- 博客(35)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 美多商城之验证码(异步方案)
三、异步方案RabbitMQ和Celery3.1 生产者消费者设计模式 【替换之前重写的send_flag代码】思考：下面两行代码存在什么问题？问题：我们的代码是自上而下同步执行的。 发送短信是耗时的操作。如果短信被阻塞住，用户响应将会延迟。 响应延迟会造成用户界面的倒计时延迟。解决：异步发送短信 发送短信和响应分开执行，将发送短信从主业务中解耦出来。思考：如何将发送短信从主业务中解耦出来。生产者消费者设计模式介绍为了将发送短信从主业.
2021-06-30 10:50:48
309
原创 最大数值(不能使用比较运算符)
编写一个方法，找出两个数字a和b中最大的那一个。不得使用if-else或其他比较运算符。示例：输入： a = 1, b = 2输出： 2示例代码1：class Solution(object): def maximum(self, a, b): """ :type a: int :type b: int :rtype: int """ li = [] li.app
2021-06-30 10:33:10
324
原创 完成一半题目
有N位扣友参加了微软与力扣举办了「以扣会友」线下活动。主办方提供了2*N道题目，整型数组questions中每个数字对应了每道题目所涉及的知识点类型。若每位扣友选择不同的一题，请返回被选的N道题目至少包含多少种知识点类型。示例 1：输入：questions = [2,1,6,2]输出：1解释：有 2 位扣友在 4 道题目中选择 2 题。可选择完成知识点类型为 2 的题目时，此时仅一种知识点类型因此至少包含 1 种知识点类型。示例 2：输入：question...
2021-06-30 10:23:53
167
原创 下载插件（贪心算法）
小扣打算给自己的VS code安装使用插件，初始状态下带宽每分钟可以完成1个插件的下载。假定每分钟选择以下两种策略之一:使用当前带宽下载插件 将带宽加倍（下载插件数量随之加倍）请返回小扣完成下载n个插件最少需要多少分钟。注意：实际的下载的插件数量可以超过n个示例 1：输入：n = 2输出：2解释：以下两个方案，都能实现 2 分钟内下载 2 个插件方案一：第一分钟带宽加倍，带宽可每分钟下载 2 个插件；第二分钟下载 2 个插件 方案二：第一分钟下载 1 个...
2021-06-29 19:57:53
122
原创 速算机器人
小扣在秋日市集发现了一款速算机器人。店家对机器人说出两个数字（记作x和y），请小扣说出计算指令："A"运算：使x = 2 * x + y； "B"运算：使y = 2 * y + x。在本次游戏中，店家说出的数字为x = 1和y = 0，小扣说出的计算指令记作仅由大写字母A、B组成的字符串s，字符串中字符的顺序表示计算顺序，请返回最终x与y的和为多少。示例 1：输入：s = "AB"输出：4解释：经过一次 A 运算后，x = 2, y = 0。再...
2021-06-29 19:26:50
68
原创 早餐组合(购买方案)
小扣在秋日市集选择了一家早餐摊位，一维整型数组staple中记录了每种主食的价格，一维整型数组drinks中记录了每种饮料的价格。小扣的计划选择一份主食和一款饮料，且花费不超过x元。请返回小扣共有多少种购买方案。注意：答案需要以1e9 + 7 (1000000007)为底取模，如：计算初始结果为：1000000008，请返回1示例 1：输入：staple = [10,20,5], drinks = [5,5,2], x = 15输出：6解释：小扣有 6 种购买方案，所...
2021-06-29 19:17:09
161
原创 采购方案（多少种）
小力将 N 个零件的报价存于数组nums。小力预算为target，假定小力仅购买两个零件，要求购买零件的花费不超过预算，请问他有多少种采购方案。注意：答案需要以1e9 + 7 (1000000007)为底取模，如：计算初始结果为：1000000008，请返回1示例 1：输入：nums = [2,5,3,5], target = 6输出：1解释：预算内仅能购买 nums[0] 与 nums[2]。示例 2：输入：nums = [2,2,1,9], target = ...
2021-06-29 18:49:36
365
原创 字符串相乘
给定两个以字符串形式表示的非负整数num1和num2，返回num1和num2的乘积，它们的乘积也表示为字符串形式。示例 1:输入: num1 = "2", num2 = "3"输出: "6"示例2:输入: num1 = "123", num2 = "456"输出: "56088"说明：num1和num2的长度小于110。 num1和num2只包含数字0-9。 num1和num2均不以零开头，除非是数字 0 本身。 不能使用任何...
2021-06-29 18:25:52
55
原创 删除重复的电子邮箱
编写一个 SQL 查询，来删除Person表中所有重复的电子邮箱，重复的邮箱里只保留Id最小的那个。+----+------------------+| Id | Email |+----+------------------+| 1 | [email protected] || 2 | [email protected] || 3 | [email protected] |+----+------------------+Id 是这个表的主键。...
2021-06-29 18:20:47
347
原创 加一（列表末尾数）
给定一个由整数组成的非空数组所表示的非负整数，在该数的基础上加一。最高位数字存放在数组的首位， 数组中每个元素只存储单个数字。你可以假设除了整数 0 之外，这个整数不会以零开头。示例1：输入：digits = [1,2,3]输出：[1,2,4]解释：输入数组表示数字 123。示例2：输入：digits = [4,3,2,1]输出：[4,3,2,2]解释：输入数组表示数字 4321。示例 3：输入：digits = [0]输出：[1]...
2021-06-29 18:10:12
193
原创 回文数——
给你一个整数x，如果x是一个回文整数，返回true；否则，返回false。回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。例如，121是回文，而123不是。示例 1：输入：x = 121输出：true示例2：输入：x = -121输出：false解释：从左向右读, 为 -121 。 从右向左读, 为 121- 。因此它不是一个回文数。示例 3：输入：x = 10输出：false解释：从右向左读, 为 01 。因此...
2021-06-29 17:30:41
94
原创 Excel表列名称
给定一个正整数，返回它在 Excel 表中相对应的列名称。例如， 1 -> A 2 -> B 3 -> C ... 26 -> Z 27 -> AA 28 -> AB ...示例 1:输入: 1输出: "A"示例2:输入: 28输出: "AB"示例3:输入: 701输出: "ZY"示例代码：class Solution(obje..
2021-06-29 17:01:45
142
原创 美多商城之验证码(短信验证码2)
二、短信验证码2.3 短信验证码后端逻辑1. 短信验证码接口设计1.请求方式选项 方案 请求方法 GET 请求地址 /sms_codes/(?P<mobile>1[3-9]\d{9})/ 2.请求参数：路径参数和查询字符串参数名 类型 是否必传 说明 mobile string 是 手机号 image_code string 是 图形验证码 uuid string 是
2021-06-28 21:50:52
1415
原创 美多商城之验证码(短信验证码1)
二、短信验证码2.1 短信验证码逻辑分析知识要点保存短信验证码是为注册做准备的。 为了避免用户使用图形验证码恶意测试，后端提取了图形验证码后，立即删除图形验证码。 Django不具备发送短信的功能，所以我们借助第三方的容联云通讯短信平台来帮助我们发送短信验证码2.2 容联云通讯短信平台1. 容联云通讯短信平台介绍1.容联云官网容联云通讯网址：https://www.yuntongxun.com/ 注册并登陆2.容联云管理控制台3.容联云创建应用
2021-06-28 17:10:58
632
2
原创 美多商城之验证码(图形验证码)
一、图形验证码1.1 图形验证码逻辑分析需要新建应用verifications知识要点将图形验证码的文字信息保存到Redis数据库，为短信验证码做准备。 UUID 用于唯一区分该图形验证码属于哪个用户，也可使用其他唯一标识信息来实现。1.2 图形验证码接口设计和定义1. 图形验证码接口设计1.请求方式选项 方案 请求方法 GET 请求地址 image_codes/(?P[\w-]+)/ 2.请求参数：路径参数参数名 类型
2021-06-28 14:29:06
724
1
原创 美多商城之用户注册(用户注册业务实现)
三、用户注册业务实现3.1用户注册业务逻辑分析1. 用户注册业务逻辑分析3.2 用户注册接口设计和定义1. 设计接口基本思路对于接口的设计，我们要根据具体的业务逻辑，设计出适合业务逻辑的接口。 设计接口的思路： 分析要实现的业务逻辑： 明确在这个业务中涉及到几个相关子业务。 将每个子业务当做一个接口来设计。 分析接口的功能任务，明确接口的访问方式与返回数据： 请求方法（如GET、POST、PUT、DELETE等）。 请求地址。 请求参数（如路径
2021-06-27 23:10:52
807
1
原创 windows安装redis数据库
下载链接：https://github.com/microsoftarchive/redis/releases首先选择版本3.2.100点击下载好的安装包，开始安装，一路默认next直到finish 即可 安装完成后，打开任务管理器，选择服务，查看redis服务是否在运行，停止开启即可输入window+R中输入redis-cli并回车/或者在cmd中输入redis-cli也是可以的。（redis-cli是客户端程序）如果正常提示进入，并显示正确端口号，则表示服务已经启动 设置密
2021-06-27 22:49:55
149
原创 美多商城之用户注册(用户模型类)
二、用户模型类2.1定义用户模型类1. Django默认用户认证系统Django自带用户认证系统 它处理用户账号、组、权限以及基于cookie的用户会话。 Django认证系统位置 django.contrib.auth包含认证框架的核心和默认的模型。 django.contrib.contenttypes是Django内容类型系统，它允许权限与你创建的模型关联。 Django认证系统同时处理认证和授权 认证：验证一个用户是否它声称的那个人，可用于账号登录。 授权：授权
2021-06-27 17:44:40
228
原创 美多商城之用户注册(展示用户注册页面)
一、展示用户注册页面1.创建用户模块子应用1.1. 创建用户模块子应用1.准备apps包，用于管理所有应用2.在apps包下创建应用users$ cd ~/projects/meiduo_project/meiduo_mall/meiduo_mall/apps$ python ../../manage.py startapp users1.2. 查看项目导包路径重要提示：若要知道如何导入users应用并完成注册，需要知道项目导包路径【这儿可以
2021-06-27 17:17:22
524
8
原创 美多商城之项目准备-工程创建和配置
美多商城之项目准备-工程创建和配置一、创建工程美多商城项目源代码采用远程仓库托管。1. 准备项目代码仓库1.源码托管网站码云（https://gitee.com/） 【国内网站，速度快】2.创建源码远程仓库：meiduo_project【在忽略文件.gitignore中添加 .idea】2. 克隆项目代码仓库1.进入本地项目目录$ mkdir ~/projects # 若在windows中，直接新建就好了$ cd projects/..
2021-06-27 16:19:24
1132
1
原创 百面机器学习之特征工程
1.为什么需要对数值类型的特征做归一化？为了消除数据特征之间的量纲影响，我们需要对特征进行归一化处理，使得 不同指标之间具有可比性。对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值 区间内。最常用的方法主要有以下两种。...
2021-06-20 12:41:29
386
原创 神经网络中的神经元常见激活函数绘制
近年来，神经网络方法在多个领域表现出优于传统算法的特点，其使用神经元的组合来提取数据中的深度特征，在非线性任务中表现出优越的性能。神经元的非线性，主要是通过其激活函数f(x)，将wx+b进行非线性化映射，其过程如下：y = f(wx+b)...
2021-06-20 11:29:19
980
原创 卷积神经网络(CNN)实现CIFAR100类别分类
卷积神经网络(CNN)实现CIFAR100类别分类1. CIFAR100数据集介绍这个数据集就像CIFAR-10，除了它有100个类，每个类包含600个图像。，每类各有500个训练图像和100个测试图像。CIFAR-100中的100个类被分成20个超类。每个图像都带有一个“精细”标签（它所属的类）和一个“粗糙”标签（它所属的超类） 以下是CIFAR-100中的类别列表：等等...2. API 使用用于构建CNN模型的API Conv2D：实现卷积，kernel_size,str
2021-06-17 16:54:44
7970
4
原创 卷积神经网络(CNN)原理详解
卷积神经网络(CNN)原理详解1. 卷积神经网络的组成定义 卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。 我们来看一下卷积网络的整体结构什么样子。其中包含了几个主要结构卷积层（Convolutions） 池化层（Subsampling） 全连接层（Full c
2021-06-17 13:56:24
27023
9
转载 卷积神经网络(CNN)简介
卷积神经网络(CNN)简介多层的线性网络和单层的线性网络没有区别，而且线性模型的能够解决的问题也是有限的1.更复杂抽象的数据一个单隐含层有更多的神经元，就能捕捉更多的特征。而且有更多隐层，意味着能从数据集中提取更多复杂的结构。增加网络深度使用非线性激活函数2. 激活函数的选择涉及到网络的优化时候，会有不同的激活函数选择有一个问题是神经网络的隐藏层和输出单元用什么激活函数。之前我们都是选用 sigmoid 函数，但有时其他函数的效果会好得多，大多数通过实践得来，没有很好的.
2021-06-17 11:01:16
551
原创 深层神经网络与优化算法
深层神经网络与优化算法为什么使用深层网络对于人脸识别等应用，神经网络的第一层从原始图片中提取人脸的轮廓和边缘，每个神经元学习到不同边缘的信息；网络的第二层将第一层学得的边缘信息组合起来，形成人脸的一些局部的特征，例如眼睛、嘴巴等；后面的几层逐步将上一层的特征组合起来，形成人脸的模样。随着神经网络层数的增加，特征也从原来的边缘逐步扩展为人脸的整体，由整体到局部，由简单到复杂。层数越多，那么模型学习的效果也就越精确。通过例子可以看到，随着神经网络的深度加深，模型能学习到更加复杂的问题，功能也更加强大
2021-06-16 22:05:48
822
原创 Tensorflow实现神经网络及实现多层神经网络进行时装分类
Tensorflow实现神经网络1. tf.keras构建模型训练评估测试API介绍import tensorflow as tffrom tensorflow import keras1.1 构建模型1、Keras中模型类型：Sequential模型 在 Keras 中，您可以通过组合层来构建模型。模型（通常）是由层构成的图。最常见的模型类型是层的堆叠，keras.layers中就有很多模型，如下图：可以在源码文件中找到 tf.keras.Sequential模型(layer
2021-06-16 17:42:49
1405
1
原创 神经网络原理
神经网络原理神经网络的主要用途在于分类，那么整个神经网络分类的原理是怎么样的？接下来还是围绕着损失、优化这两块去说。神经网络输出结果如何分类？【全连接层的作用用于分类概率的计算】神经网络解决多分类问题最常用的方法是设置n个输出节点，其中n为类别的个数。任意事件发生的概率都在0和1之间，且总有某一个事件发生（概率的和为1）。如果将分类问题中“一个样例属于某一个类别”看成一个概率事件，那么训练数据的正确答案就符合一个概率分布。如何将神经网络前向传播得到的结果也变成概率分布呢？Softma
2021-06-16 10:46:04
635
原创 神经网络基础
神经网络基础1.1 神经网络人工神经网络（ Artificial Neural Network， 简写为ANN）也简称为神经网络（NN）。是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）结构和功能的计算模型。经典的神经网络结构包含三个层次的神经网络。分别输入层，输出层以及隐藏层。其中每层的圆圈代表一个神经元，隐藏层和输出层的神经元有输入的数据计算后输出，输入层的神经元只是输入。神经网络的特点 每个连接都有个权值 同一层神经元之间没有连接 最后的输出结果对应的层也称之为.
2021-06-16 10:09:18
303
原创 图片基础与tf.keras介绍
图片基础与tf.keras介绍1.1 图像基本知识回忆：之前在特征抽取中如何将文本处理成数值。思考：如何将图片文件转换成机器学习算法能够处理的数据？我们经常接触到的图片有两种，一种是黑白图片（灰度图），另一种是彩色图片。组成图片的最基本单位是像素。1.2 图片三要素组成一张图片特征值是所有的像素值，有三个维度：图片长度、图片宽度、图片通道数。图片的通道数是什么？描述一个像素点，如果是灰度图，那么只需要一个数值来描述它，就是单通道。如果一个像素点，有RGB三种颜色来描
2021-06-15 21:54:12
1006
1
原创 神经网络基础及逻辑回归实现
1. Logistic回归1.1 Logistic回归逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx, 输出一个该样本属于1对应类别的预测概率\hat{y}=P(y=1|x)y^=P(y=1∣x)。Logistic 回归中使用的参数如下：...
2021-06-15 17:50:42
1496
原创 TensorFlow案例实现线性回归
TensorFlow案例实现线性回归一、线性回归原理复习根据数据建立回归模型，w1x1+w2x2+…..+b = y，通过真实值与预测值之间建立误差，使用梯度下降优化得到损失最小对应的权重和偏置。最终确定模型的权重和偏置参数。最后可以用这些参数进行预测。二、案例：实现线性回归的训练1 案例确定假设随机指定100个点，只有一个特征 数据本身的分布为 y = 0.8 * x + 0.7 【目标值：（100，1）】这里将数据分布的规律确定，是为了使我们训练出的参数跟真实的参数（即0...
2021-06-14 21:41:56
461
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人