算法 深度day 16
决战圣地玛丽乔亚Day39 -----GC、内存模型、类加载
内存模型： java内存模型定义了JVM虚拟机如何与计算机的内存进行交互。java内存模型把内存划分为两部分：主内存和工作内存。主内存共享，工作内存线程私有。 java内存模型的实现有两种：基于锁的同步和volatile、 基于锁的同步和synchronized 线程私有变量可以通过ThreadLo ......
day22（2023.3.22）
1.IO流技术(并不规范,仅用于测试) 2.IO经典写法 运行结果: 3.IO流新语法经典写法 4.FileInputStream 文件字节流 5.FileOutputStream 文件字节输出流 运行结果: 6.使用字节缓冲区提高读写效率 运行结果: 7.缓冲字节流 也能实现图片的复制 8.Fil ......
Day-0.2
打开CMD 1. 开始+系统+命令提示符 2. win键+R 输入CDM 打开控制台 3. 在任意文件夹下面，按住shift键+鼠标右键点击，在此处打开命令行窗口 4.资源管理器地址栏前面加上CMD路径常见DOS命令 1.盘符切换 2.查看当前目录下的所有文件 dir 3.切换目录 cd chang ......
深度理解Java线程池ThreadPoolExecutor
一.使用线程池的好处 1.提高系统性能和响应速度：线程池可以通过复用线程来减少线程的创建和销毁，从而减少了系统开销，提高了系统的性能和响应速度。 2.提高代码的可维护性：使用线程池可以将任务的执行与线程的创建和管理分离开来，使得代码更加清晰易懂，也更加容易维护。 3.提高代码的可复用性：线程池可以让 ......
day10-SpringBoot的异常处理
SpringBoot异常处理 1.基本介绍 默认情况下，SpringBoot提供/error处理所有错误的映射，也就是说当出现错误时，SpringBoot底层会请求转发到/error这个映射路径所关联的页面或者控制器方法。（默认异常处理机制） 要验证这个点，我们只需要设置一个拦截器，当每次请求时都在 ......
3.22 c++提高 4day
1.对象模型 成员函数不占用对象的内存 - 那么他们如何找到对象的成员呢 因为虽然不是默认传参 但是编译器会传入 this指针 来指向成员 21: a.test(); 007E40B7 lea ecx,[a] 007E40BA call to::test (07E13BBh) 2.this -》th ......
Windows下的深度学习环境安装
Windows下的深度学习环境安装 电脑型号：戴尔G15 GPU:RTX3060 第一步：下载anaconda 选择anaconda3 2022.10月版本最新版的windowsx86.exe版。官网下载特别慢，这里采用镜像网站 Index of /anaconda/archive/ | 北京外国语 ......
爬虫----day05（）
上节回顾 # 1 selenium -登录cnblogs，拿到cookie，再打开cnblogs，写入cookie，它就是登录状态 -半自动点赞 》selenium生成的cookie，给requests用 -selenium操作浏览器，速度慢 -requests速度快 -动作链 -自动登录12306 ......
day22 打卡235. 二叉搜索树的最近公共祖先 701.二叉搜索树中的插入操作 450.删除二叉搜索树中的节点
day22 打卡235. 二叉搜索树的最近公共祖先 701.二叉搜索树中的插入操作 450.删除二叉搜索树中的节点 235. 二叉搜索树的最近公共祖先 235题目链接 1.递归法。利用二叉搜素树中间节点肯定大于左子树，小于右子树的特征。 class Solution { public TreeNod ......
version "go1.16.4" does not match go tool version "go1.20.2"
1、访问golang中国官网，下载适用于Linux的Go1.20.2安装包。 2、打开终端并导航到下载的安装包所在的目录。 3、解压缩安装包，例如：tar -C /usr/local -xzf go1.20.2.linux-amd64.tar.gz。 4、将Go二进制文件的路径添加到PATH环境变量 ......
cuda、cudnn、zlib 深度学习必配三件套（Windows）
无论用tensorrt，还是onnxruntime部署。这三个都得下载配置，推荐都放到相应的cuda路径里（含dll的文件夹、含lib的文件夹）。 推荐先下载tensorrt或者onnxruntime，这样可以知道所需的cuda、cudnn版本。 1、cuda（以11.8为例） 下载地址：CUDA ......
学习数据mining算法收集（1）聚类算法：DBSCAN算法
——————————非原创，来自知乎https://zhuanlan.zhihu.com/p/77043965———————————————————————————— 1.定义 DBSCAN将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚 ......
基于深度学习的瓶盖检测系统（Python+YOLOv5深度学习模型+清新界面）
基于深度学习的瓶盖检测系统用于传送带或日常场景中瓶盖检测识别，提供实时瓶盖检测定位和计数，辅助瓶盖生产加工过程的自动化识别。本文详细介绍基于深度学习的瓶盖检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5算法实现对图像中存在的多目标进行识... ......
交通信号标志识别软件（Python+YOLOv5深度学习模型+清新界面）
交通信号标志识别软件用于交通信号标志的检测和识别，利用机器视觉和深度学习智能识别交通标志并可视化记录，以辅助无人驾驶等。本文详细介绍交通信号标志识别软件，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多目标进行识别... ......
机场航拍图像检测软件（Python+YOLOv5深度学习模型+清新界面）
机场航拍图像检测软件使用深度学习技术检测机场航拍图像中的飞机目标等，识别航拍目标等结果并记录和保存，辅助机场智能管理运行。在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。机场航拍检测系统主要检测飞机的数目、位置、预测置信度等；连接摄像头设备可开启实时检测功能，另... ......
基于深度学习的海洋动物检测系统（Python+YOLOv5+清新界面）
基于深度学习的海洋动物检测系统使用深度学习技术检测常见海洋动物，识别图片、视频和实时视频中的海洋动物，方便记录、展示和保存结果。本文详细介绍海洋动物检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5实现对图像中存在的多个目标进行识别分类，... ......
智能扑克牌识别软件（Python+YOLOv5深度学习模型+清新界面）
智能扑克牌识别软件利用视觉方法检测和识别日常扑克牌具体花色与数字，快速识别牌型并标注结果，帮助计算机完成扑克牌对战的前期识别步骤。本文详细介绍基于深度学习的智能扑克牌识别软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5对图像中存在的多目标进... ......
智能火焰与烟雾检测系统（Python+YOLOv5深度学习模型+清新界面）
智能火焰与烟雾检测系统用于智能日常火灾检测报警，利用摄像头画面实时识别火焰与烟雾，另外支持图片、视频火焰检测并进行结果可视化。本文详细介绍基于智能火焰与烟雾检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多... ......
基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
基于深度学习的花卉检测与识别系统用于常见花卉识别计数，智能检测花卉种类并记录和保存结果，对各种花卉检测结果可视化，更加方便准确辨认花卉。本文详细介绍花卉检测与识别系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5目标检测算法，在界面中可以选择... ......
吸烟行为检测系统（Python+YOLOv5深度学习模型+清新界面）
吸烟行为检测软件用于日常场景下吸烟行为监测，快速准确识别和定位吸烟位置、记录并显示检测结果，辅助公共场所吸烟安全报警等。本文详细介绍吸烟行为检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别，基于YOLOv5算法实... ......
基于深度学习的动物识别系统（YOLOv5清新界面版，Python代码）
动物识别系统用于识别和统计常见动物数量，通过深度学习技术检测日常几种动物图像识别，支持图片、视频和摄像头画面等形式。在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。动物识别系统主要用于常见动物的识别，检测几种动物的数目、位置、预测置信度等；检测模型可选择切换，识别... ......
智能零售柜商品检测软件（Python+YOLOv5深度学习模型+清新界面）
智能零售柜商品检测软件用于识别零售柜常见商品，检测商品名和位置以了解销售情况，为零售柜商品智能检测和自动销售提供检测功能。本文详细智能零售柜商品检测软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集、以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的... ......
算法笔记的笔记——第6章 C++标准模板库（STL）
vector 变长数组 长度根据需要而自动改变的数组 可以用来以邻接表的方式储存图 使用 头文件：#include <vector> 命名空间：using namespace std; 定义 vector<typename> name; 相当于一维数组name[SIZE]，但长度可变。typenam ......
《渗透测试》主机架构&蜜罐识别&WAF识别&端口扫描&协议识别&服务安全 2023 Day15
端口 服务 渗透用途 tcp 20,21 FTP 允许匿名的上传下载,爆破,嗅探,win提权,远程执行(proftpd 1.3.5),各类后门(proftpd,vsftp 2.3.4) tcp 22 SSH 可根据已搜集到的信息尝试爆破,v1版本可中间人,ssh隧道及内网代理转发,文件传输等等 tc ......
《渗透测试》WEB攻防-ASP安全&MDB下载植入&IIS短文件名&写权限&解析 2022 Day18
1 ➢ ASP-数据库-MDB默认下载 ➢ ASP-数据库-ASP后门植入连接 ➢ ASP-中间件-IIS短文件名探针-安全漏洞 ➢ ASP-中间件-IIS文件上传解析-安全漏洞 ➢ ASP-中间件-IIS配置目录读写-安全配置 ......
雪花算法(SnowFlake)
简介 现在的服务基本是分布式、微服务形式的，而且大数据量也导致分库分表的产生，对于水平分表就需要保证表中 id 的全局唯一性。 对于 MySQL 而言，一个表中的主键 id 一般使用自增的方式，但是如果进行水平分表之后，多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局 ......
低代码开发，一场深度的IT效率革命
尽管IT技术已经有了前所未有的飞跃，但是软件开发效率却还是达到了一定的瓶颈。码农们一边喊着996、一边重复造轮子。正因为如此，低代码领域发展迅速。今天，你低代码了吗？ 软件形态发展 从整个行业发展情况来看，自2019年低代码成为行业热词至今，资本市场一直动作频频。从需求端来看，低代码的出现集中反映了 ......
「ACM 算法实践」[解题报告]麦田
分析 首先，前缀和的思路是很显然的。然后我们很容易想到暴力枚举矩形的左上角和右下角，然而 $\mathcal{O}(n^4)$ 的算法过不去，哪怕把最后一维用二分，倒数第二维加一点剪枝也还是会 T 两个点。 这时候应该考虑将多行/列压缩为一行/列，然后再使用双指针枚举列/行。详细来说就是将 $i$ ......
「ACM 算法实践」[解题报告]组队
分析 因为时间不多了，我一开始只考虑了 $a_i$ 互不相等的情况，没想到居然拿到了 60 昏（ 正确解法是贪心 + 优先队列。~~而不是从「使得人数最少的队伍人数最多」中得到的二分~~ 首先肯定要将 a 数组排序，要使人数最少的队伍人数最多，我们优先将当前的数 $a[i]$ 放到以 $a[i]-1 ......