照片Exif信息分析统计 照片 Exif 信息分析统计由py语言改成C#体积小几倍,性能提升28000张图片,约45秒分析完成具体看CPU以及SSD性能https://abpyu.lanzoul.com/iGugl4663n4h密码:ezwy如果不能运行，请安装 .NET 8 Desktop Runtime：https://builds.dotnet.microsoft.com/dotnet/WindowsDesktop/8.0.30/windowsdesktop-runtime-8.0.30-win-x64.exe核心功能与特性自动化流程：分析完毕会自动退出软件，并自动打开报告（报告位于桌面，名称为照片文件夹名称）。性能表现：28,000 张照片仅需 54 秒即可统计出报告。速度与磁盘速度及 CPU 性能相关。算法优化：强化了等效焦段归一分析算法；线程数根据 CPU 实际线程调度，显著提升分析效率。更新日志图表与视觉优化更新并优化 8 处图表细节。更新增加亮色系皮肤。更新分析报告细节优化。数据统计维度新增：城市统计、画幅统计、GPS 轨迹地图。调整：将 GPS 统计更换为镜头统计。修复：解决部分镜头型号未合并及显示错误的问题。GPS 功能增强增加 GPS 信息开关（若 GPS 信息少于 10% 则默认关闭）。智能控件：如果检测不到 GPS 信息，则自动隐藏相关控件。演示与下载这应该是目前为止最好看的照片 Exif 信息分析统计软件，不接受反驳！样本数据以下文件是我自己拍摄的照片（跨度约 6 年），可用于查看具体分析报告：https://abpyu.lanzoul.com/iiFSc3yml0ub报告效果展示下图经过压缩，输出的报告为单页面可交互动态 HTML 文件，地图支持无极缩放：有什么建议可以直接留言。使用心得关于使用场景，每个人对场景的理解不同。就像一把菜刀，在厨师手里能雕花，在我手里只能劈柴。所以，不用纠结，如果你想不到这个软件有什么用，那说明你不需要这个软件。

GA1000系列 数字存储示波器 终于有一台示波器了，其实早就想买一个的。其实根本用不上，甚至于完全不会用，百分百属于那种差生文具多。公司计划年底搬迁，整理物品时，发现印度同事之前遗留的工具。印度朋友前些年回家了，发邮件问我要不要，这不是巧了，我就全都收下了。说明书难找找了几天中文说明书，甚至尝试了AI翻译英文版。但是南京的代理商已经倒闭，型号太老，原厂也不再维护这个机型，中文说明书更是难找。总算找到了，还找的了上位机软件，但是软件看起来比较老，可能不兼容现在的系统。存一分放在网盘备份：https://abpyu.lanzoul.com/iqHER45ua4va探头校准情况其中一只探头无法完成校准。另一只可以正常方波校准，估计自己也用不上双通道工况，就先不买配件了。后面重新测试了下,x1档可以校准,x10档无法校准,可能是表笔里面的电路有故障了

谷歌数据工程师不优化 SQL 很久之前，看过一篇文章。当时没有做笔记。之后找了好几次都没找到。刚刚问了 AI，让它帮我找到了。分享给大家。来自 2022 年的第 8 期。谷歌数据工程师不优化 SQL我是谷歌公司的一个外部供应商。合作过程中，我看到一些谷歌工程师写的 SQL 语句效率很低。这些语句每 10 分钟对数据库生成一个快照，要浪费好几 TB 的空间。谷歌为什么不优化这些语句呢？后来，我想明白了这是为什么。首先，很多现代数据库具有实时优化功能，会自己优化 SQL 语句，不需要在这方面投入人力。其次，根据公开数据，2022年 数据工程师的平均年薪为 11.25万美元，谷歌工程师的收入显然更高。因此，谷歌认为，工程师的时间最好花在创造业务价值上，而不是用来优化 SQL 查询，这种事情应该留给数据引擎的开发人员和云计算。第三，存储几乎是免费的，而且每天都变得更便宜。现在谷歌 GCP 云平台上每年存储 1TB 数据的成本约为 20 美元。如果每 15 分钟对一个包含大约 300 万条记录的小表生成快照，那么每年生成的数据大约就是 1TB。一个美国数据工程师的每小时工资平均为 54美元，让他在优化查询、编写合并语句、创建单独的管道、提交代码、对其进行审查、长期维护上工作一个小时的时间，就大致相当于数据存储两年的成本。实际上，我的估计是，工程师对这个项目的 SQL 查询进行优化，可能需要花费 8小时（一天的工作时间），那就大约是 16年 的存储成本。由于存储成本如此之低，而且越来越低，工程师的时间用于快速行动和创造业务价值，远比浪费在编写精巧的 SQL 语句上更有价值。本文转载https://github.com/ruanyf/weekly/blob/master/docs/issue-230.md以前我把这篇文章发给一个朋友看了，还讨论了这方面的问题。我们得出的结论是，不光大公司不优化，小公司也是一样的。原因很简单，小公司请不起专门做 SQL 优化的工程师。如果自己动手的话，造成业务中断，也是非常不划算的。再者，一般公司的服务器三五年会升级换代。硬件性能是旧款的好几倍，直接用硬件性能弥补了 SQL 的软件性能。而这种花销收益远比请一个专门优化 SQL 的工程师划算。当然，今时不同往日。在现下这种存储涨价好几倍的情况下。我们又该怎么看待这个问题呢？

中午偶遇一位多年不见的同事 午间重逢中午偶遇一位多年不见的同事，来自台湾。再见时，她比离开前成熟了许多。想起以前一起逛宜家的时候，话还不多；聊起现在的工作，已能侃侃而谈了。算起来，一晃已有七八年了吧。她目前就职于台湾的一家卡片公司，很高级的卡片。带了很多样品，我也拍了几张。传感器卡片例如下面这个，两个矩形块实际是传感器。打开卡片电源，双手捏在两个电极上，手机通过蓝牙通讯接收心脏心率信号。磁极卡片还有下面这个，信用卡，里面也有电池，还有磁极芯片。打开电源后，会显示磁极方向。卡片里面都有电路，有电池。还看了一些没有封装的卡片，里面电池非常薄。在我问到怎么充电时，她说电池能用五年。蓝牙低功耗果然不是吹的。旧物感慨刚好，中午也收到了阿木转赠的工具，其中有个 U 盘，里面是之前给他们拍的一些照片。翻看之间，感慨良多。有些朋友，也好些年没见面了虽然微信联系不上了（国外被禁用了），只有邮件往来但是心里依然保存着那份美好希望大家都好吧，在这充满巨大不确定性的世界里。

令人羡慕的小巷人家 这几天总算把这部剧看完了,其实下载到电脑一年多了主要是太长了40集,一直不喜欢看长剧各演员演技在线各演员演技在线,奔着闫妮看的摄影剪辑什么的,都还在线石井烟火气息十足剧情人物真实感描写的非常好都非常符合那个时代的情景真是羡慕庄家林家这两家子正午阳光出品的年代家庭温情剧，张开宙导演，改编自同名小说，豆瓣 8.4 分，2024 年播出故事背景故事背景：70 年代末‑90 年代，苏州棉纺厂家属小巷，庄家、林家两户邻居的几十年生活，横跨恢复高考、改革开放时代浪潮。主要家庭庄家：庄超英（郭晓东）教师，性格愚孝，总补贴原生家庭；妻子黄玲（闫妮）纺织女工，隐忍顾家。一双儿女：哥哥庄图南（范丞丞），妹妹庄筱婷（关晓彤）。林家：工程师林武峰（李光洁）、厂花宋莹（蒋欣），夫妻互相扶持，家庭氛围通透。儿子林栋哲（王安宇），和庄筱婷青梅竹马，相爱相守。剧情梗概两家人隔墙而居，既是邻居也是挚友。高考改变年轻人命运，时代浪潮之下有人南下闯荡、有人苦读求学。庄家常年被原生家庭拖累，家庭矛盾不断；林家夫妻清醒护着自己小家。庄筱婷与林栋哲从小到大相互陪伴，历经异地、现实阻碍走到一起；庄图南也在成长中收获感情。同时也刻画黄玲、宋莹两位女性几十年的闺蜜情谊、婚姻困境与自我成长。剧集看点烟火气十足，没有狗血撕逼，侧重普通人的亲情、婚姻、邻里、时代变迁，人物很真实，有现实的一地鸡毛，也有温暖治愈的底色

照相胶片、PCB 菲林、医用 X 光菲林有什么区别? 照相胶片、PCB 菲林、医用 X 光菲林有什么区别?菲林 = Film 的音译，三者本质都属于银盐感光胶片，PET 聚酯片基 + 卤化银感光乳剂，但用途、感光特性、结构、成像目标完全不一样。总览对比表项目传统照相胶片（胶卷 / 底片）PCB 工厂光绘菲林医用 X 光胶片用途记录景物光影，得到照片负片PCB 光刻掩模，把线路图形转移到干膜记录 X 射线穿透人体后的影像，医生阅片诊断感光对象可见光全光谱（红橙黄绿蓝紫），全色感光抖音百科特定激光波长（红光 / 近红外），对普通可见光迟钝，可在红色安全灯操作几乎不直接感 X 射线；靠增感屏发出的蓝 / 紫可见光曝光胶片乳剂涂覆单面；彩色胶卷 3 层分色乳剂；黑白单层银盐单面乳剂；另一面是透明 PET 基底；乳剂对比度极高、颗粒极细绝大多数双面涂乳剂，提高感光效率；乳腺片少数单面追求分辨率PMC成像目标丰富灰度层次，连续灰阶，记录明暗色彩只有纯黑 / 完全透明二值图像，几乎不要中间灰度；要微米级几何精度，线宽、对位准确宽范围灰度，区分人体软组织、骨骼密度差异片基外观透明无色；彩色 / 黑白底片冲洗后负片，景物明暗反转高透明 PET；冲洗后：线路区域黑色遮光，其余透明；负片 / 正片两种版本供 PCB 工艺选择片基带浅蓝色底色，方便观片灯看片分辨率诉求高，追求细腻影像最高，微米级，决定 PCB 线宽精度，多层板对位精度 ±0.01mm 级别较高，分辨骨骼细小纹理感光度 ISO变化大 ISO100‑3200，追求抓拍速度低感光度；不需要抓拍，只响应光绘机激光；红安全灯下可手工操作等效很高，配合增感屏减少 X 射线剂量图像性质景物负像（明暗颠倒）二值掩膜，遮光 / 透光模板人体透视负像：骨骼吸收 X 光多→胶片曝光少→发白；软组织曝光多→发黑回收价值含银，废底片可提银含银，废 PCB 菲林工厂大量回收提银含银，医院旧 X 光片是提银一大来源逐项通胞解释1、照相胶片（相机胶卷）黑白：PET 单面涂卤化银，对全部可见光敏感；光越强，显影后黑色银颗粒越多；得到负片（亮景物底片变黑，暗景物底片透明）。彩色胶卷：乳剂分三层，分别记录红、绿、蓝，冲洗后形成彩色染料图像。目标：丰富灰度、色彩层次，还原现实世界光影。缺点：不能红灯下操作，普通红光会让胶片跑光报废。2、PCB 菲林（光绘菲林）PCB 生产的光学模板，不是拿来 “看图像”，而是拿来挡紫外线曝光干膜。光绘机用红外 / 红光激光按 Gerber 线路数据扫描菲林，只对这个激光敏感；普通红光不会曝光，车间可以开红灯拿取、检查菲林，不怕跑光。冲洗完成：线路焊盘区域变成不透明黑色（遮光），其余地方完全透明。紫外曝光时，透明区域 UV 穿过，让 PCB 干膜感光；黑色区域挡住 UV。核心要求：没有中间灰色，只有黑 / 透明；尺寸极其稳定，受热受潮变形要极小，保证多层板对齐。注意：现在高端 PCB 用 LDI 激光直写，不再需要实体菲林。3、医院 X 光菲林胶片本身对 X 射线灵敏度很差，实际工作流程：X 射线穿过人体打到暗盒里的增感屏（荧光材料），X 射线转换成大量蓝紫色可见光，再去曝光胶片。为提高感光效率，PET 片基两面都涂布银盐乳剂，两面同时接收增感屏的光，降低病人需要承受的 X 射线剂量PMC。片基自带浅蓝色底色，放在观片灯上看片更舒服。成像逻辑：骨头阻挡 X 射线→到达胶片光少→胶片浅白；肌肉软组织挡不住 X 射线→曝光多→胶片发黑。关键容易混淆点感光光谱区别照相胶片：什么可见光都怕，必须全黑暗房。PCB 菲林：不怕红光，只对特定激光敏感，红灯环境作业。X 光胶片：对蓝紫光很敏感，对 X 射线本身不敏感，靠荧光屏转可见光。灰度需求差异照相、X 光胶片：需要大量中间灰度，还原层次。PCB 菲林：拒绝灰度，灰度会造成 PCB 线路边缘模糊报废，必须硬黑硬透。乳剂单面 / 双面照相、PCB 菲林：单面乳剂，可以摸出粗糙药膜面和光滑片基面。普通 X 光片：两面都有药膜，两面摸起来都粗糙。补充现在医疗、摄影大量数字化，银盐胶片用量下降，但 PCB 制造业还大量使用光绘菲林；三者废旧胶片都含有金属银，属于可回收物料。

批量扫描照片Exif元数据 · 写回标准 Exif 标签 本项目依赖 ExifTool，程序已内置该插件。本工具利用 ExifTool 深度扫描 EXIF 信息受损的图片，并将元数据还原至标准 EXIF 段。既然有那么多开源 JS 库，为什么选择 ExifTool？目前的 JS 库（如 exif-js、piexifjs、sharp、exifr）都无法与 ExifTool 相比，更无法实现 ExifTool 那种级别的“还原 Photoshop (PS) 丢失的 EXIF”功能。JS 库的能力范围：相机名称、镜头名称及拍摄参数等基础字段，只要文件内未被彻底删除，这些 JS 库都能读取。JS 库的局限性：对于 PS 重写、清空或改写过的深层元数据（特别是 MakerNote、厂商私有标签、XMP 历史、Photoshop IRB 等），JS 库基本无法读取，更谈不上“还原”。ExifTool 的核心优势（为什么能“还原”）ExifTool 是基于 Perl 开发的全能型元数据引擎，其特点如下：支持广泛涵盖 EXIF、XMP、IPTC、Photoshop IRB、MakerNote（数十家相机厂商的私有数据）、ICC、JFIF 等。读取能力强不仅能读正常的 EXIF，还能识别被删除但残留在文件中的元数据块、PS 留下的隐藏段以及厂商私有注释（MakerNote）。实现“还原”原理当使用 PS “存储为”时，往往会丢弃 MakerNote、大量私有标签及 XMP 历史。但由于文件内部有时仍存有旧数据的残片，ExifTool 可以扫描全文件并将其碎片提取出来。相比之下，JS 库仅能解析标准的 EXIF 段（APP1），根本无法读取 MakerNote、IRB 及深层 XMP 数据。总结ExifTool 的逻辑是在“整个文件中挖掘元数据”，而 JS 库仅仅是“读取标准 EXIF 表头”。 在处理经过 PS 处理的照片时，没有任何 JS 库能与 ExifTool 匹敌。下载地址：https://abpyu.lanzoul.com/itvzA3q9kznc密码： 2sqo

国家为什么需要开源软件？ 国家为什么需要开源软件？上个月，大模型 Kimi K3 发布。大家可能不知道，它在美国引起的反响，比中国大。它的性能略逊于美国的顶尖模型，但是它是开源的，任何人都可以自己架设。这对大公司非常有吸引力。美国目前的经济增长，全靠巨额的 AI 投资，其他行业其实不怎么增长。一旦大量企业选择自己架设开源模型（几乎肯定如此），现有的巨额投资有收不回来的风险。美国政府就坐不住了，出来放话，中国模型有"违规"行为，考虑要限制开源模型。此言一出，就引起了恐慌，历史上还从来没有一个国家封锁开源项目。两天以后，美国许多互联网公司联合起来，发表了一封公开信，标题为《开放权重模型和美国 AI 领导力》。https://www.microsoft.com/en-us/corporate-responsibility/topics/open-weight/公开信呼吁不要限制中国的开源模型，微软、英伟达、思科、Cloudflare 等行业著名公司都签字了。我觉得，此信写得极好，推荐大家去读。它的核心观点就是，开源项目对美国有利，应该允许它存在。关键句子如下。评判我们人工智能领域的领导地位，并非取决于某一种前沿人工智能模型，而是取决于美国能否构建一个强大、开放的生态系统，并将其渗透到各个领域。这对于在全国范围内创造创新和繁荣的机遇至关重要。这需要扩大人工智能的普及范围，鼓励竞争，构建强大的应用层，并赋予美国民众对其所依赖的技术更大的控制权。开放权重模型----任何人都可以下载、检查、修改并在自己的基础设施上运行的人工智能模型----是这一基础的重要组成部分，因为它们使先进的人工智能更易于获取、更灵活、更广泛地应用。这段话的意思是，美国要保持领先，需要有一个开放的生态，而构建开放生态的最佳方法，就是鼓励开源。归根结底，不是国家需要开源，而是国家需要创新和竞争，开源可以促使这些发生。如果限制开源模型，最终结果就是人工智能由少数几家大公司控制，大众无法参与，创新和竞争就无从谈起。人工智能太重要，不能听任这项技术落入少数人手中。虽然这封信的目的是维护美国的国家利益，但是它讲的道理是普遍适用的。放在中国也是如此，这就是为什么我们国家应该大力推动开源项目。中国最大的竞争优势是什么？就是14亿人口。我们要发挥人力资源的优势，让尽可能多的人参与到科教兴国，形成一个巨大的生态。开源软件是最好、最简单可行的发展途径之一。说实话，如果美国政府真的封锁中国的开源模型，不一定是坏事。它不仅作茧自缚，而且还能推动中国的开源模型。