闲来无事，给代码做一次归档

最新推荐文章于 2021-06-08 16:27:14 发布
最新推荐文章于 2021-06-08 16:27:14 发布
阅读量1.2k 收藏
点赞数
分类专栏： 程序人生
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/szaf59313/article/details/73610179
版权

今天白天没什么事，就随便翻了翻项目代码，进入公司三年多来，大大小小的项目也做了不少，但除了个别正式立项的项目外，大部分的项目代码都没入库。

不是咱不想上交代码，公司都没给咱开项目库和代码库不是。这些小项目的代码都以最原始的方式备份着，也就是每个版本的代码通过压缩包的方式保存。这种方式也许在当时看来很方便，但随着代码版本增多，就会变得极其混乱，无法比较该代码究竟修改了那些，代码的追溯也做不了。既然公司没有开代码库，那咱就自己建个库来给代码归档。

给每个项目创建好代码库，按照开发的时间，逐个版本提交代码，打上Tag，发布Release包。忙碌了一个下午，完成了四个项目的归档工作。

看着干净整洁的代码库，说不出有多畅快！

2017年6月22日星期四

钩鸿踏月
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
文件归档源代码
09-05
遍历文件夹，查找目标文件，并复制到其他路径
lrucacheleetcode-userCode:闲来无事敲的代码
06-29
使用linux内核计算日期时间的方法进行时间统计，代码如下 unsigned int GetDays() const { int year = GetYear(); int month = GetMonth(); int day = GetDay(); if (0 >= (int)(month -= 2)) { month += 12; ...
个人代码归档
weixin_30653023的博客
11-25 208
http://pan.baidu.com/s/1D7Qii 密码：52n3 转载于:https://www.cnblogs.com/vvonline/p/4121141.html
一行代码实现 归档解档
baidu_32469997的博客
02-25 919
源地址：http://www.jianshu.com/p/fed1dcb1ac9f一、变量声明 为便于下文讨论，提前创建父类Biology以及子类Person：Biology:@interface Biology : NSObject { NSInteger *_hairCountInBiology; } @property (nonatomic, copy) NSString *intro
被归档的代码
weixin_44874766的博客
03-12 186
RGB to YUV的更弱一些的实现 main.cpp # include<iostream> # include<fstream> # include"RGB2YUV.h" using namespace std; #define size 196608 #define u_offset 65536 #define v_offset 131072 int main(char argc, char** argv) { //数据读入和文件创建 ifstream originrg
代码存档
少年休闲海
11-29 1419
REPORT  ZCHECK NO STANDARD PAGE HEADING. *----------------------------------------------------------------------* * TABLE DECLARATION *----------------------------------------------------------
wangyiyanxuan:闲来无事做的网易严选-。-
05-16
网易严选底部组件实现，以及是否需要显示（meta）flex布局时如果父元素如果不能被子元素撑开，给父元素的父元素设置display：flex存在多层表达式时出现错误 xxx of ‘undefinde’解决方法v-if判断better-scroll不能...
红包封面整蛊版网页源码闲来无事玩一玩.zip
01-13
红包封面整蛊版网页源码是一种趣味性的网页应用，它模拟了真实的红包领取界面，但内容通常是搞笑或者恶搞的元素，为用户带来娱乐效果。这类网页源码通常由前端开发者编写，涉及到HTML、CSS和JavaScript等技术。下面...
闲来无事自己搭建了一个加密的鱼池中转服务器
02-12
闲来无事自己搭建了一个加密的鱼池中转服务器，有需要的可以拿去用了
自动归档代码
09-19
ios 自动归档实现，无需手写归档代码 方便易懂，很好掌握
校园闲置物品交易平台代码 java校园闲置物品交易平台代码
02-20
校园闲置物品交易平台代码 java校园闲置物品交易平台代码 基于SSM的校园闲置物品交易平台代码 1、校园闲置物品交易平台的技术栈、环境、工具、软件： ① 系统环境:Windows/Mac ② 开发语言：Java ③ 框架：SSM ④ ...
java归档_归档 Java 代码 JAR
weixin_39863008的博客
02-16 290
现在您已经了解了如何编写 Java 应用程序，您可能想知道如何打包它们，以便其他开发人员可以使用它们，或者您想知道如何将其他开发人员的代码导入到您的应用程序中。本节将展示如何做。JARJDK 附带了一个称为 JAR 的工具，它代表 Java Archive(Java 归档文件)。您可以使用此工具创建 JAR 文件。将代码打包到 JAR 文件中后，其他开发人员可将该 AJR 文件放入其项目中，并配置...
OC学习篇之---归档和解挡
modabobo
12-11 146
前几篇文章说到了OC中的Foundation框架：http://blog.csdn.net/jiangwei0910410003/article/details/41852835，今天我们来看一下OC中的一个重要知识点：归档 OC中的归档就是将对象写入到一个文件中，Java中的ObjectInputStream和ObjectOutputStream来进行操作的。当然在操作的这些对象都是需要实现一个...
软工导论测试代码（归档）：设备管理系统
violet.
06-08 173
设备管理系统 部分功能实现代码，用来完成导论测试 package com; import jdk.swing.interop.LightweightContentWrapper; import java.util.ArrayList; import java.util.List; import java.util.Scanner; import java.io.*; import java.nio.file.Files; import java.nio.file.Path; import java.n
STL源码分析归档
weixin_30745553的博客
05-26 68
1) algorithm 2) traits 3) iterator 4) list 5) function 6) rbtree 7) bitset 8) priority_queue 9) hashtable 10) deque 11) string 转载于:https://www.cnblogs.com/taiyang-li/p/6910211.html
如何在SQL Server 2005中对代码进行归档
zgqtxwd的专栏
04-28 445
<!--google_ad_client = "pub-2947489232296736";/* 728x15, 创建于 08-4-23MSDN */google_ad_slot = "3624277373";google_ad_width = 728;google_ad_height = 15;//--><script type="text/javascript"
文章归档
haokur的博客
05-25 752
学习中很容易陷入一个怪圈, 就是自己会的熟的, 更喜欢一学再学, 会写的代码一写再写, 做着重复的事情, 而且还自我感觉良好. 好像一直在努力, 结果却并不如任意. 计划按以下清单, 逐一把自己已知的, 和查漏补缺加上未知的一些知识点, 总结一下. 才疏学浅, 疏漏错误之处, 还请不吝赐教.
matlab下载.pdf
最新发布
07-14
matlab下载下载方式及注意事项
transformer模型给出python代码
05-28
Transformer是一种用于自然语言处理的神经网络模型，它最早由Google提出，已经被广泛应用于机器翻译、文本分类、文本生成等任务中。Transformer模型采用自注意力机制（Self-Attention）来实现序列建模，大大减少了RNN模型的计算复杂度和训练时间，同时取得了更好的效果。 以下是使用PyTorch实现Transformer的代码： ```python import torch import torch.nn as nn class Transformer(nn.Module): def __init__(self, vocab_size, emb_size, nhead, nhid, nlayers, dropout=0.1): super(Transformer, self).__init__() # 词嵌入层 self.embedding = nn.Embedding(vocab_size, emb_size) # 编码器和解码器共用一个Transformer层 self.transformer_layer = nn.Transformer(d_model=emb_size, nhead=nhead, num_encoder_layers=nlayers, num_decoder_layers=nlayers, dim_feedforward=nhid, dropout=dropout) # 输出层 self.fc = nn.Linear(emb_size, vocab_size) def forward(self, src, tgt): # 将输入序列和目标序列分别通过词嵌入层得到词向量 src_emb = self.embedding(src) tgt_emb = self.embedding(tgt) # Transformer的输入要求是(seq_len, batch_size, emb_size) src_emb = src_emb.permute(1, 0, 2) tgt_emb = tgt_emb.permute(1, 0, 2) # 输入序列和目标序列共享编码器和解码器 output = self.transformer_layer(src_emb, tgt_emb) # 将输出通过全连接层得到最终的预测结果 output = self.fc(output.permute(1, 0, 2)) return output ``` 以上代码实现了一个简单的Transformer模型，包括词嵌入层、Transformer层和输出层。在forward函数中，将输入序列和目标序列通过词嵌入层得到词向量，然后分别转置维度，再输入到Transformer层中。最后将Transformer的输出通过全连接层得到最终的预测结果。 如果需要使用该模型进行训练，可以按照以下步骤进行： ```python # 定义超参数 vocab_size = 10000 emb_size = 256 nhead = 8 nhid = 512 nlayers = 6 dropout = 0.1 # 定义模型和损失函数 model = Transformer(vocab_size, emb_size, nhead, nhid, nlayers, dropout) criterion = nn.CrossEntropyLoss() # 定义优化器 optimizer = torch.optim.Adam(model.parameters(), lr=0.001) # 训练模型 for epoch in range(num_epochs): for i, (src, tgt) in enumerate(train_loader): optimizer.zero_grad() output = model(src, tgt[:, :-1]) loss = criterion(output.view(-1, vocab_size), tgt[:, 1:].contiguous().view(-1)) loss.backward() optimizer.step() print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item())) ``` 以上代码展示了使用交叉熵损失函数和Adam优化器对模型进行训练的过程。在每个epoch内，对训练集中的每个batch进行训练，并更新模型参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值