- 博客(51)
- 收藏
- 关注
RSS订阅原创 PO、DTO和VO的区别
通常，VO 与 PO 或 DTO 中的属性一一对应，但是在相关业务场景下，VO 可以对这些属性进行一些格式化或加工处理，使其更符合前端展示需求。PO 是与数据库相关的对象，而 DTO 则是与业务相关的对象，DTO通常包含一些与业务关联的元素，如一组或多组 PO 的聚合、关联操作、计算生成的数据等。在关系型数据库中，每张表对应着一个PO，PO 中的属性值与表中数据一一对应，通过数据访问层（DAO）将数据从关系型数据库中查询出来，并映射为 PO，然后再将 PO 返回给业务层进行操作或展示。
2023-08-08 14:50:34
447
原创 空指针NPE原因之一：判断顺序错误
运算符，如果第一个条件为false，将不会执行第二个条件，因为整个表达式已经确定为false。运算符，如果第一个条件为true，将不会执行第二个条件，因为整个表达式已经确定为true。运算符时，你也需要根据具体情况考虑条件的顺序，以确保逻辑正确并避免潜在的异常。检查放在前面，以利用短路特性来提高代码的健壮性和可读性。总之，在使用逻辑运算符时，确保将可能导致空指针异常的。运算符的短路特性可以确保在。在Java中，逻辑运算符。，避免了空指针异常。
2023-08-02 15:35:29
217
原创 @PostConstruct
注解会在项目启动的时候执行该方法,也可以理解为在spring容器初始化的时候执行该方法。被它注解的方法只会被执行一次。（3）@PostConstruct (如果有)（2）@Autowired (如果有)（3）被注解方法不得抛出已检查异常；（1）构造方法Constructor。（2）被注解方法返回值为void；（1）被注解方法不得有任何参数；（4）被注解方法需是非静态方法；
2023-07-31 17:17:25
232
原创 数据库范式
然而，过度规范化可能会导致查询的复杂性和性能下降，因此在设计数据库时需要权衡范式和实际需求之间的关系。巴斯-科德范式（BCNF）：在3NF的基础上，处理主键依赖（主属性决定非主属性）和部分依赖（非主属性依赖于候选键的子集）。第二范式（2NF）：在1NF的基础上，确保表中的非主键字段完全依赖于主键。第三范式（3NF）：在2NF的基础上，消除非主键字段之间的传递依赖。第一范式（1NF）：确保表中的每个字段都是原子的，即不可再分。第五范式（5NF）：在4NF的基础上，处理联结依赖问题。
2023-07-31 08:52:40
247
原创 Times New Roman对应的latex
这样，文档正文中的文字将以Times New Roman字体呈现。请注意，"times"包通常会与默认的LaTeX字体风格不同，所以在使用之前，请确保你的LaTeX环境中已安装了相关字体文件。如果你想在LaTeX中将数学公式的内容以Times New Roman字体呈现，你可以使用mathptmx。宏包会将整个LaTeX文档的字体设置为Times New Roman风格。命令，你可以在数学公式中将变量设置为Times New Roman字体。宏包和\mathrm。
2023-07-31 00:00:09
5630
2
原创 PostgreSQL——编码“GBK“的字符0x0xa8 0x27在编码“UTF8“没有相对应值`
解决方案：修改客户端编码方式和服务端一致。原因：客户端编码与服务端编码不一致。
2023-07-26 17:36:40
1500
原创 PostgreSQL——There has been an error.Error running C:\WINDOWS\System32\icacls
安装其他版本的PostgreSQL(可优先考虑，我使用该方法解决的问题)，windows用户名含中文的创建一个新用户，
2023-07-26 11:40:55
2004
原创 PostgreSQL——Windows上安装PostgreSQL
根据下图顺序安装即可，不同版本可能顺序有点区别但每部分目的都是一样的。首先右键以管理员身份运行，可以弹出安装界面。因为某些问题我自己安装的是。
2023-07-26 11:37:29
267
原创 Windows系统创建新用户
在弹出的“用户账户”中点击添加（这里可以添加属性可以看到当前账户类型，分标准用户和管理员）Win+R 键打开dos窗口输入：control userpasswords2。点击账户头像后，可以看见新创建的账户。点击账户头像可以看见。
2023-07-26 10:51:25
1192
原创 Hadoop——Hive相关问题汇总
解决方法：修改配置文件hive-site.xml中的hive.server2.thrift.port属性值为未被占用的端口，重启HiveServer2即可。1、注意MySQL的驱动包mysql-connector-java-x.x.xx-bin.jar是否已经正确拷贝到$HIVE_HOME/lib下。3、注意是否MySQL的版本存在问题，或者服务的版本与驱动版本不匹配。2、检查hive-site.xml中数据库相关属性是否配置正确。版本不匹配，JDBC驱动程序的版本可能比Hive服务器的版本高。
2023-07-21 11:56:51
475
原创 yaml文件的【创建】【修改】
创建yaml文件import osimport yamlcontent = { 'batch_size': 64, 'dataset_dir': 'data/PEMS-BAY', 'test_batch_size': 64, 'val_batch_size': 64, 'horizon': 12, .....
2022-03-15 23:15:54
2394
原创 加载yaml文件：TypeError: load() missing 1 required positional argument: ‘Loader‘
import yamlwith open('/xxx.yaml') as f: supervisor_config = yaml.load(f)方法一：使用safe_load()函数代替 load()方法二：添加参数Loader=yaml.FullLoader方法三：（推荐）降级pyyaml 版本将6.0降为5.4.1：pyyaml !pip install pyyaml==5.4.1...
2022-03-15 22:43:18
4596
3
原创 MySQL中插入数据显示Incorrect string value: ‘\xE7\xA8\x8B...‘ for column ‘字段名‘ at row *
这是中文乱码问题，需要讲编码改成utf8。1.修改表的编码alter table 表 default character set utf8;如果依然无法插入中文数据，则要查看每个字段的编码格式。2.修改字段的编码查看数据表编码 ：show create table 表;将显示非utf8编码的字段修改成utf8编码alter table 表名 change 字段名 字段名 varchar(50) character set utf8;例如：alter table t_b
2022-03-06 11:00:59
818
原创 Numpy中数据的常用的保存与读取方法
Numpy中数据的常用的保存与读取方法 https://www.cnblogs.com/wushaogui/p/9142019.html保存为二进制文件(.npy/.npz)1.numpy.save保存一个数组到一个二进制的文件中,保存格式是.npy参数介绍numpy.save(file, arr, allow_pickle=True, fix_imports=True)file:文件名/文件路径arr:要存储的数组allow_pickle:布尔值,允许使用Python pick
2022-02-28 22:02:36
10939
1
原创 AttributeError: module ‘torch.nn.parameter‘ has no attribute ‘UninitializedParameter‘解决方法
一般来说原因是以为pytorch版本问题（当前版本pytorch中没有UninitializedParameter）我知道的解决方法有两种。第一种：重新安装pytorch(这种方法麻烦，不提倡)第二种：找到pytorch文档（网址），将torch.nn.parameter代码中缺少的UninitializedParameter部分复制粘贴到你的parameter.py文件中...
2022-02-15 23:53:20
1418
原创 Graph Embedding常见类型的理论详解
Graph Embedding目前提到图算法一般指：经典数据结构与算法层面的：最小生成树(Prim,Kruskal,…)，最短路(Dijkstra,Floyed,…)，拓扑排序，关键路径等概率图模型，将条件概率表达为图结构，并进一步挖掘，典型的有条件随机场等图神经网络，主要包括Graph Embedding(基于随机游走)和Graph CNN(基于邻居汇聚)两部分。Graph Embedding 的中心思想就是找到一种映射函数，该函数将网络中的每个节点转换为低维度的潜在表示。得到的
2022-01-28 23:55:51
536
原创 Graph Embedding——(5)SDNE理论
SDNE理论1)理论SDNE（Structural Deep Network Embedding ）是和node2vec并列的工作，均发表在2016年的KDD会议中。可以看作是基于LINE的扩展，同时也是第一个将深度学习应用于网络表示学习中的方法。之前的Deepwalk，LINE，node2vec，struc2vec都使用了浅层的结构， 浅层模型往往不能捕获高度非线性的网络结构。即产生了SDNE方法， 使用多个非线性层来捕获node的embedding。SDNE使用一个自动编码器结构来同时优化1阶和
2022-01-28 23:50:45
1554
1
原创 Graph Embedding——(4)Struc2vec理论
Struc2vec理论1)介绍Struc2Vec是从空间结构相似性的角度定义顶点相似度的。根据下图，如果在基于近邻相似的模型中，顶点uuu和顶点vvv是不相似的，第一他们不直接相连，第二他们不共享任何邻居顶点。而在struc2vec的假设中，顶点uuu和顶点vvv是具有空间结构相似的。他们的度数分别为5和4，分别连接3个和2个三角形结构，通过2个顶点(d,e;x,w)(d,e;x,w)(d,e;x,w)和网络的其他部分相连。直观来看，具有相同度数的顶点是结构相似的，若各自邻接顶点仍然具有相同度数，
2022-01-28 23:48:02
639
原创 Graph Embedding——(3)Node2vec理论
Node2vec理论1)介绍前面介绍过基于DFS邻域的DeepWalk和基于BFS邻域的LINE。node2vec是一种综合考虑DFS邻域和BFS邻域的graph embedding方法。简单来说，可以看作是deepwalk的一种扩展，是结合了DFS和BFS随机游走的deepwalk。2)优化目标设f(u)f(u)f(u)是将顶点uuu映射为embedding向量的映射函数，对于图中每个顶点uuu，定义NS(U)N_S(U)NS(U)为通过采样策略 SSS采样出的顶点uuu近邻顶点集合。no
2022-01-28 23:42:47
412
原创 Graph Embedding——(2)LINE理论
LINE理论1)介绍LINE也是一种基于邻域相似假设的方法，只不过与DeepWalk使用DFS构造邻域不同的是，LINE可以看作是一种使用BFS构造邻域的算法。此外，LINE还可以应用在带权图中(DeepWalk仅能用于无权图)。LINE在图上定义了两种相似度：一阶相似度与二阶相似度。一阶相似度：用于描述图中成对顶点之间的局部相似度。形式化描述为若u,v\bf u,vu,v之间存在直连边，则边权wuvw_{\bf uv}wuv即为两个顶点的相似度；若不存在直连边，则一阶相似度为0。如上图中的6、
2022-01-28 23:40:31
572
原创 Graph Embedding——(1)DeepWalk理论
DeepWalk理论1)介绍DeepWalk的思想类似word2vec，使用图中节点与节点的共现关系来学习节点的向量表示。DeepWalk通过从每个结点出发n_walks次，每一步都采取均匀采样的方式选择当前结点的邻接结点作为下一步的结点随机游走。当游走的路径长度达到walk_length后，停止一次游走。这样就生成了一个个游走的序列，每个序列都称为一个walk。每个walk都被当成Word2Vec中的一个句子，而每个结点都是Word2Vec中的一个词。之后的算法几乎和Word2Vec的skip gr
2022-01-28 23:33:56
1007
原创 java插入数据库的中文变成?解决方法
1. 检查数据库编码是否设为““UTF-8””2.修改java连接数据库语句添加?useUnicode=true&characterEncoding=utf-8url=jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=utf-8
2022-01-28 15:12:16
1992
1
原创 IDEA之【Mark Directory as】选项详解
Sources Root：让IDEA知道这个文件夹及其子文件夹中包含源代码，是需要编译构建的一部分。设置后后出现Unmark as Sources Root,点击可撤回。如果导入其他包中的py文件出现错误，无法显示需要导入包的文件，可以尝试使用此方法让IDEA知道这个文件夹及其子文件夹中包含源代码。Exclued：不包括、排除Test Sources Root：测试源文件夹允许您将与测试相关的代码与生产代码分开。通常，源和测试源的编译结果被放置在不同的文件夹中。Resources Roo...
2022-01-26 18:09:36
5810
原创 图中心性【点度中心性】【 特征向量中心性】【中介中心性】【接近中心性】
目录1、点度中心性（degree centrality）2、 特征向量中心性（eigenvector centrality）3、中介中心性（betweenness centrality）4、接近中心性（closeness centrality）在图论和网络分析中，中心性（Centrality）是判断网络中节点重要性/影响力的指标。1、点度中心性（degree centrality）在无向网络中，我们可以用一个节点的度数来衡量中心性。这一指标背后的假设是：重要的节点就是拥有许多连接
2022-01-24 22:00:39
13466
1
原创 【python】os.path
import os1、joinos.path.join()：连接两个或更多的路径名组件print(os.path.join('E','tarins','join.txt')) # 输出：E\tarins\join.txt2、dirnameos.path.dirname(path)：去掉文件名，返回目录path='E:/trains/dirname.txt'print(os.path.dirname(path)) # 输出：E:/trains3、splitexto...
2021-12-26 22:34:40
409
原创 【python】repeat_interleave()
功能：重复张量的元素torch.repeat_interleave(input, repeats, dim=None)input ：输入张量repeats：每个元素的重复次数。dim：需要重复的维度。默认输出(flatten)扁平化张量一维：a = torch.tensor([1, 2, 3, 4])a.repeat_interleave(2) # 等同于：torch.repeat_interleave(a, 2)#结果：tensor([1, 1, 2, 2, 3, 3,..
2021-12-23 22:02:55
1782
原创 图神经网络GNN-使用PyG踩坑：Cora数据集加载失败
dataset = Planetoid(root='../dataset/data1', name='Cora')这里提供的是手动下载方法，虽然麻烦，但最有保障。使用git下载数据git clone https://github.com/kimiyoung/planetoid.gitorgit clone https://gitee.com/jiajiewu/planetoid.git下载的是planetoid文件夹，将其data中的如下数据文件复制粘贴，放到根目录下datas..
2021-12-13 19:46:57
4677
4
原创 【python】collections之namedtuple
标准的元组：p1 = ('Baby', 18, 'male')print('Person1:', p1) p2 = ('Jay', 16, 'female')print('The name of Person2:', p2[0]) print('\nPerson:')for p in [p1, p2]: print('%s is a %d year old %s' % p)#结果Person1: ('Baby', 18, 'male')The name of Perso
2021-12-09 19:38:10
560
原创 【python】collections之Counter
Counter功能：获取各元素的个数,返回字典from collections import Counterx1 = '5345345343435'x2 = ['a','b','b','c','a','a','b']x3 = {'a': 3, 'b': 3, 'c': 2}print(Counter(x1)) print(Counter(x2)) print(Counter(x3)) Counter({'3': 5, '5': 4, '4': 4})Counter
2021-12-09 19:36:25
284
原创 Pytorch之torch..nn.functional.one_hot()
独热编码one_hot(tensor, num_classes=-1) -> LongTensortensor:要编码的张量num_calsses:类别数，就是下面例子中的列数import torchfrom torch.nn import functional as F1、无num_classes列数与最大值有关:0 -> max,比如下面例子中最大值为8，所以0 -> 8,共9列（相当于labels共9类）行数与数的个数有关，该例子共8个数，所以8行。所.
2021-12-07 21:01:49
16046
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人