- 博客(63)
- 收藏
- 关注
RSS订阅原创 【Go】安装 - mac
1 下载安装包2 解压tar -zxvf go1.18.2.darwin-arm64.tar.gz3 配置环境我安装了 zsh，所以配置文件是 .zshrcexport GOROOT=$HOME/go_dev/goexport PATH=$PATH:$GOROOT/binexport GOPATH=$HOME/goproject别忘了 source。
2022-05-27 13:01:10
131
原创 【Seata】安装 - mac
1 下载官网：https://seata.io/zh-cn/index.html2 修改配置文件2.1 file.conf还有user、password。2.2 registry.conf1）registry2）config配置中心dataId：通过dataId配置从v1.4.2版本开始，已支持从一个Nacos dataId中获取所有配置信息,你只需要额外添加一个dataId配置项。首先你需要在nacos新建配置，此处dataId为seataServer.propert
2022-05-26 15:40:14
1949
1
原创 【Nacos】mac 安装
@Nacos 安装-mac1 下载Nacos官网：https://nacos.io/zh-cn/index.html2 startup默认是集群模式。可以改成单实例模式。也可以启动时用命令。sh startup.sh -m standalone2.1 nacos没有找到jdk路径默认安装的路径为：/Library/Java/JavaVirtualMachines/jdk_版本.jdk/Contents/Home修改配置：vim ~/.zshrcJAVA_HOME=/Lib
2022-05-25 16:41:34
296
原创 node基础
服务器程序const http = require('http');http.createServer(function(request, response) { response.writeHead(200, {'Content-Type':'text/plain'}); response.end('Hello, Ficus!');}).listen(8888);console.log('Sever running at http://127.0.0.1:8888/');...
2022-03-31 17:21:53
101
原创 NLP_00
NLP的应用场景Question Answering 问答系统Sentiment Analysis 情感分析股票价格预测舆情监控产品评论事件监测Machine Translation 机器翻译Text Summarization 自动摘要Chatbot 聊天机器人Information Extraction 信息抽取NLP的关键技术Semantic 语义机器学习Syntax 句子结构句法分析，依存分析Morphology 单词单词层面的技术：分词，POS词性，NER
2021-11-03 13:31:39
524
原创 2021-10-10
Speech recognition——陈果果——深蓝目前语言领域（包括语言识别、唤醒）的进展，以及实际落地中遇到的困难？唤醒：小度、亚马逊 >> 二级系统、一级系统；低功耗芯片语言识别：挑战：模型的裁剪（低功耗设备端端移植）、数据回流（迭代模型）、复杂场景下识别智能语音在嵌入式设备端落地时，相比于服务器端，有哪些是需要特别考虑的因素？数据回流：隐私问题（数据智能保留2星期）——服务器嵌入式：1、用户数据无法回流。（联邦学习是好方向）；2、降低功耗是首要问题（模型的裁剪
2021-10-10 14:06:45
104
原创 中文事件抽取研究综述
中文事件抽取研究综述中文事件抽取研究综述摘要2 事件抽取任务定义2.1 公开评测事件抽取评估2.2 框架表示事件抽取2.3 实例表示事件抽取3 中文事件抽取技术方法3.1 基于模式匹配的方法3.2 基于机器学习的方法（1）基于特征工程的方法（2）基于神经网络的方法（3）弱监督的方法3.3 中文事件抽取的方法参考文献中文事件抽取研究综述项威，王邦 ( 华中科技大学电子信息与通信学院，湖北武汉430074)摘要事件抽取是构建知识图谱的关键任务之一，也是当前自然语言处理的研究热点和难点问题。事件抽取研究
2021-05-10 16:45:01
3526
原创 mysql级联删除
mysql级联删除场景：员工表id：员工idleader_id：该员工的领导的id（也是员工id） ——外键dept_id：该员工的部门id（部门表外键） ——外键employee_name创建部门表-- 创建部门表 - 设置字符集的那种CREATE TABLE IF NOT EXISTS department ( id INT PRIMARY KEY, dept_name VARCHAR(20)) ENGINE=INNODB DEFAULT CHARSET=utf8;插入数
2021-04-07 11:06:21
11143
原创 mysql编码
mysql编码1. mysql插入中文出现乱码-- 创建部门表CREATE TABLE IF NOT EXISTS department ( id INT PRIMARY KEY, dept_name VARCHAR(20));-- 插入数据INSERT INTO department (id, dept_name) VALUES (1, '研发部');INSERT INTO department (id, dept_name) VALUES (2, '营销部');INSERT INT
2021-04-07 10:08:08
102
原创 摩根士丹利介绍
摩根士丹利（Morgan Stanley）摩根士丹利（Morgan Stanley，NYSE：MS），业界又称“大摩”，是一家成立于美国纽约的国际金融服务公司，提供包括证券、资产管理、企业合并重组和信用卡等金融服务。摩根士丹利目前在全球42个国家的1300多个城市设有代表处，雇员总数达6万多人，公司的客户包括公司，政府，机构和个人。摩根士丹利在2008年9月将公司的注册地位更改为“银行控股公司”。摩根士丹利（Morgan Stanley）是一家全球领先的国际性金融服务公司，业务范围涵盖投资银行、证券、
2021-03-31 21:12:03
2142
原创 Java基础
LinkedeList和ArrayList的区别1、数据结构不同ArrayList是Array(动态数组)的数据结构，LinkedList是Link(链表)的数据结构。2、效率不同当随机访问List（get和set操作）时，ArrayList比LinkedList的效率更高，因为LinkedList是线性的数据存储方式，所以需要移动指针从前往后依次查找。当对数据进行增加和删除的操作(add和remove操作)时，LinkedList比ArrayList的效率更高，因为ArrayList是数组
2021-03-31 20:10:39
87
原创 final关键字
final变量、final方法和final类1、final变量<不可以再改变该变量的值>final关键字可用于变量声明，一旦该变量被设定，就不可以再改变该变量的值。通常，由final定义的变量为常量。例如，在类中定义PI值2、final方法<定义为final的方法不能被重写>将方法定义为final类型可以防止任何子类修改该类的定义与实现方式；同时定义为final的方法执行效率要高于非final方法。一个定义为private的方法隐式被指定为final类型，这样无须将
2021-03-31 19:40:09
95
原创 UAV-11 Linux，Git与Python
UAV-11 Linux，Git与Pythonubuntu18.04修改镜像源：清华、阿里[注]修改 sources.list 之后需要执行命令 sudo apt-get update安装vim知道.bashrc的用处 （source 命令）：打开终端时候执行terminator 可以分屏：升级版的终端Tmux：将会话和窗口分离：窗口关闭时，程序不断杀死进程：ctrl_zkill -9 %[进程名] ==>> 不加进程名，杀死全
2020-10-28 16:48:35
174
原创 word2vec的深入理解
深入理解word2vechttps://www.cnblogs.com/peghoty/p/3857839.html看就对了！！！
2020-10-23 15:21:21
104
原创 解决VS Code使用code runner开发Python乱码问题
引用声明：https://www.cnblogs.com/zhaoshizi/p/9050768.html微软开发的VS Code是一个跨平台的文本编辑器，通过各种插件，可以把自己武装成无所不能的IDE刚刚安装完VS Code时，迫不急待地安装了C/C++、Python以及Code Runner插件，本想体验一下进行Python开发，结果刚上手就遭遇了Code Runner和Python显示中文出现乱码的问题，研究了两天，解决方法整理如下。 随手写了一句测试代码：使用VS Cod
2020-10-22 14:51:05
323
原创 基于知识图谱的推荐系统
基于知识图谱的推荐系统推荐系统： 核心目标是通过分析用户行为、兴趣、需求等信息, 在海量的数据中挖掘用户感兴趣的信息, 如商品、新闻、POI (point of interest) 和试题 等。个性化推荐算法是推荐系统的核心, 其主要可以被分为3 类, 即基于内容的推荐算法基于协同过滤的推荐算法混合推荐算法主要问题：用户和物品之间的行为关系数据的稀疏问题对新用户或者新物品进行推荐时存在的冷启动问题将协同过滤推荐算法和其他辅助信息相结合(例如, 用户与物品的属性特征、用户社交网络
2020-10-19 20:06:40
8514
原创 9-1 从零开始训练网络
9-1 从零开始训练网络目录1 搭建网络基本架构要完成的功能2 构建训练网络1 实现网络训练功能2 获取训练数据及预处理3 启动训练网络并测试数据目录搭建网络基本架构构建训练网络启动训练网络并测试数据1 搭建网络基本架构要完成的功能我们的代码要导出三个接口，分别完成以下功能：初始化 initialization，设置输入层，中间层，和输出层的节点数。训练 train 根据训练数据不断的更新权重值查询 query，把新的数据输入给神经网络，网络计算后输出答案。（推理）完成以上代
2020-10-14 16:46:26
634
3
原创 JavaWeb-05 session + application
1 Cookie基本概念Cookie(客户端，不是内置对象[所以要new]): Cookie是由 服务端生成的，再发送给客户端保存相对于 本地缓存的作用：客户端->服务端就比如你看一个hello.mp4，第一次看的时候由服务端生成，并发送给客户端，第二次再看的时候本地已经有保留作用：提高访问服务端的效率，但是缺点安全性较差（比如存了用户名、密码）2 提供常用的方法:Cookie: name=valuepublic Cookie(String name,String value)
2020-10-12 09:01:17
180
原创 JavaWeb-04 JSP内置对象--response对象 (addCookie(),setHeader(),sendRedirect())
response服务器接收客户端请求：request服务器对客户端的回应：responsejavax.servlet.http的接口HttpServletResponse extends ServletResponse重要方法：void addCookie(Cookie cookie)：向客户端增加cookievoid setHeader(java.lang.String name,java.lang.String value)：设置回应的头信息void sendRedirect(java.
2020-10-12 08:51:59
584
原创 JavaWeb-03 统一字符集编码、JSP的页面元素、JSP九大内置对象-request
1. 使用Eclipse开发Web项目(JSP项目)tomacat2. 在Eclipse中创建的Web项目：浏览器可以直接访问WebContent中的文件例如 http://127.0.0.1:8888/MyJspProject/index1.jsp其中的index1.jsp就在WebContent目录中；但是WEB-INF中的文件 无法通过客户端（浏览器）直接访问，只能通过请求转发来访问注意：并不是任何的内部跳转都能访问WEB-IN原因是 跳转有2种方式：请求转发、重定向3.
2020-10-12 08:47:05
298
1
原创 JavaWeb-02 Tomcat
2.1 Tomcat解压后的目录：Bin：可执行文件（startup.bat shutdown.bat）Conf：配置文件（server.xml）Lib: Tomcat依赖的jar文件Log：日志文件（记录出错等信息）Temp：临时文件Webapps：可执行项目（将我们开发的项目放入该目录）Work：存放警示牌翻译成的java，以及编辑成class的文件（JSP——>java——>class）2.2 配置：Tomcat1. 配置jdk（必须配置JAVA_HOME）java_
2020-10-12 08:37:17
135
原创 JavaWeb-01 JSP入门
1. 基础知识动态静态区分jsp:动态网页网页的动态或者静态不用和是否有“动感”混为一谈要看是否随着时间、地点、用户操作、的改变而改变这样css html js的网页 是静态的，不会随着时间的改变而改变像天气这样 随着时间不同，你同样输入天气两个字，都会返回不同的结果。就是动态的。动态网页 需要使用到服务脚本语言（jsp）架构CS：Ｃlient Server(分为服务器端和用户端 例：微信 QQ等)不足：如果软件升级则，全部软件都要升级。维护起来比较麻
2020-10-12 08:25:51
138
原创 JavaWeb-00 Web相关概念
1. 软件架构C/S：客户端/服务器端B/S：浏览器/服务器端2. 资源分类静态资源：所有用户访问后，得到的结果都是一样的，称为静态资源.静态资源可以直接被浏览器解析如： html, css, JavaScript动态资源: 每个用户访问相同资源后，得到的结果可能不一样。称为动态资源。动态资源被访问后，需要先转换为静态资源，在返回给浏览器如：servlet/jsp,php,asp…网络通信三要素IP：电子设备(计算机)在网络中的唯一标识。端口：应用程序在计算机
2020-10-12 08:22:38
136
原创 Non-Sampling Learning for Personalized Recommendation——笔记
Non-Sampling Learning for Personalized Recommendation[参考]个性化推荐系统中的非采样学习-陈冲B站视频 https://www.bilibili.com/video/BV1Z64y1u7GK现有的将深度学习应用大推荐系统任务的工作主要集中在探索和引入不同的神经网络架构，在模型学习算法方面的研究相对较少。为了优化模型，现有的工作往往使用负采样策略（Negative Sampling）进行训练。虽然负采样方便并且易于实现，但是许多最近的研
2020-09-19 14:31:59
1168
原创 Hadoop-关闭防火墙
Hadoop-关闭防火墙在防火墙中开放端口80和端口22的方法$ /sbin/iptables -I INPUT -p tcp --dport 80 -j ACCEPT$ /sbin/iptables -I INPUT -p tcp --dport 22 -j ACCEPT$ /etc/rc.d/init.d/iptables save重启计算机后，防火墙默认已经开放了80和22两个端口。临时性的完全关闭防火墙，可以不重启机器$ /etc/init.d/iptables status #
2020-09-18 14:33:47
2608
原创 8-2 推理和训练
8-2 推理和训练目录1 推理和训练1.1 监督学习与非监督学习1.2 深度学习的推理和训练1.3 优化和泛化1.4 数据集的分类1.5 交叉验证2 神经网络的训练2.1 相关概念2.2 BP神经网络学习过程2.3 神经网络的训练过程学术狗的说法程序猿的说法2.3.1 参数的随机初始化权重初始化2.3.2 标准化（Normalization）归一化处理z-score标准化2.3.3 损失函数损失函数的选取2.3.4 梯度下降法学习率2.3.5 泛化能力分类（1）过拟合（2）过拟合的解决方法Early Sto
2020-09-18 07:54:32
2847
原创 8-1 深度学习与神经网络
8-1 深度学习与神经网络目录1 神经网络1.1 引人是怎么思考的？--生物神经网络感知器生物神经网络的基本工作原理人工神经网络分为两个阶段机器要怎么思考的？--人工神经网络1.2 神经网络1.2.1 神经元1.2.2 神经元的缺点1.2.3 神经网络（多个神经元互联）单层神经网络（感知器）多层神经网络2 激活函数2.1 sigmoid激活函数2.2 tanh 激活函数2.3 线性整流层RELU 激活函数神经元稀疏2.4 总结3 深度学习3.1 什么是深度学习（Deep Learning）？深度学习，就是多
2020-09-13 19:26:14
374
原创 Hadoop-官方小例子
Hadoop 官方小例子Hadoop 官方小例子Grep 案例1 创建input文件夹2 拷贝etc/hadoop文件夹下 后缀为xml的文件到input文件夹下3 执行4 输出WordCount 案例1 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹2 在wcinput文件下创建一个wc.input文件3 编辑wc.input文件4 回到Hadoop目录/opt/module/hadoop-2.7.25 执行程序6 查看结果Hadoop 官方小例子Grep 案例1 创建input
2020-09-13 13:38:26
531
原创 7-2 OpenCV算法解析
7-2 OpenCV算法解析目录1 OpenCVOpenCV大坑之BGROpenCV 性能OpenCV常见算法2 最小二乘法2.1 线性回归什么是线性回归？2.2 线性回归--最小二乘法（Least Square Method）2.2.1 最小二乘法2.2.2 三种范数：2.2.3 最小二乘法的定义、k & b3 RANSAC3.1 什么是 RANSAC3.2 RANSAC与最小二乘法3.3 RANSAC的步骤输入步骤问题3.4 RANSAC的参数确定3.5 RANSAC的应用全景拼接3.6 RAN
2020-09-11 20:13:25
927
原创 7-1 图像滤波器
7-1 图像滤波器目录1 图像噪声1.1 概念1.2 信噪比1.3 高斯噪声1.3.1 什么是高斯噪声1.3.2 产生原因1.3.3 给图像加高斯噪声1.4 椒盐噪声1.4.1 什么是椒盐噪声1.4.2 产生原因1.4.3 给图像加椒盐噪声1.5 其他噪声2 图像滤波2.1 什么是图像滤波2.2 滤波目的2.3 滤波要求3 各种滤波器3.1 均值滤波3.1.1 功能3.1.2 方法3.1.3 优缺点3.2 中值滤波3.2.1 方法3.2.2 优缺点3.3 最大最小值滤波3.3.1 方法3.4 双边滤波3.5
2020-09-11 19:11:47
1435
原创 6 三维计算机视觉
6 三维计算机视觉目录1 立体视觉单目系统2 双目系统&视差2.1 双目系统2.2 对极几何约束2.3 总结3 SIFT3.1 SIFT 概念3.2 Sfit 算法实质3.3 SIFT特征提取和匹配具体步骤3.4 Python中的SIFT函数目录立体视觉双目系统&视差SIFT1 立体视觉立体视觉是一种计算机视觉技术，其目的是从两幅或两幅以上的图像中推理出图像中每个像素点的深度信息。单目系统O点为相机的光心，π是摄像头的成像平面。2 双目系统&视差2.1 双
2020-09-11 14:35:11
608
原创 08 状态估计
08 状态估计目录0 磁罗盘的标定1 状态估计简介1.1 状态估计2 卡尔曼滤波（KF）2.1 卡尔曼滤波简介2.2 隐马尔科夫模型2.2.1 系统模型2.2.2 线性系统模型2.2.3 卡尔曼滤波器2.2.4 新息卡方检验法3 扩展卡尔曼滤波（EKF）3.1 扩展卡尔曼滤波器3.2 线性化3.3 两轮车模型仿真4 互补滤波4.1 线性互补滤波4.1.1 基本思想4.1.2 以俯仰角为例5 多采样频率与多延时下姿态估计策略5.1 实际工程与理论的差别5.2 姿态传感器采样和延迟效应的建模5.3 问题描述5.
2020-09-09 14:45:30
4025
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