2301_76723906的博客

原创 ORM建表代码-python后端

【代码】ORM建表代码-python后端。

原创 SQL Alchemy ORM安装

安装命令。

原创 python后端之依赖注入

中间件所有人都要经过。依赖注入只有你注入的接口才执行。

原创 python后端之 中间件

2个参数2个参数。

原创 async和await

FastAPI 对路由函数的。

原创 事件循环与线程池QA

事件循环：一个厨师高效干 “大部分时间在等” 的活（IO 密集型），等的时候不闲着；线程池：多个厨师干 “必须一直干” 的活（CPU 密集型），或干 “不能异步等” 的活，不耽误主厨师。工具核心作用适用场景执行模型事件循环让 IO 等待时不阻塞，提升 IO 密集型并发网络 / 数据库请求（异步）单线程、非阻塞线程池执行同步任务，避免阻塞事件循环同步 IO / 少量 CPU 密集型多线程、阻塞式。

原创 python后端 响应 这一块

原创 python后端之 参数 是什么？（请求）

答：冒号int，冒号str等等就是原生注解，=Path()或者=Query()的就是添加的额外注解。

原创 前后端联调 --李柯的后端学习日记

摘要：文章介绍了如何快速启动苍穹外卖项目的前后端环境。前端部分只需双击nginx.exe（确保无中文路径），浏览器访问localhost验证；后端使用IDEA打开项目，通过Maven编译后运行SkyApplication启动SpringBoot。成功启动后即可在前端页面登录测试。全文简明扼要地说明了项目部署的关键步骤。

原创 数据库环境搭建 --李柯的后端学习日记

摘要：本文介绍了MySQL和MySQL Workbench的基本安装及数据库导入操作。首先下载安装MySQL和Workbench，创建连接时默认端口为3306，密码通常为root。导入数据时选择"Self-Contained File"选项（单一的SQL文件），而非包含多个文件的"Dump Project Folder"。最后选择需要导入的SQL文件即可完成整个数据库的导入过程。该教程适用于从单一SQL文件快速恢复数据库的操作场景。

原创 使用Git进行版本控制（IDEA）--李柯的后端学习日记

这篇教程简要介绍了使用IDEA和Gitee进行代码管理的基本步骤：首先在IDEA本地提交代码，忽略检查错误；然后在Gitee创建私有仓库；最后将本地代码推送至远程仓库。操作包括复制仓库地址、定义远程连接以及可能的账户验证过程。文章以清晰的步骤指导用户完成从本地提交到远程推送的全流程，适合Git初学者快速上手使用IDEA与Gitee的集成开发环境进行版本控制。

原创 【吴恩达系列-5】activation（激活函数）

在生物学领域又叫S形生长曲线，所以是S形，并且中心对称在(0,0.5)，y在(0,1)之间。那么一般我们在深度学习中每一层选用什么激活函数呢？e的某一xi次除以e的所有xi次之和，很显而易见。就是左边y恒等于0，右边是linear，，因为 z=wx+b 令 z=0 去画。，因为ReLU可以使神经网络学习更快。正好是0.5的分界线，非0即1。

原创 【吴恩达系列-4】过拟合和欠拟合？正则化？

过拟合就是训练的有点过了，高方差=过于敏感，模型对训练数据过于敏感，，导致在测试集上泛化能力差预测不准），导致虽然训练集上看着非常好，可是测试集上根本就预测不中，不好使。为什么高方差=过于敏感？在统计学和机器学习中，衡量的是模型预测值的变化程度。如果一个模型具有高方差，意味着它对训练数据中的微小变化非常敏感，导致预测结果波动较大。：模型在训练集上表现很好（误差很小），但在测试集上表现很差（误差很大）。：模型过于复杂，捕捉到了训练数据中的，而不是数据背后的真实规律。欠拟合就是训练的不足，

原创 【吴恩达系列-3】decision boundary（决策边界）

而0.5是我们能否判断属于一个类别的分界线，所以画决策边界时，决策边界就是z的表达式等于0时的方程图像。我们可以看到，sigmoid函数在0.5的分界线即是z在0处的分界线。这与z具体的函数内容无关。

原创 【吴恩达系列-2】Gradient descent（梯度下降）

alpha 是学习率，介于0和1之间，意味着你下山时候迈的。后面的那一坨偏导什么的代表你下山时候走的。

原创 【吴恩达系列-1】Cost function

机器学习系列中的我自己不会或没听说过的知识点，不代表内容准确无误也不代表覆盖内容全面，仅作大家的参考。又名成本函数、代价函数，是loss function损失函数的平均值。有很多种，比如吴恩达课程里的平方差（Squared error）则定义在整个训练集上，它是所有样本损失函数值的总和或平均值。通常定义在单个样本上，它计算的是单个样本预测结果的误差。还有比如绝对值的L1函数。

原创 【Lico-计算机网络1】7层和4层模型

通信子网 资源子网。还有一种二者综合的5层结构，因为上层那两个没啥协议，所以直接应用层代替，下层东西多都掰开，变成。物理层+数据链路层-->网络接口层，接口这个词也很形象，给网络层做底层接口的嘛！之后是传输层，也就是中间的分界线。物理层---数据链路层---网络层---传输层---应用层。网络接口层---网际层---传输层---应用层。物理层---数据链路层---网络层。会话层---表示层---应用层。

原创 【Lico-数据结构2】栈和队列（和数组）

一开始指针Front和Rear都在栈底，然后每加一个元素Rear++，每删一个Front--，这很好理解。但是问题是，顺序队列它是有个头的，当Rear到达存储空间尾部时，我问你这个队列满了吗？，你但凡Front往后挪一个这队列都不是满的啊，前面空间没法利用浪费了啊！当Rear从后面追上Front时，当Rear下一步就是Front指向的地块时，Rear当前位置不准再存了，Rear也不准再前进了，即。栈好理解，一桶玩具，你肯定得先拿走最顶上的才能够到下面的嘛，所以你操作的就叫栈顶。(top)，针对队列的就叫。

原创 【Lico-数据结构1】线性表

数据结构考研，线性表：顺序表、链表