- 博客(20)
- 收藏
- 关注
RSS订阅原创 vue3父子组件传递数据
功能：Component1修改shareData，通过父组件传递到Component2中。{{ data.value}}响应式数据只要修改就会刷新。Component1.vue中。Component2.vue中。index.vue中。
2025-01-05 19:52:41
214
原创 Tailwind CSS
6.在src/main.js中全局引入 输出的样式文件output.css。中创建的 tailwindcss文件，b文件一定要与。4.创建src/assets/input.css。3.配置tailwind.config.js。中的'a文件地址'一定要是我们在。中全局引入样式文件的地址一致。5.生成CSS样式文件。
2024-12-31 08:57:54
229
原创 实训作业1
如果存在，则给用户加分，具体加分值从配置文件中读取，返回"登录成功"，否则返回"登录失败"用户编号从请求路径中获取，根据主键删除用户信息，根据操作结果返回"删除成功"或"删除失败"将新用户的信息添加到数据库中，根据操作结果返回"注册成功"或"注册失败"(3)list()方法处理GET请求，完成模糊查询 + 分页查询的操作，返回分页的用户列表。在com.ibm.service.impl包下编写UserServiceImpl实现类。(4)login()方法处理POST请求，完成用户登录功能。
2024-12-23 10:31:36
442
原创 VSCode快速创建vue3
4.(选择安装）pnpm（也是 Node.js 的包管理工具，并且是最新的 Node.js 的包管理工具）5.(选择安装）安装nrm（用于管理 Node.js 包管理器（npm、yarn、pnpm）镜像源的工具）3.(选择安装）yarn（也是 Node.js 的包管理工具）1.新建文件夹，拖到vscode中，选择信任此项目。使用如下命令执行create-vue。二vscode创建vue项目。2.CLTR+~打开终端。1.检查node.js。
2024-12-18 10:54:49
602
原创 使用Mars Code快速构建神经网络分类器
为代表的 AI 功能。它支持主流的编程语言和 IDE，在开发过程中提供单行代码或整个函数的编写建议。此外，它还支持代码解释、单测生成和问题修复等功能，提升开发者的编程效率和体验。此外，MarsCode目前可以免费使用，这对于开发者来说是一个很大的优势。使用MarsCode生成代码包括如下部分。Mars Code基于豆包。
2024-12-17 16:37:38
375
原创 解锁高效创作：Mars code
在当今数字化浪潮中，编程领域正不断迎来创新与变革，而 Mars Code 作为一款新兴的编程辅助工具，正逐渐崭露头角，为开发者们带来前所未有的体验与效率提升。代码质量。
2024-12-17 16:14:50
651
原创 CL Info
CL进展主要集中在改进 BP 算法以减少灾难性遗忘（Catastrophic Forgetting）、提高模型的适应性和效率等方面。
2024-11-06 14:20:17
1677
原创 When Less is More: Investigating Data Pruning for Pretraining LLMs at Scale
超越神经缩放法则：在机器学习领域，神经缩放法则描述了模型性能与模型大小、数据量之间通常遵循幂律关系。超越神经缩放法则旨在寻找突破这种传统幂律缩放的方法，以实现更高效的模型训练和性能提升。关键在于根据数据修剪指标修剪数据，影响模型的缩放规律。网络爬取的大规模语料库嘈杂质量较低，已经存在一些启发式剪枝方法：修剪掉重复文本，特殊字符、非英文文本、人工管理“blocklist”网站的数据，设定文本长度阈值等。这些手动管理的过滤器可以筛选某些噪声实例，但针对单个训练实例还未有最佳数据质量度量。
2024-11-01 17:34:00
800
原创 机器视觉 2.神经网络
在每次迭代中，我们首先随机抽样一个小批量B， 它是由固定数量的训练样本组成的。然后，我们计算小批量的平均损失关于模型参数的导数（也可以称为梯度）。梯度下降最简单的用法是计算损失函数（数据集中所有样本的损失均值） 关于模型参数的导数（在这里也可以称为梯度）。幸运的是，上面式子的解并不依赖于σ。虽然使许多指数函数的乘积最大化看起来很困难， 但是我们可以在不改变目标的前提下，通过最大化似然对数来简化。解析解可以进行很好的数学分析，但解析解对问题的限制很严格，导致它无法广泛应用在深度学习里。
2024-10-20 13:18:30
494
原创 操作系统实验预备知识
在线程中禁止调用exit函数，否则会导致整个进程退出，取而代之的是调用pthread_exit函数，这个函数只会使一个线程退出，如果主线程使用pthread_exit函数也不会使整个进程退出，不会影响其他线程的执行。创建线程成功后，新创建的线程则运行参数三和参数四确定的函数，原来的线程则继续运行下一行代码。子进程是父进程的完整复制，另外，在很多情况下，主线程创建了子线程，如果子线程要进行大量的耗时运算，主线程往往会在子线程之前结束，所以通常会使用pthread_join()让主线程阻塞，等子线程结束。
2024-10-13 14:11:45
1751
原创 计算机组成原理1 概论
高级语言--翻译程序/解释程序-->机器语言固件：软件永恒存于只读存储器中软硬件交接界面向上发展小嵌入式机器没有操作系统。
2024-09-30 20:25:04
763
原创 熟悉Linux基本操作命令及开发环境
ls –l //这里的参数是短横线“-”跟字母“l”，加这个参数后，除了显示文件名，还将文件的权限、拥有者、文件大小等信息详细列出。不管在什么状态，最好在运行下面命令前，先按一下ESC键，以防出错。$ ls /bin //显示目录bin的内容，此处给的是bin的完整路径，前面省略了root。$ ls –a //加参数“-a”，将显示当前目录下的所有文件，包括带“.”的隐含文件。$ ./hello //在提示符后先输入“.”，再输入“/”，运行hello，回车即看结果。
2024-09-25 19:59:01
384
原创 混淆矩阵（Confusion Matrix）
TP（True Positive）、FP（False Positive）、TN（True Negative）和FN（False Negative）是用于评估分类模型性能的四个基本概念，特别是在二分类问题中。: 当一个样本实际上是正类（例如，病人确实有病），并且模型正确地预测了它是正类时，这种情况称为真阳性。: 如果一个样本实际上是负类（例如，病人实际上没有病），但模型错误地预测为正类，这就是假阳性。: 当一个样本实际上是负类，并且模型正确地预测了它是负类时，这是真阴性。，比如正确判断某人未患病。
2024-09-24 19:14:36
491
原创 1.机器学习介绍
机器学习从经验中学习。是机器学习的一个主要分支。深度学习与经典方法的区别主要在于：前者关注的功能强大的模型，这些模型由神经网络错综复杂的交织在一起，包含层层数据转换。传统机器学习方法相比，深度学习的一个主要优势是可以处理不同长度的数据。数据集（dataset）参数（parameter）：可以被看作旋钮，旋钮的转动可以调整程序的行为模型（model）：任一调整参数后的程序模型族（Model Family）：通过操作参数而生成的所有不同程序（输入-输出映射）的集合学习算法。
2024-09-20 11:55:45
1649
1
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