- 综合排序
- 最热优先
- 最新优先
- 来自专栏HACK学习
干货 | COM劫持实战演示
实现com劫持 之前在实战的过程中在msf上拿到了user权限的shell，但是直接getsystem不能够提到系统权限，用到了bypassuac之后得到了系统权限的dll，那么这里首先看一下msf是怎么实现 Notify，也就是说最高级的uac好像绕不过 然后我把uac调整到默认级别 发现msf劫持的是HKCU\Software\classes\CLSID\{0A29FF9E-7F9C-4437-8B11
3.5K10发布于 2021-10-20 - 来自专栏后端开发从入门到入魔
Redis实战：缓存穿透及其解决思路 实战演示
布隆过滤器是一种空间效率高、误判率低的数据结构，可以用于快速判断一个元素是否存在于一个集合中。在解决缓存穿透问题时，可以使用布隆过滤器在查询缓存之前进行快速判断，如果判断不存在，则可以直接返回，而不触发后续的数据库查询操作。
1.1K10编辑于 2024-03-28 - 来自专栏前端桃园
动图演示11个必备 VS Code 插件
保持一样的 prettier 配置, 在团队合作中也是非常重要的. 11. Version Lens ? 跟踪 npm 包 的所有最新版本可能很麻烦。版本镜头显示你如何内联你安装的版本包。
93920发布于 2020-02-26 - 来自专栏开发语言-Java
Java并发编程学习11-任务执行演示
开始之前，引用一篇《从入门到实战学习ES》，该文从ES的背景、概念、工具、知识点、部署、实战、Java开发、分布式节点、底层逻辑以及分词分类等方面进行了详细梳理和介绍，有需要的朋友可以研究下！ 引言上一篇博文带大家了解了任务执行和 Executor 框架的基础知识，本篇将结合这些内容，演示一些不同版本的任务执行Demo，并且每个版本都实现了不同程度的并发性。 总结本文以Demo的形式演示了如何寻找任务中更细粒度的并发场景，对我们的并发应用开发有着一定的借鉴意义。了解了任务执行的基本知识，下篇博文开始我们将介绍如何优雅地取消和关闭任务，敬请期待！
47511编辑于 2024-11-12 - 来自专栏脑洞前端
动图演示11个必备 VS Code 插件
保持一样的 prettier 配置, 在团队合作中也是非常重要的. 11. Version Lens ? 跟踪 npm 包 的所有最新版本可能很麻烦。版本镜头显示你如何内联你安装的版本包。
2K20发布于 2020-03-03 - 来自专栏ceshiren0001
实战演示 H5 性能分析
使用chrome浏览器对webview进行手工查看，伴随着业务增多，数量加大，手工操作的速度会无法跟上业务增长，此时需要自动化方法测试webview性能。
62520编辑于 2022-05-06 - 来自专栏Creator星球游戏开发社区
雷神归来—Thor组件实战演示
不说废话，演示视频奉上，建议在电脑上全屏观看，或点击原文链接在优酷视频观看（优酷视频清晰度更高，QQ视频在手机上惨不忍睹），以获得最佳体验！ ?
1.1K50发布于 2019-09-11 - 来自专栏功能测试
实战演示 H5 性能分析
使用chrome浏览器对webview进行手工查看，伴随着业务增多，数量加大，手工操作的速度会无法跟上业务增长，此时需要自动化方法测试webview性能。
72250编辑于 2022-04-22 - 来自专栏怀英的自我修炼
《Spring实战》摘录 - 11
问题: #5.2.3-1 | 测试SpittleController处理针对“/spittles”的GET请求 回答:
1.1K20发布于 2019-05-08 基于yolo11-pose实现的俯卧撑计数演示python源码+演示视频+安装说明
测试通过环境： ultralytics==8.3.34 演示效果： 通过用 yolo11-pose模型通过实时准确追踪主要身体地标和关节,加强运动评估。 在锻炼监测中使用YLOL11有什么好处? 在锻炼监测中使用YLOL11提供了几个关键的好处: 最佳性能: 通过根据监视数据定制训练,您可以获得更好的结果。 你可以去看 视频演示 才能看到这些好处。 在检测和追踪练习中,超级分析学YLOL11的准确性如何? 由于其最先进的姿势估计能力,YLOL11在检测和跟踪练习中是非常精确的。 我可以使用yolo11为定制锻炼程序吗? 是的,yolo11可以适应定制的锻炼程序。…AIGym 类支持不同的姿势类型,如"俯卧撑"、“拉起来"和"锻炼”。你可以指定关键点和角度来检测特定的练习。 im0 = gym.monitor(im0) video_writer.write(im0) cv2.destroyAllWindows() video_writer.release() 完整演示源码下载
45400编辑于 2025-07-16基于易语言实现yolov11+bytetrack目标追踪演示
测试环境： 易语言5.7.3 opencv4.7.0 源码： .版本 2 .支持库 spec .程序集 窗口程序集_启动窗口 .程序集变量 YOLO11, YOLO11推理器 .程序集变量 json, 程序集变量 类别名数组, 文本型, , "0" .子程序 __启动窗口_创建完毕 .局部变量 加载状态, 整数型 .局部变量 文本, 文本型 追踪器_初始化 (30, 30) 加载状态 ＝ YOLO11 .加载模型_从文件 (“yolo11n.onnx”, 假) 调试输出 (“加载结果” ＋ 到文本 (加载状态)) 文本 ＝ 到文本 (读入文件 (“classes.txt”)) 类别名数组 ＝ 分割文本 ＝ FIRC_获取图像 () 图像大小 ＝ FIRC_获取图像大小 () 图片字节集 ＝ 指针到字节集 (图像指针, 图像大小) 推理结果 ＝ YOLO11 释放资源 () .子程序 _按钮6_被单击 .局部变量 推理结果, 文本型 .局部变量 图片字节集, 字节集 图片字节集 ＝ 读入文件 (“E:\person2.jpg”) 推理结果 ＝ YOLO11
67510编辑于 2025-07-22- 来自专栏可以叫我才哥
27个Python数据科学库实战案例演示
np.arange(-1, 1.1, 0.5)) ax.set_yticks(np.arange(-1, 1.1, 0.5)) ax.set_zlabel('Z') plt.show() SciPy 11
91350编辑于 2022-11-11 - 来自专栏EdisonTalk
MongoDB入门实战教程（11）
参考资料 唐建法，《MongoDB高手课》（极客时间） 郭远威，《MongoDB实战指南》（图书） 作者：周旭龙 出处：https://edisonchou.cnblogs.com 本文版权归作者和博客园共有
98230发布于 2021-07-13 - 来自专栏AI智韵
Yolo11实战改进：一文读懂Yolo11到实战
模型 文件名 任务 推理 验证 训练 导出 yolo11n.pt yolo11s.pt yolo11m.pt yolo11l.pt yolo11x.pt 检测 ✅ ✅ ✅ ✅ yolo11n-seg.pt yolo11s-seg.pt yolo11m-seg.pt yolo11l-seg.pt yolo11x-seg.pt 实例分割 ✅ ✅ ✅ ✅ yolo11n-pose.pt yolo11s-pose.pt yolo11m-pose.pt yolo11l-pose.pt yolo11x-pose.pt 姿态/关键点检测 ✅ ✅ ✅ ✅ yolo11n-obb.pt yolo11s-obb.pt yolo11m-obb.pt yolo11l-obb.pt yolo11x-obb.pt 定向检测 ✅ ✅ ✅ ✅ yolo11n-cls.pt yolo11s-cls.pt yolo11m-cls.pt yolo11l-cls.pt YOLO11 yolo11n.pt yolo11s.pt yolo11m.pt yolo11l.pt yolo11x.pt Detection ✅ ✅ ✅ ✅ YOLO11-seg yolo11n-seg.pt
5.9K10编辑于 2024-11-18 - 来自专栏CSDNToQQCode
Rust实战案例-内存安全完整演示与深度解析
本文通过一个完整的实战项目，深入展示 Rust 如何通过编译时检查实现内存安全，以及如何防止常见的内存安全问题。 对比演示 - Rust vs 其他语言 9.1 演示11：Rust vs 其他语言的内存安全问题 9.2 综合对比表 10. 实际应用场景 10.1 演示12：安全的字符串处理 10.2 演示13：安全的集合操作 11. Rust vs 其他语言对比总结 12. 总结 1. 对比演示 - Rust vs 其他语言 9.1 演示11：Rust vs 其他语言的内存安全问题 本演示通过对比展示 Rust 如何防止其他语言中常见的内存安全问题。 代码演示： /// 演示11：对比其他语言可能出现的问题 fn comparison_demo() { println!
61310编辑于 2025-12-16 - 来自专栏TechLead
长短时记忆网络（LSTM）完整实战：从理论到PyTorch实战演示
文章还详细演示了如何使用PyTorch构建和训练LSTM模型，并突出了LSTM在实际应用中的优势。 1. LSTM的实战演示 4.1 使用PyTorch构建LSTM模型 LSTM在PyTorch中的实现相对直观和简单。 下面，我们将演示如何使用PyTorch构建一个LSTM模型，以便于对时间序列数据进行预测。 定义LSTM模型 我们首先定义一个LSTM类，该类使用PyTorch的nn.Module作为基类。
26.9K44编辑于 2023-10-21 - 来自专栏C++系列
【C++】STL容器——vector类的使用指南(含代码演示)（11）
InputIterator first, InputIterator last); 使用迭代器进行初始化构造 （这里用的迭代器不一定是vector的，可以给其他类型的迭代器） 【2】四种构造方式 [代码演示 size_t i = 0; i < v.size(); i++) { cout << v[i] << " "; } cout << endl; [ 3 ] vector的 访问及遍历操作 [代码演示 int));//指针（类比利用迭代器）区间初始化 // 头删 v1.erase(v1.begin()); [4-PLUS] 清除特定位置——erase + find函数 （1）find函数 （2）代码演示 【2】size＆capacity [代码演示] vector<int> v1; int _size=capacity(v1); int _capacity=capacity(v1); 【3】empty [代码演示] vector<int> v1; v1.resize(10); empty(v1);//返回false 【4】reserve＆resize使用 [代码演示
1.3K10编辑于 2024-01-22 - 来自专栏IT架构圈
「走进k8s」Docker 的多阶段构建-JavaSpringboot演示（11）
（一）实例springboot 比如我们现在有一个最简单的 springboot，需要构建一个最小的Docker 镜像 idea配置springboot 为了方便所有老铁，这个演示过程也做了 ? ?
1.7K21发布于 2019-08-08 - 来自专栏量子位
NVIDIA专家实战演示，教你快速搭建情感识别系统
分享大纲如下： · 情感识别任务介绍 · NVIDIA Transfer Learning Toolkit工具简介 · NVIDIA Triton工具介绍 · 实战演示：利用TLT和Triton快速搭建情感识别系统 实战演示：搭建情感识别系统 下面，我们将通过一份简单的代码，调用TLT和Triton工具来实现情感识别模型的训练与部署。 大家可观看视频、继续学习： 直播回放链接：https://www.bilibili.com/video/BV1744y167Ag p.s.代码演示部分从第35分钟开始~ PPT下载链接： https:/
1.3K60发布于 2021-06-17 - 来自专栏Linux成长之路
【Docker项目实战】使用Docker部署PPTist在线演示文稿应用
一、PPTist介绍 1.1 PPTist简介 一个基于 Vue3.x + TypeScript 的在线演示文稿（幻灯片）应用，还原了大部分 Office PowerPoint 常用功能，支持 文字、图片 jeven 192.168.3.166 centos 7.6 20.10.17 2.2 本次实践介绍 1.本次实践部署环境为个人测试环境，生产环境请谨慎； 2.在Docker环境下部署PPTist在线演示文稿应用
93910编辑于 2024-08-04
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