使用Hive 将父子结构转换成层级结构 已知表结构有parent_id, id , category_level ,category_name 其中,parent_id代表的这个分类的上级分类,例如某一大类的二级分类的id等于下级三级的parent_id 其中id是改分类的id 其中category_level代表的是分类的等级,一级二级三级四级 ,最多四级. 其中category_name代表分
损失函数√神经元模型：用数学公式表示为：?(∑?????+?)，，ff为激活函数。神经网络是以神经元为基本单元构成的。√激活函数：引入非线性激活因素，提高模型的表达力。常用的激活函数有relu、sigmoid、htanh等。①激活函数激活函数relu::在在TTwensorflow中，用用tf.nn.relu()!img(https://s4.51cto.com/images/blog/20220
制作数据集，实现特定应用：1、数据集生成读取文件（mnist_generateds.py）√tfrecords文件1）tfrecords：是一种二进制文件，可先将图片和标签制作成该格式的文件。使用tfrecords进行数据读取，会提高内存利用率。2）tf.train.Example:用来存储训练数据。训练数据的特征用键值对的形式表示。如:‘img_raw’:值‘label’:值值是Byteslis
断点续训ckpt=tf.train.get_checkpoint_state(MODEL_SAVE_PATH)ifckptandckpt.model_checkpoint_path:saver.restore(sess,ckpt.model_checkpoint_path)断点续训1、注解：1）tf.train.get_checkpoint_state(checkpoint_dir,latest_
实现手写体mnist数据集的识别任务，共分为三个模块文件，分别是描述网络结构的前向传播过程文件（mnist_forward.py）、描述网络参数优化方法的反向传播过程文件（mnist_backward.py）、验证模型准确率的测试过程文件（mnist_test.py）。前向传播过程文件（mnist_forward.py）在前向传播过程中，需要定义网络模型输入层个数、隐藏层节点数、输出层个数，定义网
神经网络八股包括前向传播过程、反向传播过程、反向传播过程中用到的正则化、指数衰减学习率、滑动平均方法的设置、以及测试模块前向传播过程（forward.py）前向传播过程完成神经网络的搭建，结构如下：defforward(x,regularizer):w=b=y=returnydefget_weight(shape,regularizer):defget_bias(shape):前向传播过程中，需要
√mnist数据集：包含77万张黑底白字手写数字图片，其中055000张为训练集，5000张为验证集，100000张为测试集。每张图片大小为2828像素，图片中纯黑色像素值为0，纯白色像素值为1。数据集的标签是长度为10的一维数组，数组中每个元素索引号表示对应数字出现的概率。在将mnist数据集作为输入喂入神经网络时，需先将数据集中每张图片变为长度784一维数组，将该数组作为神经网络输入特征喂入神
Lenet神经网络是YannLeCun等人在1998年提出的，该神经网络充分考虑图像的相关性。√Lenet神经网络结构为：①输入为32321的图片大小，为单通道的输入；②进行卷积，卷积核大小为551，个数为66，步长为1，非全零填充模式；③将卷积结果通过非线性激活函数；④进行池化，池化大小为22，步长为1，全零填充模式；⑤进行卷积，卷积核大小为556，个数为16，步长为1，非全零填充模式；⑥将卷积
√全连接NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。参数个数：∑（前层×后层+后层)!img(https://s4.51cto.com/images/blog/202205/08101312_62772738e4c8070123.png)一张分辨率仅仅是28x28的黑白图像，就有近40万个待优化的参数。现实生活中高分辨率的彩色图像，像素点更多，且为红绿蓝三
工具：Ubuntuettercapdriftnetsudoaptinstallettercapcommonsudoaptinstalldriftnet!image(https://s4.51cto.com/images/blog/202205/07205623_62766c77a290f13587.png?xossprocess=image/watermark,size_14,text_QDUxQ
Git+Hexo建立初步博客首先开启root权限下载安装sudosusudonpminstallghexocli创建文件并初始化hexomkdirhexocdhexosudohexoinit提权sudochmodR777抛向服务器预览后保存hexoserversudonpminstallhexodeployergitsave配置_config.yml将deploy:type:改为deploy:ty
Hexo常用命令简写hexo n "我的博客" == hexo new "我的博客" #新建文章hexo p == hexo publishhexo g == hexo generate#生成hexo s == hexo server #启动服务预览hexo d == hexo deploy#部署<!--more-->服务器hexo server #Hexo 会监视文件变动并自动更新，
Hexo安装报错 怎么破> hexo-util@0.6.1 build:highlight /usr/lib/node_modules/hexo-cli/node_modules/hexo-util > node scripts/build_highlight_alias.js > highlight_alias.json sh: 1: cannot create highlig
非常有用，非常重要。什么是缓存？所谓缓存，就是将经常会用到的数据，保存到硬件或软件中。但归根结底都是保存在内存中。下次再访问的时候，可以直接从缓存中读取数据，从而提高访问效率。比如浏览器缓存、CPU的L2等。缓存方式：ü 数据缓存ü 文件缓存数据缓存站在数据库（比如mysql）的角度，对于一些经常要用到不变化的数据，可以将其缓存起来，那么后续的访问，就可以直接访问该缓存内
注意细节1.引入smarty 模板引擎后 在 html使用 将会被注释掉2. js 和css 的{花括号}会冲突的解决办法:(1)简单的可以在css js { .....}空格(2)或者外部引入css" type="text/css" /> (3)使用smarty格式化标签{literal}{background:red;}{/literal}(4)修改smarty的定界符来区别于js 和c
smarty介绍什么是smartySmarty是一个使用PHP写出来的模板引擎，它分离了逻辑代码和外在的内容，提供了一种易于管理和使用的方法，用来将原本与HTML代码混杂在一起PHP代码逻辑分离。smarty的优点1. 速度：采用Smarty编写的程序可以获得最大速度的提高，这一点是相对于其它的模板引擎技术而言的。2. 编译型：采用Smarty编写的程序在运行时要编译成一个
toc索引的数据结构索引是帮助MySQL高效获取数据的排好序的数据结构常见的索引数据结构二叉树红黑树Hash表BTreeB+Tree!(https://s4.51cto.com/images/blog/202204/30184143_626d1267dea9894534.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,co
thinkphpajax下载次数html首先在html文件中绑定函数函数count({v.id})出入一个id到下面的js脚本html<ahref="{v.url}"onclick="count({v.id})"<imgsrc="__PUBLIC__/FrontStyle/img/img_project/down.png"class="downimg2"</ajs脚本进行请求给后天的html<sc
Redis 有序集合(sorted set)Redis 有序集合和集合一样也是string类型元素的集合,且不允许重复的成员。不同的是每个元素都会关联一个double类型的分数。redis正是通过分数来为集合中的成员进行从小到大的排序。有序集合的成员是唯一的,但分数(score)却可以重复。集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。 集合中最大的成员数为 232 - 1&n
机器学习（MachineLearning,ML)1概念：多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。2学科定位：人工智能(ArtificialIntelligence,AI）的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归
结构体cstructname{//基本数据结构};访问结构体通过.或者cstructstudentInfo{intid;charname10;studentInfonext;}stu,p;//访问stu.idstuname(p).idpid结构体的初始化c//基本stu.id=1;scanf("%d",&stu.id);//构造函数structstudentInfo{intid;charsex;s
补充cincout是c中输入和输出的函数需要添加头文件include<stdio.h和usingnamespacesdcinclude<stdio.hinclude<iostreamusingnamespacestd;intmain(){inta,b,c,d;cinabcd;cout<<a<<b<<c<<d;return0;}cinclude<stdio.hinclude<iostreamusin
函数函数定义c返回类型函数名(函数类型参数){函数主题;}全局变量定义在所有函数之前cinclude<stdio.hintx=10;intmain(){printf("%d",x);return0;}局部函数函数内部cinclude<stdio.hintx=10;intmain(){intx=20;printf("%d",x);return0;}main函数主函数,无论主函数写在哪里,整个程序都是
指针简单的理解<u指针就是变量的地址</u指针变量的定义cintp;doublep;charp;指针变量的地址cinta;intp=&a;//或者也可以这样写inta;intp;p=&a;注意需要注意的是:int是指针变量类型,后面的p才是指针变量用来储存地址,因此地址&a是赋值给p而不是p指正与数组cinclude<stdio.hintmain(){inta10={1,2,3,6,3,3,0};
开胃小菜简单查找害死人不偿命的3n+1卡拉兹(Callatz)猜想：对任何一个自然数n，如果它是偶数，那么把它砍掉一半；如果它是奇数，那么把(3n+1)砍掉一半。这样一直反复砍下去，最后一定在某一步得到n=1对给定的任一不超过1000的正整数n，简单地数一下，需要多少步（砍几下）才能得到n=1？输入格式：每个测试输入包含1个测试用例，即给出自然数n的值。输出格式：输出从n计算到1需要的步数。输入样
数组数据类型数据名数组大小;注意数组的大小必须是整型常量,不可以是变量;二维数组数据类型数据名第一个数组大小第二个数组大小memset函数(fill函数)memset(数组名,值,sizeof(数组名))需要使用string.h字符数组charstr11={'q','w','w'};注意仅限于初始化程序的其他位置不容许这样直接复制整个字符串getsputs用于输入一行字符串(gets的识别换行符的
顺序结构cinclude<stdo.hintmain(){inta;scanf("%d",&a);printf("%d",a);}scanf和printfscanf("格式控制",变量地址);printf("格式控制",变量名字);数据类型格式符int%dlonglong%lldfloat%fdouble%fchar%cchar数组字符串%s注意:double输出格式%f而在scanf中是%lfg
基本数据类型变量的定义变量类型变量名字=初值;变量的类型整型短整型shortshortnum=5整型intintnum=5长整型longlonglonglongbig=1123213123123123;格式输出%dcinclude<stdio.hintmain(){inta=6;printf("%d",a);return0;}浮点型单精度floatfloatpi=3.14151双精度doubled
概述cinclude<stdio.hintmain(){inta,b;scanf("%d%d",&a,&b);printf("%d",a+b);return0;}helloworld1.头文件.h2.主函数main()是主函数，每一个c源程序都必须有，且只能有一个<u主函数</u。3.c语言规定：对scanf和printf可以省去对其头文件的包含命令；4.源程序中用到的变量都必须先说明后使用；5.
@toc什么是数据中台？背景2015年全年产生的数据量等于历史上所有人类产生数据的总和，人类的数据增长正式从乘法型增长变成了指数型增长，海量数据处理成为了全人类的挑战。阿里提出了DT时代已经到来：DataTech替代ITTech，强调数据驱动的重要性。阿里走在了前面，阿里用几百人的团队支撑了几万亿的GMV，其中60%70%来源于数据支持的机器决策，机器智能赋能业务，用更低的成本，更高的效率去服务顾
Copyright © 2005-2023 51CTO.COM 版权所有 京ICP证060544号
