wewinwe-CSDN博客

原创 startup.bat启动Tomcat出错

今天修改了server.xml中的内容，使用UltraEdit修改，如下所示UltraEdit默认是使用GBK编码，也就是第二个框。这样的话，在使用startup.bat指令时弹窗一闪而过。日志记录显示如下(选取部分)：17-Nov-2020 11:15:31.734 严重 [main] org.apache.catalina.startup.Catalina.start Cannot start server. Server instance is not configured.17-Nov-2

2020-11-17 11:48:42 574

原创 Spring的启动过程01

开始@SpringBootApplicationpublic class MallTany01Application { public static void main(String[] args) { SpringApplication.run(MallTany01Application.class, args); }}run方法public static ConfigurableApplicationContext run(Class<?&g.

2020-10-24 18:05:42 135

原创 mybatis的代码生成器

我们在使用xml进行mybatis的自动代码生成时是否出现一个问题。想要在生成注释中带有数据库表中每列的注释，但又不想包含原生的繁琐英文注释The <commentGenerator> Element标签有以下几种属性其中比较关键的一点是：addRemarkComments中的**Warning: **If suppressAllComments option is true, this option will be ignored.意思是如果suppressAllComment

2020-10-23 21:40:29 372

原创 SpringBoot的启动配置

SpringBoot的启动配置引言：主要是为了个人学习，方便后期查看。SpringBoot的入口@SpringBootApplicationpublic class MallTany01Application { public static void main(String[] args) { SpringApplication.run(MallTany01Application.class, args); }}@SpringBootApplication注解

2020-10-23 17:46:57 700 1

原创 SpringBoot数据源连接池的加载

官网原话：Production database connections can also be auto-configured by using a pooling DataSource. Spring Boot uses the following algorithm for choosing a specific implementation:We prefer HikariCP for its performance and concurrency. If HikariCP is availa

2020-10-22 19:40:43 844 2

原创 mysql在centos6下的安装

主要介绍mysql在centos6和centos7下的安装#1、centos6下的安装链接：https://pan.baidu.com/s/1yvZ86QGMXahBgLm_4cQcfw提取码：taxd复制这段内容后打开百度网盘手机App，操作更方便哦–来自百度网盘超级会员V3的分享[root@localhost ~]# cd /opt[root@localhost opt]# ls -l总用量 64752-rw-r--r--. 1 root root 17348977 2月 22 201

2020-10-17 20:27:29 348

原创语音情感特征提取

1、Opensmile提取MFCC特征Opensmile下载地址:链接：https://pan.baidu.com/s/199U68fBQOpIOIoarREIuow提取码：agam使用方法：此处使用的opensmile配置modified_MFCC12_E_D_A_Z是论文multimodelSpeechEmotion中使用的。import osimport sys# Opensmile的基本配置config = 'modified_MFCC12_E_D_A_Z'opensmile

2020-10-15 18:37:56 969

原创 Ubuntu全屏

Ubuntu全屏设置步骤：下载VMware toolsVmware->虚拟机->VMware toolsVMware的安装双击VMware，并在终端打开你会发现此时对于当前目录下该压缩包文件为只读文件，所以不能在当前压缩。你需要将其cp到当前登录的用户下进行。这样就算是同样的权限设置，也是可以解压。cp VMwareTools-10.3.21-14772444.tar.gz /home/zwd/VMwareTools-10.3.21-14772444.tar.g

2020-10-13 13:55:27 574 1

原创简单神经网络

单层神经网络传播1、网络结构2、前向传播维度3 、反向传播4、代码6、结果分析1、网络结构本次测试使用的是mnist手写体识别用来训练的数据的维度是x_train = (784, batch_size), y_train = (10, batch_size)。用来测试的数据的维度是x_test = (784, batch_size), y_test = (10, batch_size)。...

2019-09-17 22:33:32 297

原创聚类及图像压缩

聚类1、 K-means2、DBSCAN算法3、图像压缩1、 K-meansk-means叫做k均值算法，算法很简单，先随机选择k个样本作为均值向量，再计算样本到均值向量之间的距离，距离近的就将其划分的对应簇中，然后不断进行迭代更新，最终就会将样本聚成设定的簇，也就是k个簇。下面从sklearn的官方文档中找出的案例import numpy as npimport matplotlib...

2019-08-24 16:53:06 1314 1

原创 SVM参数及人脸分类

SVM1、概念及参数调整2、人脸识别1、概念及参数调整1、构造数据集import numpy as npimport matplotlib.pyplot as pltfrom scipy import statsimport seaborn as snssns.set()from sklearn.datasets.samples_generator import make_blo...

2019-08-23 22:41:42 757

原创新闻分类问题

朴素贝叶斯实战1 代码2 输出结果1、词云2、精度1 代码import pandas as pd# 读取数据df_news = pd.read_table('./data/val.txt', names=['category', 'theme', 'URL', 'content'], encoding='utf-8')df_news = df_news.dropna()# print...

2019-08-22 23:24:02 1516

原创分析泰坦尼克号获救问题

逻辑回归分析泰坦尼克号获救问题1 代码2、输出结果C parameter: 0.01C parameter: 0.1C parameter: 1C parameter: 10C parameter: 1001 代码logistic regression.pyimport pandas as pddata = pd.read_csv("Titanic.csv")# print(date....

2019-08-21 23:32:56 329

原创归一化和正则化

归一化和正则化1、归一化1.1为什么要归一化1.2 如何进行归一化2、正则化2.1、为什么要进行正则化2.2 如何进行正则化惩罚1、归一化1.1为什么要归一化在做梯度下降的时候，我们用的数据集并不像前面给的数据集那么规范，很多时候不同特征的值之间相差还是很大的，举个简单的例子以收入和开销为特征，分析对幸福指数的影响。收入开销6000100072001300...

2019-08-05 15:11:30 2993

原创梯度下降

梯度下降1 、基本概念2、批量梯度下降（BGD）3、随机梯度下降（SGD）4、小批量梯度下降（MBGD）1 、基本概念谈到梯度，童鞋们在学高数时见过，就表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。当然这是定义了。我们现在谈的梯度是酱紫的。见图1现在想求theta让他尽快到达底端，也就是函数导数为0的位置...

2019-08-04 19:31:51 1052 1

原创线性回归

线性回归1、什么是回归2、线性回归的概念3、线性回归的推导4、利用sklearn来实现线性回归1、什么是回归有监督机器学习中，回归表示对于输入的样本（sample）得到一个连续的y值。分类则得到一个离散的y值。举个简单的例子，一个女生示例（instance）他有3个特征，分别是身高（x1），脸型（x2），肤色（x3）。现在根据这三个特征来判断这个女孩的颜值得分Y。显然这是个连续的值，那么现在做...

2019-08-03 17:03:13 181

wewinwe的博客