- 博客(49)
- 资源 (7)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 机器学习实践
模型选择和训练：根据实际问题的特点和需求，在机器学习算法中选择合适的模型，并使用训练数据进行模型训练。在实践过程中，需要不断地尝试和优化，以获得更好的模型性能和应用效果。模型部署和监控：在模型训练和优化之后，将模型部署到实际应用中，实时或批量地对新的数据进行预测，并监控模型的性能和准确率。数据预处理：对收集到的数据进行清洗和预处理，包括去除噪声、缺失值处理、标准化等等，以便于后续的特征工程和模型训练。数据收集：收集与问题相关的数据，数据可以是结构化的，如表格数据，也可以是非结构化的，如文本、图像、音频等。
2024-10-17 10:05:55
367
原创 高级sql教程
这些是高级SQL教程中的一些常见主题，通过学习这些高级技巧，您可以更好地理解和应用SQL语言，以处理更复杂的数据操作和分析任务。事务管理：学习如何使用事务来保证SQL操作的一致性和完整性，以及如何处理并发访问和锁定问题。存储过程和函数：了解如何创建和使用SQL存储过程和函数，以实现更复杂的数据操作和业务逻辑。子查询和嵌套查询：学习如何在一个查询中嵌套另一个查询，以实现更复杂的逻辑和条件筛选。视图（VIEW）：学习如何创建和使用SQL视图，以简化复杂的查询操作并提高查询性能。
2024-10-17 10:04:55
420
原创 java web开发教程
Hibernate官方网站提供了详细的教程和文档：https://hibernate.org/orm/documentation/Spring官方网站上提供了详细的教程和文档，包括Spring MVC和Spring Boot等教程：https://spring.io/guides。JSP和Servlet教程：JSP和Servlet是Java Web开发中最基础和核心的技术。W3School上提供了JSP和Servlet的教程和示例：https://www.w3schools.com/jsp/
2024-10-17 10:03:46
332
原创 计算机视觉算法举例
基于深度学习的卷积神经网络（CNN）：用于图像分类、目标检测和图像分割等任务，通过训练一个深度神经网络来提取图像的特征，并进行相应的分类或定位。SIFT算法：用于图像特征提取和匹配，可以在图像中识别出独特的关键点，并使用这些关键点进行图像匹配。HOG算法：用于行人检测，通过计算图像中局部梯度的直方图来提取特征，并使用分类器进行行人的识别。这些算法只是计算机视觉领域中的一小部分，还有很多其他的算法可以用于不同的视觉任务。光流算法：用于运动分析和跟踪，通过分析连续帧图像中的像素位移来推测物体的运动。
2024-10-17 10:02:36
270
原创 网络安全入门
网络安全是指保护计算机系统、网络和数据免受未经授权的访问、使用、泄露、破坏以及其他威胁的技术和措施。持续学习和实践：网络安全是一个不断发展和变化的领域，要不断学习和实践，跟上最新的安全技术和威胁动态。学习网络安全实践：了解网络安全最佳实践，如使用强密码、定期备份数据、保持软件和系统更新等。学会使用网络安全工具：学习使用常见的网络安全工具，如防火墙、入侵检测系统、杀毒软件等。了解网络安全基本概念：学习常见的网络安全术语和基本概念，如黑客、防火墙、加密等。
2024-10-17 10:01:15
309
1
原创 解释区块链技术的应用场景和优势。
区块链技术是一种分布式数据库技术，其主要特点是去中心化、安全性高、可追溯、不可篡改等。这使得区块链在许多领域具有广泛的应用场景和优势。首先，区块链技术可以应用于金融领域。例如，可以用于加密货币的发行和交易，使得交易更加安全、可追溯，避免了传统金融系统中的中间环节和交易风险。此外，区块链还可以用于支付解决方案、智能合约等金融领域的创新应用。其次，区块链技术可以应用于供应链管理领域。通过将供应链中的每一步操作和信息记录到区块链上，可以实现全程可追溯、防伪溯源的效果，提高供应链的透明度和可信度。此外，区块链还可以
2024-10-17 09:59:01
584
原创 深度学习的程序实例
创建了一个序列模型，并添加了两个全连接层和一个Dropout层。然后，对数据进行预处理，包括将图像数据转换为浮点数并归一化，以及对标签进行One-Hot编码。函数训练模型，并将训练数据和测试数据作为输入。上述代码是一个简单的手写数字识别程序，使用了深度学习模型进行训练和预测。这个程序使用深度学习模型对手写数字图像进行分类，可以实现较高的准确率。函数加载了MNIST数据集，数据集包含了手写数字的图像和对应的标签。函数评估模型在测试数据上的性能，并打印出损失值和准确率。
2024-10-17 09:54:58
328
原创 Python join()函数使用详解
在以上示例中，我们首先定义了一个列表my_list，包含三个字符串元素，然后使用join()函数将这三个元素连接成一个字符串，并指定连接字符串为一个空格。最后，我们定义了一个元组my_tuple，包含三个字符串元素，使用join()函数将这三个元素连接成一个字符串，并指定连接字符串为一个竖线。接下来，我们定义了一个字符串my_string，并使用join()函数将字符串中的字符连接成一个新的字符串，并指定连接字符串为一个破折号。其中，string是连接中的字符串，iterable是要连接的可迭代对象。
2024-10-17 09:52:31
1052
原创 C语言如何实现截取字符串
该函数的原型为：char *strncpy(char *dest, const char *src, size_t n)。其中，dest为目标字符串，src为源字符串，n为截取的字符个数。使用字符串库函数strtok()来实现字符串的截取。该函数的原型为：char *strtok(char *str, const char *delim)。其中，str为要分割的字符串，delim为分割字符串的分隔符。以上是几种常见的字符串截取的方法，可以根据实际需求选择适合的方法来使用。
2024-10-17 09:49:43
1002
原创 卷积神经网络（CNN）-Padding介绍
为了解决这个问题，我们可以在输入图像的周围添加额外的像素，也就是Padding。通过添加Padding，我们可以保留输入图像的尺寸，避免信息的丢失。在卷积操作中，我们通过滑动一个固定大小的卷积核（filter）来提取图像的特征。Padding的使用可以提高卷积神经网络的性能和效果。它可以保留更多的图像信息，提高模型的感受野（receptive field），并且可以减少边缘像素对特征提取的影响。在卷积神经网络（CNN）中，Padding是一种用于输入图像周围添加额外像素的技术。
2024-10-17 09:43:58
603
原创 讲解机器学习中的 K-均值聚类算法及其优缺点。
K-均值聚类算法是一种经典的无监督学习算法，被广泛应用于数据挖掘和模式识别领域。该算法的目标是将数据集中的样本划分成 K 个互不重叠的簇，使得每个样本与其所属簇的质心（即簇的中心点）之间的距离最小化。为了克服 K-均值聚类算法的缺点，有一些改进的方法被提出，如谱聚类、层次聚类等。这些改进的算法通常能够处理更复杂的数据结构和聚类问题。
2024-10-17 09:41:31
467
原创 介绍 TensorFlow 的基本概念和使用场景。
训练模型：TensorFlow可以用于训练各种机器学习模型，包括神经网络、决策树、支持向量机等。开发者可以使用TensorFlow的高级API（如Keras）来构建模型，然后使用优化器和损失函数来训练模型。数据流图由节点（表示操作）和边（表示数据流）组成，节点之间的连接定义了计算的依赖关系。变量和操作：在数据流图中，变量是可用于存储和更新数据的节点，而操作是节点之间执行的计算。总之，TensorFlow是一个功能强大的机器学习框架，可以帮助开发者构建和训练各种机器学习模型，并应用于各种领域的任务。
2024-10-17 09:31:00
300
原创 linux读取优盘
来挂载vfat格式的U盘。注意，如果你的U盘是其他格式的，如ntfs或exfat，可能需要使用对应的文件系统进行挂载，例如。，会列出系统中所有的磁盘信息，你可以在其中找到你的U盘，它的名称可能会是。卸载U盘：当你不再需要使用U盘时，可以使用。查看U盘是哪个设备：在终端输入。命令可以查看U盘上的文件列表。）挂载到这个目录下，可以使用。，然后将你的U盘设备（如。访问U盘内容：在终端输入。挂载U盘：在终端输入。
2024-01-09 15:42:14
2460
原创 Matlab定义函数计算斐波那契数列
在函数中，首先判断输入的 `n` 是否在有效范围内，如果超出范围则返回 `NaN`。如果 `n` 等于 1 或 2，则直接返回 1。否则，计算斐波那契数列中第 n-1 和 n-2 个数的和，并将结果返回。最后，使用 `result = fibonacci(n)` 计算第 `n` 个数，并将结果存储在 `result` 数组中。其中，`fibonacci(n)` 是一个自定义函数，用于计算斐波那契数列中第 n 个数的函数。`n` 是要计算的斐波那契数列的第一个数。
2024-01-04 18:55:03
2592
原创 Python爬虫抓包常见问题解决
Fiddler提供了过滤器功能，可以设置多维度的过滤规则，如根据主机、进程、请求头、响应头、状态码、响应类型和大小、断点进行请求的过滤。：在Fiddler界面上有两个位置(设置)可以作为Fiddler是否抓包的开关，一是Fiddler菜单项中Capture Traffic选项，另一个是Fiddler面板最左下角位置，单击可以切换是否抓包。以Chrome为例，代理设置为：右上角菜单按钮>设置>高级>系统>打开你计算机的代理设置，确保代理是打开并正确设置为Fiddler。
2024-01-04 11:17:29
815
原创 python实现自动化web登录测试
在这个示例中，我们创建了一个名为`TestCase`的测试类，继承自`unittest.TestCase`。在`setUp`方法中，我们使用Selenium WebDriver打开了一个网页，并找到了需要输入用户名和密码的表单元素。在`test_login`方法中，我们使用Selenium模拟用户登录的过程，并在登录成功后断言页面标题是否包含“Welcome”字符串。在`if __name__ == '__main__':`语句中，我们调用`unittest.main()`方法来运行所有的测试用例。
2024-01-03 22:32:01
1112
原创 python怎么访问并登录有用户名密码的web。web使用https协议
【代码】python怎么访问并登录有用户名密码的web。web使用https协议。
2024-01-03 14:25:15
930
原创 Python下载安装
IDLE是Python的官方标准开发环境，Python安装完后同时就安装了IDLE。IDLE已经具备了Python开发几乎所有功能（语法智能提示、不同颜色显示不同类型等等），也不需要其他配置，非常适合初学者使用。IDLE是Python标准发行版内置的一个简单小巧的IDE，包括了交互式命令行、编辑器、调试器等基本组件，足以应付大多数简单应用。IDLE是用纯Python基于Tkinter编写，最初的作者正是Python之父Guido van Rossum。
2024-01-02 20:54:42
405
原创 Python入门介绍
Python是一种解释型、面向对象的语言。由吉多·范罗苏姆（Guido van Rossum）于1989年发明，1991年正式公布。Python单词是“大蟒蛇”的意思。但是龟叔不是喜欢蟒蛇才起这个名字，而是正在追剧：英国电视喜剧片《蒙提·派森的飞行马戏团》(Monty Python and the Flying Circus)。使用www.python.org提供的interactive shell入门Python。
2024-01-02 20:48:39
975
原创 正则表达式基本用法（notepad++）
例如，"Find what:"输入"(ab)+", "Replace with:"输入"\1"，可以将连续出现的"ab"替换为一个"ab"。- 例如，勾选"Match case"可以表示区分大小写进行匹配，勾选"Match whole word"可以表示只匹配整个单词。点击菜单栏的"搜索"，然后选择"查找"或"替换"。- "[abc]"表示匹配字符"a"、"b"或"c"中的任意一个。- 例如，"\+"表示匹配字符"+"本身，而不是特殊字符"+"。- "+"表示匹配前面的字符一次或多次。
2023-09-26 15:23:41
2979
原创 mysql语句总结（1）
1，改变数据库状态增：insert删：delete改：update2不改变数据库状态查：select ..输出..from..获取数据... where..过滤...group by ...分组...having...过滤...order by...排序....limit...限定个数...执行顺序1from，2 where 3 group by 4 select 5 having 6 order by 7 limit...
2022-04-12 21:26:49
694
原创 贪心算法-详解
贪心：每一个阶段都选择局部最优，从而达到全局最优。即总是选择当前看来最好的选择。又称贪婪算法，是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是最好或最优的算法。贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解能决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回
2022-02-28 21:49:49
541
原创 LSTM门单元解释
遗忘门：决定上一时刻的单元状态 c_t-1 有多少保留到当前时刻 c_t。输入门：决定当前时刻网络的输入x_t有多少保存到单元状态c_t。输出门：控制单元当前时刻状态c_t有多少输出到 LSTM 的当前输出值h_t...
2022-02-23 13:43:54
1084
原创 LSTM模型详解
RNN：模型记住所有信息，不管是有用的信息还是无用的信息。LSTM：引入记忆细胞，具备选择记忆的功能，选择记忆重要信息，过滤噪声信息，减轻记忆负担。C（t-1）记忆细胞H（t-1）t-1时刻输出...
2022-02-22 14:00:59
1636
原创 单核CPU和多核CPU
单核：一次只能执行一个线程，CPU按时间片执行，同一个时间片只能执行一个线程。时间片切换快，会造成多线程执行的假象。实际是单线程，一个时间只执行一个线程。多核：多个CPU可同时执行多个线程。真正意义上一个时间片多线程同时执行。...
2022-02-21 20:31:22
2374
原创 程序，进程，线程
程序：用某种语言编写的一组指令的集合，一端静态的代码。（程序是静态的）进程：程序的一次执行过程，正在运行的程序，进程作为资源分配的单位，内存中为每个进程分配不同的区域，进程是动态的。进程存在生命周期，有产生，存在，消亡的过程。线程：进程可细化为线程，一个程序内部的一条执行路径，进程内可执行多个线程。...
2022-02-21 20:27:07
190
原创 贪心算法解释
解释：在对问题求解的时候总是做出在当前看来最好的选择，不从整体最优上加以考虑，只是做出某种意义上的局部最优解。弊端：不保证会得到最优解，但绝大部分问题都会求得最优解。
2022-02-21 19:30:56
128
原创 AVL树（自平衡二插搜索树）
特点：任何一个节点的左右子树高度差不能超过1的树。节点平衡因子：该节点左右子树的高度差查找，插入效率高。插入节点会破坏树的平衡：通过旋转恢复树的平衡。从插入节点开始逆序找第一个被破坏平衡的节点，然后旋转该节点，不平衡类型：（1）对k的右孩子的右子树插入，解决方法：左旋（2）对k的左孩子的左子树插入，解决方法：右旋（3）对k的右孩子的左子树插入，解决方法：先右旋，再左旋 （4）对k的左孩子的右子树插入，解决方法：先左...
2022-02-20 21:12:53
59
数字图像处理代码
2018-04-10
QT开发分辨率适配？
2024-01-04
mysql查询函数偶现错误
2022-09-13
socket创建sctp协议描述符，socket函数一直返回-1
2022-04-13
别人的开发的vs程序怎么自己编译？
2022-02-26
TA创建的收藏夹 TA关注的收藏夹
TA关注的人