摘要：
目錄背景方案說明日志方案存儲后端 ElasticSearch + Kibana日志收集方案部署 Kafka部署 Filebeat日志收集處理方式日志消費監控方案部署 node_exporter部署 Grafana可視化配置mysql exporter其他鏈路追蹤方案接入 OpenTelemetryG 閱讀全文
posted @ 2025-09-29 08:53
癡者工良
閱讀(229)
評論(0)
推薦(1)
摘要：
作者：癡者工良 博客地址：//www.whuanle.cn/ 示例項目地址：//github.com/whuanle/mcpdemo 近期 MCP 協議越來越爆火，很多開發者都投身參與 MCP Server/Client 的開發，各個大廠也紛紛推出自己的 MCP 集成平臺或開 閱讀全文
posted @ 2025-04-21 08:27
癡者工良
閱讀(du)(11453)
評論(15)
推薦(43)
摘要：
目錄定時任務需求核心邏輯使用 Redis 實現秒級定時任務第一步第二步第三步第四步業務服務實現動態代碼第一步第二步第三步第四步第五步最后 定時任務需求 本文示例項目倉庫：//github.com/whuanle/HangfireDemo 主要有兩個核心需求： 需要實現秒級定時任務； 開發 閱讀全文
posted @ 2025-04-18 11:08
癡者工良
閱讀(2277)
評(ping)論(5)
推薦(9)
摘要：
.NET 平臺上的開源模型訓練與推理進展 作者：癡者工良 博客：//www.whuanle.cn 電子書倉庫：//github.com/whuanle/cs_pytorch Maomi.Torch 項目倉庫：//github.com/whuanle/Maomi.T 閱讀全文
posted @ 2025-04-10 08:50
癡者工良
閱(yue)讀(du)(2160)
評(ping)論(8)
推薦(28)
摘要：
說明 作者：癡者工良 文檔地址：//mmq.whuanle.cn 倉庫地址：//github.com/whuanle/Maomi.MQ 作者博客： //www.whuanle.cn //ywjunkang.com/whuanle 導讀 Maomi. 閱讀全文
posted @ 2025-02-21 08:30
癡者工良
閱讀(1650)
評論(lun)(5)
推(tui)薦(16)
摘要：
目錄VGG大規模圖像識別的超深度卷積網絡數據集直接下載opendatalab 數據集社區自定義數據集模型訓練 教程名稱：使用 C# 入門深度學習 作者：癡者工良 教程地址： //torch.whuanle.cn 電子書倉庫：//github.com/whuanle/cs_py 閱讀全文
posted @ 2025-02-17 08:27
癡者工良
閱讀(800)
評論(lun)(0)
推薦(1)
摘要：
通過生成對抗網絡(GAN)訓練和生成頭像 目錄通過生成對抗網絡(GAN)訓練和生成頭像說明簡介什么是 GAN什么是 DCGAN參數說明數據集處理權重初始化生成器判別器損失函數和優化器訓練 說明 //torch.whuanle.cn 電子書倉庫：//github.com/whu 閱讀全文
posted @ 2025-02-11 08:34
癡者工良
閱讀(1860)
評論(3)
推(tui)薦(8)
摘要：
目錄使用 Torch 訓練模型定義神經網絡加載數據集創建網絡模型定義損失函數訓練識別手寫圖像 教程名稱：使用 C# 入門深度學習 作者：癡者工良 教程地址：//torch.whuanle.cn 電子書倉庫：//github.com/whuanle/cs_pytorch Mao 閱讀全文
posted @ 2025-02-07 08:34
癡者工良
閱讀(du)(1088)
評論(2)
推薦(5)
摘要：
目錄開始使用 Torch準備下載數據集顯示圖片加載數據集定義網絡優化模型參數訓練模型保存和加載模型使用模型識別圖片 教程名稱：使用 C# 入門深度學習 作者：癡者工良 教程地址：//torch.whuanle.cn 電子書倉庫：//github.com/whuanle/cs_ 閱讀全文
posted @ 2025-02-06 08:36
癡者工良
閱讀(4511)
評(ping)論(10)
推薦(23)
摘要：
教程名稱：使用 C# 入門深度學習 作者：癡者工良 地址： //torch.whuanle.cn 目錄微積分極限導數求導公式乘除求導例題復合函數求導的鏈式法則Sigmoid 函數的導數求最小值問題微分積分偏導數多元函數定義域多元函數的值多元函數的極限偏導數全微分偏導數求最小值拉格朗日乘數 閱讀全文
posted @ 2024-11-18 08:36
癡者工良
閱讀(3999)
評論(28)
推(tui)薦(jian)(38)