课程学习
Python Web 深度学习实用指南：第一、二部分
原文：Hands-On Python Deep Learning for the Web 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 ......
Python Web 深度学习实用指南：第三部分
原文：Hands-On Python Deep Learning for the Web 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 ......
Python Web 深度学习实用指南：第四部分
原文：Hands-On Python Deep Learning for the Web 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 ......
python+playwright 学习-52 iframe 定位与操作元素，监听事件，执行JS脚本总结
前言 本篇全面总结关于iframe 的定位，iframe上元素的操作（输入框，点击等），iframe 上的事件监听 与iframe上执行JS脚本的总结。 iframe 对象的定位 定位iframe 对象，总的来说有四种方法 page.frame_locator(selector) 通过page对象直 ......
Python 深度学习架构实用指南：第一、二部分
原文：Hands-On Deep Learning Architectures with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则 ......
TensorFlow 2 和 Keras 高级深度学习：6~10
原文：Advanced Deep Learning with TensorFlow 2 and Keras 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
TensorFlow 2 和 Keras 高级深度学习：11~13
原文：Advanced Deep Learning with TensorFlow 2 and Keras 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
深度学习的基本原理和常用框架介绍
深度学习是一种基于人工神经网络的机器学习方法，它可以从大量的数据中学习抽象和复杂的特征，从而实现各种智能任务，如图像识别、自然语言处理、语音识别等。深度学习的基本原理是利用多层的神经网络结构，通过前向传播和反向传播的算法，不断调整网络中的参数，使得网络的输出能够逼近或优化目标函数。深度学习的常用框架 ......
Python 深度学习架构实用指南：第三、四、五部分
原文：Hands-On Deep Learning Architectures with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则 ......
TensorFlow 2 和 Keras 高级深度学习：1~5
原文：Advanced Deep Learning with TensorFlow 2 and Keras 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
机器学习算法终极对比：树模型VS神经网络
树模型和神经网络，像一枚硬币的两面。在某些情况下，树模型的性能甚至优于神经网络。 由于神经网络的复杂性，它们常常被认为是解决所有机器学习问题的「圣杯」。而另一方面，基于树的方法并未得到同等重视，主要原因在于这类算法看起来很简单。然而，这两种算法看似不同，却像一枚硬币的正反面，都很重要。 树模型 VS ......
python代码：基于强化学习的智能电网的动态定价方法
python代码：基于强化学习的智能电网的动态定价方法 摘要：提出了一种考虑服务提供商(SP)利润和用户(CUs)成本的分级电力市场中能量管理的动态定价DR算法。 使用强化学习(RL)描述分层决策框架，将动态定价问题描述为离散有限马尔可夫决策过程(MDP ),并采用Q学习求解该决策问题。 使用RL， ......
学习OpenTk，笔记七
学习OpenGL、OpenTK 1、关键记录，在使用着色器的时候，记得先清理绑定，然后执行顺序上，先加载着色器程序，再绑定数据，最后绘制。 GL.UseProgram(0);//清理绑定 2、开始要扩展一下Texture，想着方便2D贴图，就在原基础上改了一下，把VAO、VBO、EBO全部封装在一起 ......
PySpark学习
学习基于Amit Nandi 的 Spark for Python Developers 1.1 word count example Chapter 5 Streaming Live Data with Spark 目的：“investigate various implementations u ......
从一道面试题来学习前台进程和后台进程、孤儿进程和僵尸进程
1、面试题介绍 以前面试，面试官问了一个问题，大意是： 我们在终端中，通过执行 python main.py 命令，会启动一台前台进程直到程序结束。现在我还是想通过执行 python main.py ，启动一个后台进程，让后台进程运行我们的业务逻辑。这个时候应该怎么做呢？ 回答上面这道题，需要先了解 ......
Python学习笔记二：字典
1. 定义 字典是Python提供的另一种可变容器模型，可存储任意类型的对象。 字典是由多组键值对（key:value）组成的，每个键值对之间用逗号分隔，键值对之间用冒号分隔，整个字典包裹在花括号{}中，具体格式如下： dictname = {key1:value1,key2:value2,key3 ......
Spring AOP官方文档学习笔记（二）之基于注解的Spring AOP
1.@Aspect注解 (1) @Aspect注解用于声明一个切面类，我们可在该类中来自定义切面，早在Spring之前，AspectJ框架中就已经存在了这么一个注解，而Spring为了提供统一的注解风格，因此采用了和AspectJ框架相同的注解方式，这便是@Aspect注解的由来，换句话说，在Spr ......
Markdown学习
Markdown学习 标题 #+ 空格 + 标题名称(几个#就是几级标题) 字体 Hello Word 前后都加两个*变成粗体 Hello Word 前后加一个*变成斜体 Hello Word 前后三个*变粗体和斜体 Hello Word 前后加两个~废弃掉内容 引用 引用前面加> 分割线 或者** ......
SoSdp 学习笔记
SoSdp 用来解决这种问题： 对于非负整数 $i$，$K$，定义布尔型二元运算 $i\subseteq K$，可以以下四种等价角度理解： $i \operatorname{bitand} K = i$。$\operatorname{bitand}$ 是按位与的意思。 同一个二进制位上，$i$ 的这 ......
图表示学习-deepwalk
Graph Embedding 先从Word Embedding来说，现在的NLP语言取得了巨大突破一大部分原因是将高度离散化的词语符号表示，转换为了低维的连续分布的表示。 eg: 我爱香蕉 我爱苹果 用onehot来表示： 我 0 [1,0,0,0] 爱 1 [0,1,0,0] 苹果 2 [0,0 ......
人工智能技术助力教育行业：智能化教学是否能够提高学生学习效率？
智能化教学已经成为教育行业的一个热门话题，智能化教学是指利用人工智能技术来辅助教学，提高学生的学习效率和学习成果。那么，智能化教学是否能够提高学生学习效率呢？ 一、智能化教学的优势 智能化教学的优势主要体现在以下几个方面： 1.个性化教学 智能化教学可以根据学生的学习情况和学习习惯，为每个学生量身定 ......
C++四类cast的学习(代码实例)
#include<iostream> #include<string> #include<set> #include<time.h> using namespace std; /* 前置知识: 对于函数类型,非重写隐藏，重写(virtual)覆盖 对于变量,是隐藏 被隐藏的属性，在子类被强制转换成父 ......
我的编程学习小圈子
大家好，我是陶朱公Boy。(一个认真生活总想超越自己的程序员) 一线互联网Java技术专家，有超过8年+后端开发、架构经验。公众号：「陶朱公Boy」欢迎大家关注！ 星球简介 一个帮你学编程、做项目、找工作少走弯路的交流圈，进步从此开始！ 加入后你可以： 1.获取陶朱公原创编程学习路线、原创编程知识库 ......
【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战，适合新人入门
【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战 项目链接合集（必看） 项目专栏合集https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 必看 1. 【机器学习入门与实践】合集入门必看系列 A.机器学习系列入门系列[一] ......
从零开始学习MySQL调试跟踪（2）
GreatSQL社区原创内容未经授权不得随意使用，转载请联系小编并注明来源。 GreatSQL是MySQL的国产分支版本，使用上与MySQL一致。 作者： Yejinrong/叶金荣 文章来源：GreatSQL社区投稿 启用coredump 制造一个coredump场景 真实故障场景分析跟踪 上一篇 ......
深度学习第三章-神经网络TensorFlow实现
张量可以理解为n维数组或矩阵。在NumPy数组中，一个float32或float64的数字就是一个标量（零维张量），可以用ndim查看张量的维度。 向量（一维张量）是由数字组成的数组。 矩阵（二维张量）是由向量组成的数组。 ......
迁移学习（CLDA）《CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation》
论文信息 论文标题：CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation论文作者：Ankit Singh论文来源：NeurIPS 2021论文地址：download 论文代码：download视屏讲解：click 1 简介 ......
操作系统学习笔记
这其实只是一个目录，方便我自己索引 再学一学操作系统，当时看的书已经全忘了。 目前有MIT6.S081的学习计划，同时会看看极客时间的《趣谈Linux操作系统》。 Linux一些基础的系统调用 x86架构基础知识学习 todo： fork的思考，这个是在学习MIT6.S081的课程实验中想到的问题， ......
x86架构基础知识学习
计算机工作模式 CPU通过总线和各个设备连接，CPU主要用于运算，内存负责保存中间结果，其他还有一些网卡、显卡、硬盘等组件。最重要的就是CPU和内存。 CPU的三部分：运算单元，数据单元，控制单元 运算单元：只负责算，加法、位移等操作。 数据单元：减少去内存拿数据的步骤，存少量的数据在cpu ......
Bootstrap学习笔记
1.布局容器和栅格网格系统 1.1 布局容器 .container类用于固定宽度并支持响应式布局的容器。 <div class="container"></div> .container-fluid类用于100%宽度，占据全部视口（viewport）的容器。 <div class="containe ......