设计模式 原则 模式 笔记
DNS笔记
域名 因为访问网站时，很难记住对应网站的IP地址，所以使用域名来代替IP地址，使用户更加方便的访问网站。 DNS服务器的作用就是将IP地址与域名进行映射，使用户可通过域名得到到对应的IP，然后进行访问。 域名从右到左依次为顶级域名（一级域名）、二级域名、三级域名、四级域名、等等(通常域名层级不超过三 ......
Python笔记
学习Python时做的笔记，主要参考： B站小飞有点东西：https://space.bilibili.com/1803865534 董付国老师的《Python程序设计》教材 第一章、Python概述 1.1 扩展库安装方法（了解即可） 使用pip命令安装扩展库。 在cmd命令行中输入pip，回车后 ......
Autodesk Inventor Professional 2024：助力工程师实现卓越设计
Autodesk Inventor Professional 2024是一款功能强大的数字化产品开发软件，广泛应用于机械、汽车、航空航天和其他工程领域。它通过3D建模和仿真工具，帮助工程师创建、分析和优化复杂产品的设计和性能。 点击获取Autodesk Inventor Professional 2 ......
Liunx笔记
这篇笔记我是在学习Linux过程中的笔记，参考自： B站韩顺平老师的课程Linux 黑马程序员的《Linux系统管理与自动化运维》教材 第一章 文件目录结构 一、基本介绍 Linux 的文件系统是采用级层式的树状目录结构，在此结构中的最上层是根目录“/ ”，然后在此目录下再创建其他的目录。 记住一句 ......
Qt+数据库学习笔记（一）WIN10+Qt5.15.2 MinGW 32-bit+MySQL5.7.44编译MySQL5.7驱动插件
前言： 因项目需要，需要使用Qt连接MySQL数据库。程序编写电脑上使用的是Win10 64位系统，程序运行电脑上使用的是Win7 32位系统。 一、下载及安装MySQL5.7 1、地址：MySQL官网 点击DOWNLOADS 2、点击MySQL Community(GPL) Downloads 3 ......
转载：大模型所需 GPU 内存笔记
转载文章：大模型所需 GPU 内存笔记 引言 在运行大型模型时，不仅需要考虑计算能力，还需要关注所用内存和 GPU 的适配情况。这不仅影响 GPU 推理大型模型的能力，还决定了在训练集群中总可用的 GPU 内存，从而影响能够训练的模型规模。 大模型推理的内存计算只需考虑模型权重即可。 大模型训练的内 ......
芯片级的软件程序加密流程设计和解析
一 前记 在商业的社会中，有这么一撮人，他们是游走在法律边沿的，看谁家的软件赚钱了。就想办法去剽窃点。破解一下。还有一些段位比较低的人，那就是使用各种手段来做一些绕过付费的环节。今年遇到了一些这些事。让我坚信了从源头杜绝此类问题的必要性。作为一个软件工程师，这些对我算是手到擒来的事情。就自身设计了一 ......
界面控件DevExpress Blazor Grid v23.2 - 支持全新的单元格编辑模式
DevExpress Blazor UI组件使用了C#为Blazor Server和Blazor WebAssembly创建高影响力的用户体验，这个UI自建库提供了一套全面的原生Blazor UI组件（包括Pivot Grid、调度程序、图表、数据编辑器和报表等）。 在这篇文章中，我们将介绍DevE ......
《实现领域驱动设计》—实体
开发者趋向于将关注点放在数据上，而不是领域上。这对于DDD新手来说也是如此，因为在软件开发中，数据库依然占据着主导地位。我们首先考虑的是数据的属性（对应数据库的列）和关联关系（外键关联），而不是富有行为的领域概念。这样做的结果是将数据模型直接反映在对象模型上，导致那些表示领域模型的实体包含了大量的g ......
精妙构思：深度探析构建者模式的设计之道
大家好，欢迎来到程序视点！今天，我们一起来分享下一个创建型模式：构建者模式。 定义 先来看下它的定义。 建造者模式，是将一个复杂的对象的构建与它的表示分离，使得同样的构建过程可以创建不同的表示。 小二哥就问大家，看到这个定义懵逼不懵逼？什么叫对象的构建和它的表示分离?如果你能解释清楚这个问题，那这篇 ......
2023年10月份阅读笔记一
这篇文章是十月份第一篇阅读笔记，阅读书籍是《构建之法》 第一章 概论 在这一章中，作者为我们介绍了一些关于软件工程的基本知识。 ①软件=程序+软件工程：正是因为对软件开发活动（构建管理、源代码管理、软件设计、软件测试、项目管理）相关的内容的完成，才能完成把整个程序转化成为一个可用的软件的过程。 扩展 ......
简易机器学习笔记（六）不同优化算法器
前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......
设计模式-模板模式
概念 把公共的代码抽取出来，如果该功能是不确定的，那我们将其修饰成抽象方法。 将几个固定步骤的功能封装到一个方法中，对外暴露这个方法，就可以非常方便调用了。 优点 封装不变的部分，扩展可变的部分。把认为是不变的部分的算法封装到父类，可变部分的交由子类来实现。 提取公共部分的代码，行为由父类控制，子类 ......
机器学习笔记（五）更换损失函数：交叉熵
前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......
Python笔记二之多线程
本文首发于公众号：Hunter后端 原文链接：Python笔记二之多线程 这一篇笔记介绍一下在 Python 中使用多线程。 注意：以下的操作都是在 Python 3.8 版本中试验，不同版本可能有不同之处，需要注意。 本篇笔记目录如下： 概念 多线程的使用示例 daemon run() 线程对象的 ......
如何在无窗口模式下为git的tag和commit操作加GPG私钥——如何在命令行模式下使用gpg秘钥为git操作签名
相关： 如何在无窗口模式下运行GPG——如何在命令行模式下使用gpg生成秘钥：How to make gpg prompt for passphrase on CLI——GPG prompt for password in command line Git的GPG签名 —— Tag签名 Verifi ......
概率论复习笔记
$X$代表随机变量，$x$是具体的值。 规定：连续型随机变量取任意指定值的概率为$0$，即：$P(X=a)=0$ 概率密度函数$f(x)$ 某个邻域内概率的变化快慢。概率密度函数的值是概率的变化率，概率密度函数的面积才是概率。 于是可以得知$(a,b]$的概率：$P(a<X\le b)=\int_a ......
Spark Yarn模式
独立部署（Standalone）模式由 Spark 自身提供计算资源，无需其他框架提供资源。这种方式降低了和其他第三方资源框架的耦合性，独立性非常强。但是Spark 主要是计算框架，而不是资源调度框架，所以本身提供的资源调度并不是它的强项，所以还是和其他专业的资源调度框架集成会更靠谱一些。 在国内工 ......
改进搜索算法框架学习笔记
用途：主要用来解决不能写出解析解的、但有可微目标函数、约束条件的问题求解。 步骤： 获得初始解 基于初始解获得当前位置的梯度——找改进迭代方向 邻域内目标函数变化约等于步长*(梯度与实际改变向量的内积)。如沿梯度方向改变则约等于步长*梯度的二范数。梯度点乘改变向量可用于判断改变是增大还是缩小目标函数 ......
代码大全读书笔记01
第一次看《代码大全》的时候，收获并不大。当第二次在项目中，应用到代码大全的知识。Debug的时候、重构代码的时候，写伪代码的时候，将代码写在一个个的子程序中的时候。似乎对书中的知识理解的透彻很多。 将代码写在子程序的另外一个好处是，有时候你会发现以前没有发现过的事物的本质。——>你对程序理解的更加透 ......
《Ensemble deep learning: A review》阅读笔记
论文标题 《Ensemble deep learning: A review》 集成深度学习： 综述 作者 M.A. Ganaie 和 Minghui Hu 来自印度理工学院印多尔分校数学系和南洋理工大学电气与电子工程学院 本文写的大而全。 初读 摘要 集成学习思想： 结合几个单独的模型以获得更好的 ......
日语自学笔记
平假名是日语使用的一种表音文字，除一两个平假名之外，均由汉字的草书演化而来，形成于公元9世纪。早期为日本女性专用，后随着紫式部所作《源氏物语》的流行而使得日本男性也开始接受和使用。 平假名的日文写法及读音：平仮名（ひらがな）(hiragana)。 现代，人们把平假名的用处分为4种： 1.标注汉字的读 ......
（6）多阈值电压设计
在第0节我们知道，静态功耗与阈值电压相关，随着阈值电压的增加而减小，如下图所示： 根据上图，我们可以整理出阈值电压和静态功耗、时间延时之间的关系： 阈值电压越高的单元，静态功耗越低，但是时间延时越长，也就越慢； 阈值电压越低的单元，静态功耗越高，但是时间延时越短，也就越快； 综合和布局布线工具可以根 ......
《A Novel Table-to-Graph Generation Approach for Document-Level Joint Entity and Relation Extraction》阅读笔记
代码 原文地址 文档级关系抽取（DocRE）的目的是从文档中提取实体之间的关系，这对于知识图谱构建等应用非常重要。然而，现有的方法通常需要预先识别出文档中的实体及其提及，这与实际应用场景不一致。为了解决这个问题，本文提出了一种新颖的表格到图生成模型（TAG），它能够在文档级别上同时抽取实体和关系。T ......
如何在无窗口模式下运行GPG——如何在命令行模式下使用gpg生成秘钥：How to make gpg prompt for passphrase on CLI——GPG prompt for password in command line
参考： Unable to generate a key with GnuPG (agent_genkey failed: No such file or directory) ["No such file or directory" when generating a gpg key](https ......
可拖拽表单设计器好用吗？有什么特点？
把可拖拽表单设计器用在职场办公中，可以助力提高办公效率吗？答案是肯定的。随着业务量的上涨，很多企业传统的表单制作工具已经无法胜任当前的工作量了，提质增效的现代化拖拽式表单设计器可以提高办公协作率，成为助力实现流程化办公的得力助手。 其实，想要实现流程化办公已经成为很多企业的发展目标了。拖拽表单设计器 ......
舞蹈链学习笔记
算法思路 其实这就是一个比较高端的暴力，以模板题为例，其实就是先选其中含 \(1\) 较为少的一列，然后枚举选各个含 \(1\) 的行时其他的列能排除多少行，如果每行都有了就输出，否则要么继续，要么回溯。 如何建链表图 其实这就很简单了，只需要连接数据的上下左右边，再记录一下这一列有几个 \(1\) ......
Dancing Links(舞蹈链)学习笔记
算法思路 其实这就是一个比较高端的暴力，以模板题为例，其实就是先选其中含 $1$ 较为少的一列，然后枚举选各个含 $1$ 的行时其他的列能排除多少行，如果每行都有了就输出，否则要么继续，要么回溯。 如何建链表图 其实这就很简单了，只需要连接数据的上下左右边，再记录一下这一列有几个 $1$ 与位置即可 ......
读书笔记一
《程序员的修炼之道》 提供多种选择，不要找接口出了问题后，要提出各种解决方案的选择，而不是找借口；不要说事情做不到，要说明接下来做什么来挽回局面； 不要容忍破窗户我们看到过整洁、运行良好的系统，一旦窗户开始破裂，就相当迅速的恶化；不要留着破窗户不修；发现一个bug就修复一个，如果没有足够的时间进行恰 ......