- 博客(56)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 redis面试八股文
目录Redis面试八股文redis的优点Redis为什么这么快？redis为什么选择单线程redis的应用场景redis的数据类型redis事务原理redis的持久化机制RDB方式AOF方式redis主从复制主从复制的原理哨兵SentinelRedis cluster过期键的删除策略内存淘汰策略有哪些如何保证缓存与数据库双写时的数据一致性redis中流水线的作用Redis面试八股文redis的优点基于内存操作，内存读写速度快。Redis是单线程的，避免线程切换开销及多线程的竞争问题。单线程是指网络
2022-05-23 16:49:03
676
原创 Mysql面试题总结
目录Mysql八股文总结引擎和存储InnoDB和MyISAM的区别myisam和innodb应该如何选择InnoDB的四大特性InnoDb为何推荐使用自增主键存储结构什么是InnoDb的页、段、区页的构成页中插入记录的过程事务ACIDACID实现原理什么是脏读...
2022-05-23 15:22:58
717
原创 Mysql知识点整理
目录索引索引的使用场景索引的类型创建索引的原则聚簇索引和非聚簇索引事务事务四大特性 ACID脏读，幻读和不可重复读事务隔离级别锁乐观锁悲观锁共享锁排它锁隔离级别和锁的关系mysql 知识点索引索引的使用场景orderby当我们使用orderby将查询结果按照某个字段排序时，如果该字段没有建立索引，那么执行计划会将查询出的所有数据使用外部排序（将数据从硬盘分批读取到内存使用内部排序，最后合并排序结果），这个操作是很影响性能的，因为需要将查询涉及到的所有数据从磁盘中读到内存（如果单条数据过大或者数据量
2022-02-18 23:23:05
530
原创 使用.pyc来加密python代码
传统的python打包工具（例如wheel），是将python代码打入一个压缩包（例如.tar.gz），并改名为.whl。安装时解包，然后源码会放在site-package下面，这样对于某些需要python代码保密的场合不适用。.当遇到源码需要保密的场合，可以考虑通过.pyc代替.py来提供服务。下面的简单的步骤说明：生成.pyc...
2022-02-15 10:51:04
1304
原创 tomcat知识点笔记
目录tomcat 顶层架构tomcat connectortomcat connector有哪几种模式tomcat containertomcat部署方式tomcat 顶层架构如图：Tomcat中最顶层的容器是Server，代表着整个服务器，从上图中可以看出，一 个Server可以包含至少一个Service，即可以包含多个Service，用于具体提供服务。Service主要包含两个部分：Connector和 Container。从上图中可以看出 Tomcat 的心脏就是这两个组件，他们的作用如
2022-02-08 19:57:34
748
原创 使用Advanced Installer进行基于Spring boot的客户端打包
Advanced Installer是一款用于生成Windows 安装程序的软件。下面将按照Advanced Installer左侧栏的顺序介绍这款软件的使用。目录Product InformationrequirementsprerequisitesProduct Informationrequirementsprerequisites这里可以选择环境依赖...
2022-01-27 22:54:22
848
原创 JAVA面试八股文整理
目录Java基础Java多线程Java线程池为什么要用线程池线程池的创建方式线程的生命周期线程的五个生命周期僵死进程Java基础Java多线程Java线程池为什么要用线程池降低资源消耗。通过重复利用已创建的线程降低线程创建、销毁线程造成的消耗。提高响应速度。当任务到达时，任务可以不需要等到线程创建就能立即执行。提高线程的可管理性。线程是稀缺资源，如果无限制的创建，不仅会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统一的分配、调优和监控。提供更多更强大的功能：线程池具备可拓展性，允
2021-12-15 16:04:54
22068
1
原创 海思交叉编译opencv4（以opencv400为例）
海思交叉编译opencv4（以opencv400为例）海思交叉编译器的安装解压aarch64-himix100-linux.tgz，然后使用sudo权限运行gcc-arm-none-eabi-4_9-2015q3.install正常情况下应无报错信息。opencv的编译下载opencv4.0.0和opencv_contrib，将其分别解压。对于opencv4.0.0，修改最顶层的CMakeList.txt，找到ocv_include_directories(${OPENCV_CONFIG
2020-11-07 16:47:19
1545
2
原创 海思 3559 SVP NNIE demo解读
海思3559 SVP NNIE demo解读图片处理——yolo3为例1. 先看函数void SAMPLE_SVP_NNIE_Yolov3(void)- 部分1HI_CHAR *pcSrcFile = "./data/nnie_image/rgb_planar/dog_bike_car_416x416.bgr";HI_CHAR *pcModelName = "./data/nnie_model/detection/inst_yolov3_cycle.wk";HI_U32 u32PicNum =
2020-10-18 17:44:58
5182
2
原创 C语言内存管理
C语言内存管理C语言内存结构代码区程序代码指令、常量字符串等内容，一般是整个程序执行期间都不会改变的静态区全局变量和静态变量栈区函数内局部变量，参数等堆区动态内存分配，比如说malloc...
2020-10-07 15:36:17
156
原创 脚本关闭TP进程
不知道从哪个版本起，TP不再提供右键菜单，也就是不能显式退出了，而且这东西还会锁定文件，导致有些文件都删不掉。每次打完LOL，都要手动去任务管理器结束TP进程，所以打算写个简单的脚本，能快速kill掉TP。脚本写好了，如下：>nul 2>&1 "%SYSTEMROOT%\system32\cacls.exe" "%SYSTEMROOT%\system32\config\system"if '%errorlevel%' NEQ '0' (echo 请求管理员权限...goto U
2020-08-03 18:28:45
896
原创 字节跳动面试题01万万没想到之聪明的编辑
我叫王大锤，是一家出版社的编辑。我负责校对投稿来的英文稿件，这份工作非常烦人，因为每天都要去修正无数的拼写错误。但是，优秀的人总能在平凡的工作中发现真理。我发现一个发现拼写错误的捷径：三个同样的字母连在一起，一定是拼写错误，去掉一个的就好啦：比如 helllo -> hello两对一样的字母（AABB型）连在一起，一定是拼写错误，去掉第二对的一个字母就好啦：比如 helloo -> hello上面的规则优先“从左到右”匹配，即如果是AABBCC，虽然AABB和BBCC都是错误拼写，应该优先
2020-07-19 11:05:52
372
原创 MPI实现A-star算法
MPI实现A-star算法（六角格地图）A-star算法A星算法这里就不再赘述了，可以参考这篇文章:https://blog.csdn.net/qq_36946274/article/details/81982691六角格六角格的入门可以参考这篇：https://www.cnblogs.com/hoodlum1980/archive/2009/08/10/1542629.html这里...
2020-04-12 21:47:06
441
1
原创 Brodal queue简要说明
Brodal queue简要说明前言Brodal queue（没找到国内的比较通用的翻译）是目前为止复杂度最好的堆。其具体的操作复杂度为:操作复杂度find_minO(1)delete_minO(log n)insertΘ(1)decrease-keyΘ(1)meldΘ(1)它是第一个不用摊销操作就能实现这些复杂度的堆[1]。尽管...
2020-04-10 19:38:33
1132
原创 VS2019 + Win10 配置 Intel MPI
WIN10和VS2019安装这里就不多说了MPI安装Win下能支持的MPI并不多，这里我选了性能比较好的IMPI以及其对应的icc。这里下了一个intel parallel studio并根据需要选了最小支持（仅icc和impi）。下载地址链接：https://pan.baidu.com/s/1JS1LVuNM2uxseAJdLSC6Ew提取码：c2z1安装的时候如果选了vs的插件支持，会...
2020-03-04 10:19:49
3816
原创 pytorch之自定义数据集
pytorch之自定义数据集pytorch提供了torch.utils.data.Dataset这一抽象类来定义自己的数据集。使用时需要定义__len__ 和__getitem__这两个函数。例如，定义一个最简单的数据集class myDataset(Dataset): def __init__(self, file_path): self.csv_data = p...
2019-05-15 23:45:24
938
原创 pytorch入门之Tensor和Variable
pytorch入门之Tensortensor是什么Tensor译为张量。我的理解Tensor和多维数组比较相似。当维度为0时就是常量，为1时是向量。和Tensorflow一样，pytorch也使用torch作为数据格式。在pytorch中，tensor可以和ndarray（numpy中）相互转换，而且pytorch中的tensor可以方便的放到GPU上进行计算。使用tensorpytor...
2019-05-15 01:14:19
2539
原创 NLP从输入到输出之单词的处理
NLP从输入到输出之单词的处理这里记录了一些单词的处理方法。会随时更新。One-hot, 最简单的处理方法这个是最简单的处理方法。简单来说，就是把每一个单词离散化，占用一个向量的维度。假如一篇文章共有100个不重复的词。那么每个词对应的就是一个100维度的向量aaa，并且∣a∣=1|a| = 1∣a∣=1.词嵌入模型，一种考虑词相关性的模型词嵌入模型同样的也是将一个词映射为一个向量。但是...
2019-03-02 15:58:07
791
原创 深度学习超简单入门
从深度学习到NLP文本分类线性和非线性线性：当存在WWW和bbb使得式子f(x)=x⋅W+bx∈Rdin,W∈Rdin×doutandb∈Rdoutf(x) = x \cdot W + b\quad\\x \in \mathbb{R^{d_{in}}} , W \in \mathbb{R^{d_{in} \times d_{out} }} and \quad b \in \mat...
2019-03-01 12:11:08
437
1
原创 一些写html时遇到的坑
一些写html时遇到的坑1. 点击button后直接刷新界面2.设置visibility后控件消失但是占位3.js修改display属性4.textarea去掉拖拽框和进度条5.ol li前面有序号我在完成一个b/s架构的作业时，遇到了一些坑，特此纪录一下，方便初学者留意，也作为自己学习的笔记。1. 点击button后直接刷新界面我点击了button后，网页直接就刷新了一遍。这个原因是bu...
2018-10-05 00:01:57
144
原创 数据库基本知识二
SQL与高级语言JDBC:DriverManager create ConnectionConnection create StatementStatement create ResultSetConnection connect DriverProgramStatement do something to Database through DriverProgramR...
2018-06-02 14:55:58
140
原创 数据库基本知识一
数据库考试复习数据库基本概念什么是数据库:数据库是长期存储在计算机内，有组织的，可共享的大量数据的集合什么是数据库管理系统:管理数据库的软件什么是数据库系统:数据库系统是由数据库，数据库管理系统，应用程序和数据库管理员组成的存储，管理，处理和维护数据的系统关系模型什么是关系有序对的集合，数据库中表现为一张表关系模型的特点1.关系模型是建立在严...
2018-06-02 14:50:20
300
原创 TCP/IP协议
TCP/IP协议什么是TCP/IP协议Transmission Control Protocol/Internet Protocol的简写，中译名为传输控制协议/因特网互联协议，又名网络通讯协议，是Internet最基本的协议、Internet国际互联网络的基础，由网络层的IP协议和传输层的TCP协议组成。TCP的工作流程先介绍TCP/IP模型的四个层：(从抽象到物理)依次为：应用...
2018-03-15 20:48:29
178
原创 md5详解
md5入门什么是md5md5算法1.填充填充输入信息至N*512+448(即填充后的位数模512得448)填充内容为一个1和若干个0，即第一个为1其他都是0填充完毕后，添加一个64位的字段，字段表示的是原字段长度（单位是位,bit），如果原字段长度超过64位(即输入信息长度超过4EB，1EB=1024PB,但是就现在来说这是几乎不可能的)，就取低64位。 这样就使得信息长度为N...
2018-03-13 23:10:12
2729
1
原创 caffe中deploy.prototxt, train_val.prototxt和solver.prototxt分析笔记
caffe中deploy.prototxt, train_val.prototxt和solver.prototxt分析笔记 综述caffe在最近的人工智能大潮中有着非常的地位。作为一个caffe的初学者，此文是我在学习中的一个笔记，如有不当之处也请大佬们指出错误。 当然网络文件也可以通过代码生成，这里不介绍一些名词解释epoch和iteration：一个iter就是运用batc
2018-02-06 11:38:42
948
1
原创 机器学习入门（一）
分类和回归：均为预测过程，其中分类是对离散值的预测，回归是对连续值的预测。 监督学习和无监督学习：就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习（聚类）。监督学习就是给输入的无标签数据添加标签的过程。 数据集的划分方法： 1.留出法，即把数据集分为两部分 ，一般来说是8：2，8的那部分当训练集，2的那部分当测试集。 2.交叉验证法，
2017-11-26 10:53:25
189
原创 解读paddlepaddle的demo
首先先放其代码，期间我加了注释,为了更清晰我将其加了块# -*- coding: utf8 -*-import paddle.v2 as paddleimport paddle.v2.dataset.uci_housing as uci_housing# --use_gpu## 训练过程是否使用GPU，设置为true使用GPU模式，否则使用CPU模式。# 类型: bool
2017-11-25 09:14:22
3469
原创 卷积神经网络
卷积神经网络在机器学习，尤其是图像处理中有着相当优秀的表现。 首先我们先设想我们需要处理一个大小为2^10*2^10的图像，那么他们如果全连接的话就会有(2^10*2^10)^2个权值,这显然是很大的运算量。因此我们试想着，我们并不需要把图像精确到像素来处理，我们可以在较高的层中对图像进行抽象，从而减少连接数。抽象具体指的是，将一定范围内的像素的特征提取出来，从而大大减小连接数。 下面是关于cn
2017-11-21 20:01:58
197
原创 机器学习中常用的数据集处理方法
1.离散值的处理： 因为离散值的差值是没有实际意义的。比如如果用0,1,2代表红黄蓝，1-0的差值代表黄-红，是没有意义的。因此，我们往往会把拥有d个取值的离散值变为d个取值为0,1的离散值或者将其映射为多维向量。 2.属性归一化： 归一化的目标是把各位属性的取值范围放缩到差不多的区间，例如[-0.5,0.5]。这里我们使用一种很常见的操作方法：减掉均值，然后除以原取值范围。 做归一化至少有
2017-11-21 18:49:28
2757
原创 GNU Profiling
Profiling 允许你知道你的程序在哪里消耗的时间，函数之间的调用。一般适用于较大型的项目或者程序。程序的运行会影响profile data里面的结果。 1.Compiling a Program for Profiling 先打开profiling程序 如果你用cc这类命令编译程序，需要加上-pg选项，下面是例子：cc -g -c myprog.c utils.c -pgcc -o m
2017-11-18 14:10:48
317
原创 Linux入门
1.目录相关命令 pwd 显示用户当前工作目录的全目录名，例如ztono@ztono-GE5S:~$ pwd/home/ztono工作目录改变时输出也随之改变，例如：ztono@ztono-GE5S:~$ cd ~/tensorflowztono@ztono-GE5S:~/tensorflow$ pwd/home/ztono/tensorflowcd 改变目录 Syntax:cd dire
2017-11-18 10:23:30
187
原创 JAVA和面向对象的简单介绍（入门篇）
一：类基本知识 1.类和对象的关系： 类是创建对象的模板，定义了通用于一个类的所有对象的属性和方法，类中的属性赋予确定的值便得到该类的一个对象。 对象是类的实例。 2.类是一种数据类型，被称为对象类型。可以使用类名声明对象变量。 3.类属性和操作： 类的属性：类的属性描述对象特征，从属于某类对象的属性是用变量表示的，成为类的成员变量。 类的操作：类操作是对类属性的处理，操作是类的特征（
2017-11-14 18:59:11
436
原创 linux 使用intel mpi进阶（二）
1.跟踪和正确性验证 在你运行mpi程序的时候，可以使用Intel® Trace Analyzer and Collector以及Application Performance Snapshot来跟踪和收集数据。 High-Level Performance Analysis： intel提供了一个轻量级的analysis，就是上面说的aps，下面是一个使用示例：//启动相关程序$ sour
2017-11-12 20:08:29
1084
原创 linux 下使用intel mpi 进阶
1.统计与分析 设置I_MPI_DEBUG变量，变量的默认值为0，你可以设置0-1000间的值，值越高，获得的debug信息越多，下面是一个示例：$ mpirun -genv I_MPI_DEBUG=2 -n 2 ./testc [0] MPI startup(): Multi-threaded optimized library [0] MPI startup(): shm data tra
2017-11-11 14:43:43
1883
原创 linux下使用intel mpi（3）
Dubug选项 intel mpi支持以下debugger：GDB*, TotalView*, and Allinea* DDT 这里仅介绍GDB，The GNU* Project Debugger 启动gdb：$ mpirun -gdb -n 4 ./testc你也可以为一个正在运行的mpi程序添加debugger$ mpirun -n 4 -gdba <pid>
2017-11-11 13:19:58
738
原创 linux下intel使用intel mpi（2）
1.任务调度支持 当使用Altair* PBS Pro*, TORQUE*, and OpenPBS*时：$PBS_ENVIRONMENT 设置为值 PBS_BATCH或者 PBS_INTERACTIVE 参考代码如下：#PBS –l nodes=4:ppn=4 #PBS –q queue_name cd $PBS_O_WORKDIR mpirun –n 16 ./myprog
2017-11-11 10:24:44
6256
原创 linux下使用intel mpi
1.下载安装，这个大家都会，就不说了 2.启动 运行你安装目录下的intel64/bin/mpivars.sh脚本（配置mpi environment） 打开host文件：cat ./hosts 并向host文件中写入所有mpi节点名称 下面是intel提供的一个例子：$ cat ./hosts # this line is ignored clusternode1 clu
2017-11-10 16:26:02
10271
1
原创 MPI之数据类型
我们知道，比较基本的MPI点对点通信具有无法同时发送不同数据类型（当然前面提到了可以使用MPI_PACKED,但是这样会造成性能的极大损耗），因此MPI提供说明更通用的,混合的非连续通信缓冲区的机制.直到执行(implementation)时再决定数据应该在发送之前打包到连续缓冲中,还是直接从数据存储区收集。这里提供的通用机制允许不需拷贝,而是直接传送各种形式和大小的目标.我们并没有假设MPI库是用
2017-11-05 10:37:57
3794
原创 MPI的拓扑（虚拟拓扑和笛卡尔拓扑）
MPI_Graph_create和MPI_Cart_create函数分别用于产生通常（图）的虚拟拓扑和笛卡尔拓扑虚拟拓扑： 虚拟拓扑可以用图来表示，每个进程代表一个点，两点之间的连线代表通信联通，但是注意MPI在任意两个进程之间都可通信，未连接的两点之间不代表无法进行通信。但是虚拟拓扑有个很致命的缺点，就是无法直观的获得进程在拓扑间的信息。 笛卡尔拓扑： 要保证你新建的笛卡尔拓扑的节点数量和你
2017-11-04 09:32:08
6657
原创 关于MPI补充之通信篇
注：这篇博客是针对我以前的一篇博客的补充，下面是以前那篇博客的地址： http://blog.csdn.net/qq_35571432/article/details/78368797MPI 类型匹配：我们注意到在MPI_Send,MPI_Recv等中都有一个参数datatype,用来匹配参数类型，比如MPI_CHAR只能匹配MPI_CHAR，但是有一个参数可以匹配所有类型，那就是MPI_P
2017-11-01 23:12:58
2707
Adience数据集
2018-11-19
imdb-wiki中的wiki人脸部分，共3GB
2018-08-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人