常量 语言学习 变量 语言
4月16日二叉搜索树的学习，与实现
二叉搜索树在二叉树的基础上加了一条规则，就是结点的左子树的值小于根节点，而节点右子树的值大于根节点，这样的结构的好处是当二叉搜索树的每个节点差小于等于一时搜索数据的时间复杂度与二分查找一样都是logn，他的作用价值还有一处就是它在中序遍历时会将所有的数据排序输出，同样对于一组乱序数据，若是普通的排序 ......
深度学习正则化之Dropout
一、Dropout 丢弃法（Dropout Method）：在训练一个深度神经网络时，可以随机丢弃一部分神经元（同时丢弃其对应的连接边）来避免过拟合。 训练时，每次选择丢弃的神经元是随机的，这些随机选出隐藏层的神经元将被删除，它们将不再传递信号。 常规dropout (训练测试不一致，测试时调整输入 ......
C 语言版线程池
一、初始线程池 1.1 何为线程池？ 我们先来打个比方，线程池就好像一个工具箱，我们每次需要拧螺丝的时候都要从工具箱里面取出一个螺丝刀来。有时候需要取出一个来拧，有时候螺丝多的时候需要多个人取出多个来拧，拧完自己的螺丝那么就会把螺丝刀再放回去，然后别人下次用的时候再取出来用。 说白了线程池就是相当于 ......
C语言中，取反运算符~a=-（a+1）的原因
1、因为计算机直接拿读取到的数据去运算付出的代价是最小的，所以计算机存储的数据的形式应该满足读取后不必经过任何加工就能直接用来运算由于原码不经加工无法实现(+a)+(-a)=0，所以不满足该要求，为了满足(+a)+(-a)=0的要求,人们设计出了补码来满足该要求因而计算机中存储数据的形式为原码的补码 ......
平衡二叉树——C语言描述——创建，增加结点
平衡二叉树——C语言描述——创建，增加结点 0 测试用例框架 https://blog.csdn.net/m0_59469991/article/details/127137119?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A ......
Python 强化学习实用指南：1~5
原文：Hands-On Reinforcement Learning with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原 ......
Python 强化学习实用指南：11~14
原文：Hands-On Reinforcement Learning with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原 ......
Python 元学习实用指南：1~5
原文：Hands-On Meta Learning with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一 ......
Python 元学习实用指南：6~10
原文：Hands-On Meta Learning with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 六 ......
离线分治学习笔记
分治在数集维护上用处很大，常用的是 cdq 分治，整体二分，线段树分治 cdq 分治 基本思想 将区间 $l$ 到 $r$ 分成 $l$ 到 $mid$ 和 $mid+1$ 到 $r$ 递归处理左右两边 统计左边对右边的贡献 可以解决 $3$ 类问题 解决和偏序有关的问题 1D/1D 动态规划的优化 ......
学习JavaScript 一
文件引用 在一个单独的js文件中也可以编写JavaScript代码，然后在HTML文件中使用script标签进行引用，以下是一个简单演示。 遍历对象 枚举遍历对象中的属性，可以使用for … in语句循环，对象中有几个属性，循环体就会执行几次。 语法格式： for (var 变量 in 对象) {} ......
gitlab--Stages、job、.pre 、.post 、before_script、after_script、variables 环境变量
Stages 和 job 在 pipeline 中，有几个名词需要知道，Stages、job、stage、before_script、after_script 等 Stages：一个流水线可以包含若干个阶段，一个阶段可以包含若干个作业 stages 用于定义作业可以使用的阶段，并且是全局定义的。同一 ......
Go 语言环境安装
转载自：https://www.runoob.com/go/go-environment.html Go 语言支持以下系统： Linux FreeBSD Mac OS X（也称为 Darwin） Windows 安装包下载地址为：https://golang.org/dl/。 如果打不开可以使用这个 ......
template标签的学习
template标签 我在引用这个标签的时候，本来还在纳闷，咋就他那么特殊，就他不显示，然后突然意识到，这个标签天生不可见，即display:none属性 可以在template标签里面放content模块，然后使用button点击事件实现内容的展现； 具体实现如下： <template> <ul> ......
Rust编程语言入门之智能指针
智能指针 智能指针（序） 相关的概念 指针：一个变量在内存中包含的是一个地址（指向其它数据） Rust 中最常见的指针就是”引用“ 引用： 使用 & 借用它指向的值 没有其余开销 最常见的指针类型 智能指针 智能指针是这样一些数据结构： 行为和指针相似 有额外的元数据和功能 引用计数（Referen ......
ltp的简单学习
ltp的简单学习 简介 下载地址为: https://github.com/linux-test-project/ltp Linux Test Project is a joint project started by SGI, OSDL and Bull developed and maintai ......
MySQL的日志学习总结
1、Mysql的安装 这里使用tar包的方式 https://www.cnblogs.com/hanshuixin/articles/16887899.html 初始的默认密码: tail -200f alert.log localhost@root: 后面的内容，就是本机root用户的初始密码，需 ......
golang语言下，在x86的linux平台上编译arm64二进制
转载自：https://www.annhe.net/article-4542.html 编译etcd测试工具benchmark： CGO_ENABLED=0 GOOS=linux GOARCH=arm64 go build . 概述 有很多开源软件并没有提供 arm 安装包或者二进制，或者能通过包管 ......
前端学习笔记——Vue3组件间数值传递
依据个人的学习需求，对Vue官网中组件部分内容的搬运和总结，可用于参看，想详细了解Vue3这部分特性的可以直接参考官网内容：https://cn.vuejs.org props是一种特别的attributes，我们可以在组件上生命注册。比如：如果我们要传递给博客文章组建一个标题的话，我们则必须在该组 ......
webpack处理环境变量
1、问题： 布置一个koa上传文件服务时，在线上报错，但是本地运行没问题 2、思路： 经检查是路径问题，项目上传服务器的时候经过webpack打包后，文件的上传的路径出现变化，这时需要本地和线上配置不同的路径，也就是说需要布置环境development和production 3、解决： 设置环境变量 ......
gcore的学习
gcore的学习-解决jmap无法生成dump文件的一种方法 背景 周末在跆拳道馆看孩子练跆拳道. 开着笔记本翻到了 扣钉日记 公众号里面的讲解 想着自己也遇到过无法保存dump文件的情况. 所以想学习一下. 进行联系 其实之前也验证过宕机时的dump文件. 感觉是比较类似的. gcore NAME ......
学习笔记404—如何比较两个或多个分布：从可视化到统计检验的方法总结
如何比较两个或多个分布：从可视化到统计检验的方法总结 比较一个变量在不同组中的分布是数据科学中的一个常见问题。当我们想要评估一项策略(用户体验功能、广告活动、药物等)的因果效应时，因果推断的黄金标准便是随机对照试验，也就是所谓的A /B测试。在实践中，我们为研究选择一个样本，并将其随机分为对照组（c ......
斯特林数，上升幂，下降幂学习笔记
斯特林，上升幂，下降幂，普通幂的定义 第二类斯特林数 | n | $n\brace 0$ | $n\brace 1$ | $n\brace 2$ | $n\brace 3$ | $n\brace 4$ | $n\brace 5$ | $n\brace 6$ | $n\brace 7$ | $n\br ......
学习笔记403—两样本差异的统计学比较方法-假设检验
一：背景 这几天重新复习了一下以前经典的假设检验方法。包括之前使用excel来做一些简单的统计分析。 假设检验(hypothesis test)亦称显著性检验(significant test)，是统计推断的另一重要内容， 其目的是比较总体参数之间有无差别。假设检验的实质是判断观察到的“差别”是由抽 ......
编程语言和编程工具
使用过的语言：C、Java C语言的优势： C语言编写的代码效率高，运行速度快。 C语言的语法和功能简单，易于学习和理解。 C语言具有很高的可移植性，可以在多种不同的平台上运行。 Java语言的优势： Java语言是一种跨平台的编程语言，可以在不同的操作系统和硬件平台上运行。 Java语言有很多强大 ......
不同编程语言的程序，能够被 ChatGPT 自动生成的可能性的一些思考
本文是由 CSDN 上一个朋友向我咨询的一个问题引起的。 问题：在ABSL中是否可以通过http请求的 form-data 格式传输文件？ 这个问题目前只有三个回答，其中包含本人的一个回答，以及另两个来自 ChatGPT 的回答。 其中一个来自 ChatGPT 的回答，把 ABSL 识别成了 Abs ......
卷积操作的概念及其在深度学习中的应用
卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。 卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输 ......
论文阅读记录1——Lmbff（更好的基于微调的语言模型）读后归纳
方法： 基于GPT-3的强大功能：只要给出一个自然语言提示和一些任务演示，GPT-3就能够做出准确的预测，而无需更新其底层局域网的任何权重。 在一个更实际的场景中研究了少数镜头学习，在那里我们使用了更小的语言模型，其中的微调在计算上是有效的。我们提出了lm - bff(更好的语言模型的少量微调)，这 ......
【Python无伤速通】第一话：语言基础
目录 目录 Python基础 标识符 coding=utf-8 关键字 print()函数 sep参数 sep缺省 给sep传参 end参数 链式赋值 模块 模块：介绍 导入模块 方法一 方法二 数据类型 进制表示 科学计数法 复数类型 布尔类型 布尔类型介绍 布尔：示例 数字类型的相互转换 隐式转 ......
作业11 编程语言，编程工具
1.说说你了解过、使用过什么编程语言？比较他们的优势 c语言和java语言。 c语言是结构化设计语言，语法清晰、结构简单，模块化使得程序的各个部分除了必要的信息交流外彼此独立，便于开发、调试以及调试。 C语言适用范围大，可移植性好，适合于多种操作系统,如DOS、UNIX,也适用于多种机型。 Java ......