【筆記】Windows 安裝 TensorRT 10.13.3.9（適配 CUDA 13.0，附跨版本 CUDA 調用維護方案）

實操筆記 | Windows 安裝 TensorRT 10.13.3.9（適配 CUDA 13.0，含跨版本 CUDA 調用維護示例）—— 系統 CUDA 13.0 與虛擬環境 CUDA 12.8 版本差異時，TensorRT 調用維護實例詳見附錄

本文針對?TensorRT-10.13.3.9.Windows.win10.cuda-13.0.zip，結合實際操作截圖，從“解壓-配置-驗證”全流程拆解步驟，解決官方文檔模糊問題，新手也能按圖完成安裝。

一、前期準備：確認依賴與文件

CUDA & cuDNN 安裝

好消息，最新CUDA和cuDNN安裝，倆都可以用exe安裝包直裝了 CUDA12.6.3和cuDNN9.6.0 Windows系統 省事

是否需要預先安裝 CUDA Toolkit？——按使用場景分級推薦及進階說明

CUDA 與 cuDNN 免登錄下載政策詳解（基于官方權威信息）

NVIDIA CUDA 13.0 發布：新特性與快捷更新安裝全解析

CUDA 13.0 適配的 cuDNN 9.11 發布：網頁內容速覽

CUDA 深度神經網絡 （cuDNN） |NVIDIA 開發人員

安裝 CUDA 13 后 ONNX Runtime 報錯“Failed to create CUDAExecutionProvider” 的完整修復方案——附 CMD & PowerShell 一

1. 必裝依賴（版本必須匹配）

依賴項版本要求作用說明
NVIDIA 顯卡驅動支持 CUDA 13.0確保 GPU 能正常調用 CUDA 核心
CUDA Toolkit13.0（含 Update 1）TensorRT 運行的底層計算框架
cuDNN8.9.7（適配 CUDA 13.0）加速深度學習任務的 GPU 優化庫
Python（可選）3.8~3.13（推薦 3.10+）用于調用 TensorRT Python 接口

驗證 CUDA 是否安裝成功：打開?命令提示符（CMD），輸入?nvcc -V，若顯示 CUDA 13.0 版本信息，說明依賴正常（如圖1）。

圖1：CUDA 版本驗證

2. 下載 TensorRT 壓縮包

TensorRT 官方網站

TensorRT SDK |NVIDIA 開發人員

安裝 TensorRT — NVIDIA TensorRT 文檔

windows安裝tensorrt- 知乎

從 NVIDIA 官網下載?TensorRT-10.13.3.9.Windows.win10.cuda-13.0.zip（需登錄 NVIDIA 賬戶，如圖2），保存到電腦下載目錄（如?E:\Downloads\Compressed）。

圖2：TensorRT 下載頁面（登錄后才能選擇對應版本）

圖3：TensorRT 登錄頁面

圖4：TensorRT 登錄驗證界面（郵件鏈接驗證）

圖5：TensorRT 可用版本頁面（選中版本后跳轉后續界面）

圖6：TensorRT 下載前勾選許可協議界面（需勾選頁面中的小框）

圖7：TensorRT 下載 系統適配版本列表界面（找到 Zip Packages for Windows）
下載對應 CUDA 的版本

圖8：TensorRT-10.13.3.9.Windows.win10.cuda-13.0.zip 壓縮包下載中

下載的是 CUDA13.0 版的

二、第一步：解壓并移動到目標目錄

1. 解壓壓縮包

右鍵點擊下載的?TensorRT-10.13.3.9.Windows.win10.cuda-13.0.zip，選擇“全部解壓縮”，解壓路徑默認與壓縮包同目錄（如?E:\Downloads\Compressed）。
解壓后會出現?嵌套目錄：E:\Downloads\Compressed\TensorRT-10.13.3.9.Windows.win10.cuda-13.0\TensorRT-10.13.3.9（如圖3），核心文件（lib/include/python）都在最內層的?TensorRT-10.13.3.9?中。
圖9：解壓后的嵌套目錄結構

圖9：TensorRT-10.13.3.9.Windows.win10.cuda-13.0.zip?壓縮包解壓后的嵌套目錄結構

2. 手動移動到目標目錄

主要考慮到配置環境變量以及后期調用，為避免后續配置路徑過長，將最內層的?TensorRT-10.13.3.9?文件夾移動到?根目錄或簡單路徑（如 C:\TensorRT-10.13.3.9，如圖10）。

注意：目標路徑不要含中文/空格（如“ C 盤 或 D 盤”），否則后續可能出現“文件找不到”錯誤。
圖10：移動后的目標目錄（路徑簡潔）

圖11：TensorRT-10.13.3.9 文件夾解壓后的大小（約 1.7 GB）

查看占用空間大小以規劃目標空間

三、第二步：配置系統環境變量

環境變量的作用是讓 Windows 系統找到 TensorRT 的庫文件（.dll），必須配置正確，否則后續調用會報錯。

1. 打開環境變量設置

  • 右鍵點擊“此電腦”→ 選擇“屬性”→ 點擊“高級系統設置”（如圖12）→ 在彈出窗口中點擊“環境變量”。
  • 所需的變量除了按本筆記記述的條目外，可按實際項目需求，按需添加目錄進環境變量中。

    圖12：進入“高級系統設置”
    ?

2. 添加 TensorRT 路徑到 PATH

C:\TensorRT-10.13.3.9\lib

C:\TensorRT-10.13.3.9\bin
#? 其他的路徑后續可按開發需要靈活添加

  • 在“系統變量”中找到?Path，雙擊打開編輯窗口（如圖13）→ 點擊“新建”→ 粘貼 TensorRT 的?lib?目錄路徑（如 C:\TensorRT-10.13.3.9\lib）等→ 點擊“確定”保存（所有窗口都要點“確定”，否則配置不生效）。
    圖13：編輯 PATH 環境變量

    圖14：新建變量值

    圖15：添加?TensorRT-10.13.3.9 相關路徑

3. （可選）創建 TENSORRT_PATH 變量

為后續開發方便（如 Visual Studio 配置），可新增一個系統變量：

  • 在“系統變量”中點擊“新建”→ 變量名填?TENSORRT_PATH，變量值填 TensorRT 根目錄（如 C:\TensorRT-10.13.3.9，如圖16）→ 點擊“確定”。
    圖16：創建 TENSORRT_PATH 變量

四、第三步：安裝 Python 接口（可選，常用場景）

若需用 Python 調用 TensorRT（如 PyTorch/TensorFlow 模型推理），需安裝對應版本的 wheel 包。

1. 確認 Python 版本

打開 CMD，輸入?python --version，查看當前 Python 版本（如?Python 3.12.11，如圖17），后續需選擇對應?cp310?后綴的 wheel 文件。

圖17：查看 Python 版本

2. 進入 TensorRT 的 python 目錄

在需要配置 TensorRT 的虛擬環境中，激活環境終端（以?CMD 為例）后 ，通過?cd?命令切換到 TensorRT 的?python?文件夾（如?C:\TensorRT-10.13.3.9\python），輸入命令：

cd /d C:\TensorRT-10.13.3.9\python

或者復制 .whl 文件到項目文件夾內，從本地進行安裝。

注：“/d”參數?用于跨盤切換路徑（如從 C 盤切換到 E 盤），若路徑在同盤可省略。

也可以把?C:\TensorRT-10.13.3.9\python 文件夾備份在其他位置以節省 C 盤空間

圖18：確認安裝文件（3個版本可選，具體選擇建議請繼續往下看）

3. 安裝 wheel 包

根據 Python 版本選擇對應的 wheel 文件（如 Python 3.10 對應?tensorrt-10.13.3.9-cp310-none-win_amd64.whl），輸入安裝命令：

python -m pip install tensorrt-10.13.3.9-cp312-none-win_amd64.whl

若需安裝精簡版（lean）?或調度版（dispatch），替換命令為：

# 精簡版（僅核心推理功能，體積小）
python -m pip install tensorrt_lean-10.13.3.9-cp312-none-win_amd64.whl# 調度版（支持動態調度，適合多環境）
python -m pip install tensorrt_dispatch-10.13.3.9-cp312-none-win_amd64.whl

安裝成功后會顯示“Successfully installed…”（如圖19）。

圖19：Python 接口安裝成功

五、第四步：驗證安裝（關鍵步驟，確保可用）

1. 驗證 Python 接口

打開 CMD，輸入?python?進入 Python 交互環境，執行以下代碼：

import tensorrt as trt
# 1. 檢查版本（應輸出 10.13.3.9）
print("TensorRT 版本：", trt.__version__)
# 2. 驗證 CUDA 可用性（無報錯則正常）
logger = trt.Logger(trt.Logger.WARNING)
builder = trt.Builder(logger)
print("Builder 創建成功，CUDA 環境正常！")

若輸出如圖20所示，說明 Python 接口安裝成功。
圖20：Python 接口驗證成功

2. 驗證 C++ 庫（含 trtexec 工具）

trtexec?是 TensorRT 自帶的命令行工具，可快速驗證 C++ 庫是否生效，同時支持模型引擎構建、性能測試等功能。結合你的實際執行結果，需重點澄清 “FAILED?提示的本質”—— 它并非安裝失敗，而是工具在無模型時的默認反饋，以下補充最基礎的?--version?驗證命令，并梳理完整驗證流程：

（1）最基礎驗證：用?--version?確認版本讀取正常

這是最簡單的驗證命令，直接檢查?trtexec?是否能識別 TensorRT 版本：

  1. 執行命令：在激活虛擬環境的 CMD 中，輸入?trtexec.exe?的完整路徑（示例的安裝目錄為?C:\TensorRT-10.13.3.9）：

    驗證命令之一

    C:\TensorRT-10.13.3.9\bin\trtexec.exe --version

  2. 預期輸出與解讀：

    • 成功標志：開頭必然顯示?&&&& RUNNING TensorRT.trtexec [TensorRT v101303] [b9]，其中?v101303?對應你安裝的 TensorRT 10.13.3.9 版本，說明?trtexec?已成功加載 TensorRT 核心庫，能正常讀取版本信息；
    • 無需關注的 “FAILED”：末尾會出現?[E] Model missing or format not recognized?和?&&&& FAILED，這是工具的固有邏輯 —— 即使僅輸入?--version，它仍會默認檢查 “是否有模型需要處理”，因無模型可處理而標記 “流程失敗”，但核心的 “版本驗證” 已完成，與安裝是否成功無關。

    示例輸出（重點標注成功信息）：

    圖21：運行命令后的輸出界面

    圖22：運行命令后的輸出結束界面（應輸出：[TensorRT v101303]）

    &&&& RUNNING TensorRT.trtexec [TensorRT v101303] [b9] # C:\TensorRT-10.13.3.9\bin\trtexec.exe --version
[09/13/2025-15:04:45] [I] TF32 is enabled by default...  # 庫加載正常的附加提示
...（中間為工具幫助文檔，無需關注）...
[09/13/2025-15:04:45] [E] Model missing or format not recognized  # 無模型的流程提示，非錯誤
&&&& FAILED TensorRT.trtexec [TensorRT v101303] [b9]
（2）補充驗證：用?--device?確認 GPU 聯動正常

GPU 聯動驗證：--device=0 --skipInference --verbose?確認硬件關聯

若想進一步確認 TensorRT 與 GPU、CUDA 13.0 的聯動，可在?--version?基礎上增加?--device=0（指定第 1 塊 GPU），命令如下：

驗證命令之二

C:\TensorRT-10.13.3.9\bin\trtexec.exe --version --device=0

或者以下命令：

這條命令用于驗證 TensorRT 與 GPU、CUDA 的聯動是否正常，適合在?--version?基礎上進一步確認：

驗證命令之三

C:\TensorRT-10.13.3.9\bin\trtexec.exe --device=0 --skipInference --verbose

  • 參數作用：

    • --device=0：指定使用第 1 塊 GPU（若只有 1 塊，默認即為 0）；
    • --skipInference：跳過推理流程（減少無模型時的冗余檢查）；
    • --verbose：輸出詳細日志，包括 GPU 信息。

  • 成功標志：仍會先輸出?TensorRT v101303?版本信息，且無 “CUDA device not found”“GPU initialization failed” 等錯誤，說明 TensorRT 已能正常識別 GPU，底層依賴（CUDA、驅動）配置無誤。

    圖23：運行 命令之二 后的輸出結束界面（應輸出：[TensorRT v101303]）

????????圖24：運行 命令之三 后的輸出結束界面（應輸出：[TensorRT v101303]）

（3）功能驗證：用 “模型處理” 徹底確認工具可用（進階）

若有簡單的 ONNX 模型（如 MNIST 手寫數字識別模型?mnist.onnx），可通過?trtexec?構建推理引擎，這是驗證工具完整功能的最直接方式：

  1. 準備模型：將?mnist.onnx?保存到?C:\models?目錄（無模型可從?ONNX Model Zoo?下載）；
  2. 執行命令： 

    C:\TensorRT-10.13.3.9\bin\trtexec.exe --onnx=C:\models\mnist.onnx --saveEngine=C:\models\mnist.engine

  3. 預期結果：
    • 命令執行過程中無 “庫缺失”“CUDA 錯誤” 等提示；
    • 最終在?C:\models?目錄生成?mnist.engine（TensorRT 推理引擎文件）；
    • 輸出末尾顯示?&&&& PASSED，示例如下： 

      [09/13/2025-16:35:00] [I] Engine saved to C:\models\mnist.engine
&&&& PASSED TensorRT.trtexec [TensorRT v101303] [b9]

  • 解讀：能成功處理模型并生成引擎，說明?trtexec?工具功能完整，TensorRT C++ 庫安裝完全正常。
總結：trtexec 驗證的核心判斷標準

無需糾結末尾是否有?FAILED，只要滿足以下任一條件，即說明 TensorRT C++ 庫安裝成功：

  1. 執行?C:\TensorRT-10.13.3.9\bin\trtexec.exe --version?能輸出?TensorRT v101303?版本信息；
  2. 執行?--version --device=0?無 GPU 相關錯誤；
  3. 能通過?trtexec?處理 ONNX 模型并生成?*.engine?文件，且末尾顯示?&&&& PASSED。

當執行前 三?條帶?--version?的命令無其他報錯輸出，或只執行其中 1 條，都基本足以證明 C++ 庫加載正常，后續可放心基于 TensorRT 開發～

3. 運行 C++ 示例程序（進階驗證）

驗證windows安裝tensorrt - 知乎

#? 示例程序所在目錄

C:\TensorRT-10.13.3.9\samples\sampleOnnxMNIST

通過 TensorRT 自帶的?sampleOnnxMNIST?示例，驗證 C++ 開發環境：

  1. 進入示例目錄：C:\TensorRT-10.13.3.9\samples\sampleOnnxMNIST，找到?sampleOnnxMNIST.sln（Visual Studio 解決方案文件），用 Visual Studio 2022 打開（如圖25）。
    圖25：打開示例程序解決方案（Visual Studio）

    圖26：點擊“打開本地文件夾”選項?

    圖27：進入選擇窗口，選擇目錄 C:\TensorRT-10.13.3.9

    圖28：Visual Studio 檢測到 CMakeLists.txt 詢問是否啟用 CMake 支持彈窗（可選啟用 CMake 集成）

  2. 導航到可編譯文件：在 Visual Studio 右側文件夾視圖選擇“sample_onnx_mnist.sln”（如圖29），右鍵點擊?→ 選擇“重新生成”。

    圖29：Visual Studio 中 TensorRT-10.13.3.9 目錄結構（含示例項目）

    圖30：選擇“sample_onnx_mnist.sln”，右鍵點擊?→ 選擇“重新生成”。

    圖31：在 Visual Studio 左下角窗口查看生成進度。

    圖32：生成進度：重新生成：1成功，0失敗，0更新，0跳過。

  3. 運行示例：編譯成功后，進入輸出目錄（如 C:\TensorRT-10.13.3.9\samples\sampleOnnxMNIST\x64\Release），雙擊?sampleOnnxMNIST.exe，若輸出“&&& PASSED”（如圖33），說明 C++ 環境完全正常。

    圖33：進入目錄運行示例程序

    圖34：示例程序運行成功

六、常見問題解決（實操避坑）

問題現象原因分析解決方法
運行?trtexec?提示“找不到文件”環境變量 PATH 未配置，或配置后未重啟 CMD1. 重新檢查 PATH 中是否有 C:\TensorRT-10.13.3.9\lib；
2. 關閉所有 CMD，重新打開 IDE 重試
Python 導入 tensorrt 提示“DLL 缺失”Python 版本與 wheel 包不匹配確認 wheel 包后綴（如?cp310?對應 Python 3.10），重新下載安裝匹配版本
示例程序編譯報錯“無法打開 include 文件”Visual Studio 未配置 TensorRT 路徑參考本文“附錄：Visual Studio 手動配置”，添加 include 和 lib 路徑

附錄：FaceFusion 配置 TensorRT 加速

本附錄聚焦 FaceFusion 跨 CUDA 版本啟用 TensorRT 加速的核心配置（含路徑配置、環境變量設置），確保 TensorRT 庫能被正確識別并穩定生效，適配項目推理加速需求。

（一）核心配置：TensorRT 路徑與環境變量（確保加速生效）

FaceFusion 需明確 TensorRT 核心庫的路徑才能加載其執行器（系統 CUDA13.0，虛擬環境 CUDA 12.8），跨版本配置避免出現「找不到 TensorRT DLL 文件」等錯誤。

以下提供兩種配置方式，可根據使用習慣任選其一。

1. 方式 1：通過 FaceFusion 項目配置文件（facefusion.ini）設置

適用于希望配置跟隨項目目錄，換環境后無需重新調整路徑的場景（推薦團隊協作或多環境切換時使用）。

步驟 1：確認 TensorRT 庫文件路徑

若通過虛擬環境的?.whl?包安裝 TensorRT（如?pip install tensorrt-10.0.0-cp312-none-win_amd64.whl），核心庫文件默認存儲在虛擬環境的?site-packages?目錄下，常見路徑有兩種（取決于 TensorRT 版本命名）：

  • 路徑 1（主流版本）：
    F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib
  • 路徑 2（部分版本命名差異）：
    F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt_cu12_libs\lib

驗證路徑有效性：打開上述路徑，確認存在?nvinfer.dll、nvinfer_plugin.dll、nvonnxparser.dll?這三個 TensorRT 核心庫文件（缺一不可）。

步驟 2：修改 / 新建 facefusion.ini
  1. 在 FaceFusion 項目根目錄（F:\PythonProjects\facefusion）找到?facefusion.ini?文件；若不存在，直接新建一個文本文件并命名為?facefusion.ini。
  2. 在文件末尾添加以下配置，將?TENSORRT_PATH?替換為你實際的 TensorRT 庫路徑：

    ini

    [path]
# TensorRT 核心庫路徑（支持相對路徑，基于項目根目錄；也可寫絕對路徑，更穩妥）
TENSORRT_PATH = .venv\Lib\site-packages\tensorrt_cu12_libs\lib
    ?
    • 示例（絕對路徑寫法）：
      TENSORRT_PATH = F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib
    • 示例（相對路徑寫法）：
      TENSORRT_PATH = .venv\Lib\site-packages\tensorrt\lib
配置作用

該配置會直接告訴 FaceFusion 「去哪里加載 TensorRT 庫」，無需依賴系統全局環境變量，避免因路徑未暴露導致的加載失敗。

圖35：配置?facefusion.ini 文件

2. 方式 2：通過虛擬環境激活腳本設置（全局生效，推薦單人使用）

適用于個人開發場景，激活虛擬環境后自動配置 TensorRT 路徑，無需每次修改項目配置文件。

原理

虛擬環境的?activate?腳本（activate.bat?或?activate.ps1）會在激活環境時自動執行。在腳本中添加 TensorRT 路徑到系統?PATH，可確保每次激活環境后，系統都能找到 TensorRT 核心庫。

（1）CMD 終端：編輯 activate.bat
  1. 導航到虛擬環境的?Scripts?目錄（存放激活腳本的位置）： 

    cd F:\PythonProjects\facefusion\.venv\Scripts
  2. 用記事本打開?activate.bat，在文件末尾添加以下內容（替換為你的 TensorRT 庫路徑）： 

    :: -------------------------- TensorRT 環境配置 --------------------------
:: 將 TensorRT 核心庫路徑添加到系統 PATH，確保 FaceFusion 能加載庫文件
set "PATH=F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib;%PATH%"
:: （可選）激活時打印提示，確認配置生效
echo [INFO] TensorRT 庫路徑已添加至系統 PATH：F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib
（2）PowerShell 終端：編輯 activate.ps1

若習慣用 PowerShell 操作，需修改對應的激活腳本：

  1. 同樣導航到虛擬環境?Scripts?目錄，用記事本打開?activate.ps1。
  2. 在文件末尾添加以下內容： 

    # -------------------------- TensorRT 環境配置 --------------------------
# 定義 TensorRT 核心庫路徑
$tensorrtLibPath = "F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib"
# 將路徑添加到系統 PATH
$env:PATH = "$tensorrtLibPath;$env:PATH"
# （可選）綠色提示配置生效，便于確認
Write-Host "[INFO] TensorRT 庫路徑已添加至系統 PATH：$tensorrtLibPath" -ForegroundColor Green
驗證配置是否生效

激活虛擬環境后，通過以下命令驗證路徑是否已添加：

  • CMD 終端：執行?echo %PATH%，查看輸出內容中是否包含你的 TensorRT 庫路徑；
  • PowerShell 終端：執行?$env:PATH -split ';' | Find-String "tensorrt"，若輸出 TensorRT 路徑，說明配置成功。

（二）臨時環境變量設置（應急測試場景）

若僅需臨時測試 TensorRT 加速（如切換不同版本的 TensorRT 驗證兼容性），無需修改配置文件，可在激活虛擬環境后，直接在終端中設置臨時路徑（關閉終端后失效，不影響現有配置）。

1. CMD 終端臨時設置

# 將 TensorRT 庫路徑臨時添加到 PATH
set "PATH=F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib;%PATH%"
# （可選）驗證臨時配置
echo [臨時配置] TensorRT 路徑已添加：F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib

2. PowerShell 終端臨時設置

# 臨時添加 TensorRT 路徑
$env:PATH = "F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib;$env:PATH"
# （可選）驗證臨時配置
Write-Host "[臨時配置] TensorRT 路徑已添加：F:\PythonProjects\facefusion\.venv\Lib\site-packages\tensorrt\lib" -ForegroundColor Cyan

（三）常見問題與排查方案

問題現象可能原因排查 / 解決步驟
啟動 FaceFusion 提示「找不到 nvinfer.dll」TensorRT 路徑配置錯誤，或路徑中無核心庫1. 確認?TENSORRT_PATH?指向的目錄存在?nvinfer.dll?等核心庫；
2. 若用方式 2，檢查激活腳本中路徑是否拼寫正確。
TensorRT 執行器未加載（日志無 TensorrtExecutionProvider）路徑未生效，或 TensorRT 版本與 CUDA 不匹配1. 重新激活虛擬環境（確保腳本配置生效）；
2. 確認 TensorRT 版本與 CUDA 匹配（如 CUDA 12.8 對應 TensorRT 10.0+）。
配置后仍提示「TensorRT 初始化失敗」庫文件損壞或權限不足1. 重新安裝 TensorRT?.whl?包（避免下載中斷導致的文件損壞）；
2. 以「管理員身份」啟動終端，再激活虛擬環境。

（四）配置方式對比與推薦

配置方式優點缺點推薦場景
facefusion.ini 項目配置跟隨項目，多環境切換無需改路徑換項目需重新配置團隊協作、多項目開發
虛擬環境激活腳本配置激活即生效，全局可用，無需改項目文件換虛擬環境需重新配置個人開發、單項目長期使用
終端臨時設置靈活，不影響現有配置關閉終端失效，需重復設置版本測試、臨時驗證

優先推薦：個人開發用「虛擬環境激活腳本配置」，一次配置永久生效；團隊協作或多項目場景用「facefusion.ini 配置」，確保所有人路徑統一。

通過以上配置，可確保 FaceFusion 正確加載 TensorRT 核心庫，順利啟用推理加速，提升任務融合、幀增強等任務的處理速度。

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/pingmian/96484.shtml
繁體地址，請注明出處：http://hk.pswp.cn/pingmian/96484.shtml
英文地址，請注明出處：http://en.pswp.cn/pingmian/96484.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

如何關閉電腦安全和防護

如何關閉電腦安全和防護

了解你希望關閉電腦的安全和防護功能。??請務必注意，關閉這些防護會使電腦暴露在安全風險中，僅建議在必要時（如安裝受信任但被誤攔的軟件、進行網絡調試）臨時操作，完成后請立即重新開啟。 下面是一個快速操作指南表格…
閱讀更多...
C# Entity Framework Core 的 CRUD 操作與關聯查詢實戰示例

C# Entity Framework Core 的 CRUD 操作與關聯查詢實戰示例

以下是基于 Entity Framework Core 的 CRUD 操作與關聯查詢實戰示例，以 用戶（User） 和 訂單（Order） 實體為例（一對多關系），包含完整代碼和操作說明。一、基礎準備1. 實體類定義&…
閱讀更多...
UniApp狀態管理深度重構指南

UniApp狀態管理深度重構指南

作為專業智能創作助手，我將幫助你逐步理解并實現UniApp狀態管理的深度重構。UniApp基于Vue.js框架，其狀態管理通常使用Vuex，但隨著應用規模擴大，狀態管理可能變得臃腫、難以維護。深度重構旨在優化性能、提升可維護性，…
閱讀更多...
時序數據庫：定義與基本特點

時序數據庫：定義與基本特點

在當今的物聯網（IoT）、 DevOps監控、金融科技和工業4.0時代，我們每時每刻都在產生海量的與時間緊密相關的數據。服務器CPU指標、智能電表讀數、車輛GPS軌跡、股票交易記錄……這些數據都有一個共同的核心特征：時間是它們不可分割的…
閱讀更多...
linux系統安裝wps

linux系統安裝wps

在Linux系統上通過deb包安裝WPS Office是個不錯的選擇。下面是一個主要步驟的概覽，我會詳細介紹每一步以及可能遇到的問題和解決方法。步驟概覽關鍵操作說明/注意事項1. 下載DEB包訪問WPS官網下載需選擇與系統架構匹配的版本（通常是AMD64）2. …
閱讀更多...
git常見沖突場景及解決辦法

git常見沖突場景及解決辦法

場景1.假設一開始 本地拉取了遠程最新的代碼 就是說本地和遠程此時一樣 然后本地寫了一個新需求git commit了 但是沒有提交到遠程倉庫 然后另外一個地方提交了某個功能的新代碼 到遠程 此時本地和遠程的代碼不一樣了 而且本地有已經 commit的 這時候 這個本地想同步遠程的最新代…
閱讀更多...
Flink面試題及詳細答案100道（41-60）- 狀態管理與容錯

Flink面試題及詳細答案100道（41-60）- 狀態管理與容錯

《前后端面試題》專欄集合了前后端各個知識模塊的面試題，包括html，javascript，css，vue，react，java，Openlayers，leaflet，cesium，mapboxGL，threejs&…
閱讀更多...
【二開】CRMEB開源版按鈕權限控制

【二開】CRMEB開源版按鈕權限控制

【二開】CRMEB開源版按鈕權限控制使用方法v-unique_auth"order-refund"<el-dropdown-itemv-unique_auth"order-refund">立即退款</el-dropdown-item >或者 滿足其中一個即可v-unique_auth"[order-delete,order-dels]"通過管理端權限…
閱讀更多...
AOSP源碼下載及編譯錯誤解決

AOSP源碼下載及編譯錯誤解決

源碼下載 軟件下載sudo apt-get updatesudo apt-get install gitsudo apt-get install curlsudo apt-get install adbsudo apt-get install reposudo apt-get install vimsudo apt-get install -y git devscripts equivs config-package-dev debhelper-compat golang curl配置g…
閱讀更多...
實驗-高級acl（簡單）

實驗-高級acl（簡單）

實驗-高級acl&#xff08;簡單&#xff09;預習一、實驗設備二、拓撲圖三、配置3.1、網絡互通3.2、配置ACL3.3、取消配置步驟1&#xff1a;先移除接口上的ACL應用步驟2&#xff1a;修改或刪除ACL中的錯誤規則方法A&#xff1a;直接刪除錯誤規則&#xff08;保留其他正確規則&am…
閱讀更多...
IoC / DI 實操

IoC / DI 實操

1. 建三層類包結構&#xff1a;com.lib ├─ config ├─ controller ├─ service ├─ repository ├─ model └─ annotation // 自定義限定符① 實體 Bookpackage com.lib.model; public class Book {private Integer id;private String title;// 全參構造 gette…
閱讀更多...
AdsPower RPA 從excel中依次讀取多個TikTok賬號對多個TikTok賬號目標發送信息

AdsPower RPA 從excel中依次讀取多個TikTok賬號對多個TikTok賬號目標發送信息

多個賬號對多個目標發送子場景 B&#xff1a;多個賬號向“不同的”目標循環發送&#xff08;最復雜的群發邏輯&#xff09;流程&#xff1a;Excel表中有一個“目標用戶”列表。RPA流程會進行嵌套循環&#xff1a;外層循環&#xff1a;遍歷Excel中的每一行數據&#xff08;即每一…
閱讀更多...
擴散模型進化史

擴散模型進化史

一幅精美的圖片&#xff0c;一段精彩的視頻&#xff0c;可能始于一片純粹的噪聲。 2024年的計算機視覺頂會CVPR上&#xff0c;擴散模型成為絕對主角。從圖像生成到視頻理解&#xff0c;從超分辨率到3D建模&#xff0c;擴散模型正以驚人的速度重塑著AIGC&#xff08;AI生成內容&…
閱讀更多...
一次 Linux 高負載 (Load) 異常問題排查實錄

一次 Linux 高負載 (Load) 異常問題排查實錄

一次 Linux 高負載&#xff08;Load&#xff09;異常排查實錄一、背景及排查過程材料二、排查分析2.1Load 的真正含義2.2&#xff1a;確認異常進程2.3&#xff1a;線程卡在哪&#xff08;wchan&#xff09;2.4&#xff1a;perf 采樣&#xff08;用戶態/內核態熱點&#xff09;2…
閱讀更多...
淺析Linux進程信號處理機制：基本原理及應用

淺析Linux進程信號處理機制：基本原理及應用

文章目錄概述信號類型可靠信號與不可靠信號Fatal信號與Non Fatal信號不可捕獲/忽略信號信號工作機制信號處理方式信號嵌套處理信號使用信號發送kill命令注冊信號處理函數信號安全與函數可重入性可重入函數線程安全與可重入性相關參考概述 Linux信號機制是進程間通信的一種方式…
閱讀更多...
【學習K230-例程19】GT6700-TCP-Client

【學習K230-例程19】GT6700-TCP-Client

B站視頻 TCP TCP/IP&#xff08;Transmission Control Protocol/Internet Protocol&#xff0c;傳輸控制協議/網際協議&#xff09;是指能夠在多個不同網絡間實現信息傳輸的協議簇。TCP/IP 協議不僅僅指的是 TCP和 IP 兩個協議&#xff0c;而是指一個由 FTP、SMTP、TCP、UDP、I…
閱讀更多...
o2oa待辦流程和已辦流程表

o2oa待辦流程和已辦流程表

在o2oa系統中每個用戶有兩種唯一標識&#xff1a;第一種是姓名個人釘釘ID&#xff08;或者o2oa創建該用戶時設置的id&#xff09;ORG_PERSON.xdistinguishedName劉準3013692136672430P第二種是姓名所在部門的釘釘id個人釘釘idORG_IDENTITY.xdistinguishedName劉準966488616_301…
閱讀更多...
QT零基礎入門教程

QT零基礎入門教程

基礎篇第一章 QT 基礎認知1.1 什么是 QT&#xff08;What&#xff09;?定義&#xff1a;跨平臺 C 應用開發框架&#xff0c;不僅用于 UI 設計&#xff0c;還包含核心功能&#xff08;如事件、網絡、數據庫&#xff09;。?核心特性&#xff1a;?跨平臺&#xff1a;一套代碼支…
閱讀更多...
遠程依賴管理新范式：cpolar賦能Nexus全球協作

遠程依賴管理新范式：cpolar賦能Nexus全球協作

文章目錄 前言一. Docker安裝Nexus二. 本地訪問Nexus三. Linux安裝Cpolar四. 配置Nexus界面公網地址五. 遠程訪問 Nexus界面六. 固定Nexus公網地址七. 固定地址訪問Nexus 前言 Nexus作為一款企業級倉庫管理工具&#xff0c;其核心功能在于集中管理各類軟件依賴&#xff0c;提供…
閱讀更多...
Prompt技術深度解析：從基礎原理到前沿應用的全面指南

Prompt技術深度解析：從基礎原理到前沿應用的全面指南

引言 在人工智能技術飛速發展的今天&#xff0c;Prompt技術&#xff08;提示詞工程&#xff09;已成為連接人類智慧與機器智能的重要橋梁。隨著GPT-4、Claude、Gemini等大型語言模型的廣泛應用&#xff0c;如何有效地與這些AI系統進行交互&#xff0c;已成為決定AI應用成功與否…
閱讀更多...
最新文章

Copyright @ 2022~2023