数学学习 数学 笔记
【计网笔记】什么是计算机网络？
什么是计算机网络？ 目录什么是计算机网络？什么是计算机网络？什么是互连网（internet）？什么是主机（host）？互联网（Internet）与互连网（internet）的区别 什么是计算机网络？ 计算机网络（简称为网络）由若干 节点（node） 和连接这些节点的 链路（link） 组成。网络中的 ......
学习笔记2
Spark启动和验证直接无参数启动./spark-shell ，运行的是本地模式： 启动./spark-shell –master yarn，运行的是on yarn模式，前提是yarn配置成功并可用： 在hdfs文件系统中创建文件README.md，并读入RDD中，使用RDD自带的参数转换，RDD默 ......
（坚持每天写算法）算法复习与学习part1基础算法1-6——高精度加法
高精度加法，其实就是模拟我们普通算式的步骤，比如是267+58，首先个位相加，7 + 8 = 15 ， 1给到十位（也就是进位），留下5，然后算十位，同样的步骤直到算完。通过这个步骤我们直到了我们每次循环（个位到十位到百位……）都需要一个t来充当进位，使用数组来存储或者使用vector（容器），我这 ......
1.11学习进度
（6）在/tmp/test2 目录下新建 word.txt 文件并输入一些字符串保存退出； （7）查看 word.txt 文件内容； （8）将 word.txt 文件所有者改为 root 帐号，并查看属性； （9）找出/tmp 目录下文件名为 test2 的文件； （10）在/目录下新建文件夹 te ......
mall商城笔记-02
项目的搭建 一、搭建父工程 这里要注意父工程的boot版本与cloud版本的对照，否则无法启动 <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-parent</artifactId> <vers ......
华山游览攻略笔记
目录交通索道登山游览路线游览图黄山黄山三大高峰是：莲花峰、光明顶、天都峰莲花峰介绍光明顶介绍：天都峰介绍： 华山景区为五岳之最，海拔2154.9米，素以奇险天下第一山著称，为了方便游客登山旅途的轻松，建议您轻装登山，不必要的物品尽量不要携带，食品、饮料、衣物等可根据个人情况酌量准备，夜爬华山到达山顶 ......
1/11 学习进度笔记
Spark的程序运行层次结构 4040：是一个运行的Application在运行过程中临时绑定的端口，用于查看当前任务的状态。4040被占用就会顺延到4041,4042等。 4040是一个临时端口，当前程序运行完成后，4040就会被注销。 8080：默认是StandAlone下，Master角色（进 ......
软件工程网课笔记
前言：课程是学堂在线清华大学的软件工程课程，但是没有按照正常顺序学习； 同样的个人还是更习惯使用飞书记录，所以这里先给出第一章的内容，后续内容请查看：https://f1g48hqfc05.feishu.cn/docx/V6WmdI0CAoPg1dxPTtocmNmUnnb?from=from_co ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
Vue源码学习(十九)：router基本原理
好家伙, 0.什么是路由? 路由就是匹配到对应路径显示对应的组件！ 那么我们要如何去实现? 我们来回忆一下这router怎么用的 1. 声明式路由配置：在路由配置对象中，定义路径与组件的映射关系。例如： import AboutComponent from '../views/AboutCompon ......
Mybatis学习记录
Mybatis入门简介 MyBatis 是一款优秀的持久层框架，它支持自定义 SQL、存储过程以及高级映射。MyBatis 免除了几乎所有的 JDBC 代码以及设置参数和获取结果集的工作。MyBatis 可以通过简单的 XML 或注解来配置和映射原始类型、接口和 Java POJO（Plain Ol ......
在算法比赛中的常用数学库函数
导言 在算法竞赛中，数学库函数是解决问题的重要工具之一。本文将介绍一些常用的数学库函数，并给出在实际比赛中的应用示例。 1. 绝对值函数 在C++中，我们有两种不同类型的绝对值函数：abs（整数）和 fabs（浮点数）。这两者的应用场景和返回值的类型有所不同，需要根据具体情况选择使用。 //abs( ......
学习进度笔记
Requests模块简单入门 #HTTP请求类型 #get类型 r = requests.get('https://github.com/timeline.json') #post类型 r = requests.post("http://m.ctrip.com/post") #put类型 r = r ......
vector的学习
经历的近一年的学习，终于算是想起来了还有这个博客，那终于开始重新拾起，进行一个stl的学习 标准模板库 在C++标准库中，只需要#include头文件，便可以引用 STL标准库分为几个大类，这篇文章只简要介绍vector vector 什么是vector?我们可以把vector简单的理解为是一个比u ......
前端学习-HTML/CSS刷题笔记01
1 清除浮动 方法1 双伪元素法：在style中给父元素添加伪元素代码 了解zoom:1; <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=devi ......
项目管理--PMBOK 读书笔记（6）【项目进度管理】
1、紧前关系绘图法（PDM）： 2、三点估算（PERT）： 最可能时间（Tm）、最乐观时间（To）和 最悲观时间（Tp）； 三角分布： 平均估算值=（Tm+To+Tp）/3； 3、估算方法对比及应用场景： 4、储备分析 1）应急储备（进度计划内）：应急储备于“已知-未知”风险相关，需要加以合理估算， ......
MarkDown学习
MarkDown学习 标题 三级标题 四级标题 字体 Hello，Word！ Hello，Word！ Hello，Word！ Hello，Word！ 引用 asdasdasdasda 分割线 图片  二
前提准备:OpenEuler系统，VMWare 由于本次使用3台主机完成kubernetes集群部署，其中1台为master节点,名称为k8s-master01;其中2台为node节点，名称分别为：k8s-node01及k8s-node02 master节点 # hostnamectl set-ho ......
第二周学习总结
第二周学习总结 分块 思想：把长度为 \(N\) 的序列分为若干个长度为 \(S\) 的快。对于每次询问/修改，整块打包处理，零散部分暴力处理。 一般情况况下，当 \(S=\sqrt{n}\) 时，有较好复杂度 \(m \sqrt{n}\)。 模板代码： [线段树]区间极大值2 #include<s ......
第一周学习总结
第一周学习总结 二分图 定义 若 \(G\) 是一个无向图，\(G\) 的顶点分成 \(X\) 和 \(Y\) 两部分，\(G\) 中每条边的两个顶点一定是 一个属于 \(X\) 另一个属于 \(Y\)，则称图 \(G\) 为 二分图。 图例： 判定——染色法 用两种颜色对所有顶点染色，要求一条边所 ......
二分图最大匹配学习总结
二分图最大匹配学习总结 二分图的定义 如果无向图 \(G=(V,E)\) 的点集 \(V\) 可以分为两个集合 \(V_1,V_2\)，使边集 \(E\) 都在 \(V_1\) 和 \(V_2\) 之间，并且 \(V_1\) 和 \(V_2\) 内部的点没有连边，则 \(G\) 是一个二分图。 图例 ......
Learning Dynamic Query Combinations for Transformer-based Object** Detection and Segmentation论文阅读笔记
Motivation & Intro 基于DETR的目标检测范式（语义分割的Maskformer也与之相似）通常会用到一系列固定的query，这些query是图像中目标对象位置和语义的全局先验。如果能够根据图像的语义信息调整query，就可以捕捉特定场景中物体位置和类别的分布。例如，当高级语义显示图 ......
Spring学习记录之GoF之代理模式
Spring学习记录之GoF之代理模式 前言 这篇文章是我第二次学习b站老杜的spring相关课程所进行的学习记录，算是对课程内容及笔记的二次整理，以自己的理解方式进行二次记录，其中理解可能存在错误，欢迎且接受各位大佬们的批评指正； 关于本笔记，只是我对于相关知识遗忘时快速查阅了解使用，至于课程中实 ......
[NLP复习笔记] Transformer
1. Transformer 概述 1.1 整体结构 \(\text{Transformer}\) 主要由 \(\text{Encoder}\) 和 \(\text{Decoder}\) 两个部分组成。\(\text{Encoder}\) 部分有 \(N = 6\) 个相同的层，每层包含 一个 \( ......
神经网络学习笔记（1）
1、神经元 神经元是神经网络中的基本单元。 每一个神经元包括两个参数：权重系数和偏置系数b。 神经网络的学习过程就是通过优化更新每一个神经元的权重和偏置系数，使得输出值Y更接近其真实值。 假设神经元的输入向量为 ,那么输出，其中 是该神经元选定的激活函数。 x1、x2表示输入量 w1、w2为权重，几 ......