<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_35896136的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_35896136</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_35896136]]></copyright><item><title><![CDATA[MySQL 8.0版本连接报错：Could not create connection to database server.]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/121388300</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/121388300</guid><author>qq_35896136</author><pubDate>Wed, 17 Nov 2021 21:30:13 +0800</pubDate><description><![CDATA[在做spring项目时连接mysql8.0数据库，出现了Could not create connection to database server.
通过在网上搜索资料和错误提示，需要将之前的mysql驱动进行修改：

com.mysql.jdbc.Driver  修改为   com.mysql.cj.jdbc.Driver

如果后续出现了一个关于时区的错误，timezone之类的

The server time zone value ‘ÖÐ¹ú±ê×¼Ê±¼ä’ is unrecognized or]]></description><category></category></item><item><title><![CDATA[Matplotlib的双坐标显示]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/117445306</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/117445306</guid><author>qq_35896136</author><pubDate>Tue, 01 Jun 2021 16:03:57 +0800</pubDate><description><![CDATA[案例1
%matplotlib
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.1)
y1 = 0.05 * x**2
y2 = -1 *y1

fig, ax1 = plt.subplots()

ax2 = ax1.twinx()    # mirror the ax1，建立一个和ax1在x方向镜像的纵坐标
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b-')### 数]]></description><category></category></item><item><title><![CDATA[计算机网络基础]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116886100</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116886100</guid><author>qq_35896136</author><pubDate>Mon, 17 May 2021 16:53:05 +0800</pubDate><description><![CDATA[OSI参考模型是有国际标准化祖师（ISO）与1983年提出开放系统互连参考模型
OSI参考模型

表示层：所有能和用户交互产生网络流量的程序
典型的应用层服务：
文件传输（FTP）
电子邮件（SMTP）
万维网（HTTP）
表示层：用于处理在两个通信系统中交换信息的表示方式（语法和语义）

功能1：数据格式变换
功能2：数据加密解密
功能3：数据压缩和恢复

会话层：想表示层实体/用户进程提供建立链接并在连接上有序的传输数据，也就是建立同步（SYN）

建立、管理、终止会话
使用校验点可是会话在通信失效时从]]></description><category></category></item><item><title><![CDATA[JVM学习资料总结]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116201791</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116201791</guid><author>qq_35896136</author><pubDate>Fri, 07 May 2021 22:29:59 +0800</pubDate><description><![CDATA[本博客是根据解密JVM【黑马程序员出品】教学视频学习时，所做的笔记
一、什么是JVM
定义
Java Virtual Machine，JAVA程序的运行环境（JAVA二进制字节码的运行环境）
好处
一次编写，到处运行
自动内存管理，垃圾回收机制
数组下标越界检查
比较
JVM JRE JDK的区别
二、内存结构
整体架构
1、程序计数器
作用
用于保存JVM中下一条所要执行的指令的地址
特点
线程私有
CPU会为每个线程分配时间片，当当前线程的时间片使用完以后，CPU就会去执行另一个线程中的代码
程序计数器]]></description><category></category></item><item><title><![CDATA[师兄师姐说-求职分享]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116275815</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116275815</guid><author>qq_35896136</author><pubDate>Thu, 29 Apr 2021 22:11:45 +0800</pubDate><description><![CDATA[基础知识


牛客网上的面试宝典


别人分享的面经
了解一般别人喜欢考什么


面试过程中发现不会的题目进行总结


项目准备

尽可能写相关的项目
对写上去的东西尽可能的熟悉，不懂的东西不要乱写
没有项目怎么办？
尽量自己亲手去写，不要总看别人的

代码的考察

前期工作
选择文本编辑器还是集成器？
看书
先学简单的
刷题
剑指offer刷两遍、力扣热题100
培养信心
放平心态
大厂面试题还是不会，那就不做！

软技巧

（1）大家都是背书，怎么才能脱颖而出
逻辑自洽，理清歧义，一点点的演技（会也先假]]></description><category></category></item><item><title><![CDATA[单核CPU处理多线程]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116275728</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116275728</guid><author>qq_35896136</author><pubDate>Thu, 29 Apr 2021 19:44:48 +0800</pubDate><description><![CDATA[1.(单核CPU)同一时间,cpu只能处理1个线程,只有1个线程在执行
2.多线程同时执行:是CPU快速的在多个线程之间的切换
3.cpu调度线程的时间足够快,就造成了多线程的“同时”执行
4.如果线程数非常多,cpu会在n个线程之间切换,消耗大量的cpu资源
5.每个线程被调度的次数会降低,线程的执行效率降低

...]]></description><category></category></item><item><title><![CDATA[相关函数和相关系数的区别]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116193103</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116193103</guid><author>qq_35896136</author><pubDate>Tue, 27 Apr 2021 11:27:21 +0800</pubDate><description><![CDATA[相关函数分为：自相关函数和互相关函数
相关系数分为：自相关系数和互相关系数
相同点：两者均可表示为变量之间的关联程度。
两者关系【个人理解】：相关函数归一化在一定程度上相当于相关系数

...]]></description><category></category></item><item><title><![CDATA[python：利用K-Means算法实现对数据的聚类]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116146292</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116146292</guid><author>qq_35896136</author><pubDate>Mon, 26 Apr 2021 11:15:23 +0800</pubDate><description><![CDATA[目的是为了检测出采集数据中的异常值。所以很明确，这种情况下的簇为2：正常数据和异常数据两大类

文章目录1、安装相应的库2、实现聚类2.1 读取数据并可视化2.2 K-means聚类
1、安装相应的库
import matplotlib.pyplot as plt  # 用于可视化
from sklearn.cluster import KMeans  # 用于聚类
import pandas as pd # 用于读取文件

2、实现聚类
2.1 读取数据并可视化
# 读取本地数据文件
df = pd.r.]]></description><category></category></item><item><title><![CDATA[JVM中五种引用类型]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/116048995</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/116048995</guid><author>qq_35896136</author><pubDate>Sun, 25 Apr 2021 21:40:39 +0800</pubDate><description><![CDATA[强引用：当对象被强引用时，发生垃圾回收不会回收掉该对象


软引用：当对象没有被强引用时，发生垃圾回收后发现内存空间不足，则会将软引用的对象同样进行垃圾回收


弱引用：当对象没有被强引用时，只要发生垃圾回收，不管内存空间是否充足都会回收弱引用的对象



...]]></description><category></category></item><item><title><![CDATA[关于java.lang.NullPointerException: inStream parameter is null错误的解决办法]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/115771795</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/115771795</guid><author>qq_35896136</author><pubDate>Fri, 16 Apr 2021 21:07:50 +0800</pubDate><description><![CDATA[问题
在创建Java Enterprise工程时，需要写.properties配置文件，纷纷是将配置文件放在src目录下，但对于新版的 IDEA来说，创建的Java Enterprise界面如下：

若将配置文件放在src下，获取不到链接，哪怕用绝对路径都不行。
解决办法
注意到默认的文件目录下，多了一个resource文件夹

试了试，将.properties配置文件放在resource文件夹。发现成功了。

...]]></description><category></category></item><item><title><![CDATA[Pandas:取DataFrame的行与列]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/108523943</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/108523943</guid><author>qq_35896136</author><pubDate>Thu, 10 Sep 2020 22:21:36 +0800</pubDate><description><![CDATA[DatFrame是一种二维数据格式，类似于Excel表中的数据。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(24).reshape(6,4),index=list("ABCDEF"),columns=list("WXYZ"))
# df 输出的结果为：
    W   X   Y   Z
A   0   1   2   3
B   4   5   6   7
C   8   9  10  11
D  12  13.]]></description><category></category></item><item><title><![CDATA[随机抽样一致性算法（RANSAC）详解]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/108393466</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/108393466</guid><author>qq_35896136</author><pubDate>Thu, 03 Sep 2020 21:37:11 +0800</pubDate><description><![CDATA[它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。该算法最早由Fischler和Bolles于1981年提出。
1. Example
一个简单的例子是从一组观测数据中找出合适的2维直线。假设观测数据中包含局内点和局外点，其中局内点近似的被直线所通过，而局外点远离于直线。简单的最小二乘法不能找到适应于局内点的直线，原因是最小二乘法尽量去适应包括局外点在内的所有点。相反，RANSAC能得出一个仅仅用局]]></description><category></category></item><item><title><![CDATA[优快云：一些小符号:空格、空行]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/108037210</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/108037210</guid><author>qq_35896136</author><pubDate>Sun, 16 Aug 2020 15:40:02 +0800</pubDate><description><![CDATA[&lt;br&gt; 空行
&amp;emsp; 空格


]]></description><category></category></item><item><title><![CDATA[Pytorch:基于卷积神经网络的图片风格迁移]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/108032696</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/108032696</guid><author>qq_35896136</author><pubDate>Sun, 16 Aug 2020 11:32:13 +0800</pubDate><description><![CDATA[之前一直觉得图片风格迁移挺好玩的，最近就花了点时间了解一下，简单记录一下思路。

选取的论文是首次提出利用卷积神经网络实现风格迁移的论文
论文下载：Image Style Transfer Using Convolutional Neural Networks
代码实现：
文章目录1、发展介绍2、风格迁移2.1 风格迁移的难点2.2 风格迁移的内容和风格特征选取2.3、风格迁移算法2.3.1 风格损失函数的定义2.3.2 内容损失函数的定义2.3、总结
1、发展介绍

  在纹理合成和风格迁移研究的时代，.]]></description><category></category></item><item><title><![CDATA[《CROSS-DOMAIN FEW-SHOT CLASSIFICATION VIA LEARNED FEATURE-WISE TRANSFORMATION》论文总结]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/107432922</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/107432922</guid><author>qq_35896136</author><pubDate>Sun, 19 Jul 2020 10:31:08 +0800</pubDate><description><![CDATA[这篇文章基于小样本分类，在度量方法的基础上做出了一些改进

论文代码：https://github.com/hytseng0509/CrossDomainFewShot
1、基于度量的方法
要素：特征编码器和度量函数
问题
算法过程：

主要有两次迭代更新，第一次更新利用已知域数据对度量模型参数的更新，也既是特征编码器和模型函数的参数θe\theta_eθe​和θm\theta_mθm​
第二次更新是利用未知域对变换层参数的更新，也既是θf\theta_fθf​

...]]></description><category></category></item><item><title><![CDATA[Opencv:如何调用IP摄像头]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/106789377</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/106789377</guid><author>qq_35896136</author><pubDate>Tue, 16 Jun 2020 16:13:55 +0800</pubDate><description><![CDATA[之前用的摄像头都是USB摄像头，直接插在电脑上就可以直接使用，很方便也很简单。最近换了一个IP摄像头，想着没有和电脑相连该怎么传输到电脑呢。IP摄像头利用RSTP协议进行传输。

顾名思义IP摄像头则是利用摄像头的IP进行传输，那么怎么利用RSTP协议进行传输呢，查找了一些资料，大致的是rtsp://username:password@ip:port/stream1

但不同品牌的IP摄像头会有一些微小的差异，所以建议直接去问客服即可。
举个例子：我的摄像头的IP地址是192.168.123.130:554]]></description><category></category></item><item><title><![CDATA[Pytorch:利用ResNet预训练模型对CIFAR数据集分类]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/106560413</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/106560413</guid><author>qq_35896136</author><pubDate>Thu, 04 Jun 2020 23:50:13 +0800</pubDate><description><![CDATA[最近看了常用的图像分类网络，分别使用迁移学习和直接构建模型自己训练。找一个模型把使用过程写下来吧。

文章目录1、加载数据集并预处理2、加载模型和预训练权重文件3. 修改网络模型4. 设置网络参数5. 训练6、测试
1、加载数据集并预处理
batch_size = 50
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

#  data pre-treatment
data_transform = {
    ".]]></description><category></category></item><item><title><![CDATA[Pytorch:出现RuntimeError: CUDA out of memory.的解决方案]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/106529986</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/106529986</guid><author>qq_35896136</author><pubDate>Wed, 03 Jun 2020 18:17:42 +0800</pubDate><description><![CDATA[调用VGG网络的训练时候出现了这个问题

报错信息：
RuntimeError: CUDA out of memory. Tried to allocate 823.88 MiB (GPU 0; 7.93 GiB total capacity; 6.96 GiB already allocated; 189.31 MiB free; 10.26 MiB cached)

从报错信息可以看到，是因为GPU内存不足。因为VGG网络是一个参数很庞大的网络，所以在训练过程中，需要存储大量的参数和损失函数信息等等。.]]></description><category></category></item><item><title><![CDATA[Pytorch: ResNet论文学习解析网络结构并pytorch实现]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/106413586</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/106413586</guid><author>qq_35896136</author><pubDate>Thu, 28 May 2020 22:22:34 +0800</pubDate><description><![CDATA[正好课程作业需要用到迁移学习，就顺便学习了很厉害的ResNet网络，是真的厉害呀。

首先给出最具有权威性的论文原文。
论文地址：文章目录1、ResNet的亮点2、ResNet网络结构解析3、pytorch利用ResNet进行迁移学习
1、ResNet的亮点
1.1、现在的网络层数越来越多，很有可能出现梯度消失和梯度爆炸的问题-----resnet利用了BN(Batch Normalization)方式
1.2、如果只采用扁平的plain结构的网络，层数过高反而精度越低这类的退化问题----resnet采.]]></description><category></category></item><item><title><![CDATA[关于An attempt has been made to start a new process before the current process has finish的解决办法]]></title><link>https://blog.youkuaiyun.com/qq_35896136/article/details/106363014</link><guid>https://blog.youkuaiyun.com/qq_35896136/article/details/106363014</guid><author>qq_35896136</author><pubDate>Tue, 26 May 2020 19:16:54 +0800</pubDate><description><![CDATA[在按照官方demo做cifar识别的时候，在pycharm上会出现一长串的红色字母，转去jupyter 发现并没有错，就很好奇。

对于图像识别分类的时候，在dataloader的时候有时会有num_workers的参数，这表示线程数，num_workers=0表示单线程，num_workers = 2则表示多线程。当是多线程的时候直接运行程序也许会出现这种错误。
RuntimeError: 
        An attempt has been made to start a new process .]]></description><category></category></item></channel></rss>