人机 机器 责任net

【.NET】控制台应用程序的各种交互玩法

【.NET】控制台应用程序的各种交互玩法 老周是一个不喜欢做界面的码农,所以很多时候能用控制台交互就用控制台交互,既方便又占资源少。有大伙伴可能会说,控制台全靠打字,不好交互。那不一定的,像一些选项类的交互,可以用键盘按键(如方向键),可比用鼠标快得多。当然了,要是要触控的话,是不太好用,只能做UI ......
控制台 玩法 应用程序 程序 NET

jmeter 压力机端口不够用Response code:Non HTTP response code: java.net.NoRouteToHostException解决策略

四 压测机异常,修改配置后重试 Response code:Non HTTP response code: java.net.NoRouteToHostException 原因:Jmeter 发压机的端口不够用 解决办法:1. netstat|grep TIME_WAIT |wc -l 查看目前处在 ......

Taurus .Net Core 微服务开源框架:Admin 插件【4-5】 - 配置管理-Mvc【Plugin-Admin 后台】

前言: 继上篇:Taurus .Net Core 微服务开源框架:Admin 插件【4-4】 - 配置管理-Mvc【Plugin-CORS 跨域】 本篇继续介绍下一个内容: 系统配置节点:Mvc - Plugin - Admin 后台界面: 配置界面如下: 配置说明如下: 1、Admin.IsEna ......
Admin Plugin-Admin 插件 后台 框架

.NET中反射和动态表达式的分析和比较

背景 在.NET中,反射和动态表达式是两种常用的动态编程技术。它们都可以用来在运行时动态地创建和操作对象、调用方法、访问属性和字段等。但是,它们在性能方面有一些差异。 反射:反射是.NET中的一种基础技术,可以用来获取程序集、类型、方法、属性、字段等的元数据,以及动态地创建对象、调用方法、访问属性和 ......
表达式 动态 NET

.NET开发中合理使用对象映射库,简化和提高工作效率

前言 在日常开发中,我们常常需要将一个对象映射到另一个对象,这个过程中可能需要编写大量的重复性代码,如果每次都手动编写,不仅会影响开发效率,而且当项目越来越复杂,庞大的时候还容易出现错误。为了解决这个问题,对象映射库就随之而出了,这些库可以自动完成对象之间的映射,从而减少了开发工作量,提高了开发效率 ......
效率 对象 NET

.NET 8最强新功能:键控服务依赖注入

什么是键控服务依赖注入? 在之前的依赖注入中,服务是根据其类型进行注册和解析的。如果出现同一接口有多个实现怎么办呢?这时候就可以使用.NET 8的新功能“键控服务依赖注入”。它允许您注册接口的多个实现,每个实现都与一个唯一键相关联,然后基于该键解析所需的实现。 在.NET 8 中的实现 接下来介绍如 ......
新功能 NET

从Redis读取.NET Core配置

在本文中,我们将创建一个自定义的.NET Core应用配置源和提供程序,用于从Redis中读取配置。在此之前,您需要稍微了解一些.NET Core配置提供程序的工作原理,相关的内容可以在Microsoft开发者官网搜索到。另外您可能还需要了解一些Redis的基础知识,比如Redis的基础数据类型,持... ......
Redis Core NET

记一次 .NET某工控 宇宙射线 导致程序崩溃分析

一:背景 1. 讲故事 为什么要提 宇宙射线, 太阳耀斑 导致的程序崩溃呢?主要是昨天在知乎上看了这篇文章:莫非我遇到了传说中的bug? ,由于 rip 中的0x41变成了0x61出现了bit位翻转导致程序崩溃,截图如下: 下面的评论大多是说由于 宇宙射线,这个太玄乎了,说实话看到这个 传说bug ......
射线 宇宙 程序 NET

强大的VS插件CodeRush全新发布v23.2——支持并发.NET类型

CodeRush是一个强大的Visual Studio .NET 插件,它利用整合技术,通过促进开发者和团队效率来提升开发者体验。CodeRush能帮助你以极高的效率创建和维护源代码。Consume-first 申明,强大的模板,智能的选择工具,智能代码分析和创新的导航以及一个无与伦比的重构集,在它 ......
插件 CodeRush 类型 全新 23.2

AIKit v4.11.0 – WordPress AI 自动编写器、聊天机器人、写作助手和内容重定向器 / OpenAI GPT 插件

AIKit v4.11.0:WordPress的AI革命 一、引言 AIKit v4.11.0是一款为WordPress用户精心设计的强大插件,该插件集成了OpenAI的GPT-3技术,为用户提供了前所未有的AI写作和聊天机器人功能。此版本的推出,将WordPress的功能扩展到了全新的领域,利用人 ......
机器人 WordPress 插件 助手 机器

.Net 利用NPOI在上传excel时将.xls转为.xlsx

1、引用包NPOI; 2、创建方法类ExcelXlsToXlsx: public class ExcelXlsToXlsx { /// /// 获取xlsx的内容 /// /// /// public static byte[] Convert(Stream sourceStream) { var ......
excel NPOI xlsx Net xls

各版本操作系统对.NET支持情况(2023-11-24更新)

各版本操作系统对.NET支持情况(1124更新) (newlifex.com) 各版本操作系统对.NET支持情况(1124更新) 借助虚拟机和测试机,检测各版本操作系统对.NET的支持情况。 安装操作系统后,实测安装相应运行时并能够运行星尘代理为通过。 测试平台:VMware Workstation ......
版本 情况 系统 2023 NET

.Net Core 实现 自定义Http的Range输出实现断点续传或者分段下载

一、Http的Range请求头,结合相应头Accept-Ranges、Content-Range 可以实现如下功能: 1.断点续传。用于下载文件被中断后,继续下载。 2.大文件指定区块下载,如视频、音频拖动播放,直接定位到指定位置下载内容。可以避免每次都读取、传输整个文件,从而提升服务端性能。 3. ......
断点 Range Core Http Net

.net core中如何自定义静态文件目录、默认主页、和文件浏览目录?

在.NET Core中,UseStaticFiles、UseDefaultFiles、UseDirectoryBrowser和UseFileServer中间件用于处理静态文件和目录浏览。下面我将为你提供一个简单的例子,演示它们的用法。 首先,确保你的项目已经安装了Microsoft.AspNetCo ......
文件 目录 静态 主页 core

机器学习-无监督机器学习-层次聚类-20

目录1.凝聚聚类 Agglomerative Clustering2. 分裂聚类3. BIRCH 1.凝聚聚类 Agglomerative Clustering 在不同层次上对数据集进行划分,形成树状的聚类结构。AggregativeClustering是一种常用的层次聚类算法。 最初将每个样本点看 ......
机器 层次 20

机器学习-无监督机器学习-密度聚类DBSCAN-19

目录1. DBSCAN2. OPTICS2. MeanShift 1. DBSCAN Density based clustering DBSCAN不要求我们指定cluster簇的数量,避免了异常值,并且在任意形状和大小的cluster簇中工作得非常好。它没有质心,聚类簇是通过将相邻的点连接在一起的 ......
机器 密度 DBSCAN 19

ASP.NET Core 6(.NET 6) 修改默认端口的方法(5000和5001)

​ ASP.NET Core 6(.NET 6) 默认将 HTTP 端口绑定到 5000,将 HTTPS 端口绑定到 5001。可以通过以下三种方式修改默认端口: 详细文档:ASP.NET Core 6(.NET 6) 修改默认端口的方法(5000和5001)-CJavaPy 方法一:修改 laun ......
端口 NET 方法 5000 5001

Microsoft Azure AI 机器学习笔记-1

机器学习的基本内容学习笔记-01,学习链接:https://learn.microsoft.com/zh-cn/training/paths/get-started-with-artificial-intelligence-on-azure/ ......
Microsoft 机器 笔记 Azure AI

ml.net例子笔记8-生成式AI-大模型LLM

生成式AI 生成式AI是指能够通过学习数据和语言,生成新的、在某种程度上相似的输出,这种技术由深度学习特别是神经网络的快速发展推动。 一、数据:AI的燃料 首先,要理解生成式AI,我们必须了解它的基础——数据。数据是AI的燃料,没有数据,AI就无法运行。 在生成式AI中,我们需要大量的高质量数据进行 ......
模型 例子 笔记 LLM net

C# .NET的BinaryFormatter、protobuf-net、Newtonsoft.Json以及自己写的序列化方法序列化效率和序列化后的文件体积大小对比

https://www.cnblogs.com/s0611163/p/11872484.html 测试结果整理后: 结论: 1、这几个工具中,protobuf-net序列化和反序列化效率是最快的 2、BinaryFormatter和Newtonsoft.Json反序列化慢的比较多 3、Newtons ......

策略模式(Strategy Pattern) .Net Core实现

在策略模式(Strategy Pattern)中,一个类的行为或其算法可以在运行时更改。这种类型的设计模式属于行为型模式。 在策略模式中,我们创建表示各种策略的对象和一个行为随着策略对象改变而改变的 context 对象。策略对象改变 context 对象的执行算法。 意图:定义一系列的算法,把它们 ......
Strategy 策略 Pattern 模式 Core

【用户案例】走进南海法院:点赞数字机器人,见证审执“加速度”

11月27日下午3时,在南海法院一间办公室内,几台无人操作的电脑竟自动模拟人对鼠标键盘的操作,先自动读取办案人员提供的案件列表,一步步地生成文书,后对相应的案件发起财产查询。 这是数字机器人的应用状态。2023佛山口碑榜“品质口碑市民体验游”观察团实地参观南海法院数字机器人管理中心等建设成果,市民们 ......
加速度 机器人 见证 法院 机器

Steam验证后提示“您对 CAPTCHA 的响应似乎无效。请在下方重新验证您不是机器人”

解决方法: 用手机l登录此网址:https://store.steamchina.com/join/?snr=1_4_4__more-content-login,进行验证即可 注意:用流量 ......
机器人 机器 CAPTCHA Steam

机器学习-无监督机器学习-kmeans衍生的算法-18

目录1. k-Medoids2. 二分KMEANS3. KMeans++4. elkan KMeans5. min batch KMeans算法6.小结: 1. k-Medoids 之前的kmeans算法 对于异常点数据特别敏感,更新中心点的时候,是对于该簇的所有样本点求平均,这种方式对于异常样本特 ......
机器 算法 kmeans 18

Net 按照列名的自定义顺序导出Excel

第一步 定义导出Excel的表头一个特性,继承自Attribute,包含列头的名字和列的顺序 public class ExportHeaderAttribute : Attribute { public ExportHeaderAttribute(string name) : this(name, ......
顺序 Excel Net

机器学习-无监督机器学习-kmeans-17

目录1. 什么是聚类2. 代码实现 1. 什么是聚类 无监督机器学习的一种 输入数据只有X 没有y 将已有的数据 根据相似度 将划分到不同的簇 (花团锦簇) 步骤: 随机选择k个簇的中心点 样本根据距离中心点的距离分配到不同的簇 重新计算簇的中心点 重复 2-3直到所有样本 分配的簇不再发生改变 距 ......
机器 kmeans 17

一款基于.NET Core的快速开发框架、支持多种前端UI、内置代码生成器

前言 经常看到有小伙伴在技术群里问有没有什么好用且快速的开发框架推荐的,今天就给大家分享一款基于MIT License协议开源、免费的.NET Core快速开发框架、支持多种前端UI、内置代码生成器、一款高效开发的利器:WalkingTec.Mvvm框架(简称WTM)。 官方项目介绍 Walking ......
生成器 前端 框架 多种 代码

用C#也能做机器学习?

前言✨ 说到机器学习,大家可能都不陌生,但是用C#来做机器学习,可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的,这种方式比较适合.NET程序员在项目中集成机器学习模型,不太适合专门学习机器学习,本文我将基于ML.NET Model Builder(低代码、入门简单)构建一个 ......
机器

机器学习-线性分类-支持向量机SVM-合页损失-SVM输出概率值-16

目录1. SVM概率化输出2. 合页损失 1. SVM概率化输出 标准的SVM进行预测 输出的结果是: 是无法输出0-1之间的 正样本 发生的概率值 sigmoid-fitting 方法: 将标准 SVM 的输出结果进行后处理,转换成后验概率 A,B 为待拟合的参数, f 为样本 x 的无阈值输出。 ......
合页 向量 线性 概率 SVM

机器学习笔记(二)使用paddlepaddle,再探波士顿房价预测

目标 用paddlepaddle来重写之前那个手写的梯度下降方案,简化内容 流程 实际上就做了几个事: 数据准备:将一个批次的数据先转换成nparray格式,再转换成Tensor格式 前向计算:将一个批次的样本数据灌入网络中,计算出结果 计算损失函数:以前向计算的结果和真是房价作为输入,通过算是函数 ......
paddlepaddle 房价 机器 笔记