- 博客(168)
- 收藏
- 关注
RSS订阅原创 【区块链】区块链密码学基础
密码学是区块链技术的核心基石，没有现代密码学的支撑，区块链的去中心化、不可篡改等特性将无从谈起。本文将深入浅出地介绍区块链中的密码学基础知识。
2024-12-11 10:48:14
2984
173
原创 【区块链】零知识证明基础概念详解
证明者（Prover）：掌握某个秘密，需要证明自己知道这个秘密验证者（Verifier）：需要验证证明者的陈述，但不需要知道具体的秘密。
2024-12-09 12:24:14
2607
106
原创 【Solidity】变量详解：类型、作用域与最佳实践
合约功能实现Gas优化安全性保证代码可维护性至关重要。理解不同类型变量的特性合理选择存储位置注意变量的可见性控制遵循命名规范实施必要的安全措施。
2024-12-06 11:03:38
2026
129
原创 【Solidity】Solidity数据类型与数据处理详解
合约安全性Gas优化代码可维护性至关重要。深入理解各种数据类型的特性合理选择数据存储位置注意数据处理的安全性优化数据结构以节省Gas。
2024-12-03 10:44:04
1488
159
原创 【Solidity】入门指南：智能合约开发基础
理解区块链基本原理熟悉Solidity语法特性注重安全性考虑实践与测试随着Web3的发展，Solidity的重要性将继续提升。多写代码阅读优秀项目源码关注生态发展参与社区讨论。
2024-12-01 12:35:56
1537
138
原创 【React】React 组件通信：多种方式与最佳实践
对于简单的父子组件通信，使用props和回调函数是最简单的选择。对于兄弟组件，可以考虑使用共同父组件或状态管理库。对于跨层级组件通信，React Context API 是一个不错的选择，而 Redux 和 MobX 则适合大型应用。React 组件通信是构建复杂应用的基础，理解不同的通信方式及其适用场景对于开发高效、可维护的应用至关重要。希望本文能够帮助你更好地掌握 React 组件通信的多种方式，并在实际开发中灵活运用。
2024-11-27 18:18:20
2407
170
原创 【区块链】深入理解椭圆曲线密码学(ECC)
椭圆曲线密码学（Elliptic Curve Cryptography，简称ECC）是现代公钥密码学的基石之一。它以其高效的计算性能和较短的密钥长度，在区块链、数字货币和信息安全领域扮演着关键角色。本文将深入探讨ECC的原理、应用及其在区块链中的重要性。a和b为常数判别式Δ = 4a³ + 27b² ≠ 0（确保曲线光滑）椭圆曲线密码学是现代密码学和区块链技术的核心支柱。它完美地平衡了安全性和效率，为数字世界提供了坚实的密码学基础。随着技术的发展，ECC将继续演进，在更多领域发挥重要作用。
2024-11-25 11:52:49
6933
153
原创 【React】React Router：深入理解前端路由的工作原理
深入理解 React Router 的工作原理，不仅能帮助开发者更好地使用这个库，还能提升对前端路由的整体认知。路由不仅仅是页面跳转，更是构建现代 Web 应用的重要基石。通过本文，相信读者已经对 React Router 有了更深入的理解。希望这些insights能够帮助大家在实际开发中更好地运用路由技术。
2024-11-22 15:59:16
2136
143
原创 【区块链】零知识证明：加密世界的隐私守护者
零知识证明代表了密码学和隐私保护技术的前沿。它不仅为区块链提供了强大的隐私保护机制，还为未来的去中心化应用开辟了新的可能性。随着技术的不断发展，我们有理由相信零知识证明将在构建更安全、更私密的数字世界中发挥关键作用。
2024-11-20 10:17:59
4147
147
原创 【React】状态管理之Jotai
Jotai 是一个用于 React 的状态管理库，它的名字源自日语中的“原子”，意指将状态分解为最小的可管理单元。与其他状态管理库不同，Jotai 采用了原子状态的概念，使得状态更新更加灵活和高效。Jotai 的设计理念是简单、轻量和高效，旨在为开发者提供一种更直观的状态管理方式。
2024-11-18 10:43:21
1335
125
原创 【React】状态管理之Zustand
简单直观的 API 设计无需 Provider 的使用方式出色的 TypeScript 支持强大的中间件系统优秀的性能表现降低状态管理的复杂度提高应用的可维护性优化应用性能提供更好的开发体验在选择状态管理方案时，如果你需要一个轻量级但功能强大的解决方案，Zustand 是一个值得考虑的选择。它特别适合中小型应用，但通过良好的状态组织，同样可以胜任大型应用的状态管理需求。
2024-11-16 11:36:15
1637
127
原创 【React】状态管理之Redux
Redux 通过其简单而强大的设计原则，为 React 应用提供了可预测的状态管理能力。理解其工作原理对于构建大型应用至关重要。单一数据源状态只读使用纯函数进行修改单向数据流中间件机制通过合理运用这些原则，我们可以构建出更加可维护和可扩展的应用。同时，通过使用 reselect、保持不可变性等优化手段，还能确保应用具有良好的性能表现。
2024-11-14 11:56:58
2049
129
原创 【React】深入理解 JSX语法
JSX (JavaScript XML) 是 React 框架中的一种特殊语法扩展，它允许我们在 JavaScript 代码中编写类似 HTML 的代码。JSX 为我们提供了一种直观的方式来描述用户界面的结构，同时保持了 JavaScript 的全部功能。// JSX// 普通 HTMLJSX 是 React 生态系统中的一个重要创新，它成功地将声明式的 UI 描述与 JavaScript 的编程能力结合在一起。虽然它看起来像模板语言，但实际上它具备了完整的 JavaScript 功能。
2024-11-11 19:33:40
1509
136
原创 【React】React 生命周期完全指南
React 组件的生命周期是指组件从创建、更新到销毁的整个过程。合理地使用生命周期方法可以让我们更好地控制组件的行为，优化性能，并处理副作用。React 生命周期方法为我们提供了在组件不同阶段执行代码的机会。优化组件性能正确处理副作用管理组件状态避免内存泄漏constructor：初始化componentDidMount：副作用处理componentDidUpdate：更新后的操作componentWillUnmount：清理工作。
2024-11-09 16:09:47
5954
119
原创 【区块链】深入理解智能合约 ABI
标准化接口定义确保交互的准确性提供跨平台兼容性支持合约升级和版本控制理解 ABI 的结构和格式掌握编码规则正确处理参数类型做好错误处理遵循最佳实践随着智能合约技术的发展，ABI 标准也在不断完善。开发者需要持续关注相关更新，以确保开发的应用程序能够稳定可靠地与智能合约进行交互。
2024-11-06 13:00:39
3234
155
原创 【区块链】深入理解区块链中的 Gas 机制
降低交易成本提高交易成功率优化智能合约性能提升用户体验理解 Gas 计算机制掌握 Gas 优化策略合理设置 Gas 参数关注网络状况选择适当的交易时机随着以太坊网络的发展和升级，Gas 机制也在不断完善。开发者需要持续关注相关更新，以便更好地优化应用程序的 Gas 使用效率。
2024-11-04 09:34:18
3382
153
原创 【React】React 的核心设计思想
自定义 Hooks 允许你提取组件逻辑到可重用的函数中。}, []);这些模式使得 React 代码更加模块化和可复用。React 的设计思想体现了现代前端开发的最佳实践。通过声明式编程、组件化、单向数据流、虚拟 DOM、灵活的状态管理、JSX、强大的生命周期和 Hooks 系统，以及注重封装和复用的理念，React 为开发者提供了一个强大而灵活的工具集。这些设计思想不仅使得构建复杂的用户界面变得更加简单和高效，还促进了整个前端生态系统的发展。
2024-10-30 10:27:31
1556
171
原创 【React】React 18：新特性与重大更新解析
并发渲染允许 React 同时准备多个版本的 UI。这意味着 React 可以在后台准备新的 UI，而不会阻塞主线程，从而保持应用的响应性。批处理是指 React 将多个状态更新组合成一次重新渲染，以提高性能。在 React 18 之前，批处理只在 React 事件处理程序中生效。现在，所有的更新都会自动批处理，无论它们来自哪里。Transitions 允许开发者将某些更新标记为"可中断"的，这意味着这些更新可以被更紧急的更新打断。
2024-10-28 10:10:02
1426
132
原创 【前端构建】Vite: 下一代前端构建工具
在现代前端开发中，构建工具扮演着至关重要的角色。Vite 作为一个新兴的前端构建工具，以其快速的冷启动、即时的热模块替换（HMR）和优化的构建性能而备受关注。本文将深入探讨 Vite 的核心概念、基本用法、高级特性以及最佳实践，帮助开发者更好地理解和使用这个强大的工具
2024-10-24 17:51:40
1756
118
原创 【前端构建】Snowpack: 现代化的前端构建工具
在前端开发领域，构建工具扮演着至关重要的角色。随着 Web 技术的不断发展，开发者们一直在寻找更快、更高效的构建解决方案。Snowpack 作为一个现代化的前端构建工具，以其独特的设计理念和卓越的性能，正在改变我们构建 Web 应用的方式。本文将深入探讨 Snowpack 的核心概念、基本用法、高级特性以及最佳实践，帮助开发者更好地理解和使用这个强大的工具。
2024-10-22 10:53:38
1251
156
原创 【前端构建】Rollup: 下一代 JavaScript 模块打包器
在现代前端开发中，模块打包器扮演着至关重要的角色。Rollup 作为一个高效、简洁的 JavaScript 模块打包器，以其出色的性能和灵活的配置而备受青睐。本文将深入探讨 Rollup 的核心概念、基本用法、高级特性以及最佳实践，帮助开发者更好地理解和使用这个强大的工具。
2024-10-18 12:42:53
5192
183
原创 【前端构建】Webpack: 现代前端开发的核心工具
在当今复杂的前端开发环境中，Webpack 已经成为了不可或缺的工具。作为一个强大的静态模块打包器，Webpack 不仅简化了开发流程，还大大提高了应用程序的性能和可维护性。本文将深入探讨 Webpack 的核心概念、基本配置、高级特性以及最佳实践，帮助开发者更好地理解和使用这个强大的工具。
2024-10-12 12:29:47
1950
193
原创 【机器学习】目标分类算法概述
在计算机视觉和图像处理领域,目标分类是一项重要的任务,旨在自动识别和分类图像或视频中的目标对象。目标分类算法通过学习大量标注数据,建立一个能够将输入图像映射到预定义类别的模型。这些算法在许多实际应用中发挥着关键作用,如自动驾驶、机器人视觉、人脸识别、医学图像分析等。本文将介绍几种常用的目标分类算法,包括传统的机器学习方法和基于深度学习的方法,并对它们的原理、优缺点及适用场景进行分析和比较。
2024-09-27 18:59:21
2438
260
原创 【机器学习】TensorFlow编程基础
TensorFlow是一个由Google Brain团队开发的开源人工智能框架,用于构建和训练深度学习模型。它具有强大的数值计算能力,并支持在CPU和GPU上高效运行。本文将介绍TensorFlow编程的基础知识,包括张量(Tensor)的概念、计算图(Computational Graph)、会话(Session)等核心组件,以及一些基本的数学运算。
2024-09-23 14:54:57
1451
195
原创 【机器学习】OpenCV高级图像处理
在掌握了OpenCV的基础知识之后,我们将深入探讨OpenCV在高级图像处理领域的应用。本文将介绍一些常用的高级图像处理技术,包括图像滤波、图像金字塔、图像分割、特征检测与描述、图像变换以及图像修复与增强。
2024-09-19 17:23:58
4829
201
原创 【机器学习】OpenCV入门与基础知识
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,它由Intel公司发起并参与管理。OpenCV提供了一系列用于图像处理和计算机视觉的算法和工具,支持多种编程语言,如C++、Python、Java等,并且可以运行在Windows、Linux、macOS等多种操作系统上。OpenCV广泛应用于各个领域,包括人机交互、机器人、安防监控、医疗影像、汽车驾驶等。
2024-09-16 16:12:41
2281
172
原创 【机器学习】迁移学习的实践
在深度学习时代,基于参数的迁移学习(Parameter-based Transfer Learning)成为了最常用的迁移学习方法。这种方法通常分为以下几个步骤:1. **预训练(Pre-training)**: 在源领域的大规模数据集上训练一个深度神经网络模型,作为基础模型。2. **模型迁移(Model Transfer)**: 将基础模型的部分或全部参数迁移到目标任务中,作为初始化参数。3. **微调(Fine-tuning)**: 在目标领域的数据上对迁移后的模型进行进一步训练,使其适应目标
2024-09-13 11:18:00
1981
168
原创 【机器学习】迁移学习概论
迁移学习(Transfer Learning)是一种机器学习技术,它旨在通过将在一个领域(源领域)学习到的知识迁移到另一个领域(目标领域),从而提高目标领域的学习效率。在传统的机器学习方法中,通常需要为每个新任务从头开始训练一个全新的模型,这不仅效率低下,而且当训练数据有限时,模型的性能也会受到影响。而迁移学习则允许我们利用已有的知识,加快新任务的学习过程,提高模型的泛化能力。基于实例的迁移学习(Instance-based Transfer Learning)
2024-09-10 18:37:45
2250
156
原创 【机器学习】生成对抗网络(Generative Adversarial Networks, GANs)详解
生成对抗网络(Generative Adversarial Networks, GANs)是一种全新的生成模型架构,由Ian Goodfellow等人在2014年提出。GANs通过对抗训练的方式,能够从噪声分布中生成逼真的数据样本,在图像生成、语音合成、数据增广等领域展现出巨大的潜力。本文将详细介绍GANs的基本原理、训练过程、发展历程以及在实际任务中的应用。
2024-09-06 12:06:18
2428
206
原创 【机器学习】LSTM(长短期记忆网络)详解
长短期记忆网络(Long Short-Term Memory, LSTM)是一种特殊的循环神经网络(RNN)架构,旨在解决传统RNN在处理长序列时容易出现的梯度消失/爆炸问题。LSTM通过精心设计的门控机制,能够更好地捕捉长期依赖关系,在自然语言处理、语音识别、时间序列预测等领域取得了卓越的成绩。本文将详细介绍LSTM的工作原理、前向传播过程以及在实际任务中的应用。
2024-09-03 22:28:51
2463
178
原创 【机器学习】循环神经网络(RNN)介绍
循环神经网络(Recurrent Neural Network, RNN)是一种特殊类型的人工神经网络,专门设计用于处理序列数据,如文本、语音、视频等。与传统的前馈神经网络不同,RNN在隐藏层之间引入了循环连接,使得网络能够捕捉序列数据中的动态行为和时间依赖性。上图展示了一个简单的RNN结构,其中xtx_txt表示时间步ttt的输入,hth_tht表示时间步ttt的隐藏状态,oto_tot表示时间步ttt的输出。可以看到,隐藏状态hth_tht。
2024-08-31 18:22:39
2919
190
原创 【机器学习】CNN在计算机视觉中的应用
本文介绍了CNN在计算机视觉中的几个主要应用,包括图像分类、目标检测、语义分割、实例分割和视频分析等。CNN凭借其强大的特征提取能力和端到端的训练方式,在这些任务中取得了卓越的成绩,推动了计算机视觉领域的快速发展。未来,随着模型架构和训练算法的不断优化,CNN在计算机视觉领域的应用将会更加广泛和深入。
2024-08-26 16:29:21
4044
209
原创 【机器学习】经典CNN架构
本文介绍了几种经典的CNN架构,包括LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等。这些架构不断推进了CNN的发展,提出了诸如卷积、池化、残差连接等创新技术,极大地提高了CNN在计算机视觉等领域的性能。未来,CNN仍将在各个领域发挥重要作用。
2024-08-22 15:49:06
2864
203
原创 【机器学习】CNN的数学基础
卷积神经网络（Convolutional Neural Network，CNN）作为深度学习中的重要模型，其强大性能背后蕴含着丰富的数学原理。本文将深入探讨CNN的数学基础，包括卷积运算、激活函数、池化操作、反向传播算法以及优化方法等核心概念。通过对这些数学基础的理解，我们可以更好地把握CNN的本质，为进一步优化和创新CNN模型奠定基础。
2024-08-20 10:08:01
833
163
原创 【机器学习】CNN的基本架构模块
卷积神经网络（Convolutional Neural Network，CNN）是深度学习中一种强大的神经网络架构，特别适用于处理具有网格状拓扑结构的数据，如图像和时间序列。CNN的成功源于其独特的架构设计，包含了多个精心设计的基本模块。本文将详细介绍CNN的基本架构模块，包括卷积层、池化层、激活函数、全连接层等，以及一些高级组件和优化技术。
2024-08-16 11:44:22
1926
211
原创 【机器学习】卷积神经网络简介
卷积神经网络（Convolutional Neural Network，简称CNN）是深度学习领域中一种革命性的神经网络架构，特别适用于处理具有网格状拓扑结构的数据，如图像、视频和语音信号。自2012年AlexNet在ImageNet竞赛中取得突破性成果以来，CNN在计算机视觉、自然语言处理等领域展现出巨大潜力，推动了人工智能的快速发展。本文将从CNN的基本概念、核心组件、工作原理到应用领域进行全面介绍，旨在为读者提供对CNN的系统认识。
2024-08-12 22:11:00
2504
196
原创 【机器学习】 Sigmoid函数：机器学习中的关键激活函数
Sigmoid函数，也称为逻辑函数（Logistic Function），是一种常见的S型函数。Sx11e−xSx1e−x1其中，e是自然对数的底数，约等于2.71828。
2024-08-09 20:19:15
5599
202
原创 【机器学习】BP神经网络正向计算
反向传播（Backpropagation，简称BP）神经网络是人工神经网络中最常用和最基础的模型之一。虽然BP神经网络以其反向传播算法而闻名，但正向计算同样是网络运行的关键组成部分。本文将详细介绍BP神经网络的正向计算过程，包括其基本原理、数学表示和实现方法。
2024-08-08 15:54:44
1570
141
原创 【机器学习】BP神经网络中的链式法则
链式法则是微积分中的一个基本法则，用于计算复合函数的导数。在神经网络中，它允许我们计算损失函数相对于网络中任何参数的梯度。
2024-08-07 20:35:44
2156
132
原创 【机器学习】BP神经网络基本结构
BP神经网络是一种监督学习算法，它通过最小化预测输出与实际目标之间的误差来调整网络参数。BP算法的核心思想是将输出误差沿网络反向传播，从而指导各层权重的调整。
2024-08-06 13:27:07
2944
153
前端+情人节+爱心代码
2024-02-15
前端+HTML+情人节爱心
2024-02-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人