weixin_43201090的博客

把静态资源复制到/usr/local/nginx/html下，配置conf文件中的加载路径和server端口 即可访问。在反向代理服务器的nginx的conf中配置server，将82端口的请求发送到101这台机器的8080端口。，用户直接访问反向代理服务器就可以获得目标服务器的资源，反向代理服务器负责将请求转发给目标服务器；，为了从原始服务器取得内容，客户端向代理发送一个请求，并指定目标（原始服务器），然后。./nginx -t 检查配置文件nginx/conf/nginx.conf文件。

pro对象的本质是一个Map 配置文件中的属性和值的映射。

JDBC连接池&JDBCTemplate。

JDBC笔记。

多表查询事务DCL。

DQL(排序 聚合 分组 分页)&MySQL约束。

数据库的基本概念MySQL数据库软件SQL。

Java反射&注解笔记

Google Colab环境下运行在Colab环境下安装包使用GPU获得训练集与测试集定义LSTM模型class RNN(nn.Module): def __init__(self,vocab_size,embedding_dim,hidden_dim): super(RNN,self).__init__() # [vocab_size 10000] => [embedding_dim:100] self.embedding = nn.Embedding(v

问题描述：from datasets import load_dataset#加载数据dataset = load_dataset(path='seamew/ChnSentiCorp', split='train')dataset报错 ConnectionError 原因分析：网络问题解决方案：需要上网 注册谷歌Colab账号不会的话看看另一篇博客 一个麻烦点的方法 Git下载在Colab中新建笔记本 运行代码下载完成后 将代码保存到google云端从云端下载

翻不了墙或者google账号出现了问题的话可以使用下面这种方法图方便还是用GoogleColab以ChnSentiCorp数据集的train为例1.进入页面 huggingface2. 用git命令下载打开git 用cd修改地址到存放dataset的路径输入命令路径下自动生成文件夹新建state.json文件{ "_data_files": [ { # 对应上图中的文件名 "filename": "chn_senti_corp

一、安装进入网址Apktoolwindows照着下载 配置好环境变量就好二、APK解压直接解压 获得主要文件 均是编译后文件 无法查看AndroidManifest.xml 程序配置文件classed.dex 编译后的文件 反编译可以获得smali后缀文件 即Dalvik寄存器语言resources.arsc 二进制资源文件使用Apktool 修改路径到apk文件目录下apktool d xxx.apk获得的文件可读 原始代码文件对classes.dex文件进行反编译获

如果！！！你看遍了所有的CSDN文章都没有找到解决方法尝试了各种IDEA配置 从project structure到project settings 到 tomcat配置通通！！！失败了！！！就像我一样！！！整了三天人都要疯啦哈哈哈！！！那就换一下tomcat的版本试一试吧哈哈哈哈哈哈哈我rnm人都要疯了！！！！tomcat 10是不是有大病！！！是不是有大病！！！好好的javax.servlet包 神经病一样改什么名字啊改成啥Jakarta.servlet包啊 完事我配来配去 IDEA导的是j

一、加载数据( x , y ), ( x_test , y_test ) = keras.datasets.xxxx.load_data( )二、数据预处理tf.data.Dataset.from_tensor_slicestf.data.Dataset.shuffle 在给定n的范围内打乱tf.data.Dataset.map 对所有数据进行统一预处理tf.data.Dataset.batch 设置batch_sizetf.data.Dataset.repe

一、wheretf.where( mask )根据给定的bool矩阵 返回值为true的坐标tf.where(mask,A,B)根据给定的bool矩阵，在true的坐标上放A矩阵对应坐标值 在false的坐标上放B矩阵对应坐标值二、scatter_nd在指定shape的tensor上 根据indices上 插入 update中的值...

一、限幅tf.clip_by_value( tensor , a , b ) ⇒ tf.maximum( tensor , a ) + tf.minimum( tensor , b )把value限制在a~b之间tf.maximum( tensor , x ) ⇒ max( 0 , x )tf.minimum( tensor , x ) ⇒ min( 0 , x )tf.nn.relu( tensor ) ⇒ tf.maximum( tensor , 0 )clip_by_

一、填充tf.pad( tensor , [ ] )[ ] 内存放n个dim的首行和尾行的填充情况n个[ a , b ] a,b∈{ 0 , 1 } 1就是要填充0的行数image padding二、复制tf.tile( a , [ ] ) [ ]内存放对应维度的复制倍数tf.tile( ) VS tf.broadcast_to( )...

一、排序sorttf.sort( tensor , direction = ’ ’ )tf.argsort( tensor )二、Toptf.math.top_k( tensor , int k ) ⇒ indices + values利用top_k计算Acc