2021Java进阶者的新篇章,分分钟搞定!

java简历项目经验描述,分分钟搞定! 我整理的spring学习笔记: 像spring这种知识点我们不能盲目的学习,首先我们得有一套学习路线,我总结了一套spring的学习思维导图,今天通过我整理的Spring学习路线.xmind给大家分析spring需要掌握的一些核心知识点。 spring的特点: 轻量级 控制反转 面向切面 容器 框架集合 Spring 的核心组件,常用模块,主要包和spring的常用注解: 常用模块: 核心容器 spring上下文 springAOP springDAO springORM spring web 模 阅读详情

分享第一份Java基础-中级-高级面试集合

  • Java基础(对象+线程+字符+接口+变量+异常+方法)

Java基础(对象+线程+字符+接口+变量+异常+方法)

  • Java中级开发(底层+Spring相关+Redis+分布式+设计模式+MySQL+高并发+锁+线程)

Java中级开发(底层+Spring相关+Redis+分布式+设计模式+MySQL+高并发+锁+线程)

  • Java高级“程序猿”(高并发+Redis缓存+分布式+消息队列+高可用+微服务+分库分表+读写分离)
  1. 高并发系列(经典面试题:如何设计一个高并发系统?)
  2. Redis缓存系列
  3. 分布式系列
  4. 消息队列系列
  5. 高可用系列
  6. 微服务系列
  7. 分库分表系列
  8. 读写分离系列
  9. …  …

Java高级“程序猿”(高并发+Redis缓存+分布式+消息队列+高可用+微服务+分库分表+读写分离)

Java高分面试指南-25分类227页1000+题50w+字解析

题目太多,我就不一一列举了,举例部分大家最感兴趣的

Java高分面试指南-25分类227页1000+题50w+字解析

第一分类 JavaOOP面试题

第二分类 Java集合/泛型面试题

  1. 1、ArrayList和linkedList的区别
  2. 2、 HashMap和HashTable的区别
  3. 3、Collection包结构,与Collections的区别
  4. 4、泛型常用特点 (待补充)
  5. 5、说说List,Set,Map三者的区别
  6. 6、Array与ArrayList有什么不一样?
  7. 7、Map有什么特点
  8. 8、集合类存放于 Java.util 包中, 主要有几 种接口
  9. 9、什么是list接口
  10. 10、说说ArrayList(数组)
  11. 11、Vector( 数组实现、 线程同步)
  12. 12、说说LinkList(链表)
  13. 13、什么Set集合
  14. 14、HashSet( Hash 表)
  15. 15、什么是TreeSet(二叉树)
  16. 16、说说LinkHashSet( HashSet+LinkedHashMap)
  17. 17、HashMap(数组+链表+红黑树)
  18. 18、说说ConcurrentHashMap
  19. 19、HashTable(线程安全)
  20. 20、TreeMap(可排序)
  21. 21、LinkHashMap(记录插入顺序)
  22. 22、泛型类
  23. 23、类型通配符?
  24. 24、类型擦除

第三分类 Java中的IO与NIO面试题

第四分类 Java反射面试题

第五分类 Java序列化面试题

第六分类 Java注解面试题

第七分类 多线程&并发面试题

  1. 1、Java中实现多线程有几种方法
  2. 2、继承 Thread 类
  3. 3、实现 Runnable 接口。
  4. 4、ExecutorService、 Callable、 Future 有返回值线程
  5. 5、基于线程池的方式
  6. 6、4 种线程池
  7. 7、如何停止一个正在运行的线程
  8. 8、notify()和notifyAll()有什么区别?
  9. 9、sleep()和wait() 有什么区别?
  10. 10、volatile 是什么?可以保证有序性吗?
  11. 11、Thread 类中的start() 和 run() 方法有什么区别?
  12. 12、为什么wait, notify 和 notifyAll这些方法不在thread类里面?
  13. 13、为什么wait和notify方法要在同步块中调用?
  14. 14、Java中interrupted 和 isInterruptedd方法的区别?
  15. 15、Java中synchronized 和 ReentrantLock 有什么不同?
  16. 16、有三个线程T1,T2,T3,如何保证顺序执行?
  17. 17、SynchronizedMap和ConcurrentHashMap有什么区别?
  18. 18、什么是线程安全
  19. 19、Thread类中的yield方法有什么作用?
  20. 20、Java线程池中submit() 和 execute()方法有什么区别?
  21. 21、说一说自己对于 synchronized 关键字的了解
  22. 22、说说自己是怎么使用 synchronized 关键字,在项目中用到了吗synchronized关键字最主要的三种使用方式
  23. 23、什么是线程安全?Vector是一个线程安全类吗?
  24. 24、volatile关键字的作用?
  25. 25、简述一下你对线程池的理解
  26. 26、线程生命周期(状态)
  27. 27、新建状态(NEW)
  28. 28、就绪状态(RUNNABLE)
  29. 29、运行状态(RUNNING)
  30. 30、阻塞状态(BLOCKED)
  31. 31、线程死亡(DEAD)
  32. 32、终止线程 4 种方式
  33. 33、start 与 run 区别
  34. 34、JAVA 后台线程
  35. 35、什么是乐观锁
  36. 36、什么是悲观锁
  37. 37、什么是自旋锁
  38. 38、Synchronized 同步锁
  39. 39、ReentrantLock
  40. 40、Condition 类和 Object 类锁方法区别区别
  41. 41、tryLock 和 lock 和 lockInterruptibly 的区别
  42. 42、Semaphore 信号量
  43. 43、Semaphore 与 ReentrantLock 区别
  44. 44、可重入锁(递归锁)
  45. 45、公平锁与非公平锁
  46. 46、ReadWriteLock 读写锁
  47. 47、共享锁和独占锁
  48. 48、重量级锁(Mutex Lock)
  49. 49、轻量级锁
  50. 50、偏向锁
  51. 51、分段锁
  52. 52、锁优化
  53. 53、线程基本方法
  54. 54、线程等待(wait)
  55. 55、线程睡眠(sleep)
  56. 56、线程让步(yield)
  57. 57、线程中断(interrupt)
  58. 58、Join 等待其他线程终止
  59. 59、为什么要用 join()方法?
  60. 60、线程唤醒(notify)
  61. 61、线程其他方法
  62. 62、进程
  63. 63、上下文
  64. 64、寄存器
  65. 65、程序计数器
  66. 66、PCB-“切换桢”
  67. 67、上下文切换的活动
  68. 68、引起线程上下文切换的原因
  69. 69、同步锁
  70. 70、死锁
  71. 71、线程池原理
  72. 72、线程复
  73. 73、线程池的组成
  74. 74、拒绝策略
  75. 75、Java 线程池工作过程
  76. 76、JAVA 阻塞队列原理
  77. 77、Java 中的阻塞队列
  78. 78、ArrayBlockingQueue(公平、非公平)
  79. 79、LinkedBlockingQueue(两个独立锁提高并发)
  80. 80、PriorityBlockingQueue(compareTo 排序实现优先)
  81. 81、DelayQueue(缓存失效、定时任务 )
  82. 82、SynchronousQueue(不存储数据、可用于传递数据)
  83. 83、LinkedTransferQueue
  84. 84、LinkedBlockingDeque
  85. 85、在 java 中守护线程和本地线程区别
  86. 86、线程与进程的区别?
  87. 87、什么是多线程中的上下文切换?
  88. 88、死锁与活锁的区别,死锁与饥饿的区别?
  89. 89、Java 中用到的线程调度算法是什么?
  90. 90、什么是线程组,为什么在 Java 中不推荐使用?
  91. 91、为什么使用 Executor 框架?
  92. 92、在 Java 中 Executor 和 Executors 的区别?
  93. 93、如何在 Windows 和 Linux 上查找哪个线程使用的 CPU 时间最长?
  94. 94、什么是原子操作?在 Java Concurrency API 中有哪些原子类(atomic classes)?
  95. 95、Java Concurrency API 中的 Lock 接口(Lock interface)是什么?对比同步它有什么优势?
  96. 96、什么是 Executors 框架?
  97. 97、什么是阻塞队列?阻塞队列的实现原理是什么?如何使用阻塞队列来实现生产者-消费者模型?
  98. 98、什么是 Callable 和 Future?
  99. 99、什么是 FutureTask?使用 ExecutorService 启动任务。
  100. 100、什么是并发容器的实现?
  101. 101、多线程同步和互斥有几种实现方法,都是什么?
  102. 102、什么是竞争条件?你怎样发现和解决竞争?
  103. 103、为什么我们调用 start()方法时会执行 run()方法,为什么我们不能直接调用 run()方法?
  104. 104、Java中,你怎样唤醒一个阻塞的线程?
  105. 105、在 Java 中 CycliBarriar 和 CountdownLatch 有什么区别?
  106. 106、什么是不可变对象,它对写并发应用有什么帮助?
  107. 107、Java 中用到的线程调度算法是什么?
  108. 108、什么是线程组,为什么在 Java 中不推荐使用?

第八分类 面试之JVM

第九分类 Mysql面试题

  1. 1、数据库存储引擎
  2. 2、InnoDB(B+树)
  3. 2、TokuDB( Fractal Tree-节点带数据)
  4. 3、MyIASM
  5. 4、Memory
  6. 5、数据库引擎有哪些
  7. 6、InnoDB与MyISAM的区别
  8. 7、索引
  9. 8、常见索引原则有
  10. 9、数据库的三范式是什么
  11. 10、第一范式(1st NF - 列都是不可再分)
  12. 11、第二范式(2nd NF- 每个表只描述一件事情)
  13. 12、第三范式(3rd NF- 不存在对非主键列的传递依赖)
  14. 13、数据库是事务
  15. 14、SQL优化
  16. 15、简单说一说drop、delete与truncate的区别
  17. 16、什么是视图
  18. 17、什么是内联接、左外联接、右外联接?
  19. 18、并发事务带来哪些问题?
  20. 19、事务隔离级别有哪些?MySQL的默认隔离级别是?
  21. 20、大表如何优化?
  22. 21、水平分区
  23. 22、分库分表之后,id 主键如何处理
  24. 23、存储过程(特定功能的 SQL 语句集)
  25. 24、存储过程优化思路
  26. 25、触发器(一段能自动执行的程序)
  27. 26、数据库并发策略
  28. 27、MySQL 中有哪几种锁?
  29. 28、MySQL 中有哪些不同的表格?
  30. 29、简述在 MySQL 数据库中 MyISAM 和 InnoDB 的区别
  31. 30、MySQL 中 InnoDB 支持的四种事务隔离级别名称,以及逐级之间的区别?
  32. 31、CHAR 和 VARCHAR 的区别?
  33. 32、主键和候选键有什么区别?
  34. 33、myisamchk 是用来做什么的?
  35. 34、MyISAM Static 和 MyISAM Dynamic 有什么区别?
  36. 35、如果一个表有一列定义为 TIMESTAMP,将发生什么?
  37. 36、你怎么看到为表格定义的所有索引?
  38. 37、LIKE 声明中的%和_是什么意思?
  39. 38、列对比运算符是什么?
  40. 39、BLOB 和 TEXT 有什么区别?
  41. 40、MySQL_fetch_array 和 MySQL_fetch_object 的区别是什么?
  42. 41、MyISAM 表格将在哪里存储,并且还提供其存储格式?
  43. 42、MySQL 如何优化 DISTINCT?
  44. 43、如何显示前 50 行?
  45. 44、可以使用多少列创建索引?
  46. 45、NOW()和 CURRENT_DATE()有什么区别?
  47. 46、什么是非标准字符串类型?
  48. 47、什么是通用 SQL 函数?
  49. 48、MySQL 支持事务吗?
  50. 49、MySQL 里记录货币用什么字段类型好
  51. 50、MySQL 有关权限的表都有哪几个?
  52. 51、列的字符串类型可以是什么?
  53. 52、MySQL 数据库作发布系统的存储,一天五万条以上的增量,预计运维三年,怎么优化?
  54. 53、锁的优化策略
  55. 54、索引的底层实现原理和优化
  56. 55、什么情况下设置了索引但无法使用
  57. 56、实践中如何优化 MySQL
  58. 57、优化数据库的方法
  59. 58、简单描述 MySQL 中,索引,主键,唯一索引,联合索引的区别,对数据库的性能有什么影响(从读写两方面)
  60. 59、数据库中的事务是什么?
  61. 60、SQL 注入漏洞产生的原因?如何防止?
  62. 61、为表中得字段选择合适得数据类型
  63. 62、存储时期
  64. 63、对于关系型数据库而言,索引是相当重要的概念,请回答有关索引的几个问题
  65. 64、解释 MySQL 外连接、内连接与自连接的区别
  66. 65、Myql 中的事务回滚机制概述
  67. 66、SQL 语言包括哪几部分?每部分都有哪些操作关键
  68. 67、完整性约束包括哪些?
  69. 68、什么是锁?
  70. 69、什么叫视图?游标是什么?
  71. 70、什么是存储过程?用什么来调用?
  72. 71、如何通俗地理解三个范式?
  73. 72、什么是基本表?什么是视图?
  74. 73、试述视图的优点?
  75. 74、NULL 是什么意思
  76. 75、主键、外键和索引的区别?
  77. 76、你可以用什么来确保表格里的字段只接受特定范围里的值?
  78. 77、说说对 SQL 语句优化有哪些方法?(选择几条)
  79. 78、什么是乐观锁
  80. 79、什么是悲观锁
  81. 80、什么是时间戳
  82. 81、什么是行级锁
  83. 82、什么是表级锁
  84. 83、什么是页级锁

第十分类 Redis面试题

  1. 1、什么是 Redis?
  2. 2、Redis 与其他 key-value 存储有什么不同?
  3. 3、Redis 的数据类型?
  4. 4、使用 Redis 有哪些好处?
  5. 5、Redis 相比 Memcached 有哪些优势?
  6. 6、Memcache 与 Redis 的区别都有哪些?
  7. 7、Redis 是单进程单线程的?
  8. 8、一个字符串类型的值能存储最大容量是多少?
  9. 9、Redis持久化机制
  10. 10、缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题
  11. 11、热点数据和冷数据是什么
  12. 12、单线程的redis为什么这么快
  13. 13、redis的数据类型,以及每种数据类型的使用场景
  14. 14、redis的过期策略以及内存淘汰机制
  15. 15、Redis 常见性能问题和解决方案?
  16. 16、为什么Redis的操作是原子性的,怎么保证原子性的?
  17. 17、Redis事务
  18. 18、Redis 的持久化机制是什么?各自的优缺点?
  19. 19、Redis 常见性能问题和解决方案:
  20. 20、redis 过期键的删除策略?
  21. 21、Redis 的回收策略(淘汰策略)?
  22. 22、为什么 edis 需要把所有数据放到内存中?
  23. 23、Redis 的同步机制了解么?
  24. 24、Pipeline 有什么好处,为什么要用 pipeline?
  25. 25、是否使用过 Redis 集群,集群的原理是什么?
  26. 26、Redis 集群方案什么情况下会导致整个集群不可用?
  27. 27、Redis 支持的 Java 客户端都有哪些?官方推荐用哪个?
  28. 28、Jedis 与 Redisson 对比有什么优缺点?
  29. 29、Redis 如何设置密码及验证密码?
  30. 30、说说 Redis 哈希槽的概念?
  31. 31、Redis 集群的主从复制模型是怎样的?
  32. 32、Redis 集群会有写操作丢失吗?为什么?
  33. 33、Redis 集群之间是如何复制的?
  34. 34、Redis 集群最大节点个数是多少?
  35. 35、Redis 集群如何选择数据库?
  36. 36、怎么测试 Redis 的连通性?
  37. 37、怎么理解 Redis 事务?
  38. 38、Redis 事务相关的命令有哪几个?
  39. 39、Redis key 的过期时间和永久有效分别怎么设置?
  40. 40、Redis 如何做内存优化?
  41. 41、Redis 回收进程如何工作的?
  42. 42、都有哪些办法可以降低 Redis 的内存使用情况呢?
  43. 43、Redis 的内存用完了会发生什么?
  44. 44、一个 Redis 实例最多能存放多少的 keys?List、Set、Sorted Set 他们最多能存放多少元素
  45. 45、MySQL 里有 2000w 数据,redis 中只存 20w 的数据,如何保证 redis 中的数据都是热点数据?
  46. 46、Redis 最适合的场景?
  47. 47、假如 Redis 里面有 1 亿个 key,其中有 10w 个 key 是以某个固定的已知的前缀开头的,如果将它们全部找出来?
  48. 48、如果有大量的 key 需要设置同一时间过期,一般需要注意什么?
  49. 49、使用过 Redis 做异步队列么,你是怎么用的?
  50. 50、使用过 Redis 分布式锁么,它是怎么回事?

最后

金三银四马上就到了,希望大家能好好学习一下这些技术点,需要领取这些学习资料和面试笔记的朋友请**赶紧点击这里免费获取!**

学习视频:

大厂面试真题:

有 1 亿个 key,其中有 10w 个 key 是以某个固定的已知的前缀开头的,如果将它们全部找出来?
48. 48、如果有大量的 key 需要设置同一时间过期,一般需要注意什么?
49. 49、使用过 Redis 做异步队列么,你是怎么用的?
50. 50、使用过 Redis 分布式锁么,它是怎么回事?

最后

金三银四马上就到了,希望大家能好好学习一下这些技术点,需要领取这些学习资料和面试笔记的朋友请**赶紧点击这里免费获取!**

学习视频:

[外链图片转存中…(img-HSOI3un9-1626241112928)]

大厂面试真题:

2020JAVA面试题库_牛客网出品(最新完整版本,附带解析与答案) 牛客网最新最全的java面试题库整理,官方出品,现与各位应届共享,并且内附传智播客java完成word资料。基础+面试,offer拿不停。加油了。 立即下载

相关推荐

2017阿里内推笔试题--算法工程师(运筹优化)

2017阿里内推笔试题–算法工程师(运筹优化)题目沐哲是一个菜鸟仓库的一个拣货员,但他有非常个怪异的习惯。每次拣货的重量都要比之前拣的一个轻,每次拣到货后都可以得到1块钱,沐哲想知道这样最多能赚多少钱 32 34 7 33 21 2 13 12 3 11 26 36 16 30 22 1 24 14 20 23 25 5 19 29 27 15 9 17 31 4 6 18 8 10 3

shawpan的专栏 1万+

【牛客刷题】java编程笔试题(更新)

思路:用hashmap保存每个字符串的出现次数,每次输入一个字符串,判断该字符串是否在hashmap中,没有就插入value为1key为该字符串的值,存在则更新value+1。这里的有效序列定义为S中的每个字符在L中都存在,并且顺序一致,例如“ace”是“abcde”的有效序列,“aec”不是“abcde”的有效序列,但是ae是最长的有效序列,e是最后一个有效字符。如果匹配失败一次,则母串下标+1,继续匹配,当子串或母串下标超出长度则停止,输入记录的最后有序字符下标。............

世界很大我很小 5177

从零到一:构建嵌入式Nginx的模块化架构与跨平台部署实战

本文详细介绍了在ARM32架构的RV1126嵌入式设备上,通过交叉编译技术构建模块化Nginx服务器的完整实战流程。涵盖环境配置、依赖库编译、Nginx核心与http_ssl_module等模块集成、性能优化及部署调试,为嵌入式开发提供高效可靠的Web服务器解决方案。

rock5的博客 203

牛客网Java面试题及答案整理( 2023最新版)

最后就是面试题及答案的获取方式,针对于上面的面试题我总结出了互联网公司 java 程序员面试涉及到的绝大部分面试题及答案做成了文档免费分享给大家,希望能帮助到您面试前的复习且找到一个好的工作,也节省大家在网上搜索资料的时间来学习!

qq13321123的博客 571

向华为学习——解读华为战略规划SP与业务计划BP流程【附全文阅读】

该方案针对大中型企业高管及战略团队,系统拆解华为SP(4-9月中长期规划)与BP(10-12月年度执行)双轨体系,形成"战略制定-业务设计-资源配置-绩效解码"闭环。SP侧重市场趋势分析、业务优先级与资源分配,BP细化KPI、预算及行动计划。通过价值树、战略解码等工具实现战略到部门/个人的目标分解,强化跨部门协同与过程管控。配套17份华为实战资料(包括战略管理、流程优化、销售组织建设等核心方法论),助力企业建立规范的战略执行体系,实现资源优化与绩效落地。

cdfunlove的博客 772

3、Tone Mapping色调映射(Advanced High Dynamic Range Imaging )

3、Tone Mapping色调映射(Advanced High Dynamic Range Imaging) 如今,大多数可用的显示设备无法本地显示HDR内容。 入门级显示器的对比度仅为200:1。 尽管高端液晶电视具有更高的对比度,但平均对比度约为10,000:1,但通常每个色彩通道的离散度为8位,很少为10位。 这意味着色调限制为255。在过去的二十年中,研究人员花费了大量时间和精力来压缩HDR图像和视频的范围,以便可以在LDR显示器上更“自然”地看到数据。 图3.1 色调映射和真实场景之间.

ISP行业的忠实粉丝 1866

牛客网最热门的 1353 道大厂 Java 面试题整理(附答案)

面试是跳槽涨薪最直接有效的方式,马上金九银十来了,各位做好面试造飞机,工作拧螺丝的准备了吗?掌握了这些知识点,面试时在候选人中又可以夺目不少,暴击 9999 点。机会都是留给有准备的人,只有充足的准备,才可能让自己可以在候选人中脱颖而出。

m0_50180963的博客 444

Unity 面试篇⚠️ | Unity性能优化好,山寨机都能跑~

Unity 面试篇⚠️ | Unity性能优化好,山寨机都能跑~

m0_58523831的博客 1万+

牛客网Java面试题及答案整理(2023年秋招最新版,持续更新)

而一些主流的大型互联网公司面试(阿里巴巴、京东、美团、滴滴)更是需要你在面试时展现出自己的能力,从而获得面试官的欣赏和肯定。同时在今年的面试当中其实来来回回就是问那么几个知识点:JVM、多线程、数据库、微服务、分布式、消息中间件、源码等几个方面,今天lz这里系统的整理了一套面试突击宝典!俗话说,磨刀不误砍柴工,做好面试前的准备工作可以帮助大家更好的应对面试官的问题以及面试中的突发情况。即使是面试跳槽,那也是一个学习的过程。只有全面的复习,才能让我们更好的充实自己,武装自己,为自己的面试之路不再坎坷!

qq13321123的博客 2101

AI游戏制作07——波次计时器,敌人按波次生成

AI游戏制作07——波次计时器,敌人按波次生成

qq_40572023的博客 49

NL2SQL进阶系列(3):Data-Copilot、Chat2DB、Vanna Text2SQL优化框架开源应用实践详解[Text2SQL]

NL2SQL进阶系列(3):Data-Copilot、Chat2DB、Vanna Text2SQL优化框架开源应用实践详解[Text2SQL]

丨汀、的博客 5423

2021Java高级面试题总结,分分钟搞定!

前言 SQL 语句执行慢的原因是面试中经常会被问到的,对于服务端开发来说也是必须要关注的问题。 在生产环境中,SQL 执行慢是很严重的事件。那么如何定位慢 SQL、慢的原因及如何防患于未然。接下来带着这些问题让我们开启本期之旅! 阿里系的lazada一面现场(50min) ①sync的底层实现,锁优化,和lock的对⽐等 ②jvm参数调优详细过程,到为什么这么设置,好处,⼀些gc场景,如何去分析gc⽇志 ③redis数据结构,使⽤场景,微博场景使⽤redis如何去设计⽤户关系 ④线程池参数设定,为什么这么

m0_56530263的博客 149

华为OD最新机试真题-池化资源共享

摘要:该问题要求管理n台设备的资源池,处理资源申请和释放操作。申请操作需返回满足条件且剩余资源最少的设备ID,释放操作需将指定申请的资源归还。采用线段树数据结构维护各设备当前最大可用资源值,支持快速查询和更新。线段树实现了单点修改、区间最大值查询以及查找最左满足条件的节点功能。算法时间复杂度为O((n+m)logn),空间复杂度O(n),适用于大规模操作。提供了C++、Java和Python三种实现方案。

面试高手的博客 330

java程序员一般做什么工作,分分钟搞定!

前言 看日期,今天都是4月了,这春招也差不多进入尾声了。 近期任有不少朋友都在找工作,很多人开始抱怨,工作可真难找啊!身边不少朋友问我咋搞呀,秋招都要结束了,工作还没着落呢…额…这个…今年是有点难啊。说实话,面试只是对个人技术及应变能力的一次考验。只有解决了一个问题,你才有机会遇见下一个问题。 这不,今天我总结了饿了么4面(Java岗)面经,问题如下,都是真真的经历,准备面试找工作的朋友可自行检测一下。 1、Java基础 Java基础务必要有一个非常牢固的根基,尤其是对于JVM和并发编程的掌握情况**(属

m0_57285325的博客 1621

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

分分钟搞定Java变量!

Java学习-变量 什么是变量? 顾名思义,就是可以变化的量,在Java中,变量是用来存放数据的,并且存放的数据是可以改变的 变量的分类 按照作用域分类 1.成员变量 在类体中(方法体外)声明的变量,在整个类中都可以使用 2.局部变量 在方法体中声明的变量,也就是作用域尽在当前方法中可以使用(在循环体中的变量也是局部变量,只能在循环体中使用) 按照数据类型分类 1.基本数据类型变量 Java中基本数据类型有8种,也就是byte、short、int、long、float、fouble、char、bo

weixin_37645379的博客 163

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

2021Java大厂面试集合,详细到让你分分钟搞定Netty

前言 我的一个朋友,开发四年了,没跳过槽,四年时间也不过是从最开始的10K涨到了15K,经常和我吐槽工资低。去年8月份左右开始了他“骑驴找马”的行动,从各种地方找学习资料、刷面试题。值得庆幸的是,他出去找工作时疫情还不严重,异常顺利的面进了蚂蚁,薪资更是翻了几倍。现在让我好生羡慕,于是找他要了他刷了至少七遍以上的面试题,特地分享给大家学习: 这里就不过过多赘述了,直接进入正文! 第一轮 40min 自我介绍、项目介绍占了一半 cms和g1收集器的机制和区别 hotspot内存模型 cas的汇编指令 墙钟时

m0_57983312的博客 122

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Java开发技术总结!Java高级工程师进阶学习,分分钟搞定!

前言 在实际开发,Redis使用会频繁,那么在使用过程中我们该如何正确抉择数据类型呢?哪些场景下适用哪些数据类型。而且在面试中也很常会被面试官问到Redis数据结构方面的问题: Redis为什么快呢? 为什么查询操作会变慢了? Redis Hash rehash过程 为什么使用哈希表作为Redis的索引 当我们分析理解了Redis数据结构,可以为了我们在使用Redis的时候,正确抉择数据类型使用,提升系统性能。 一、对Kafka的认识 1.Kafka的基本概念 2.安装与配置 3.生产与消费 4.服务端

361

Java进阶:我用2个月的时间破茧成蝶,分分钟搞定!

前言 其实前几篇文章已经写了好多有关于Spring源码的文章,事实上,很多同学虽然一直在跟着阅读、学习这些Spring的源码教程,但是一直都很迷茫,这些Spring的源码学习,似乎只是为了面试吹逼用,我大概问过一些同学,很多同学看了很长时间的Spring但是依旧不知道如何将这些学到的知识运用到实际的案例上! 其实这个问题很好解决,如果你在开发中很少能够遇见需要Spring扩展时,不妨把目光放到一些依托于Spring的项目,看看它们是如何运用Spring的扩展点的。对于Spring的学习,我认为最终真正学会的

231

java核心编程pdf,分分钟搞定!

前言 最近一个读者和我反馈,他坚持刷题2个月,终于去了他梦寐以求的大厂,薪资涨幅非常可观,期间面字节跳动还遇到了原题… 因为据我所知很多大厂技术面试的要求是:技术要好,计算机基础扎实,熟练掌握算法和数据结构,语言不重要,熟练度很重要。每一轮技术面试都可能考代码,不只考算法,但一定会考算法。 那你知道为什么要考算法么?其实核心是看候选人是不是足够聪明。考算法一般会分两步,第一步是直接让你说思路,第二步是让你直接上手写代码。很多大厂的算法题一般对应的是 LeetCode 中级模式,要通过面试,你肯定得花时间好好

m0_57064830的博客 541

ie浏览器java插件下载,分分钟搞定!

8.15 一面 (60min) 自我介绍,为什么投客户端 python和java有什么区别 java内存模型 gc讲讲 http https区别 cookie,session https握手过程 对称非对称加密算法?哪个效率高? tcp握手要三次,挥手要几次,为什么 进程和线程,描述一下 进程通信方式 线程同步方式 写个生产者消费者模型,要求多线程环境下 为什么要用synchronized?原理?效率? 算法: 二叉树,打印所有根结点到叶节点路径和为k的路径。 反问 先别走,二面面试官马上来 8.1

m0_57983312的博客 2144

java反射调用方法,分分钟搞定!

蚂蚁金服关于spring部分面试问题: Spring bean的生命周期能不能结合源码回答一下这个问题 Spring容器当中包含了哪些常用组件(至少说5个),作用是什么,场景是什么; Spring自动注入的原理是什么?能不能从源码来说明一下这个问题; 我们常常说的自动注入,到底怎么注入的?有什么坑? Spring源码当中如何来搞定循环依赖的?Spring支持循环依赖? 如何来二次扩展Spring,比如自定义一个实现自动注入的注解; mybatis源码当中利用了Spirng的那些扩展?mybatis扩展Sp

m0_57077948的博客 128

程序员进阶知识点!成功入职网易月薪35K分分钟搞定!

前言 众所周知,Java开发人员的生存环境可谓是与以前大相径庭,以IT行业发展来说,在十几年前的时候,IT行业的技术人才是稀缺的,程序员最初的招聘行情,只要你会敲“holle world”、会点技术,能做出点东西,就能入职月薪过万的大厂岗位。 而到了今年2021年,初级人才已经不稀缺了。“IT初级人才招聘市场上”除了每年新入行的人,还有几年内、大几年内入行后技术没有进步的人,这些人被辞退、或跳槽找工作,找的也是“IT初级程序员”岗位…… 以互联网巨头阿里的招聘信息来看,首先对于工作经验有一定的要求,在我看来

m0_57285455的博客 276

java软件高级工程师证书,分分钟搞定!

前言 上个月4号通过阿里工作的学长进行内推,7天简历评估,11号接到电话面试,尽管猝不及防回答仓促,但好在前期准备充分,通过。3天后进行现场面试,通知时间为早上10点。当日设了七点闹钟,结果五点五十三分惊醒后再无法入睡,起床,重新翻看之前做的笔记和重点,在lintcode上找了几道可能性较大的题进行练手。10点准时在蚂蚁金服总部开始面试,十点四十七分结束。15号收到通知,现场面通过,16号进行HR面,22号收到Offer。 面试内容如下: 1. 垃圾回收机制 Stop-the-World:   JVM由于

m0_57286571的博客 2423

java 并发_分分钟搞定Java 并发队列

作者:tanθ出自:博客园原文:https://dayarch.top/p/java-concurrency-queue.html前言如果按照用途与特性进行粗略的划分,JUC 包中包含的工具大体可以分为 6 类:执行者与线程池并发队列同步工具并发集合锁原子变量在并发系列中,主要讲解了 执行者与线程池,同步工具,锁 , 在分析源码时,或多或少的提及到了「队列」,队列在 JUC 中也是多种多样存在,所...

weixin_39553423的博客 115

全靠这份啃了58天的「Java进阶核心知识集」,分分钟搞定!

前言 今天刚好有空,跟大家聊聊如何学好算法进大厂。 前两天一个读者和我说,他坚持刷算法题2个月,薪资翻番去了他梦寐以求的大厂,期间面字节跳动还遇到了原题…其实据我所知目前国内的大厂和一些独角兽,已经越来越效仿硅谷公司的做法,通过编程定题面试,来考察数据结构和算法的扎实程度。 以我的经验来说,**对于新手来说,扎实的掌握一门语言是其一,其二就是要有基本的算法能力,这个非常重要。对于进阶的用户,更多技术栈的掌握就是必须的了。另外,还需要你学习高阶算法,掌握这些技术栈匹配的算法技能。**现在很多大厂技术面试的要求

m0_57286622的博客 401

java面试前准备,分分钟搞定!

在这里分享一份 [mybatis从入门到精通] 的强力教程,定能够助你一臂之力。 Mybatis基本介绍 ORM和MyBatis 对象/关系数据库映射(ORM) 基本映射方式 流行的ORM框架简介 目前流行的编程语言,例如Java、 C#等,都是面向对象的编程语言;而目前主流的数据库产品,例如Oracle、DB2等,依然是关系数据库。编程语言和底层数据库的发展不协调,催生出了ORM框架,ORM框架可作为面向对象编程语言和数据库之间的桥梁。 确切地说,MyBatis 并不完全是一种ORM框架,它的设计思想

m0_56530263的博客 142
上一篇: 2021Java者真的太难了!干货整理
下一篇: 2021Java通用流行框架大全,面试必问
普通网友
博客等级 码龄6年 39粉丝 387原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值