小吴同学·-优快云博客

原创 AI小项目：项目中涉及到的基础语法（大量使用）、项目结构说明

核心作用@dataclass是 Python 提供的一个装饰器，主要用于定义“数据容器类”。它能自动为类生成__init__（初始化）、__repr__（打印表示）和__eq__（相等比较）等特殊方法（魔术方法），从而大幅减少重复的样板代码。打印更友好：普通类打印对象输出的是内存地址，而 dataclass 会自动生成__repr__，直接打印出包含类名和具体字段值的字符串，极大方便了调试。核心作用：自动生成__init____repr__和__eq__，减少样板代码。@dataclass。

2026-10-30 15:10:11 100

原创 AI工艺自动调整项目实现第2讲：完成项目1

(99+ 封私信) 我花了一个下午搞懂了 YAML——它到底比 JSON 好在哪儿？- 知乎.yaml（或.yml）是一种人类可读的数据序列化格式，全称为 “YAML Ain't Markup Language”。它的设计初衷是让人和机器都能轻松理解，因此被广泛用于编写配置文件（如 Spring Boot、Docker Compose、Kubernetes 等）和数据交换。优势：相比 XML 和 JSON，YAML 更加精简，去除了冗余的标签和括号，支持注释，可读性极高。

2026-10-30 15:10:08 159

原创 Python数据分析下：数据分析总过程；matplotlib画图【数据的导入导出；缺失值的处理；数据类型转换；数据变形；数据分箱；时间数据处理；分组聚合】

数据分析总过程【数据的导入导出；缺失值的处理；数据类型转换；数据变形；数据分箱；时间数据处理；分组聚合】

2026-09-01 17:44:08 305

原创 Python数据分析中【Pandas（Series、DataFrame）】：Pandas介绍；Series、DataFrame【创建、属性、访问数据、常用方法、数据处理核心案例举例】；

Python数据分析中【Pandas（Series、DataFrame）】：Pandas介绍；Series、DataFrame【创建、属性、访问数据、常用方法、数据处理核心案例举例】；

2026-08-26 12:09:17 222

原创 Python数据分析上【numpy】：jupyter环境配置；numpy-ndarray【特性、属性、创建、数据类型、索引和切片、数组操作（axis）、基本数学函数（广播机制）、统计/比较/排序函数】

Python数据分析上【numpy】：jupyter环境配置；numpy-ndarray【特性、属性、创建、数据类型、索引和切片、数组操作（axis）、基本数学函数（广播机制）、统计/比较/排序函数】

2026-07-31 12:14:44 266

原创 AI工艺自动调整项目实现第1讲：整个工艺流程；方阻相关的问题；原数据理解；项目总思路；首先要完成的项目1

AI工艺自动调整项目实现第1讲：整个工艺流程；方阻相关的问题；原数据理解；项目总思路；首先要完成的项目1

2026-07-22 09:46:25 159

原创吴恩达决策树下【预测数值的回归问题】：回归树（方差，方差减少量）；决策树集成（有放回抽样）；随机森林算法（Bagging 决策树）；XGBoost；实际应用中该选择决策树还是神经网络？

吴恩达决策树下【预测数值的回归问题】：回归树（方差，方差减少量）；决策树集成（有放回抽样）；随机森林算法（Bagging 决策树）；XGBoost；实际应用中该选择决策树还是神经网络？

2026-07-16 16:52:32 359

原创吴恩达决策树上【分类算法】：决策树所有基础（定义、学习机制）；熵；信息增益；独热编码（处理具有多个离散类别的特征）；处理连续型特征

吴恩达决策树上【分类算法】：决策树所有基础（定义、学习机制）；熵；信息增益；独热编码（处理具有多个离散类别的特征）；处理连续型特征

2026-07-16 11:34:32 428

原创吴恩达深度学习（神经网络）【下2、误差分析】：机器学习开发总流程；误差分析；高方差问题如何“获取或创造更多数据”；迁移学习；处理正负样本极度不均衡的分类问题时：精确率与召回率、F1 分数

深度学习（神经网络）【下2、误差分析】：机器学习开发总流程；误差分析；高方差问题如何“获取或创造更多数据”；迁移学习；处理正负样本极度不均衡的分类问题时：精确率与召回率、F1 分数

2026-07-14 16:20:48 290

原创吴恩达深度学习（神经网络）【下1，模型评估】：模型评估（训练集、测试集、交叉验证集）；偏差和方差【寻找正则化λ，建立性能基线，学习曲线（在样本量增加时，高方差需要增加训练数据，高偏差增加数据没用）】

深度学习（神经网络）【下1，评估多项式回归】：模型评估（训练集、测试集、交叉验证集）；偏差和方差【寻找正则化λ，建立性能基线，学习曲线（在样本量增加时，高方差需要增加训练数据，高偏差增加数据没用）】；多项式评估、神经网络评估（完美解决高偏差和高方差）

2026-07-10 17:46:25 401

原创吴恩达深度学习（神经网络）【中】：激活函数（有实验，多类别Softmax）；Adam优化算法；反向传播具体计算过程；卷积层；非线性/线性、多项式回归、逻辑回归、神经网络

吴恩达深度学习（神经网络）【中】：激活函数（有实验，多类别Softmax）；Adam优化算法；反向传播具体计算过程；卷积层；非线性/线性、多项式回归、逻辑回归、神经网络

2026-07-07 14:35:32 277

原创吴恩达深度学习（神经网络）【上】：神经网络整个原理【定义、前向传播三个方法（Sequential模型）、如何训练】；图像识别（有实验）；线性回归、逻辑回归、神经网络

吴恩达深度学习（神经网络）【上】：神经网络整个原理【定义、前向传播三个方法（Sequential模型）、如何训练】；图像识别（有实验）；线性回归、逻辑回归、神经网络

2026-07-06 17:45:14 425

原创吴恩达机器学习下：分类问题；逻辑回归所有【决策边界、交叉熵损失函数】；过拟合与前拟合；正则化

吴恩达机器学习下：二分类问题、逻辑回归、过拟合问题、正则化解决过拟合问题

2026-03-27 16:04:09 477

原创吴恩达机器学习上：线性回归、梯度下降（学习率）、多特征（向量化、特征缩放）、多项式回归

吴恩达机器学习上：线性回归、梯度下降（学习率）、多特征（向量化、特征缩放）、多项式回归

2026-03-25 10:06:36 2793

原创 OPC Client第12讲【C++并发与多线程2】：数据共享问题；互斥量死锁；日志单例模式补充；condition_variable（生产者与消费者模型）；跨平台线程池

OPC Client第12讲【C++并发与多线程2】：数据共享问题；互斥量死锁；日志单例模式补充；condition_variable（生产者与消费者模型）；跨平台线程池

2025-10-23 13:43:24 818

原创 OPC Client第11讲【C++并发与多线程1】：基本概念和理解；Thread线程库的基本使用；线程传参详解

在VisualStudio中，写好代码后点击“生成解决方案”（如下图），即编译好了代码，在Debug文件夹中创建了一个.exe的可执行程序（如下下图）joinable()方法返回一个布尔值，如果线程可以被 join()或 detach()，则返回true，否则返回 false。ctrl+F5运行这个程序的时候，实际上是进程的主线程来执行（调用）这个main函数中的代码。被声明为类的友元的函数，即使在类外部定义，也可以访问私有成员函数。《1》每个进程（执行起来的可执行程序），都有唯一的一个主线程。

2025-09-11 10:10:19 850

原创 OPC Client第10讲：实现主界面；获取初始界面传来的所有配置信息config【C++读写Excel：xlnx；ODBC；缓冲区】

声明：在头文件中，你通常会声明变量，这意味着你告诉编译器该变量的存在，但不分配内存空间。定义：在源文件中，当你声明并初始化一个变量时，你实际上是在定义它，即为它分配内存空间。开放数据库连接【=翻译官】因为我们这个暂时没确定用哪种数据库，所以使用的ODBC。它是一种由微软提出的标准数据库访问接口（API），目的是让应用程序能够以统一的方式访问各种不同的数据库系统，而不需要为每种数据库编写不同的代码。

2025-09-11 10:09:49 1084 2

原创 OPC Client第10讲：构建此项目的代码结构；导入wxwidgets库及实现初始界面的相关代码

通过下述链接运行出来SDK例子的结构如下图但是有些源代码需要隐藏（比如其它的几个SDK例子就不需要），而且如果让客户按照上述例子进行配置比较麻烦。所以只留下例子client_examples及其需要的源代码，修改CMakeLists.txt，把其需要的配置都自动勾选上，不用再一个一个地设置。

2025-07-23 14:44:44 837

原创 OPC Client第9讲：OPC UA；KEPServerEX创建OPC服务器；C#创建OPC客户端；OpcUaHelper库；OPC客户端（Softing Opc Client和UaExpert）

OPC与OPC UA；KEPServerEX创建OPC服务器；C#创建OPC客户端；OpcUaHelper库；OPC客户端（Softing Opc Client和UaExpert）

2025-07-02 14:31:31 2793

原创 OPC Client第8讲（CMake）：CMake教程（动/静态库区别举例），运行SDK的例子

15. 嵌套的 CMake - 上_哔哩哔哩_bilibiliCMake 保姆级教程（下） | 爱编程的大丙。

2025-06-16 09:59:25 1014

原创 OPC Client第7讲（wxwidgets）：Logger.h日志记录文件（单例模式）；登录后的主界面

接上一讲三、2、2>4》，创建logger.h和helper_t.h里的gettime函数同时，接上一讲二、3、点击“确认”按钮后，进入MainFrame.h对应的下述界面，此讲下图进行实现。

2025-05-29 17:42:57 1367

原创 OPC Client第6讲（wxwidgets）：初始界面的事件处理；按照配置文件初始化界面的内容

接上一讲，即实现下述界面的事件处理代码事件处理的基础知识，见下述链接五、

2025-05-23 14:14:02 1299

原创 OPC Client第5讲（wxwidgets）：实现项目的初始界面代码

因为是为前面写了的wxFlexGridSizer*odcSizer外面加一个边框。odcSizer调用Add函数时，里面的第一个参数需要先定义声明好，把页面都布局设计好。原理和四、2、相同思考太麻烦，直接设置不让窗口放大缩小，然后设置最小的窗口。把前面所有Add的参数从：wxALL变成 wxALL | wxEXPAND。

2025-05-13 09:56:33 1018

原创 OPC Client第4讲（wxwidgets）：窗口布局基础知识；界面练习

ComboBox是一个单行编辑框和一个列表框的组合，用来允许用户以和下拉框中的文本没有关系的方式设置或者获取编辑框中的文本。其中的单行文本域可以是只读的；通常列表框是隐藏的，除非用户单击了编辑框旁边的小按钮；和选择控件非常相似。第四章选择控件ComboBox和自定义Combobox_哔哩哔哩_bilibili。

2025-05-06 12:04:49 1091

原创 OPC Client第3讲（wxwidgets）：wxFormBuilder；基础框架；事件处理

wxwidgets基础、安装wxFormBuilder、wxwidgets事件处理

2025-04-18 15:57:04 1277

原创 OPC Client第2讲：Visual Studio的C/C++使用教程；C++程序运行过程的各个文件；如何导入库？{静/动态库；更便捷的方法添加第三方库：使用属性表【配置使用wxwidgets】}

Visual Studio的C/C++使用教程；C++程序运行过程的各个文件；如何导入库？{静/动态库；更便捷的方法添加第三方库：使用属性表【配置使用wxwidgets】}

2025-04-11 15:45:17 1328

原创 C++第3讲：提高编程（泛型、STL）；演讲比赛系统

黑马程序员匠心之作|C++教程从0到1入门编程,学习编程不再难_哔哩哔哩_bilibili核心编程（面向对象）部分从下面链接开始看：01 模板-模板的概念_哔哩哔哩_bilibili对应的笔记：welcome to here - namicC++提高编程 | welcome to here

2025-04-07 17:34:46 215

原创 C++第2讲：核心编程（面向对象）；（结合内存四区）静态成员；职工管理系统

黑马程序员匠心之作|C++教程从0到1入门编程,学习编程不再难_哔哩哔哩_bilibili核心编程（面向对象）部分从下面链接开始看：01 程序的内存模型-内存四区-代码区._哔哩哔哩_bilibili对应的笔记：标签: C&C++ | welcome to here

2025-04-07 17:27:28 298

原创 C++第1讲：基础语法；通讯录管理系统

黑马程序员匠心之作|C++教程从0到1入门编程,学习编程不再难_哔哩哔哩_bilibili对应的笔记：https://github.com/AccumulateMore/CPlusPlus标签: C&C++ | welcome to here

2025-04-07 17:19:10 203

原创项目代码第11讲【在项目代码中，优化数据库查询效率】：将多个.xlsx文件变成数据库中的表；数据分区、建立多个索引查询

将多个.xlsx文件变成数据库中的表；数据分区、建立多个索引查询

2025-03-28 16:32:21 994

原创项目代码第10讲【数据库运维知识——如何优化数据库查询效率？】：各种日志查看；主从复制；分库分表（MyCat）；读写分离；区别数据分区、分表、分库

数据库所有运维知识；各种日志查看；主从复制；分库分表（MyCat）；读写分离

2025-03-28 15:55:19 560

原创项目代码第9讲【数据库进阶知识】：存储引擎（InnoDB；MyISAM；Memory）；索引；SQL优化；视图；存储过程；触发器；锁；InnoDB引擎（架构；事务原理；MVCC）

存储引擎（InnoDB；MyISAM；Memory）；索引；SQL优化；视图；存储过程；触发器；锁；InnoDB引擎（架构；事务原理；MVCC）

2025-03-28 09:42:31 901

原创项目代码第8讲【数据库基础知识】：SQL（DDL、DML、DQL、DCL）；函数（聚合、字符串、数值、日期、流程）；约束；多表查询；事务

所有数据库基础知识：SQL（DDL、DML、DQL、DCL）；函数（聚合、字符串、数值、日期、流程）；约束；多表查询；事务

2025-03-26 15:43:21 1182

原创 NET6 WebApi第5讲：中间件（源码理解，俄罗斯套娃怎么来的？）；Web 服务器 (Nginx / IIS / Kestrel)、WSL、SSL/TSL

如上图，把所有管道配置都注释了，运行代码。1）如下图如果啥也不配置，针对没监听的8005端口，出现“无法访问”，代表是没有响应的。2）如下下图针对监听的域名+端口7007，出现“找不到”，则代表服务器是有响应的，只是响应的是404，没有资源（返回没有任何东西）。3）由此，证明上图的“管道配置是请求级的处理”。

2025-03-20 16:18:50 1239

原创 OPC Client第1讲：环境配置，需要用到的各个工具

是因为没有连接真实的机台，OPC Server里面的服务器数据类型有些是错误的，所以OPC Server传过来的数据无法保存到数据库中）在对ServerAddress.xlsx文件里面填写的IP地址进行自动连接时，会检测里面的地址是否存于在IP.xlsx文件里。注意没有填写数据库的端口号，因为填写了ODBC数据源名字test，即在2>中已经写了数据库的端口号了。注意下图的OPC服务器的地址在四、1、中会自动读取，不用额外单独在这里写。【注意】：不要下网上的安装包，直接复制已有的Vcpkg文件夹。

2025-01-15 14:23:33 883

原创项目代码第8讲：Socket和OPC UA客户端通信；数据库的表格内容谁填的？（OPC Client和Web）；在Program.cs中单独开启一个线程【什么时候开启新线程？区别生命周期】

1》前面的基本定义、逻辑大部分都是一样的，引入了当前处理位置的偏移量offset。

2025-01-09 17:24:39 1043

原创项目代码第7讲：接上一讲的机台信息（前端“炉管状态”界面）；让其它电脑访问我的后端接口；内存数据库；数据库的表格内容谁填的？（OPC Client和Web）；Socket：用于和OPC UA客户端通信

内存数据库（In-Memory Database, IMDB）是将数据存储在RAM中的一种数据库，与传统的磁盘存储数据库相比，IMDB提供了更快的数据访问速度。InMemoryContext通常用于存放那些不需要持久保存、生命周期短或者频繁更新的数据。例如，五、1、获取当前管内有舟的机台和管号；五、2、获取在线机台管的实时状态（机台状态码、机台名称、管号等）就是典型的临时数据。因为这些信息会随着机台的状态变化而不断更新，而且对于系统来说，最新的状态才是最有价值的。一个API。

2025-01-09 10:41:28 772

原创项目代码第6讲：UpdownController.cs；理解工艺/工序流程、机台信息；前端的“历史警报/工艺记录”；每个机台各个管道的数据（温度、压力、气体）

UpdownController.cs；理解工艺/工序流程、机台信息；前端的“历史警报/工艺记录”

2024-12-23 16:45:22 913

原创项目代码第5讲：所有与WebSocket有关的【OnlineUsersController控制器、在线用户的列表、ws连接】

0x1: 文本帧（UTF-8编码的文本消息）0x2: 二进制帧0x8: 关闭连接【详见四、1、】写入自定义 ASP.NET Core 中间件 | Microsoft Learn现在想要使用自定义的WebSocket中间件，所以得在WebSocketMiddleware.cs中使用扩展方法（类似上一讲中的七、扩展方法必须使用静态类）按下ctrl键进入UseWebSockets，看它有哪些静态方法现在想要再在里面增加一个静态方法，为了能够添加自定义的中间件。

2024-12-19 15:59:25 513

原创项目代码第4讲：不用Token进行登录（前+后端）、仿照项目代码的逻辑自己实现Token（权限identity、日志Logger）、Swagger如何接收Token？扩展Extensions（静态类）

生成Token，全球唯一标识：因为是根据时间戳（按ms为单位），和电脑里机器号（唯一的）生成的，很难相同。区别v-model="..."（双向绑定）和v-bind:value="..."（单向绑定）如果前后端变量名相同，那么可以省略赋值操作。password是后端要接受的参数名字，必须保持一致。要做好一个登录，其实很难的。需要有多个一对多的Mapping映射。把Token传进数据库里。记得在后端解决跨域问题。

2024-12-06 16:11:40 1427

空空如也

空空如也