蔬菜水果 学习网络 算法 深度
推荐系统[八]算法实践总结V2：排序学习框架(特征提取标签获取方式)以及京东推荐算法精排技术实战
0.前言 「排序学习（Learning to Rank，LTR）」，也称「机器排序学习（Machine-learned Ranking，MLR)」 ，就是使用机器学习的技术解决排序问题。自从机器学习的思想逐步渗透到信息检索等领域之后，如何利用机器学习来提升信息检索的性能水平变成了近些年来非常热门的研 ......
Q-M（Quine-McCluskey）两级逻辑化简算法原理解析
转载请务必注明出处：https://www.cnblogs.com/the-wind/p/15764283.html，感谢合作。 1 背景介绍：两级逻辑 香农在他的硕士论文[1]中提出了开关电路的综合方法，其中提到香农展开定理，即任意n变量布尔函数$f(x_1,...,x_{n-1},x_n)$都可 ......
【数据结构与算法学习】线性表（顺序表、单链表、双向链表、循环链表）
实现语言：C++ 1. 线性表相关概念 线性表（Linear List） 是由n(n≥0)个具有相同特性（数据类型）的数据元素（结点）a1，a2，...，ai-1，ai，ai+1，...，an组成的有限序列。 其中，a1为线性起点（起始结点），an为线性终点（终端结点）。对于每一个数据元素ai，我们 ......
odoo ORM API学习总结兼orm学习教程
环境 odoo-14.0.post20221212.tar ORM API学习总结/学习教程 模型(Model) Model字段被定义为model自身的属性 from odoo import models, fields class AModel(models.Model): _name = 'a. ......
odoo 权限管理学习总结
环境 odoo-14.0.post20221212.tar base_user_role-12.0.2.1.2.zip 下载地址： https://apps.odoo.com/apps/modules/12.0/base_user_role/ 权限管理 简介 为了更好的熟悉权限，我们先来了解下用户， ......
odoo Web Controllers 学习总结
环境 odoo-14.0.post20221212.tar Web Controllers Controllers 控制器需要提供可扩展性，就像Model，但不能使用相同的机制，因为先决条件（已加载模块的数据库）可能还不可用（例如，未创建数据库或未选择数据库）。 因此，控制器提供了自己的与模型的扩展 ......
【数据结构与算法学习】散列表（Hash Table，哈希表）
实现语言：C++ 1. 散列表 散列表，英文名称为Hash Table，又称哈希表、杂凑表等。 线性表和树表的查找是通过比较关键字的方法，查找的效率取决于关键字的比较次数。 而散列表是根据关键字直接访问的数据结构。散列表通过散列函数将关键字映射到存储地址，建立了关键字和存储地址之间的一种直接映射关系 ......
代码优化与程序加速指南——针对数值优化和深度学习领域
背景 当需要处理规模较大、任务较复杂的优化问题或训练神经网络时，我们经常会遇到程序运行时间长或无法完成的情况。然而，这不一定是由于问题规模大或计算机硬件能力的限制。即使尝试使用更高性能的服务器或计算机，也不能保证能够有效地加速代码运行。因为高性能的硬件通常需要与为高性能计算而设计的代码相匹配。 本文 ......
局部异常因子（Local Outlier Factor, LOF）算法详解及实验
局部异常因子（Local Outlier Factor, LOF）通过计算样本点的局部相对密度来衡量这个样本点的异常情况，可以算是一类无监督学习算法。下面首先对算法的进行介绍，然后进行实验。 LOF算法 下面介绍LOF算法的每个概念，以样本点集合中的样本点$P$为例。下面的概念名称中都加了一个k-， ......
微服务学习计划——消息队列
微服务学习计划——消息队列 我们在微服务中一个命令会逐渐调用各个微服务，但如果一一调用不仅需要微服务实时同步交互还会浪费效率 所以我们通常会采用MQ，也就是消息队列Message Queue来处理这个问题 下面我们会通过几个方法介绍消息队列： MQ RabbitMQ SpringAMQP MQ 首先 ......
LeetCode 周赛 334，在算法的世界里反复横跳
本文已收录到 AndroidFamily，技术和职场问题，请关注公众号 [彭旭锐] 提问。 大家好，我是小彭。 今天是 LeetCode 第 334 场周赛，你参加了吗？这场周赛考察范围比较基础，整体难度比较平均，第一题难度偏高，第四题需要我们在算法里实现 “反复横跳”，非常有意思。 小彭的 And ......
基于内容的推荐系统算法
基于内容的推荐算法是一种常用的推荐算法，它主要通过分析物品的特征（如文本、图片、视频等）来实现推荐。其核心思想是利用物品属性的相似性，将已经喜欢的物品的特征作为输入，推荐与该物品相似度高的其他物品。 基于内容的推荐算法仅考虑了单个用户对物品的偏好，而未考虑多个用户之间的交互和影响。此外，该算法在特征 ......
linux网络编程中的errno处理
在网络编程中，处理网络连接、连接收发数据等经常会涉及到errno的处理。经过查阅了很多资料，发现没有一个系统的讲解，在不同阶段会遇到哪些errno，以及对这些errno需要如何处理。因此，本文将分为三个部分来讲解。 ......
【基数排序算法详解】Java/Go/Python/JS/C不同语言实现
说明 基数排序（RadixSort）是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。基数排序的发明可以追溯到1887年赫尔曼·何乐礼在列表机（Tabulation ......
【选择排序算法详解】Java/Go/Python/JS/C 不同语言实现
【选择排序算法详解】Java/Go/Python/JS/C 不同语言实现 说明 选择排序（Selection Sort）是一种简单直观的排序算法。跟冒泡、插入排序一样，它将数列分为已排序和待排序两个区间。首先在待排序序列中找到最小（或最大）的元素，追加到已排序序列中，然后继续从待排序序列中寻找最小（ ......
算法学习笔记(18): 平衡树（一）
平衡树 建议在清楚二叉搜索树的所有操作之后食用本文。本文将略过部分基础知识 本文主要会讲到4中较常用的平衡树： Treap FHQ-Treap（无旋Treap） Splay WBLT 其实WBLT不怎么常用，但是我个人最喜欢用 我将会在另一篇文章中讲述其他的平衡树，如AVL，红黑树，替罪羊树等。 可 ......
学习分享：对极几何、基本矩阵、本质矩阵（持续更新）
对极几何、基本矩阵、本质矩阵 对极约束相关介绍可以在《计算机视觉中的多视图几何》一书的185页找到； 1 对极约束 1.2 对极约束的理解 对极几何是两幅视图之间内在的射影几何； 对极约束：已知某一3D点$X$在第一张图像上的投影是$x$,那么在同样观测到点$X$的第二幅图像上的投影$x'$是如何被 ......
AI 大战 AI，一个深度强化学习多智能体竞赛系统
小伙伴们快看过来！这是一款全新打造的 ⚔️ AI vs. AI ⚔️——深度强化学习多智能体竞赛系统。 这个工具托管在 Space 上，允许我们创建多智能体竞赛。它包含三个元素: 一个带匹配算法的 Space，使用后台任务运行模型战斗。 一个包含结果的 Dataset。 一个获取匹配历史结果和显示模 ......
在昇腾平台上对TensorFlow网络进行性能调优
摘要：本文就带大家了解在昇腾平台上对TensorFlow训练网络进行性能调优的常用手段。 本文分享自华为云社区《在昇腾平台上对TensorFlow网络进行性能调优》，作者：昇腾CANN 。 用户将TensorFlow训练网络迁移到昇腾平台后，如果存在性能不达标的问题，就需要进行调优。本文就带大家了解 ......
网络爬虫流程总结
网络爬虫的大体流程其实就是解析网页，爬取网页，保存数据。三个方法，就完成了对网页的爬取，并不是很困难。以下是自己对流程的一些理解和总结，如有错误，欢迎指正。 一、解析网页，获取网页源代码 首先，我们要了解我们要爬取的网页，以豆瓣为例，我们要了解模拟浏览器头部信息，来伪装成浏览器。以及爬取的内容是什么 ......
计网学习笔记三 MAC与LAN
在上一讲中，我们学习了链路层可以提供的服务😶：framing，link access，reliable delivery，error detection&correction。这一讲我们从link access中的broadcast接入方式深入，学习这种接入方式下的协议，以及衍生出的MAC地址，最 ......
计网学习笔记二 Link Layer Service
在上一周的计网学习了network和Internet的总论。在这一周开始的未来几讲将集中在链路层link layer，并且会有相应的计网lab完成。在这一讲中，我们主要关注链路层提供的服务。 课程资料地址：https://cs.nju.edu.cn/lwz/networks/CH2-Direct%2 ......
从宏观上理解计算机网络模型-坐在直升机上看网络
大家好，我是风筝 今天是轻解计算机网络系列第一解，从宏观上了解网络。主要介绍网络分成模型、基本传输过程。 学习任何一种新技术都应该是这样的顺序，先从宏观上了解这门技术的基本原理和作用。这就好像生物学家研究一种生物，不能上来就解刨吧，一定是从整体上观察了这种生物的体貌和形态。这里的宏观就像是一具动物骨 ......
内容分发网络 CDN
内容分发网络（英语：Content Delivery Network 或 Content Distribution Network，缩写：CDN）将源站资源缓存到全国各地的边缘服务器，供用户就近获取，降低源站压力。 ......
ABP微服务系列学习-对接前端界面
前面我们把后端的微服务架子基本搭建完成并成功启动了，现在我们可以对接前端界面了。这里我们直接用ABP模板里面的Angular的前端界面。 创建应用程序模板 使用ABPCli创建一个应用程序模板，前端选择Angular，选择参数--separate-identity-server，分离身份认证和API ......
ABP微服务系列学习-对接Apollo配置中心
前面我们把服务都已经成功启动，并且对接前端Angular界面。但是在微服务结构中，多个服务意味着需要配置多个配置文件，这时就需要引入配置中心这玩意了。配置中心有很多现成的方案，比如携程的阿波罗，K8S自带的ConfigMap等等。这里介绍一下如何对接携程的阿波罗配置中心。 部署Apollo服务 在开 ......
ABP微服务系列学习-使用Tye启动微服务
Tye是微软开源的一款开发人员工具， 能够用于简化微服务以及分布式应用程序的开发、测试以及部署过程。Tye 的首要目标是简化微服务的开发，具体方式包括仅用一行命令执行多项服务、在容器中使用依赖项目，以及使用简单的方法探索其他服务的地址。 安装tye 首先我们安装tye，使用dotnet cli命令。 ......
ABP微服务系列学习-搭建自己的微服务结构（一）
在原本的结构里面，由于默认服务引用的都是ABP原生的模块，所以结构目录里面没有包含modules目录，这里我们添加一个modules目录，用于存放我们的自定义模块。在shared里面，我们再抽一个EventData的模块，用于消息队列共用数据实体。修改后结构如下图所示： 开始搭建 由于我们没有商业版 ......
ABP微服务系列学习-搭建自己的微服务结构（三）
上一篇我们基础服务初步搭建完毕，接下来我们整一下认证和网关。 搭建认证服务 认证服务的话，ABP CLI生成的所有模板都包括了一个AuthServer。我们直接生成模板然后微调一下就可以直接用了。 abp new FunShow -t app --tiered 使用命令创建模板后，我们可以找到一个A ......