:water_wave: Fluid.js :water_wave:
一个JavaScript库，可基于不可压缩流的Navier-Stokes方程轻松部署WebGL渲染的流体模拟。
设置简便，自定义功能丰富，可以在不到五分钟的时间内在响应式Web项目中运行精美呈现的WebGL流体模拟。
该库是对实现的流体模拟的。
该项目处于早期开发阶段，可以接受捐助。 除非您已经正确评估了性能和浏览器兼容性，否则请不要在生产级项目中使用此库。
入门
CDN
< script src =" https://cdn.jsdelivr.net/npm/fluid-canvas@latest " > </ script >
终端
npm i fluid-canvas
克隆
git clone https://github.com/malik-tillman/Fluid-JS.git
用法
将Fluid.js添加到您的<head>
< head
2025-12-30 19:41:31
17.44MB
1
标题SpringBoot与微信小程序结合的宠物领养系统研究AI更换标题第1章引言介绍宠物领养系统的研究背景、意义、国内外现状以及论文的方法和创新点。1.1研究背景与意义阐述宠物领养系统在当前社会的重要性及开发意义。1.2国内外研究现状分析国内外宠物领养系统的研究进展和技术应用。1.3研究方法以及创新点介绍SpringBoot与微信小程序结合的研究方法及创新点。第2章相关理论总结SpringBoot和微信小程序开发的相关理论和技术基础。2.1SpringBoot框架概述介绍SpringBoot框架的特点、优势及应用场景。2.2微信小程序开发技术阐述微信小程序的开发流程、核心组件及API。2.3数据库技术介绍系统采用的数据库技术，如MySQL等。第3章系统设计详细描述宠物领养系统的设计方案，包括架构设计和功能模块设计。3.1系统架构设计给出系统的整体架构，包括前端、后端及数据库的交互。3.2功能模块设计详细介绍系统的各个功能模块，如用户管理、宠物信息管理等。3.3数据库设计阐述数据库的设计思路，包括表结构、字段设置及关系。第4章系统实现阐述宠物领养系统的实现过程，包括前端界面实现、后端服务实现及数据库操作。4.1前端界面实现介绍微信小程序前端界面的实现方法和技巧。4.2后端服务实现阐述SpringBoot后端服务的实现过程，包括API设计和业务逻辑处理。4.3数据库操作实现介绍数据库操作的具体实现，包括增删改查等。第5章系统测试与分析对宠物领养系统进行测试，分析系统的性能和稳定性。5.1测试环境与工具介绍测试所采用的环境和工具。5.2测试方法与步骤给出测试的具体方法和步骤，包括功能测试、性能测试等。5.3测试结果与分析对测试结果进行详细分析，评估系统的性能和稳定性。第6章结论与展望总结本文的研究成果，并展望未来的研究方向。6.1研究结论概括SpringBoot与微信小程序结合的
2025-12-29 23:18:25
16.22MB
1
本文详细介绍了如何在IDEA中配置和使用JRebel热部署工具，包括JRebel的安装、激活、相关设置以及使用方法。JRebel是一款JAVA虚拟机插件，能够在不重启应用的情况下即时看到代码更改的效果，显著提高开发效率。文章还提供了热部署不生效的解决方案和常见问题的处理方法，如监控无效问题和启动时的错误提示。此外，还更新了最新的激活方式和下载地址，确保读者能够顺利使用JRebel进行开发。
JRebel是一个Java开发工具，它能够实现在Java虚拟机（JVM）上运行的应用程序进行实时代码更新而不重启服务器。在集成开发环境（IDE）如IntelliJ IDEA中使用JRebel时，可以极大地提高开发效率，因为开发者无需每次修改代码后都重启应用程序来查看更改效果。
在IDEA中配置JRebel首先需要下载并安装JRebel插件。安装完成后，接下来是激活过程，可以采用多种方式获取激活码，例如购买正式授权或者通过开发社区获取临时授权。激活之后，开发者需要在IDEA中进行一些设置以确保JRebel能够正确运行，这些设置可能包括配置虚拟机参数、指定JRebel运行时的配置文件位置等。
使用JRebel进行热部署时，它能够监控代码文件的变化，并且智能地只更新发生变化的部分，这与传统的部署方式相比能够节省大量的时间。例如，在进行前端界面开发或后端逻辑调整时，开发者可以立即看到更改后的结果，这在调试复杂的业务逻辑时尤其有用。
在使用过程中可能会遇到一些问题，比如热部署不生效。文章会提供详细的故障排除步骤，比如检查JRebel的监控是否开启、确认是否有需要重新编译的文件未被监控到等。除此之外，如果遇到启动时错误提示，同样会有一系列的解决方案和建议，帮助开发者快速定位问题并解决。
为了保证读者能够顺利使用JRebel，文章还会更新最新的激活方式和下载地址。这些信息对于需要使用JRebel的开发人员来说是非常实用的资源，确保他们能够获取到正确的软件和激活信息，从而提升开发体验。
JRebel的广泛使用主要是由于其提高开发效率的能力，对于任何需要频繁更改代码并查看更新效果的Java开发者来说，这都是一个十分有价值的时间节省工具。熟练掌握JRebel的使用可以显著提高项目开发的速度和质量。
特别需要注意的是，尽管JRebel提供了诸多便利，但它依然是需要付费的商业产品。因此，开发者在使用过程中应当遵守相关授权协议，对于使用的版本应当进行合法授权。这样不仅能够确保开发环境的稳定性，同时也能支持软件的持续开发和维护。
在文章中，还可能会提供一些技巧和建议，比如如何针对特定类型的项目进行JRebel配置优化，或是如何在团队开发环境中统一使用JRebel来提升团队整体的开发效率。这些实用的建议能够帮助开发者更好地利用JRebel这个强大的工具。
此外，随着技术的发展，JRebel也在不断地进行更新和升级，包括界面的改进和功能的增强。因此，建议开发者定期检查官方发布的更新日志，以了解最新的功能改进和修复的bug，确保能够利用到JRebel的所有优势。
2025-12-27 16:13:50
6KB
1
作为一个合并服务器，IBM Power 560服务器提供丰富的灵活性，可以在同一个系统上使用具有领先优势的AIX、IBM i、Linux for Power和x86 Linux应用。Power 560在设计中提供了多种功能，可以提供接近连续的应用可用性，并能够处理更多的工作任务，并减少运营中断数量。PowerVM Editions可提供全面的虚拟化技术，旨在在汇聚和管理资源的同时，帮助您简化和优化IT基础设施，并减少服务器的杂乱增加。
2025-12-26 10:05:44
423KB
1
基于yolov11+3588开发的车牌识别系统（源码+按照部署教程+图片）
环境
python 3.11.x
rk3588/rk3588s
rknn-toolkit 2.3.0
lprnet.rknn(lprnet.pt/lprnet.onnx)
车牌识别
也可以直接直接用paddleocr
不管是什么框架都需要用车牌数据集进行训练
车牌检测可以使用yolo obb或seg，可以直接获取车牌倾斜角度，方便矫正
项目中的模型为演示模型，识别率较低，主要学习原理
安装
apt update
apt install ffmpeg
# 本项目只能在3588开发板中运行，无法在pc和服务器上运行
cd rknn-yolov11-plate
# 安装项目依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 替换rknn api 运行时驱动，防止不是2.3.0版本
cp -f lib/librknnrt.so /usr/lib
运行
# 运行后查看控制台输出
python src/main.py
2025-12-24 11:46:51
20.11MB
1
harbor在arm服务器上面离线部署包。
前置条件：
yum install docker
yum install docker-compse
下载离线安装包
harbor-offline-installer-dev-arm.tgz
解压
tar -zxvf harbor-offline-installer-dev-arm.tgz
cd harbor
cp harbor.yml.tmpl harbor.yml
配置harbor.yml相关数据
主要是证书和hostname
./install.sh --with-trivy --with-notary --with-chartmuseum
2025-12-22 21:54:20
628.03MB
1
随着数字化时代的到来，教育行业在技术应用上也发生了显著的变化。学生考勤系统作为学校日常管理中不可或缺的一部分，对于提高管理效率、确保学生安全具有重要意义。在鸿蒙操作系统（HarmonyOS）的背景下，开发的学生考勤系统不仅能够提供高效、便捷的考勤服务，还能够充分利用鸿蒙系统的优势，实现与其他鸿蒙设备和应用的无缝连接。
鸿蒙操作系统（HarmonyOS）是由华为开发的操作系统，旨在实现跨多种设备平台的智能协同。鸿蒙系统的微内核设计、分布式技术以及对IoT（物联网）的深度支持，使其在学生考勤系统中具有独特的应用价值。例如，微内核的设计提高了系统的安全性和稳定性，分布式技术使得考勤数据可以跨设备共享和处理，为学生和教师提供了便捷的考勤体验。
在项目源码方面，本次分享的“鸿蒙版APP-学生考勤系统-项目源码-API14”是一个完整的应用程序开发包，包含了构建学生考勤系统所需的所有源代码和相关资源文件。通过API14版本的源码，开发者可以了解和学习如何使用鸿蒙系统的开发接口来实现考勤功能，同时也能够通过源码来理解整个考勤系统的架构和运作机制。
此外，本项目还提供了详细的万字论文，从理论到实践全面解析了鸿蒙版学生考勤系统的构建过程。论文内容可能包括鸿蒙操作系统的特点、系统设计的理念、功能模块的实现方法、数据库设计、用户界面设计、网络通信设计等多个方面。通过阅读这篇论文，可以为对鸿蒙系统或学生考勤系统感兴趣的读者提供深入的技术分析和开发经验分享。
除了文字资料，项目还附带了PPT演示文件，这通常是用来展示项目核心功能和亮点的。通过PPT，用户可以更加直观地了解系统的优势和应用场景，同时PPT也可能是开发者进行项目汇报或教育推广时使用的演讲材料。
更为重要的是，本项目提供了完整的包部署方案和录制的讲解视频。包部署方案能够帮助开发者快速搭建起学生考勤系统环境，而视频材料则能够让开发者在遇到具体技术问题时，通过视频讲解直观地找到解决方案，从而极大降低了开发和部署的难度。
本次提供的鸿蒙版学生考勤系统项目源码，不仅仅是一个软件开发包，它还包含了一整套从理论学习、系统设计、功能实现到系统部署的完整解决方案。这对于鸿蒙系统的开发者和教育行业的技术人员来说，是一个宝贵的学习资源和实践案例。
2025-12-22 17:32:36
16.24MB
1
在本文中，我们将详细介绍如何在CentOS系统上离线部署Nginx服务器，并涵盖在安装过程中可能会遇到的问题及其解决方法。同时，我们将提供所需的安装资源包列表，包括但不限于nginx服务器、zlib、openssl、pcre、perl5等依赖包，以及gcc、g++环境依赖的安装包。
我们需要理解为什么要在离线环境下部署Nginx。通常，离线部署发生在没有互联网接入的服务器上，或者出于安全考虑希望减少外部网络连接的场景。在这样的环境下，所有的软件安装包都需要提前下载好，并存放在一个可以访问的位置，比如一个USB驱动器或者本地网络存储。
在开始之前，我们需要准备以下离线安装包：
1. gcc、g++离线安装包，用于编译安装所需的工具。
2. perl-5.30.1.tar.gz，因为Nginx编译过程中可能会用到Perl脚本。
3. openssl-1.1.0h.tar.gz，Nginx需要这个库来处理SSL/TLS加密。
4. pcre-8.45.tar.gz，Perl兼容正则表达式库，Nginx使用PCRE进行HTTP请求重写等操作。
5. zlib-1.2.13.tar.gz，用于提供数据压缩功能。
6. nginx-1.20.2.tar.gz，当前版本的Nginx源代码包。
接下来，我们将按照以下步骤进行安装：
第一步：安装gcc和g++。因为我们需要编译安装openssl、pcre等库，所以首先要确保系统已经安装了gcc和g++编译器。使用命令行解压缩下载的gcc、g++离线安装包，并按照其提供的README或INSTALL文档指示进行编译安装。
第二步：安装依赖库。以相同的步骤，首先解压openssl、pcre、zlib的源代码包，然后进入各自的目录，通常通过以下命令配置并编译安装：
```bash
./configure --prefix=/usr/local
make
make install
```
请确保在编译前所有依赖的库都已正确安装，因为Nginx在编译时会检查依赖是否满足。
第三步：安装Nginx。解压Nginx源代码包，进入目录，执行configure脚本以创建Makefile文件。在执行configure时，确保指定好之前安装的依赖库的路径，例如：
```bash
./configure --prefix=/usr/local/nginx --with-openssl=/usr/local/ssl --with-pcre=/usr/local/pcre --with-zlib=/usr/local/zlib
make
make install
```
安装完成后，Nginx将被安装到您指定的目录中。
在安装过程中，您可能会遇到各种问题，例如库版本不兼容、缺少某些开发文件或头文件、权限问题等。对于这些常见问题，您可以查看Nginx的官方文档或相关的技术论坛来找到解决方案。比如，如果您遇到了库版本不兼容的问题，可以尝试下载与Nginx版本相兼容的库版本进行安装。如果是因为缺少开发文件或头文件，可以安装相应的开发包，例如在CentOS上执行：
```bash
yum install -y zlib-devel openssl-devel pcre-devel
```
来安装缺少的开发文件。
完成上述步骤后，您可以根据Nginx的官方文档配置nginx.conf文件，并启动Nginx服务器进行测试。至此，您应该已经成功在离线的CentOS系统上部署了Nginx。
CentOS系统离线部署Nginx的关键在于提前准备好所有必需的依赖安装包，并遵循正确的编译安装步骤。在安装过程中遇到的常见问题，往往可以通过查阅官方文档或社区的帮助来解决。如果您的环境与标准有所不同，例如内核版本特别老或者特别新的情况，可能还需要对安装步骤进行相应的调整。
2025-12-22 16:26:43
74.52MB
1
本文详细介绍了在Android端部署自定义YOLOV8模型的全流程，包括环境准备、模型训练与测试、模型转换（pt2onnx、onnx2ncnn）、Android Studio配置、模型调用及自定义部署方法。文章基于ncnn-android-yolov8开源项目，提供了从数据集准备到最终调试的完整步骤，适合对YOLO有一定了解但需要移动端部署指导的新手。同时，文中还包含了常见问题的解决方案和DIY方法，帮助读者更好地理解和应用YOLOV8模型。
在Android端部署YOLOV8模型是一个涉及多个步骤的复杂过程，本篇文章将这一过程分解为清晰易懂的阶段，详细指导读者从零开始到成功部署。文章介绍了环境准备的重要性，包括安装必要的软件库和工具，如Python、PyTorch、ncnn等，这些都是运行YOLOV8模型不可或缺的基础。
接下来，文章详细阐述了YOLOV8模型的训练和测试流程。这一步骤对于模型的性能至关重要，需要准备相应的数据集并对其进行标注，然后使用合适的参数进行模型训练，并通过测试来验证模型的准确性。文章指出了选择合适的数据集、优化训练参数以及评估模型性能的方法。
文章继续介绍了模型转换过程，这对于模型能在Android设备上运行是必要的。转换过程包括从PyTorch模型格式(.pt)到ONNX模型格式(.onnx)的转换，以及进一步将ONNX模型转换为ncnn格式。这些转换步骤确保了模型的兼容性与执行效率。
在Android Studio的配置部分，文章详细介绍了如何设置开发环境，包括导入必要的源码、库和资源文件。这一环节涉及到Android NDK的配置，以及如何正确配置项目以便加载和运行ncnn库。
此外，文章深入讲解了如何调用YOLOV8模型进行图像识别和处理。这部分内容包括了编写代码来加载模型、处理图像输入、进行模型推理以及解析输出结果。作者还分享了如何自定义部署方案以适应特定的应用场景和需求。
文章最后提供了一些常见问题的解决方案，以及如何进行DIY调试的方法。这些内容能够帮助新手更好地理解YOLOV8模型，并且能够灵活应对在实际部署过程中遇到的问题。
整体而言，本篇文章对于那些已经对YOLO模型有所了解，但需要将其部署到Android平台上的开发者来说，是一份宝贵的参考资料。它不仅涵盖了从训练到部署的完整流程，而且通过提供详细的步骤指导和问题解决方案，极大地降低了入门的难度，提升了成功部署的几率。
2025-12-15 22:14:08
1KB
1
本文详细介绍了开源Text-to-SQL工具Vanna的本地部署与实测过程。Vanna是一个基于Python的RAG框架，能够通过自然语言生成SQL查询并返回结果。文章首先概述了Vanna的基本特点和工作原理，包括其基于RAG的Prompt增强方案。随后详细说明了使用步骤，包括训练RAG模型、提问获取回答以及扩展与定制化方法。实测部分展示了如何快速构建一个与MySQL数据库对话的AI智能体，包括申请Vanna账号、构建Vanna对象、训练RAG模型以及测试对话功能。最后，文章总结了Vanna的优势和存在的问题，并提供了训练技巧和参考链接。
Vanna是一个开源的Text-to-SQL工具，它利用Python语言构建的RAG（Retrieval-Augmented Generation，增强型检索生成）框架，将用户的自然语言问题转化为SQL查询，并将这些查询应用于数据库中，最终返回用户所需的数据结果。该工具的核心功能是通过与数据库的交互，实现对数据库信息的智能访问和处理。
在Vanna的本地部署与实测方面，文章对整个过程进行了详尽的说明。部署步骤首先从Vanna的基本特点和工作原理开始，介绍了其如何运用RAG框架中的Prompt增强方案来提高自然语言处理的准确性。接着，文章指导读者进行训练RAG模型的步骤，包括必要的数据准备、模型配置以及启动训练的详细操作。用户如何通过提问来获取问题的答案，也是文章重点介绍的内容之一，这部分详细讲解了提问的格式、获取答案的流程，以及如何根据实际需求对模型进行扩展和定制化。
实测部分是文章的精华所在，演示了如何快速搭建一个能够与MySQL数据库进行互动的AI智能体。这里不仅包括了如何在本地或云环境中申请并设置Vanna账号，还涵盖了创建Vanna对象、训练RAG模型以及测试对话功能的具体步骤。通过这一系列操作，用户可以体验到Vanna工具在实际环境中的运行效果，以及其在自动化查询数据库时的便捷性。
文章还对Vanna的优缺点进行了客观评价。它指出了Vanna在自然语言处理和数据库交互方面的优势，如强大的自然语言理解能力、良好的用户体验和较高的灵活性等。同时，也提出了Vanna存在的问题，包括对数据库结构的依赖性、在特定领域的使用限制以及可能的性能瓶颈等。针对这些问题，文章给出了相应的训练技巧和优化建议，并提供了相关的参考链接，方便读者深入了解和学习。
Vanna的部署和实测是一个涉及深度学习、自然语言处理和数据库操作的复杂过程。文章通过详细的步骤指导和实例展示，为开发者和数据库用户提供了一条清晰的实践路径。无论是在进行学术研究，还是在开发具体的应用项目中，Vanna都能提供一个强大的Text-to-SQL解决方案。
2025-12-11 16:09:13
542B
1