ＣＪ軟體工程日誌

  [Cloud CICD] [Cloud CICD] 全端應用程式 Azure 部署完整指南 Vue 3 + .NET 8 Web API + Azure SQL Database  (2025-11-07) [Cloud CICD] 資料庫篇 - Azure SQL Server + Azure SQL Database  (2025-11-07) [Cloud CICD] 後端篇 - .Net8 WebApi, Github Action, Azure App Service  (2025-11-07) [Cloud CICD] 前端篇 - Vue3, Github Action, Azure Static Web App  (2025-11-07) ___________________________________________________________________________________ [AI] [AI] 歸一化 Normalization  (2025-10-25) [AI] 深度學習模型 vs 傳統機器學習模型  (2025-10-24) ___________________________________________________________________________________ [Python] [Python] 關於 numpy 以及1~5維度的資料  (2025-10-25) ___________________________________________________________________________________ [Git]   [Git]Another git process seems to be running in this repository  (2021-06-20) __________________________________________________________________________________ [SQL] [SQL] SQL Server 批次產生單號：流水號與驗證碼實作  (2025-11-19) [SQL] ...

如題，因大公司會依照電腦MAC碼、IP進行特定連線的權限控管，例如連線到某DB、Server...，那之前曾經開通過一次， 沒想到 win11更新時也把IP最後一碼換了 ，例如: 19.18.65. 35   => 19.18.65. 24 ，造成無法連線，所以這邊紀錄調整回原IP( 19.18.65. 35 )的方式。 1. 下圖為本次會用到的，於CMD下  ipconfig /all 會得到以下資訊( 該資訊為模擬資訊 )。 2. 前往 設定 > 網際網路 > 乙太網路 3. 點擊 [編輯]，依照第1點的IP位址來調整 這樣就完成了。

 如題，從win10更新到win11後，原本有的一些客製化設定消失了，除了系統內建的設定，也使用了開源軟體Winhawk進行進階的設定，以下記錄我自己的客製化設定。 1. 個人化 > 工作列 > 工作列項目 2. 個人化 > 工作列 > 工作列行為 3. 設定 > 協助工具 > 視覺效果     於win10時，因為工作效率會關閉特效，故比照辦理 4. Winhawk將Taskbar調整至上方 5. Winhawk將Taskbar Icon樣式調整為 Aeris     此目的是希望Taskbar的底色不要黑色，並且當前開啟的頁面更凸顯出來。          工作列背景使用深藍色:     Target:  Rectangle#BackgroundFill     Style:    Fill=#1e3a5f 6. Winhawk將Taskbar, Icon的大小調整     此目的是希望Taskbar窄小一點，讓主畫面放大一些。      最終結果:      補充: 1. 如果不習慣win11在檔案總管的右鍵選單，可以加上 Shift + 右鍵，這樣就是win10的右鍵選單。

📦 什麼是「產單號」？ 在資訊系統開發中，我們經常會聽到「產單號」這個術語。簡單來說，就是 批次產生序號 的過程。當企業與物流公司、金融機構或其他合作夥伴對接時，對方通常會配置一段序號區間，例如從 A 號到 B 號，而我們系統需要依照特定規則將這段區間內的所有序號都產生出來並存入資料庫，以供後續業務使用。 這些序號通常不是單純的連續數字，而是包含了 驗證機制 （如檢查碼、確認碼），以確保序號的正確性和防偽性。 🎯 實際業務場景 假設我們與某知名宅配公司合作，對方提供了以下序號配置規則： 📮 已為您配置單號區間：5,000 組 🟢 起始單號： 922117866191 🔴 終止單號： 922117916182 🔐 單號規則解析 這個單號系統採用了 12 碼 的結構設計： ▸ 前 11 碼： 主流水號，使用數字遞增方式產生 ▸ 第 12 碼： 確認碼（檢查碼），用於驗證單號正確性 💡 確認碼計算公式 確認碼 = 前11碼流水號 % 3 例如：92211786619 % 3 = 1 ，所以完整單號為 922117866191 這種設計方式很常見於物流、金融等需要高度資料正確性的產業。透過簡單的數學運算（取餘數），可以在資料傳輸或人工輸入時快速驗證單號是否正確，降低錯誤率。 💾 資料表結構設計 首先，我們需要建立一個資料表來儲存這些單號。以下是 SQL Server 的資料表定義...

 近期使用匯出excel功能，部分欄位的顏色需要調整，將顏色紀錄如下。 Color.Red 255,0,0 Color.DarkRed 139,0,0 Color.Crimson 220,20,60 Color.Firebrick 178,34,34 Color.IndianRed 205,92,92 Color.LightCoral 240,128,128 Color.Maroon 128,0,0 Color.DarkSalmon 233,150,122 Color.Salmon 250,128,114 Color.LightSalmon 255,160,122 Color.DeepPink 255,20,147 Color.HotPink 255,105,180 Color.Pink 255,192,203 Color.LightPink 255,182,193 Color.PaleVioletRed 219,112,147 Color.M...

  如題，由於在機器學習中，必定會遇到資料，例如: x_train = array([[0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], ..., [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.]], dtype=float32) 那個透過 numpy，可以得到 x_train.shape = (50000, 784) ，究竟 numpy, x_train 是什麼呢? 如何知道資料類型? 有哪些屬性? 有哪些方法? x_train 數據和其形狀 (50000, 784)，這說明它是一個 NumPy 數組，通常用於深度學習和機器學習中的數據集表示。以下是對 x_train 的分析： ● x_train 是什麼？ 類型：x_train 是一個 NumPy 數組（numpy.ndarray）。 數據形狀：它的形狀為 (50000, 784)，這意味著這個數組有 50000 行和 784 列。在機器學習中，每一行(row)通常代表一個樣本，每一列(column)代表一個特徵。 ● 其中的數據代表什麼？ 根據形狀，這個數組可能用於表示圖像數據集，其中每行(row)代表一個扁平化的圖像。例如，在手寫數字識別問題（如 MNIST 數據集）中，每個 28x28 像素的圖像被扁平化為一個長度為 784 的一維數組。 數據類型為 float32，這是深度學習中常用的數據類型，用於減少內存消耗並提高計算效率。 ● NumPy 數組的主要屬性: ndarray.shape：數組的各維度大小。 ndarray.size：數組中元素的總數。 ndarray.dtype：數組元素的數據類型。 ndarray.ndim：數組的維數。 ● NumPy 數組的常用方法: reshape：改變數組的形狀。 flatten 或 ravel：將多維數組降為一維。 transpose：轉置數組。 sum、mean、std 等：計算統計量。 max、min：尋找最大值和最小值。 import numpy as np # 假設 x_trai...

  由於維護IIS時，偶而會遇到無故異常事件，原因都是32位元應用程式導致的，以上記錄一下。 1. Crytal Report 的 log4net 錯誤 這個錯誤發生於32位元應用程式，將 32位元應用程式 改為 False。 2. [ODBC 驅動程式管理員] 找不到資料來源名稱且未指定預設的驅動程式 這個錯誤發生於32位元應用程式，將 32位元應用程式 改為 True。 ●總結: 如果有遇到本來正常，但是突然錯誤的狀況，那可能就是這個問題，改為 True, False 都試試看。

  解決7zip解壓縮亂碼問題。 下載7zip(這步就省略了。 https://www.7-zip.org/download.html ) 設定7zip環境變數(詳見下圖): C:\Program Files\7-Zip cmd cd到指定的目錄，輸入以下指令: 7z x 您的檔案.zip -mcp=936 參數: x => 代表解壓縮 您的檔案.zip => 檔名 -mcp=936 => 指定編碼為簡中 --簡中 936 --日文 932 --編碼可以參考:  https://www.wikiwand.com/en/Code_page#/DOS_code_pages 參考: https://tech.gjlmotea.com/2021/07/windows7-zip.html https://blog.csdn.net/u010348546/article/details/124087985

  AI、深度學習領域很常見到 歸一化 ，之看都沒有很了解，故整理後簡單說明。 說明 : 歸一化是將數據按比例縮放到一個共同的範圍或分布內，以提高數據處理或模型學習的效率和效果。 目的 : 　　1.  提高算法效率 ：在許多機器學習和數據分析算法中，如果數據特徵的尺度差異很大，會導致學習過程緩慢甚至不收斂。歸一化通過將所有特徵縮放到相同的尺度範圍內，有助於加速學習過程。 　　2.  提高模型性能 ：對於一些基於距離的算法（如K近鄰、K-均值聚類等），特徵的尺度差異會直接影響距離的計算，進而影響模型的性能。通過歸一化，可以確保不同尺度的特徵對模型的貢獻是均衡的。 　　3.  避免數值問題 ：在處理包含很大或很小數值的數據時，可能會遇到數值溢出或下溢的問題。歸一化有助於將數據縮放到一個合適的範圍內，減少這類問題。 　　4.  滿足模型假設 ：某些統計模型和算法需要數據符合特定分布（如正態分布），或者需要特徵之間具有相似的尺度。歸一化可以是達到這些前提假設的一種方法。 常見的歸一化方法 : 1. 最小-最大歸一化 (Min-Max Normalization) 2. Z得分歸一化 (Z-Score Normalization) 3. 小數定標歸一化 (Decimal Scaling Normalization) 結論: 歸一化並沒有指定的公式，但有常見的公式。主要是看當下的場景去定義適合的歸一化。

  使用JS計算時，通常都會遇到浮點數的精度問題，例如以下: // 使用js浮點數相加: // 0.1 + 0.2 = 0.30000000000000004 // 0.33 * 10 = 3.3000000000000003 解決的方法: // 解法: parseFloat (( 0.1 + 0.2 ).toPrecision( 12 )) -- result: 0.3 parseFloat (( 0.33 * 10 ).toPrecision( 12 )) -- result: 3.3 // 可以封裝成方法 function strip ( num, precision = 12 ) { return + parseFloat (num.toPrecision(precision)); } 那為什麼要 toPrecision(12) 呢? 目的是要取精度，如果把精度提高，這樣又會現出原形了，所以12是個常見的經驗值，可以依照現況調整。 // 精度提高結果 parseFloat (( 0.1 + 0.2 ).toPrecision( 18 )) -- result: 0.30000000000000004 parseFloat (( 0.33 * 10 ).toPrecision( 18 )) -- result: 3.3000000000000003 實際背後的原因 就是 JavaScript 中所有數位包括整數和小數都只有一種類型 — Number。 它的實現遵循 IEEE 754 標準，使用 64 位固定長度來表示，也就是標準的 double 雙精度浮點數（相關的還有 float 32 位單精度）。: // 0.1 和 0.2 都轉化成二進位後再進行運算 0.0001100110011001100110011001100110011001100110011001101 + 0.001100110011001100110011001100110011001100110011001101 = 0.0100110011001100110011001100110011001100110011001100111 // 轉成十進位正好是0.300000000000000004 詳細說明可以詳閱:  ht...