笔记

HTTP协议详解：从URL到HTTP服务器的完整实战到目前为止我们在做的工作主要分为三点：1. 基本的socket写完了 2. 一般的服务器设计原则和方式+场景的各种场景 3. 自定义协议+序列化和反序列化但实际上，已经有大佬们定义了一些现成的、又非常好用的应用层协议，供我们直接参考使用。HTTP（超文本传输协议）就是其中之一——http协议、https协议。所有未来http/https协议做的事情和我们之前做的基本一致，只是在协议层上做一些优化和封装。我们回顾一下osi模型和我们之前写的线程池版本的服务器。

老电脑X99安装WIN11 26H2总结、问题解决办法汇总有时软件只支持WIN11，所以老电脑不得不安装WIN11。非UFEI启动，中途复制文件会出错。安装WIN11（26H2）时，忽略跳过TPM和SecureBoot检查_跳过检测部署win11 26h2-CSDN博客

【ARM嵌入式学习笔记第十天】i.MX6ULL eLCDIF控制器驱动RGB LCD全解析（硬件原理+寄存器配置+裸机代码）本篇是ARM嵌入式裸机学习的第十天，核心内容是i.MX6ULL芯片内置的 eLCDIF（增强型LCD接口）控制器，以及如何用裸机代码驱动800×480分辨率的RGB888并行接口TFT-LCD屏幕。我们会从最基础的RGB接口信号线定义、时序原理讲起，再深入eLCDIF的硬件架构与工作机制，最后逐行拆解驱动代码，吃透寄存器配置的底层逻辑，搞懂每一行代码为什么这么写。

数据在内存中的存储-纸面笔记整理在进入计算机行业后，我们就会以各种不同的方式频繁听到一个词：“二进制”。可能最开始，我们对这些词有些好奇：“这二进制以前没碰过，怪新奇的。”但随着日复一日的重复，我们对其感到麻木：“你问我二进制是什么，二进制不就是二进制吗？这有什么好讲的。”

xiaominngtongxue

从中职技能节看实训教学的组织逻辑2026年10月20日，石家庄市东华铁路中等专业学校的“校园技能节”将开幕。这不是一场简单的“比赛日”，而是一所学校实训教学体系的集中输出。

杨逢昌工厂6S管理

109-杨逢昌车间管理负熵循环：三环体系持续输出负熵的机制解析《6S管理实战专栏》· 三环实战篇（第109篇）杨逢昌使命：用6S的力量，让10万名朋友实现高效愉悦的生活与工作。

SVN学习笔记（二）目录四、配置多仓库1. 多仓库的概念：2. 创建多仓库的步骤：3. 总结：五、SVN权限控制1. 三个配置文件作用：

海绵宝宝转agent

leetCode100算法开源笔记分享磁盘内存数据页：InnoDB 从磁盘拉取数据到内存的最小单位默认 16KB 一行数据数据页包含多行数据，存在磁盘中，如果要修改一个数据，需要从磁盘把数据拉到内存里

Linux网络编程从入门到实战：UDP/TCP协议与socket编程全解析独立模式：计算机之间相互独立，每个终端各自持有客户数据。网络互联：多台计算机连接在一起，完成数据共享。

13-数据库学习笔记（查询执行处理模型）因为SQL是一种声明式语言，只告诉数据库我要什么结果，但不说“具体怎么找”，数据库是无法执行查询操作的，所以我们必须把SQL翻译成一张施工图纸，这张图纸就叫做查询计划。

实体类字段用 @Value 赋了默认值，取出来还是 null？测试环境导数据，一万两千单跑到八千多行挂了。日志里有用的一行：底下 at 那几行是业务包名，我不贴。指过去的代码是这句：

C++入门篇（十三）：vector（上）——动态数组：构造、空间增长与迭代器失效目录0.1 开篇·导读一、什么是 vector二、构造与定义2.1 四种构造（速查表格）2.2测试代码：

做运维的阿瑞

mysql数据库视图笔记：创建、修改、删除与适用场景有段三表连接加聚合的统计 SQL，被我抄进了十几个报表和定时任务；底表字段一改名，全局搜索改了一下午，还是漏挂了两个生产报表。

12-数据库学习笔记（五种连接算法）因为我们通常不会把所有相关信息都塞进一张表，而是把不同类型的信息分开存储；当查询需要同时使用这些信息时，就必须把它们“连接”起来。比如我们有一张学生表：

alacrity学习笔记alacrity是较为现代的终端，支持高分辨率的字体缩放（随系统同步），属于opencode推荐的TUI

Python基础语法学习：函数Python 中的函数，可以理解成一段可以重复使用的代码。例如下面这些代码虽然计算的范围不同，但是整体逻辑其实完全一样：

HTTPS 加密原理与 CA 数字证书：从对称加密到完整通信流程HTTPS就是在HTTP的基础上加了一层加密层。加密是在传输层以下加密传输的，在应用层是明文的。加密就是原始数据通过密钥加密后得到密文，然后密文再通过密钥就可以解密得到原始数据。

Adversarial Neural Network Inversion via Auxiliary Knowledge Alignment（个人笔记）深度学习技术的发展带来了关于训练数据和测试数据的新隐私问题。本文研究对抗场景下的模型反演问题：攻击者试图根据目标模型的预测值推断其训练数据和测试数据的信息。我们提出训练第二个神经网络作为目标模型的逆映射，以执行反演；该反演模型可以通过对目标模型的黑盒访问来训练。针对对抗场景下的训练，我们提出两项主要技术。第一，利用攻击者的背景知识构造辅助数据集来训练反演模型，无须访问原始训练数据。第二，设计基于截断的对齐方法，使反演模型能够根据攻击者在受害用户数据上获得的部分预测结果有效地反演目标模型。我们在多个图像数据

一隅论数智

给AI找对“富矿“：本体协同的六大应用模式与落地战法目录0.引言：能力要变现，先选对战场1.选战场：本体与 AI 融合应用的场景选择1.1　本体激活 AI 的三大核心价值

糖炒栗子0326

深度学习笔记-FCNFCN模型是让 Backbone + Decoder 这一套工程范式在分割领域真正成型的关键模型，有32s、16s、8s三种规格，8s的结构示意图如下：这个模型逻辑很容易理解。它直接复用以前的分类网络（alexnet、vgg之类），将这些网络末尾的FC层替换成卷积层，得到的特征图再上采样（原论文使用转置卷积）得到跟原图尺寸一致的、对于每个像素预测出最佳类别的结果图。相对于32s，8s和16s利用了vgg中一些中间maxpool模块的输出结果。