常量 语言学习 变量 语言

# 杜教筛学习笔记 ## 闲话 感觉以前根本没学懂杜教筛，于是重学了一遍，写个笔记记录一下。 ## 前置知识 依赖于迪利克雷卷积、莫比乌斯反演、整除分块相关知识。 ## 记号约定及基本性质 约定： - $f*g$ 表示 $f$ 与 $g$ 的迪利克雷卷积，即 $(f*g)(n)=\sum\limit ......

> [嬗变：大语言模型带来的人工智能新纪元 | CCCF精选](https://mp.weixin.qq.com/s/Mtw14gusZrzAvgpNXQDebQ) 盖茨说：大语言模型创新的影响力可以与20世纪60年代的微处理器、80年代的个人电脑、90年代的互联网和21世纪初的苹果手机媲美。 ## ......

博客题目：学习总结七：Spark机器学习与实时处理入门内容概要：学习使用Spark进行机器学习和实时数据处理的基本知识，了解Spark的机器学习库和实时处理框架。学习资源：推荐的Spark机器学习和实时处理教程、案例和学习资源。实践内容：通过编写Spark应用程序，实践使用Spark进行机器学习和实 ......

# Linux 设备驱动概述 计算机系统的运转需要软件和硬件共同参与，硬件是底层基础，软件则实现了具体的应用。硬件和软件之间则通过**设备驱动**来联系。在没有操作系统的情况下，工程师可以根据硬件设备的特点**自行定义接口**。而在有操作系统的情况下，**驱动的架构则由相应的操作系统来定义**。驱动 ......

最近学习了VUE并且参照其他开源项目做了一个大致的框架，只余部分还需要改成自己的东西， 但是这个要到一段落了，开始了小程序项目之旅， 首先还是到uniapp官网查看官方资料 当然了，还是要从vue3的部分开始学起 跟着官方视频做了一个试例，感觉还不错，很简单 然后项目正式开始了~~ 终于开始了客户项 ......

### 项目介绍 #### 用户中心 ##### 功能介绍 提供了一套基于 Session 的用户中心，提供以下功能 - 登入 - 登出 - 注册 - 用户信息管理 - 增 - 删 - 改 - 查 - 登录用户查询 - ID 查询 - 列表查询 - 分页查询 - 用户态记录 ##### 数据库表 ` ......

近来，一则身边的对话引发了人们对于传统学习方式的反思。在这段对话中，学员小轩老师分享了他参加考证培训班的困扰，而另一位则提出了线上教育的种种优势。这个对比让我们更深刻地认识到，线上教育已然成为现代人不可或缺的一部分。 ......

今天，我们带您一起走进一款教育小程序，这是一个承载着无限学习可能的平台。随着科技的不断进步，教育正焕发出崭新的活力，而这个小程序，正是将教育引向更广阔的未来。 ......

csapp学习笔记——第二章信息的表示和处理 本章主要讲了计算机系统中的数据的表示方法以及在为什么会出现相关的转化问题（float int double等互相转换）。 计算机系统中的数字表示方法 在现实世界中我们使用的是十进制的表示方法，而在计算机系统中我们则使用的是2进制的表示方法（构造储存以及处 ......

创建表数据： #创建actor表 DROP TABLE IF EXISTS `actor`; CREATE TABLE `actor` ( `id` int(11) NOT NULL, `name` varchar(45) DEFAULT NULL, `update_time` datetime D ......

# 变量  ![](https://img2023.cnblogs.com/blog/3262565/202308 ......

1.算法理论概述 ECG信号异常识别是医学领域中的重要研究方向之一。本文将从专业角度详细介绍基于Alexnet深度学习网络的ECG信号是否异常识别算法，包括实现步骤和数学公式的详细介绍。 一、算法概述 基于Alexnet深度学习网络的ECG信号是否异常识别算法包括以下步骤： 数据预处理：对原始ECG ......

大语言模型在理解和生成人类水平的文字方面所展现出的非凡能力，正在许多领域带来应用上的革新。然而，在消费级硬件上训练和部署大语言模型的需求也变得越来越难以满足。 🤗 Hugging Face 的核心使命是 _让优秀的机器学习普惠化_ ，而这正包括了尽可能地让所有人都能够使用上大模型。本着 [与 bi ......

线段树一般用于维护符合结合律的信息。可以用于求区间最大值 区间和 区间最小值 最大子段和甚至于最大负数最小正数之类的信息。事实上线段树只有你想不到，很少有做不到的，算是相当常用的数据结构。 下面将结合个人理解和具体题目来讲一讲线段树。 [https://www.luogu.com.cn/proble ......

spring cache 学习——@CachePut 使用详解 1. 功能说明 当需要在不影响方法执行的情况下更新缓存时，可以使用 @CachePut，也就是说，被 @CachePut 注解的缓存方法总是会执行，而且会尝试将结果放入缓存（当然，是否真的会缓存还跟一些注解参数有关，比如：unless ......

spring cache 学习 —— @Cacheable 使用详解 1. 功能说明 @Cacheable 注解在方法上，表示该方法的返回结果是可以缓存的。也就是说，该方法的返回结果会放在缓存中，以便于以后使用相同的参数调用该方法时，会返回缓存中的值，而不会实际执行该方法。 注意，这里强调了一点：参 ......

1. ① package com.company; public class HomeWork8_19 { public static void main(String[] args) { String name = "小明"; int age = 25; int seniority = 3; in ......

规则：每条规则由三个部分组成分别是目标(target), 依赖(depend)和命令(command)。 #示例 # 规则1 app:a.o b.o c.o gcc a.o b.o c.o -o app # 规则2 a.o:a.c gcc -c a.c # 规则3 b.o:b.c gcc -c b. ......

[20230825]dc命令复杂学习.txt--//前几天学习dc使用,我当时最后举了一个累加的例子,里面--//-e后面那一串什么意思,即使看了man dc文档,我当时也没看懂表示什么意思.尝试看了man文档,简单解析如下:--//我从文档里面取出相关说明:[characters]Makes a ......

# 拉格朗日乘数法&KKT 学习笔记 前置芝士：导数，解方程组，~~加减乘除~~。 ## 偏导 对一个多元函数中的某一个变量求偏导，实际上就是将其他变量视为系数，对此变量求导。 例：$f(x,y)=2x^2+3\ln y-6xy$，分别求 $\dfrac{\partial f(x,y)}{\part ......

看着名字挺高级的就来学一下awa 二维偏序是解决这样子的问题: 有 $n$ 个点，每一个点都有两个属性 $a,b$，且满足 $$ \left\{ \begin{aligned} &i<j\\ &a_i\le a_j\\ &b_i\le b_j \end{aligned} \right. $$ 然后去 ......

一、C++介绍 本贾尼.斯特劳斯特卢普，于1979年在贝尔实验室负责分析UNIX系统内核流量的分布情况时，特别希望有一种更加模块化的工具， 于1979年.10开始着手研发一款新的编程语言，在c语言的基础上增加了面向对象的机制，也就是C++，1983年完成了C++的第一个版本 C++与C的关联和重要区 ......

索引的本质 B-Tree结构 B+Tree结构 Hash结构 MyISAM存储引擎索引实现 innodb存储引擎实现 innodb引擎生成两个文件，将索引文件和数据文件都放在的.ibd文件下（这就是聚集索引） myisam引擎生成三个文件，将索引和数据分开保存分别在 .MYD .MYI 文件下（这就 ......

# DMA DMA直接存储器存取，用来提供在外设和存储器之间或者存储器和存储器之间的高速数据传输。 DMA1有7个通道，DMA2有5个通道，还有一个仲裁器来协调各个DMA请求的优先权。 DMA的作用是实现数据的直接传输，从地址到地址的数据传输。 DMA传输的相关参数：源地址，目标地址，数据传输量，传 ......

# Spring Security Spring Security 依赖导入之后，再次访问我们编写的 Controller API 接口都会要求先登录获取一个 [JSESSIONID](https://www.cnblogs.com/himmelbleu#/p/17643522)，才能让我们访问项目 ......

一、简要介绍 本文演示了一种学习高度语义的图像表示的方法，而不依赖于手工制作的数据增强。论文介绍了基于图像的联合嵌入预测架构（I-JEPA），这是一种用于从图像中进行自监督学习的非生成性方法。I-JEPA背后的idea很简单：从单个上下文块中，预测同一图像中不同目标块的表示。指导I-JEPA产生语义 ......

## 三、sqli-labs的page-2 ##### 9、第28关 - 查看页面源码，发现闭合方式为`')`，过滤的条件是注释符，空格，还有union和select连用 ![](https://img2023.cnblogs.com/blog/3257724/202308/3257724-2023 ......

4.1 多维特征 现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(x1,x2,x3,....,xn). 因此，用n表示特征的数量，用x(i)j 表示第i个实例的第j个特征。 则支持多变量的假设h可表示为：h(x(i))=sita0+sita1*x(i) ......

# 一、学习路径 > https://help.fanruan.com/finereport/doc-view-4578.html ## 1. 数据连接基础 ### 1.1 数据连接概述 ### 1.2 数据集 ## 2. 报表基础属性 ### 2.1 报表类型简介 ### 2.2 预览模式简介 # ......

参考: [李宏毅老师课件](https://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2018/Lecture/PPO%20(v3).pdf) PPO = Policy Gradient 从 On-policy 到 Off-policy, 再加一些const ......