- 综合排序
- 最热优先
- 最新优先
- 来自专栏Forrest随想录
搞专业，还是转管理？
因为私交还不错，前段时间找到我咨询建议，其实本质上也是在纠结，是继续在专业上发展好，还是转管理好，自己拿不准。 比如，做技术，不一定非要做到一定程度就要去转管理，做技术的同时，是不是可以去深入了解下业务领域知识，去学习一下产品知识，去思考一下运营玩法，甚至可以站得更高，从成本、效率和稳定等方面，思考应该如何去做技术等等
37610发布于 2018-08-09 - 来自专栏玩转全栈
小程序怎么将视觉搞实现成ui
这个真的是强烈建议，对于一个页面，首先应该大致的看一下可以划分为哪几个模块，通常的划分方式是，整体来看，是row排列，还是column排列的，那么，最擅长做这种划分的布局方式是什么，没错，就是flex布局了。
846170发布于 2018-07-17 - 来自专栏自学气象人
大人搞科研,AI敲代码
chatGPT 相信很多人已经体验过了.它的debug能力令人印象深刻.但是每次把代码拷进去debug,再看结果方式不十分优雅,肯定已经有了更好的集成. 官网介绍它主要的功能有两个: Convert comments to code, 在代码中敲注释, 自动生成代码.在注释不足以生成代码的时候, 会自动生成更多注释,引导你提供更多信息. Create unit tests 我们之前在python example project的推文中提到过,no test no code, 在写完代码之后,可以让GitHub copilot自动生成测试程序 后记 大人搞科研,AI敲代码.实际上我的代码都很简单,AI可能可以写出比我更高效的代码,而我只需要保证我在正确的方向上编程.这几天的使用体验非常振奋人心.甚至有一种有人陪伴的感觉.尽管有很多杂乱的信息会干扰我们的思考 另外一点就是有关英语.我不知道GitHub copilot支不支持中文.即使支持,代码里简单的注释用英语肯定不是多难的事. 希望大家都能享受AI带来的编程新乐趣!
29310编辑于 2023-06-20 - 来自专栏机器之心
让视觉语言模型搞空间推理，谷歌又整新活了
视觉语言模型 (VLM) 已经在广泛的任务上取得了显著进展，包括图像描述、视觉问答 (VQA)、具身规划、动作识别等等。 这种对直接空间推理任务的熟练，与当前视觉语言模型能力的局限形成鲜明对比，并引发了一个引人注目的研究问题：是否能够赋予视觉语言模型类似于人类的空间推理能力？ SpatialVLM 将由视觉模型生成的数据转换成一种可用于描述、VQA 和空间推理数据的混合体上训练视觉语言模型的格式。 实验证明，本文训练的视觉语言模型表现出许多令人满意的能力。 方法概览 为了使视觉语言模型具备定性和定量的空间推理能力，研究者提出生成一个大规模的空间 VQA 数据集用于训练视觉语言模型。 空间推理启发新应用 1、视觉语言模型作为密集奖励注释器 视觉语言模型在机器人学领域有一个重要的应用。
41810编辑于 2024-02-26 - 来自专栏流浪猫的golang
java 代码转kotlin
选中一段代码直接就能将java 代码转化为kotlin 代码。 void setname(String name) { this.name = name; } } Ctrl+A 然后 Ctrl+Alt+shift+K 就能直接转化为kotlin 代码 如果想转回去： Kotlikn 转 Java Tools>Kotlin>Show Kotlin Bytecode Decompile ok。
1.1K10发布于 2018-08-02 - 来自专栏python3
java转python代码
它其实是个python文件 cmd进入该目录下: 然后将一个已写好的java程序跟踪下面的命令后面： python j2py your_java_file.java 如下的java代码 ); } } 转换后的代码： #! if __name__ == '__main__': import sys App.main(sys.argv) 然后运行python代码，打印出了 ‘hello world!’
5.8K20发布于 2020-01-07 - 来自专栏叶子陪你玩编程
python 代码转图片
以前写过很多小的案例，基本上都是一些文档处理和转换的，比如给问题添加文字，这个可以用在很多地方，水印，表情包等 刚好昨天有人问到，怎样将代码转换成图片，这个就派上用场了。 改一下图片尺寸或者根据内容自动计算，可以自适应代码的长短，批量处理加个读取文件内容即可。
1.8K10编辑于 2022-04-04 - 来自专栏自学气象人
大人搞科研,AI敲代码——GitHub Copilot
chatGPT 相信很多人已经体验过了.它的debug能力令人印象深刻.但是每次把代码拷进去debug,再看结果方式不十分优雅,肯定已经有了更好的集成. 官网介绍它主要的功能有两个: Convert comments to code, 在代码中敲注释, 自动生成代码.在注释不足以生成代码的时候, 会自动生成更多注释,引导你提供更多信息. Create unit tests 我们之前在python example project的推文中提到过,no test no code, 在写完代码之后,可以让GitHub copilot自动生成测试程序 后记 大人搞科研,AI敲代码.实际上我的代码都很简单,AI可能可以写出比我更高效的代码,而我只需要保证我在正确的方向上编程.这几天的使用体验非常振奋人心.甚至有一种有人陪伴的感觉.尽管有很多杂乱的信息会干扰我们的思考 另外一点就是有关英语.我不知道GitHub copilot支不支持中文.即使支持,代码里简单的注释用英语肯定不是多难的事. 希望大家都能享受AI带来的编程新乐趣!
65210编辑于 2023-06-20 - 来自专栏计算机视觉life
代码解读 | VINS 视觉前端
而在VINSMONO中将视觉跟踪模块（featuretrackers）为其前端。在视觉跟踪模块中，首先，对于每一幅新图像，KLT稀疏光流算法对现有特征进行跟踪。 代码解读 featuretrackernode系统入口main() 函数： ROS初始化和输出调试信息： //ros初始化和设置句柄 ros::init(argc, argv, "feature_tracker header.stamp.toSec(); pub_count = 0; } } else PUB_THIS_FRAME = false; 将图像编码8UC1转换为
1.4K40发布于 2019-09-06 - 来自专栏全栈程序员必看
python转置矩阵代码_python 矩阵转置
用python怎么实现矩阵的转置 只能用循环自己写算法吗 自带函数有可以算的吗 或者网上的算法可以用的 python矩阵转置怎么做？ 5.矩阵转置 给定:L=[[1,2,3],[4,5,6]] 用zip函数和列表推导式实现行列转def transpose(L): T = [list(tpl) for tpl in zip(*L)] return T python 字符串如何变成矩阵进行矩阵转置 如输入一串“w,t,w;t,u,u;t,u,u”将其变成矩阵进行转置操作 需CSS布局HTML小编今天和大家分享: 你需要转置一个二维数组,将行列互换 讨论: 你需要确保该数组的行列数都是相同的.比如: arr = [[1, 2, 3], [4, 5, 6], [7,8, 9], [10, 11, 12]] 列表递推式提供了一个简便的矩阵转置的方法: = A’; 通用方法：reshape()函数 示例如下： 说明：reshape(A,m,n) 表示将矩阵A变换为m行n列的矩阵，通常用于矩阵形状的改变，例如下面代码将原来的1行4列矩阵转换为2行2列矩阵
7.2K50编辑于 2022-08-22 - 来自专栏叶子陪你玩编程
分享文字转卡片代码
之前分享过 python 文件代码转图片（2）内容，改了一下，可以生成卡片似的图片，主要模拟微信读书笔记。 提供文字内容即可, 颜色，背景图片，什么都可以配置，修改配置文件内容即可。 改改代码，也可以做个日历，单词卡片或者爬取网页内容直接生成图片等。 源代码： config.py # 背景图片 BG_WIDTH = 400 BG_MARGIN = 20 #边距 BG_COLOR = 'lightskyblue' # 字体文字 FONT_PATH
8.1K30编辑于 2022-05-22 - 来自专栏全栈程序员必看
long long转string代码
包含头文件: #include <sstream.h> istringstream istringstream 从string中读取数据 ostringstream 向string中写入数据 stringstream 既可以读也可以写
2.2K20编辑于 2022-08-27 - 来自专栏Visual Codex
BMP转灰度Matlab代码
bmp2gray.m 代码 imageName=strcat('frame_c.bmp'); I= imread(imageName); J=rgb2gray(I);
1.4K20发布于 2021-02-24 - 来自专栏潇湘信安
搞HS的9CCMS代码审计小结
0x01 前言 今天在“搞基大队”的群里看到@六八表哥发的这篇9CCMS代码审计笔记，审计的版本为1.89，经六表哥同意转发至该公众号，该文章比较适合新手学习。
1.8K10发布于 2021-03-10 - 来自专栏有三AI
【AI白身境】搞计算机视觉必备的OpenCV入门基础
它是一款由Intel公司俄罗斯团队发起并参与和维护的一个计算机视觉处理开源软件库。 作为一款优秀的计算机视觉库，在诸多方面都有着卓越的表现： 1.编程语言 多数模块基于C++实现，少部分基于C语言实现，同时提供了Python、Ruby、MATLAB等语言的接口。 3.活跃的开发团队 目前已更新至OpenCV4.0 4.丰富的API 完善的传统计算机视觉算法，涵盖主流传统机器学习算法，同时添加了对深度学习的支持。 OpenCV 3计算机视觉：Python语言实现 OpenCV算法精解：基于Python与C++ 最后，推荐一下大家的Opencv学习路线。 总结 本文简单介绍了OpenCV框架，它是计算机视觉领域必须要熟练掌握的工具，这一期我们没有说具体的算法和模块，以后会开设《OpenCV专题》讲述。
1.2K20发布于 2019-07-26 - 来自专栏CreateAMind
实现抽象视觉推理+代码阅读
v2 版本从第二部分开始增加了代码参考。 抽象： 视觉推理对于构建理解世界并执行超越感知的问题解决的智能代理是必不可少的。 为了评估,除了常规的视觉推理任务,我们提出了一个新的任务,幕后视觉推理,其中代理需要学习抽象程序,然后通过想象未观察到的场景来回答查询。 我们提出了一个新的具有挑战性的任务和一个数据集,场景背后的视觉推理, 其中智能体需要对复杂的视觉场景进行抽象的视觉学习和推理。 programs Right for the Right Concept 交互解释符号Learning 相关推荐： AGI结构模块很细分：脑网络结构高清大图 AGI部分模块的优秀复现： 最新代码 10 分钟内适应扰动或快速翻身站立 躯体控制 + 代码：Learning to Learn and Forget （华为）长短期记忆网络 + inductive Logic Programs 视觉推理
30340编辑于 2023-09-01 - 来自专栏网络交换FPGA
Verilog代码转VHDL代码经验总结
Verilog语言和VHDL语言是两种不同的硬件描述语言，但并非所有人都同时精通两种语言，所以在某些时候，需要把Verilog代码转换为VHDL代码。 上图是把转换成VHDL格式的代码，再转换回verilog后与原代码对比的图，可以看出，一些注释之类的信息都没有了，原来的代码规范和风格也发生了变化。 在转换的过程，该软件对代码中的汉语注释不支持，如果出现汉字就无法转换。 笔者之前就曾试着写过Verilog转VHDL代码的工具，见：Verilog HDL代码转VHDL代码，无奈因为不是软件开发出身，写出来的东西通用性和完善性很差。 以下仅对Verilog转VHDL过程中出现的问题进行说明。
4.4K20发布于 2019-10-29 - 来自专栏公众号：拓跋阿秀
研一一整年都在搞深度学习，研二醒悟打算转开发
1、前言 前几天有个研究生师弟来咨询阿秀，说自己研一一整年都在搞机器学习和深度学习的东西，忙着发论文，现在快研二了，感觉科研无望，想慢慢开始转开发了。 这个时候他们再急急忙忙去转开发，跟那些在研一时就下定决心转开发的同学一比，可能会发现自己根本没有竞争力。。。 阿秀觉得这位师弟比较有先见之明，没在研三才醒悟。。。 今天分享一下，希望能给各位有着相同处境的研究生师弟师妹一点提示，不要到研三了打开简历一看才发现自己空空无也，什么也拿不出手，想转开发也转不了。 但是最近一年都在搞深度学习和论文，之前学的东西感觉都快忘完了，目前打算从头开始学go，并已经了解了一些基本语法，目标8个月后进一二线大厂实习。
1.2K30编辑于 2022-09-28 - 来自专栏机器之心
模型转代码：XGBoost等模型也能快速转纯C或Java代码
如果我们能将用 Python 和 ML 库构建的模型转换一下，变成纯 Java 或 C 写的代码，且这些代码不会依赖各种库，那么部署或嵌入不就简单了么。 在 m2cgen 这个项目中，它就可以将 ML 模型转化为不带有依赖项的纯代码。 模型转换效果 我们可以通过几个简单案例了解 m2cgen 是如何转换为纯代码的，简单而言即把模型架构和权重显化了。 我们还可以找到更多的案例，如果我们用 XGBoost 训练一个简单的分类模型，我们可以看到转化的代码会大量使用 if-else 大法，不过我们本身也不用维护生成的代码，所以这种结构也没什么关系了。 项目细节 工具的安装很简单，直接用 pip 就行了： pip install m2cgen 除了前面那样在代码中调用转换工具，我们还能通过命令行使用序列化的模型目标（pickle protocol）生成代码
2.2K40发布于 2019-03-15 太能打了：小卡也能跑的视觉模型！Gemma 4 本地视觉实测，截图转HTML
本文是对谷歌最新发布的 Gemma 4 开源模型进行测试，验证了其在视觉理解和代码生成方面的能力，并与千问进行了对比测试。 小模型虽然在视觉处理上的不足，但在文本理解和代码生成能力上仍表现出色，说明了表达能力在 AI 使用中的重要性。 1. 这不是 OCR + 模板填充，这是真正意义上的视觉语义理解与代码生成一体化。 这说明，小模型的任务理解和代码生成能力并不差，真正欠缺的可能是对视觉输入的理解和处理能力。 总结 总的来说，Gemma 4 的视觉能力确实非常强大，尤其是 26B A4B 版本，在本地运行的情况下，能够实现非常高质量的视觉理解和代码生成。
30010编辑于 2026-04-14
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