2.22学习进度总结 原创 mb610134e9c087f 2021-07-29 09:19:47 博主文章分类:学习进度报告 ©著作权 文章分类 代码人生 ©著作权归作者所有:来自51CTO博客作者mb610134e9c087f的原创作品,请联系作者获取转载授权,否则将追究法律责任 1.由于在做测试的时候几乎都忘了css,所以打算重新学一遍css以加深印象 2.明天争取复习完css 赞 收藏 评论 分享 举报 上一篇:2.27学习进度总结 下一篇:2.19学习进度总结 提问和评论都可以,用心的回复会被更多人看到 评论 发布评论 全部评论 () 最热 最新 相关文章 python学习总结之异常总结 1.面向对象(上)1.1定义面向对象编程:oop [object oriented programming] 是一种python的编程思路;面向过程:就是我们一开始学习的,按照解决问题的步骤去写代码 【根据业务逻辑去写代码】,在思考问题的时候, 首先分析'怎么按照步骤去实现' 然后将问题解决拆解成若干个步骤,并将这些步骤对应成方法一步一步的 最终完成功能。面向对象:关注的是设计思维【找洗车店 父类 类对象 类属性 jQuery学习总结2 六、动画效果6.1、基本hide([speed,[fn]])隐藏显示的元素speed: 三种预定速度之一的字符串("slow","normal", or "fast")或表示动画时长的毫秒数值(如:1000);fn:在动画完成时执行的函数。show([speed,[fn]])显示隐藏的匹配元素speed: 三种预定速度之一的字符串("slow","normal", or "fast")或表 json 回调函数 php 中间件漏洞攻防学习总结 Apache(阿帕奇)是世界使用排名第一的Web服务器软件。它可以运行在几乎所有广泛使用的计算机平台上,由于其跨平台和安全性被广泛使用,是最流行的Web服务器端软件之一。 此漏洞的出现是由于 apache 在修复第一个后缀名解析漏洞时,用正则来匹配后缀。在解析 php 时 xxx.php\x0A 将被按照 php 后缀进行解析,导致绕过一些服务器的安全策略。 中间件漏洞 漏洞分析 漏洞复现 3.10学习进度总结 强化学习:智慧决策的工程,通过过程模拟和观察来不断学习,提高决策能力。 3.9学习进度总结 1 Olivetti Faces 数据集探索 Olivetti Faces 是由纽约大学整理的一个人脸数据集。原始数据库可从(http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html)。 我们使用的是 Sklearn 提供的版 3.3学习进度总结 第八讲:来自维数的诅咒 -- 维度灾难 维度灾难:随着维度(例如特征或自由度)的增多,问题的复杂性或计算代价呈指数增长的现象。1961年美国数学家Richard Bellan在研究动态规划时首次提出 很多问题困难的根本来源,例如经典或量子多体问题,基于第一性原理的药物和材料设计、蛋白质折叠、湍流、塑 2.25学习进度总结 1 PCA 算法的 Python 实现 Numpy 的 linalg 模块实现了常见的线性代数运算,包括矩阵的特征值求解。其中 eig 函数能够计算出给定方阵的特征值和对应的右特征向量。我们实现函数 principal_component_analysis,其输入为数据集 XX 和主成分数量 ll, 1.27学习进度总结 第二讲:回归 numpy求矩阵的逆的函数 numpy.linalg模块包含线性代数的函数,可计算矩阵,求特征值,解线性方程组以及求解行列式等。 行列式:np.linalg.det(A) 计算逆矩阵:np.linalg.inv(A) import numpy as np#格式化numpy输出 np.s 1.21学习进度总结 4.3 DataFrame运算 算术运算 逻辑运算 逻辑运算符 布尔索引 逻辑运算函数 query() isin() 统计运算 min max mean median var std np.argmax() np.argmin() 自定义运算 apply(func, axis=0)True func 1.16学习进度总结 2.3.1 常见图形种类及意义 折线图plot 散点图scatter 关系/规律 柱状图bar 统计/对比 直方图histogram 分布状况 饼图pie π 占比 2.3.2 散点图绘制 2.4 柱状图(bar) 2.4.1 柱状图绘制 2.5 直方图(histogram) 2.5.1 直方图介绍 1.17学习进度总结 Numpy 高效的运算工具Numpy的优势ndarray属性基本操作 ndarray.方法() numpy.函数名()ndarray运算 逻辑运算 统计运算 数组间运算合并、分割、IO操作、数据处理 3.1 Numpy优势 3.1.1 Numpy介绍 - 数值计算库,开源的数值计算扩展,可以用来存储 1.14学习进度总结 Jupyter notebook: Jupyter项目是一个非营利的开源项目,源于2014年的ipython项目,并逐渐发展为支持跨所有编程语言的交互式科学计算的工具 Jupyter Notebook,原名Ipython notebook,是ipython的网页加强版,一个开源的web应用程序 名字 1.12学习进度总结 K近邻 当k值不同时结果也不相同 PageRank算法: Scikit-learn: Python用于数据建模的第三方库 实现主要的机器学习、数据挖掘算法 主要功能: 数据集预处理 数据集划分 构建模型 模型提升 模型评估 Anaconda自带scikit-learn 基本建模流程 常用函数: 主要 1.5学习进度总结 学习内容:了解了机器学习的概念,复习了scala 学习时间:1h 遇到问题:感觉数学有想不起来了,看视频一头雾水还要去看看数学 代码量:100 明天安排:由于之前安装了anaconda和tensorflow,但是没有具体深入学习,打算去深入学习,然后学习scala 1.4学习进度总结 学习内容:由于要去学习spark,但是spark是基于scala语言的,所以在放假之前的时候学习了一点scala的基础语法,但是过了一个多月又忘的差不多了,所以又复习了一下scala的基础语法。主要看看视频和之前自己写的笔记 学习时间:3h 代码量:400 遇到问题:突然发现自己之前学的内容忘得差不 2.19学习进度总结 1.今天安装了eclipse上的android,但是困那重重,不能像别人一样那么简单,哎,发现没有systrm message. 2.明天继续学习。 2.16学习进度总结 1.今天完成了全部要求。但是还有些不完美,已经写在上面的博客上面了 2.要早点睡觉,明天开始第一天上课。 2.10学习进度总结 1.今天学习了mybatis的一对多查询,但是总是达不到自己预期的效果,debug也分析不出来,不知道为什么剩下的是哪个属性都为null。 2.明天继续学习mybatis 2.8学习进度总结 1.学习了mybatis的动态sql等,学习到了关联查询,但是由于有点困。今天晚上早点休息 2.明天学习完mybatis,在重新规划学习路线,老师发布了新任务,关于数据可视化报表的,现在还不知道学习什么技术,自己的android studio 还不能去使用,由于特殊时期也不能出去,有一点愁啊。 感受 2020.2.6学习进度总结 1.今天学习了mybatis的入门程序,还有更多要求的案例没有学习 2.明天继续学习mybatis。 感悟:寒假的作用一定要利用起来,假期延长了学习时间就要延长,开学了还有网课,你自由学习的时间就更短了,但是你在学习新视频的时候,发现有很多的前置,你发现你需要学习的东西越来越多,这样才能有压力,这样 多个线程读取redis 设置读取状态 Redis真的是单线程吗?网上有很多关于这个问题的讨论,得出的结论也几乎是一致的。本文在讨论这个问题之前,先定义好问题中“单线程”的概念边界:1.单线程指的是“核心网络模型”2.单线程指的是Redis整个服务端架构的设计对于边界1,那么答案是肯定的,在Redis v6.0 版本以前,Redis的网络模型一直都是单线程模式的,即使到了v6.0版本,所有客户端命令的执行依然是在主线程上完成的;对于边界 多个线程读取redis 设置读取状态 队列 网络 数据库 epoll 微信开发者工具本地视频怎么播放 项目简介是一个基于 Python 的开源项目,主要功能是抓取微信视频号的内容,包括视频、评论等信息,并提供了简单的数据分析工具。如果你对社交媒体数据挖掘或者微信生态研究感兴趣,那么这个项目将是一个极好的起点。技术分析核心特性网页爬虫:该项目利用 Python 的 requests 和 BeautifulSoup 库进行网络请求和 HTML 解析,能够有效地抓取微信视频号的公开信息。数据存储:抓取的 微信开发者工具本地视频怎么播放 微信 数据分析 Python STM32通过ESP32进行OTA 正题引入:按键中断控制LED蜂鸣器,首先确定按键属于输入信号,需要向开发板输入电平来对LED灯和蜂鸣器进行控制,那么我们需要做的分为以下几步:首先查看开发板原理图,确定你所需要控制的KEY和LED以及BEEP位于哪个引脚从下图可以得到KEY的引脚分别为PE2-PE3,LED引脚为PC0-PC7,BEEP引脚为PB5从下图看出KEY对应为高电平时可以触发中断,LED需要低电平才可以被点亮,BEEP由 STM32通过ESP32进行OTA 单片机 stm32 嵌入式 gpio mlp回归参数 前言本文写于2021年8月27日。最近好像没人写这方面的总结,我就稍微写一写。 Transformer最近成为cv学术圈的宠儿,有声音鼓吹要取代CNN。其实所谓的self-attention, 简单地说,就是输入I乘以一个权重P得到一个新权重Q,再乘以I本身。虽然在推断时P是固定的,但Q的值也取决于I,由于I是变化的,于是乎美其名曰“自适应”“动态权重”。CNN可以实现类似的功能,更不用说MLP。 mlp回归参数 深度学习 神经网络 计算机视觉 卷积 javascript动画特效代码 原理JS的动画效果原理其实就是添加一个定时器,每多少毫秒调用一次,就可以使盒子运动一次. 在这里我封装了一个缓动动画函数,只要有对象需要添加动画就可以调用这个动画函数,就可以实现动画效果.// 封装缓动动画函数 传递两个参数 需要执行动画的对象和目标位置 function animate (obj , target){ //先把原先的定时器清除,只保留一个. javascript动画特效代码 javascript 回调函数 Math 取整