离开你是我的错

       还记得吗?猪,在你的笔记本上留下了我写的很多句话,只要我们有信心,什么困难在我们面前都不是困难

我们要多沟通,多锻炼身体,为了我们的将来

       曾经,我给你的理解是,我们之间要互相理解,多沟通。但是怎么好多次你都以每天要发短信,每过两天要打电话为由生气,我其实有时候真的很忙,我也不知道自己在忙什么,只是感觉很多时候发短信还是要看心情啊。我知道我们分隔很远,但是你应该相信我啊

       在我知道你肾有问题的时候,我没有退缩,我让你去治病,多锻炼一点,哪怕是轻微的锻炼。但是你好像没有听,每次打电话的时候我都跟你说,每次我都很担心你的身体,你知道吗?其实我也有心情不高兴的时候,也有迷茫的时候,也有郁闷的时候,但是我真的不想给你说,一是怕影响你的心情,二是怕你说了影响我的心情。记得有一次我给你说我工作上的事情,我说我真的感觉很累,但是还是没有评上优秀;你的第一反映居然是让我找找原因,为什么别人都可以,难道你就不关心我的身体吗?

     其实你也知道,我对你的要求不是那么的高的,当然,以后两个人一起过日子,我希望你还是能勤快点。每次给你说,你都说自己感觉很累,我也让你休息了。但是你那么多时间,每天工作的时间不到3个小时,其他时间抽点时间学习充实下自己啊,这样我们才能在一个地方,才能经常在一起,避免很多的矛盾。但是,你呢?你真的一点也不关心我们以后的日子,我们以后在那里过?难道我们一直都分开?在什么时候买房子?你给我说,你不想考虑,但是你至少要努力为我们以后打算吧

    那天,我知道我们已经很久没有联系了,但是你就不能主动打电话给我一次,让我也体会一下你的关心啊?你就真的觉得我在这边很好很好啊?可能你也觉得我们之间有问题吧,然后给我一句,我再也不相信你了!真的,我当时很想说,那好吧。但是我忍了,我觉得,我们应该彼此珍惜下。

    后来,我主动给你电话,我希望你说点什么,我也说了些,哪怕吵一架也好,相反,你好像满不在乎的样子,你本来有时间,可以上来和我在一起多呆几天,但是为什么你就自己决定买什么时候的票,也不给我商量一下呢?为什么你就不在乎别人的感受呢?

    我实在不能忍受,我觉得我们的确有些难再一起。性格方面,我们都有些内向吧,不过你更多。而且,好像每次你都不能从解决我们之间的困难着想,都想着自己怎么怎么了。我其实只希望你保护好自己身体情况下能够我们一起为了我们的将来努力下。其次,我们的确有些远,特别是你那里的交通也不是很方便,每次看你回来我都对去你那里的车感觉很不爽。

   当然还有我势力的方面,猪,这我不得不说是我的自私。你想想,当我看到你毕业那么久后存折上居然就500块过日子的时候,我当时除了郁闷之外还是郁闷。另外,你告诉我你检查出还有乙肝的时候,还有什么什么的时候我真的崩溃了,不过我还是好好安慰了下你。那我去你那里的时候你为什么没有分开我们的餐具呢?幸好我早就有乙肝免疫能力了

    那天我要走了的时候,你为了你自己考虑,让我睡木板,真的,我当时很心酸,何况屋子里还有老鼠,虽然我不怕,但是我很心酸。没有地方,不想让别人说什么,我们晚上不再一起没什么,给我说明了,我可以出去睡旅店,但是你为什么老说有地方呢?

   算了,我们还是分开吧。我也有老妈要养活,我还有自己的窝要去努力,猪,我真的没有多少精力和你经常冷战。也没有那么多精力照顾你,一切还是要你自己努力。

  或许我很自私,或许我就是一个小市民心里,或许我是一个负心人,这一切都愿我!离开你,是我的错.

     

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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