ZJNULL 项目说明
Hexo 项目说明目前，zjnull本项目在 GitHub 仓库有两个分支： main 分支：Hexo 生成的静态网页文件（hexo clean && hexo g && hexo d） source 分支：在 VS Code 里手动推送的全部 Hexo 源码 更新公告 更新日期 类型 内容概要 仓库 2025-03-21 Docs 更新YOLOv11 环境配置与优化 Brian510000 2025-03-20 Refactor 重构homeworks/index.html并添加新页面 Brian510000 2025-03-19 Feat 新增课程表页面，优化UI布局 Brian510000 2025-03-16 Perf 添加Deepseek-R1的API接口调用 Brian510000 2025-03-15 Bug Fix 修复sendButton宽度及apiKey注释，优化appendMessage函数 Brian510000 2025-03-14 Feat 上线 DeepSeek-R1...
MySQL杂ces
学习过程中，遇到的问题，值得注意的点 JOIN VS LEFT JOIN在数据库中，LEFT JOIN 和普通的 JOIN（默认是 INNER JOIN）是两种不同的连接方式，用来组合两个或多个表的数据。它们的区别主要在于是否保留左表中的所有记录。 🔹 JOIN 或 INNER JOIN（内连接） 只返回两个表中“匹配”的记录。 如果某一行在其中一个表中没有匹配项，该行就不会出现在结果中。 示例：123SELECT *FROM AJOIN B ON A.id = B.a_id; 结果：只包含 A 和 B 表中 id 匹配的行。 🔸 LEFT JOIN（左连接） 返回左表中的所有记录，即使在右表中没有匹配项。 如果右表没有匹配的记录，则右表的字段为 NULL。 示例：123SELECT *FROM ALEFT JOIN B ON A.id = B.a_id; 结果：包含 A 表的所有记录，若 B 中有匹配则带上 B 表的数据；若没有匹配，则 B 表的字段为 NULL。 表...
MySQL 第四第五周
用户、角色1. 用户管理 创建用户 1CREATE USER '用户名'@'主机' IDENTIFIED BY '密码'; 示例： 1CREATE USER 'read_user1'@'localhost' IDENTIFIED BY '1234'; @'localhost' 不能省略，表示该用户仅能从本机登录。如果省略 IDENTIFIED BY '密码'，则创建的用户没有密码，登录时可能受限。 查看用户权限 1SHOW GRANTS FOR '用户名'@'主机'; 示例： 1SHOW GRANTS FOR 'read_user1'@'localhost'; 2. 权限管理 授予权限 1GRANT 权限 ON 数据库.表 TO '用户名'@'主机'; 示例： 12GRANT SELECT...
Deepseek-R1 API接口调用
本站已成功集成 API 接口，并在导航栏部署了 R1 大模型，支持智能问答、代码辅助、学习交流等功能。点击即可直接体验 AI 互动，畅享高效便捷的智能对话！ 👉 立即体验 R1 大模型 🚀进一步优化 加入聊天历史：可以用 localStorage 存储聊天记录，让刷新后仍然可见。 后端代理：避免在前端暴露 API Key，可以用 Python Flask 或 Node.js 搭建一个中转后端。 支持 Markdown：用 marked.js 解析 GPT 返回的文本，让显示更美观。 流式响应：使用 fetch + ReadableStream 实现流式返回，提高体验 更新 CSS：优化 UI 界面，显示思考时间与内容，提升输出反馈 写给大家Hexo 本身 不支持直接在同一页面中部分内容渲染、部分内容不渲染（即 Markdown 与 HTML 混合处理的控制）。但可以通过 插件 或 特定语法 来实现你的需求。 方法 1：使用 raw 语法避免 Hexo 解析Hexo 默认 会解析 Markdown 和特殊标签，但你可以使用 {% 删raw...
YOLOv11 项目实战！
YOLOv11 环境配置教程YOLOv11 需要先配置两个环境，Python 和 PytorchPytorch 又需要先安装 Anaconda、CUDA 1. 安装 PythonPython 的安装步骤此处略过，可自行前往 Python 官网 下载合适的版本并安装 Pytorch 对 Python 版本需求大于 3.9 2. 安装 AnacondaAnaconda 是一个用于管理 Python 及其相关数据科学和机器学习库的工具。安装步骤如下： 前往 Download Now | Anaconda 下载适用于自己系统的 Anaconda 安装包 运行安装程序，并按照提示完成安装。 安装完成后，在 Anaconda 命令行中输入 conda --version 以验证安装是否成功 3. 安装 CUDACUDA 是 NVIDIA 提供的 GPU 计算平台，我们需要安装适用于自己显卡的版本 3.1 确定显卡支持的最高 CUDA 版本在命令行输入以下命令，查看显卡支持的最高 CUDA 版本： 1nvidia-smi 根据输出结果，前往 CUDA Toolkit...
Stable Diffusion 超分辨率放大
Stable Diffusion 超分辨率放大在使用 Stable Diffusion (SD) 生成图像时，默认分辨率通常较低，例如 512×512。如果直接放大，可能会导致模糊或失真。因此，我们需要使用 高清修复（超分辨率放大）来提高图像质量,这里提供了两种放大模式，推荐第二种方法中的模型放大 浅空间放大操作步骤 放大的位置 高清放大需要在 采样器（KSampler）之后、VAE 解码之前 进行。如果直接对最终图像进行插值放大，细节会模糊，甚至失真。 VAE 解码最好只进行到一次解码，重复解码会导致图片会有一些质量方面的损伤 选择 Latent 放大 SD 提供了两种 Latent 放大方式： Latent 缩放：手动输入目标分辨率，例如从 512×512 放大到 1024×1024。Latent 按系数缩放（推荐）：输入放大倍数，如 2.0，系统自动计算分辨率，避免手动计算误差。 正确做法： 在潜空间（latent space）进行放大，而非直接拉伸最终图像。 放大后，需要再次进行 K 采样 以优化细节，避免模糊。 采样器的二次优化 放大后，需要添加一个...
MySQL 前三周
MySQL第一周一、数据库连接与基础操作 连接 MySQL 1mysql -u root -p # 输入密码后进入命令行 注意：-u 后接用户名，-p 表示需要密码（输入后无回显） 退出 MySQL 1EXIT; -- 或使用 \q、QUIT 二、数据库操作 查看所有数据库 1SHOW DATABASES; -- 显示所有数据库列表 创建数据库 1CREATE DATABASE mydb; -- 数据库名需唯一，区分大小写（取决于系统配置） 删除数据库 1DROP DATABASE mydb; -- 慎用！会永久删除数据库及数据 切换数据库 1USE mydb; -- 后续操作默认在此数据库执行 三、表操作 创建表 12345CREATE TABLE users ( id INT AUTO_INCREMENT PRIMARY KEY, -- 自增主键（必须为主键或唯一索引） name VARCHAR(50) NOT NULL, -- VARCHAR需指定长度，NOT NULL约束 age...
Stable Diffusion 十分钟上手
ComfyUIComfyUI 和 WebUI 都属于 Stable Diffusion 前端界面（Frontends），ComfyUI 相较于传统的 WebUI 具有显著优势，其基于节点的可视化工作流设计，类似于 Blender 和 UE5 的节点编辑器，有更强的可控性，可以自由调整模型的每个处理阶段，如调整噪声、改变 CFG 影响力、插入额外 Lora 处理等，而无需依赖特定插件。此外，ComfyUI 在显存管理上更为高效，节省 VRAM，支持更大尺寸的图片生成，并且由于是纯 Python + CUDA 直接运行，避免了 Web 端加载 JS 组件带来的性能开销。ComfyUI 原生支持 SDXL，可以无缝切换 Base Model 和 Refiner，支持多模型混合，后期依照工作流自定义生成逻辑，拆分 ControlNet 处理到前置步骤或对噪声输入进行特殊调整，使用起来真的非常非常一目了然，试试便知，感觉比 WebUI 有意思。所以，我选择使用 ComfyUI 来开始我们的 Stable Diffusion 之旅 1. 准备环境ComfyUI 需要 Python...