课程学习
React学习笔记10- Ref的应用
用法 1.给标签设置ref="username" 通过这个获取this.refs.username , ref可以获取到应用的真实dom 2. 给组件设置ref="username" 通过这个获取this.refs.username ,ref可以获取到组件对象 写法 import React, { ......
React学习笔记09- 事件处理
React采用on+事件名的方式来绑定一个事件，注意，这里和原生的事件是有区别的，原生的事件全是小写 onclick , React里的事件是驼峰 onClick ，React的事件并不是原生事件，而是合成事件。 事件回调的几种写法 1.直接在组件内定义一个非箭头函数的方法，然后在render里直接 ......
[学习编程]pythontip习题心得
题目 最小缺失数 编写一个Python程序，找出列表中最小的缺失整数(理想情况下为连续数字)。 输入的列表保证只有一个缺失数字，而且列表中的数字都是正整数，列表中的数字不会重复，且最小数字为起始数字。 比如是[2,3,4]的话，缺失值是5，而不是1，而[2,4]缺失数字为3。 # 用你的代码替换 _ ......
拓扑图学习指南
前置芝士 拓扑排序 拓扑排序是一种在有向无环图（DAG）中对节点进行排序的算法，其中每个节点表示一个任务或活动，并且边表示任务之间的依赖关系。 在拓扑排序中，排在前面的节点不依赖于排在后面的节点，因此可以按照一定的顺序依次执行这些任务或活动。 Kahn算法（卡恩） 时间复杂度：O(N+M) [算法流 ......
机器学习语音处理：滤波器组、梅尔频率倒谱系数 （MFCC）
机器学习语音处理：滤波器组、梅尔频率倒谱系数 （MFCC） 以及介于两者之间的内容 语音处理在任何语音系统中都起着重要作用，无论是自动语音识别（ASR）还是说话人识别或其他东西。长期以来，梅尔频率倒谱系数 （MFCC） 是非常流行的特征;但最近，过滤器库变得越来越受欢迎。本文将讨论过滤器组和MFCC ......
强化学习Q-Learning和DQN算法
1 Q-Learning 强化学习中有state和action的两个重要概念。而Q-Learning算法就是用来得到在state上执行action的未来预期奖励。具体的算法流程如下： 初始化一个Q-table。 在当前状态\(s\)选择一个动作\(a\)。 执行动作\(a\)，转移到新的状态\(s' ......
大数据mapReduce的学习
.2MapReduce模型简介•MapReduce将复杂的、运行于大规模集群上的并行计算过程高度地抽象到了两个函数：Map和Reduce •编程容易，不需要掌握分布式并行编程细节，也可以很容易把自己的程序运行在分布式系统上，完成海量数据的计算 •MapReduce采用“分而治之”策略，一个存储在分布 ......
[刷题笔记] [算法学习笔记]树上差分 -- Luogu P3128
Description Problem:https://www.luogu.com.cn/problem/P3128 FJ 给他的牛棚的 \(N\) 个隔间之间安装了 \(N-1\) 根管道，隔间编号从 \(1\) 到 \(N\)。所有隔间都被管道连通了。 FJ 有 \(K\) 条运输牛奶的路线，第 ......
vue 基础学习 一
1. vue 使用快速入门三步走 (1) 新建 HTML 页面，引入 Vue.js文件 <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>Vue.js 入门示例</title> <script src="https://cdn.j ......
你是否还迷茫要不要学习Linux？
近几年Linux这个词好像很流行，无论是现实工作中，还是在网络信息中均可以听到或者看到有关Linux相关的内容，可以说Linux无处不在。说到这，有人可能会问了，我对Linux比较感兴趣，但是没有接触过Linux，对它不了解，不知道是否适合自己，是否值得我花费时间和经历去深入学习，因此陷入一种比较迷 ......
深度学习（pytorch载入onnx测试）
测试模型用之前文章训练的Alexnet模型。 首先将pth文件转为onnx文件: import torch import torch.nn as nn # 自定义AlexNet模型 class AlexNet(nn.Module): def __init__(self): super(AlexNet ......
2023-2024-1 20231312 《计算机与程序设计》第四周学习总结
作业信息 这个作业属于哪个课程 <班级的链接> 2023-2024-1-计算机基础与程序设计 ｜ -这个作业要求在哪里 <作业要求链接>2023-2024-1计算机基础与程序设计第四周作业 ｜ 这个作业的目标 《计算机基础概论》第4，5章 《C语言程序设计》第3章 ｜ 作业正文 作业链接 教材学习内 ......
java学习_03
运算符 对字面量或者变量进行操作的符号 表达式 用运算符把字面量或者变量连接起来，符合java语法的式子就可以称为表达式。不同运算符连接的表达式体现的是不同类型的表达式。 算数运算符 加+、减-、乘*、除/、取模% 整数参与计算，结果只能得到整数 小数参与计算，结果有可能是不精确的 一个三位数，将其 ......
动态规划——决策单调性优化DP 学习笔记
动态规划——决策单调性优化DP 学习笔记 决策单调性 对于最优性问题，常有状态转移方程：\(f_i = \min/\max\{f_j\dots\}\)， 形象的：如果 \(i\) 的最优转移点是 \(j\)，\(i'\) 的最优转移点是 \(j'\)，当 \(i<i'\) 时，有 \(j\le j' ......
ASP.NET CORE学习笔记（host主机）
1、扩展包 Microsoft.Extensions.Hosting 2、包括Host、WebApplication 3、示例 1）honst 注意： <Project Sdk="Microsoft.NET.Sdk"> var builder = Host.CreateDefaultBuilder( ......
基本语法——lower/upper_bound 学习笔记
基本语法——lower/upper_bound 学习笔记 正文 本文保证：你看了也不懂 \(\texttt{lower\_bound}\) \(\texttt{upper\_bound}\) 默认比较函数 返回第一个 \(\cancel{<}\text{value}\) 的元素 返回第一个 \(>\ ......
[机器学习] 4. 没有免费午餐定理 No Free Lunch 与 PAC 可学习性
我们来补习一下统计学习框架的正式模型。 输入 一个学习者可以访问以下内容 作用域集合 (Domain set)：一个任意的集合 \(\mathcal X\)，学习者的目标是对其上面的元素进行标记。 标签集合 (Label set)：所有可能的标签 \(\mathcal Y\)。许多时候被限制为 \( ......
大学时光---我的学习之路
我呢目前就是一个大三的学生，学的计算机，但是到现在编程技术都不是很好，我和园子的故事要从2022年开始说起 那一年，我在学Java的时候偶然间在博客园上看见了一位大牛的文章，当时我就感觉这个论坛的大牛应该很多，而且我看好多界面的模板都是 自己开发的，我当时就很惊讶，因为当时我只知道csdn这个博客论 ......
图论连通性学习指南
前置芝士 DFS生成树 有向图的 DFS 生成树主要有 4 种边（不一定全部出现）： 树边（tree edge）：示意图中以黑色边表示，每次搜索找到一个还没有访问过的结点的时候就形成了一条树边。 反祖边（back edge）：示意图中以红色边表示（即7->1），也被叫做回边，即指向祖先结点的边。 横 ......
学习笔记6 截图+代码
一、苏格拉底挑战 二、遇见的问题 三、实践和代码 #include <stdio.h> #include <stdlib.h> #include <unistd.h> int main() { char *programPath = "/path/to/your/program"; // 指定要执行 ......
vue学习七之生命周期
1.vue的四个生命阶段 2.vue的八个钩子 (1) beforeCreate:创建阶段前,script数据尚未加载 (2) created:创建阶段已完成 (3) beforeMount:挂载阶段前，开始通过数据进行页面渲染 (4) mounted:挂载阶段完毕 (5) beforeUpdate ......
机器学习问题分类（监督学习、无监督学习、强化学习）
1.监督学习 监督学习（supervised learning）擅长在“给定输入特征”的情况下预测标签。 每个“特征-标签”对都称为一个样本（example）。 整个监督学习过程如图所示。 图 监督学习 1.1回归 回归（regression）是最简单的监督学习任务之一。当标签取任意数值时，我们称之 ......
《动手学深度学习 Pytorch版》 9.5 机器翻译与数据集
机器翻译（machine translation）指的是将序列从一种语言自动翻译成另一种语言，基于神经网络的方法通常被称为神经机器翻译（neural machine translation）。 import os import torch from d2l import torch as d2l 9 ......
python学习笔记-异步非阻塞web框架
一、异步非阻塞框架介绍 1、介绍 支持异步非阻塞web框架：tornado , node js 2、定义对比 异步IO模块：我们作为客户端向服务端“并发”请求 异步非阻塞web框架：针对服务端，希望一个线程处理更多的请求 二、tornado异步非阻塞 【要点提炼】 使用装饰器@gen.corouti ......
Vue源码学习(十二):列队处理（防抖优化，多次调用，只处理一次）
好家伙， 本篇讲的是数据更新请求列队处理 1.一些性能问题 数据更新的核心方法是watcher.updata方法 实际上也就是vm._updata()方法, vm._updata()方法中的patch()方法用于将新的虚拟DOM树与旧的虚拟DOM树进行比较， 并将差异更新到实际的DOM树上. 这一步 ......
2023/10/19 学习笔记
单臂路由与三层交换机 单臂路由 单臂路由实现不同vlan间通信 链路类型： 交换机连接主机的端口为access链路 交换机连接路由器的端口为trunk链路 子接口： 路由器的物理接口可以划分成多个逻辑接口 每个子接口对应一个vlan网段的网关 单臂路由实现不同vlan间通信的原理 路由器重新封装MA ......
celery包结构、celery延迟任务和定时任务、django中使用celery、接口缓存、双写一致性、异步秒杀逻辑、课程列表页前端、课程相关表、课程表数据录入、课程列表页接口
celery包结构 project ├── celery_task # celery包 这个包可以放在任意位置 │ ├── __init__.py # 包文件 │ ├── celery.py # celery连接和配置相关文件，且名字必须叫celery.py │ └── tasks.py # 所有任 ......
shell学习笔记
流程控制语句 f …; then … elif …; then … else … fi 常用的条件测试有 [ -f "$file" ] 判断$file是否是一个文件 [ $a -lt 3 ] 判断$a的值是否小于3，同样-gt和-le分别表示大于或小于等于 [ -x "$file" ] 判断$fil ......
课程二第三周：Hyperparameter tuning, Batch Normalization and Programming Frameworks
Hyperparameter tuning Tuning process 到目前为止，接触到的超参数有： 学习效率learning-rate：\(\alpha\) Momentum算法的参数：\(\beta\) 加权平均的参数 Adam算法的参数：\(\beta_1、\beta_2、\epsilon ......