- 博客(39)
- 收藏
- 关注
RSS订阅原创 【已解决】Feign报错 feign.FeignException$InternalServerError: [500] during [PUT] to....
可以看到mybatis报了null🙃，那肯定是有什么东西在mybatis这没找到，那我们不妨就从账户微服务处的。往上查查，要不就是方法没有定义，要不就是xml里面的namespace找不到，或者是参数找不到等等。问题所在就在这里，由于这两个参数xml里面找不到所以会返回null（太久没写忘记要加。或者是我就是不想加这个注解，那么可以修改配置编译参数 -parameters，在。上面的错误是在做为TM的订单处捕获的，下面的错误是在订单处调用的账户微服务。注意：当一个方法的参数大于一个的时候，必须用。
2024-04-23 21:08:24
335
原创 PyCharm中如何使用不同的虚拟环境
有些项目用老的运行环境，而有些项目用新的运行环境，那么我们在运行这些代码（比如跑对比实验的时候）如何进行切换呢，这时候就可以使用虚拟环境啦。
2024-03-16 16:49:24
652
原创 手把手教会你 - StreamAPI基本用法
目前响应式编程的学习中很多时候都用到了Lambda表达式和StreamAPI，那么今天就在这里记录一下一些最基本的使用方法。StreamAPI中引入了流的概念，其将集合看作一种流，流在管道中传输（动态的），可以在管道的不同节点上进行处理，如筛选、排序、聚合等。parallel()
2024-03-08 00:43:49
342
原创 Java8新特性 - Lambda表达式快速上手
在了解什么是Lambda表达式之前，我们先来学习一下什么是函数式接口接口中（有一个默认实现也算），这个接口就叫函数式接口为了防止我们不知道自己创建的接口或者提供的接口是否是函数式接口，官方还提供了一个注解通过这个注解可以判断当前接口是不是函数式接口（如果大于一个未被实现的方法则会报错）
2024-03-05 01:49:08
215
原创 idea中引入新JDK环境
下载好后解压缩到自己想要放置的目录里，然后就可以在idea中导入了，如下图中Project Structure - Project - Add SDK - JDK 就可以选择我们刚刚下载好的JDK17了，这时候就成功导入啦，看图上可选版本多了一个17。在不同的项目中往往会需要不同的运行环境，那么如何下载一个新的环境并运用到idea中呢？下面给出的就是oracle官网，以JDK17为例教大家如何下载。点击链接后往下滑就可以看到17的下载链接，我们选择最新的17.0.10版本进行下载，注意下载好对应的版本！
2024-03-04 21:53:09
544
原创 JDK17新特性+代码演示
随着时代的进步JDK的版本也在不断更新，目前像是SpringBoot等框架支持的了，早几年使用的JDK1.8现在也慢慢推出历史舞台，借此机会学习学习有哪些新特性，记录一下个人觉得可用性高的😁。
2024-03-04 00:20:47
767
原创 图像的全局信息和局部信息对训练的好处
综上所述，全局身份信息不仅为深度学习模型提供了一个宏观的视角来理解和处理图像，而且能够与局部信息相互补充，共同提升图像处理任务的性能和准确性。综上所述，图像的局部信息在深度学习中扮演着关键角色，不仅能够提供丰富的细节信息，还能与其他信息源相结合，共同提升模型的性能和准确性。
2024-03-01 22:35:19
256
原创 【算法学习笔记】换根DP -- java代码实现
给定一个、连通的树。树中有 n 个标记为 0…n-1 的节点以及 n-1 条边。给定整数n和数组edgesaibi]表示树中的节点ai和bi之间有一条边。返回长度为n的数组answer，其中 answer[i] 是树中第 i 个节点与所有其他节点之间的距离之和。
2024-03-01 02:11:27
578
原创 埃氏筛 -- 范围内找质数经典算法java实现
埃氏筛是一种用来寻找一定范围内所有素数的经典算法。由古希腊学者埃拉托斯特尼提出，其基本思想是先标定一个范围内的所有数，然后从最小的数2开始，将2的倍数剔除，剩下的就是2和奇数；接着用下一个未被剔除的数3，剔除它的倍数；再对下一个未被剔除的数5，剔除它的倍数……依此类推
2024-02-28 00:58:16
231
原创 生成对抗网络GAN学习笔记
生成式对抗网络是14年Ian J. Goodfellow提出的，GDD(G(z)=0.5更细致的来说 G（Generator）和D（Discriminator），在开始的时候这两个模型都是没有经过训练的，这两个模型一起对抗训练，生成模型产生一张图片去欺骗判别模型，然后判别模型去判断这张图片是真是假，最终在这两个模型训练的过程中，两个模型的能力越来越强，最终达到稳定状态，是不是就是零和博弈的思想！！G是一个生成图片的网络，它接收一个随机的，通过这个噪声生成图片，记做G(z)。
2024-02-23 21:07:10
570
原创 IoU的及其变体
IoU（Intersection over Union）是一个衡量两个边界框（bounding box）重叠度的指标，常用于目标检测和实例分割任务中。IoU并集区域交集区域以下图小狗做例子，假设我们要预测狗狗叼着的玉米的位置，则我们就可以通过最小化IoU损失来使得预测的Bounding Box更接近GT通过计算IoU loss而不是计算l2l2。
2023-12-11 21:53:06
1525
原创 模型训练中哪些指标是关键性能？
同时，如果模型具备较强的可解释性，可以使用户获得良好的交互体验，满足好奇心，增加对模型的信任感。影响深度学习稳定性的因素有很多，例如数据集的质量和数量、模型的复杂度、优化算法的选择、学习率的大小等等。鲁棒性是指模型对于输入数据的健壮性，即模型在遇到各种不同的数据输入时，仍然能够保持高效的表现。准确率是最直观的评估指标，但需要注意它的适用条件，即数据集必须是平衡的。一个好的模型应该能够泛化到未见过的数据上，而不仅仅是学习训练数据中的特定样本。的比例，是对于正类预测的特性的评估（根据结果来看）
2023-10-27 13:22:22
336
原创 预测序列的好坏 - 使用BLEU
BLEU提出最开始是在用于评估机器翻译的结果，但是现在也可以广泛运用在测量输出序列质量上，其具体公式如下，注意BLEUoutputexpmin01−lenpredlenlabeln1∏kpn1/2n前面的指数部分做为一个控制着较短的预测序列，其中lenlabel代表标签序列中的词元数，而lenpred代表预测序列中的词元数。
2023-10-13 19:32:03
89
原创 【深度学习笔记】GRU
不同于LSTM的三个门控单元，GRU中只有两个（将输入门和输出门合并为一个更新门），简化了计算。但是对于大数据集的情况下，LSTM比GRU性能更好，而总体而言差不多在GRU中重置门有助于捕获序列中的短期依赖关系更新门有助于捕获序列中的长期依赖关系。
2023-10-12 18:45:01
434
原创 【深度学习笔记】LSTM
LSTM对于处理更长的时序会更加好（对比RNN），并在一定程度上缓解了梯度消失，并且除了计算时间负责一点基本没有啥缺点。最后说下一个LSTM块中包含记忆细胞负责保存重要信息遗忘门决定要不要遗忘记忆细胞中的信息输入门决定要不要将当前输入信息写入记忆细胞候选记忆学习得到的当前时刻新记忆输出门决定要不要将记忆细胞的信息作为当前的隐变量输出当然对于更长的时序还是用transformer模型来做更好。
2023-10-11 14:17:54
227
原创 梯度裁剪 - 解决梯度爆炸的一种方式
在我们的模型中往往有多个权重矩阵相乘，如果不稍加控制这个权重会越乘越大，就拿RNN来说，对于长度为 N 的序列，我们在迭代中计算这 N 个时间步上的梯度， 在反向传播过程中产生这 N 个权重矩阵乘法链。当 N 较大时，其值往往就会不稳定。
2023-10-10 17:45:21
39
原创 【深度学习笔记】RNN
RNN 是循环神经网络，该网络可以更好地处理序列信息。循环神经网络通过引入状态变量存储过去的信息和当前的输入，从而可以确定当前的输出。那什么是时序序列呢？通俗来讲就是按照时间排序的一组随机变量，前一刻时间的样本可能会对后一时刻样本产生影响。
2023-10-09 21:43:06
33
原创 【深度学习笔记】数据增广
在图像处理（主要）中，往往图像数据并没有那么多，且模型对某一特征过于敏感（光亮，角度等）所以我们需要通过数据增广来提高数据量。随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。
2023-10-05 23:34:20
41
原创 【深度学习笔记】softmax 交叉熵损失
softmax回归也是一个单层神经网络，常用于分类模型的最后一层，输出的是独热编码。能够将未规范化的预测变换为非负数并且，同时让模型保持的性质。为了完成这一目标，我们首先对每个未规范化的预测求幂，这样可以确保输出非负。为了确保最终输出的概率值总和为1，我们再让每个求幂后的结果除以它们的总和。
2023-09-27 13:39:36
148
1
原创 【机器学习笔记】支持向量机 SVM 交叉验证 ROC
分为两步训练流程和测试流程训练流程输入{(xiyix_i,y_ixiyi)} 其中i∈1Ni∈1N解优化问题最大化
2023-09-21 22:51:00
597
原创 【机器学习笔记】决策树 随机森林 XGBoost
收集样本数据，确定所有的特征值根据计算不同特征值对应的信息增量来确定当前选择的是哪一个特征值（选择最大的信息增量，且选完就不能选了）根据所选的特征值进行分支，然后再分别对左右子树重复操作2直到满足停止条件用老师的区分猫狗例子来最终演示过程。
2023-09-18 22:44:53
154
1
原创 【机器学习笔记】无监督学习 聚类 K-means
前面讲到的回归就是一种典型的监督学习算法，需要我们标注数据集和期望结果集。但是日常生活中往往没有准确的期望值给我们，比如说我如何在上万文章中分类？同一文章所属的类别可否不同？这些问题使用回归就无法很好的给出解释并预测新结果，这时候就需引入无监督学习，即🧐而就是典型的一个无监督学习算法，通俗点来讲就是将数据集分成一类一类，怎么分？分成几类就是我们下面要讨论的问题如下图例子
2023-09-17 18:02:57
90
1
原创 【机器学习笔记】正则化
正则化用于解决过拟合问题是一个非常好的方法！！通过限制某个项对应的权重来削减其对模型的影响，同时又保留该项不至于删掉特征值导致模型不够完整。
2023-09-15 17:34:18
47
1
原创 scikit-learn包如何使用？
在学习完线性回归后，我们就会想到Python有没有带相关的包让我们开发者更快上手呢？scikit-learn就是一个功能强大的包，其中提供了回归，分类等等实现接口！！
2023-09-14 11:29:01
76
1
原创 [人工智能导论学习笔记] MCTS
总的来说，算法遍历时先从根节点出发，对子节点做UCB1算法，筛选出相应的子节点后就可以判断如果是叶子节点且没有被遍历过 -->rollout如果是叶子节点且已经被遍历过 -->expansion如果不是叶子节点（比如中间的那一层节点） -->应该继续通过UCB1算法筛选出下一个需要遍历的节点适用于大分支因子的搜索树，而且可以通过硬件提升大量rollout的并行化。
2023-09-04 12:08:00
111
1
原创 [人工智能导论学习笔记] Minimax
剪枝往往结果是好的，能减少不必要的递归提升效率，但是其本质任然是一个深度遍历递归，当通过评估函数得到的评估值很极端时就会导致剪不了几条枝叶，达不到提升性能的目的（像上面这个例子，基本上就剪了一条无关紧要的，其他还是得遍历🙃）Minimax - 当我们的对手表现最佳时使用，可以使用α-β修剪进行优化。万一遇上不太聪明的队手呢。。。Minimax提供了比expectimax更保守的操作，因此往往当对手未知时，会产生有利的结果。
2023-09-02 03:05:39
960
1
原创 关于使用vue时在data定义的变量undefined问题
明明在data中定义了数据，但是页面却不显示（连静态内容都没有加载出来）.经过排查发现，data中有一项新加入的变量没有赋初始值，导致一系列报错的产生
2023-07-07 22:21:15
828
1
原创 如何在项目中整合微信公众号开发 - 下篇
结合上篇的内容，我们基本实现了整合微信公众号的开发以用户提交申请为例，最好的情况下审批人应该能够看到公众号发过来的推送！！！所以下面我们来实现一下消息推送功能。
2023-06-23 00:33:48
194
原创 如何在项目中整合微信公众号开发 - 上篇
一个公众号肯定少不了相关的菜单栏，这里步里会讲述如何添加自定义菜单下图是微信官方指定的菜单格式，由于官方只认这一个格式，所以我们需要将从数据库获取到的数据转换成该格式@PreAuthorize("hasAuthority('bnt.menu.syncMenu')") //权限控制@ApiOperation(value = "同步菜单")
2023-06-22 19:36:24
2643
1
原创 解决security报错 - There is no PasswordEncoder mapped for the id “null“
解决 There is no PasswordEncoder mapped for the id "null" 问题的另类出错点
2023-06-01 23:04:32
611
原创 Vue button中调用$router
实现， 由于还要写多一个方法🙃所以就再想想有没有更简便的写法。在返回按钮中实现回到上个页面的功能，一开始用的是在。由于在router/index.js中定义的路由如下。这里定义的path可以相当于改写了原路径（点击事件中绑定方法，并在方法中通过。作为跳转路径，切记一定要看仔细。中定义想要跳转的路径即可。）省去了后面的 /list。
2023-05-05 00:16:14
152
1
原创 定义简单的页面复选框实现全选操作
解决完上述问题后，在调试中发现 在全选按钮选中的情况下，取消其他子选项并没有取消全选，所以此时我们应该在子按钮的。而对于点击保存按钮以后与后端交互的逻辑这里就不细述，其实也就是把当前的。事件中做相应的逻辑完善，即简单判断当前角色的idList是否于全选状态下的idList长度相等即可。方法来获取到数据库中所有的角色集合，然后通过遍历该集合获取到所有。传回去，后端通过比较新的idList和旧的idList，存放从后端获取到的当前员工对应的角色id数组。存放获取到的所有角色列表，用于页面渲染。
2023-05-03 22:13:01
597
原创 解决element-ui中集合使用 size 报错问题
解决element-ui中集合使用 size 报错问题，该问题在不同浏览器中呈现结果不同，此文章建议在使用该属性前先进行非空判断
2023-05-03 18:36:02
441
1
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