- 博客(118)
- 收藏
- 关注
RSS订阅原创 [电子榨菜]状态管理redux，以及react-redux
redux是一种常用的状态管理组件，虽然redux被归类为react的全家桶中，但是实际上这个东西不仅仅支持react，而是全面适配js的。但是我们仍然可以以react的情况作为一个案例分析，在react中，每个模块/组件，都维护了自己的state状态，里面是一些数值或者一些需要保存的东西。但是这带来一个问题就是，我们跨组件调用和维护显得异常麻烦。而redux等状态管理工具，负责维护的是一个全局的状态组件，通过store对象来进行对于全局state的监听，修改，和获取操作。
2024-01-04 16:45:21
922
原创 [电子榨菜] js中的闭包closure
先说说闭包的官方定义，根据MDN所说：‘闭包（closure）是一个函数以及其捆绑的周边环境状态（lexical environment，词法环境）的引用的组合。换而言之，闭包让开发者可以从内部函数访问外部函数的作用域。闭包（closure）是一个函数以及其捆绑的周边环境状态（lexical environment，词法环境）的引用的组合。换而言之，闭包让开发者可以从内部函数访问外部函数的作用域。说人话就是,
2023-12-21 00:14:43
242
原创 [山东大学操作系统课程设计]实验7
0.写在前面实验7的要求过多，而且是在实验6的基础上进行实现的，因此在这里我们就不阐述太多废话了。其实大家或多或少都能找到些答案，我能做的事情也越来越少了，可能我需要花点时间找到新的信仰或者新的能支持我重新变得热爱生活这样子。。。。。。是我做不到的伟大。。。。。。。
2023-12-13 14:36:08
406
原创 [山东大学操作系统课程设计]实验六
事先说明一点，在实验六开始，，因为我自己做这个实验都是有点困难的，所以在接下来我不会过多阐述原理上的东西，只交待这个东西是怎么做的。另外实验六七又是连在一起的因此。。。。。唉，没办法，一起写了呗。
2023-12-13 13:21:04
362
原创 [山东大学操作系统课程设计]实验四+实验五
0.写在前面：为什么这次把两个实验放在一起写了，因为的。但是我得实现说明，我的实验四虽然完成了要求，但是无法在我自己的实验四的基础上完成实验五，这是一个很大的问题，所以在这里将直接将实验四和实验五统一进行讲解和处理。由于后续时间不足，因此实验四开始，。在一些我遇到坑的地方，我会告诉大家怎么样处理，当然仅此而已了。。。。。对不起啦：D其实说真的，我的本职工作是写小说的，或许未来的某天我会试着重新开始写我想写的东西。
2023-12-10 22:09:22
806
1
原创 [山东大学操作系统课程设计]实验三
由于一些突发事件，导致目前大家手里或多或少都有了完整版的答案了。甚至很多学长学姐们写的代码远比我写的要好很多。但是这个系列我觉得还是稍微坚持下去一点，或许某些地方可以帮到未来的同学们。还是那句话，有需要可以随时向我反馈你遇到的问题，你的指点就是我最大的动力。
2023-12-02 20:40:42
779
3
原创 [山东大学操作系统课程设计]实验2
其实昨天就把这篇写完了，可是遇到了一些突发事件，暂时还没想好自己的出路在哪，争取这两天把课程设计的实验全都写完吧。。。。。我知道大家现在都很难过，生活上，学业上，事业上。。。。但是还是希望大家能一起加油度过这段日子。
2023-12-01 18:12:57
708
原创 [山东大学操作系统课程设计] 实验一 + 预先准备
注明：这些实验在完成整体实验的过程中，会先放到csdn做暂时存储（因为这台破机子没法装md的笔记软件），偏向于讲解实验如何完成，以及对于代码的一些解释，相当与在这里做一些笔记和记录。因为我之前在检索关于实验的教程的时候，会发现其实很多学长学姐留下的资料基本都是偏报告的，不过嘛熟悉我的兄弟们肯定都知道，我更习惯把自己的过程给手把手的教出来，当然这不是鼓励大家去照抄de。。。。能在某个特殊环节让大家找到方向，或许就是我写这些东西的意义。总的来说，也是菜菜一个，能让同学和学弟学妹们少走一些弯路。
2023-11-30 01:23:53
1507
原创 [计算机网络]应用层概述
在运输层结束以后,其实我们已经实现了端到端的数据交互,实现了进程之间的交互.而应用层也并非是在物理上扩展了计算机网络的结构, 某种程度上来说实现了对于实际通信传输的封装, 为用户和网络应用提供了完整的服务.应用层的主要任务是通过进程的交互来实现特定的网络应用.
2023-11-26 22:35:03
781
1
原创 [计算机网络]运输层概述
在教学模型中,运输层是自上而下的第二层,主要任务是为了相互通信的进程完成服务, 进程是计算机上运行的程序,在这一章节姑且可以这样理解(肯定是不贴切的,不过我相信学过操作系统的大家能理解我的意思, 对吧?在这一层中,真正通信的实体不是链接在网络上的计算机,而是计算机上的程序,如果看图可以发现大概是这样子的:从图上来看,确确实实是将计算机网络的作用范围又扩大了一层,虽然这一个扩大范围来物理意义上是没啥变化的, 但是在逻辑上确实解决了很多问题. 我们将这个服务范围范围称之为:"运输。
2023-11-25 22:22:11
1602
1
原创 [计算机网络]网络层概述
这篇文章要和大家道个歉,首先是拖更了很久,其次是对于这个内容可能也稍微粗糙一些,欢迎随时在评论区或者私信提问,也支持通过各种渠道联系我,你的帮助是我最大的动力.在过去的两个月里的生活收到了比较大的冲击,不过目前已经慢慢稳定下来了, 我不会在团体上倾注太多感情了, 但从今往后我也不会再违抗我自己的想法和可以压抑自己的情感, 纯粹和赤诚的喜欢,不在乎过程多艰难,也不在乎有没有结果,我会尽力去奔向我想要的一切,无论未来也好,技术也好,你也好.end。
2023-11-20 15:36:50
798
1
原创 [pytorch]设备选择以及卷积神经网络的应用
首先这篇文章还没写完,因为今天要尝试对我之前的一个框架做一个简单的更新迭代,所以目前先更新这么多.
2023-11-13 11:22:49
685
原创 [pytorch]关于进行代码构建网络的一点补充内容(会持续补充)
nn.ReLU(),nn.Softmax(dim=1)#先用softmax处理一下在之前我们定义神经网络通常是这样子写的,我感觉没啥问题......就算不够美观........其实我们更多的是用这种写法,写在一个类里面#初始化函数，在这个部分里面我们负责把这些东西都进行一个输入#先把神经网络的层给定义出来#初始化参数的方法：#初始化参数# 向前传播，这是一个具体的计算逻辑return X# 封装一个初始化参数方法net=Net()
2023-11-08 17:36:21
118
原创 [pytorch]手动构建一个神经网络并且训练
一点简单的小小总结：1.首先是关于net：net可以接受小批量，甚至是一个完整那个的数据list的输入的，也就是说我们传入的小批量其实是[256,1,28,28]然后我们最终的输出结果为[256,1],虽然这不是我们要的东西其实net本质就是一个张量处理机，’压缩‘成需要的格式张量处理机：一开是的猜测是会根据批量逐一处理那些张量，但是事实是net本身并不会对其进行太多的区分传入进来的仍然是一个整体张良，需要在net中自己操作dim得到需要的结果以及形式。
2023-11-05 14:59:32
1267
2
原创 [计算机网络基础]数据链路层
相比于网络层,数据链路层的内容多而且很杂,因为同时涉及到一些物理和网络的东西,甚至内容很冗杂.因为一些原因,这篇文章将主要以对比为主,而不是完全树形展开,方便各位看官理解.
2023-10-21 17:58:21
699
1
原创 [算法应用]关键路径算法的简单应用
1.首先按照拓扑结构进行的,按照拓扑顺序遍历每个点,如点A,到下流点B这一路径上,如果B的最早开始时间早于A的最早时间加上A-B需要的时间,那么就把B的最早开始时间延后.算法和数据结构都是我自己写的,为了提交这次的作业,所以把去年写过的算法重新翻新了一下,数据结构也简单整理了一下,重新放上来了.2.然后按照逆拓扑结构进行,如果A的最晚开始时间+A->B需要的时间晚于B的最晚开始时间,那么就把A的最晚开始时间往前移动。整个程序是可以顺利跑通的,同学们可以用代码检测一下自己的结果对不对,切勿抄袭.
2023-10-06 16:23:21
156
原创 [Machine Learning]pytorch手搓一个神经网络模型
这段代码没有使用squential容器进行封装，但是可以很清楚地看到我们定义了两层（隐藏层256个神经元，输出层10个神经元，不知道为什么没用softmax函数），并且在返回函数计算的时候，中间还经过了一步‘relu’激活函数的操作。为了更好的解释forward这个函数的作用，在这里我们自己创建一个单层，通过类创建，仍然是获取一个集成nn.Module的类，然后内部设置好初始化（为了创建对象），设置好向前传播（为了用来调用）因此，如果我们有多个块的话，也是可以自己去写一个容器，进行组合。
2023-10-05 15:30:07
2335
6
原创 [前端基础]typescript安装以及类型拓展
第一眼看可能是多次一举，但是在编写ts的时候，无论是ide也好，ts编译器也好，都会对我们的一些错误进行修正，让生成的js代码更加和谐。作者之前都是在写js，所以这里介绍ts肯定是不能从头开始介绍了，主要在js的基础上介绍ts关于类型的几个特性，以及ts的安装还有配置问题。不过如果想要跳过这个中间产物，可以直接使用工具ts-node，可以直接去编译ts并且执行，不需要我们手动去执行一些东西了。其实-g这个参数的意思就是全局安装，但是在window下，会有很多其奇怪挂的情况，所以这个全局安装多半会失败。
2023-10-04 00:55:23
339
原创 [deeplearning]pytorch实现softmax多分类问题预测训练
定义一个神经网络#其实说是神经网络，这里只是进行了一个简单的数据变换，然后计算wx+b#最后计算出来的结果因为是matmul的矩阵乘法，而且w和b本身也是size=10 的 tensor#所以计算结果也是一样大小的tensor，然后就可以放心进行softmax操作其实这个就是对于十个神经元，然后进行计算操作，得到估计数值其实直接返回的话就变化成一个很常见的10线性回归了，在这里可以很清楚的看到softmax实现的是一个激活函数的作用这个东西稍微有一点点复杂。。。首先先解释一下这个东西。
2023-09-15 19:00:03
408
原创 [react基础]关于v6版本route的变化,以及常见应用模式
在React Router中，通常更倾向于将子路由的定义分离到各自的组件中，以保持组件的独立性和可重用性。今天复盘了一下自己的实训项目以及课程设计,两个东西混用了不同版本的route导致产生了很多混淆内容,今天在这边辨析一下,顺便说明v6版本中我们倾向于怎么做。其实有的时候我们偶然获取到一些项目,你会发现用v5里面仍然存在一些路由跳转的标签or属性,但是实际上有一些是作者自行封装的.v5版本支持的仍然是原生js的路由跳转,即使用history对象,但是获取这个对象的方法和原生不一样。
2023-09-08 16:32:15
699
1
原创 [machine Learning]强化学习
强化学习经常用在一些游戏ai的训练,以及一些比如火星登陆器,月球登陆器等等工程领域,强化学习的内容很简单,本质就是获取状态,决定下一步动作,从而得到更好的分数或者收益,亦或者更低一些的损耗.策略指的是不同的动作,更改当前的状态.比如直升机当前状态为收到微风,悬停能拿到更好的稳定性,则策略就算加快尾翼转速.从各种预测的y值中,选择一个最好的情况,与之对应的动作a,就是我们应该采取的方案。状态价值函数的值的含义是,在S状态下,选择a动作,最后能拿到的最大总收益。
2023-09-07 19:09:54
426
原创 [machine Learning]推荐系统
其实严格来说推荐系统也是一种监督学习,我们需要根据已有数据进行预测,但是这种训练数据不是单纯的输入和输出问题,所以被归类为"超越监督学习"的一种?今天去旁听了隔壁专业的机器学习课程,感觉自己的知识确实不是很系统,所以后面会找个机会把前面的代码给补充上.下面将会介绍两种推荐系统还有一些我了解到的计算细节,以一个电影推荐为具体的案例,可能不够详细,还请多多担待啦。
2023-09-07 15:31:18
107
原创 [machineLearning]非监督学习unsupervised learning
常见的神经网络是一种监督学习,监督学习的主要特征即为根据输入来对输出进行,最终会得到一个输出数值.而非监督学习的目的不在于输出,而是在于对读入的数据进行归类,选取特征,打标签,通过对于数据结构的分析来完成这些操作, 很少有最后的输出操作.从训练数据的角度来说也是有所区别:监督学习的训练数据为(x,y), 即同时具有输入和输出数值,根据这种输入和输出来判断训练的结果是否正确.
2023-09-06 21:13:44
654
原创 [machine learning]误差分析,模型分析
当我们找到一个算法去计算某些东西的时候,我们通常要对这个算法进行一定的分析,比如时间复杂度,空间复杂度(前者更加重要),来进行比较,判断一个算法的优劣性.对于一个训练的模型来说,同样需要某种模型来进行分析,例如代价函数等等,通过比较拟合程度,正确精度等信息来判断出这个模型的好坏,从而选择更好的模型。
2023-09-06 12:50:16
686
原创 [machine learning]神经网路初步 basic neural network
对于一些wx+b的计算结果来说,可能最终的计算结果并不符合我们的心意.例如要预测什么东西,结果给哥们干出一个77.....一方面是对数据进行规整化的处理,另一方面是为了让数据更加符合我们的需求,我们要对预测结果加上一个激活函数.向上面来说,我们在softmax使用了规范化的激活函数,预测概率的基础上,让整体的结果相加为1还有我们之前常用的sigmoid函数也是一种激活函数此外常用的激活函数linear: z。
2023-09-05 11:49:28
288
原创 [Machine Learning] decision tree 决策树
（为了节约时间，后面关于机器学习和有关内容哦就是用中文进行书写了，如果有需要的话，我在目前手头项目交工以后，用英文重写一遍）（祝，本文同时用于比赛学习笔记和机器学习基础课程）俺前两天参加了一个ai类的比赛，其中用到了一种名为baseline的模型来进行一些数据的识别。而这个识别的底层原理就是决策树。正好原本的学习进度刚刚完成这部分，所以集成一个笔记了。
2023-08-18 20:22:26
1100
原创 [bug修复]状态数据在useEffect初始化时更新无效
但是这个想法有两个错误点，首先state状态类似vue中的data是响应样式的，就算是异步操作也是会执行并且发生响应样式的修改，最多等几ns的问题（当然这个想法也是有问题的，后面会说）理想很丰满，现实很骨干。破解方法其实很简单，我们只要在useEffect函数的监听对列中，加入传进来的数据，这样子就可以触发重新渲染这个条件，保持了组建传递的数据可变性质。如果是在js中，回调函数是在一个叫做事件队列的结构中实现的，当call stack中的上下文执行结束以后，会按照某个顺序执行存在队列中的回调函数。
2023-08-11 20:37:14
400
原创 Logistic Regression And Regularization
Maybe this santences is also unintellgilent(不容易理解)，now let‘s to describe it step by step.
2023-08-06 22:03:54
453
原创 Linear Regression
If you will understand qucikly because you have learned the “最小二乘法”（’二乘‘ means the operaiton of square），yep .But do you know why we can use it？
2023-08-02 03:44:06
177
原创 [go语言基础]关于上下文机制
在其他语言中,上下文对象指的是调用某个方法,属性的背景,通常指的是this这种东西但是在golang中,Context译为上下文，是Go提供的一种并发控制的解决方案，相比于管道和WaitGroup，它可以更好的控制子孙协程以及层级更深的协程。Context本身是一个接口，只要实现了该接口都可以称之为上下文例如著名Web框架Gin中的。
2023-06-13 11:12:00
1597
原创 [操作系统]5.IO控制
io设备是计算机中最复杂的一类设备,涉及到的基本都是系统层面的调用例如显示器,键盘,音响这种,按照不同的方式可以有不同的分类另外存在一个名为IO控制器的电子部件负责(1)识别cpu命令(2)向cpu报告状态(3)数据交换(4)地址识别。
2023-06-12 11:33:06
1362
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人