`or 1 or 不正经の泡泡

失踪人口回归，接下来会陆续更新与考研相关内容，进入阶段总结部分。这部分内容主要是结合湖南科大教书匠的计算机网络和王道的计算机网络进行的一个总结。主要目的就是针对考研。okey,废话不多说，直接发车了。。。老规矩，内容很长。然后这里主要是针对计网，为啥是计网呢，因为，计网的话确实有点抽象，东西有点杂，所以优先针对这个家伙。查看本博文时，建议在PC端查看，并且打开目录进行按点查看。

前言在此之前先感谢两位大佬，第一个是我的同学，这老哥牛逼，本文出现的代码依托于他给的代码，另一位大佬是写《Spring5核心原理与30个类手写实战 》的作者，因为这个其实是从那里来的，代码其实也是那本书上的，只是这里做个记录，仔细梳理一下整个流程。环境环境预览首先是我们环境准备，这个环境准备的话就是，那个先前说的那个创建 java web 项目。之后的话就是没啥了，我们这个部分主要写的是那个SpringMVC里面的几个注解。项目结构是这样的环境测试OK，项目，一切正常项目搭建接

文章目录前言死锁编码判断死锁附赠前言过了个元宵又鸽了几天，回学校又耽误了两天，那么现在也是回到学校了，更新第一篇东西，其实就是先前没说完的内容：java多线程（review） 我们在系统性地说说这个东西，比较重要，而且面试重点，首先是说说JUC 这个其实就是 java.util.concurrent这个包下面的玩意儿，像什么线程池之类的玩意儿。值得一提的是，这个线程这玩意我现在自己梳理起来发现真的内容不少，有不少地方可以好好聊聊，而且玩到这个部分，我觉得可以对nutty下手了，看看它的实现过程。当然一

文章目录前言DDL数据库的创建操作数据库表对表的CURDDMLDQL单表操作简单的运算模糊查询子查询约束外键级联概念表的关系一对多一对一多对多主从表级联操作联表查询左/右联表多表联查范式约束案例第一范式第二范式第三范式数据库的备份还原事务(trans action)事务提交细节事务的四大特征原子性持久性隔离性一致性事务的隔离级别级别操作视图存储过程寻找存储过程传参DCL用户的创建用户权限总结前言千呼万唤始出来~这次总算把sql的基本使用做了一个小结，里面总览了不少内容，有问题的部分，可以留言，有时间我会

theme: channing-cyanhighlight: androidstudio文章目录theme: channing-cyanhighlight: androidstudio前言基本的XML结构格式CDATA 域xml 约束DTD 约束Schema 约束生明引用XML 解析Jsoup「这是我参与2022首次更文挑战的第19天，活动详情查看：2022首次更文挑战」前言差不多寒假要结束了，先补个漏，为后面的源码学习铺路，Letcode我是没想到的，我还以为这个寒假我能刷个300道题目来着.

theme: channing-cyanhighlight: androidstudio文章目录theme: channing-cyanhighlight: androidstudio前言“父辈优化”维度问题变异优化时间复杂度优化新的优化进化策略梯度下降优化「这是我参与2022首次更文挑战的第14天，活动详情查看：2022首次更文挑战」前言今天是大年初三，是时候回归主题了，那么今天也是简单地说一说关于GA算法的优化，以及当前比较厉害的地方。不得不说我先前对于python领域的探索真的是太片面了.

theme: channing-cyanhighlight: androidstudio文章目录theme: channing-cyanhighlight: androidstudio前言项目结构实现效果「这是我参与2022首次更文挑战的第18天，活动详情查看：2022首次更文挑战」前言没啥，今天轻松一点，逛知乎的时候无意之中刷到了一个讲Spring 观察者模式实现的小视频，感觉有点意思的，就在这里说明一下，什么是观察者模式。与其在说明什么是这个模式之前，我们不如聊聊我们想要实现怎么样的功能.

文章目录前言基于支配的多目标选择合适的点（支配的概念）求取非支配Deb 非支配排序用排除法构造庄家法构造快速排序（1）快速排序（2）支配解集NSGA-II 基于支配的多目标分布优化均匀密集网格优化自适应网格优化不均匀问题更多基于支配的多目标模型高维度问题细说 NSGA-II如何分层距离问题NSGA-III自适应标准化综述前言本博文是基于：科学出版社，郑金华，邹娟 所著的 《多目标进化优化》 进行一个小总结。谈谈对多目标的理解，以及帮助想要阅读这本书的同学，做一个模板解读，这样看书的时候有一个大概的了解。

文章目录前言模型训练完整步骤模型保存与加载GPU训练“借鸡生蛋“模型使用本博文优先在掘金社区发布！前言我们这边还是以CIARF10这个模型为例子。现在的话先说明一下，关于CIARF10的一个输出这个是一个十分类的模型，所以输出结果是一个矩阵一个tensor其中它的shape是你的(batch_size,10)这样的结果。假设你的batch_size = 1那么你得到的结果应该是[[1,2,3,4,5,6,7,8,9,10]]这种类型的。你的输入的标签是这样的[ 9 ]所以，如果你想要判断你的结

文章目录前言卷积Conv2d卷积函数padding计算输出的大小MaxPool2d 池化Flatten 打平网络搭建网络模型计算卷积核大小本博文优先在掘金社区发布！前言前面我们大概知道了神经网络，这个概念，前面也介绍了CNN神经网络，我们说这个卷积神经网络我们应该分为两部分去解释，一个是卷积还有一个是神经网络。卷积是一种特殊的数据处理方式，然后我们处理完数据之后把结果带入到网络当中，之后我们得到输出，那么网络其实也是一种对数据的处理方式，一种比较抽象的数据处理方式，一种我们人类很难直观的获取我们获取的

文章目录前言神经网络动手搭建线性回归模型非线性模型搭建TensorBoard 直观显示本博文优先在掘金社区发布！前言这里主要分两部分，一个是如何直观的显示出我们预测的效果，或者是误差，另一个是如何进行网络的搭建，以及再次理解神经网络。神经网络先前我们举过一个例子，就是从线性回归来推导神经网络的工作流程。我们使用损失函数，来进行反向传播，也就是使用损失函数来进行梯度下降，我们假设 y = x2 +2 此时，我们输入的是x ,y 但是我们要猜测的是 2 和 2 也就是y = ax + b 的 a,b

文章目录前言类型转换Compose “链式转化”数据处理自带数据集数据加载自定义获取数据总结本博文优先在掘金社区发布！前言通过前面的一些介绍的话，我们大概知道了我们的pytorch的tensor的一些基本概念，还有咱们梯度和tensor复制时的一些细节，tensor和numpy在很大程度上很像，在某些场合我们甚至可以直接使用tensor来进行运算。那么现在我们来说说pytorch的一些基本使用。毕竟我们使用pytorch是用来搭建我们的神经网络，进行深度学习的。那么在机器学习小概述里面说过，深度学习

文章目录前言环境tensor 与 numpytensor 使用基本使用numpy与tensor转换有“_”尾巴的函数梯度梯度使用取消梯度复制「这是我参与2022首次更文挑战的第7天，活动详情查看：2022首次更文挑战」本博文优先在掘金社区发布！前言ok，现在到了我们第五个大工具的使用（前面的sklearn在本系列当中已经有了，当然后续会不断介绍（学习）新的算法，进行补充更新，所以现在我们来熟悉熟悉我们的第五个工具pytorch，这里申明一点的是，这些工具没有高低之分，学起来其实都是一样的，前提是前面

文章目录前言卷积的概念卷积语文含义数学表现案例状态影响运算图像处理领域的卷积相似点图像卷积卷积核/卷积层池化层全连接层总结「这是我参与2022首次更文挑战的第６天，活动详情查看：2022首次更文挑战」本博文优先在掘金社区发布！前言在开始正式进入机器学习之前，我们需要对我们的理论进行一部分的拓展，因为首先是对我们常用的机器学习算法而言，例如KNN K-means 贝叶斯，决策树，随机森林等等算法来说，其实不需要太高深的数学基础或者，特别的理解能力去理解学习就能够使用。事实上我在先前就已经写了两篇关于S

文章目录前言Pandas的基本数据结构Series线性结构DataFrame结构对DataFrame进行操作切片转置排序对DataFrame对Series排序修改索引运算逻辑运算统计运算自定义运算绘图缺失值处理数据离散处理合并数据concat 直接合并Merge合并交叉表分组聚合读取/保存文件总结「这是我参与2022首次更文挑战的第5天，活动详情查看：2022首次更文挑战」本博文优先在掘金社区发布！前言终于到了我们三大套件的最后一个套件了Pandas，这个哥们相当牛皮，不管是机器学习还是爬虫数据清洗

文章目录前言numpy基本操作生成0,1数组array和asarray的不同创建等差数组创建正态分布形状修改元素的Curd运算逻辑运算三元运算矩阵运算广播机制矩阵基本运算求转置矩阵相乘求逆矩求伴随「这是我参与2022首次更文挑战的第5天，活动详情查看：2022首次更文挑战」本博文优先在掘金社区发布！前言刚才我已经演示了，机器学习的常用的绘图库之一的matplotlib。那么接下来使我们另一个经常使用的numpy。numpy的使用相当广泛，所以不论你是不是学习机器学习，其实都是要学的当然还有一个库pa

文章目录无监督学习原理解析选择中心点聚类划分演示纯数学叨逼叨算法流程优缺点案例（lnstacart市场篮子分析）无监督学习首先这类算法是属于典型的无监督学习算法，比如 PCA 将维等等。这类算法在先前的机器学习文章过程中有提到，但是我自己没有去具体分析它的实现，只是简单地去使用sklearn去做一些应用去了。那么要先讲清楚K-means那么必然是要先搞清楚无监督的意思，我这里将使用最简单的语言来尽可能地去描述复杂算法（虽然这个K-means其实也不复杂，本质上其实还是一个演化算法，难的其实我认为还是对现

文章目录前言说明BeanDaulftBeanFactoryBuilderBean对比Spring操作V0.001 初步模型效果实现总结前言关于目前我们先解读关于Spring的IOC部分，这个也是个大头。下面是某个大佬的文章，不过这里并不是说查看人家的文章，而是通过自己的理解实现一个简单的ＩＯＣ容器，后面再将其“标准化”和Ｓｐｒｉｎｇ对接实现对Spring的拓展。当然我们现在这边还是容器部分的实现。这部分实现了，那个后面的不就自然而然嘛。IDEA编译Spring源码Spring源码(一)-Bean的

文章目录定义基本原理基本过渡基本神经网络结构动手实现目标使用激活函数损失函数反馈优化（基于梯度下降）梯度修正运算函数总体代码总结参考：定义神经网络并不是一个很复杂的东西，在最简单的神经网络里面只是涉及到简单的广义线性回归以及梯度下降。应用：神经网络的应用非常广泛最简单的就是数据预测，也应为可以进行数据预测，并且由于神经网络的运算拓扑结构还可以用于分类。举个例子就是,如果我们对一个图片进行特征处理，之后对抽取的特征进行预测分类，那么一来就可以实现简单的图片识别等等（当然这里涉及到卷积神经网络等等）本博

文章目录基本算法使用（Sklearn)算子API调用分步曲数据分析分步曲分类算法KNN 算法网格优化KNN 案例 （预测facebook签到位置）数据清洗KNN处理预测完整代码朴素贝叶斯算法决策树案例可视化决策树随机森林回归与聚类算法线性回归正规方程梯度下降岭回归逻辑回归与二分类分类的评估K-means 无监督聚类算法模型加载与保存总结导图（大致）基本算法使用（Sklearn)到目前这一步涉及到了具体的算法使用，也就是调用 sklearn 的一些基本集成算法，那么关于 sklearn 的算法调用可以有一

文章目录环境数据集特征提取字典特征提取文本特征提取One-Hot 编码中文文本处理TF-IDF 处理运算规则代码数据预处理归一化标准化降维特征选择Filter 过滤方式低方差过滤相关系数主成分分析 ＰＣＡ小结环境python 3.7sklearnnumpyscipypip3 install numpypip3 install scipypip3 install sklearn（本文为笔记整理）数据集sklearn 自带一些常用的数据集帮助我们进行相关的测试。sklearn.da

文章目录说明Go 环境插件安装Hello World基本指令基本语法快速入门import&package变量注意点常量iotaETC......位运算输入与输出（键盘）条件语言循环go to随机数生成复合类型数组切片说明本文档为本人的学习笔记，里面的内容并不适合纯零基础的朋友学习，建议至少掌握了python，java,至少会C语言的同学食用。学习原因，小爷看上了 Iris 想玩玩，顺便为后面铺路Go 环境与python一样具备简便的语法，以及和C语言的无缝切换，支持协程（异步IO）官网地

文章目录窗口概念Window API窗口函数Aggregate 示例其他API说明总结窗口概念一句基于Flink流处理引擎的块处理的最佳方案。窗口类型：时间窗口，计数窗口基本流程：1.先对数据分组2.先开窗3.窗口函数，对窗口实现怎么样的操作。（先分组的原因：分组数据流将你的window计算通过多任务并发执行，以为每一个逻辑分组流在执行中与其他的逻辑分组流是独立地进行的。在非分组数据流中，你的原始数据流并不会拆分成多个逻辑流并且所有的window逻辑将在一个任务中执行，并发度为

文章目录Cookie处理设置cookie获取cookie删除Cookie小结Session处理作用域Request参数设置页面跳转通过Response通过Request内容协商Json返回XML 返回基本原理说明自定义类型转换器通过特定参数获取返回类型参数解析原理解析示例自定义解析器视图处理使用thymeleaf基本语法1、表达式2、字面量3、文本操作4、数学运算5、布尔运算6、比较运算7、条件运算设置属性值-th:attr迭代条件运算进入页面使用初步使用获取示图参数到这一步假设我要处理一些请求过来的特殊

文章目录项目构建静态资源请求资源处理的默认规则请求Rest表单风格支持的风格注意点自定义_method请求参数处理Get请求@RequestHeader@RequestParam@ CookieValuePost 请求Cookie设置获取cookie删除Cookierequest 属性设置页面跳转项目构建这里我们直接使用IDEA提供的SpringBoot的构建器，自动帮助我们导入依赖以及web场景。环境：IDEA 2021SpringBoot版本：2.5.5Java 版本 ：1.8项目预览我

文章目录Spring Boot简介前期准备环境搭建1.1 导入依赖1.2创建主程序1.3HelloWorld程序1.4测试启动1.5项目结构预览Spring Boot 特性配置简化自动版本仲裁场景启动器自动配置（依赖打包）Config注解类补充@Import条件装配@ImportResource@ConfigurationPropertiesSpring Boot简介能快速创建出生产级别的Spring应用，具备整合Spring家族的脚手架！面向配置文件编程的粉碎机，快速构建项目的构建器。前期准备Sp

文章目录前言Spring简介何为AOP何为IOCset注入IOC本质Spring Hello worldHello world 细节IOC创建对象对象赋值对象构造方法赋值getBean创建对象细节Spring 配置取别名 aliasBeanimport注入方式DL依赖注入前言在此之前我先谈谈我的学习路线哈，我个人感觉是有点飘，不太可取的，但是也说明一下我为什么直接跳过Java 的 web基础，也就是severlet 和 jsp这一块，直接上spring全家桶而且上的时候还是先从Dao层也就是 mybat

文章目录前言准备环境在后端页面编辑注册插件路由注册模型建立并在admin注册检验前端显示Pygments生成样式模板于views的编写前端markdown编辑器前端模板编写图片上传views 逻辑编写Django跨站注意点验证效果总结前言吐槽一波，网上的教程都是小可爱。都他喵的是抄的，关键是还抄不好，害的我踩了不少坑。而且现在关于这方面从我目前查的资料来看都不全面，基本上都只是在后端使用markdown编辑器然后在前端显示，但是开玩笑，后端用只能做个个人博客网站用，那玩意django自带一个要你写有毒啊

文章目录Flink流处理（下）流的切分split分流getSideOutput进行分流合流connect合流union联合Flink流处理（下）流的切分也就是分流操作，这个对应的是一套方法，分流合流。每一个方法又对应了两个步骤。然后每一种方法又对应了几个小方法。套娃了解一下~~最后那就是输出操作，先前是直接print（）打印输出了，那么现在必然不是这样的，例如我做一个实时的用户统计系统，服务器的数据流过来我们这边按照规则运算然后输出到服务器专门负责数据可视化或者数据接受的API接口然后完成相应的操作。

文章目录Flink 基本处理流程（上）数据读取直接读取文件从列表当中读取文件从socket读取网络数据从Kafka读取数据addSource自定义数据源数据处理map与flatmap的区别过滤分组处理（滚动聚合）reduce使用Flink 基本处理流程（上）目前对于我对flink的基本的一个流程的了解来看的话，对于Flink其实的流处理我们其实完整的步骤只需要大概四步。1.对数据的读取2.对数据的筛选3.对数据的处理，也就是这个数据的处理4.对数据的分类其实在总结一下其实就两大块，数据读取

文章目录环境准备阶段FLINK 的 HELLO WORLD块处理流处理基于有界数据的流处理无界的流处理对比环境系统：ubuntu 20java : open-java 11( 为了支持vscode 插件）IDE： IDEA2021.2设备：DELL G5-5590 8x inter 16GB RAM准备阶段1.打开IDEA 创建 MAVEN 项目2.编辑 opm.xml 配置文件3.添加依赖（也就是配置MAVEN，安装FLINK 的依赖）<dependencies>

文章目录GitHub 与 Git 的基本关系GitHub仓库GitHub 与 Git 的基本关系在说明git 的基本使用之前我们先来说说github和git之间到底有什么关系，毕竟他们都长好像有那么一点关系。首先git是一个版本控制器，什么是版本控制器，说白了就是用于管理项目代码的，当你的代码发现写错了，或者失误删除了某个文件而且是在没有备份的情况下的时候，那么使用版本控制器就可以帮助我们还原上一个还没有被修改的版本，从而帮助我们还原文件。除此之外我们还有可以使用它来进行协同开发。那么github又是什

文章目录前言灰色预测灰色关联度比较前言本片博文只是一篇笔记博文，略有不当之处请务必多多指正！望各位大佬不吝赐教！灰色预测何为灰色预测，这个历史就不多说了。我们更加关心的是这个玩意他能够干什么，适合那些方面的预测，以及相关的原理是什么？对应的灰色预测能够解决那些问题？灰色关联度比较这个其实有点类似与我们的层次分析法，他们都能够对某一个事件进行评比，比较，但是区别在于利用层次分析法我们需要制定相关的权重，需要进行一致性检验，换句话来说在这方面，如果我们使用层次分析法的话，那么会带有一定的主观性，而缺

文章目录前言环境nginx模式nginx的http模式反向代理模式nginx基本使用下载安装nginx基本命令nginx配置文件Http配置文件nginx与Django部署静态文件转发django 反向代理django 代理 runserver代理 uwsgi在Linux当中前言nginx 是啥我想都不要多说了，那么这里简单说说为什么要用这玩意，单单从django项目来说，那就是如果不使用nginx来帮我们代理的话，那么我们的静态资源是访问不了的，因为我们的runserver只负责动态代理，也就是没有写

文章目录前言COOKIE 会话cookie流程示例cookie加密SEESION 会话示例Token 会话流程图前言这篇博客为django系列,很前面的联系较为紧密.如果你是大佬,可以直接略过(如果你要指点,请评论区留言,到目前位置django学习系列已经可以说开始正式入门了,至少MVT的大部分的大致的流程已经走了一遍).在django当中,会话分为三大种,一个是非常传统的cookie技术,还有 session 技术,以及token技术COOKIE 会话在开始之前记住一句话,那就是cookie一定是

前言这个其实主要详细说说那个路由，也就是我们的浏览器客户端访问的请求路径的问题。和我们如何通过它或获取参数，以及如何通过请求（GET、POST）获取客户端的参数在Ｄｊａｎｇｏ当中.路由路径匹配规则在Django 当中其实这样的匹配是非严格匹配的，这个的话涉及到一些正则。例如现在有这样的路由路径。r"^adminnn"r"^admin"在你启动服务后，例如127.0.0.1:8000/admin这个时候访问的很有可能是adminnn页面。匹配不严格，加上就近原则就导致了这个后果。所以

文章目录模板语句插值点 语法通过key拿值通过属性&方法通过索引注入防范逻辑语句循环过滤器判断语句注释单行注释块注释模板继承模板语句模板是存在于HTML代码当中的，当时这个是不会被浏览器识别的是需要Django或者其他的框架或者渲染器渲染后，才会在浏览器当中显示的。在这里模板可以大致分为两种使用，一种是模板逻辑语句，例如条件判断，循环。另一种是赋值，这个通过强大的‘点’语法轻松搞定。这里简单说一下django当中的执行流程。我们在使用时是了render直接把模板和数据给了出去。事实上完整的步

文章目录前言实现页面布局原生JS实现Ajax使用Jquery实现前言所谓的Ajax其实就是动态的去请求另一个资源站点，然后将资源加载到我们的当前页面中，例如当你点击网页下一页时页面会发生改变，但是却没有发生跳转。这就是Ajax将请求到的资源通过修改当前页面的HTML代码添加进来。实现这个实现其实很简单。但是分两种，一种是通过原生的JS来实现，这里我都将举例子，尽管使用jQuery是个不错的选择。页面布局先来看看本dome当中的HTML代码<!DOCTYPE html><ht

前言这里主要是做一个小小的总结，关于一个页面如何使用css进行布局。如何使用js实现一个广告弹窗的效果。尤其是这个布局，我记得我当初很讨厌HTML的时候的最主要的原因是因为当时一开始学的时候是按照先html后css的节奏来的，这就导致，一开始我根本无法实现标签的摆放布局（这也是为什么我在学习几天之后就直接去做cs架构的原因之一，安全性差，界面开发难受（我不喜欢）至于为什么回来主要是为了实现我的个人博客网站），就显得很鸡肋，这个和你直接做软件的UI不一样，例如你使用python的tkinter 设计界面时当

文章目录前言服务启动Windows环境下linux环境下设置密钥启动服务器关闭服务连接查看服务性能数据库指令数据库相关指令保存到本地存取指令对String的操作set/get切片操作追加操作setnx/setexmset/mget一次输入/获取多个值hash类型的操作前言和slq语句比起来，这个redis数据库的操作有手就行，当然你要跟我扯实际的项目运用所带来的复杂度，那完全就是在抬杠。当前演示环境为Windows的Phpstudy所搭建的环境，具体的操作与Linux一致，可能启动有所差异，但是都会说