课程学习 语法 按键 函数
深度学习-网络训练流程说明
1.背景 分类神经网络模型：Mobilenetv3。 深度学习框架：PyTorch。 Mobilenetv3简单的手写数字识别： 任务输入：一系列手写数字图片，其中每张图片都是28x28的像素矩阵。 任务输出：经过了大小归一化和居中处理，输出对应的0~9数字标签。 项目参考代码：https://gi ......
Java开发学习(四十五)----MyBatisPlus查询语句之映射匹配兼容性
1、映射匹配兼容性 我们已经能从表中查询出数据，并将数据封装到模型类中，这整个过程涉及到一张表和一个模型类: 之所以数据能够成功的从表中获取并封装到模型对象中，原因是表的字段列名和模型类的属性名一样。那么问题就来了: 问题1:表字段与编码属性设计不同步 当表的列名和模型类的属性名发生不一致，就会导致 ......
Java开发学习(四十六)----MyBatisPlus新增语句之id生成策略控制及其简化配置
在前面有一篇博客：Java开发学习(四十一) MyBatisPlus标准数据层（增删查改分页）开发，我们在新增的时候留了一个问题，就是新增成功后，主键ID是一个很长串的内容。 我们更想要的是按照数据库表字段进行自增长，在解决这个问题之前，我们先来分析下ID该如何选择: 不同的表应用不同的id生成策略 ......
在 win11 下搭建并使用 ubuntu 子系统（同时测试 win10)——（附带深度学习环境搭建）
对于一个深度学习从事者来说，Windows训练模型有着诸多不便，还好现在Windows的Ubuntu子系统逐渐完善，近期由于工作需求，配置了Windows的工作站，为了方便起见，搭建了Ubuntu子系统，网上教程比较多，但是都或多或少存在一些小问题（也许是他们没有遇到）， 于是我自己在尝试中，将自己 ......
ArcGIS QGIS学习二：图层如何只显示需要的部分几何面数据（附最新坐标边界下载全国省市区县乡镇）
前言 当我们用GIS软件打开一个SHP文件的时候，会显示出里面全部的几何图形，假如我只想要其中的一部分数据显示出来，其他的均不要显示，有那么几种操作方法。 我们可以通过把需要显示的几何面复制到另外一个图层里面来单独显示，但如果需要显示的区域一变，又要重新搞，不是很方便。 下面将记录一下我学到的解决方 ......
NLP实践！文本语法纠错模型实战，搭建你的贴身语法修改小助手 ⛵
本文详细介绍 GECToR 这一优秀的文本纠错模型，使用 Transformer 编码器的序列标注器，以保证文本数据的质量，进而提升NLP模型的效果。 ......
一文读懂！异常检测全攻略！从统计方法到机器学习 ⛵
本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。 ......
边玩边学！交互式可视化图解！快收藏这18个机器学习和数据科学网站！⛵
机器学习算法理论比较枯燥乏味，但有许多有趣且有用的网站，您可以像游戏一样交互式操作，并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站，学起来！ ......
函数调用时用const保护指针
当调用函数并且把指向变量的指针作为参数传入时，通常会假设函数将修改变量（否则，为什么函数需要指针呢？）。例如，如果在程序中看到语句 f(&x); 大概是希望f改变x的值。但是，f仅需检查x的值而不是改变它的值也是可能的。指针可能高效的原因是：如果变量需要大量的存储空间，那么传递变量的值会浪费时间和空 ......
前端学习 linux —— 软件安装(Ubuntu)
软件安装(Ubuntu) 本篇主要讲解 ubuntu 中软件的安装、apt 的源、内网部署案例（graylog 为例），最后是 python 开发准备。 apt 和 rpm 在linux 第一篇我们知道如果机器是 ubuntu 则可用 apt-get/dpkg 安装软件，如果是centos 则可用 ......
读 RocketMQ 源码，学习并发编程三大神器
笔者是 RocketMQ 的忠实粉丝，在阅读源码的过程中，学习到了很多编程技巧。 这篇文章，笔者结合 RocketMQ 源码，分享并发编程三大神器的相关知识点。 1 CountDownLatch 实现网络同步请求 CountDownLatch 是一个同步工具类，用来协调多个线程之间的同步，它能够使一 ......
机器学习分类模型评价指标之ROC 曲线、 ROC 的 AUC 、 ROI 和 KS
前文回顾： 机器学习模型评价指标之混淆矩阵 机器学习模型评价指标之Accuracy、Precision、Recall、F-Score、P-R Curve、AUC、AP 和 mAP 1. 基本指标 1.1 True Positive Rate(TPR) $TPR = \frac{TP}{TP+FN}$ ......
MySQL数据库：6、约束的概述及语法
Python基础之MySQL数据库 一、约束概述 1、为什么要约束 为了防止数据库中存在不符合语义规定的数据和防止错误信息的输入、输出造成无效的操作而提出的 为了保证数据的完整性，SQL规范以约束的方式对表数据进行额外的条件限制，从以下四个方面考虑 实体完整性：例如一个表中不能存在两条相同的 ......
深入浅出学习透析Nginx服务器的基本原理和配置指南「初级实践篇 」
Nginx (Engine X)是一个轻量级的Web服务器 、反向代理服务器及电子邮件（IMAP/POP3）代理服务器、高性能的HTTP服务器，它以高稳定性、丰富的功能集、示例配置文件和低系统资源的消耗而闻名。 ......
深入浅出学习透析 Nginx 服务器的基本原理和配置指南「运维操作实战篇」
Nginx 安装非常的简单，且Nginx 启动特别容易，并且几乎可以做到24小时不间断运行，即使运行数个月也不需要重新启动。你还能够在不间断服务的情况下进行软件版本的升级。接下来我们要针对于安装和运维操作进行实战和分析。 ......
JUC源码学习笔记6——ReentrantReadWriteLock
系列文章目录和关于我 阅读此文需要有AQS独占和AQS共享的源码功底，推荐阅读： 1.JUC源码学习笔记1——AQS独占模式和ReentrantLock 2.JUC源码学习笔记2——AQS共享和Semaphore，CountDownLatch 一丶类结构和源码注释解读 1.ReadWriteLock ......
Seata 1.5.2 源码学习（事务执行）
关于全局事务的执行，虽然之前的文章中也有所涉及，但不够细致，今天再深入的看一下事务的整个执行过程是怎样的。 1. TransactionManager io.seata.core.model.TransactionManager是事务管理器，它定义了一个全局事务的相关操作 DefaultTransa ......
Blazor和Vue对比学习（进阶.路由导航一）：基本使用
Blazor和Vue都是单文件组件SPA，路由的实现逻辑非常相似，页面路径的改变都是组件的切换，但因为各自语言的特性，在实现方式上有较大差异。 一、安装 1、Vue：Router是Vue的一个插件。如果使用Vite脚手架初始化项目，需要手动安装和配置Router插件。如果使用Vue脚手架初始化项目， ......
学习ASP.NET Core Blazor编程系列十五——查询
在这一篇教程中我们学习如何增加查询功能，我们将在书籍列表页面中添加搜索功能，通过按“书籍名称”或“作者”来搜索书籍。
在以往经典的Web应用程序中，我们经常使用元素创建表单，在表单中添加 元素， 有一个 type 属性，用于指定输入的类型及其显示方式（作为数字、文本框、单选按钮、复选... ......
学习ASP.NET Core Blazor编程系列十三——路由（完）
除了前面三篇文章中介绍的路由方式，可以用来进行页面跳转之外，今天介绍最后一种方式，如何在代码中进行页面跳转。如果是JavaScript我们会用window.location来切换页面，Blazor为我们提供了相应的封装：NavigationManager。使用NavigationManager可以通... ......
JavaScript入门②-函数(1)基础{浅出}
函数（方法）就是一段定义好的逻辑代码，函数本身也是一个object引用对象。JS的深入浅出，全面了解函数，从作用域到词法分析，从箭头函数到call/apply/bind，从this到闭包，从上下文到调用栈，从内核到外延... ......
重学c#系列——委托和匿名函数[二十五]
前言 简单介绍一下什么是委托。 正文 以前也写过委托，这次算是重新归档，和新的补充吧。 https://www.cnblogs.com/aoximin/p/13940125.html 有些人说委托是函数指针的包装，也有些人说委托是一个方法或多个方法的引用。 这都是没有问题，委托是一个概念，微软官方文 ......
JavaScript入门③-函数(2)原理{深入}执行上下文
被JavaScript的闭包、上下文、嵌套函数、this搞得很头痛，这语言设计的，感觉比较混乱，先勉强理解总结一下???。● 为什么有闭包这么个东西？闭包包的是什么？● 什么是词法作用域？● 函数是如执行的呢？ ......
【动手学深度学习】学习笔记
线性神经网络 图像分类数据集 import torch import torchvision from matplotlib import pyplot as plt from torch.utils import data from torchvision import transforms fr ......
基于Sklearn机器学习代码实战
本文主要跟随Datawhale的学习路线以及内容教程，详细介绍了机器学期常见的多个基础算法的基于sklearn的实现过程，内容丰富。 ......
深度学习数学基础-概率与信息论
概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明（statement）的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两门学科的基础。 ......
基于sklearn的集成学习实战
本文主要跟随Datawhale的学习路线以及内容教程，详细介绍了集成学习常见的多个算法的基于sklearn的实现过程，同时还有两个案例，内容丰富。 ......