自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(90)
  • 收藏
  • 关注

原创 Python网络爬虫-WebSocket数据抓取

WebSocket是一种在单个TCP连接上进行全双工通信的网络协议。与HTTP不同,WebSocket提供了持久连接,允许服务器和客户端在同一时间内互相发送数据。这种特性使得WebSocket非常适合实时通信,如聊天应用、在线游戏等。握手过程客户端发送一个HTTP请求到服务器,请求的头部包含特定的WebSocket协议信息。服务器接收到请求后,如果支持WebSocket协议,会返回一个HTTP 101状态码,表示协议切换成功。握手成功后,TCP连接就被升级为WebSocket连接。数据帧。

2024-04-24 12:19:00 1740 41

原创 Python网络爬虫-re正则匹配数据

re是一种强大的文本处理工具,它使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些符合某个模式的文本。正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为“元字符”)组成的文字模式。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。例如,在Python中,可以使用re模块来使用正则表达式。正则表达式的主要应用包括:数据验证、搜索和替换操作等。

2024-04-24 11:21:50 1366 6

原创 Python网络爬虫-详解XPath匹配网页数据

XPath,全称XML Path Language,即XML路径语言,它是一门在XML文档中查找信息的语言。XPath使用路径表达式来选取XML文档中的节点或节点集。这些节点是通过沿着路径(path)或者步(steps)来选取的。XPath不仅可以用于搜寻XML文档,同样适用于HTML文档的搜索。XPath广泛应用于XML解析、XSLT转换、XPath查询等领域,是XML技术中的重要组成部分。它可以用于解析XML文档,并根据节点的层次结构和属性值来定位和选择节点。

2024-04-23 23:55:37 1450 10

原创 网络爬虫快速入门及爬取百度搜索结果(附源码)

Postman 是一个流行的 API 测试工具,它提供了一个直观、用户友好的界面,用于创建、测试和管理 HTTP 请求和 API。无论是测试 RESTful API、SOAP 服务还是 HTTP 请求,Postman 都为开发人员、测试人员和 API 设计者提供了一个强大的平台。

2024-04-23 18:06:15 1847 14

原创 Android Studio超级详细讲解下载、安装配置教程(建议收藏)

Android 是一个由 Google 开发的移动操作系统,它主要用于智能手机和平板电脑。Android 是目前全球使用最广泛的移动操作系统,因其开放性、灵活性和可定制性而受到用户和开发者的喜爱。

2024-04-22 01:03:05 6949 42

原创 详解爬虫基本知识及入门案列(爬取豆瓣电影《热辣滚烫》的短评 详细讲解代码实现)

爬虫,也称为网页蜘蛛或网络机器人,是一种按照既定规则,在网络上自动爬取信息的程序或脚本。它模拟人操作客户端(如浏览器或APP)向服务器发起网络请求,以抓取所需的数据。爬虫的工作原理主要包括网页请求、数据解析和数据存储等步骤。首先,爬虫需要确定要爬取的目标网址,并向目标网站发送HTTP请求获取网页的内容。在发送请求之前,爬虫可以选择合适的请求方法(如GET或POST),并可以设置请求头部信息以模拟浏览器的请求,避免被网站的反爬虫机制拦截。其次,爬虫需要对获取到的网页内容进行解析。

2024-04-19 10:28:15 1629 15

原创 零基础小白,如何入门计算机视觉?

计算机视觉是一门研究如何使机器“看”的科学,具体来说是利用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。它旨在建立能够从图像或者多维数据中获取“信息”的人工智能系统,这些信息可以用来帮助做出决策。计算机视觉是人工智能领域的一个重要部分,它涉及图像处理技术、信号处理技术、概率统计分析、计算几何、神经网络、机器学习理论和计算机信息处理技术等多个方面。

2024-04-17 22:01:19 1712 32

原创 一篇文章详细介绍Stable Diffusion模型原理及实现过程(附常用模型网站、下载方式)

Stable Diffusion是最近很🔥的一种图像生成方法。基于潜在扩散的机器学习模型,其主要用于根据文本的描述生成详细的图像。该模型由慕尼黑大学的CompVis研究团体开发,是各种生成性人工神经网络之一,由初创公司StabilityAI、CompVis与Runway合作开发,并得到EleutherAI和LAION的支持。Stable Diffusion模型主要由变分自编码器(VAE)、U-Net和一个文本编码器三个部分组成。在前向扩散过程中,高斯噪声被迭代地应用于压缩的潜在表征。

2024-04-17 20:22:18 3839 6

原创 一篇文章详解深度学习正则化方法(L1、L2、Dropout正则化相关概念、定义、数学公式、Python代码实现)

正则化是指在机器学习和统计建模中的一种技术,用于控制模型的复杂度,防止模型在训练数据上过度拟合(overfitting)。当模型过度拟合时,它会学习到训练数据中的噪声和细微变化,导致在新数据上的性能下降。正则化通过在模型的损失函数中引入额外的惩罚项,来对模型的参数进行约束,从而降低模型的复杂度。这个额外的惩罚通常与模型参数的大小或者数量相关,旨在鼓励模型学习简单的规律,而不是过度拟合训练数据。在深度学习中,正则化通常涉及到对网络的权重进行约束,以防止它们变得过大或过复杂。

2024-04-16 15:29:39 6853 33

原创 深入理解神经网络学习率(定义、影响因素、常见调参方法、关键代码实现)

深度学习中的学习率(Learning Rate)是一个至关重要的超参数,它决定了模型在训练过程中更新权重参数的速度与方向。在使用梯度下降法(Gradient Descent)或其变种(如随机梯度下降,Stochastic Gradient Descent, SGD)优化模型时,学习率扮演着核心角色。具体来说,在每次迭代过程中,模型计算损失函数关于各个参数的梯度,这个梯度指示了参数应当朝着哪个方向调整以最小化损失。学习率就是这个调整过程中的“步伐”大小,即参数更新的量。

2024-04-16 13:23:39 5362 22

原创 常见深度学习之十二大激活函数【函数定义、性质、数学公式、代码实现】

深度学习中的激活函数是人工神经网络中非常重要的组成部分,它们负责将神经元的输入映射到输出端。激活函数在人工神经网络模型学习、理解复杂和非线性函数时起着关键作用,它们将非线性特性引入网络中。下面,我将详细讲解激活函数的定义、作用、常见的激活函数及其优缺点。激活函数(Activation Function)是在人工神经网络的神经元上运行的函数,它的主要作用是对神经元的输出进行缩放或转换,使其具备非线性特性。这种非线性特性对于神经网络来说至关重要,因为它能够帮助网络学习和表示复杂的数据模式。此外,

2024-04-10 11:32:19 1955 23

原创 深度学习之常见损失函数(详细讲解定义、数学公式、实现代码)

损失函数在机器学习和深度学习的领域中占据着核心地位,它是连接模型预测与实际结果之间的桥梁,为模型的优化提供了明确的方向。损失函数是一个量化模型预测错误的数学工具。在模型训练的过程中,损失函数用于计算模型预测的输出与实际标签之间的差异。这个差异值,即损失值,能够直观地反映出模型在当前参数下的性能。通过最小化这个损失值,我们可以驱使模型不断学习和改进,直至达到满意的预测精度。损失函数的选择取决于具体的任务和数据类型。对于回归问题,常用的损失函数有均方误差(MSE)和平均绝对误差(MAE)。

2024-04-10 09:30:00 5546 7

原创 深度学习之详解常见梯度算法(概念、公式、原理、算法实现过程)

梯度下降(Gradient Descent)是一种优化算法,用于寻找最小化损失函数(或成本函数)的参数值。在机器学习和深度学习的背景下,损失函数衡量了模型预测值与真实值之间的差异,而梯度下降则是用于更新模型的参数(例如权重和偏置),以最小化这个差异。梯度下降的工作原理是,通过计算损失函数关于模型参数的梯度,然后沿着梯度的反方向(即最陡峭的下降方向)更新参数。这样,每次迭代都会使损失函数值减小(至少在局部上是这样的),从而逐渐接近损失函数的最小值。初始化参数:随机初始化模型的参数(例如权重和偏置)。

2024-04-03 19:22:56 5281 32

原创 详解人工智能(概念、发展、机遇与挑战)

人工智能的研究和应用涵盖了多个方面,如机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习等。其目标是让计算机和机器能够执行各种高级功能,如查看、理解和翻译口语和书面语言,分析数据,提出建议,甚至进行推理、学习和行动等通常需要人类智力或超出人类分析能力的数据规模的任务。作为牵引互联网、大数据、云计算、区块链等技术加速创新的集成性技术,人工智能正融入经济社会发展的各领域全过程,推动数字经济迅速发展、广泛辐射、全面渗透,成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。

2024-04-03 00:00:35 1074 17

原创 详解深度学习Deep Learning

深度学习算法的历史可以追溯到上世纪40年代,当时Warren McCulloch和Walter Pitts提出了第一个人工神经元模型,奠定了神经网络研究的基础。随后,Rosenblatt于1958年提出了感知机模型,引领了神经网络研究的新浪潮。然而,传统神经网络的局限性使其无法解决复杂的、非线性的问题,导致研究进展受限。为了克服这些限制,上世纪80年代,多层感知机(MLP)被提出。MLP引入了隐藏层,并使用反向传播算法进行参数更新,使得神经网络能够解决非线性问题。

2024-04-02 23:59:31 639 2

原创 Machine Learning机器学习之文本分析的知识图谱(详细讲解)

知识图谱,也被称为科学知识图谱,在图书情报界常被提及为知识域可视化或知识领域映射地图。这是一系列以图形形式展示知识发展进程与结构关系的工具,通过可视化技术,它能够描述知识资源及其载体,进而挖掘、分析、构建、绘制和显示知识及其间的相互关联。历史首先,我们需要定义电商领域中的关键实体和它们之间的关系。实体:商品、用户、品牌、类别、商家、评价、订单等。关系商品与品牌之间的“属于”关系。商品与类别之间的“分类”关系。商品与商家之间的“销售”关系。用户与商品之间的“购买”关系。

2024-04-01 18:15:45 1644 4

原创 Machine Learning机器学习之文本分析的词法分析、句法分析、语义分析(详细讲解)

在机器学习中,文本分析的词法分析通常涉及使用统计和机器学习技术来从文本中提取词汇信息,并将文本切分成有意义的词语。这个过程通常被称为分词(tokenization)。基于统计的分词方法基于频率统计的方法:根据词在文本中的频率信息,将文本分割成词语。常见的方法包括基于词频的分割、基于字符频率的分割等。基于信息熵的方法:利用信息熵原理,将文本划分成最小熵的词组合。常见的方法包括最大熵模型、信息熵分割等。基于机器学习的分词方法。

2024-04-01 18:15:14 1697 6

原创 Machine Learning机器学习之文本分析

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径。在机器学习的应用中,文本分析是一个重要的方向。文本分析是指对文本的表示及其特征项的选取,它是文本挖掘、信息检索的一个基本问题。文本是由一定的符号或符码组成的信息结构体,这种结构体可采用不同的表现形态,如语言的、文字的、影像的等等。

2024-03-31 23:44:15 2151 55

原创 深度学习算法概念介绍

深度学习算法是一类基于人工神经网络的机器学习方法,其核心思想是通过多层次的非线性变换,从数据中学习表示层次特征,从而实现对复杂模式的建模和学习。深度学习算法在图像识别、语音识别、自然语言处理等领域取得了巨大的成功,成为人工智能领域的重要技术之一。深度学习算法的历史可以追溯到上世纪50年代,最早的神经网络模型是由Rosenblatt提出的感知机。然而,由于计算能力和数据量的限制,神经网络在接下来的几十年中并没有取得显著的进展。

2024-03-31 00:01:55 881 7

原创 大语言模型定义、概念介绍

在本次讨论中,我们介绍了大型语言模型(LLM)的概念、背景和应用。LLM是一种基于深度学习技术构建的人工智能模型,旨在理解和生成人类语言。这些模型通常拥有数十亿甚至数千亿的参数,通过在大规模文本数据上进行训练,能够学习并捕捉语言数据中的复杂模式和结构。LLM在各种自然语言处理任务中展现了强大的性能,包括文本生成、文本分类、机器翻译、情感分析等。它们通过预训练和微调的方式,逐步提高模型的性能和泛化能力,成为解决各种语言相关问题的重要工具。

2024-03-30 23:54:22 926 2

原创 Machine Learning机器学习之数据可视化

大数据可视化是指利用各种可视化技术和工具来探索、分析和展示大规模数据集的过程。随着数据规模的不断增大和多样性的增加,传统的数据处理和分析方法已经无法满足对数据进行全面理解和深入挖掘的需求,因此大数据可视化成为了处理大规模数据的重要手段之一。大数据可视化的主要目标是通过图形化展示数据,帮助人们从数据中发现模式、趋势、异常和关联性,从而做出更加明智的决策。它可以帮助用户更直观地理解数据的含义、结构和特征,提供更深入的洞察和见解,以支持各种领域的决策和行动。

2024-03-29 20:37:54 1296 27

原创 Machine Learning机器学习之高维数据降维(主成分分析PCA、线性判别分析、自编码器超级无敌详细讲解)

高维数据降维是指将具有大量特征的数据转换为具有更少特征的数据的过程。在现实世界中,许多数据集具有大量的特征,这可能会增加建模的复杂性,并导致维度灾难(Curse of Dimensionality)问题的出现。高维数据降维的目的是减少特征的数量,同时保留数据中最重要的信息,以便更好地理解数据、可视化数据、加快计算速度和提高模型性能。主成分分析PCA,局部线性嵌入LLE算法应用与实现、自编码器算法

2024-03-29 19:55:40 1102 5

原创 Machine Learning机器学习之统计分析

机器学习是一种人工智能(AI)的分支领域,其目标是通过从数据中学习规律和模式,让计算机系统能够从经验中改善和自我完善。简单来说,机器学习是一种让计算机从数据中学习如何完成任务的方法,而无需明确地编程规则。通常情况下,机器学习算法会分析大量的数据,识别数据中的模式和趋势,并利用这些模式和趋势进行预测或决策。机器学习的关键在于自动化地从数据中发现规律和模式,并利用这些知识来解决新的问题或做出预测。监督学习(Supervised Learning)

2024-03-28 23:59:26 1019 18

原创 Machine Learning机器学习之贝叶斯网络(BayesianNetwork)

贝叶斯网络(Bayesian Network),也称为信念网络(Belief Network)或概率有向无环图(Probabilistic Directed Acyclic Graph,PDAG),是一种用图形表示概率模型的方法,它基于概率推断的贝叶斯定理。贝叶斯网络的背景可以追溯到 1980 年代初期,它是由一些著名的人工智能研究者如Judea Pearl、Peter Spirtes、Clark Glymour等提出和发展起来的。

2024-03-28 23:14:39 1891 3

原创 Machine Learning机器学习之K近邻算法(K-Nearest Neighbors,KNN)

K近邻算法最早由美国的科学家Thomas Cover 和 Peter Hart 在 1967 年提出,并且在之后的几十年中得到了广泛的研究和应用。KNN 算法是一种基于实例的学习方法,它不像其他算法一样需要对数据进行假设或者参数拟合,而是直接利用已知的数据样本进行预测。KNN 算法是一种简单有效的分类和回归算法,算法的核心思想是“近朱者赤,近墨者黑”,即认为与新样本距离较近的训练样本更可能具有相同的类别或者输出。它的基本假设是“相似的样本在特征空间中具有相似的类别”。

2024-03-27 23:59:36 754 9

原创 Machine Learning机器学习之向量机(Support Vector Machine,SVM)

支持向量机(Support Vector Machine,SVM)是由等人于1990年提出的一种监督学习算法。它的核心思想是通过在特征空间中找到一个最优的超平面来进行分类,使得两个类别的样本之间的间隔最大化。SVM 在分类、回归分析、异常检测等领域都有着广泛的应用。SVM 在高维空间中可以非常高效地进行分类,适用于数据维度较高的情况,如文本分类、图像分类等。SVM 的目标是最大化分类边界的间隔,因此具有较好的泛化能力,对于未见过的数据集也有较好的表现。

2024-03-27 23:42:09 1234 2

原创 Machine Learning机器学习之随机森林(Random Forests)

随机森林(Random Forest)是由Leo Breiman和Adele Cutler于2001年提出的一种集成学习方法,首次在其论文《Random Forests》中发表,用于解决分类和回归问题。它是一种决策树的集成方法,通过构建多棵决策树并进行集成,来提高预测性能和稳定性。随机森林的核心思想是通过构建多棵决策树,并将它们集成在一起,来提高整体模型的性能和鲁棒性。

2024-03-26 16:52:30 1963 7

原创 Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)

决策树是一种经典的机器学习算法,用于解决分类和回归问题。它的基本思想是通过对数据集中的特征进行递归划分,构建一系列的决策规则,从而生成一个树状结构。在决策树中,每个内部节点表示对输入特征的一个测试,每个分支代表一个测试结果,而每个叶子节点表示一个类别或输出值。决策树的发展历史可以追溯到20世纪50年代和60年代。最早的决策树算法是ID3(Iterative Dichotomiser 3),由Ross Quinlan于1986年提出。之后,

2024-03-26 15:47:14 1355

原创 基于SpringBoot+Vue实现前后端交互功能(详解Vue框架机制)

Vue框架知多少?Vue.js(通常简称为Vue)是一种流行的JavaScript前端框架,用于构建交互式的用户界面和单页面应用(SPA)。Vue由尤雨溪(Evan You)于2014年创建,并于同年正式发布。它的设计目标是通过尽可能简单的API提供高效的响应式数据绑定和组件化的视图组织方式。

2024-03-26 00:00:00 9376 1

原创 机器学习之线性回归与逻辑回归【完整房价预测和鸢尾花分类代码解释】

机器学习的起源可以追溯到人工智能的发展历程。虽然人工智能的概念早在20世纪50年代就已经出现,但直到之后几十年里,随着计算机技术的不断发展和数据的日益增多,机器学习才逐渐成为人工智能领域的主流技术之一。以下是机器学习发展的几个重要时期和里程碑逻辑理论和符号学习: 20世纪50年代末到60年代初,人工智能研究主要集中在基于逻辑理论和符号推理的方法上。这一时期出现了逻辑推理、专家系统等符号学习方法,但受限于计算机技术和数据量的限制,这些方法的应用受到了很大的局限性。连接主义和神经网络。

2024-03-25 09:15:00 1382 2

原创 详解机器学习概念、算法

它的核心思想是通过训练模型来识别数据中的模式和规律,然后利用这些模型进行预测和决策。3. 训练:训练模型是指使用已知数据来调整模型的参数,使其能够更好地适应数据中的模式和规律。5. 预测和决策:训练好的模型可以用于进行预测和决策,根据输入数据生成输出结果。总的来说,机器学习通过让计算机系统从数据中学习,使其能够自动发现数据中的模式和规律,并利用这些知识进行预测和决策,从而实现各种人工智能应用。这些算法在各种机器学习任务中都有广泛的应用,选择适当的算法取决于问题的性质、数据的特点以及所需的性能指标。

2024-03-24 23:59:51 459 2

原创 基于SpringBoot后端实现连接MySQL数据库并存贮数据

MySQL是一种流行的关系型数据库管理系统(RDBMS),它是开源的,由瑞典公司MySQL AB开发。现在MySQL是Oracle公司的一部分,但MySQL仍然作为开源项目继续开发和维护。1. 关系型数据库管理系统(RDBMS):MySQL是一种关系型数据库,数据以表格的形式存储,这些表格可以通过关系进行连接。MySQL是开源的,意味着你可以免费使用它,而且有一个庞大的开源社区支持。3. 跨平台性:MySQL支持多种操作系统,包括Linux、Windows、macOS等,可以在各种环境中部署和运行。

2024-03-24 19:43:18 3774 4

原创 基于SpringBoot+HTML实现登录注册功能模块

登陆注册功能是Web应用程序中常见的基础功能,其主要作用包括:1. 用户身份验证:通过登录功能,验证用户输入的用户名和密码是否与系统中存储的信息匹配,从而确认用户的身份。2. 访问控制:通过用户的身份信息,可以对不同用户提供不同的访问权限,限制用户可以访问的资源或功能。3. 个性化服务:登录功能可以帮助系统记录用户的偏好和历史行为,从而提供个性化的服务和推荐。4. 数据安全性:注册功能可以确保用户信息的安全存储,密码通常会进行加密处理,从而提高数据安全性。

2024-03-23 21:50:33 2630 1

原创 基于Nvidia的ChatGPT实现智能回答(附完整代码)

创建一个图# 定义距离和权重# 使用动态规划实现最短路径# 打印最短路径**输出:关键代码进行解释:**解释:*** `networkx`库用于创建和操作图。* `distance`和`weight`字典存储距离和权重。* `nx.distance.dijkstra()`函数使用动态规划实现最短路径。* `distance_dp`字典存储最短路径。**注意:*** 此代码假设图是连通的。* Distance和weight值可以根据实际情况调整。

2024-03-23 20:58:13 719

原创 基于SpringBoot实现文件上传和下载(详细讲解And附完整代码)

在Spring Boot中实现文件上传和下载通常涉及到使用Spring MVC的MultipartFile类来处理文件上传,同时配置一个Controller来处理上传和下载请求。在Spring Boot中实现文件上传和下载通常遵循以下步骤:配置文件上传位置和大小限制: 首先,需要在Spring Boot应用的配置文件(如application.properties)中配置文件上传的位置和大小限制。这通常涉及设置spring.servlet.multipart相关属性。

2024-03-22 21:57:43 10418

原创 Mall4j开源商城系统-基于SpringBoot+Vue系统开发介绍

Mall4j开源商城,一个基于spring boot、spring oauth2.0、mybatis、redis的轻量级、前后端分离、防范xss攻击、拥有分布式锁,为生产环境多实例完全准备,数据库为b2b2c设计,拥有完整sku和下单流程的开源商城。目录今天来介绍一款非常不错的Mall4j开源商城系统​编辑一、序言二、项目基本信息商城文档项目链接三、商城系统技术选型四、系统部署常见问题项目有5个项目1.java开发环境安装1.1开发环境1.2 安装jdk + mysql + redis + maven。

2024-03-22 15:51:42 1295

原创 【力扣经典面试题】14. 最长公共前缀

编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀,返回空字符串""。通过示例分析可以发现, 通过遍历每个单词的相同索引下标并且对相应的字母进行对比,只要发现有一个字母不同便结束循环,返回结果。如果所有字母均相同则返回strs[0]。同时如果字符串数组为空则返回空字符。

2024-03-06 06:15:00 241

原创 【力扣经典面试题】58. 最后一个单词的长度

代码运行时间和空间分析。因为整体只要遍历一次字符串就可以了,所以时间复杂度O(n) 其中n为字符串的长度。本题代码不用开辟新的空间来临时存在变量,所以空间复杂度为O(1)。

2024-03-05 20:24:46 416 1

原创 【力扣经典面试题】12. 整数转罗马数字

罗马数字包含以下七种字符:IVXLCD和M。例如, 罗马数字 2 写做II,即为两个并列的 1。12 写做XII,即为XII。27 写做XXVII, 即为XXVII。通常情况下,罗马数字中小的数字在大的数字的右边。但也存在特例,例如 4 不写做IIII,而是IV。数字 1 在数字 5 的左边,所表示的数等于大数 5 减小数 1 得到的数值 4。同样地,数字 9 表示为IX。IVXXLCCDM给你一个整数,将其转为罗马数字。

2024-03-05 15:34:14 486

原创 [经典力扣面试题]135. 分发糖果

n个孩子站成一排。给你一个整数数组ratings表示每个孩子的评分。1请你给每个孩子分发糖果,计算并返回需要准备的。5你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。4你可以分别给第一个、第二个、第三个孩子分发 1、2、1 颗糖果。第三个孩子只得到 1 颗糖果,这满足题面中的两个条件。

2024-02-26 09:31:49 358

Android2021版安装包,点击下载即可安装,请开启智能生活的新篇章吧!

Android 2021 版本安装包介绍 Android 2021 版本是 Google 在 2021 年推出的最新 Android 操作系统,它集成了一系列先进的功能和改进,旨在为用户提供更加流畅、安全和个性化的移动体验。本安装包为你提供了快速、简单的方式来体验 Android 2021 版本的全部魅力。 先进的用户体验 Android 2021 版本引入了全新的用户界面设计,采用了更加现代和直观的设计语言。无论是动画效果、过渡效果还是图标设计,都经过了精心优化,使得整体界面更加美观、响应更加迅速。此外,智能分类的通知栏、强大的多任务管理和更智能的预测功能都使得日常操作更加高效和愉悦。 安全和隐私的全方位保护 在 Android 2021 版本中,安全和隐私得到了前所未有的重视。新的隐私设置让用户更容易控制应用的权限,确保个人数据不被滥用。增强的数据加密、安全启动和安全更新机制都确保了系统的稳定性和安全性。此外,内置的安全中心提供了实时的安全状态检测和建议,帮助用户时刻保持系统的安全。 立即下载 Android 2021 版本安装包,开启一段全新的移动体验之旅!

2024-04-22

基于Python+pytorch的图像处理+附完整代码图像处理,能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作

Python+PyTorch:图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里,Python和PyTorch这对黄金搭档,就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”,总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性,引领着图像处理技术的发展潮流,让无数开发者为之倾倒。Python,这位优雅的魔法师,以其简洁易懂的语法和丰富的库资源,赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习,Python都能轻松应对,展现出其无与伦比的魅力。在图像处理领域,Python更是如鱼得水,通过OpenCV、PIL等库,能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作,让图像在指尖起舞。而PyTorch,这把图像处理界的“瑞士军刀”,则以其灵活性和易用性,成为深度学习领域的翘楚。它拥有强大的自动求导功能,能够轻松构建和训练复杂的神经网络模型。在图像处理中,PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型,让图像焕发出新的生机。想象一下,当你掌握了Python和PyTorch这对黄金搭档,就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为

2024-04-17

基于SpringBoot后端实现连接MySQL数据库并存贮数据教程

MySQL是一种流行的关系型数据库管理系统(RDBMS),它是开源的,由瑞典公司MySQL AB开发。现在MySQL是Oracle公司的一部分,但MySQL仍然作为开源项目继续开发和维护。 MySQL数据库具有以下特点: 1. 关系型数据库管理系统(RDBMS):MySQL是一种关系型数据库,数据以表格的形式存储,这些表格可以通过关系进行连接。 2. 开源和免费:MySQL是开源的,意味着你可以免费使用它,而且有一个庞大的开源社区支持。 3. 跨平台性:MySQL支持多种操作系统,包括Linux、Windows、macOS等,可以在各种环境中部署和运行。 4. 高性能:MySQL是一种高性能的数据库管理系统,能够处理大量的数据和并发请求。 5. 可扩展性:MySQL支持主从复制、分片等技术,可以实现数据库的水平和垂直扩展。 6. 丰富的功能:MySQL提供了许多功能,包括事务支持、索引、触发器、存储过程、视图等,使得它适用于各种不同的应用场景。 7.MySQL应用:于Web应用程序、企业应用、移动应用等各种场景,是最受欢迎的数据库管理系统之一。​ 附完整学习教程

2024-03-24

基于SpringBoot的Mall4j开源商城系统

​Mall4j开源商城,一个基于spring boot、spring oauth2.0、mybatis、redis的轻量级、前后端分离、防范xss攻击、拥有分布式锁,为生产环境多实例完全准备,数据库为b2b2c设计,拥有完整sku和下单流程的开源商城。 java后台:Java商城系统 企业商城系统 源码商城: Mall4j商城系统,企业首选的商城系统,采用Springboot3+Vue3等流行框架,代码工整,注释清晰,商城包含小程序、APP、H5、PC端,支持拼团、秒杀、分销、套餐赠品、优惠券、满减折、直播、装修、跨境等商城营销功能。“企业级商城框架!” vue后台前端:Mall4j电商系统 java电商系统 后台界面-mall4v: Mall4j电商系统 java电商系统 后端界面 小程序:微信小程序商城系统 商城源码: Mall4j商城 小程序商城端 微信小程序商城源码 uni-app:Mall4j商城的Uniapp商城端(移动端商城): mall4j 商城uniapp商城端 基于uniapp的商城,可打包小程序_APP_H5 - mall4j:j代表java服务端 ​

2024-03-24

基于SpringBoot实现登录注册功能模块(完整代码,并且已经成功跑起来)

一、登陆注册实现思路 实现登录和注册功能可以分为以下几个步骤: 设计数据库表结构:首先,你需要设计用户表,包含用户名、密码等字段。你也可以考虑使用加密算法存储密码,比如BCrypt。 创建Spring Boot项目:使用Spring Initializr创建一个新的Spring Boot项目,并添加相应的依赖,比如Spring Web、Spring Data JPA等。 编写实体类:根据数据库表结构,在Java中创建相应的实体类,用于映射数据库表。 编写Repository接口:创建一个Repository接口,用于执行数据库操作,比如查询用户信息、保存用户信息等。 编写Service层:创建一个Service层,包含业务逻辑,比如验证用户登录、注册新用户等。在这个层次你可以加入密码加密、验证等逻辑。 创建Controller:创建Controller来处理用户的登录和注册请求。Controller接收请求参数,调用Service层方法完成相应的业务逻辑。 编写前端页面:创建HTML页面用于用户登录和注册。可以使用表单来收集用户信息,并通过Ajax。

2024-03-24

软件工程实验报告,主要包含完整的实验报告总结

使用visio绘制项目组织及程序流程图 :通过本实验使学生掌握使用VISIO进行软件需求分析描述和项目组织的方法,为软件开发过程的系统分析和设计提供重要的依据。 使用visio建立数据模型、项目管理图 :通过本实验使学生能够根据需求分析结果,使用VISIO建立数据模型,为系统分析和设计提供重要的依据。同时建立项目管理日程图(甘特图),为项目的有序进行提供科学的管理手段。 使用黑盒测试方法设计测试用例并测试:通过经典案例,加深学生对软件测试过程和测试技术的了解,为今后从事软件开发和测试工作做好准备。通过经典案例,加深学生对软件测试过程和测试技术的了解,为今后从事软件开发和测试工作做好准备。 主要过程,面对项目开发的问题,通过解决框架等问题,结合软件工程项目的管理方法,设计开发方案,以及针对可能遇到的问题,设计预备方案解决可能存在问题,设计概要开发流程,开发工程师、调研分析问题等。 1、建立数据模型使得整个框架脉络更加的清晰易懂,减少开发的出错和修复成本。 2、了解项目的基本运用方法和实验步骤,掌握设定项目的开始日期的基本方法。 3、绘制甘特图可以很好的管理项目,提高估计工期的精确度。

2024-01-23

基于Java+MySQL实现的前后端交互五邑大学网络餐厅点餐系统设计(完整源码)

随着公司规模发展壮大,公司内部餐厅中午员工点餐存在点餐时间长、员工排队时间长等问题,同时食堂也受外卖订餐服务影响,每日产生大量粮食浪费,具体而言,食堂采购误差比较大;此外,公司每日菜谱对员工满意度也会有影响。整体而言,公司食堂存在粮食浪费严重,运营压力大。急需通过改进运营方案,提升员工对食堂的满意度。通过设计一款线上订餐系统,按需订购菜品,实时、全面的数据统计,旨在优化员工用餐体验,提高食堂的运营效率和收入。餐厅有个内部的食谱(recipe),每周一前由餐厅经理从中选出几十种食品(例如菜肴,点心,主食,糖水),形成菜单(menu),菜品需要有图片,价格,计量单位信息。每次生成的历史菜单需要留存。 企业员工每天在上午9:00之前登录系统,从菜单中选择自己需要吃的菜品,生成一张订单(order form) 9点以后,厨房主管可以打印出一份总括订单(blanket order),包含每种菜肴(食品)的数量,用以控制加工菜肴的配料选取等工作。 中午11:30,配餐员打印出所有的订单,用以配送午餐 每月1号系统会自动进行统计工作,按照月度统计餐厅售出的菜品数量,总金额等信息,餐厅经理和财务管理也

2024-01-23

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除