上下文 学习方法 上下 数字
C++学习笔记一：windows系统配置C++开发环境（VS code+g++/clang++)
1.下载vscode 官网下载地址： https://code.visualstudio.com/ 安装时选择把软件加入到环境变量中这个选项 2.打开vscode，安装c/c++扩展插件 3.下载gcc和clang编译器 下载地址： https://winlibs.com/ 下载后解压，把bin文件 ......
C++学习笔记二：变量与数据类型（整型）
1.int（整型数据）： 1.1 进制的表示：十进制，八进制，16进制，二进制 int number1 = 15; // Decimal int number2 = 017; // Octal int number3 = 0x0F; // Hexadecimal int number4 = 0b00 ......
黑盒测试用例设计方法--等价类划分法
概念 某个输入域的集合，在这个集合中每个输入条件都是等效的。如果其中一个输入并不能导致问题发生，那么集合中其他输入条件进行测试也不可能发生错误。 有效等价类：有效等价类是程序规格说明有意义，合理的输入数据 无效等价类：无效等价类是程序规格说明无意义，不合理的输入数据 等价类划分原则 输入条件规定了取 ......
RabbitMQ学习笔记（一）
安装 1.下载erlang并安装，地址：http://erlang.org 2.下载mq并安装，地址：http://www.rabbitmq.com/download.html 备注：以下内容涉及的队列和交换机，以及绑定关系都是在管理后台进行的操作 一、直接发送消息到队列，不经过交换机 1、简单队列 ......
机器学习的算法——线性回归
1.回归问题的定位 我们知道机器学习分为有监督学习和无监督学习，无监督学习主要是聚类方面的算法，而有监督问题主要分为回归和分类两类 而这线性回归就属于有监督学习，且属于其中的回归类问题，另外有一种逻辑回归，他却是属于分类问题的一部分。 2.线性回归 （1）大体思路 首先它是利用数理统计中的回归分析来 ......
2023-2024-1 20231403 《计算机基础与程序设计》第十一周学习总结
作业信息 这个作业属于哪个课程 <班级的链接>（如2022-2023-1-计算机基础与程序设计） 这个作业要求在哪里 2023-2024-1计算机基础与程序设计第十一周作业) 这个作业的目标 自学《计算机科学概论》第15，16章，《C语言程序设计》第10章 作业正文 https://www.cnbl ......
个人工作总结书写方法
临时起意，写着一篇文章，想到哪里写到哪里，后期维护看契机。 公司 工作几年、混迹几个公司、分别什么性质、怎么进的（校招、社招、内推），为什么离开的 公司性质，主营反向 技术 公司使用的项目，有哪些技术，语言，遇到的难题以及怎么解决的 要点 目标回顾：回顾你设定的目标和工作任务。列出最初的目标，并评估 ......
【项目学习】谷粒商城学习记录5 - 检索服务
【项目学习】谷粒商城学习记录5 - 检索服务 1、搭建页面环境 search模块添加thymeleaf依赖<!-- thymeleaf --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-bo ......
Spring Boot学习随笔- 集成JSP模板（配置视图解析器）、整合Mybatis（@MapperScan注解的使用）
介绍了如何集成JSP模板到Spring Boot项目中。通过引入JSP依赖、配置JSP视图解析器以及指定JSP访问目录，实现了JSP的集成和访问。以及展示了整合MyBatis框架的步骤。首先介绍了引入MyBatis相关依赖的过程，然后讲解了@MapperScan注解的使用，用于扫描DAO接口所在包并... ......
Java 方法体
1 抽象方法{ 2 3 4 5 } 1 构造方法{ 2 例{ 3 class AAAA { 4 private int p = 10;//new的时候赋值一次 5 6 public AAAA(){ 7 System.out.println(p);//先执行 private int p = 10在执行 ......
Android OpenGl ES 3.0 学习笔记
title OpenGL ES 3.0 DrawTriangle Java->JNI:(1)Java_com_oyp_openglesdemo_render_MyNativeRenderer_nativeSetRenderType(100, 100)Java->MyGLRenderContext:G ......
在FS/IO上下文使用的GFP掩码 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/core-api/gfp_mask-from-fs-io.html GFP masks used from FS/IO context 日期 2018年5月 作者 Michal Hocko mhocko@kernel.org ......
强化学习的第一天，好吧其实是学数学
本来捏，等后端那边任务差不多完成后，想开始和兄弟们一起学习数据结构与算法捏，但博主机缘巧合，要开始学习强化学习了，这是一个门槛高，但很有意思的领域，祝福我能够学有所成吧，以后可能会发些强化学习的东西，后端和算法应该也多多少少发点，才学第一课，动不动直接给我线代概率论，这门槛。。。。。加油吧 ......
Solidity基本语法学习3
文档: https://solidity-by-example.org/ 视频教程: https://www.youtube.com/watch?v=xv9OmztShIw&list=PLO5VPQH6OWdVQwpQfw9rZ67O6Pjfo6q-p 说明: 本文内容: Enum, struct, ......
iptables 学习
iptables 一、图 二、规则写法 格式：iptables [-t table] COMMAND chain CRETIRIA -j ACTION -t table : 3个 filter nat mangle COMMAND: 定义如何对规则进行管理 chain 指定你接下来的规则到底是在哪个 ......
[数字图像处理笔记] 第一章 概述
1. 数字图像处理及特点 1.1 基本概念 图 物体反射或者透射电磁波的分布 像 人的视觉系统对接收的图信息在大脑中形成的印象 图像 “图”和“像”的结合，可以直接或间接作用于人的视觉系统而产生的视知觉实体 图像处理 模拟图像处理 也称光学图像处理，是利用 光学透镜或光学照相方法 对模拟图像进行的处 ......
2023-2024-1 20232301 《网络》第5周学习总结
教材学习内容总结 教材学习中的问题和解决过程 问题1：对于基于语义的海量媒体内容特征快速提取与分类技术，书上暂未举出具体例子，使我在理解上稍有欠缺 问题1解决方案：通过不断询问chatgpt，我得到了以具体的体育文章为实例的回答，如下： “当涉及到基于语义的海量媒体内容提取与分类技术时，下面是一个更 ......
python+sklearn 机器学习代码备忘
import sklearn from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression import pandas as pd import matpl ......
2023-2024-1 20231424《计算机基础与程序设计》第11周学习总结
2023-2024-1 20231424《计算机基础与程序设计》第11周学习总结 作业信息 作业属于的课程 <班级链接>（2022-2023-1-计算机基础与程序设计） 作业要求 <作业要求>(2022-2023-1计算机基础与程序设计第一周作业) 作业目标 《计算机科学概论》第15,16章和《C语 ......
2023-2024-1 20232327《网络空间安全导论》第五周学习总结
2023-2024-1 20232327《网络空间安全导论》第五周学习总结 教材学习内容总结 1.信息内容安全是研究利用计算机从包含海量信息并且迅速变化的网络中对特定安全主题相关信息进行自动获取、识别和分析的技术； 2.网络爬虫是按照一定规则，自动抓取有互联网信息的程序或脚本； 3.信息过滤是指从动 ......
人工智能基础笔记 · Part C 群体智能和强化学习
C6 群体智能 核心思路 ：大自然中的一些社会系统尽管由简单的个体组成，却表现出智能的集体行为。称 Agents 为“智能体”。 对问题的智能解决方案，自然地涌现于这些个体的自组织和交流之中。整个系统的行为是自下而上的，遵循简单规则的简单 Agents 生成复杂的结构/行为，且 Agents 不遵循 ......
学习riscv（1）
因为毕设是CPU的低功耗设计，所以开始看cpu，打算还是先从这个tinyriscv学起，昨天把环境下好了，第一步是用git去clone代码，这个首先要下载git，然后在目标文件夹鼠标右键，选择“open git bush here”，再输入项目的url，就可以了。方法不难。b站有详细教程 接下来是安 ......
机器学习-线性回归-最大似然估计求解-解析解-01
最大似然估计 已经从某一分布中获取到n个样本 并且假设改样本的分布服从某一个分布f(θ), θ为需要估计的参数，根据这n个样本去推导θ的值 就叫做最大似然估计，假设样本服从某分布，根据样本计算出分布中的参数，参数计算出之后，就能去进行预测， 正态分布概率密度： 假设样本的误差 服从正态分布 最大似然 ......
Python：列表的常用操作方法
列表上限：2**63、922372036854775807个 查询元素 查找指定元素在列表的下标，如果找不到，报错ValueError 语法：列表.index（元素） 插入元素 在指定下标位置，插入指定的元素 语法：列表.insert（下标， 元素） 追加元素 将指定元素，追加到列表的尾部 语法：列 ......
第一次课堂上我们学习了linux系统的安装
首先要在VMware官网下载虚拟安装包1.接受许可协议中条款，进入自定义安装界面，点击下一步直至安装，打开虚拟机2.全选下一步，再点击linux操作系统，更改名称再改位置，点击讲虚拟硬盘拆分成多个文件，下一步后，将虚拟机的最大磁盘大小设置为20GB，此时已创建好虚拟机3.点击编辑虚拟机设置选项，进入 ......
Spring Boot学习随笔- @SpringBootApplication详解、加载绝对路径配置文件、工厂创建对象(@ConfigurationProperties、@Value)
介绍了@SpringBootApplication的详解，解释了该注解是由多个注解组成的组合注解，并介绍了其中的元注解，如@SpringBootConfiguration、@EnableAutoConfiguration和@ComponentScan。同时展示了在内嵌服务器中传递参数进行测试，以及配... ......
MSF学习笔记
一、Msf信息收集 1 二、Msf 各种payload 1 payload生成 1 建立侦听 2 实操（对windows） 3 Powershell配合msf无文件攻击 5 Word伪装木马攻击 5 钓鱼 6 三、Ngroke 6 四、免杀 7 Virustotal.com （查杀网站） 7 She ......
[学习笔记]分层图最短路
分层图的概念 分层图最短路，听名字就知道他和其他最短路不一样，实际也确实如此，可以解决一些普通最短路无法解决的问题。 比如有 \(n\) 个点 \(m\) 条带权无向边，可以将 \(k\) 条边进行某些操作，然后求出从 \(1\) 到 \(n\) 的最短路，此时即可使用分层图。 例题 例题 1 P4 ......
开启和关闭Windows fn键 的方法很多
开启和关闭Windows fn键 的方法很多，只需要在电脑的BIOS设置中进行调整即可。 1. 首先，打开电脑，按下F2或者DEL键，进入BIOS设置界面； 2. 找到“Advanced”栏目，再找到“Function Key Behavior”，点击进入； 3. 在这里，可以看到“Function ......