个人技术分享

基于深度学习的电池健康状态预测（Python）

电池的故障预测和健康管理PHM是为了保障设备或系统的稳定运行，提供参考的电池健康管理信息，从而提醒决策者及时更换电源设备。不难发现，PHM的核心问题就是确定电池的健康状态，并预测电池剩余使用寿命。但是锂电池的退化过程影响因素众多，不仅受其本身工作模式的影响，外部环境的压力、温度等都会影响锂电池的退化。这些影响因素之间的相互耦合，导致锂电池的退化表现出很强的非线性及不确定性，这给SOH估计和RUL预测带来了很大的困难。

JUnit 5学习笔记

JUnit 5 中的前置条件（assumptions【假设】）类似于断言，不同之处在于不满足的断言会使得测试方法失败，而不满足的前置条件只会使得测试方法的执行终止。前置条件可以看成是测试方法执行的前提，当该前提不满足时，就没有继续执行的必要。利用@ValueSource等注解，指定入参，我们将可以使用不同的参数进行多次单元测试，而不需要每新增一个参数就新增一个单元测试，省去了很多冗余代码。参数化测试是JUnit5很重要的一个新特性，它使得用不同的参数多次运行测试成为了可能，也为我们的单元测试带来许多便利。

【NoSQL数据库】Redis Cluster集群（含redis集群扩容脚本）

所以我们同样也有对 Redis 数据分片的需求，所谓分片就是把一份大数据拆分成多份小数据，在 3.0 之前，我们只能通过构建多个 redis 主从节点集群，把不同业务数据拆分到不冉的集群中，这种方式在业务层需要有大量的代码来完成数据分片、路由等工作，导致维护成本高、增加、移除节点比较繁琐。比如平时非活动期间访问量不会很大，使用三主三从就可以，618、双十一期间，大促活动时候，这种访问量很高的，这个时候，就需要我们对Redis集群进行扩容了，当活动过后，流量下来会，我们又要进行缩容。

探索AIGC与3D技术的融合：从图像到可探索的3D动态场景

随着人工智能和计算机图形技术的飞速发展，AIGC（人工智能生成内容）与3D技术的结合正在为我们打开一扇全新的创意之门。最近，我深入研究了几个令人兴奋的AIGC+3D方案，它们不仅展示了从单张图片或文本提示生成3D点云的强大能力，还进一步实现了AI虚拟试穿和生成高保真3D数字人等前沿技术。今天，我想重点分享一个关于从图像或文本提示生成具有环境动态的可探索3D场景的方案。

深入理解ChatGPT工作原理

ChatGPT基于GPT（Generative Pre-training Transformer）架构，是一个预训练的大型语言模型。它通过在海量文本数据上进行预训练，学习语言的统计规律，进而能够生成连贯、相关且多样的文本。Transformer完全基于注意力机制，摒弃了传统的循环层结构，由编码器和解码器组成，每个都是由多个相同的层堆叠而成。每一层都包含了自注意力机制和前馈神经网络。这种设计使得Transformer能够在保持较低计算复杂度的同时，捕捉序列中的全局依赖关系。

如何恢复红米手机中已删除的照片？（6种方法可用）

凭借出色的相机和实惠的价格，小米红米系列已成为全球知名品牌。然而，最近有些人抱怨他们在红米设备上丢失了许多珍贵的照片或视频，并希望弄清楚如何从小米手机中恢复已删除的照片。好吧，恢复小米设备上已删除的视频/照片并不难。只需阅读本指南即可获得六种有效的方法来挽救丢失的照片和视频。

分布式微服务架构下网络通信的底层实现原理

TCP是全双工，如果没有第三次的握手，服务端不能确认客户端是否ready，不知道什么时候可以往客户端发数据包。三次的握手刚好两边都互相确认对方已经ready。我们假设网络的不可靠性，A发起一个连接，当发起一个请求没有得到反馈的时候，会有很多可能性，比如请求包丢失，或者超时，或者B没有响应由于A不能确认结果，于是再发，当有一个请求包到了B之后，A并不知道这个数据包已经到了B，所以可能还会重试。所以B收到请求之后，知道了A的存在并且要和我建立连接，这个时候B会发送ack给到A，告诉A我收到了请求包。