problem生日 笔记 问题

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 ......

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 ......

最近在复现代码时遇到了如下问题，在此记录一下问题的解决过程： 步骤一 git clone https://github.com/NVIDIA/apex.git 步骤二 cd apex 步骤三 pip install -v --no-cache-dir ./ 在此步骤中若遇到“ModuleNotFou ......

::v-deep .el-tabs__header { padding: 10px 20px 0px 20px; } ::v-deep .el-tabs__item { width: 140px; text-align: center; padding: 0px; } ::v-deep .el-ta ......

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 ......

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 ......

registry.addMapping("/**") //配置任何域名都可以访问 .allowedOriginPatterns("*") //许跨域的任何请求方法 .allowedMethods("*") //允许发送cookie .allowCredentials(true) //允许最大得到响应 ......

1 引言 Qt 中的 qCompress() 和 qUncompress() 函数来进行 QByteAarray 的压缩和解压操作。这些函数提供了方便的方式来对字节数组进行压缩和解压缩，无需处理底层的压缩算法和细节。但是在使用过程中有时候会遇到一些棘手的问题，例如下面这个例子: 2 错误案例 下面是 ......

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 ......

出现以下情况，请更新你的sum工具，超微X11主板和X12主板OEM定制参数发生了改变，所以出现了不支持的OEM参数 ......

基于Kaldi实现语音识别时，需要引入一款名为OpenFST的开源软件，本文中提到的内存问题，即和这款软件相关。 考虑到过程比较曲折，内容相对比较长，因此先说结论。 在做长时间的语音识别时，集成了Kaldi和OpenFST的进程将会占用远超出预期的内存，这个现象可能和OpenFST、glibc的实现 ......

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 ......

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 ......

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 ......

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 ......

洛谷传送门 QOJ 传送门 考虑操作了若干次，所有点一定分布在一个自左上到右下的阶梯上或者在这个阶梯的右（上）侧。此处借用 H_W_Y 的一张图： 考虑如何计算答案。对于一次询问 \((X, Y)\)，如果它在阶梯左下方不用管它，否则考虑容斥，答案即为 \(x \ge X, y \ge Y\) 的点 ......

题目链接：https://codeforces.com/contest/1910/problem/I 题意 有一个 \(n\) 个字符的字符串 \(S\)，你需要不断从中删除一个长度为 \(k\) 的子串，直到串的长度变为 \(n \mathbin{\rm mod} k\)，求能够产生的字典序最小的 ......

使用 mongoose 时，导入导出的书写需要配套 如这里定义了一个模型： // 引入 mongoose const mongoose = require('../db/index') //定义 sechema const userSchema = mongoose.Schema( { userna ......

介绍一下 k 老师教我的容斥做法。 考虑固定 \(m\) 对所有 \(k\) 求答案。先考虑 \(k=n-1\) 怎么做。我们将所有元素按照 \(\min(i,m-i)\) 为第一关键字，\(-i\) 为第二关键字从小到大插入，即按照 \(n,n-1,n-2,\cdots,m+1,m,1,m-1,2 ......

已知用户浏览商品的浏览日志表（visit_table）: 求2月份每个商品浏览次数Top 3。 select name ,userid ,visit_cnt from ( select * ,row_number(position by name order by visit_cnt desc) a ......

大家好，我是皮皮。 一、前言 前几天在Python白银交流群【上海新年人】问了一个Pandas数据提取的问题，上一篇文章我们介绍了基础篇，这一篇文章我们来延伸下，你想象下，我想要14和15行该怎么写？ 二、实现过程 后来【论草莓如何成为冻干莓】给了一份代码，print(df.loc[[14, 15] ......

$X$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 ......

已知某款应用的用户登录日志表（login_table）： 求此应用2月份用户的次留，3日、7日用户留存率。 select user_login_date ,retained_1_uv / retained_uv as retained_1_ctr --次留率 ,retained_3_uv / ret ......

回归问题 回归问题为监督学习问题，大多数是以已有的数据建立模型来预测准确的值，一般分为线性回归和非线性回归 一、线性回归 1、举个栗子 以银行贷款额度为例 工资 年龄 额度 4000 25 20000 8000 30 70000 5000 28 35000 7500 33 50000 12000 4 ......

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 ......

一、使用方法 1.这里有使用LocalDateTime，Date, 2.直接使用LocalDateTime来将输入时间转为UTC还是没有摸索到，看了下源码发现根据偏移量去处理的，但是没有测试成功所以换了一种方案 二、代码 测试方案 @Test public void wzwLocalDateTime ......

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 ......

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 ......

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 ......

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 ......