<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[WHACKW的专栏]]></title><description><![CDATA[测试相关，尽量做到比开发与运维还要牛]]></description><link>https://blog.youkuaiyun.com/WHACKW</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; WHACKW]]></copyright><item><title><![CDATA[Jmeter插件开发整理]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/137132319</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/137132319</guid><author>WHACKW</author><pubDate>Fri, 29 Mar 2024 09:24:06 +0800</pubDate><description><![CDATA[Jmeter基础使用。Jmeter二次开发。]]></description><category></category></item><item><title><![CDATA[Nginx配置解决跨域问题]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/131266887</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/131266887</guid><author>WHACKW</author><pubDate>Sun, 18 Jun 2023 01:11:43 +0800</pubDate><description><![CDATA[一、如何配置你的nginx.conf添加一个server{}，这是你的服务，listen参数是你要监听的端口，这个端口可以自定义，server_name localhost，这个一般就是A服务器的域名地址，记住这个地址+端口+/参数/(127.0.0.1:9800/quartz/) 是映射location，也就是请求的地址会被代理成 proxy_pass http://192.168.X.XXX:9830这个地址，A服务器就可以跨服务器请求B服务器的资源；]]></description><category></category></item><item><title><![CDATA[为Access-Control-Allow-Origin设置白名单]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/131266830</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/131266830</guid><author>WHACKW</author><pubDate>Sun, 18 Jun 2023 01:07:13 +0800</pubDate><description><![CDATA[在配置文件中设置白名单，名称可以自定义，对应好就行。通过@Value获取白名单，手动匹配。]]></description><category></category></item><item><title><![CDATA[小白机器学习总结]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/106464867</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/106464867</guid><author>WHACKW</author><pubDate>Mon, 01 Jun 2020 01:11:35 +0800</pubDate><description><![CDATA[机器学习就是：从大量数据中学习并提取“特征s(肯定是很多个)”--再用提取的“特征”做事情。

特征s就是：一堆很高很高维的复杂高等数学公式

学习并提取的过程：将够足多的数据输入给“网络模型(各种算法结构性组成)”，最终生成“特征s”


每个都看懂再往下走哈，越往下越需要时间停留思考消化

1､什么时候用什么激活函数---深度学习：激活函数的比较和优缺点，sigmoid，tanh，relu

2､神经元形象解释---机器学习入门--神经元模型,神经网络中最基本的单元是神经元模型（neuron）



.]]></description><category></category></item><item><title><![CDATA[PyTorch examples入门实例之路]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/106464624</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/106464624</guid><author>WHACKW</author><pubDate>Mon, 01 Jun 2020 00:56:01 +0800</pubDate><description><![CDATA[在学习PyTorch 之前，肯定会有人问为不学习tensorflow呢？我的回答如下

1、我也是学习了tensorflow，但在继续学习时发现github与知乎中，各种模型网络与新出来模型网络大都是PyTorch版本，也就是大神们研究复现算法时都用PyTorch

2、tensorflow是静态的网络结构是提前规化好不能改变，PyTorch是动态灵活可以在运行时自己控制任何细节实现

首先推荐大家先进入这个手敲一遍PyTorch examples/PyTorch入门实例

但在之前需要安装环境，因为自己安]]></description><category></category></item><item><title><![CDATA[spring boot实现一个API接口之初学路]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104979780</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104979780</guid><author>WHACKW</author><pubDate>Thu, 19 Mar 2020 23:27:56 +0800</pubDate><description><![CDATA[1、Spring Boot -01- 快速入门篇（图文教程）

2、照着第一步教程运行遇到这个报错初步搭建springboot应用，报错：Failed to configure a DataSource: 'url' attribute is not specified and no embed

3、跑通过spring boot之后想实现一个JSON格式的API接口服务，于是又照这个教程学...]]></description><category></category></item><item><title><![CDATA[Windows10安装git]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104979604</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104979604</guid><author>WHACKW</author><pubDate>Thu, 19 Mar 2020 23:14:59 +0800</pubDate><description><![CDATA[Windows10下安装Git

解决git下载很慢的问题
]]></description><category></category></item><item><title><![CDATA[tensorflow初学习者路上各种问题之杀怪（自己遇到解决过，持续更新）]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104066919</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104066919</guid><author>WHACKW</author><pubDate>Wed, 22 Jan 2020 00:55:57 +0800</pubDate><description><![CDATA[1、解决出现 ImportError: No module named 'tensorflow_datasets'的问题

2、distorted_inputs() got an unexpected keyword argument 'data_dir'

3、AttributeError: module 'tensorflow' has no attribute 'scalar_summary...]]></description><category></category></item><item><title><![CDATA[RobotFramework二次开发实时日志之杀怪]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104049245</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104049245</guid><author>WHACKW</author><pubDate>Mon, 20 Jan 2020 11:06:31 +0800</pubDate><description><![CDATA[1、RobotFramework二次开发——实时日志
2、listerner监听器获取实施日志的坑 Listener does not have mandatory ‘ROBOT_LISTENER_API_VERSION’ attribute

]]></description><category></category></item><item><title><![CDATA[同一个主机上安装不同版本TensorFlow1.x与TensorFlow2.x之杀怪]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104002708</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104002708</guid><author>WHACKW</author><pubDate>Thu, 16 Jan 2020 12:38:36 +0800</pubDate><description><![CDATA[windows系统安装
Linux系统安装

]]></description><category></category></item><item><title><![CDATA[tensorflow学习之路-初学习者版本选择]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/104002635</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/104002635</guid><author>WHACKW</author><pubDate>Thu, 16 Jan 2020 12:33:57 +0800</pubDate><description><![CDATA[tensorflow各个版本的区别
tensorflow - 仅支持 CPU 的当前稳定版本（建议新手使用）
tensorflow-gpu - 支持 GPU 的当前稳定版本（Ubuntu 和 Windows）
tf-nightly - 仅支持 CPU 的每夜版（不稳定）
tf-nightly-gpu - 支持 GPU 的每夜版（不稳定，Ubuntu 和 Windows）
tensorflow1.x...]]></description><category></category></item><item><title><![CDATA[tensorflow学习之路-正则化]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/103981514</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/103981514</guid><author>WHACKW</author><pubDate>Tue, 14 Jan 2020 23:18:21 +0800</pubDate><description><![CDATA[为什么要正则化
简单来说，正则化是一种为了减小测试误差的行为(有时候会增加训练误差)。我们在构造机器学习模型时，最终目的是让模型在面对新数据的时候，可以有很好的表现。当你用比较复杂的模型比如神经网络，去拟合数据时，很容易出现过拟合现象(训练集表现很好，测试集表现较差)，这会导致模型的泛化能力下降，这时候，我们就需要使用正则化，降低模型的复杂度。
1、机器学习中的正则化(Regularization...]]></description><category></category></item><item><title><![CDATA[tensorflow学习之路-卷积神经网络笔记]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/103971184</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/103971184</guid><author>WHACKW</author><pubDate>Tue, 14 Jan 2020 12:53:05 +0800</pubDate><description><![CDATA[1、卷积神经网络——输入层、卷积层、激活函数、池化层、全连接层
2、卷积神经网络的卷积核大小、卷积层数、每层map个数都是如何确定下来的呢？
3、卷积神经网络的通道数与卷积核数的关系
4、卷积神经网络之卷积计算、作用与思想
5、模型优化的熵与不平衡学习
6、批量梯度下降(BGD)、随机梯度下降(SGD)以及小批量梯度下降(MBGD)的理解

...]]></description><category></category></item><item><title><![CDATA[tensorflow学习之路-全连接层的理解]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/103971147</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/103971147</guid><author>WHACKW</author><pubDate>Tue, 14 Jan 2020 12:42:15 +0800</pubDate><description><![CDATA[卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征，所以叫全连接。
全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
先看全连接的图：

全连接把卷积输...]]></description><category></category></item><item><title><![CDATA[npm install zmq路之杀怪(linux)]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/89928938</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/89928938</guid><author>WHACKW</author><pubDate>Tue, 07 May 2019 20:38:17 +0800</pubDate><description><![CDATA[1、…/binding.cc:28:17: 致命错误：zmq.h：没有那个文件或目录
解决：yum install czmq-devel 或 apt-get install libzmq3-dev

]]></description><category></category></item><item><title><![CDATA[Mac安装zimg路之杀怪]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/89886267</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/89886267</guid><author>WHACKW</author><pubDate>Mon, 06 May 2019 16:47:15 +0800</pubDate><description><![CDATA[MACOSX_DEPLOYMENT_TARGET=10.14 make

]]></description><category></category></item><item><title><![CDATA[修改mongodb.conf之后mongodb启动失败]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/88978504</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/88978504</guid><author>WHACKW</author><pubDate>Tue, 02 Apr 2019 18:51:41 +0800</pubDate><description><![CDATA[systemctl start mongod.service报如下异常
mongod.service: control process exited, code=exited status=1
Failed to start High-performance, schema-free document-oriented database.
Unit mongod.service entered f...]]></description><category></category></item><item><title><![CDATA[微信小程序基础库版本与微信版本对应关系]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/88566716</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/88566716</guid><author>WHACKW</author><pubDate>Fri, 15 Mar 2019 10:03:27 +0800</pubDate><description><![CDATA[iOS 客户端版本	基础库版本
7.0.3	2.6.1
7.0.0	2.5.2
6.7.3	2.4.4
6.7.2	2.3.2
6.7.0	2.2.5
6.6.7	2.1.3
6.6.6	2.0.9
6.6.2	1.9.97
6.6.1	1.9.9
6.6.0	1.9.4
6.5.22	1.7.4
6.5.16	1.6.8
6.5.13	1.5.8
6.5.10	1.4.4
6.5.9	1.3.0...]]></description><category></category></item><item><title><![CDATA[flask之apscheduler定时任务]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/88315723</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/88315723</guid><author>WHACKW</author><pubDate>Thu, 07 Mar 2019 17:58:45 +0800</pubDate><description><![CDATA[#schedule.py
from flask_apscheduler import APScheduler
from ..dqJSON.GenSchema import getREQRES,generateRule,saveRuleMongo

class Config(object):
    JOBS = [
        {
            'id': 'genReqResRu...]]></description><category></category></item><item><title><![CDATA[常用入门git命令]]></title><link>https://blog.youkuaiyun.com/WHACKW/article/details/87706833</link><guid>https://blog.youkuaiyun.com/WHACKW/article/details/87706833</guid><author>WHACKW</author><pubDate>Tue, 19 Feb 2019 14:14:08 +0800</pubDate><description><![CDATA[git add . --all 添加当前目录(递归)下的新增文件或修改文件
git commit  -m “提交备注,随便写，只要你能认识就行” 提交到本地，没有提交到远程仓库
git push  将当前分支提交到远仓库
git pull   将远仓库文件或更新拉到本地当前分支
git branch 不带参数：列出本地已经存在的分支，并且在当前分支的前面加“*”号标记
git branch -r ...]]></description><category></category></item></channel></rss>