉将在上海临港地区独资建设集研发、制造、销售等功能于一体的特斯拉超级工厂（Gigafactory）。该项目规划年生产50万辆纯电动整车，是上海有史以来最大的外资制造业项目。
52430发布于 2018-07-31 - 来自专栏xiaosen
DFS算法及应用
买瓜 小蓝正在一个瓜摊上买瓜。瓜摊上共有n个瓜，每个瓜的重量为A;小蓝刀功了得，他可以把任何瓜劈成完全等重的两份，不过每个瓜只能劈一刀。小蓝希望买到的瓜的重量的和恰好为m。 ans, cnt) if depth == n: # 正常的出口 return # 不买 dfs(depth + 1, weight, cnt) # 买 # 卖一半 dfs(depth + 1, weight + A[depth] // 2, cnt + 1) n, m = map(int, input().split()) # 买n 例:有4名学生(2,3,4,4)，最少可以分成(2,3)、(4)、(4)共3队。 输入格式： 第一行包含一个正整数n，表示学生数量。 定义两个n边形不同是指至少有—条边的长度在一个n边形中有使用而另一个n边形没有用到，如n边形(3,4,5,6)和(3,5,4,6)是两个相同的n边形，(3,4,5,6)和(4,5,6,7)是两个不相同的
48410编辑于 2024-03-15 蔚来副总裁：3亿美元买英伟达芯片，不如自研省钱
在6月13日举行的2026中国汽车重庆论坛上，蔚来副总裁马麟公开透露，蔚来此前采购英伟达芯片的支出已高达3亿美元（约合人民币20.29亿元）。他在现场自嘲称，这属于“之前花钱大手大脚”的表现。 值得注意的是，今年4月，蔚来创始人、董事长兼CEO李斌在智能电动汽车发展高层论坛（2026）上就曾透露，蔚来前几年一直使用英伟达芯片，高峰时期一年采购英伟达芯片的金额就达到3亿美元。
18300编辑于 2026-06-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号