Qt 前后端通信(QWebChannel Js / C++ 互操作)：原理、示例、步骤解说

优质文章学习记录

— 2 min read
Qt 前后端通信(QWebChannel Js / C++ 互操作)：原理、示例、步骤解说

Qt 提供的 QWebEngineView 是一个基于 Chromium 内核的浏览器组件，通过它，开发者可以使用 HTML、CSS、JavaScript 等技术开发 Web 页面并呈现在 Qt 桌面应用中，但与开发纯 Web 页面不同的是，这些页面通常需要和 应用中的其他组件交互，例如获取后端数据进行渲染、将前端用户指令传达给后端执行等，这将不可避免地涉及到前端 Js 和 后端 C++ 之间的交互问题，而 Qt 为此给出的解决方案就是 QWebChannel，通过 QWebChannel 前端 Web 页面和与后端 C++ 程序实现自然而顺畅的交互，甚至前后端的操作风格都极为一致。本文我们将细致地介绍QWebChannel 前后端交互的原理，通过四个详实的示例程序讲解每一步重要的操作步骤，通过本文，你将对 QWebChannel 有一个全面而深入的了解。

1. 工作原理

QWebChannel 的工作原理并不复杂，官方文档只用了很少的文字来解释：QWebChannel 填补了 C++ 应用程序与 HTML/JavaScript 应用程序之间的空白。通过将 一个 QObject 派生对象发布到 QWebChannel，并在 HTML 端使用 qwebchannel.js，就可以透明地访问QObject 的属性、信号和槽方法。无需手动传递消息和序列化数据，C++ 端的属性更新和信号发射会自动传输到可能远程运行的 HTML 客户端。这里，我用更通俗易懂的方式重新描述一下：

Read more

VS Code中Copilot的使用

VS Code中Copilot的使用

现在大家都已经在VS Code中使用Copilot了，像基础的使用包括代码注释、代码补全、分析问题等。那具体在使用上有没有小tips呢？在此我把自己的用法记录一下。 先放上copilot在vscode的使用链接，大家可以了解： 自定义聊天响应 - Visual Studio (Windows) | Microsoft Learn 1.常用场景 1.根据注释写代码 在编辑器里打上注释，回车，根据注释就能得到一个简易函数。例： // 写一个数组去重的方法 2.根据函数名写代码 举个栗子： 想得到对象数组的key值，取一个见名思意的函数名称，基本就能自动分析出你想要的函数。Tab补全即可。 const getObjectArraysKeys = (arr: any[]) => { return arr.map(item => Object.keys(item)); }; console.log(getObjectArraysKeys(arr)); // [["

Comflowy模型数据库：10个必下载的Stable Diffusion模型推荐

Comflowy模型数据库：10个必下载的Stable Diffusion模型推荐 【免费下载链接】comflowyUnleash endless possibilities with ComfyUI and Stable Diffusion, committed to crafting refined AI-Gen tools and cultivating a vibrant community for both developers and users. 项目地址: https://gitcode.com/gh_mirrors/co/comflowy Comflowy是一个基于ComfyUI和Stable Diffusion的AI绘图工具平台，致力于为开发者和用户打造精炼的AI生成工具并培养活跃的社区。本文将为您推荐10个必下载的Stable Diffusion模型，帮助您在AI绘图之旅中获得更好的创作体验。 一、DreamShaper模型系列 如果只推荐一个模型，那一定是DreamShaper。首先，它的成像质量非常出色，整体质感有点让人联想到Midjourney

Llama Factory微调显存不够？试试这个云端GPU的终极方案

Llama Factory微调显存不够？试试这个云端GPU的终极方案 作为一名数据工程师，我在微调大模型时经常遇到显存不足的问题。即使使用了多张A100显卡，全参数微调像Baichuan-7B这样的模型仍然会出现OOM（内存溢出）错误。经过多次尝试和调研，我发现云端GPU资源可能是解决这一问题的终极方案。本文将分享如何利用预置环境快速部署Llama Factory进行大模型微调，避开显存不足的坑。 为什么大模型微调需要云端GPU？ 大模型微调对显存的需求远超想象。根据实测数据： * 全参数微调7B模型至少需要80GB显存 * 微调32B模型可能需要多张A100 80G显卡 * 截断长度从2048增加到4096时，显存需求呈指数级增长 本地环境往往难以满足这些需求。即使使用Deepspeed等技术优化，显存不足的问题依然存在。这时，云端GPU资源就显得尤为重要。 提示：ZEEKLOG算力平台提供了包含Llama Factory的预置镜像，可以快速部署验证微调任务。 Llama Factory镜像预装了什么？ 这个镜像已经为你准备好了大模型微调所需的一切： *