博客作者
这位作者暂未填写个人简介。
354
已发布文章
11K
博客获赞
644K
博客浏览
第 17 页
Python 中 for 循环的核心概念、语法结构及实际应用。内容涵盖可迭代对象的遍历原理、range 函数的三种参数用法、多层嵌套循环的实现逻辑，以及 break 和 continue 对循环流程的控制。此外，还补充了 for-else 子句的特殊用法、列表遍历时的性能优化建议及常见陷阱，旨在帮助开发者全面掌握 Python 循环机制，写出更高效、健壮的代…
使用 Python 和 Requests 库进行网络爬虫开发的基础教程。内容涵盖环境配置、HTTP 请求发送、JSON 数据解析、PrettyTable 表格输出以及文件流下载的具体实现。文章详细解析了请求头设置、URL 编码、异常处理等关键技术点，并提供了完整的搜索与下载代码示例。同时强调了遵守法律法规及网站协议的重要性，适合初学者学习 Web 数据采集的…
Python Web 开发涉及前端技术、网络协议及后端接口标准。文章讲解了 Web 工作原理、TCP/IP 协议栈、Socket 编程实例、HTTP 协议规范以及 WSGI 接口定义。同时介绍了 CGI 与 FastCGI 的区别，并提及了 Web 框架与数据库在开发中的应用，为初学者提供完整的基础知识体系。
Python 基础数据类型包括数值、字符串、列表、元组、字典和集合。变量赋值无需声明类型，内存自动分配。数值类型不可变，支持 int、float、complex。字符串支持索引切片与拼接。列表可变，支持增删改查；元组只读，适合固定数据。字典通过键值对存储数据，支持快速查找。集合用于去重和集合运算。内置函数可用于类型转换。掌握这些类型及其可变性、有序性等特性是…
Python 字典在 CPython 3.6 后引入了紧凑字典结构以优化内存。通过分离索引数组与键值对存储，利用动态类型的索引数组减少稀疏哈希表的浪费。详细解析了旧版与新版字典的数据结构差异、内存占用计算及优化原理，展示了哈希表长度越大节约内存越明显的结论，同时确认查找性能保持 O(1)。
在普通 PC 上利用 Ollama 和 Open WebUI 部署 LLaMA-3 本地大模型的完整流程。内容涵盖环境硬件要求、Ollama 跨平台安装步骤、模型拉取与运行、Web 界面容器化部署以及 Python API 调用示例。方案无需 GPU 即可运行，强调数据隐私保护与本地化部署优势，适合开发者进行私有化 AI 应用开发与测试。
DeepSeek R1 系列模型在本地部署时的显存需求，提供了基于 FP4 精度的计算方法及不同参数量级的显存对照表。内容涵盖环境准备、Ollama 模型拉取、Open-WebUI 容器化部署配置以及常见问题排查，旨在帮助用户根据自身硬件条件完成本地大模型服务的搭建与优化。
国产大语言模型 ChatGLM3 的本地部署流程。内容涵盖环境配置、源码与模型下载、依赖安装及显存优化方案。重点讲解了如何通过量化技术降低显存占用，以及 Gradio 和 Streamlit 两种 Web 演示模式的启动方法。此外，文章还说明了如何搭建 OpenAI 兼容 API 服务，实现第三方应用集成，并介绍了通过自定义 Tool 扩展模型功能的方法。最…
LoRA 通过低秩分解模拟参数变化，以极小参数量实现大模型微调。总结 LoRA 核心概念、优缺点及训练理论常见问题，涵盖 Rank 与 Alpha 参数选择、权重合并策略、内存优化及过拟合处理等关键知识点，并补充了实践建议与工具链选择，为开发者提供高效微调与大模型落地的参考指南。
17 个涵盖文件管理、网页抓取、文本处理、邮件自动化、Excel 操作、数据库交互、社交媒体、系统任务、图像编辑、网络自动化、数据清洗、PDF 操作、GUI 自动化、测试、云服务、财务分析及自然语言处理的 Python 脚本。通过提供具体代码示例和说明，帮助开发者快速实现日常工作的自动化流程，提升效率并减少重复劳动。
详细阐述了学习 Python 的十大核心理由，涵盖职业发展、数据科学、机器学习、Web 开发、自动化运维、库生态、测试框架、跨平台能力、社区支持及语法易用性等方面。文章对比了 Python 与 Java 的代码差异，分析了其在工业界的应用现状，旨在说明 Python 作为主流编程语言的技术优势与学习价值。
Stable Diffusion 的基本原理、应用场景及使用方法。作为开源的 AI 绘画工具，Stable Diffusion 基于潜在扩散模型，支持文生图、图生图、内补绘制等功能。文章详细阐述了扩散模型的训练与生成机制，列举了其在数字艺术、游戏设计、广告创意等领域的实际应用。此外，还提供了本地环境搭建、WebUI 安装流程以及提示词工程和核心参数设置的实操…
对零基础人群提供网络安全入门指南。首先纠正了先学编程再学安全、过度深度学习、资料收集过多等误区。其次介绍了硬件、软件系统及语言准备，推荐使用 Linux 和 Python。接着规划了三阶段学习路线：第一阶段掌握 Linux 命令与安全工具；第二阶段深入编程、数据库、网络协议及操作系统基础；第三阶段通过 PortSwigger、HackTheBox 等平台进行…
Kali Linux 操作系统的基本概念、安装配置方法以及 nmap、sqlmap、hydra、netcat 等核心安全工具的用法。涵盖端口扫描、SQL 注入检测、密码爆破及网络通信等内容，强调合法合规使用的重要性。
大模型微调旨在解决全量训练成本高的问题。主要方法包括 LoRA、Adapter、Prefix-tuning、P-tuning 和 Prompt-tuning。LoRA 利用低秩分解更新权重旁路；Adapter 在 Transformer 层间插入前馈网络；Prefix/P-tuning 优化连续提示向量；Prompt-tuning 直接拼接可学习向量。对比显…
详细阐述了网络安全漏洞挖掘的定义、标准流程及学习方法。内容涵盖从目标确定、信息收集到漏洞验证与报告的全生命周期，强调了编程语言（Python/C/Java）、计算机网络及操作系统基础知识的重要性。文章介绍了 Burp Suite、Nmap 等常用工具的使用场景，并讲解了 Fuzzing、代码审计等核心技巧。此外，特别补充了法律合规原则及合法实战平台建议，旨在…
大模型微调是提升特定领域能力的核心手段。总结了微调的必要性及主流技术方案，对比了全量微调与参数高效微调的区别。详细阐述了增加式方法（Adapter、Soft Prompts）、选择式方法（BitFit）及重新参数化方法（LoRA、AdaLoRA）的原理与特点，并补充了常用工具与实施建议，为在特定领域提升大模型能力提供了可控成本的实践路径。
如何在个人电脑上通过 Ollama 部署支持中文的 Llama 3.1 模型。步骤包括安装 Ollama 环境、从 HuggingFace 下载量化模型文件、编写 Modelfile 配置文件导入模型，以及通过命令行和 HTTP API 进行测试。内容涵盖 macOS、Windows 及 Linux 系统的安装差异，并提供了 Python 调用示例及参数调优…
大模型技术通过生成式视频、辅助创作及内容修复等手段，显著提升了影视动漫行业的生产效率与创意表现。详细分析了文生视频、剧本辅助、画面修复等应用场景，并深入探讨了角色建模、场景构建、特效实现及动画制作中的技术细节。利用深度学习算法，大模型能够模拟真实物理特性与复杂光影效果，降低制作成本，缩短周期。未来，人机协作模式将成为主流，推动行业向更高沉浸感与艺术价值方向发…
如何使用 Ollama 在本地及服务器环境部署和运行从 HuggingFace 下载的开源大模型。内容涵盖模型格式选择（GGUF/Safetensors）、量化级别决策、Modelfile 配置文件编写、命令行交互、API 接口调用以及生产环境的 Docker 与 Systemd 部署方案。通过自定义系统提示词和上下文参数，可优化中文响应质量并实现后台服务化…
