- 博客(192)
- 收藏
- 关注
RSS订阅原创 微服务的编程测评系统-linux部署指令
apt update卸载旧版本安装docker（鉴于国内网络问题，此处使用国内源安装）添加使用 HTTPS 传输的软件包以及 CA 证书curl \gnupg \添加软件源的 GPG 密钥向 sources.list 中添加 Docker 软件源安装启动docker一步都不要少EOF使用的是阿里云服务器,https://euaqkbsw.mirror.aliyuncs.com这个是阿里云的加速镜像，必须是阿里云服务器才可以用。
2025-12-01 19:33:49
769
原创 Springboot-Spring原理2
自动装配是属性的自动装配，比如刚刚说的，set注入ben，构造方法注入bean自动配置呢SpringBoot的⾃动配置就是当Spring容器启动后, ⼀些配置类, bean对象等就⾃动存⼊到了IoC容器中,不需要我们⼿动去声明, 从⽽简化了开发, 省去了繁琐的配置操作.SpringBoot⾃动配置, 就是指SpringBoot是如何将依赖jar包中的配置类以及Bean加载到Spring IoC容器中的.Spring 是如何把对象加载到SpringIoC容器中的。
2025-11-25 21:36:25
1201
原创 深度学习9-循环神经网络
两个领域：一个计算机视觉，图像识别，CNN,Transformer,卷积神经网络还有一个就是自然语言处理了，循环神经网络，RNN，Transformer们平日使用的语言，如汉语或英语，称为自然语言。自然语言处理（Natural Language Processing，NLP）的目标就是让计算机理解人类语言，进而完成对我们有帮助的事情。说到计算机可以理解的语言，我们可能会想到编程语言或者标记语言等。这些语言的语法定义可以唯一性地解释代码含义，计算机也能根据确定的规则分析代码。
2025-10-22 17:34:52
1303
原创 深度学习8-卷积神经网络-CNN概述-卷积层-池化层-深度卷积神经网络-案例：服装分类
卷积神经网络卷积神经网络（Convolutional Neural Network，CNN）常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色，广泛应用于图像分类、目标检测、图像分割等任务。卷积神经网络的灵感来自于动物视觉皮层组织的神经连接方式，单个神经元只对有限区域内的刺激作出反应，不同神经元的感知区域相互重叠从而覆盖整个视野。CNN中新出现了卷积层（Convolution层）和池化层（Pooling层），下图是一个CNN的结构：卷积层用于提取输入数据的局部特征。
2025-10-21 19:37:20
838
原创 深度学习7-配置中文-参数更新方法-应用案例：房价预测
用PyTorch进行深度学习这个一个回归问题—》选择MSE损失函数 y预测-y真实，，在平方但是房价很大—》计算出来很大其实这个就是对y进行log之后再MSE#3.自定义损失函数# float("inf")表示正无穷，这个意思就是把所有数据都变为1~正无穷,防止log出来为负数mse = nnMSELoss()
2025-10-20 00:07:23
1115
原创 深度学习6-激活函数-参数初始化和正则化-搭建神经网络-损失函数
用PyTorch进行深度学习在神经网络框架中，由多个层组成的组件称之为 模块（Module）。在PyTorch中模型就是一个Module，各网络层、模块也是Module。Module是所有神经网络的基类。在定义一个Module时，我们需要继承torch.nn.Module并主要实现两个方法：__init__：定义网络各层的结构，并初始化参数。forward：根据输入进行前向传播，并返回输出。计算其输出关于输入的梯度，可通过其反向传播函数进行访问（通常自动发生）。
2025-10-19 17:13:44
828
原创 深度学习5-张量运算函数-张量索引操作-形状操作-拼接操作-自动微分模块-机器学习案例：线性回归
常见运算函数：sum()求和mean()求均值max()/min()求最大/最小值及其索引argmax()/argmin()求最大值/最小值的索引std()求标准差unique()去重sort()排序这个就是所有相加这个就是对第一维度进行求和，就是去掉3，生成2*3的矩阵可以想象为立方体，竖着求每个单位的和比如1+2+1=4去掉第二维度，就变成3*4的矩阵了我们来看这个，怎么变成三行四列呢------》前面两行合并，中间两行合并，最后两行合并就可以了。
2025-10-19 11:45:24
1001
原创 深度学习4-PyTorch安装-张量创建-张量转换-张量数值计算
PyTorch是一个开源的Python机器学习库，基于Torch库（一个有大量机器学习算法支持的科学计算框架，有着与Numpy类似的张量（Tensor）操作，采用的编程语言是Lua），底层由C++实现，应用于人工智能领域，如计算机视觉和自然语言处理。PyTorch主要有两大特征：类似于NumPy的张量计算，能在GPU或MPS等硬件加速器上加速。基于带自动微分系统的深度神经网络。–》就是自动计算梯度PyTorch官网：https://pytorch.org/。
2025-10-18 17:54:17
884
原创 深度学习3-更新参数方法的优化-参数初始化-正则化
层级多一点，，，比增加神经元更好当神经网络的层数加深时，往往可以有效地提高识别精度；特别是对于大规模的复杂问题，通常都需要用更多的层来分层次传递信息，而且可以有效减少网络的参数数量，从而使得学习更加高效。使用深度神经网络进行的学习就被称为 深度学习（Deep Learning）。ILSVRC是近年来机器视觉领域最受追捧且最具权威的学术竞赛之一，代表了图像领域的最高水平。它包含多个测试项目，其中最有名的就是“类别分类”（Classification），该项目会进行 1000 个类别的分类，比试识别精度。
2025-10-18 11:33:51
664
原创 深度学习2-损失函数-数值微分-随机梯度下降法（SGD）-反向传播算法
神经网络的主要特点，就是可以从数据中进行“学习”。这个学习的过程，就是让训练数据自动决定最优的权重参数。神经网络（深度学习）也是机器学习的一种；跟传统机器学习方法相比，神经网络不需要人工设置 特征量（如 SIFT、HOG等）不要特征工程特征降维，这样就可以用同样的流程直接处理所有问题了。
2025-10-17 21:39:23
576
原创 深度学习1-简介-简单实现-手写数字识别
使用深度神经网络进行学习，所以叫做是深度学习1.2深度学习的特点使用多层神经网络，能够自动提取数据的多层次特征。机器学习需要我们来提取特征适合处理非结构化数据，如图像、音频、文本等。依赖大量数据和计算资源，训练时间较长。模型复杂，通常被视为“黑箱”，解释性较差。相邻层的神经元相互连接（图中下一层每个神经元都与上一层所有神经元连接，称为 全连接），每个连接都会有一个 权重。神经元中的信息逐层传递（一般称为 前向传播forward），上一层神经元的输出作为下一层神经元的输入。
2025-10-17 10:50:23
873
原创 最新版本组件的docker下载-nacos-Rabbitmq-redis-RocketMQ-java
怎么生成NACOS_AUTH_TOKEN呢NACOS_AUTH_TOKEN: Nacos 用于生成JWT Token的密钥，可以使用长度大于32字符的字符串，再经过Base64编码。我们就去这个网站用一个大于32字符的子字符串，经过Base64编码就可以生成NACOS_AUTH_TOKENNACOS_AUTH_IDENTITY_KEY和NACOS_AUTH_IDENTITY_VALUE主要是用来身份验证的，一定程度上可以随便填这样就启动成功了然后是与mysql进行绑定主要就是看官网。
2025-10-16 21:37:39
757
原创 OpenCV5-图像特征harris-sift-特征匹配-图像全景拼接-答题卡识别判卷
边界：沿着一个方向变化明显，另一个竖直方向变化不明显角点：水平竖直方向都变化明显角点特征更加明显。
2025-10-15 16:36:55
1107
原创 OpenCV4-直方图与傅里叶变换-项目实战-信用卡数字识别
就是统计每一个像素值有多少个点images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]，如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一部分的直方图的你就制作一个掩模图像并 使用它。histSize:BIN 的数目。
2025-10-14 17:40:39
1109
原创 OpenCV3-边缘检测-图像金字塔和轮廓检测
使用高斯滤波器，以平滑图像，滤除噪声。计算图像中每个像素点的梯度强度和方向。应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。通过抑制孤立的弱边缘最终完成边缘检测。高斯滤波器就是去掉噪音点梯度就是Gx和Gy，方向就是tan第一A是边界点，第二A比B,C都大的话，梯度方向是横着的，A就保存下来了，然后边界是和梯度垂直的，这样就得出了A的边界。
2025-09-30 21:49:54
636
原创 Python14-SVM⽀持向量机
y=[0,1]SVM⽅法既可以⽤于分类（⼆/多分类），也可⽤于回归和异常值检测。SVM具有良好的鲁棒性，对未知数据拥有很强的泛化能⼒，特别是在数据量较少的情况下，相较其他传统机器学习算法具有更优的性能。对样本数据进⾏归⼀化应⽤核函数对样本进⾏映射（最常采⽤和核函数是RBF和Linear，在样本线性可分时，Linear效果要⽐RBF好）⽤cross-validation和grid-search对超参数进⾏优选（交叉验证，网格搜索）⽤最优参数训练得到模型测试。
2025-09-30 20:13:00
687
原创 实验指导-基于阿里云Serverless应用引l擎SAE的服务部署迀移
开通Serverless应用引擎 SAE可以这样理解SAE用来弄java，上传jar包，FC用来写python。
2025-09-30 17:03:37
1088
原创 实验指导-基于阿里云函数计算的简单邮件发送服务 之数据库访问中间件
是阿里云的云原生数据库，现在我们使用这个数据库云原生数据库 PolarDB MySQL 版点击下面的入门与试用地区选择应该和函数计算FC一样直接进入控制台然后进入这个集群，刷新一下这个集群就变为运行中了选择集群白名单然后新建IP白名单分组.增加白名单IP0.0.0.0/0允许所有的IP访问这个数据库然后是点击账号管理创建账号Q：为什么本实验需要使用pymysql和sqlalchemy两个框架，只构建sqlalchemy的公共层？
2025-09-28 21:55:08
744
原创 OpenCV2-图像基本操作-阈值与平滑处理-形态学-梯度运算
import cv2 #opencv读取的格式是BGR%matplotlib inline 是一个特殊的 IPython 魔法命令执行该命令后，后续所有 plt.plot()、plt.imshow() 等绘图命令的结果会直接显示在代码单元格的下方图像会被保存为静态图片嵌入到笔记本中，方便保存和分享不需要再额外调用 plt.show() 来显示图像（不过调用了也不会有问题）#图像的显示,也可以创建多个窗口# 等待时间，毫秒级，0表示任意键终止过了十秒，弹窗就自动消失了。
2025-09-27 21:23:15
1069
原创 OpenCV1
灰度图：0~255彩色图：RGB三个分量安装OpenCv之前需要先安装numpy,matplotlib。import cv2能导入这个就说明安装成功了安装包含 contrib 扩展模块的版本----》因为我们要利用SIFT和SURF等进行特征提取core模块实现了最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等。·highgui模块实现了视频与图像的读取、显示、存储等接口。·imgproc模块实现了图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学。
2025-09-27 16:30:44
780
原创 Python15-EM算法-HMM模型
EM算法的实现思路：⾸先根据⼰经给出的观测数据，估计出模型参数的值；然后再依据上⼀步估计出的参数值估计缺失数据的值，再根据估计出的缺失数据加上之前⼰经观测到的数据重新再对参数值进⾏估计；然后反复迭代，直⾄最后收敛，迭代结束。隐⻢尔可夫模型（Hidden Markov Model，HMM）是统计模型，它⽤来描述⼀个含有隐含未知参数的⻢尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利⽤这些参数来作进⼀步的分析，例如模式识别。
2025-09-25 17:56:08
760
原创 基于阿里云系列平台的python微服务设计与DevOps实践
基于Python最新基础镜像# 工作目录# 安装Python库#复制当前文件夹中全部文件到镜像中COPY . .#容器启动时执行命令sanicrequests#引入Sanic库中必要的子模块#创建Sanic应用#将异常反馈以JSON的形式输出#默认情况下，Sanic会忽略GET请求的消息体，将ignore_body参数设置为False可以让Sanic接收Get请求的消息体#request参数包含路由到该处理函数的请求的所有信息，包括uRL、header、body。
2025-09-25 17:03:36
515
原创 Python13-朴素贝叶斯
就是根据概率来预测属于哪个类别朴素⻉叶斯优缺点优点：朴素⻉叶斯模型发源于古典数学理论，有稳定的分类效率对缺失数据不太敏感，算法也⽐较简单，常⽤于⽂本分类分类准确度⾼，速度快缺点：由于使⽤了样本属性独⽴性的假设，所以如果特征属性有关联时其效果不好需要计算先验概率，⽽先验概率很多时候取决于假设，假设的模型可以有很多种，因此在某些时候会由于假设的先验模型的原因导致预测效果不佳；
2025-09-24 15:34:38
435
原创 Python12-聚类算法
聚类算法：⼀种典型的⽆监督学习算法，主要⽤于将相似的样本⾃动归到⼀个类别中。在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算⽅法，会得到不同的聚类结果，常⽤的相似度计算⽅法有欧式距离法。聚类算法是⽆监督的学习算法，⽽分类算法属于监督的学习算法。无监督学习（Unsupervised Learning）是机器学习的一种重要范式，指的是在没有标签（label）或目标值的情况下，让模型从数据中自主发现隐藏的模式、结构或规律。
2025-09-23 20:58:39
878
原创 Python11-集成学习
集成学习通过建⽴⼏个模型来解决单⼀预测问题。它的⼯作原理是⽣成多个分类器/模型，各⾃独⽴地学习和作出预测。这些预测最后结合成组合预测，因此优于任何⼀个单分类的做出预测n_estimators：表示是多少棵决策树集成森林Criterion：string，可选(default =“gini”)分割特征的测量⽅法max_depth：integer或None，可选(默认=⽆)树的最⼤深度 5,8,15,25,30max_features="auto”,每个决策树的最⼤特征数量。
2025-09-23 17:07:10
778
原创 系统中间件与云虚拟化-基于阿里云的ACR容器镜像管理-基于阿里云ECS与ACR的Python微服务镜像构建部署-基于阿里云云效Flow的Python Web服务构建与部署
容器镜像服务 ACR点击管理控制台创建个人版实例创建完成之后点击进去然后设置设置Registry登录密码然后在这里设置固定密码然后是创建命名空间然后是创建镜像仓库—》使用我们刚刚创建的命名空间代码源选择本地仓库。
2025-09-22 20:40:03
1464
2
原创 Python10-决策树
所以不需要树的节点太多了，深度不要太深了预剪枝就是一边构建决策树，一边决定要不要构造这个结点后剪枝就是先构造好，然后从下往下决定要不要剪枝。
2025-09-21 11:08:40
1155
3
原创 Python9-逻辑回归-决策树
逻辑回归的应⽤场景⼴告点击率：有没有点击是否为垃圾邮件是否患病是否⾦融诈骗是否虚假账号都是两个类别的问题–》二分类所以逻辑回归的输入就是线性回归的输出意思就是不管线性回归的值是什么范围，都会映射到0~1默认是以0.5 进行区分，分类的在逻辑回归中，当预测结果不对的时候，我们该怎么衡量其损失呢？设置阈值为0.6那么如何去衡量逻辑回归的预测结果与真实结果的差异呢？线性回归用的是方差来衡量。
2025-09-20 16:59:40
1071
原创 Python8-线性回归
线性回归(Linear regression)是利⽤回归⽅程(函数)对⼀个或多个⾃变量(特征值)和因变量(⽬标值)之间关系进⾏建模的⼀种分析⽅式。特点：只有⼀个⾃变量的情况称为单变量回归，多于⼀个⾃变量情况的叫做多元回归线性回归当中主要有两种模型，⼀种是线性关系，另⼀种是⾮线性关系sklearn . linear_model . LinearRegression(fit_intercept = True) 通过正规⽅程优化参数fit_intercept：是否计算偏置。
2025-09-19 21:30:15
1254
原创 Python7-K-近邻算法
根据你的“邻居”来推断出你的类别K Nearest Neighbor算法⼜叫KNN算法定义如果⼀个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的⼤多数属于某⼀个类别，则该样本也属于这个类别。距离公式两个样本的距离可以通过如下公式计算，⼜叫欧式距离这个conda 配置了镜像源应该要快点，相比pip安装好之后可以通过以下命令查看是否安装成功注：安装scikit-learn需要Numpy, Scipy等库Scikit-learn包含的内容分类、聚类、回归加载获取流⾏数据集。
2025-09-19 17:18:11
685
原创 系统中间件与云虚拟化-云数据库与数据库访问中间件ORM框架-Sannic-非实验
云数据库就是云上的数据库这个云数据库既不是本地的数据库，也不是ECS上的数据库，而是类似于阿里云上面的数据库而云原生数据库就更厉害了云数据库云原生数据库而至于ORM就是方便我们来访问数据库的，比如mybatisid varchar(100) not null primary key comment "用户唯一标识",name varchar(100) not null comment "用户名称",age int unsigned null comment "用户年龄"
2025-09-18 17:29:03
898
原创 系统中间件与云虚拟化-serverless-基于阿里云函数计算的云工作流CloudFlow设计与体验
Serverless & DevOps 系列。
2025-09-16 21:35:23
1441
原创 系统中间件与云虚拟化-serverless-基于阿里云函数计算的简单邮件发送服务设计与体验
本实验要求学生基于阿里云函数计算FC，设计并部署一个告警邮件发送接口。该接口的具体实现采用Python并基于PythonWeb框架Sanic构建。发送邮件的相关参数由学生根据自己的常用邮件服务自行确定。部署完成后，学生需通过命令行指令curI以及诸如Apifox等HTTPAPI调试工具对该服务接口进行功能性测试，以检验是否可以正确收到邮件。随后学生还需通过压测工具，对该服务接口进行压力测试，以感受该服务的FC实例在不同负载情况下进行弹性伸缩的Serverless特性表现。什么是函数计算。
2025-09-16 17:15:23
484
原创 Python6-seaborn
Matplotlib虽然已经是比较优秀的绘图库了，但是它有个今人头疼的问题，那就是API使用过于复杂，它里面有上千个函数和参数，属于典型的那种可以用它做任何事，却无从下手。Seaborn基于 Matplotlib核心库进行了更高级的API封装，可以轻松地画出更漂亮的图形，而Seaborn的漂亮主要体现在配色更加舒服，以及图形元素的样式更加细腻。# 安装# 导入 import seaborn as sns。
2025-09-15 20:05:44
999
原创 Python5-Pandas2
为什么要离散化连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具。什么是数据的离散化连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数 值代表落在每个子区间中的属性值。离散化有很多种方法，这使用一种最简单的方式去操作原始人的身高数据：165，174，160，180，159，163，192，184假设按照身高分几个区间段：150~165, 165~180,180~195。
2025-09-14 17:40:39
739
原创 Python4-Pandas1
专门用于数据挖掘的开源python库以Numpy为基础，借力Numpy模块在计算方面性能高的优势基于matplotlib，能够简便的画图独特的数据结构读取文件方便封装了Matplotlib、Numpy的画图和计算func:自定义函数axis=0:默认是列，axis=1为行进行运算定义一个对列，最大值-最小值的函数x 代表传入的每一列数据（因为 axis=0 表示按列应用函数）x.max() 计算该列数据的最大值x.min() 计算该列数据的最小值。
2025-09-14 15:22:06
897
原创 springcloud二-Sentinel2
除了流量控制以外, 对调⽤链路中不稳定的资源进⾏熔断降级也是保障⾼可⽤的重要措施之⼀.⼀个服务常常会调⽤别的模块, 可能是另⼀个远程服务, 数据库, 或者第三⽅ API 等. 例如: ⽀付的时候,可能需要远程调⽤银联提供的 API. 查询某个商品的价格, 可能需要进⾏数据库查询如上图, 当F发⽣了故障不能及时响应, C调⽤F时, 只能阻塞等待, 直到超时. 如果流量⽐较⼤, 每个请求都等到超时才进⾏响应, 那么系统C的线程资源很快就会被耗尽不能对外提供服务了(处理完成后, 才会释放资源).
2025-09-12 23:58:08
1295
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