课程学习

HTML & CSS 学习总结

@[TOC](HTML & CSS 学习总结) # HTML HTML(超文本标记语言)是一种用于创建网页的标记语言。它允许我们使用标签来描述网页的结构和内容。 简单示例(如何使用标签来创建一个简单的网页): ```html 我的网页 Hello, World! 这是一级标题 ``` 在上面的示例中 ......
HTML CSS amp

JavaScript & TypeScript 学习总结

@[TOC](JavaScript & TypeScript 学习总结) # JavaScript ## JavaScript BOM对象 BOM(Browser Object Model)对象是指浏览器对象模型,它提供了与浏览器窗口进行交互的对象和方法。例如,window 对象就是 BOM 的一部 ......
JavaScript TypeScript amp

算法学习day58单调栈part01-739、496

package LeetCode.stackpart01; import java.util.Deque; import java.util.LinkedList; /** * 739. 每日温度 * 给定一个整数数组 temperatures,表示每天的温度,返回一个数组answer,其中answ ......
算法 part day 496 739

算法学习day59单调栈part02-503、42

package LeetCode.stackpart02; import java.util.Arrays; import java.util.Stack; public class NextGreaterElementII_503 { public int[] nextGreaterElement ......
算法 part day 503 59

[转载]探索 StableDiffusion:生成高质量图片学习及应用

> 转自公众号`大淘宝技术` 本文主要介绍了 StableDiffusion在图片生成上的内容,然后详细说明了StableDiffusion 的主要术语和参数,并探讨了如何使用 prompt 和高级技巧(如图像修复、训练自定义模型和图像编辑)来生成高质量的图片。 介绍StableDiffusion ......
StableDiffusion 高质量 图片

大数据学习--虚拟机Linux系统安装使用

大数据学习推荐使用CentOS系统,于是在虚拟机上安装这个程序。 接下来复制三个, ......
数据 系统 Linux

[学习笔记] 位运算

# 〇、基础位运算 ## 与运算 / AND 语法:`a & b`。 计算方法:按位计算 AND。 运算:`1 & 1 = 1, 1 & 0 = 0, 0 & 1 = 0, 0 & 0 = 0`。 ## 或运算 / OR 语法:`a | b`。 计算方法:按位计算 OR。 运算:`1 | 1 = 1 ......
笔记

java基于springboot+vue的网吧管理系统,附源码+数据库+论文+PPT,适合课程设计、毕业设计

**1、项目介绍** 随着信息技术和网络技术的飞速发展,人类已进入全新信息化时代,传统管理技术已无法高效,便捷地管理信息。为了迎合时代需求,优化管理效率,各种各样的管理系统应运而生,各行各业相继进入信息管理时代,网吧管理系统就是信息时代变革中的产物之一。 任何系统都要遵循系统设计的基本流程,本系统也 ......

迪杰斯特拉算法学习

最短路径算法-迪杰斯特拉(Dijkstra)算法 迪杰斯特拉(Dijkstra)算法是典型最短路径算法,用于计算一个节点到其他节点的最短路径。它的主要特点是以起始点为中心向外层层扩展(广度优先遍历思想),直到扩展到终点为止。 基本思想 通过Dijkstra计算图G中的最短路径时,需要指定一个起点D( ......
算法

算法学习笔记(25): 矩阵树定理

# 矩阵树定理 > 本文不作为教学向文章。 > > 比较好的文章参考: > > - [矩阵树-定理以及凯莱公式](https://zhuanlan.zhihu.com/p/593934554) > > - [【学习笔记】矩阵树定理(Matrix-Tree)_繁凡さん的博客-CSDN博客](https ......
定理 矩阵 算法 笔记 25

小白学习应用构建分享-参照用法

什么是参照? 只看名词,不太好理解,我们看下图,是不是一看就明白了,参照就是一份输入参考,当用户进行输入时,可以从已有数据中进行选择。 怎么创建参照? 假设业务场景是一张采购单,其中一个字段是【物料品牌】,我们需要为【物料品牌】创建一个参照。 2.1 在业务对象中新增【品牌】业务对象,勾选同时生成主 ......

「学习笔记」组合数学

本文部分内容来自 $\texttt{OI-Wiki}$。 **** ## 加法 & 乘法原理 加法原理 完成一个工程可以有 $n$ 类办法,$a_i(1 \le i \le n)$ 代表第 $i$ 类方法的数目。那么完成这件事共有 $S=a_1+a_2+\cdots +a_n$ 种不同的方法。 乘法 ......
组合数学 数学 笔记

ENVI深度学习2.1新特性

1.TensorBoard 更新 ENVI 深度学习设置变化 在此版本中,TensorBoard 在像素分割和对象检测训练开始时自动启动,并报告详细指标。 通过此更改,以下设置已从File > Preferences > Deep Learning中删除: Compute Training Metr ......
深度 特性 ENVI 2.1

shell 脚本学习

shell 通配符 3、通配符和正则表达式比较 (1)通配符和正则表达式看起来有点像,不能混淆。可以简单的理解为通配符只有*,?,[],{}这4种,而正则表达式复杂多了。 (2)*在通配符和正则表达式中有其不一样的地方,在通配符中*可以匹配任意的0个或多个字符,而在正则表达式中他是重复之前的一个或者 ......
脚本 shell

wireshark学习笔记

Wireshark 界面介绍 1.捕获报文• 点击捕获->选项,打开捕获窗口 • 网卡设备/流量/捕获过滤器,点击“开始”按钮开始抓包 • 输出(指定缓存文件)/选项(显示、名称解析、自动停止抓包条件) 面板 2.报文展示 快捷方式工具栏 数据包列表面板的标记符号 二、显示界面设置 1.设定时间显示 ......
wireshark 笔记

attention学习-课程笔记

attention层计算过程: 相似度函数fatt计算输入X和查询向量q之间的相似度e; 相似度e经过softmax计算得到权重 a。 向量e和a的长度与输入X的第一个维度相同。 权重a与输入X相乘,得到输出y。 相似度计算可使用 点积dot prodecut,由于输入X的维度通常较高,q.X值会很 ......
attention 课程 笔记

redis学习十:数据类型命令及落地运用 (HyperLogLog)

需求:统计某个网站的UV,统计某个文章的UV(UV,unique visitor,独立访客,一般理解为客户端ip,需要去重考虑); 用户搜索网站关键词的数量(非同一个ip); 是什么:去重复统计功能的基数估计算法——HyperLogLog; 基数:是一种数据集去重后的真实个数————全集{1,2,3 ......
HyperLogLog 命令 类型 数据 redis

一起学习,简单易懂的JavaScript(一)

1.算术运算符( +、-、*、/、%、** ): 加减乘除取余幂次方都会按照数值的运算规则,加号一边为字符就会转为字符的运算规则。都可能会发生隐式类型的转换。 2.关系运算符(>、>=、<、<=、==、 、!=、!==): 按照只要一边是数值,都会按照数值的比较规则;会有隐式类型的转换;其他转数值 ......
易懂 JavaScript

vue学习记录 5

昨天看到侧边导航栏的位置就下班了,现在继续看。 文件位置 src/layout/components/NavBar.vue 但是没有getters,还是没找准位置。同目录下的子组件也没有。佬也记不清当初怎么写的了。 参考之前路由里面给layout重定向到dashboard,会不会这个侧边栏也通过类似 ......
vue

redis学习九:数据类型命令及落地运用 (bitmap)

redis位图bitmap:由0和1状态表现得二进制位的bit数组 需求:用户是否登录过Y,N,比如京东每日签到送豆; 电影,广告是否被点击播放过 钉钉打卡上下班 大厂签到必备 是什么:用于状态记录,Y,N不用去mysql读写。 1.bitmap的偏移量从0开始, setbit key 0/1 设置 ......
命令 类型 数据 bitmap redis

图解3种常见的深度学习网络结构:FC、CNN、RNN

01 全连接网络结构 全连接(FC)网络结构是最基本的神经网络/深度神经网络层,全连接层的每一个节点都与上一层的所有节点相连。 全连接层在早期主要用于对提取的特征进行分类,然而由于全连接层所有的输出与输入都是相连的,一般全连接层的参数是最多的,这需要相当数量的存储和计算空间。 参数的冗余问题使单纯的 ......
学习网络 深度 常见 结构 网络

前端学习C语言 - 数组和字节序

## 数组 本篇主要介绍:`一维二维数组`、`字符数组`、`数组名和初始化注意点`以及`字节序`。 ### 一维数组 #### 初始化 有以下几种方式对数组初始化: ```c // 定义一个有5个元素的数组,未初始化 int a[5]; // 定义一个有5个元素的数组,将第一个初始化0,后面几个元素 ......
数组 前端 字节 语言

成为Spring Boot大师:推荐一门精选视频课程

Spring Boot是Java生态系统中备受追捧的开发框架之一,它简化了Java应用程序的搭建和配置过程,使开发者能够更快速、高效地构建强大的应用程序。如果你希望在Spring Boot领域中迈向专家级水平,并且想要通过一门优质的视频课程来加速你的学习过程,我们向你推荐以下精选课程: 链接:[ht ......
大师 课程 Spring 视频 Boot

【gtest】Visual Studio 2019 单元测试学习Google Test

# 前言 记录在VS2019中使用自带的Google Test进行单元测试的方法和经验 # 项目介绍 总共2个项目,`Work`为项目工程,`TestWork`为`Work`工程的单元测试工程,`TestWork`依赖于`Work`工程,但是`Work`不依赖`TestWork`,`TestWork ......
单元 Visual Studio Google gtest

2023.6.16 并行课程 II

![image](https://img2023.cnblogs.com/blog/3206340/202306/3206340-20230616151645074-895403663.png) 想当难的一道状压dp题。 首先这道题拓扑排序是错误的,因为拓扑只能保证找到选出一种上完所有课的方式,而不 ......
课程 2023 16 II

前端新手学习入门路径推荐

背景目的 方便新手学习前端技术,整理了一些资源和教程帮助大家更好的入门。 基础知识了解一遍有个印象即可,不懂暂时不必深究,在后续实践中会融会贯通。 大家重点关注 “训战结合” 的部分,动手练习并解决问题进步最有效。 Vue 学习顺序 https://zhuanlan.zhihu.com/p/2313 ......
前端 路径 新手

R语言深度学习:用keras神经网络回归模型预测时间序列数据|附代码数据

library(keras) 生成样本数据集 首先,本教程的样本回归时间序列数据集。 plot( c ) points( a ) points( b ) points( y ) 点击标题查阅往期内容 RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测 左右滑动查看更多 01 02 ......

1494. 并行课程 II

给你一个整数 n 表示某所大学里课程的数目,编号为 1 到 n ,数组 relations 中, relations[i] = [xi, yi] 表示一个先修课的关系,也就是课程 xi 必须在课程 yi 之前上。同时你还有一个整数 k 。 在一个学期中,你 最多 可以同时上 k 门课,前提是这些课的 ......
课程 1494 II

人工智能领域:面试常见问题超全(深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习)

人工智能领域:面试常见问题超全(深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习) ......