特点：通过git拉去项目文件进行解析注释注解生成API文档 零侵入，无需任何配置，独立运行，注释生成文档，支持读取swagger注解，自定义注释配置，在线调试 无损替换：项目已引用swagger注解包，可以读取swagger注释 支持自定义注释读取，使用特定注释读取项目也可以无损替换 发布版：具体安装方式请打开码云地址https://gitee.com/lanyanhua/go
背景可替代性是针对对象程序设计中的一项原则，其指出在计算机程序中，如果S是T的子类型，则类型T的对象可以用类型S的对象替换（即类型T的对象可以用子类型S的任何对象替换（即向上转换））而不更改程序的任何期望属性（正确性，任务执行等）。更正式地讲，Liskov替换原理（LSP）是子类型关系的特定定义，称为（强）行为子类型化，最初是由Barbara Liskov在1987年的大会主题演讲中约会的，主题为
！！！注意 注意 注意，安装时会自动跳转网页，如果显示拒绝连接，请关闭防火墙1.到Gitea官网下载或者Gitea的Github上下载Gitea软件，这里给出官网网址：https://gitea.io/zh-cn/2.安装Gitea
我在弄博客的时候, 用Gitee没有知道找到Giteepages原因没有初始化, ReadMe文件解决初始化一个Readme 文件就行成功啦!!!!!
原创
2023-03-23 21:17:29
434阅读
用IN写出来的SQL的优点是比较容易写及清晰易懂，这比较适合现代软件开发的风格。 但是用IN的SQL性能总是比较低的，从SQL执行的步骤来分析用IN的SQL与不用IN的SQL有以下区别： SQL试图将其转换成多个表的连接，如果转换不成功则先执行IN里面的子查询，再查询外层的表记录，如果转换成功则直接采用多个表的连接方式查询。由此可见用IN的SQL至少多了一个转换的过程。一般的SQL都可以转换成功，
替代增强是是替代BSEG和BKPF字段值的技术。在创建修改凭证时触发，回车触发校验在替代之前触发可替代的字段在SM30:VWTYGB01维护，如果排除了，obbh配置就看不到，且增强里改了无效。放出来之后要用RGUGBR00激活一下替
原创
2021-07-12 10:21:24
1082阅读
if与else1 替换If-Else的方法1.1 完全不必要的Else块1.2 价值分配1.3 前提条件查询1.4 将If-Else的else动作封装起来—完全避免If-Else 1 替换If-Else的方法if(condition){
//do something
}else if(otherCondition){
//do so
转载
2023-09-04 06:52:16
167阅读
强化学习-遗憾最小化算法一、强化学习（Reinforcement Learning）1. 基本概念2. 简介：3. 基本概念4.特点应用二、遗憾最小化算法（博弈）1、概述2、遗憾匹配 一、强化学习（Reinforcement Learning）1. 基本概念强化学习(reinforcement learning)，又称再励学习、评价学习，是一种重要的机器学习方法，在智能控制机器人及分析预测等领域
itunes替代When you think of iTunes, you might think of clunky, slow, and bloated software that isn’t always the easiest to use. If you’re looking for something that allows you to manage iPod conten
转载
2024-02-28 21:29:14
97阅读
Hadoop一直是一个较为热门的词汇。Hadoop最初是Yahoo公司为了处理海量数据而开发的一款开源架构。在许多人眼里，大数据一词与Apache的Hadoop几乎同义。随着越来越多的企业对大数据逐渐熟悉，可以预计2013年管理大数据的各类方案将会成为业界热点。
RainStor CEO John Bantleman曾提醒各IT企业注意一点，虽然Hadoop为现今热门的大数据
转载
2024-04-08 09:47:07
86阅读
“大多数人类和动物的学习可以说属于无监督学习。有人说，如果智能是一块蛋糕，那么无监督学习就是蛋糕，监督学习是锦上添花，强化学习是锦上添花。”这似乎很有趣，对吧？ 强化学习是最接近人类学习的。 就像我们人类从我们生活的动态环境中学习，我们的行为决定我们是否受到奖励或惩罚一样，强化学习代理也是如此，其最终目标是最大化奖励。不是我们要找的吗？我们希望人工智能代理和我们一样聪明和果断。
转载
2024-05-08 23:15:37
36阅读
具有新颖性和模仿学习的进化强化学习算法（NIERL）算法1 绪论DRL 自身存在两个主要的问题：1）脆性收敛：DRL 算法中所涉及 的超参数需要仔细的调节，超参数细微的变化便可能导致最终的结果无法收敛。2）难以有效探索：DRL 算法是基于梯度的，所以需要在其中加入有效的探索算 法以避免学习过程陷入局部最优解。进化算法（EA）可以很好的处理难以有效 探索的问题，但是它的学习缺乏梯度引导，所以导致其利
转载
2023-10-19 10:55:54
76阅读
这里写目录标题一、PPO算法（1）简介（2）On-policy？（3）GAE （Generalized Advantage Estimation)三、代码代码解析： 一、PPO算法（1）简介PPO算法是一种强化学习中的策略梯度方法，它的全称是Proximal Policy Optimization，即近端策略优化1。PPO算法的目标是在与环境交互采样数据后，使用随机梯度上升优化一个“替代”目标函
转载
2023-10-17 18:06:07
197阅读
在开始说值函数近似方法之前，我们先回顾一下强化学习算法。强化学习算法主要有两大类Model-based 的方法和Model-free的方法，model based 的方法也可以叫做 dynamic programming ：Model-based dynamic programming 在model-based的动态规划算法中，核心概念是值迭代和策略迭代。在值迭代算法中是通过对未来状态的价值
转载
2024-01-27 21:11:08
57阅读
在以前的文章中，我们讨论过Transformer并不适合时间序列预测任务。为了解决这个问题Google创建了Hybrid Transformer-LSTM模型，该模型可以实现SOTA导致时间序列预测任务。但是我实际测试效果并不好，直到2022年3月Google研究团队和瑞士AI实验室IDSIA提出了一种新的架构，称为Block Recurrent Transformer [2]。从名字中就能看到，
转载
2024-03-29 13:20:12
130阅读
正如Xen，QEMU / KVM或kvmtool之类的软件所提供的那样，许多开发人员，用户和整个行业都依赖于虚拟化。 尽管QEMU可以运行基于软件的虚拟机，而Xen可以运行不带硬件支持的协同半虚拟化OS，但是虚拟化的大多数当前使用和部署都依赖于硬件加速的虚拟化，这是许多现代硬件平台上提供的。 Linux通过内核虚拟机（KVM）API支持硬件虚拟化。 在本文中，我们将仔细研究KVM API，使用它直
转载
2024-06-23 06:49:41
85阅读
fetch 简介Fetch API 提供了一个 JavaScript 接口，用于访问和操纵 HTTP 管道的一些具体部分，例如请求和响应。它还提供了一个全局 fetch() 方法，该方法提供了一种简单，合理的方式来跨网络异步获取资源。这种功能以前是使用 XMLHttpRequest 实现的。Fetch 提供了一个更理想的替代方案，可以很容易地被其他技术使用，例如 Service Workers (
转载
2023-09-30 22:57:23
48阅读
模仿学习–行为克隆
1.模仿学习模仿学习（imitation learning）不是强化学习，而是强化学习的一种替代品。模仿学习与强化学习有相同的目的：两者的目的都是学习策略网络，从而控制智能体。模仿学习与强化学习有不同的原理：模仿学习向人类专家学习，目标是让策略网络做出的决策与人类专家相同；而强化学习利用环境反馈的奖励改进策略，目标是让累计奖励（即回报）最大化。虽然强化学习不需
转载
2023-08-27 20:38:15
152阅读
大多数开发人员现在还在使用if else 的过程结构，曾看过 jdon 的 banq 大哥写的一篇文章，利用 command,aop 模式替代 if else 过程结构。当时还不太明白，这几天看了《重构》第一章的影片租赁案例，感触颇深。下面我来谈一谈为什么要用 state pattern 替代 if else ，替代 if else 有什么好处，以及给出详细代码怎么替代 if else 。 首先我
