- 博客(119)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 StackTrace在.Net中获取当前线程的堆栈跟踪信息
1. 捕获调用堆栈信息：可以获取堆栈中的各个方法调用的详细信息。2. 访问堆栈帧：可以获取每个堆栈帧中的方法、文件名和行号等信。
2024-09-11 23:23:07
455
原创 Python爬虫（Scrapy、Selenium、BeautifulSoup、Jupyter的使用）
一个简单的例子：爬取自己的csdn博客，统计每篇博客的访问量，制作一个柱状图，以访问量从大到小的方式显示。
2024-08-20 23:06:08
1268
1
原创 Spring Boot：动态管理Oracle数据库，Mybatis实现对数据的基本操作。
使用到的技术：1. Spring Boot：用于简化Spring应用的开发。2. Dynamic DataSource：实现动态多数据源的访问和切换3. Oracle JDBC Driver：与Oracle数据库进行连接和交互。4. Mybatis-Plus：简化SQL映射和数据库访问。其中BaseMapper接口提供了对数据表进行基本操作的功能。5. Lombok：用于简化Java类的开发，自动生成常用的代码，比如getter、setter、构造函数等。
2024-08-18 22:05:18
735
原创 AOP面向切面编程和log4j的使用（Java版）
在传统的面向对象编程中，程序的功能被模块化成各个类和方法，这些类和方法分别处理特定的功能。然而，有些功能可能涉及到多个类、多个方法，例如日志记录、事务管理、性能监控等，这些功能可能在不同的地方重复出现，导致代码的重复性和复杂性增加。AOP 解决了这个问题，它允许你在程序的运行时，将这些横切逻辑（cross-cutting concerns）从它们所影响的对象中分离出来，然后以一种更模块化的方式进行管理。
2024-07-28 22:05:48
241
原创 oracle 子查询、Group by和窗口函数
描述：给定一张学生学科成绩表base_student_grade,字段id表示学生学号，name为姓名，subject表示学科，grade为某学科成绩。使用窗口函数查询每个学生成绩最高的学科和分数。2. partition by：将数据按照id,name进行分区，即将具有相同id,name的行分为同一个分区。1. row_number() ：窗口函数。为结果集中的每一行生成一个唯一的行号。3. order by grade desc：每个分区按照grade降序排列。4. rn=1：选取每个分区内的第一行。
2024-01-03 14:48:13
621
原创 C#通过请求url调用接口返回数据
url请求参数：searchDate（当前请求的年月：2023-7），需进行url编码。方法描述：通过请求url，调用对方系统的接口，拿到数据并返回；方法参数：访问系统的url地址。
2023-07-27 16:57:57
1396
原创 动态规划例题汇总
动态规划=分治递归+记忆存储（避免子问题的重复计算）1. 斐波那契数列牛客网NC65：class Solution: def Fibonacci(self , n: int) -> int: # write code here alist=[0,1,1] if n<=2: return alist[n] for i in range(3,n+1): alist.app
2022-03-28 16:43:13
795
原创 递归；动态规划（最长公共子序列）
啥是动态规划？（递推） 例如：斐波那契序列的非递归法def fib(n): if n==1 or n==2: return 1 alist=[0,1,1] for i in range(3,n+1): alist.append(alist[i-1]+alist[i-2]) return alist[-1]动态规划有啥好处？ 递归执行效率低：子问题的重复计算（斐波那契额递归比非递归慢）# fib(1)=1 , fib(..
2021-11-14 22:12:54
581
原创 二叉搜索树（展平、插入、查找、删除）
删除：1. 删除的节点为叶子节点：直接删除2. 删除的节点只有左子树或只有右子树：将其子树的根节点替换此节点3. 删除的节点既有左子树又有右子树：用其右子树的最小节点代替，然后将代替的节点删除（这个代替的节点分为其为叶子节点和只有右子树两种情况）# 节点的定义class BiTreeNode: def __init__(self,data): self.data=data self.lchild=None self.rchild=N
2021-11-05 21:57:19
222
原创 二叉树的前、中、后序遍历，层次遍历，二叉树的深度
1. 前序遍历（根、左、右）def pre_order(root): if root: print(root.data) pre_order(root.lchild) pre_order(root.rchild)2.中序遍历（左、根、右）def in_order(root): if root: in_order(root.lchild) print(root.data) in_or
2021-11-05 20:23:15
171
原创 堆排序（O(n*logn)）及python中堆排序的内置函数
1. 内置函数实现堆排序'''python内置模块：heapq常用函数：heapify(x)heappush(heap,item) 加元素heappop(heap)'''import heapqimport randomalist=list(range(15))random.shuffle(alist)heapq.heapify(alist) # 建堆(小根堆)new=[]for i in range(15): new.append(heapq.heappop(a.
2021-11-03 17:38:40
344
原创 排序（冒泡、选择、插入、希尔、归并、快排、计数）
1. 快速排序def QuickSort(alist,start,end): if start>=end: return i=start j=end pivot=alist[start] # 基准值 while i<j: if i<j and alist[j]>=pivot: # 比它小的值放在左边 j-=1 alist[i]=alist[j] ..
2021-10-19 19:43:49
667
2
原创 二分查找法
1. 二分查找（时间复杂度O(log n)）class Solution(object): def search(self, nums, target): low=0 high=len(nums)-1 while(low<=high): mid=(low+high)//2 if nums[mid]==target: return mid
2021-10-13 21:58:39
153
原创 运行.sh文件报错-bash: ./download_weights.sh: Permission denied
运行.sh文件：./download_weights.sh命令运行报错：-bash: ./download_weights.sh: Permission denied，此时这个文件是不可执行的，用‘ll’命令查看文件的访问权限：-rw-r--r-- 1 G19940018 users 144 Nov 7 2019 download_weights.sh此时文件是可读的，但是不可执行，输入命令，变为可执行： chmod u+x download_weights.sh再次.
2020-10-17 16:46:51
2476
原创 github不能显示图片的问题
打开 C:\Windows\System32\drivers\etc\hosts 文件，以记事本或vs及其他工具打开均可。在文件的最后添加一下信息即可：# GitHub Start 192.30.253.112 github.com 192.30.253.119 gist.github.com151.101.184.133 assets-cdn.github.com151.101.184.133 raw.githubusercontent.com15.
2020-09-24 15:09:56
125
原创 RNN，Seq2Seq， Attention，LSTM
参考：1.完全解析RNN，Seq2Seq，Attention注意力机制2.Understanding LSTM Networks
2020-07-15 14:56:33
243
原创 ResNet模型代码整理
1. ResNet模型2. 左图为18层，34层模型的一个残差块，右图为50层，101层，152层的残差块3. 18层，34层的残差块（虚线部分表示输入要进行一次下采样操作）4. 50，101，152层的残差块5. 34层的模型结构图：...
2020-07-05 21:42:57
3641
原创 VGG模型代码整理
1. VGG模型2. 用2次3*3卷积代替5*5卷积，3次3*3卷积代替7*7卷积。（1）卷积结果对应原图的感受野计算： (F(i)表示第i层的感受野，如果是最上层的就是1，如果多次卷积就多次迭代计算。) 例如：三次3*3卷积代替7*7卷积 F=1, F3=(1-1)*1+3=3, F2=(3-1)*1+3=5, F1=(5-1)*1+3=7（2） 参数量对比 ① 7*7： 7*7*channels*channels=49...
2020-07-05 20:54:33
2747
1
原创 AlexNet模型代码整理
1. 网络模型（论文是用两块gpu并行训练的，所以图中的模型是上下两部分的，第一层卷积核的个数是48+48=96）2. 模型参数3. 模型代码import torch.nn as nnimport torchclass AlexNet(nn.Module): def __init__(self, num_classes=1000, init_weights=False): super(AlexNet, self).__init__() .
2020-07-05 20:28:32
1150
原创 pytorch笔记13--过拟合&dropout
导致过拟合的原因：训练网络的数据量太少；网络神经元太多；解决过拟合：增加训练时的数据量；正规化；dropout（每次随机丢弃一定数量的neuron，防止对神经元的过分依赖）1. 训练过程用两个不同的网络测试，动图如下：（自己截动图很麻烦，所以从网上拿来的）2. 自己运行的结果图如下：可以看到没加dropout的网络几乎照顾到了每一个训练数据（过拟合），但是对测试数据来说效果就很差...
2020-04-02 21:44:47
441
原创 pytorch笔记12--无监督的AutoEncoder（自编码）
1. AutoEncoder: 给特征属性降维2. Data---->压缩(提取Data的关键信息，减小网络的运算压力)---->data(具有代表性的特征)---->解压(还原数据信息)---->Pred_Data3. 使用Mnist数据集训练，将数据先压缩再解压，并用训练集的前5张图片可视化训练的过程，过程图和结果图如下：可视化训练集前200张图片的预测...
2020-03-31 20:50:05
2032
2
原创 pytorch笔记11_RNN回归
用sin曲线你个cos上的数据：# 用sin曲线拟合cos曲线上的数据import torchimport torch.nn as nnimport numpy as npimport matplotlib.pyplot as plttorch.manual_seed(1)# Hyper parametersTIME_STEP=10INPUT_SIZE=1 ...
2020-03-31 14:58:29
645
原创 pytorch笔记10--RNN 图片分类
图片如下：# RNN循环神经网络 分类 （时间顺序，图片从上往下读取）import torchimport torch.nn as nnimport torchvision.datasetsimport torchvision.transforms as transformsimport matplotlib.pyplot as pltimport torch.utils....
2020-03-27 21:48:33
2052
原创 pytorch笔记9--CNN & GPU加速
数字识别#数字识别import torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionimport matplotlib.pyplot as plttorch.manual_seed(1)# Hyper ParametersEPOCH = 1BATCH_SIZE = 50...
2020-03-26 18:39:31
933
2
原创 pytorch笔记8--optimizer
对比各种优化器的效果数据分布如下图：import torchimport torch.utils.data as Dataimport torch.nn.functional as Funcfrom matplotlib import pyplot as plttorch.manual_seed(1)#hyper parametersLR=0.01BATCH_SIZ...
2020-03-24 23:36:07
172
原创 torch.squeeze()和unsqueeze()
注：torch.squeeze()和torch.unsqueeze()的用法torch.squeeze(x,dim,out)：对数据的维度进行压缩，去掉维数为1的维度，默认将a中所有为1的维度删掉，也可以通过dim指定位置，删掉指定位置的维数为1的维度。import torchdata=torch.ones(3,1,4,1,5)print('原数据： ',...
2020-03-24 22:45:26
378
原创 pytorch笔记7--批训练
import torchimport torch.utils.data as Data #用于小批训练torch.manual_seed(1) #为cpu设置随机种子，使多次运行结果一致# torch.cuda.manual_seed(seed) #为当前GPU设置随机种子#torch.cuda.manual_seed_all(seed) #为所有GPU设置随机种子Ba...
2020-02-06 12:31:48
181
原创 深度学习笔记--Kaggle比赛之房价预测
#获取和读取数据import torchimport torch.nn as nnimport pandas as pd #处理数据import All_function as func #自定义包torch.set_default_tensor_type(torch.FloatTensor)train_data=pd.read_csv('Kaggle_...
2019-11-26 15:34:50
830
1
原创 深度学习笔记--Fashion_mnist+softmax的简单实现
1. 主文件import torchimport All_function as funcimport torch.nn as nn#获取数据batch_size=256train_iter,test_iter=func.load_data_fashion_minist(256)#定义和初始化模型class LinearNet(nn.Module): def __i...
2019-11-13 11:59:35
478
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人