healer的博客

缺点：磁盘 I/O 是并发的瓶颈 ，海量数据查询效率低 ，横向扩展困难，无法简单的通过添加硬件和服务节点来扩展性能和负载能力， 需要对数据库进行升级和扩展时，需要停机维护和数据迁移 ，多表的关联查询以及复杂的数据分析类型的复杂 sql 查询，性能欠佳。因为name字段在学号索引树上不存在，需要拿着学号索引树上的主键值去主键索引树中找姓名，这就是一次回表查询。建了一个(a,b,c)的复合索引，那么实际等于建了(a),(a,b),(a,b,c)三个索引，因为每多一个索引，都会增加写操作的开销和磁盘空间的开销。

Pillow 是 Python 中较为基础的图像处理库，主要用于图像的基本处理，比如裁剪图像、调整图像大小和图像颜色处理等。与 Pillow 相比，OpenCV 和 Scikit-image 的功能更为丰富，所以使用起来也更为复杂，主要应用于机器视觉、图像分析等领域，比如众所周知的“人脸识别”应用。...

在pycharm开发软件上做pytorch深度学习的时候，安装openCV提示：但是也不会影响opencv的安装，我查了一下，因为我是用anaconda管理包的 ，查了一下说是anaconda需要更新，所以执行如下：1.管理员模式运行anaconda prompt2.conda update conda # 升级 conda（升级 Anaconda 前必需）3.conda update --all # 更新所有包，包括 Anaconda 和 conda这样会把所有的包更新一遍，过程比较慢，但是如果明确

gather可以对一个Tensor进行聚合，声明为：torch.gather(input, dim, index, out=None) → Tensor一般来说有三个参数：输入的变量input、指定在某一维上聚合的dim、聚合的使用的索引index，输出为Tensor类型的结果（index必须为LongTensor类型）。#参数介绍：input (Tensor) � The source tensordim (int) � The axis along which to indexindex (Lo

找了半天的博客讲解，发现这一篇还不错，上半部分讲解了范数，下半部分讲解了torch.norm()函数的使用。地址：【Pytorch】data.norm（几种范数(norm)的详细介绍）_ZSYL的博客-CSDN博客_norm pytorch

一、先介绍乘法，张量的 乘法有两种，分别是元素乘法和矩阵乘法，不清楚矩阵乘法的看这个视频（https://www.bilibili.com/video/BV1TJ411s7dk/?spm_id_from=333.788.recommend_more_video.1）一、函数介绍pytorch中两个张量的乘法可以分为两种：（1）两个张量对应元素相乘，在PyTorch中可以通过torch.mul函数（或*运算符）实现；（2）两个张量矩阵相乘，在PyTorch中可以通过torch.matmul函数

一、cat函数，cat([a,b,c],dim=N)，合并函数。举例：a = torch.rand(4,3,32,32)b = torch.rand(5,3,32,32)d = torch.rand(6,3,32,32)c = torch.cat([a,b,d],dim=0)print(c.shape) #torch.Size([15, 3, 32, 32])上述代码中：[a,b,c]表示维度相同的张量，可以是任意多个。dim=0表示以第一个维度为基准来进行合并，所以看到三个

broadcast的两个特点broadcast的两个特点：1.能够进行维度的扩展，相当于expand，但是是自动扩展2.扩展的时候不需要拷贝数据注意broadcast并不是函数，而是在不同size的tensor之间进行加减操作会自动进行的一种机制主要思想：1.依次从最后一个维度开始匹配，若前面没有维度则插入一个新的维度，size为12.自动调用Expand函数使得维度size相同假设有如上图的一个feature map，要加上一个bias，把后面的维度理解为小维度，前面的维度理解为大

写在前面fit和transform没有任何关系，仅仅是数据处理的两个不同环节，之所以出来fit_transform这个函数名，仅仅是为了写代码方便，会高效一点。sklearn里的封装好的各种算法使用前都要fit，fit相对于整个代码而言，为后续API服务。fit之后，然后调用各种API方法，transform只是其中一个API方法，所以当你调用transform之外的方法，也必须要先fit。fit原义指的是安装、使适合的意思，其实有点train的含义，但是和train不同的是，它并不是一个训练的过

（一）归一化的作用在机器学习领域中，不同评价指标（即特征向量中的不同特征就是所述的不同评价指标）往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。其中，最典型的就是数据的归一化处理。（可以参考学习：数据标准化/归一化）简而言之，归一化的目的就是使得预处理的数据被限定在一定的范围内（比如[0,1]或者[-1,1]），从而消除奇异样本数

1、TF-IDF算法介绍 TF-IDF（term frequency–inverse document frequency，词频-逆向文件频率）是一种用于信息检索（information retrieval）与文本挖掘（text mining）的常用加权技术。 TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。 TF-IDF...

一、conda 命令和pip命令的区别pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器的支持，pip也不会去支持python语言之外的依赖项。conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。然后，conda安装的都是编译好的二进制包，不需要你自己编译。所以，pip有时候系统环境没有某个编译器可能会失败，conda不

什么是Onehot编码？onehot编码又叫独热编码，其为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。Onehot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。举个例子：在机器学习算法中，我们经常会遇到分类特征。例如：人的性别有男女，祖国有中国，美国，法国等。这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其

一、anncoda的用途是什么？

做过项目开发的小伙伴都知道，时不时的会遇到这种情况：小王，线上有个问题，你帮忙看一下。这时候有两种情况：1、自己开发的功能出现问题2、别人开发的功能出险问题（比如这人离职了）第一种情况，自己开发的功能自己了解，只要是代码中日志加的合理，一定能快速的定位出问题，当然，这也要求自己的开发功底别太差。第二种情况，别人的功能出了问题，我也建议，先通过日志来定位问题，再去读读对应的代码，代码只要写的不是太差，也能看出问题所在。如果真找不出问题，那就干！在本地进行线上代码调试。。。。前提：线

前言 我写这篇文章的目的是为了将camunda工作流的相关知识系统化，目前网上的文章知识点很散，有些文章也不适合目前的企业级项目开发。学习路线：一、如果你是小白，你需要自己去理解什么是工作流？其作用是什么？它的应用范围是什么？目前主流的技术有哪些？明白了这几个问题，你才能继续学习camunda，任何技术的学习都不能脱离实际应用。二、技术选型，就是我们为什么会学习使用camunda，而不是activiti5，这就要求我们要懂得两者之间的区别，有些特性我们也能从区别中很好的识别出来，这些区..

本人在工作中用的Camunda7.11版本共47张表。camunda工作流的表大体上分为 5类：ACT_RE_*: 'RE’表示流程资源存储，这个前缀的表包含了流程定义和流程静态资源（图片，规则等），共5张表。ACT_RU_*: 'RU’表示流程运行时。 这些运行时的表，包含流程实例，任务，变量，Job等运行中的数据。 Camunda只在流程实例执行过程中保存这些数据，在流程结束时就会删除这些记录， 这样运行时表的数据量最小，可以最快运行。共15张表。ACT_ID_*: 'ID’表示组织用户信.

一、python的语言特性（python是完全面对对象的一门语言）为了偷懒，我截了图说明了其特点，本人是Java开发，所以下面很多的对比我拿Java来做例子：1、它是 解释型语言，作为对比，我们经常使用的Java是编译型语言。编译型语言是编写完代码之后，通过编译器来编译成操作系统可执行的文件，如果一行代码出错，是编译不过的。先全部编译成功，然后再统一执行，是两部分开的过程。解释型语言是通过解释器解释一行成为操作系统可以可执行的命令，立刻执行这一行，就是边解释边执行，那么跟对比一下，程序的

背景：本篇博文，目的是让大家了解一下mysql的内部结构，不谈细节，文章是转载的，看着很不错！MySQL的体系结构概述猛眼一看这个结构体系图好像很繁琐，其实这个体系和我们在做web开发时的三层架构是有些类似的。用户发起一个请求到控制处理层，控制处理层调用service服务进行服务处理，service服务再调用dao层为service提供数据层的支持返回对应的数据（内容），最终响应给用户。类似这样，详细的来分析这个结构图。先讲这个结构图分成两部分，如下图所示：1、Co

最近和同事聊起来了springAOP的话题，说了到多个切面的时候程序是怎么执行的，我们常用的spring事务本身也是一个切面，使用的AOP原理，本人从网上找了一些资料，然后根据这些资料进行一下总结。资料地址：1.https://blog.csdn.net/stpice/article/details/102733782 2.https://www.jb51.net/article/179078.htm另外，如果有些朋友不是很清楚aop原理，可以去...