weixin_44736049的博客

原创 查询文档

Tensorflow查询文档

原创 谷粒商城总结

待参考的项目总结

转载 springboot+Mybatis 一对一、一对多

springboot+Mybatis 一对一、一对多

原创 spring动态代理全过程

spring动态代理全过程

转载 Mybatis过程

过程很详细

原创 同步异步、阻塞非阻塞的区别

米 锅 例子下载 例子个人理解：同步和异步的区别：是否有消息通知同步：无消息通知，需要不定时地去观看状态异步：有消息通知，会利用回调返回线程调用一开始没有返回的值阻塞和非阻塞的区别：等待消息通知的过程中能否做其他的事（也等价于是否是同一个时期只能进行单任务）这里的时期即是当前线程运行的时期内阻塞：不可以做其他的事，即堵在一个隘口，一次只能一个人过非阻塞：可以做其他的事，即有很多通道，都可以过同步阻塞：无消息通知，需要不定时地去观看状态，并且只能单任务同步非阻塞：无消息通知，需要不定时地去

原创 java多线程

双重锁懒汉式，饿汉式

原创 List和LinkedList的区别

List和LinkedList的区别

原创 工具待修改

idea添加链接描述

原创 to be done

vedio

原创 paper过程链接

lstm添加链接描述添加链接描述添加链接描述添加链接描述

原创 113. 路径总和 II

原创 112. 路径总和

原创 1325. 删除给定值的叶子节点

原创 669. 修剪二叉搜索树

原创 814. 二叉树剪枝

原创 872. 叶子相似的树

原创 107. 二叉树的层序遍历 II

原创 102. 二叉树的层序遍历

原创 965. 单值二叉树

原创 572. 另一个树的子树

原创 111. 二叉树的最小深度

原创 110. 平衡二叉树

原创 lc590 N 叉树的后序遍历

原创 lc589 N叉树的前序遍历

原创 lc429 N叉树的层序遍历

原创 leetcode题目表

leetcode题目表

原创 二叉树

那么今天总结一下二叉树的问题，二叉树其实本质上都是一个递归的过程，通常是需要想到左子树以及右子树的递归，然后return一个值。当返回深度时，初始条件：一般情况下时在root为null时返回0，然后就是附加条件，这个附件条件基本上都是特例的情况，这里可能会用到短路原则（是从前往后依次进行计算，只要有一个满足条件即结束），通常 || 是和短路原则联系在一起的。然后就是左子树右子树的递归。然后就是返回值，返回值其实一定程度上是返回每个递归的值，这部分要按照文章的要求进行返回。对于这种two root的，基本

原创 前序遍历，中序遍历，后序遍历详解

递归时，如果不先print，则是递归调用到最底层之后再print，所以这里我们看到的中序遍历以及后序遍历都是从最底部向上输出的。

原创 Java链表

Java链表讲解（代码）

原创 计算机网络

计算机网络简书笔记计算机网络学习路线

原创 卷积Conv1D参数讲解

首先这是Conv1D的官方文档可以看的出来这里的顺序为filters，kernel_size这里的数据维度即为（10，128），4为batch size。所以这里的32=filters 即为输出的维度，输出的维度也就是（10，128）之中的128，也就是可以理解为列向量。所以输出维度也就是（待定，32）。然后就是kernelsize，这个值是决定待定的值的，这里需要用到一个公式也就是这篇文章讲述的所以10-3+1=8，所以输出维度为（8，32），并且batch size不发生变化，最后为（4，8，

原创 复现文章过程学习

add_argument中的参数

转载 mysql

Xshell上传下载Linux grep命令rpm安装命令

原创 RUL

Github-C-MAPSSGithub不知是何模型CMAPSS解读那么我来总结一下这个数据集里面的意思。首先其他的参数什么的按照博客来看，然后进一步说明：首先在train里面的cycle是整个生命周期的轮数，即整个生命周期的状态，到最大的cycle值的时候，是代表寿命为0。但是在test中，其cycle并不是整个生命周期，而是属于测试状态的，cycle也只是代表取了几次值。test是对应RUL的，即在当前状态下的剩余寿命，并且在RUL给出了相应的值。即本数据集的剩余寿命，其实就是利用train得到

原创 person相关系数可视化

import pandas as pddata = pd.read_excel('./dealing_data.xlsx')import seaborn as snsimport numpy as npimport matplotlib.pyplot as pltf, ax= plt.subplots(figsize = (14, 10))corr = data.corr()# print(corr)sns.heatmap(corr,cmap='RdBu', linewidths =

原创 pandas中的values

from pandas import DataFrame, concatlength = 10sequence = [i/float(length) for i in range(length)]df = DataFrame(sequence)df = concat([df.shift(1), df], axis=1)print(df.values[:, 0:1])print(df.values)这里的shift是上下移动（依靠括号里的值的正负来决定）然后values解读：，前面为行，后

转载 1DCNN理解

1DCNN理解其实这更像一个滑动窗口

转载 PCA降维后KNN分类

PCA降维后KNN分类

转载 DNN分类模型

也是相当于ANN。要注意keras.layers.Dense()第一个参数unit为隐藏层单元数量（亦可解释为要输出的隐藏层单元数量）原文