服务端2月17日 23:37
Electron IPC 通信实战：send、invoke 和 contextBridge 用法对比Electron 的主进程和渲染进程跑在不同的环境里——一个有 Node.js 权限，一个只有浏览器能力。它们要协作，就得靠 IPC（进程间通信）。理解 IPC 的几种通信模式和它们的取舍，是写好 Electron 应用的基本功。
## IPC 通信的三种模式
### 1. send/on —— 单向通知，不等回复
渲染进程向主进程"喊一声"，不等回应：
```javascript
// 渲染进程
const { ipcRenderer } = require('electron')
ipcRenderer.send('log:message', { level: 'info',...
乐闻
服务端2月18日 11:03
TensorFlow Callbacks 实战：5 个必备回调 + 自定义回调写法回调函数是 TensorFlow 训练过程中最灵活的钩子——它让你在不修改训练循环代码的情况下，介入训练的每个阶段：每个 epoch 开始前、每个 batch 结束后、训练结束时……几乎所有"想在训练过程中做点什么"的需求，都可以用回调实现。
## 最常用的 5 个内置回调
不用全记住，先把这 5 个用熟：
### 1. EarlyStopping —— 训练自动刹车
```python
from tensorflow.keras.callbacks import EarlyStopping
early_stop = EarlyStopping(
monitor="va...服务端2月18日 11:04
TensorFlow 优化器怎么选？Adam vs SGD 实战对比和选择指南优化器决定了模型参数更新的方向和步长——选错了，再好的模型架构也训不出好结果。TensorFlow 提供了十几种优化器，但 90% 的场景你只需要在 Adam 和 SGD 之间做选择。这篇文章不罗列 API，而是讲清楚每个优化器的原理差异、什么时候用哪个、以及一些实战中容易踩的坑。
## 先搞懂优化器在做什么
优化器的核心工作就一件事：根据梯度更新参数。区别在于"怎么用梯度"——
- **SGD**：梯度指向哪，就往那走一步，步长固定
- **Adam**：记住历史梯度的方向和大小，自适应调整步长
- **其他优化器**：在这两个思路之间做各种变体
理解了这个本质，选优化器就不是...服务端2月18日 11:06
TensorFlow 模型过拟合怎么破？7 种正则化技术实战对比训练集准确率 99%，测试集只有 70%——这就是过拟合。模型把训练数据"背"下来了，遇到新数据就懵。TensorFlow 提供了一堆正则化工具，但问题不是没有工具，而是不知道什么时候用哪个、哪些能组合、哪些会冲突。
## 先判断是不是真的过拟合
别急着加正则化——先确认问题确实出在过拟合上：
- **训练 Loss 持续下降，验证 Loss 开始上升**：典型的过拟合信号
- **训练和验证的差距持续增大**：模型在训练集上越来越"专精"，泛化越来越差
- **训练集远小于模型容量**：1 万条数据训练 100 万参数的模型，不过拟合才奇怪
如果训练和验证都在高位下不去，那是欠...服务端2月18日 11:09
TensorFlow 张量操作效率指南：避开这些坑，训练速度翻倍张量操作写起来简单，但写对和写快是两回事。很多 TensorFlow 新手习惯用 Python 循环逐个处理数据，结果训练速度慢得离谱——原因往往不是模型复杂，而是张量操作没写对。这篇文章不讲 API 速查，讲的是怎么写出让 GPU 跑满的张量代码。
## 创建张量：选对方式省内存
### 基础创建
```python
import tensorflow as tf
# 从列表创建
a = tf.constant([1, 2, 3])
# 指定数据类型——省内存从创建开始
b = tf.constant([1, 2, 3], dtype=tf.float16) # 比 flo...服务端2月18日 11:12
TensorFlow 损失函数怎么选？一张决策图搞定回归、分类和不平衡数据损失函数决定了模型往哪个方向优化——选错了，训练再久也是白费。TensorFlow 内置了十几种损失函数，加上自定义能力，选择面很广，但真正常用且需要搞清楚的也就那么几类。
## 先搞清楚你的任务类型
选损失函数的第一步不是看哪个函数厉害，而是明确你的任务：
- **回归**（预测连续值，比如房价、温度）→ MSE / MAE / Huber
- **二分类**（是或否，比如垃圾邮件检测）→ Binary Crossentropy
- **多分类**（多个互斥类别，比如手写数字识别）→ Categorical / Sparse Categorical Crossentropy
- ...服务端2月17日 18:25
Next.js测试策略：服务端组件、API路由、Server Actions和E2ENext.js 应用的测试比纯 React 复杂——它有服务端组件、客户端组件、API 路由、Server Actions、还有 SSR/SSG 渲染模式。照搬 React 的测试方法会踩很多坑。这篇文章按组件类型分类，把每类该测什么、用什么工具、怎么 Mock 讲清楚。
## 测试工具选择
| 工具 | 用途 | 替代方案 |
|------|------|----------|
| Jest + React Testing Library | 组件单元测试 | Vitest（更快，配置类似） |
| MSW (Mock Service Worker) | Mock API 请求 ...服务端2月17日 18:52
TypeORM事务基础：三种写法、常见陷阱和NestJS集成数据库事务保证一组操作要么全部成功、要么全部回滚——转账是最经典的例子：A 扣 100 元和 B 加 100 元必须在同一个事务里，不能只执行一半。TypeORM 提供三种写事务的方式，这篇文章把每种的使用场景和容易踩的坑讲清楚。
## 为什么需要事务
不用事务会怎样：
```typescript
// ❌ 没有事务保护
async function transfer(fromId: number, toId: number, amount: number) {
const from = await userRepo.findOne({ where: { id: fromId ...服务端2月17日 18:52
TypeORM迁移完整指南：自动生成、数据迁移和生产部署策略`synchronize: true` 在开发时很方便——改实体自动同步表结构。但生产环境这么做会丢数据：删字段时直接 DROP COLUMN，重命名字段被当作"删旧的加新的"。迁移（Migration）是生产环境管理数据库结构变更的唯一正确方式。这篇文章把迁移的完整流程和常见坑都讲清楚。
## 迁移的工作原理
迁移就是一个类，有 `up()` 和 `down()` 两个方法——`up()` 执行变更，`down()` 回滚变更。TypeORM 按顺序执行迁移文件，并在数据库里记录哪些已经跑过。
```
数据表 _migration:
┌──────────────────────...服务端2月17日 18:52
TypeORM N+1查询：relations、leftJoinAndSelect和DataLoader方案对比N+1 查询是 ORM 里最经典的性能坑：查 100 个用户，再查 100 次每个用户的文章——1 次主查询 + N 次关联查询 = N+1 次数据库往返。TypeORM 默认不加载关联数据，所以 N+1 不是 bug 而是默认行为——你得主动告诉 TypeORM 你要哪些关联数据。这篇文章讲清楚 N+1 怎么产生的、怎么解决、以及各种方案的取舍。
## N+1 是怎么产生的
```typescript
// 查 100 个用户：1 次 SQL
const users = await userRepository.find();
// 每个用户查文章：100 次 SQL
for (...