<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[学以致用 知行合一]]></title><description><![CDATA[吾生也有涯，而知也无涯，以有涯随无涯，殆己！]]></description><link>https://blog.csdn.net/bashendixie5</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; bashendixie5]]></copyright><item><title><![CDATA[Hyper-V 第二代虚拟机 ISO 启动报 “The boot loader failed” 的排查思路]]></title><link>https://blog.csdn.net/bashendixie5/article/details/167896373</link><guid>https://blog.csdn.net/bashendixie5/article/details/167896373</guid><author>bashendixie5</author><pubDate>Wed, 14 Oct 2026 10:44:53 +0800</pubDate><description><![CDATA[第二代虚拟机报 `The boot loader failed`，很多时候并不是镜像损坏，而是 UEFI 启动流程没有正确走到光驱。文件最好放在本地 NTFS 分区，避免放在网络路径、OneDrive 同步目录、深层中文路径或权限复杂的目录中。固件尝试了所有启动设备，但没有任何一个设备成功加载操作系统。没有真正被 UEFI 选中。]]></description><category></category></item><item><title><![CDATA[别再手动换证书了！acme.sh + 阿里云 DNS API 实现免费 SSL 证书全自动签发、续期、部署（含踩坑实录）]]></title><link>https://blog.csdn.net/bashendixie5/article/details/166595005</link><guid>https://blog.csdn.net/bashendixie5/article/details/166595005</guid><author>bashendixie5</author><pubDate>Thu, 24 Sep 2026 15:49:11 +0800</pubDate><description><![CDATA[项目之前（阿里云免费证书）之后（acme.sh 方案）有效期90 天90 天签发方式控制台手动申请脚本一键签发续期手动，忘了就过期cron 自动，到期前 30 天部署手动下载上传替换自动覆盖 + 自动 reload Nginx成本每年 4 次人工操作0RAM 子账号 + DNS API，让 acme.sh 能自动完成 DNS-01 验证，把"续期后部署"固化成自动动作路径对齐现有 Nginx 配置，做到零侵入切换。]]></description><category></category></item><item><title><![CDATA[Web Crypto API 实战：浏览器端 MD5/AES/RSA/国密SM2/SM3/SM4 加密解密]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162612506</link><guid>https://blog.csdn.net/bashendixie5/article/details/162612506</guid><author>bashendixie5</author><pubDate>Thu, 09 Jul 2026 13:21:50 +0800</pubDate><description><![CDATA[本文介绍了前端加密的常用场景和实现方法，包括使用Web Crypto API和sm-crypto库。主要内容涵盖：1）前端加密的5大典型场景（密码哈希、数据加密传输、RSA密钥对生成、国密合规、JWT调试）；2）Web Crypto API的优势与限制；3）具体代码实现：SHA哈希、HMAC签名、AES加解密、RSA密钥对生成与加解密等。文章特别指出Web Crypto API不支持MD5和国密算法，需配合第三方库使用，并提供了完整的代码示例，帮助开发者在浏览器端实现安全加密功能。]]></description><category></category></item><item><title><![CDATA[Canvas API 纯前端图片处理实战：格式转换/蒙版裁剪/文字水印一站式方案]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162612525</link><guid>https://blog.csdn.net/bashendixie5/article/details/162612525</guid><author>bashendixie5</author><pubDate>Wed, 08 Jul 2026 11:43:41 +0800</pubDate><description><![CDATA[本文介绍了如何使用Canvas API在浏览器端实现图片处理功能，包括格式转换、蒙版裁剪和文字水印，无需上传服务器。主要优势包括零服务器成本、隐私保护、即时预览和部署简单。核心流程为加载图片→绘制到Canvas→处理→导出。支持PNG、JPEG、WebP格式转换，并提供JPEG透明背景填充方案。蒙版裁剪通过globalCompositeOperation实现多种形状（圆形、圆角、心形、星形等），并附有完整代码示例。所有操作均在本地完成，适合敏感图片处理需求。]]></description><category></category></item><item><title><![CDATA[FFmpeg.wasm 纯浏览器端视频压缩与格式转换实战：零服务器、零上传、100% 隐私]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162612417</link><guid>https://blog.csdn.net/bashendixie5/article/details/162612417</guid><author>bashendixie5</author><pubDate>Tue, 07 Jul 2026 14:24:16 +0800</pubDate><description><![CDATA[本文介绍了使用FFmpeg.wasm在浏览器端实现视频压缩和格式转换的技术方案，重点解决隐私保护和服务器负载问题。通过将FFmpeg编译为WebAssembly，视频处理完全在用户设备完成，无需上传服务器。文章提供了完整代码示例，包括FFmpeg加载、视频压缩（含CRF参数说明）和格式转换（支持MP4、WebM等格式）的实现方法，并分享了三个常见问题的解决方案：Worker跨域错误、WebM音频编码器选择错误和加载进度反馈缺失，推荐通过私有化部署解决跨域问题。]]></description><category></category></item><item><title><![CDATA[有趣的数学 Replicator equation]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162513682</link><guid>https://blog.csdn.net/bashendixie5/article/details/162513682</guid><author>bashendixie5</author><pubDate>Thu, 02 Jul 2026 11:23:53 +0800</pubDate><description><![CDATA[摘要： 复制子方程通过数学公式描述"适者生存"的群体演化规律，适用于博弈论、分布式系统等领域。其核心公式为$\dot{x}_i = x_i \cdot (f_i - \bar{f})$，表示策略占比变化由其收益与群体平均收益的差值驱动。以奶茶店竞争为例，高收益策略占比会增长，低收益策略被淘汰，最终系统趋于稳定。实现只需4步：定义策略、构建收益矩阵、Python代码迭代（如Scipy求解）、仿真分析结果。该模型在资源调度、攻防推演中高效实用，但需注意其假设群体规模大且策略固定的局限性。通过简单代码即可模拟复杂]]></description><category></category></item><item><title><![CDATA[招投标AI落地实战：基于RAG大模型的智能标书生成与合规审查完整方案]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162297688</link><guid>https://blog.csdn.net/bashendixie5/article/details/162297688</guid><author>bashendixie5</author><pubDate>Thu, 25 Jun 2026 11:00:15 +0800</pubDate><description><![CDATA[摘要：针对招投标行业文档量大、合规风险高、人工效率低等痛点，本文提出基于大模型+RAG检索增强的技术方案。通过多模态文档解析、双知识库架构（企业私有库+公共法规库）、多路检索重排等技术，实现标书内容精准生成与合规审查。系统可显著提升标书撰写效率80%以上，降低废标风险，并支持内容溯源。文章详细阐述了技术架构、核心流程及工程优化方案，为招投标智能化提供可落地的解决方案。关键词：RAG、智能标书、多模态解析、合规审查、向量数据库。]]></description><category></category></item><item><title><![CDATA[webView2 监听webgl崩溃及其原因深度分析]]></title><link>https://blog.csdn.net/bashendixie5/article/details/143840125</link><guid>https://blog.csdn.net/bashendixie5/article/details/143840125</guid><author>bashendixie5</author><pubDate>Tue, 23 Jun 2026 08:28:05 +0800</pubDate><description><![CDATA[摘要： WebView2基于Chromium内核，通过多进程架构（如独立的GPU进程处理WebGL渲染）保障稳定性，但WebGL内容仍可能因GPU进程崩溃而失效。崩溃诱因包括：显卡驱动/硬件兼容性问题（最高发）、内存/显存溢出、WebGL上下文丢失、进程架构冲突及系统级策略限制。解决方案需结合控件层（监听ProcessFailed事件捕获GPU进程崩溃）和页面层（监听webglcontextlost事件感知上下文丢失）的双重监听，实现自动恢复。优化手段包括调整启动参数（如--use-gl=egl）、规范We]]></description><category></category></item><item><title><![CDATA[有趣的数学 插值法]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162206882</link><guid>https://blog.csdn.net/bashendixie5/article/details/162206882</guid><author>bashendixie5</author><pubDate>Mon, 22 Jun 2026 17:42:27 +0800</pubDate><description><![CDATA[本文介绍了基于Catmull-Rom三次样条的插值技术及其应用。主要内容包括： 一维信号插值：使用三次多项式在相邻采样点间构建平滑曲线，通过四个连续采样点计算多项式系数。边界段采用二次多项式处理。 二维数据插值：通过两次一维插值（先水平后垂直）实现图像等二维数据的重采样。 二维路径拟合：将坐标分量独立插值后组合，可生成通过控制点的平滑曲线。 高效实现方法：利用Catmull-Rom脉冲响应与原始信号卷积，避免重复计算系数。脉冲响应在[-2,2]区间外为零，简化计算。 该技术在计算复杂度和插值质量间取得良好平]]></description><category></category></item><item><title><![CDATA[发现量子力学的基本机制]]></title><link>https://blog.csdn.net/bashendixie5/article/details/136456128</link><guid>https://blog.csdn.net/bashendixie5/article/details/136456128</guid><author>bashendixie5</author><pubDate>Sat, 20 Jun 2026 09:44:29 +0800</pubDate><description><![CDATA[本文通过双缝实验和偏振实验探讨量子力学中的波粒二象性。当激光通过双缝时，光子会形成明暗相间的干涉条纹，即使单个光子发射也会产生类似波的干涉图案，证明粒子同时具有波动性。通过偏振透镜实验进一步说明，光子的偏振状态可以用量子态（ket）描述，其行为具有概率性——光子要么完整通过透镜，要么被完全阻挡，通过概率取决于偏振方向与透镜的夹角。实验还揭示量子操作顺序的重要性：两个偏振透镜的不同排列会导致完全不同的观测结果。这些现象表明，微观粒子的行为无法用经典物理解释，必须用量子态等概念才能准确描述。]]></description><category></category></item><item><title><![CDATA[DAMO-YOLO-S 实时人体检测模型]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162126970</link><guid>https://blog.csdn.net/bashendixie5/article/details/162126970</guid><author>bashendixie5</author><pubDate>Fri, 19 Jun 2026 16:34:30 +0800</pubDate><description><![CDATA[DAMO-YOLO-S是阿里巴巴达摩院专为工业边缘计算设计的轻量级人体检测模型，通过神经架构搜索（MAE-NAS）和重参数化特征融合（RepGFPN）技术，在保持高精度的同时降低30%推理延迟。该模型采用两阶段训练策略（通用预训练+垂类微调），显著提升复杂工业场景的适应性，支持从云端到边缘设备的灵活部署。提供ModelScope Pipeline和RESTful API等多种调用方式，具备低算力消耗、高吞吐量等优势，适用于安防监控、生产安全等实时检测场景，在遮挡、低光照等恶劣条件下仍保持稳定性能。]]></description><category></category></item><item><title><![CDATA[用于自动化建筑投标书准备的生成式人工智能模型]]></title><link>https://blog.csdn.net/bashendixie5/article/details/162043466</link><guid>https://blog.csdn.net/bashendixie5/article/details/162043466</guid><author>bashendixie5</author><pubDate>Wed, 17 Jun 2026 22:23:05 +0800</pubDate><description><![CDATA[本研究针对建筑投标文件编制工作高度依赖人工、效率低下的行业痛点，开发了一套基于生成式人工智能的自动化框架。通过两家大型工程咨询企业的案例研究，识别出技术方案撰写等高价值自动化环节，并构建了融合大语言模型（GPT-4o）、向量语义检索和标准化知识库的系统原型。测试显示，该系统在招标需求信息提取环节达到96.25%的平均F1分值，生成的技术方案章节经专家评审获得81.4%的认可度，接近人工撰写质量（88.6%），但耗时从数小时缩短至30分钟内。研究证实该框架能显著提升投标效率、保障文件一致性并降低知识流失风险，]]></description><category></category></item><item><title><![CDATA[NFC 与 RFID 有什么区别？]]></title><link>https://blog.csdn.net/bashendixie5/article/details/161599490</link><guid>https://blog.csdn.net/bashendixie5/article/details/161599490</guid><author>bashendixie5</author><pubDate>Mon, 01 Jun 2026 18:20:45 +0800</pubDate><description><![CDATA[摘要：本文系统分析了射频识别（RFID）与近场通信（NFC）的技术关系与核心差异。RFID作为广义非接触式识别技术，涵盖低频（125 kHz）、高频（13.56 MHz）和超高频（860-960 MHz）三类，而NFC是工作于13.56 MHz高频段的标准化子集，具备双向通信、三模式切换（读写器/卡模拟/点对点）和严格距离限制（≤4 cm）等特性。文章从技术谱系、系统架构、频段划分、应用场景等维度对比二者的本质区别。]]></description><category></category></item><item><title><![CDATA[Zebra ZD421CN 打印机对接教程]]></title><link>https://blog.csdn.net/bashendixie5/article/details/161493421</link><guid>https://blog.csdn.net/bashendixie5/article/details/161493421</guid><author>bashendixie5</author><pubDate>Thu, 28 May 2026 21:02:51 +0800</pubDate><description><![CDATA[### 1.3 打印机型号

- **型号**：Zebra ZD421CN-300dpi ZPL
- **连接方式**：USB
- **分辨率**：300 DPI（12 dots/mm）
- **内存**：RAM 8176KB，FLASH 65536KB]]></description><category></category></item><item><title><![CDATA[芯片设计与流片：关键流程解析]]></title><link>https://blog.csdn.net/bashendixie5/article/details/161344248</link><guid>https://blog.csdn.net/bashendixie5/article/details/161344248</guid><author>bashendixie5</author><pubDate>Sat, 23 May 2026 17:03:34 +0800</pubDate><description><![CDATA[从设计到成品芯片的关键阶段包括：设计、流片、封装和测试，但成本分布各不相同：大致为工程人力 20%、流片 40%、封装 35%、测试 5%。流片风险较高。失败率因团队和芯片类型而异，通常在 15%–35% 之间。部分模拟传感器企业，即便拥有完整团队和清晰设计理念，也需要多次迭代：某案例耗时八年、经历 18 次流片，才完成模拟传感器知识产权（IP）验证，并交付超低功耗、近传感器处理芯片。]]></description><category></category></item><item><title><![CDATA[术语表：生成式人工智能基础]]></title><link>https://blog.csdn.net/bashendixie5/article/details/161139282</link><guid>https://blog.csdn.net/bashendixie5/article/details/161139282</guid><author>bashendixie5</author><pubDate>Sat, 16 May 2026 12:24:10 +0800</pubDate><description><![CDATA[本文介绍了人工智能领域的核心术语，涵盖生成式AI、大型语言模型、神经网络等关键技术概念。重点解析了拟人化、智能体、偏见、思维链提示等专业术语，阐述了上下文窗口、涌现行为、幻觉等模型特性，并说明了提示词工程、检索增强生成等实用技术方法。文章旨在帮助读者构建AI基础知识框架，理解技术原理与应用场景，同时强调AI系统虽能模拟人类特质，但本质仍是工具。这些概念认知有助于把握技术发展趋势，促进AI伦理讨论和创新应用。]]></description><category></category></item><item><title><![CDATA[机器学习笔记 - 基于C++的​​深度学习 四、实现梯度下降]]></title><link>https://blog.csdn.net/bashendixie5/article/details/132227837</link><guid>https://blog.csdn.net/bashendixie5/article/details/132227837</guid><author>bashendixie5</author><pubDate>Wed, 13 May 2026 15:02:23 +0800</pubDate><description><![CDATA[在本文中，我们学习了如何利用梯度从数据中拟合卷积核，实现了简单、高效、且是反向传播等高级算法基础的梯度下降，并通过实战实验，用梯度下降从数据中还原了 Sobel 算子。下一篇文章，我们将讲解激活函数：分类、原理、代码实现以及导数实现。]]></description><category></category></item><item><title><![CDATA[使用 Ultralytics 平台导出 Ultralytics YOLO 模型]]></title><link>https://blog.csdn.net/bashendixie5/article/details/161050952</link><guid>https://blog.csdn.net/bashendixie5/article/details/161050952</guid><author>bashendixie5</author><pubDate>Wed, 13 May 2026 14:34:09 +0800</pubDate><description><![CDATA[本文详细介绍了如何通过Ultralytics平台导出YOLO系列模型，实现跨平台部署。Ultralytics平台整合了YOLOv5至YOLOv10全系列模型，支持一键导出为TensorRT、ONNX、CoreML等多种格式，适配不同硬件设备。文章涵盖导出前的准备工作、可视化界面和API两种导出方式的操作步骤，以及主流导出格式的适用场景。同时提供了常见问题的解决方法，帮助开发者高效完成模型转换。该平台通过简化流程、优化性能，显著降低了YOLO模型从训练到部署的工程化门槛。]]></description><category></category></item><item><title><![CDATA[从H.264到AV1：视频编码的迭代博弈与技术演进深度解析]]></title><link>https://blog.csdn.net/bashendixie5/article/details/160528785</link><guid>https://blog.csdn.net/bashendixie5/article/details/160528785</guid><author>bashendixie5</author><pubDate>Sun, 26 Apr 2026 16:02:01 +0800</pubDate><description><![CDATA[视频编码技术演进经历了H.264普及、H.265效率跃升、AV1免费突围和H.266专业深耕四个阶段。核心矛盾始终围绕压缩效率、编码复杂度和成本生态展开：H.264通过灵活预测和变换编码奠定基础；H.265引入CTU和增强预测实现效率翻倍，但陷入专利困局；AV1以免费模式突破，采用超级块和多模式分割技术，效率超越H.26525-35%；H.266面向8K/VR专业场景，通过更复杂划分实现极致压缩。未来趋势呈现免费化（AV1主导民用）、硬件化和场景细分（H.266专注高端），AI编码虽具潜力但短期难落地。技术]]></description><category></category></item><item><title><![CDATA[视觉模型在生产环境中失败的主要原因]]></title><link>https://blog.csdn.net/bashendixie5/article/details/160227966</link><guid>https://blog.csdn.net/bashendixie5/article/details/160227966</guid><author>bashendixie5</author><pubDate>Thu, 16 Apr 2026 22:15:47 +0800</pubDate><description><![CDATA[计算机视觉系统在生产环境中表现不佳的五大关键原因：1）训练数据与真实场景存在显著差距，导致模型泛化能力不足；2）过拟合问题使模型仅记忆有限模式而缺乏适应性；3）现实中的边缘案例超出训练数据覆盖范围；4）部署后缺乏持续监控机制，难以及时发现性能衰减；5）基础设施限制导致实时响应能力下降。解决方案包括采用分阶段部署策略、建立反馈循环机制、记录模型局限性边界，以及针对环境可变性进行专项设计。成功的关键在于将模型开发视为持续优化过程，而非一次性工程。]]></description><category></category></item></channel></rss>