IAN27-CSDN博客

原创跨域问题

1. 同源策略同源策略(Same-Origin Policy)最早由 Netscape 公司提出，是浏览器的一种安全策略。同源: 协议、域名、端口号必须完全相同。违背同源策略就是跨域。案例点击按钮获取服务端的用户数据<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=devic

2021-05-11 09:51:27 202

原创使用fetch函数发送AJAX请求

使用fetch函数发送AJAX请求案例点击按钮发送AJAX请求<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>fetch 发送 AJAX请求</title>&l

2021-05-08 09:21:26 266

原创 axios中的AJAX

1. Axios发送AJAX请求1）引入Axiosbootcdn.cn 搜索 Axios复制标签链接到代码中<script src="https://cdn.bootcdn.net/ajax/libs/axios/0.21.1/axios.min.js"></script>案例页面三个按钮：GET 、 POST 、通用型方法AJAX点击按钮分别实现其功能<!DOCTYPE html><html lang="en"><head&

2021-05-07 10:21:41 236

原创 JQuery中的AJAX

1. 在JQuery中发送AJAX请求1）引入JQuerybootcdn.cn 搜索 JQuery复制标签链接到代码中<script src="https://cdn.bootcdn.net/ajax/libs/jquery/3.6.0/jquery.min.js"></script>案例页面三个按钮：GET 、 POST 、通用型方法AJAX点击按钮分别实现其功能<!DOCTYPE html><html lang="en"><

2021-05-07 09:32:36 192

原创 AJAX 原生

1. GET请求案例点击按钮后在div中返回xhr.response<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>AJAX GET 请求</title>

2021-05-06 15:03:45 87

原创 AJAX基础与介绍

1. AJAX 简介AJAX 全称为 Asynchronous JavaScript And XML，就是异步的 JS 和 XML。通过 AJAX 可以在浏览器中向服务器发送异步请求，最大的优势:无刷新获取数据。AJAX 不是新的编程语言，而是一种将现有的标准组合在一起使用的新方式。2. XML简介XML 可扩展标记语言。XML 被设计用来传输和存储数据。XML 和 HTML 类似，不同的是 HTML 中都是预定义标签，而 XML 中没有预定义标签，全都是自定义标签，用来表示一些数据。比如说

2021-05-06 11:15:43 94

原创 React 脚手架与TodoList案例

1. 使用create-react-app创建react应用2. react 脚手架1. xxx脚手架: 用来帮助程序员快速创建一个基于xxx库的模板项目 1. 包含了所有需要的配置（语法检查、jsx编译、devServer…） 2. 下载好了所有相关的依赖 3. 可以直接运行一个简单效果2. react提供了一个用于创建react项目的脚手架库: create-react-app3. 项目的整体技术架构为: react + webpack + es6 + eslint4. 使用脚手架开

2021-04-28 16:08:28 304 1

原创 React 组件的生命周期

1. 组件的生命周期需求:定义组件实现以下功能：1. 让指定的文本做显示 / 隐藏的渐变动画2. 从完全可见，到彻底消失，耗时2S3. 点击“不活了”按钮从界面中卸载组件1）引出生命周期 //生命周期回调函数 <=> 生命周期钩子函数 <=> 生命周期函数 <=> 生命周期钩子 //render调用的时机是2个：初始化渲染、状态更新之后<!DOCTYPE html><html lang="en"><head

2021-04-25 16:00:57 183 1

原创 React 组件实例的三大属性

1.state（状态）1）原生事件的绑定<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="X-UA-Compatible" content="ie=edge"&gt

2021-04-14 10:33:26 172

原创 React 定义组件

1.函数式组件最简单的定义组件的方法是写一个 JavaScript 函数<!DOCTYPE html><html lang="en"><head> <meta charset = "UTF-8"> <meta name = "viewport" content="width=device-width, initial-scale=1.0"> <title>1_函数式组件</title>&lt

2021-04-13 10:33:19 152

原创 React 基础

1. js与jsx创建虚拟DOM1> 使用jsx创建虚拟DOM<!DOCTYPE html><html lang="en"><head> <meta charset = "UTF-8"> <title>1_使用jsx创建虚拟DOM</title></head><body><div id = "test"></d

2021-04-12 09:34:15 100

原创 JAVA 习题练习

使用If找到用户输入的两个整数中的最大值并输出。import java.util.Scanner;public class practice1 { public static void main(String[] args) { System.out.println("请输入两个整数"); Scanner sc = new Scanner(System.in); int num1 = sc.nextInt(); int nu.

2021-04-01 10:59:05 144

原创 JAVA的分支结构

分支结构基本概述当需要进行条件判断的时候，并且根据条件是否成立来执行某一段代码的时候，需要分支结构。1. if结构if(布尔表达式){ 语句块//如果布尔表达式为true将执行的语句}如果布尔表达式的值为 true，则执行 if 语句中的代码块，否则执行 if 语句块后面的代码。实例：public class Test { public static void main(String args[]){ int x = 10; if( x &l

2021-03-30 17:29:30 713 2

原创 JAVA 运算符

1.算术运算符注意事项：1> 整数相除，只取整，舍弃小数。2> 0不能做除数（算术异常）；0.0也不能做除数（结果无穷大）；0 / 0.0 （NaN，不是一个数字）。3> 当 ‘+’ 两边的操作数中只要有一个字符类型，则按照字符连接符来处理。将‘+’两边的操作数都不是字符串时，则按照算术运算符处理。例子：System.out.println("2" + 4 + 3) // 243System.out.println(4 + 3 + "2") // 723> 自

2021-03-30 17:07:36 126

原创 Java 基础

1.数据类型1.1基本数据类型整型：byte 、short 、int、long byte： byte 数据类型是8位、有符号的，以二进制补码表示的整数；最小值是 -128（-2^7）；最大值是 127（2^7-1）；默认值是 0； byte 类型用在大型数组中节约空间，主要代替整数，因为 byte 变量占用的空间只有 int 类型的四分之一；例子：byte a = 100，byte b = -50。 short： short 数据类型是 16

2021-03-29 15:46:22 219

原创使用NAT配置Ubuntu网络

1.为什么配置Ubuntu网络？配置网络是为了方便后续调试开发板系统或者应用程序时使用 tftp 协议 nfs 协议等拷贝文件或者设置文件系统启动方式为 nfs 挂载启动。以前我们在 VMware 中使用桥接，这需要保证 Windows、Ubuntu、开发板三者互通，而很多人的电脑有多个网卡，这涉及的网络设置太复杂了。现在我们使用 NAT 方式，这样会简单很多。2.什么是NAT网络？NAT 是什么意思？Network Address Translation，网络地址转换。举个例子，在 NAT 里

2021-03-24 21:17:35 513

原创学习笔记 - Linux 进阶命令

1.find命令find目的：查找符合条件的文件1）在那些目录中查找2）查找的内容格式： find 目录名选项查找条件举例：1）find /work/001_linux_basic/dira/ -name “test1.txt”说明:a)/work/001_linux_basic/dira/指明了查找的路径b)-name表明以名字来查找文件c)“test1.txt”，就指明查找名为test1.txt的文件同理：find /work/001_linux_b

2021-03-24 15:46:26 149 1

原创 vi编辑器常用命令汇总

1.vi编辑器的使用一个编辑器具备的功能1）打开文件、新建文件、保存文件2）光标移动3）文本编辑4）(多行间|多列间)复制、粘贴、删除5）查找和替换1.1 vi编辑器的配置进入/etc/vim路径 cd /etc/vim查看当前路径文件 ls复制vimrc配置文件到家目录为.vimrc文件 cp ~/.vimrc查看复制后的文件 ls -l ~/.vimrc切换到家目录 cd ~使用gedit来编辑.vimrc文件 gedit .vimrc准备需要配置的内容"关闭兼容功能 se

2021-03-24 14:31:46 7684

原创 Linux 与 Shell 基础入门

Linux 命令入门除了图形界面，Ubuntu 下面有没有其他方式可以创建目录、文件？在windows下：win+r ==> cmd==> dir驱动器 C 中的卷是 Windows 卷的序列号是 EE5E-1EA7 C:\Users\EXCITEME 的目录2021/03/22 16:53 <DIR> .2021/03/22 16:53 <DIR> ..2021/03/22 16:53

2021-03-23 10:58:05 398 1

原创 Linux 系统基础

Linux 系统基础1. 终端终端的打开方式①桌面搜索点击 Ubuntu 桌面左上角图标进入搜索框，输入“term”可以弹出终端“Terminal”程序②右键打开首先是比较常规的方法：在桌面或者在文件浏览器的任何目录下右键鼠标后在弹出的菜单栏中选择“Open in Terminal”③快捷键打开这是个比较快捷方便的方法：使用快捷方式打开终端，快捷方式为”Ctrl+Alt+T”，使用快捷方式可在绝大多情况下直接唤出 Ubuntu 的终端（无论你是在浏览器、文件管理器、查看邮件、甚至在一个已经

2021-03-23 10:35:12 119 1

原创 2.10 m个样本的梯度下降法

成本函数 J（w,b）的定义 ==>一个平均值，从i=1到m的损失函数L之和的平均值。其中，这个损失函数L是当算法在样本（x,y）上输出了 ai。ai是训练样本的预测值，也就是sigmoid（zi）在之前，我们做的是对于任意单个训练样本，如何计算导数，即当值有一个训练样本时，计算dw1(i),dw2(i),db(i)。已知全局成本函数是一个求和的过程，从1到m项的损失函数和的平均值。由此可知 ==>全局成本函数 J(w,b) 对 w1 的导数就等于 >这个导数看起来复杂，

2020-09-08 18:42:44 913

原创 2.9 Logistic回归中的梯度下降法

举例，使用之前定义的logistic回归的公式现在我们通过计算图写出这个样本的流程图 >假设样本中，只有两个特征x1和x2为了计算出z，还需要w1，w2，以及b参数>然后，我们通过z去计算y ̂ ==>最后计算，损失（误差）函数L ==>综上，在logistic回归中，我们需要做的就是通过变换w与b的值，去让损失函数变成最小值。在之前，我们已经描述了前向传播的步骤，在单个训练样本上计算损失函数。接下来让我们讨论一下怎么向后计算偏导数。我们的目标是找到损失函数的

2020-09-08 17:47:06 640

原创 2.7-2.8 计算图的前向与后向计算

计算图举例，一个含有3个参数的函数J。J(a,b,c) = 3 (a+bc)其中 ,u =bcv = a+uJ = 3v通过计算图表示前向过程则为代入值后，J = 3(5+3x2) = 33利用流程图求出J对应每个变量的导数 ==> 后向过程求dJ / dv即J对v的导数。用之前的方法求 ==>已知J = 3v当v = 11 时，J = 33则当v = 11.001 时，J = 33.003J的增量除以 v的增量 =3所以， dJ / dv = 3

2020-09-08 17:08:11 562

原创 2.5-2.6 导数

导数 Derivatives举例 f(a) = 3a当a=2时，f（a）=6当a=2.001时，f（a）=6.003图中绿色三角形表示==>如果a的值向右移0.001，则f（a）增加0.003的值，即3倍于a向右移的量。==>f(a) 的斜率slope（导数derivative）在a=2时，斜率为3，这里的导数几乎就意味着斜率。更正式的斜率定义，高除以宽，即上例中0.003/0.001 = 3，即斜率（导数）等于3。假设a = 5，f（a）=15假设a = 5.001，f

2020-09-08 16:11:44 688

原创 2.4 梯度下降法

梯度下降法如何使用梯度下降法来训练或学习训练集上的参数w和b。之前，我们定义了logistic回归算法 y ̂以及成本函数 J。这个成本函数J的参数是w和b。定义为平均值，1/m 的损失函数之和。其中的损失函数可以衡量你的算法的效果，每一个训练样例都输出yi ̂，再把它与基本真值标签yi进行比较。如果想要通过学习获得合适的参数w和b，就需要通过找到一个 w，b值，能让成本函数J尽可能的小，这就需要使用到梯度下降法。图形的高，代表了J(w,b)在某一点的值。我们需要做的就是，找到

2020-09-08 15:17:16 536

原创 2.3 Logistic回归损失函数

上一节，举例说明了一个Logistic回归模型。为了训练Logistic回归模型的参数w以及b，需要定义一个Cost Function。这是上一节所定义的函数，其中σ 指的是 sigmoid函数。为了让模型来通过学习调整参数，需要一个训练集样本m。通过在训练集找到参数w和b来得到你的输出 ==> 对训练集中的预测值y ̂ 。损失函数（误差函数）用于衡量算法的运行情况。Loss(error) function:L(y ̂,y) = 1/2 * (y ̂-y)^2但是使用均方误差不是一个

2020-09-08 14:31:22 2117

原创 2.2 Logistic回归

Logistic回归Logistic回归是一个学习算法，用在监督学习中，输出y标签是0或1时，二分分类问题。例如，图片识别是否为猫的例子中。给定特征向量x，需要一个算法，可以给出一个预测值 ̂y 。这个预测值可以表示当 y为1时的概率。也就是说，这个预测值需要能表示这是一张猫图的概率。x 是一个n x维向量；Logistic回归的参数是w，同样也是一个n x维向量，b是一个实数。综上,已知输入x和参数w和b，如何计算预测值 ̂y的值呢？输入x 的线性函数 ==>这就是一个简单的线性

2020-09-08 11:57:23 777

原创 2.1二分分类

二分分类具体，输入一张图片，输出1或0标签对应识别图片中的对象是否为猫。这个图片是如何在计算机中表示的呢？计算机要保存一张图片，需要保存三个独立矩阵，分别对应红绿蓝三个颜色通道，例如输入的图片是64x64像素的，对应的输出就为3个 64x64矩阵分别对应图片中的红，绿，蓝三种像素的亮度。将这些像素的亮度放入一个特征向量x中，把图片中所有的红、绿、蓝像素强度值都列出来。如果图片是64x64，那对应的特征向量x的总维度则为 64x64x3 = 12288 ==> nx = 12288。在

2020-09-08 11:18:29 327

原创第一周测验 - 深度学习简介

第一周测验 - 深度学习简介1.和“AI是新电力”相类似的说法是什么？【】AI为我们的家庭和办公室的个人设备供电，类似于电力。【】通过“智能电网”，AI提供新的电能。【】AI在计算机上运行，并由电力驱动，但是它正在让以前的计算机不能做的事情变为可能。【√】就像100年前产生电能一样，AI正在改变很多的行业。请注意: 吴恩达在视频中表达了同样的观点。————————————————2.哪些是深度学习快速发展的原因？ (两个选项)【√】现在我们有了更好更快的计算能力。【】神经

2020-09-07 23:40:06 483

原创 1.3 用神经网络进行监督学习

用神经网络进行监督学习什么是监督学习？到目前为止，几乎所有由神经网络创造的经济价值都基于监督学习。在监督学习中，输入x，通过学习一个函数，映射到输出y。例如房价预测，在线广告，图像识别，语音识别，文本翻译，无人驾驶等。在这些应用中，使用者需要聪明的选择x，y才能解决特定问题。然后把这个监督学习过的组件，嵌入到更大的系统中。不同的神经网络，对应应用于不同的地方。例如，在房价预测中，我们使用了标准的神经网络结构。对于在线广告也是一样。StandardNN在图像识别领域，通常使用的是卷积神经

2020-09-07 23:10:43 697

原创 1.2 什么是神经网络？

什么是神经网络？例如在下图中，有5个已知房源的信息，每个叉对应不同的价格与房子的大小。如果想要找到一个函数能够根据房屋的面积大小去预测房价 ⇒ 则需要根据线性回归,用这些数据来拟合一条直线。由于房价不可能为0，所以在原点处弯曲了一些，让它结束于0综上，就可以把这个房屋加上这个拟合函数看作是一个非常简单的神经网络。我们将房屋的面积作为神经网络的输入 x；通过一个独立的神经元；将房价输出为 y。这样一个网络，就实现了上述函数的功能。这个神经元做的就是输入面积，完成线性运算，选取不

2020-09-07 22:38:42 172

原创 7.9 矩阵的PLUP’分解

矩阵的PLUP’分解矩阵的PLU分解可以适用于所有的矩阵吗？举例矩阵A此时，为了继续执行高斯消元，需要交换矩阵的两列 ==>在之前介绍的初等变换只能交换矩阵的两行。例如，左乘矩阵 ==> 。那如果想要交换矩阵的两列，需要右乘以置换矩阵。 ==>综上，之前的例子中的问题就可以通过再添加一个置换矩阵 P’ 右乘即可解决 ==>A = P * L * U * P’其中左乘的P是置换矩阵，负责执行交换行操作。L,U同样还是上三角矩阵与下三角矩阵。右乘

2020-08-29 21:53:54 2292

原创 7.8 更多矩阵LU分解相关话题-对角矩阵 & 置换矩阵

矩阵的LU分解 ==>A = 单位下三角矩阵 * 上三角矩阵将矩阵的LU分解用于非方阵 ==>在另一个情况下，如果A是6x4的矩阵==>处理方法一致。举例 ==>将U化为单位上三角矩阵 ==>引入对角矩阵 D ==>综上 A = L * D * U举例 A 执行高斯消元法 ==>L 矩阵 ==>由于，第二行没有主元，交换两行 ==>交换过后 ==> L矩阵需要引入新的矩阵 ==>综上 A ==

2020-08-29 21:14:02 624

原创 7 实现求解矩阵的逆& 实现LU分解

在线性系统函数类 LinearSystem.py 中添加计算矩阵的逆功能def inv(A): if A.row_num() != A.col_num(): return None n = A.row_num() ls = LinearSystem(A, Matrix.identity(n)) if not ls.gauss_jordan_elimination(): return None invA = [[row[i]

2020-08-29 20:54:11 518

原创 7.6 矩阵的LU分解

矩阵的分解数的分解 ==> 66 = 2 * 3 * 11 ==> 质因数分解一个矩阵也可以分解成为几个矩阵乘积的形式。矩阵分解有不同的目的。矩阵的LU分解矩阵的LU分解，提高计算效率为目的。将一个矩阵A 分解为 A = L * UL ==> Lower Triangle MatrixU ==> Upper Triangle Matrix以矩阵的对角线为界。单位下三角矩阵 ==>回忆高斯消元法的过程 >高斯消元法的过程，通过初等变换，

2020-08-29 20:38:45 1734

原创 7.5 为什么矩阵的逆这么重要？

为什么矩阵的逆这么重要？对于线性系统可以抽象为 ==> Ax = b那如果A是可逆的话，在等式两边同时乘以 A逆==> 即 ==>如果在A不变，b会变换的条件下，就可以大大加快计算速度。举例之前的经济系统==>在这个例子中，系数矩阵A是不变的，但是b会调整，调整一个b，看看对应的x的值是多少，在这种情况下，求出系数矩阵A的逆就可以大大加快。矩阵的逆相应的应用，除了在线性系统的计算上有意义之外，在揭示线性代数内部的很多数学原理也是很有意义的。矩阵的逆和很多重要

2020-08-29 17:06:45 1536

原创 7.4 初等矩阵和可逆性

初等矩阵和可逆性初等矩阵：对单位矩阵进行一次初等变换得到。初等矩阵一定是可逆的。==> 因为初等变换是可逆的，所以初等矩阵是可逆的。对于一般矩阵，如果可逆的话，怎样得到逆矩阵呢？根据之前的分析 ==> 如果矩阵A可逆的话，即存在一系列的初等矩阵E，满足 ==>==> 在等式左右两端乘以 A的逆==> 乘法结合律即矩阵A的逆等于对单位矩阵进行第一个初等变换，第二个初等变换 …这个过程等同于 ==>与使用线性系统的视角的求逆方法

2020-08-29 16:38:57 4691

原创 7.3 初等矩阵

初等矩阵之前在解一个线性系统所创建的增广矩阵问题时，采用的主要是针对某一元素去执行操作 ,在矩阵的内部进行元素矩阵的操作==>回忆：矩阵可以表示变换上述的基本操作能不能通过矩阵来表示呢？==> 即：找到一个矩阵E 满足 E * A = A’举例之前学习的单位矩阵 ==>其实这个单位矩阵也可以看作是一个变换矩阵，只不过所作的变换是没有变换而已。把单位矩阵中的元素做出改变 >找到一个变换矩阵：让矩阵的一行加（减）另一行即满足>对应的变

2020-08-29 16:17:45 6351

原创 7.1 求解矩阵的逆

求解矩阵的逆使用线性系统求解矩阵的逆什么是矩阵的逆 ==>矩阵中 AB=BA=Ｉ，则称B是A的逆矩阵，记作 B = A的负一次方只有方阵才有逆矩阵假设矩阵A有逆矩阵，如何求解？举例假设A有逆矩阵，所以 ==>所以 I 有两行，且为方针，所以A的逆矩阵为２ｘ２矩阵 ==>综上，根据已知条件联立方程组 ==>==> ==>综上，求矩阵的逆，本质上可以归类于求解线性方程组。左边是两个未知数两个方程组，右边也是，那其实也可以不用联立

2020-08-29 14:47:20 1929

原创 6.9 齐次线性方程组

齐次线性方程组什么是齐次线性方程组？==> 每一个方程等号右边的数都为 0举例三元齐次线性方程组 ==>执行高斯-约旦消元法 ==>对于齐次线性方程组来说是一定有解的。因为，对于齐次线性方程组来说，方程等式都为0，那至少有一个解 ⇒ 0==> 所以是有唯一解 0 ，还是无数解？根据之前的总结判断 ==> 系数矩阵非零行个数与未知数个数==> 2 < 3 ==> 无数解对于齐次线性方程组来说，最后一列肯定永远为零 ==>

2020-08-28 22:24:11 6350

空空如也

空空如也