- 博客(72)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 电商平台实时监控系统遇到的问题及解决
1、@Autowired 注入为null的解决方法参考博客：@Autowired 注入为null的解决方法使用springboot中的JPA方法来和mysql数据库websocket_db进行连接@Repositorypublic interface SellerRepository extends JpaRepository<Seller, Integer> {}在这个websocket的连接中发现SellerRepository注入值为null：但是，我在测试类中
2022-03-17 16:59:24
2962
原创 关于在python中对matlab中内置函数fminbnd的替换
1、问题1参考博客：https://blog.youkuaiyun.com/gzp444280620/article/details/49272977https://blog.youkuaiyun.com/qq_27262673/article/details/79635924https://blog.youkuaiyun.com/lanluyug/article/details/84100233https://blog.youkuaiyun.com/fan_h_l/article/details/819817151、描述 在将mtal
2022-01-01 09:55:09
945
原创 工业控制系统概述
1、介绍1、概述1、概述常见工控系统组成部分：现场控制器和人机界面采用通信和控制协议。（1）SCADA（Supervisory Control And Data Acquisition数据采集与监控系统）PLC只是SCADA的一个单元，可能只控制一个车间。（2）DCS（集散控制系统）（3）PLC(可编程逻辑控制器)（4）工控系统网络的分层2、PLC1、介绍PLC基本结构：西门子S7-300PLC:3、DCS系统1、介绍基本构成：特点：横河 CENTU
2021-08-25 15:27:36
3373
原创 Ubuntu安装和运行Docker遇到的问题
1、安装1、参考博客https://blog.sunriseydy.top/technology/linux/ubuntu_install_docker/2、遇到的问题1、由于没有公钥，无法验证下列签名 :NO_PUBKEY 在Ubuntu18.04上安装的过程中，更新apt指令 sudo apt-get update遇到下面的问题：由于没有公钥，无法验证下列签名： NO_PUBKEY 76F1A20FF987672 如下图所示： 按照网上的方法，执行下面指令进行修复：sudo
2021-07-03 09:22:41
611
原创 SpringBoot+Vue前后端分离报错
1、问题描述1、环境配置 IDEA Spring Boot 2.2.2.RELEASE @Vue/cle 4.5.11 “element-ui”: “^2.13.0”2、问题描述 运行Vue代码时，会报出下面的错误： 经过检查，后端返回数据正确，且数据格式为Number，经过网上查看，大多主要原因是v-bind数据绑定相关的错误，但是经过测试未能奏效。源码如下：<template> <div> <el-table
2021-06-08 21:43:28
443
2
原创 谷粒商城学习时遇到的一些问题
1、问题1-Uncaught (in promise) TypeError: Cannot read property ‘xx’ of null1、问题描述 今天在测试将数据保存到ES中时，在“发布商品”时，下面图像内容无法显示： 前端也能从后台拿到相应的数据，前端会有下面的报错信息：ncaught (in promise) TypeError: Cannot read property 'xx' of null 定位到，是D:\03Enviroment\28VSCode\code\re
2021-04-07 19:03:06
2598
原创 Spring Boot整合elasticsearch，报错并解决
问题11、环境Spring Boot：2.1.8.RELEASE；elasticsearch：7.4.2。2、描述 按照elasticsearch官网要求创建单实例，报出下面错误：Error creating bean with name 'esRestClient' defined in class path resource3、解决 在pom文件中添加剔除spring-boot-dependencies中所依赖的ES版本，变成下面这样： <properties>
2021-03-29 09:56:14
1441
3
原创 虚拟机相关问题
1、挂起的虚拟机无法启动1、问题描述 在学习谷粒商城时，重新打开挂起的虚拟机，报出下面的错误：无法打开内核设备 \\.\Global\vmx86: 系统找不到指定的文件2、解决方式 打开相应的后台服务：...
2021-03-26 19:38:10
117
原创 PPT制作学习
1、基础教学 1、主体范本（1）当主题不够的时候，可以通过下面的方式来搜寻主题：（2）挑选适合的版面配置来新增第二张投影片：（3）文字缩进（4）PPT切换效果 当想要去除切换效果时，点击切换的“无”即可。（5）添加动画（6）持续时间（7）动画刷（8）动画窗格 其中的播放数字代表鼠标点击的动作。2、投影母片设计1、操作（1）设置统一模板 操作完成后，关闭母版视图，回到原来的PPT中，可以看到PPT中添加了logo图标。（2）更换统一字形（3）
2021-03-24 15:02:47
3385
原创 Vue前端界面
1、There are multiple modules with names that only differ in casing.1、编译环境 VSCode，@vue/cli 4.5.11。2、问题描述 按照网上课程的讲解进行学习，在学到基于脚手架编写项目入门的时候，遇到下面这种问题：There are multiple modules with names that only differ in casing.3、解决 经过查看，是组件名字写错导致的。在vue-demo/src/
2021-02-22 09:19:01
476
原创 使用遗传算法进行句子配对
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2021-02-14 15:19:23
301
原创 MD5和SHA1算法的理解
1、介绍2、算法# @Time : 2021/2/10 14:51# @Description : (Message Digest Algorithm)MD5和（Secure Hash Algorithm）SHA1算法测试import hashlibif __name__ == "__main__": print('------------------------------MD5算法----------------------------------') md5 = has
2021-02-10 15:17:00
460
原创 Notion软件的一些使用
1、创建新页面 1、创建一个简单的空白界面2、创建文本内容2、新建数据库 数据库使“页面的”更高级的形式，可以用它来创建各种信息，数据库本质上是更智能的电子表格。1、创建一个数据库2、书写内容3、移动到子目录中并以页面数据库显示3、block类型介绍 可以在Notion的任何页面中添加几十种类型的内容。添加的内容类型可以看作一堆积木，有文字块、日历积木、图片积木等，每个新建的页面都是空白的，可以在页面上堆出你想要创建的文件（“积木”）。1、基础类Blocks 基
2021-02-06 16:52:08
5056
原创 Java中对于代码中一些有效方法编写的记录
1、反转标志位Boolean flag = false;flag = !flag;// 输出：trueSystem.out.println(flag);2、循环定时后退出long t1 = System.currentTimeMillis();while (true) { long t2 = System.currentTimeMillis(); if (t2 - t1 > 3 * 1000) { // 输出：3001 System.out.println("耗时时间---
2021-01-23 22:58:30
116
原创 PyTorch在Windows10中的安装和配置
1、问题描述1、介绍 这学期有模式识别课程，老师布置了一项代码复现的任务，因此，我找到一篇论文，对里面的代码进行复现。代码需要在Linux系统中运行。因此，在自己的Linux虚拟机中安装运行环境，在安装过程中发现了一些问题：（1）python、cuda、cudnn和pytorch之间的版本要对应，不然会有一些不兼容的问题；（2）在PyTorch官网上，按照推荐的conda命令执行安装，在安装过程中，刚开始时，依赖下载的速度很快，但是由于网络不稳定，对于超过100M左右的依赖往往下载中断，从而需要重
2021-01-21 11:21:43
236
原创 Kafka安装和测试过程中的一些见解
1、获取消费者的消费信息1、问题描述 在项目中，将消息推送到消息中间件Kafka或者从其上拉取数据时，想知道一个消费者（组）对于消息的消费情况。经常的做法是从zookeeper的节点/consumers中获取消费者的消费信息，但是会遇到这样的一个问题： 往Kafka中推送数据，zookeeper的节点/consumers = null，即没有消费者的消费信息，但是Kafka却可以正常消费数据，这样的过程可能经过一段时间后，zookeeper的节点/consumers会有消费者的信息，然后通过下面的
2021-01-18 00:45:20
153
原创 IDEA中maven模块遇到的一些问题
1、 maven模块名称和项目名称不一致1、解决方法 maven下的模块名称是由 pom 文件下的属性确定，只需要修改成对应的名字即可。2、项目模块在maven里变成灰色1、问题描述 在学习谷粒商城项目的时候，由于遇到的项目比较大，在书写项目名称的过程中，经常会把名字给写错，遇到这种情况时，会对项目或者模块删除重建。但是，当新建的项目或者模块和原来的项目名字一样的时候，项目模块在右侧的maven中会变成灰色，同时也注意到pom文件中的依赖也无法自动加载。2、解决方法 ...
2021-01-08 17:18:31
623
原创 python中一些函数的理解—zip
1、zip1、描述 该函数是Python的一个内建函数，它接受一系列可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple（元组），然后返回由这些tuples组成的list（列表）。2、代码seq = ['one', 'two', 'three']seq1 = [1, 2, 3]# [('one', 1), ('two', 2), ('three', 3)]print(list(zip(seq, seq1)))# <class 'zip'>print(type(zi
2020-12-11 08:46:03
114
原创 python中3D图像的绘制
1、二维正态分布绘制1、描述 绘制三维图像-二元类正态分布（mu，sigma^2）=（0，1）。 在显示图像时，有下面的一下参数信息可以配置，比如：maker的描述信息： # marker description # ”.” point # ”,” pixel # “o” circle # “v” triangle_down # “^” triangle_up # “<” triangle_left # “>” triangle
2020-12-08 17:50:00
945
1
原创 python中numpy数组是否被破坏及元素的去重操作
1、判断数组是否被破坏1、描述 在下面的代码中，采用两种方式更改新数组中的数据，然后查看原来的数组中的数据是否被破坏。2、代码import numpy as np# 切片数据是原数组的一个视图，与原数组共享内容空间，可以直接修改元素值a = np.arange(10)# [0 1 2 3 4 5 6 7 8 9]print(a)print("---------------")# 方式1：使用对应坐标的方法更改数据i = np.arange(0, 10, 2)b = a[i]#
2020-12-08 17:03:53
188
原创 python中使用time模块统计运行时间
1、描述 该函数是统计cpu时间的工具，可以统计某一程序或函数的执行速度。程序运行的cpu时间两次调用该函数的差值。2、代码import timestart = time.clock()print("------程序耗时操作-----------")# 计算运行时间t1 = time.clock() - start#1.21e-05print(t1)...
2020-12-08 16:49:26
989
原创 python对图片svd分解_QR分解
1、SVD分解1、描述 在代码中使用到了一些图片，大家只需要将图片放到pycharm指定的路径中既可以使用，为了方便大家的学习，现将图片保存到博客的资源中，资源路径如下：https://download.youkuaiyun.com/download/weixin_43334389/135694872、代码# @Time : 2020/12/7 15:19# @Description : 对图片进行SVD奇异值分解代码import numpy as npimport osfrom PIL imp
2020-12-08 15:07:15
786
原创 python中log_Tylor公式(e^x_sinx_Gini)_Gamma
1、介绍 使用python语法做出log函数的图像进行显示，代码如下：# @Time : 2020/12/4 16:16# @Description : 对于指数函数log的测试import mathimport matplotlib.pyplot as pltif __name__ == "__main__": # x坐标范围为[1,299]/100 x = [float(i) / 100.0 for i in range(1, 300)] y = [math.lo
2020-12-08 13:59:33
865
原创 numpy中一维数组的布尔类型使用和翻转操作及二维数组的切片操作
1、一维数组操作1、使用布尔类型数据操作数组x = np.array([1, 2, 3])i = [True, True, False]y = x[i] * 2# [2 4]print(y)2、一维数组的翻转a = np.arange(10)# [1 3 5 7]print(a[1:9:2])# 步长为-1,即数据的翻转# [9 8 7 6 5 4 3 2 1 0]print(a[::-1])2、二维数组操作1、二维数组的切片操作# @Time : 2020/12/4 1
2020-12-08 11:14:17
676
原创 numpy中的相关函数的讲解_eye_identity_ones_like_power_cumsum_cumprod_linspace_logspace_diag_floor_log
1、np.eye()和np.identity()import numpy as np# 只创建一个方阵a = np.identity(3)# [[1. 0. 0.]# [0. 1. 0.]# [0. 0. 1.]]print(a)a = np.eye(3)# [[1. 0. 0.]# [0. 1. 0.]# [0. 0. 1.]]print(a)a = np.eye(4, k=1)# [[0. 1. 0. 0.]# [0. 0. 1. 0.]# [0. 0.
2020-12-04 15:31:17
334
原创 概率相关图像的绘制_正态分布_uniform_pearson
1、一维随机变量的标准正态分布图1、代码from scipy.stats import multivariate_normal# 一维随机变量的标准正态分布图x = np.linspace(0, 5, 10, endpoint=False)y = multivariate_normal.pdf(x, mean=0, cov=1)print(x, y)plt.plot(x, y)plt.show()结果展示如下：...
2020-12-04 15:23:16
1893
原创 numpy中stack_axis的理解
1、np.stack连接1、代码# 沿着新轴连接数组的序列a = np.array([1, 2, 3])b = np.array([2, 3, 4])# [[1 2 3]# [2 3 4]]print(np.stack((a, b), axis=0))# [[1 2]# [2 3]# [3 4]]print(np.stack((a, b), axis=1))2、axis=0/1/2之间的不同1、代码a = [[[1, 2, 3, 4], [5, 6, 7, 8
2020-12-04 15:20:03
264
原创 Anaconda环境配置
1、问题描述 在使用Pycharm的时候，我同学就给我推荐再加上Anaconda包管理软件，并给了我下面这个两个网址：# 常用命令https://blog.youkuaiyun.com/zhayushui/article/details/80433768# 历史版本下载https://www.jianshu.com/p/f582f2a21152当时没有太懂它的意思，今天偶然间使用到了Anaconda，将我的体会记录一下。2、Anaconda配置python3.6版本1、查看本地的python版本
2020-11-30 18:01:22
955
1
原创 使用python求解协方差矩阵、矩阵的特征值和特征向量、SVD分解
1、协方差矩阵1、问题描述 在学习PCA降维处理的时候，我发现里面使用到了协方差矩阵以及求解方阵的特征值和特征向量，我想知道协方差矩阵的求解过程，以及验算方阵的特征值和特征向量，因此就使用到了下面的方法。2、代码import numpy as npdata1 = np.array([10, 11, 8, 3, 2, 1])data2 = np.array([6, 4, 5, 3, 2.8, 1])# 包含两个维度的数据data = [data1, data2]# <class
2020-11-29 14:26:57
6549
1
原创 ubuntu18.04-server中安装python3和包管理工具pip
1、背景说明 近段时间需要在Ubuntu服务器上运行GitHub的代码，python环境需要python3，但是本地服务器上默认为python2，因此，我需要重新安装一下python3。2、安装过程（1）安装python3apt install python3 因为Ubuntu默认使用python2，此时我们需要将软链接由python2指向python3。 首先，删除系统默认的链接：rm -rf /usr/bin/python 然后，建立python3链接：ln -s /usr
2020-11-26 17:06:26
302
原创 ubuntu18.04-server上安装Git过程讲解
1、背景介绍 近段时间，需要完成复现顶刊论文代码的任务，需要将GitHub上的代码clone到Ubuntu服务器上运行，因此，需要在Ubuntu上安装Git。2、安装过程（1）刷新存储库索引apt-get update -y（2）安装Git apt-get install git（3）查看Git安装是否成功# 我的版本是：2.17.1git --version（4）配置自己的名称和电子邮件地址git config --global user.name "xiaolun"git
2020-11-26 11:32:25
254
原创 numpy中使用meshgrid生成二维数组矩阵，组成坐标轴上坐标，加上mgrid的理解
1、问题描述 今天在看机器学习视频时，看到预测函数中有下面的代码xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T) 不太懂其中的意思，索性就进行了下面的分析和测试。2、分析
2020-11-24 16:26:06
2066
1
原创 K-Means算法实现订单数据order.csv的聚类
1、介绍1、概述 其基本介绍如下：2、代码功能 通过本代码采用数据集后8个特征，初始时设置3个聚类中心，然后进行50次迭代之后，实现订单数据中的聚类。2、代码1、数据准备order.csv（1）数据格式"customer","order","total_items","discount%","weekday","hour","Food%","Fresh%","Drinks%","Home%","Beauty%","Health%","Baby%","Pets%"0, 0, 45, 2
2020-11-24 13:52:51
5339
1
原创 逻辑回归算法实现鸢尾花数据集的二分类
1、介绍前言 为了更好的理解本章内容，请参考下面的网址，自主学习一些矩阵求导运算。https://zhuanlan.zhihu.com/p/158182135机器学习约定规则：向量对标量求导，默认使用分子布局（本博客采用了这一条）矩阵对标量求导，默认使用分子布局标量对向量求导，默认使用分母布局向量对向量求导，常使用分母布局1、概述 逻辑回归（Logistic Regression）虽然是名词是回归，但是实际上它是一种分类模型。假设输入值函数（单值x1x_1x1）如下：z=WT
2020-11-23 20:48:51
4011
原创 Numpy的ndarray和Pandas的Series和DataFrame类型的一些对比和理解
1、ndarray对象1、介绍 NumPy中的ndarray是一个多维数组对象，可以通过reshape()函数来将一维数组转换为多维数组。2、代码测试# ndarray对象测试x = np.array([1, 2, 3, 4])# (4,)print(x.shape)# <class 'numpy.ndarray'>print(type(x))# [1 2 3 4]print(x)# 通过reshape()函数将一维数组转换为多维数组。x2 = x.reshape(
2020-11-22 20:23:51
1053
2
原创 使用梯度下降法实现变量之间的线性回归
1、介绍1、概述 本博客的梯度下降法实现变量之间的线性回归，主要考虑到了最小二乘法XTXX^TXXTX有可能逆不存在的情况。使用该方法求解线性回归的过程如下： m表示样本的个数，在目标函数前面的系数1m\frac{1}{m}m1加不加无所谓，只是为了更好的计算而已，本文的代码中并没有该系数。2、代码功能 本博客使用梯度下降法来实现对于波士顿平均房价的预测。通过前面的特征矩阵来实现对于波士顿平均房价（medv）的预测。 由于特征矩阵的每一列数据的数量级相差很大，导致模型生成的权重向量数
2020-11-22 20:06:03
468
原创 使用最小二乘法实现变量之间的线性回归
1、介绍1、概述 所谓线性回归，就是使用一条直线来解释自变量和因变量之间的关系，我们可以将线性回归表示为下面的函数：y=XWy∈Rn,W∈Rp+1X∈Rn∗(p+1)=[x1T，1x2T，1⋯xnT，1]=[x11x12⋯x1p，1x21x22⋯x2p，1⋯xn1xn2⋯xnp，1]y=XW \\ y \in R^n , W \in R^{p+1} \\ X \in R^{n*(p+1)}= \left[ \begin{array}{c} x_1^T，1 \\ x_2^
2020-11-21 19:01:02
1173
原创 word论文中快速录入公式方法
1、入门介绍1、转入公式快捷键Alt + =2、空格分数：1/2 +空格 = 上下型的 1/2 。2、上下标：^ 和 _C^2 = C^2a_0 = a_0U^2_x =u_x^2 3、希腊字母# α, ▲, δ(小写的\delt)α = \alpha(最后加空格显示) = α(成功)▲= \Delta = Δ4、运算符# √(根号)，∫（积分号），x ̇ （有个小点）√= \sqrt +空格（根号）∫ = \int +空格（积分）x ̇ = x\dot +
2020-11-21 13:39:55
4959
原创 论文排版的一些设置
1、样式1、样式的修改 “正文”样式的修改 正文-宋体；英文-times new roman;小四；1.25倍行距。2、新建标题样式 对于一级标题：样式基准改为标题1；后续段落样式设置为一级标题；大纲级别设置为1级，段前段后间距设置为0；首行缩进磅值为2字符。 其中，二级标题样式基准设置格式如下： 其中，二级标题对应段落设置如下：3、新建表格样式-3线表 三线表样式图如下： 三线表的设置过程图如下，三线表的字体设置和正文一样。2、图表位置及题注样式的修改 图
2020-11-21 13:12:32
885
B站学习-缩放摘要图.7z
2021-03-24
SVD分解使用到的图片
2020-12-08
K-Means算法使用的数据集order.csv
2020-11-24
LaTeX公式编写参考文档-UTN28-PlainTextMath-v2.pdf
2020-11-21
鸢尾花数据_iris.arff.csv
2020-11-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人