小懒虫_-CSDN博客

原创 opencv-python笔记

注意：在OpenCV 4.x版本中，COLORMAR_INFERNO属性已经被移除。如果你需要使用这个属性，可以尝试降级到OpenCV 3.x版本。利用均值方差统计可以筛选空白图片，方差为0 说明无有效信息。4通道：蓝 (B)、绿 (G)、红 (R)、透明。只能显示0-1的浮点数和0-255的uint8。3通道：蓝 (B)、绿 (G)、红 (R)文件超过2G可能会出现问题。

2023-10-06 18:52:28 110 1

11.如何在Flask中处理用户登录和会话管理？12.如何处理多个数据集之间的缺失值和重复值？4.Flask如何处理GET和POST请求？12.Flask如何实现表单验证和数据校验？14.Flask如何进行单元测试和集成测试？5.Flask如何读取请求的JSON数据？6.如何在Flask中处理用户认证和授权？8.如何处理Flask应用中的错误和异常？10.Flask如何支持国际化和本地化？19.如何评估模型的性能和进行模型调优？3.如何在Flask中处理URL路由？13.如何优化Flask应用的性能？

2023-09-17 17:22:48 204 1

原创 JAVA后端开发常见面试题

什么是Java的多态性？多态性是Java的一个重要特性，它允许通过使用一个父类引用来引用子类对象，从而实现同一个方法在不同对象上的多种不同的行为。什么是Java的垃圾回收（GC）机制？Java的垃圾回收机制是自动管理内存的过程。通过运行时系统自动检测和收集不再使用的对象，并释放其占用的内存空间。这种机制可以减轻开发人员对内存管理的负担。什么是Java中的异常处理机制？有哪些常见的异常？Java中的异常处理机制用于处理程序在运行时遇到的错误和异常情况。常见的异常包括NullPointerExcepti

2023-09-06 20:21:19 366 1

原创坐标移动

开发一个坐标计算工具， A表示向左移动,D表示向右移动,W表示向上移动,S表示向下移动。从(0,0)点开始移动，从输入字符串里面读取一些坐标，并将最终输入结果输出到输出文件里面。非法坐标点需要进行丢弃。合法坐标为A(或者D或者W或者S) + 数字（两位以内）+ B10A11 = 无效。+ A1A = 无效。+ x = 无效。结果 (10,-10)

2023-09-04 22:35:05 68 1

原创一、Nacos

（2）直接搜索set MODE="cluster",替换为set MODE="standalone"，原来默认的是集群，现在修改为单机模式。（1）配置 spring.application.name ，是因为它是构成 Nacos 配置管理 dataId字段的一部分。我们可以看到，在里面可以配置Nacos的权重、上下线这些和部署相关的内容，我们就可以根据实际的业务情况进行相关配置。（1）进入解压目录下的bin文件夹下，修改startup.cmd里面的内容。（3）Nacos的负载均衡测试。

2023-08-15 19:24:06 343

原创常见的Java springboot项目报错

查找本地的Maven plugin版本号，版本号在本地maven库的org\apache\maven\plugins\maven-compiler-plugin里，如：D:\IntelliJ IDEA 2020.1\plugins\maven\lib\maven3\maven_repository\org\apache\maven\plugins\maven-compiler-plugin。从Java 9开始，该模块已被移除，如果使用的是Java 9或更高版本，则需要使用其他方式来监控和管理应用程序。

2023-08-15 18:07:07 949

原创 IDEA中springboot项目配置

1.2 勾选 User Settings file 后面的 Override，并指定本地仓库的 setting.xml 文件；在弹出对话框中，展开“Build,Execution,Deployment”，在 Build Tools 下选择 Maven。（1）配置 MAVEN_HOME ，变量值就是你的maven安装的路径（bin目录之前一级目录）1.1 在 Maven home path 中，指定本地 Maven 的位置；1.3.2 配置本地仓库路径。1.3.4 测试安装是否成功。

2023-08-15 18:04:32 908

转载常见深度学习面试题

的中文翻译一般叫做“规范化”，是一种对数值的特殊函数变换方法，也就是说假设原始的某个数值是x，套上一个起到规范化作用的函数，对规范化之前的数值x进行转换，形成一个规范化后的数值。当学习率太低时，模型的训练将进展得非常缓慢，因为只对权重进行最小的更新。规范化将越来越偏的分布拉回到标准化的分布,使得激活函数的输入值落在激活函数对输入比较敏感的区域,从而使梯度变大,加快学习收敛速度,避免梯度消失的问题。它考虑当前输入和先前接收到的输入，以生成层的输出，并且由于其内部存储器，它可以记住过去的数据。

2023-08-15 18:00:30 71

cehngxumi的博客