- 博客(82)
- 收藏
- 关注
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">
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><
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><!-- 准备好一个“容器” --><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
TA创建的收藏夹 TA关注的收藏夹
TA关注的人