weixin_43633568的博客

转载 Excel导出含二级表头

代码是学习此链接代码大致流程如下（用的是POI）：**1.**拿到所有表头放到二维数组，其中有一级表头的列：创建一维新数组，把一级放数组的[0]，二级放数组的[1][2]这样的，内容放到list**2.**创建新的Excel，然后创建新的sheet**3.**创建title-按照所有表头创建第一行，若遇到二级的-正常创建，遇到一级表头（第一步中的一维数组），取出一维数组的第一个（即一级表头），并合并一级表头所占的列**4.**类似第三步，创建title-按照所有表头创建第一行，若遇到二级的-正常创

原创 Mysql基础2

索引N叉搜索树（减少树的高度，减少IO，Mysql用的，也叫B+树，平衡搜索树）一个树的叉为N个，N是多少：和数据页有关（一次读取一个数据页），一个数据页能放多少索引值有关Mysql 用between 还没有用到叶子之间的链表，因为要照顾到所有搜索引擎，有的没有链表主键ID也叫聚簇索引k值索引二级索引、辅助索引先进行普通索引查询，搜索k索引树，得到主键ID，在用ID索引树搜索一次，称为回表（就是在普通索引上查一次，查到主键id，然后再用主键id去查数据）辅助索引的叶子里依然有

原创 SSM整合

pom文件<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0...

原创 SpringMVC-初入门例子

效果：首页点击链接可以成功跳转结构controllerpackage cn.itcast.controller;import org.springframework.stereotype.Controller;import org.springframework.web.bind.annotation.RequestMapping;@Controllerpublic class HelloController { @RequestMapping(path = "/hello"

原创 SpringTemplate

bean.xml<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:aop="http://www.springframework.org/schema/aop" xmlns:tx="h

转载 Spring-AOP（前置通知和环绕通知小栗子）+注解

本例子目标：在AccountServiceImpl的saveAccount方法前执行前置通知Logger类中的printLog方法pom文件 <dependencies> <dependency> <groupId>org.springframework</groupId> <artifactId>spring-context</artifactId> .

原创 Spring-IOC的账户增删改查（完全用注解）

创建配置类SpringConfiguration@ComponentScan("com.itheima")@Import(JdbcConfig.class)//用于导入其他的配置类@PropertySource("classpath:jdbcConfig.properties")//用于指定properties文件的位置public class SpringConfiguration {}其他配置类JdbcConfigpublic class JdbcConfig { @Val

原创 Spring-IOC的账户增删改查（开始使用注解进行注入）

使用context:component-scan标签来说明要扫描的包里的注解bean.xml文件：Service和Dao都是用注解来注入实体类<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:c

原创 Spring-IOC的账户增删改查

包结构：pom文件：<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apach

原创 Mybatis-注解开发

使用注解就不需要IDao.xml，并且不能在javabean的resource文件夹下有相同名字的配置文件只要在IDao.java上加上注解package com.itheima.dao;import com.itheima.domain.User;import org.apache.ibatis.annotations.*;import java.util.List;public interface IUserDao { /** * 查询所有用户 * @re

原创 Mybatis 延迟加载策略、缓存

实际开发过程中并不需要总在加载用户信息时就一定要加载他的账户信息。此时就需要延迟加载。延迟加载：先从单表查，需要时再从关联表查，提高查询性能，也叫懒加载。一对一（查账户时不急着一起查用户信息）首先配置SqlMapConfig.xml开启延迟加载 <settings> <!--开启Mybatis支持延迟加载--> <setting name="lazyLoadingEnabled" value="true"/>

原创 Mybatis-连接池、多表操作等

连接池连接池可以减少我们获取连接的时间mybatis连接池提供了3种方式的配置：主配置文件SqlMapConfig.xml中的dataSource标签，type属性就是表示采用何种连接池方式。type属性的取值：POOLED 采用传统的javax.sql.DataSource规范中的连接池，mybatis中有针对规范的实现UNPOOLED 采用传统的获取连接的方式，虽然也实现Javax.sql.DataSource接口，但是并没有使用池的思想。JNDI 采用服务器提供的JNDI技术实现，

原创 Mybatis-CRUD

目录pom.xmllog4j.properties拷贝到resource下<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/

原创 相似度计算

cos和Jaccardcos公式就是计算两个向量的距离Jaccard是两向量的交 / 两向量的并，因此也可以更快的计算相似度"""Step 1：CosineStep 2：Jaccard"""# Step 1: Cosineinput1_str = "我们 带来 阿里巴巴 希望 差 差 差"input2_str = "我们 带来 阿里巴巴 希望 好 好 好"def cosine(input1_str, input2_str): t1_dict = {} sum = 0

原创 基于TF-IDF的关键字提取

TF-IDF：衡量某个词对文章的重要性由TF和IDF组成TF：词频（因素：某词在同一文章中出现次数）IDF：反文档频率（因素：某词是否在不同文章中出现）TF-IDF = TF*IDF词频（TF）=某个词在当前文章中出现的次数 / 当前文章的总词数反文档频率（IDF）=Log( 语料库的文档总数 / （ 包含该词的文档数+1 ） )"""Step 1：原始数据预处理Step 2：产生IDF词表Step 3：提取句子的关键词"""file_path_dir = "./data"raw_p

原创 Hadoop正式、Zookeeper

原创 Hadoop预习

原创 MapReduce

原创 Python知识

原创 linux知识

从OneNote粘贴过来的笔记，直接变图片了哭/(ㄒoㄒ)/~~

原创 配置(Ip、虚拟机、jdk、hadoop)

原创 XML

XML：概念：Extensible Markup Language 可扩展标记语言可扩展：标签都是自定义的。 功能存储数据配置文件在网络中传输xml与html的区别xml标签都是自定义的，html标签是预定义。xml的语法严格，html语法松散xml是存储数据的，html是展示数据语法：*** 基本语法：**xml文档的后缀名 .xmlxml第一行必须定义...

原创 Bootstrap

Bootstrap：概念： 一个前端开发的框架，Bootstrap，来自 Twitter，是目前很受欢迎的前端框架。Bootstrap 是基于 HTML、CSS、JavaScript 的，它简洁灵活，使得 Web 开发更加快捷。框架:一个半成品软件，开发人员可以在框架基础上，在进行开发，简化编码。好处：定义了很多的css样式和js插件。我们开发人员直接可以使用这些样式和插件得到丰富的页面...

原创 JS知识三

这里从2015年的视频转到2020年的视频，从正则表达式对象开始RegExp：正则表达式对象正则表达式：定义字符串的组成规则1.单个字符：[],如[a],[ab],[a-zA-Z0-9_]\d:单个数字字符 [0-9]\w:单个单词字符[a-zA-Z0-9_]2.量词符号：？：表示出现0次或1次*：表示出现0次或多次+：表示1次或多次{m,n}:表示 m<= 数量 &lt...

原创 JS知识二

js的Date对象在java里面获取当前时间Date date = new Date();//格式化//toLocaleString();js获取当前时间var date = new Date();获取当前的年方法getFullYear:得到当前的年获取当前的月方法getMonth:返回的是0-11月，如果想要得到准确的值，加1获取星期几方法getDay:返回的是0-...

原创 JS知识一

javascript简介基于对象和事件驱动的语言，应用于客户端基于对象：提供好了很多对象，可以直接拿来用事件驱动：html做网站静态效果，javasript动态效果客户端：专门指的是浏览器js的特点交互性安全性：js不能访问本地磁盘的文件跨平台性：java里面跨平台性，虚拟机；只要能够支持js的浏览器，都可以运行js与java的不同java是sun公司，显著oracl...

原创 Windows上的Pytorch安装

Windows上Pytorch安装有3个方案：Pytorch官网安装（-c pytorch）直接https://pytorch.org/（Pytorch官网，按需求选择cuda，py版本，按正常人思维选择会自动给出代码，复制执行即可），其中本地cuda版本查看方式：桌面右键NVIDIA控制面板->左下角系统信息->组件->NVCUDA.DLL右边就是了上面基本不行...

原创 CSS知识

CSS简介：层叠样式表层叠：一层一层的样式表：很多的属性和属性值作用：使页面效果更好css讲网页内容和显示样式进行分离，提高了显示功能CSS和html的四种结合方式在每个html标签上面都有一个属性 style，把css和html结合在一起<div style="background-color:red;color:green;">xxxxx</div&...

原创 深度学习(十九)——一些知识点

对于2d卷积网络：w=torch.rand(16,3,5,5)数值意义：16：卷积核16个，比如对一幅图各种不同卷积核上去卷积，如模糊，边缘卷积核等等3：channnel，一幅图3通道5，5：卷积核大小5×5...

原创 深度学习(十八)——交叉熵

交叉熵（Cross Entropy Loss）也是一种loss香农定理：用概率决定信息量，公式的意义：比如：买彩票，中100万奖概率小，一旦你中奖了，这个信息量就很大了；但你花10块钱买了一袋零食，本来概率就是100%，这个信息量就很小，由概率决定信息量，两者呈反比。所以，如果4分类，每个分类出来的概率都是25%，不确定性很高，即求出的E（熵）就很大，可以用作loss。KL代表散度...

原创 深度学习(十七)——2D函数优化实例

四个极小值这里不是对loss进行求偏导数，而是直接用式子对x,y进行求偏导，直接backward就可以，即x’=x-α▽x，y同样，这里[X]=[x,y]更改初始化，就可以找另外的局部极小值。...

原创 深度学习(十六)——MLP反向传播

多层的理解：把前面遮住，Oj就是公式里的xj

原创 深度学习(十五)——链式法则

原创 深度学习(十四)——感知机

单层感知机b=w0*x0，其中x0=1多层感知机

原创 深度学习(十三)——loss及其梯度

MSE：均方差需要求偏导的参数，要特别写出来因为是动态图，所以要再次求mse两种求梯度的写法softmax由来输出的值想要最大的，认为转化为概率0-1如果用sigmoid，概率相加可能不等于1softmax：把值大的变的更大，值小的压缩到密集的空间，差距拉大，所以叫soft version of max，最大的极度舒适版本呀==！i=j时i!=j总结：只有...

原创 深度学习(十二)——梯度和激活函数

梯度导数：函数的变化量，方向指定，标量偏导数:对某一变量的倒数，方向是自变量的方向倒三角就是偏微分梯度是一个向量，每一个量是对应轴的偏微分，不是标量梯度的长度反应变化的趋势，即增长速率，长越大，越陡，表示变的越快梯度的方向：增长的方向梯度：找极小值搜索过程的影响因素：局部极小值，ResNet解决了鞍点：对于x轴是极小值，对于y轴是极大值初始状态learningRate...

原创 深度学习(十一)——高阶操作where和gather

where用条件选择矩阵的某些数gather用索引实现查表功能用index中的7对应label中的第7 个数：107，index中的4对应label中的第4个数：104，即对应查表

原创 深度学习(十)——Pytorch统计属性

norm范数norm(1)：1范数，绝对值之和norm(2)：2范数，平方和在根号矩阵范数：绝对值的和，再求maxnorm(1,dim=1)：对维度1做1范数prod：累乘argmax，argmin：返回索引mean，max等首先会把矩阵变为dim=1在每个dim=1上找最大值keepdim表示保持原来的dimtop-k——取大小为 前k个和索引kthvalue—...

原创 深度学习(九)——Tensor基本运算

+：add或者+-：sub或者-*：mul或者*/：div或者/——一个**/符号代表除法，两个//**代表整除矩阵相乘*：是对应位置相乘torch.mm只适用2d，不推荐torch.matmul=@:矩阵相乘，@是matmul的重载图中w为(512，784)，a(4,784)@w(784,512)=(4,512),为什么w的512放第一位呢：Pytorch习惯把输出放第一位，...

原创 深度学习(八)——拼接和拆分

CatStackSplitChunkCat维度拼接dim=？就拼接那个维度，数据都要补齐Stack添加维度stack维度一定要一致Split按长度/数目[3，1，1]按311拆分拆分Chunk按数目拆分...