- 博客(134)
- 收藏
- 关注
RSS订阅原创 PyTorch 深度学习实践——RNN循环神经网络
本文总结了PyTorch中RNN循环神经网络的原理与实践应用。RNN通过隐藏状态传递时序信息，适合处理序列数据。文章详细解析了RNN的数学公式、多层网络结构、输入输出维度，并对比了独热编码与词嵌入的差异。同时提供了基于MNIST手写数字分类的完整PyTorch实现代码，包括数据预处理、模型定义、训练流程等关键环节。该实现支持CPU/GPU运行，适合初学者快速上手RNN在序列任务中的应用。
2026-03-10 16:30:39
679
原创 PyTorch 深度学习实践——CNN卷积神经网络
本文总结了B站UP主刘二大人《PyTorch深度学习实践》中卷积神经网络的核心知识点。主要内容包括：1）多通道卷积的数学表达式，详细说明了输入输出特征图的维度关系；2）通过图解展示了卷积操作的数值计算过程，包括输入特征图、卷积核、偏置及输出特征图的维度变化；3）介绍了PyTorch实现CNN的代码框架，包含数据准备、网络结构定义（Conv2d、MaxPool2d、Linear等层）、训练和测试流程。最后还提供了GPU版本的代码实现，适合初学者理解卷积神经网络的基本原理和PyTorch实现方法。
2026-03-09 20:01:30
649
原创 PyTorch 深度学习实践——多分类问题
本文总结了PyTorch实现多分类任务的关键要点：1）模型最后一层输出维度等于类别数，通过Softmax转换为概率分布；2）使用CrossEntropyLoss时，输入为原始输出(logits)，标签为整数张量无需独热编码；3）训练过程通过梯度下降优化参数，最小化交叉熵损失。文中以MNIST手写数字分类为例，展示了包含数据预处理、模型构建、训练测试的完整代码实现。特别指出Softmax函数在多分类中的核心作用，以及CrossEntropyLoss内置Softmax计算的特性。
2026-03-06 21:30:00
398
原创 PyTorch 深度学习实践——加载数据集
本文总结了PyTorch中加载数据集的核心概念与实践方法。主要内容包括： 核心组件： Dataset抽象类用于定义数据读取逻辑，需实现__len__和__getitem__方法 DataLoader负责批量加载、数据打乱等，关键参数包括batch_size、shuffle、num_workers 两种实践方式： TensorDataset：适用于已转为Tensor格式的数据 自定义Dataset类：适用于加载CSV/图片等本地文件 进阶技巧： 在Dataset中集成数据预处理 使用random_split划
2026-03-06 16:54:21
408
原创 PyTorch 深度学习实践——处理多维特征的输入
本文总结了刘二大人《PyTorch深度学习实践》视频中关于多维特征输入的要点：1）多维线性模型通过权重向量和偏置实现特征变换；2）强调特征维度匹配、数据标准化的重要性；3）演示了一个3层神经网络实现糖尿病数据集预测的完整代码，包含Sigmoid激活函数和BCELoss损失函数。关键点包括神经网络的层级结构设计（8→6→4→1维变换）、Sigmoid的不同调用方式区别，以及模型训练过程中需要注意的维度匹配和泛化能力问题。
2026-03-06 16:45:00
347
原创 PyTorch 深度学习实践——逻辑斯蒂回归
摘要：本文总结了B站UP主刘二大人《PyTorch深度学习实践》中逻辑斯蒂回归的核心知识点。逻辑斯蒂回归通过在线性模型后添加Sigmoid激活函数实现二分类，使用交叉熵损失函数优化模型。文章详细讲解了模型结构、损失计算和反向传播过程，并提供了完整的PyTorch实现代码，包括数据生成、模型定义、训练流程和评估方法。关键点包括Sigmoid函数的作用、BCE损失的计算以及梯度下降优化过程。该模型在模拟数据上可达到接近100%的准确率，验证了其有效性。
2026-03-06 12:00:00
833
原创 PyTorch 深度学习实践——线性回归
本文总结了B站UP主刘二大人《PyTorch深度学习实践》中线性回归的核心知识点。线性回归模型通过y=wx+b拟合数据关系，使用均方误差（MSE）作为损失函数。训练过程包括前向传播计算预测值，反向传播通过链式法则计算梯度，并使用梯度下降优化参数。文章提供了完整的PyTorch实现代码，包括数据生成、模型定义、训练过程和结果分析。代码展示了nn.Linear、优化器设置和自动梯度计算等关键功能，最终模型参数接近真实值3和2，验证了线性回归的有效性。
2026-03-06 09:15:00
407
原创 PyTorch 深度学习实践——反向传播
本文总结了B站UP主刘二大人《PyTorch深度学习实践》视频中关于反向传播的核心知识点。反向传播是深度学习训练的核心算法，通过链式法则高效计算各层参数的梯度，为参数更新提供依据。文章详细解析了反向传播的数学原理、实现机制和在PyTorch中的具体应用，包括Tensor数据类型、梯度计算、backward()方法执行逻辑等关键概念。最后附上视频中的Python代码实现，展示了如何在实际训练中使用反向传播进行参数优化。
2026-03-06 08:30:00
416
原创 PyTorch 深度学习实践——梯度下降算法
本文总结了PyTorch深度学习中的梯度下降算法要点：梯度下降通过计算损失函数对参数的偏导数（梯度），沿负梯度方向更新参数以最小化损失函数。学习率控制参数更新步长。相比穷举法，梯度下降能高效缩小参数搜索范围。文中提供了梯度下降和随机梯度下降的Python实现代码，前者批量计算梯度，后者每次使用单个样本更新参数，导致更频繁的梯度更新。两种方法都通过迭代优化权重w，使预测值逐渐接近真实值，并可视化训练过程中的损失变化。
2026-03-05 20:56:02
874
原创 PyTorch 深度学习实践——线性模型
本文介绍了线性模型的基本概念及其在深度学习中的应用。线性模型通过公式y=wx+b描述输入特征(x)与输出结果(y)之间的线性关系，其中w为权重，b为偏置。模型的核心目标是找到最优参数w和b，使预测值与真实值的均方误差(MSE)最小化。文中提供了一个简单的Python实现示例，通过穷举法计算不同w值对应的MSE，并可视化展示误差随参数变化的曲线。该示例使用房屋面积预测房价的案例，直观展示了线性模型的训练过程。
2026-03-05 20:42:27
471
原创 RabbitMQ消息分发详解：从默认轮询到智能负载均衡
RabbitMQ是一款基于AMQP协议的消息队列系统，其核心价值在于高效分发消息。消息分发指队列将消息按预设策略投递给多个消费者，确保每条消息仅由一个消费者处理，支持轮询和公平分发两种策略。轮询策略简单但可能导致资源不均，适用于消费者能力相近的场景；公平分发则通过basicQos限制未确认消息数，实现按需分配，适合处理能力差异大的高并发场景。Spring Boot中可通过配置prefetch参数实现公平分发，提升系统吞吐量和资源利用率。典型应用包括秒杀订单处理、日志收集和任务调度等场景。
2025-10-29 09:08:44
1250
原创 RabbitMQ事务机制详解
RabbitMQ事务机制为分布式系统提供消息原子性保障，确保关键业务场景下的数据一致性。其核心在于通过事务命令控制消息的发送与接收，支持事务开启、提交和回滚操作，适用于金融支付、数据同步等高要求场景。Spring Boot通过RabbitTransactionManager和@Transactional注解简化了事务实现，开发者需配置事务管理器并启用信道事务支持。典型应用如订单创建与库存扣减消息的原子性操作，任何步骤失败均可回滚，避免数据不一致。该方案虽牺牲部分性能，但为关键业务提供了可靠保障。
2025-10-28 17:29:48
917
原创 RabbitMQ延迟队列详解
本文介绍了RabbitMQ实现延迟队列的两种方案及其核心概念。延迟队列是一种特殊的消息队列，允许消息在预设延迟时间后才被投递和处理，适用于电商订单、用户运营等场景。两种主要实现方案包括：1）基于TTL和死信队列的原生特性组合，适用于简单延迟需求；2）官方推荐的延迟插件方案，通过x-delayed-message交换机实现更精准的延迟投递，解决了原生方案的消息顺序问题。文章详细对比了两种方案的优缺点，并提供了基于Spring Boot和RabbitMQ插件的完整实现步骤，包括环境准备、插件安装、代码配置等关键
2025-10-27 21:09:39
1350
原创 RabbitMQ死信队列详解
在RabbitMQ的消息流转过程中，总会出现一些“无法被正常消费”的消息——比如过期未处理的订单、被消费者明确拒绝的异常数据、队列满后无法存储的新消息。如果这些“无效消息”长期堆积在队列中，不仅会占用资源，还可能导致后续消息处理受阻。RabbitMQ的死信队列（Dead Letter Queue，简称DLQ）正是为解决这一问题而生，它能将“死信”统一收集、存储并后续处理，是保障消息可靠性和系统稳定性的核心特性。在深入技术细节前，首先要明确两个关键定义，这是理解死信队列的基础。
2025-10-27 20:53:48
1257
原创 RabbitMQ TTL机制详解
在消息中间件的应用场景中，经常需要对消息设置“过期时间”——若消息在指定时间内未被消费，则自动被清除或转发至其他队列。RabbitMQ提供的TTL（Time to Live，过期时间）特性恰好满足这一需求，它支持对单个消息和整个队列分别设置过期时间，灵活适配不同业务场景。
2025-10-25 14:55:52
1182
原创 RabbitMQ重试机制详解
RabbitMQ重试机制通过消费者确认机制与Spring AMQP配置实现，能在消息处理失败后自动重新投递，保障消息可靠性。核心触发条件是消费者抛出异常且配置开启重试，参数包括重试次数、间隔等。Spring Boot中配置重试需设置spring.rabbitmq.listener.simple.retry相关参数，并通过声明交换机、队列及绑定关系实现消息路由。生产者发送消息到交换机，消费者监听队列并在异常时触发重试。自动确认模式下，Spring AMQP自动处理Ack/Nack；手动模式需显式调用basic
2025-10-25 09:15:00
1381
原创 RabbitMQ 发送方确认机制详解
RabbitMQ发送方确认机制通过两种模式确保消息可靠投递： Confirm确认模式：解决消息是否成功到达交换机的问题，通过ACK/NACK反馈结果，生产者配置回调处理确认逻辑。 Return退回模式：补充消息到达交换机后路由失败的情况，将无法路由的消息退回给生产者。 实现需结合持久化配置、回调处理（ConfirmCallback）和关联数据（CorrelationData），确保全链路消息可靠性。Spring Boot中通过配置publisher-confirm-type及相关组件实现这一机制。
2025-10-24 20:21:30
957
原创 RabbitMQ 持久性详解
在分布式系统中，RabbitMQ 服务的异常宕机可能导致队列和消息丢失。RabbitMQ 的特性通过将数据持久化到磁盘，确保服务重启后数据不丢失。
2025-10-24 14:15:00
1563
原创 RabbitMQ 高级特性：消息确认机制详解
RabbitMQ的消息确认机制确保分布式系统中消息的可靠传递。核心原理是通过消费者显式通知RabbitMQ消息处理状态，分为自动确认(autoAck=true)和手动确认(autoAck=false)两种模式。手动确认提供三种API：basicAck(成功确认)、basicReject(单条拒绝)和basicNack(批量拒绝)。Spring Boot通过AcknowledgeMode支持三种策略：NONE(无确认)、AUTO(自动确认)和MANUAL(手动确认)，适用于不同业务场景。配置示例展示了如何在S
2025-10-24 09:29:38
1523
原创 基于 Spring Boot + RabbitMQ 实现应用通信
本文介绍了基于RabbitMQ实现订单系统与物流系统异步通信的架构设计。通过Spring Boot集成RabbitMQ，订单系统作为生产者发送下单消息到"order.create"队列，物流系统作为消费者监听队列处理发货流程。文章详细说明了环境配置、队列声明、消息发送与监听等实现步骤，并提供了代码示例和验证方法。该方案有效降低了系统耦合度，实现了订单与物流服务的解耦，确保系统间可靠通信。
2025-10-24 09:00:00
1137
原创 Spring Boot 整合 RabbitMQ ：四大核心模式解析
Spring Boot整合RabbitMQ简化了消息队列开发，通过spring-boot-starter-amqp自动配置连接和核心组件。本文介绍了四种常用模式：工作队列（多消费者负载均衡）、发布订阅（消息广播）、路由（精确匹配）和通配符（灵活筛选）。实现步骤包括引入依赖、配置连接信息，以及通过RabbitTemplate发送消息和@RabbitListener监听队列。工作队列模式示例展示了多消费者轮询处理任务，发布订阅模式则通过fanout交换机实现消息广播。这些模式覆盖了大多数异步消息处理场景。
2025-10-23 21:42:51
1748
1
原创 RabbitMQ 七种工作模式全解析
RabbitMQ七种工作模式解析：从简单通信到复杂路由 摘要：RabbitMQ作为主流消息中间件，提供七种经典工作模式，核心差异在于交换机类型和路由规则。本文重点介绍简单模式和工作队列模式：简单模式实现点对点通信，无需交换机；工作队列模式扩展为多消费者竞争消费，实现任务负载均衡。两种模式均使用默认交换机，适用于异步任务处理场景，如邮件通知、短信发送等负载场景。文章通过Java代码示例演示了两种模式的具体实现方式，包括生产者发送消息和消费者接收消息的核心流程。
2025-10-21 22:09:28
1409
原创 RabbitMQ 快速入门：从环境到代码，3步实现消息收发
本文介绍了Java项目中操作RabbitMQ的基本流程，包括生产者发送消息和消费者接收消息的实现。主要内容：1）引入官方amqp-client依赖；2）生产者通过ConnectionFactory建立连接，创建Channel并声明队列后发送消息；3）消费者同样建立连接后声明队列，通过DefaultConsumer实现回调处理消息。关键点包括：端口开放、虚拟主机与用户权限配置、队列声明幂等性、消息自动确认机制等。消费者通常以监听模式持续运行，实际生产环境中不立即关闭资源。
2025-10-20 13:00:00
786
原创 RabbitMQ 核心概念解析
RabbitMQ是一个基于生产者-消费者模型的消息中间件，核心功能是接收、存储和转发消息。其架构包含关键组件：生产者发送消息，消费者接收消息；通过Connection和Channel建立通信；Virtual Host提供逻辑隔离；Queue存储消息；Exchange负责路由决策。消息流程为：生产者→Exchange→Queue→消费者。RabbitMQ实现了AMQP协议，确保跨语言兼容性。整体设计实现了系统解耦和高效消息传递，类似邮局的分发机制。
2025-10-20 09:00:00
2017
原创 Redis Java 集成到 Spring Boot
勾选 NoSQL 中的当然, 把 Web 中的Spring Web也勾选⼀下. ⽅便写接⼝进⾏后续测试.是无序且唯一的字符串集合，支持添加(sadd)、获取(smembers)、判断存在(sismember)等基础操作，以及删除(srem)、数量统计(scard)等功能。集合支持随机操作(srandmember/spop)和集合运算(交集sinter/并集sunion/差集sdiff)，适用于标签系统等场景。有序集合(ZSet)通过分数(score)排序元素，支持添加(zadd)、获取分数(zscore)等操作，可按排名(zrange/zrevrange)或分数范围(zrangeByS
2025-10-18 12:00:00
1310
原创 Redis 哈希表（Hash）操作详解（基于 Jedis）
Redis的Hash类型适合存储对象类数据（如用户信息、商品属性等），支持字段级操作。核心功能包括：设置/获取字段值（hset/hget/hgetAll）、判断字段存在（hexists）、删除字段（hdel）、获取字段数量（hlen）、批量操作（hkeys/hvals）和数值增减（hincrBy）。主要应用于对象存储、统计计数和配置管理等场景，相比String类型更节省空间且支持字段级更新。Jedis客户端提供了完整的Hash操作API，可通过Map参数实现批量操作。
2025-10-18 09:00:00
557
原创 Redis 列表（List）操作详解（基于 Jedis）
Redis的List是基于双向链表实现的有序集合，支持两端插入/删除元素，常用于队列、栈等场景。核心操作包括：1）lpush/rpush添加元素；2）lrange获取元素；3）lpop/rpop弹出元素；4）lrem删除指定元素；5）llen获取长度；6）lindex/lset索引操作；7）ltrim截取列表；8）blpop/brpop阻塞操作。典型应用包括消息队列（rpush+blpop）、栈（lpush+lpop）、队列（rpush+lpop）和最新列表（lpush+ltrim）。Jedis客户端提供了
2025-10-18 08:00:00
803
原创 Redis Java 访问集群操作（基于 Jedis）
在 Redis 集群环境中，需使用类替代单机环境的Jedis类进行操作，核心是在初始化时配置所有集群节点地址，其提供的方法与单机Jedis基本一致，均与 Redis 命令对应。
2025-10-17 15:15:11
734
原创 Redis Java 基础键操作和字符串操作（基于 Jedis）
本文介绍了使用Java客户端Jedis操作Redis的基本方法。首先通过Maven引入Jedis依赖，配置端口转发实现本地访问云服务器Redis。然后展示了建立连接、基本键值操作（增删查、过期时间设置、类型判断）以及字符串批量读写功能。关键点包括：使用JedisPool管理连接，try-with-resources确保资源释放，set/get操作键值，exists/del判断和删除键，keys通配符匹配查询，expire/ttl管理过期时间，type判断数据类型，以及mset/mget实现批量操作。这些操作
2025-10-17 10:01:03
797
原创 Redis中渐进式命令scan详解与使用
在 Redis 日常开发中，我们经常需要遍历数据库中的键或集合中的元素。传统的keys命令虽然简单直接，但在数据量较大时会严重阻塞 Redis 服务，甚至引发生产事故。而scan命令作为 Redis 2.8 版本引入的渐进式遍历方案，完美解决了这一痛点。
2025-10-14 20:30:01
1320
原创 Redis中的zset类型命令
向指定有序集合中添加一个或多个成员，每个成员关联一个分数O(k * log(n))，其中 k 是添加成员的个数，n 是当前有序集合的元素个数。
2025-10-14 09:55:22
871
原创 Redis中的set类型命令
本文介绍了Redis集合操作的13个常用命令：1)sadd添加元素；2)srem删除元素；3)scard获取元素个数；4)sismember判断元素是否存在；5)srandmember随机获取元素；6)spop随机移除元素；7)smembers获取所有元素；8-9)sinter/sinterstore计算并存储交集；10-11)sunion/sunionstore计算并存储并集；12-13)sdiff/sdiffstore计算并存储差集。每个命令都注明了格式、功能和时间复杂度，其中基本操作多为O(1)，集合
2025-10-13 08:55:30
564
原创 Redis中的hash类型命令
本文介绍了Redis哈希表的14个常用命令，包括hset、hget、hdel等基本操作，以及hlen、hgetall、hmget等批量操作命令。每个命令都列出了格式、功能和时间复杂度，其中单字段操作多为O(1)，批量操作时间复杂度取决于字段数量。还包含hexists、hsetnx等条件判断命令，以及hincrby、hincrbyfloat等数值增减命令，全面覆盖了哈希表的各种操作需求。
2025-10-11 17:15:17
526
原创 Redis中的String类型命令
本文介绍了Redis中常用的14个字符串操作命令，包括set/get（设置/获取键值）、mset/mget（批量操作）、incr/decr（数值增减）、append（字符串追加）、strlen（获取长度）等。所有命令均标注了格式、功能说明和时间复杂度，其中大部分操作的时间复杂度为O(1)，适用于高性能场景。这些命令覆盖了字符串数据的增删改查和数值运算等基本操作，是Redis基础功能的重要组成部分。
2025-10-10 19:12:27
456
原创 Linux中使用redis的常用命令
本文介绍了Redis的6个基本全局命令：1)KEYS命令通过模式匹配查找key；2)EXISTS检查key是否存在；3)DEL删除指定key；4)EXPIRE设置key过期时间(秒)；5)TTL查看key剩余过期时间；6)TYPE返回key数据类型。每个命令都包含语法说明、时间复杂度、返回值及示例演示，涵盖了key的基本操作如查找、删除、过期时间设置和类型查询等功能。这些命令是Redis基础操作的重要组成部分。
2025-09-29 20:27:36
590
原创 Linux常用命令
本文介绍了15个常用Linux命令及其功能： ls - 列出目录内容 pwd - 显示当前目录 cd - 切换目录 touch - 创建文件或修改时间戳 cat - 查看文件内容 mkdir - 创建目录 rm - 删除文件/目录（警告不要使用rm -rf /） cp - 复制文件/目录 mv - 移动或重命名文件 tail - 查看文件末尾内容 vim/vi - 文本编辑器 grep - 文本搜索 ps - 查看进程 netstat - 网络状态查看 管道(|) - 连接多个命令 每个命令都列举了常用选项
2025-09-26 15:32:11
1080
原创 使用selenium编写web自动化测试脚本
本文介绍了Selenium Web自动化测试的基本实现原理和使用方法。主要内容包括：1) 通过WebDriverManager自动管理浏览器驱动；2) 使用Selenium Java库编写测试脚本；3) 详细解析了浏览器、驱动程序和Selenium脚本的交互机制，说明自动化操作如何通过HTTP请求在三者之间传递执行。文章还提供了百度搜索的代码示例，展示了从打开浏览器到执行搜索的完整流程，并解释了驱动程序的中间角色作用。
2025-09-24 12:50:45
567
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人