长安过客君的博客

原创 互联网开发岗实习及秋招总结

互联网开发岗实习及秋招总结文章目录互联网开发岗实习及秋招总结1 时间就是offer1.1 实习1.2 秋招2 必先利其器2.1 刷题！刷题！还是tmd刷题！2.2 多投！多投！还是tmd多投！2.3 八股！八股！还是tmd八股！2.3 项目！项目！还是tmd项目！3 石以砥焉3.1 多面、多挂、多总结4 风物长宜放眼量​ 秋叶已落，初冬已至。自己的秋招也尘埃落定。总想着写点什么，作为自己一个仪式感的阶段性结束。同时也为后续找实习、找工作的同学们一个借鉴的方向和指引。闲话少叙，直接进入正题。​ 总共分为

原创 goland 的切片踩坑

问题运行如下代码package mainimport ( "fmt")func AddElement(slice []int, e int) []int { return append(slice, e)}func main() { var slice []int slice = append(slice, 1, 2, 3) newSlice := AddElement(slice, 4) slice = append(slice, 5) slice = append(sl

原创 并发场景下数据不一致性解决方案

背景在日常生活中，涉及购买东西的场景下，卖方需要自己有一个记账本，记录物品和价格以及购买记录的一些信息。假设有一个价格管理系统，记录了每个物品对应的价格和购买次数，以及这些物品什么时候被买走。有两张表，一张是物品价格表goods_price，一张是购买记录表buy_record。goods_priceidgood_namebuy_countstock1铅笔210buy_recordidgood_namebuy_timebuyer1铅笔2

原创 2021年秋招面经及复盘

目录1.华为优招2.字节跳动3.中兴蓝剑计划3.百度1.华为优招一面7-9，90min复盘笔试题手撕代码，实现图的存储和遍历（图不熟悉，跳过），换一道题，Linux父子进程杀死调用的调用链，递归\迭代，不难go语言怎么理解interface方法、函数和interface关系GMP模型说一下进程、线程、协程go的垃圾回收机制用go会发生内存泄漏吗Javajava的垃圾回收机制说一下用java写过单例模式吗？单例模式有哪些实现方法？Java实现一个线程有哪些方法？网络TCP,

原创 mysql错误：java.sql.SQLException: The server time zone value ‘XXXX‘ is unrecognized or represents...

错误信息java web 项目，控制台server异常信息如下java.sql.SQLException: The server time zone value '?й???????' is unrecognized or represents more than one time zone. You must configure either the server or JDBC driver (via the 'serverTimezone' configuration property) to

原创 二叉树——刷题笔记

1、写递归算法的关键是要明确函数的**「定义」是什么，然后相信这个定义，利用这个定义推导最终结果，绝不要跳入递归的细节。2、写树相关的算法，先搞清楚当前 root 节点**该做什么，然后根据函数定义递归调用子节点，递归调用会让孩子节点做相同的事情。3、二叉树题目的一个难点就是，如何把题目的要求细化成每个节点需要做的事情。4、核心框架：前序、中序、后序遍历翻转二叉树class Solution { public TreeNode invertTree(TreeNode root) {

原创 秋招之前实习面经汇总

01-SAP-云平台开发运维2021-01-05 一面早上打电话，沟通面试时间，第二天早上或者当天下午，我选了当天下午面试英文开始：Hashtable用什么数据结构实现它数组，如果插入有什么问题链表，二者优劣Hashmap，和hashtable区别英文结束，技术的时候会问你能不能用英语回答，不能就可以换成中文线程安全，concurrenthashmap,分段锁，线程安全，segment垃圾回收算法怎么确定垃圾常用gc算法：标记清除，复制，标记整理，分代收集（新生代，老年代）垃圾收

原创 链表——刷题笔记

反转链表

原创 MySQL InnoDB 索引原理

MySQL InnoDB 索引原理

原创 JAVA基础知识点总结

集合Set 接口1、java中什么时候需要重写equals和hashCode方法，以及为什么重写？/*因为Object中默认的equals方法，内部还是使用==来比较对象在内存中的地址，所以结果位false*//*如果重写了equals方法，那么如果两个对象的属性值相同，那么程序会在第三步判断中返回true，* hashCode()方法，它是一个本地方法，底层是运用对象的内存地址通过哈希函数来计算的。* 问题：为什么重写equals时，一定需要重写hashCode()方法？* 因为重写了equ

原创 2020年研究生数学建模竞赛总结复盘

文章目录一、前言二、赛题选择三、做题思路问题一、数据清洗问题二、数据降维问题三、建模预测问题四、分析模型预测结果与实际值问题五、可视化四、总结一、前言今天是2020年研究生数学建模竞赛的最后一天，今早五点半提交了论文的MD5，一会提交论文。昨晚，啊不，今早通宵和室友赶完了论文，分析完所有的数据，调整了所有的表格和格式，历时五天总算是结束了。这篇文章作为一篇参加完比赛后的总结和复盘，记录一下期间出现的问题、第一次参加比赛的感受和不足。二、赛题选择由于和室友我们三个都是第一次参加研究生数学建模，总体

原创 《C++ Primer Plus》读书笔记（思维导图）第十三章

原创 《C++ Primer Plus》读书笔记（思维导图）第十二章

原创 《C++ Primer Plus》读书笔记（思维导图）第十一章

原创 《C++ Primer Plus》读书笔记（思维导图）第十章

原创 《C++ Primer Plus》读书笔记（思维导图）第九章

原创 《C++ Primer Plus》读书笔记（思维导图）第八章

原创 《C++ Primer Plus》读书笔记（思维导图）第七章

原创 《C++ Primer Plus》读书笔记（思维导图）第六章

原创 《C++ Primer Plus》读书笔记（思维导图）第五章

原创 《C++ Primer Plus》读书笔记（思维导图）第四章

原创 《C++ Primer Plus》读书笔记（思维导图）第三章

原创 《C++ Primer Plus》读书笔记（思维导图）第二章

原创 《C++ Primer Plus》读书笔记（思维导图）第一章

原创 pytroch版本bert使用笔记

import torchfrom transformers import BertTokenizer, BertModel# Load pre-trained model tokenizer (vocabulary)tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')# Tokenize inputtext = ...

原创 BERT学习笔记

BERT学习笔记BERT的出现，彻底改变了预训练产生词向量和下游具体NLP任务的关系，提出龙骨级的训练词向量概念。李理的博客讲的比较好http://fancyerii.github.io/2019/03/05/bert-prerequisites/...

原创 论文阅读BiDAF-Bidirectional attention flow for machine comprehension

BiDAF-用于机器理解的双向注意力流目录摘要机器理解（MC），回答关于给定文本段落的查询，要求对文本和查询之间的复杂交互进行建模。目前的方法都使用单向注意力。本文提出了双向注意力流网络。是个多级的分层过程。在多个不同层面的粒度上表示文本。without early summarization。在SQuAD数据集和CNN/DailyMail完形填空数据集上取得了目前最好的效果。1 介绍...

原创 论文阅读Neural Machine Reading Comprehension: Methods and Trends

神经机器阅读理解：方法和趋势摘要机器阅读理解（MRC）：让机器根据给定的内容回答问题。近几年随着深度学习的出现吸引了广泛的注意。根据近几年这方面的研究，做了一个全面透彻的综合概述。通过不同的维度比较了MRC任务，介绍了整体结构。对当前最尖端技术做了分类。最后，讨论趋势，以开放性问题结尾。介绍1970年代出现。被小规模数据集和基于规则的方法所限制。性能不佳。这一情况在深度学习...

原创 python使用dom方法解析xml文件

Traceback (most recent call last):  File “D:/Program Files/JetBrains/PyCharm Community Edition 2019.2.2/jbr/bin/PycharmProjects/StudyPytorch/AdversarialAttack/AnaXML.py”, line 3, in  &nbsp...

原创 机器学习的正负样本

这两天看一个数据分析的比赛，刚开始搞比赛，很多知识点都还不清楚。记录在这里，方便以后忘记的时候查看。参加的比赛是“基于Adversarial Attack的问题等价性判别比赛“，参考网址：https://biendata.com/competition/2019diac/将其中介绍的内容截图如上。在数据详情部分，对于数据的介绍是这样说的。”训练集根据在实际项目中的数据情况，以问题组的形式提...

原创 张量（tensor）及其操作总结

一、什么是张量张量是属于线性代数里的知识点，线性代数是用虚拟数字世界表示真实物理世界的工具。我们用点线面体的概念来比喻解释会更加容易理解：点——标量（scalar）线——向量（vector）面——矩阵（matrix）体——张量（tensor）一个张量就是一个可以容纳N维数据及其线性操作的容器。标量单个数字就是一个标量。标量是一个0维的张量。因此，它具有0个轴，并且秩为0。向...

原创 用pytorh建立神经网络的一般流程总结

先class再net再epoch训练再net.eval()测试

原创 利用LSTM判断词性（基于pytorch实现）

利用LSTM判断词性给出一句话，判断里面的每个单词是什么类型。名词、代词、副词等等。import torchfrom torch import nnfrom torch.autograd import Variable# 给出两句话作为训练集，每个单词给出词性train_data = [ ("The dog ate the apple".split(), ["DET", "N...

原创 C++生成随机数

1.带权中位数变形

原创 N-Gram模型预测单词

词嵌入只有先将单词编码为数字，每个单词匹配一个数字，才能传入Embedding中，进行词向量的转化。word_to_ix = {'hello':0, 'world':1}embeds = nn.Embedding(2, 5)hello_idx = torch.LongTensor([word_to_ix['hello']])hello_idx = Variable(hello_idx)...

原创 RNN学习笔记（循环神经网络）

torch.nn.RNN()RNN() 里面的参数有input_size 表示输入 ????????xt 的特征维度hidden_size 表示输出的特征维度num_layers 表示网络的层数nonlinearity 表示选用的非线性激活函数，默认是 ‘tanh’bias 表示是否使用偏置，默认使用batch_first 表示输入数据的形式，默认是 False，就是这样形式，(seq, bat...

原创 Pytorch学习笔记

Pytorch学习笔记深度学习中的batch、epoch、iteration的含义深度学习的优化算法，说白了就是梯度下降。每次的参数更新有两种方式。第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。这种方法每更新一次参数都要把数据集里的所有样本都看一遍，计算量开销大，计算速度慢，不支持在线学习，这称为Batch gradient descent，批梯度下降。另一种...

原创 C++生成真假随机数

生成假随机数（每次运行程序生成的随机数是相同的）头文件和语法如下#include <time.h> #include <iostream>#include <cstdlib>using namespace std;int main(){ //srand((int)time(0)); int x[10]; for(int i=0;i<10;...

原创 算法题中位数及其变形

https://blog.youkuaiyun.com/u013271326/article/details/77758167

原创 深度学习碎碎念

一些基于梯度的优化方法1.梯度下降2.SGD随机梯度下降，是梯度下降的一个变型，每次使用一批（batch)数据进行计算，而不是使用全部数据计算梯度。计算所有数据的梯度导致运算时间很长，失去了随机性，容易陷入局部误差。SGD每次可能不是朝着梯度最小的方向，但反而容易跳出局部极小值点。3.momentum采用SGD的同时，增加动量（momentum），帮助跳出局部极小值点或者鞍点。4....