当前位置: 首页 > news >正文

【使用 BERT 的问答系统】第 6 章 :BERT 模型应用:其他任务

     🔎大家好,我是Sonhhxg_柒,希望你看完之后,能对你有所帮助,不足请指正!共同学习交流🔎

📝个人主页-Sonhhxg_柒的博客_CSDN博客 📃

🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝​

📣系列专栏 - 机器学习【ML】 自然语言处理【NLP】  深度学习【DL】

 🖍foreword

✔说明⇢本人讲解主要包括Python、机器学习(ML)、深度学习(DL)、自然语言处理(NLP)等内容。

如果你对这个系列感兴趣的话,可以关注订阅哟👋

文章目录

情绪分析

命名实体识别

文本分类

文本摘要

结论


在上一章中,我们了解了 BERT 及其在问答系统设计中的应用。本章讨论如何使用 BERT 实现其他 NLP 任务,例如文本分类、命名实体识别、语言翻译等。

 BERT 在各种 NLP 任务的许多基准数据集中表现良好,例如 SQuAD(问答数据集)、Natural Questions(事实和非事实问题的问答数据集)、IMDB 电影评论数据集(分类数据)等。现在,我们将看到如何将在这些基准数据集上训练的基于 BERT 的模型用作以下 NLP 任务的预训练模型。

  • 情绪分析

  • 命名实体识别

  • 文本分类

  • 文本摘要

我们介绍这些主题,然后看看它们的实现。

情绪分析

情感分析是 NLP 的一个子领域,它识别博客、评论、新闻等给定文本的观点或情感。它可以告知企业对其产品的接受程度和消费者对其的看法。识别社交媒体上的仇恨言论和其他问题也很有用,可以识别人们对特定讨论主题的情绪。情绪分析甚至可以帮助公司根据消费者对特定人口区域特定主题的意见来规划产品发布。

对于本书,我们使用了一个使用 BERT 训练的情感分析模型,它使用.csv格式的数据集,其中每个数据点是一对句子及其观点(即,不是侮辱,侮辱)。对于推理,系统处理用户的查询并提供相同的情绪。

请按照以下步骤实施情绪分析系统。
1.如前所述创建一个新的 Jupyter notebook 并运行以下命令来安装 deeppavlov 库(如果您在第5章中没有这样做)。
 
! pip install deeppavlov
安装后,您将看到如图6-1所示的输出。

                                                 图 6-1 deeppavlov的安装

2.因为我们要使用情绪分析,所以我们将使用一个经过情绪数据训练的模型。运行以下命令以下载经过训练的模型insults_kaggle_bert。
 
! python -m deeppavlov install insults_kaggle_bert
笔记

请使用 '!' 如果您使用的是 Colab Notebook,请在安装命令前添加符号,如刚才所示。

安装后,您将看到如图6-2所示的输出。

                                                                图 6-2 安装包

3.使用此命令执行此实现所需的必要导入。
 
from deeppavlov import build_model, configs

4.然后我们将使用 deeppavlov 库的build_model类得到一个情感分析模型。它需要两个参数:

  • 配置 文件路径:定义配置文件的名称,其中包含要使用的相关 NLP 模型的详细信息。对于这种情况,我们将使用insults_kaggle_bert。这包含使用情感模型所需的配置。

  • download 如果需要下载模型,则为True ,否则为False。因为我们是第一次这样做,所以这个参数的值将为True。
    sentiment_model = build_model(configs.classifiers.insults_kaggle_bert,下载=真)
 
5.加载情绪模型后,您可以通过提出诸如“你真笨!”、“这部电影很好”等问题并将这些问题作为参数传递给此处所示的sentiment_model函数来测试该模型.
 
test_input = ['This movie is good', 'You are so dumb!']
results = sentiment_model(test_ input)
根据提出的问题,此代码段的输出将是Not Insult或Insult。这是使用情感分析的完整端到端代码库。
from deeppavlov import build_model, configs
def build_sentiment_model ():model = build_model(configs.classifiers.insults_kaggle_bert, download=True)return model
test_input = ['This movie is good', 'You are so dumb!']
if __name__ == "__main__" :sentiment_model = build_sentiment_model()results = sentiment_model(test_ input)print(results)
这是输出:
['Not Insult', 'Insult']

现在我们已经了解了如何将基于 BERT 的情绪分析系统用于研究目的,让我们考虑一个场景,您需要在对话系统中启用情绪分析,以便它可以根据查询或请求识别用户的情绪。用户给出的响应。这将有助于对话系统根据用户的情绪做出响应。按照此处给出的步骤将情绪分析系统的功能作为 REST API 发布。

1.创建一个名为SentimentAnalysisAPI.py的文件。
 
2.复制此处显示的代码并将其粘贴到此文件中,然后保存。
 
from flask import Flask, request
import json
from SentimentAnalysis.SentimentAnalysis import build_sentiment_model
app=Flask(__name__)
@app.route ("/sentimentAnalysis", methods=['POST'])
def sentimentAnalysis():try:json_data = request.get_json(force=True)questions = json_data['questions']sentiment_model = build_sentiment_model()questions_list =[]for ques in questions:questions_list.append(ques)model_output = sentiment_model(questions_list)index = 0result = []for ans in model_output:sentiment_qa =dict()sentiment_qa['qustion'] = questions_list[index]sentiment_qa['answer'] = ansresult.append(sentiment_qa)result={'results':result}result = json.dumps(result)return result
except Exception as e:return {"Error": str(e)}
if __name__ == "__main__" :app.run(port="5000")
3.此代码处理传递给 API 的输入,调用build_sentiment_model函数,并将此函数的响应作为 API 响应发送。
 
4.打开命令提示符并运行以下命令。
 
Python SentimentAnalysisAPI.py
  • 这将在http://127.0.0.1:5000/上启动一个服务,如图6-3所示。

                                                                 图 6-3 服务部署
5.现在,要测试 Rest API,可以使用 Postman。请参考提供给情绪分析 API 的 URL 和示例请求 JSON 以及将作为来自 API 的响应接收的响应 JSON,如图6-4所示。
 

网址: http: //127.0.0.1 :5000/sentimentAnalysis

情感分析系统样本输入请求JSON:

{

    "questions": [

        {

            "question": "This movie is good."

        },

       {

             "question": "You are so dumb!"

        }

    ]

}

情感分析系统 样本输出响应JSON 

{

    "results": [

        {

            " question": "This movie is good.",

            "answer": "Not Insult"

        },

        {

            " question": "You are so dumb!",

            "answer": "Insult"

        }

    ]

}

                                                 图 6-4  调用情绪分析系统API

可以从 GitHub 下载本练习的代码库,网址为Python_code/Chapter6/SentimentAnalysis at master · bertbook/Python_code · GitHub。

命名实体识别

命名实体识别是信息抽取的一个子领域,其目的是从文本数据中抽取名词或名词短语,并将其分类为人物、地点、时间、组织等类别。这主要用于将非结构化文本转换为结构化文本。实体识别在以下系统中起着重要作用。
  • 搜索引擎 :这用于为用户提出的查询识别相关文档。例如,让我们使用“什么是 Microsoft Outlook?” 在此查询中,“Microsoft Outlook”是应用程序类型的实体。因此,搜索引擎将更加重视将 Microsoft Outlook 识别为实体的文档。

  • 对话系统 :实体在对话系统的设计中起着重要作用。实体被用在对话系统中,以消除用户提出的问题的歧义,如果它与常见问题有关但针对不同的实体。例如,用户输入了查询“我在 Outlook 中遇到问题”。对话系统有两种解决方案:一种用于 Outlook,另一种用于 Gmail。因为 Outlook 和 Gmail 都是不同的实体,所以解决方案也是如此。因此,识别完意图(即Issue)后,接下来识别的就是实体(即Outlook),会话系统据此给出解决方案。

存在许多用于实体识别的注释数据集。不过,对于本书,我们将演示一个实体模型,该模型已经使用 BERT 作为基线在 OntoNotes 数据集上进行了训练。该数据集收集了 1,745,000 条英语、900,000 条中文和 300,000 条阿拉伯文本数据,这些数据来自电话对话、新闻专线、广播新闻、广播对话和博客等各种来源。

在这个数据集中,实体被标注了 18 个类别,例如组织、艺术作品、单词中的数字、数字、数量、人物、位置、地缘政治实体、时间、日期、设施、事件、法律、国籍或宗教或政治团体,语言、货币、百分比和产品等。

在本节中,我们将探讨如何使用使用 BERT 在 OntoNotes 数据集上训练的命名实体识别系统。请按照以下步骤实施命名实体识别系统。
1.如前所述,创建一个新的 Jupyter notebook,然后运行以下命令来安装 deeppavlov 库。
 
! pip install deeppavlov

安装后,您将看到类似于图6-5的输出。

                                         图 6-5 deeppavlov的安装

2我们将使用已在 OntoNotes 数据上训练过的实体识别系统,如图6-6所示。因此,运行以下命令下载经过训练的模型ner_ontonotes_bert_mult。
 
! python -m deeppavlov install ner_ontonotes_bert_mult

笔记

请使用 '!' 如果您使用的是 Colab Notebook,请在安装命令前添加符号,如刚才所示。

                                                                图 6-6  安装包
3.使用此命令执行此实现所需的必要导入。
from deeppavlov import build_model, configs

4.然后我们将使用 deeppavlov 库的build_model类获得一个实体模型。它需要两个参数:

  • 配置 文件路径:定义配置文件的名称,其中包含要使用的相关 NLP 模型的详细信息。对于这种情况,我们将使用ner_ontonotes_bert_mult。该文件包含在 OntoNotes 上训练的实体模型所需的所有配置。

  • 下载:如果需要下载模型,则为True ,否则为False。因为我们是第一次这样做,所以这个参数的值将为True。

ner_model = build_model(configs. ner.ner_ontonotes_bert_mult, download=True)
5.加载实体识别模型后,您可以通过提供诸如“亚马逊雨林位于南美洲”之类的文本来测试该模型。并将其作为参数传递给名为ner_model的函数,如此处所示。
 
test_input = ["Amazon rainforests are located in South America."]
results = ner_model(test_ input)
这些代码片段的输出包含单词及其标记的实体,如图6-7所示。

                                                         图 6-7 命名实体识别系统结果

这是此实现的完整Python 代码。
from deeppavlov import build_model, configs
import pandas as pd
def build_ner_model ():model = build_model(configs. ner.ner_ontonotes_bert_mult, download=True)return model
if __name__=="__main__":test_input = ["Amazon rainforests are located in South America."]ner_model = build_ner_model()results = ner_model(test_ input)results = pd.DataFrame(zip(results[0][0],results[1][0]), columns=['Word','Entity'])print(results)
输出是识别出的实体,如图6-8所示。
                                                图 6-8 命名实体识别系统结果

 现在我们已经了解了如何将基于 BERT 的实体识别系统用于研究目的,接下来我们考虑一个场景,在该场景中我们需要部署此功能以供对话系统使用。对话系统通常使用实体来配置或开发用例。例如,对于用例“面对 Outlook 的问题”,该系统可用于将“Outlook”识别为一个实体。在这种情况下,您需要使用以下步骤将实体识别系统的功能发布或公开为REST API 。

1.创建一个名为NamedEntityAPI的文件。
 
2.复制以下代码并粘贴到该文件中,然后保存。
 
from flask import Flask, request
import json
from NamedEntityRecognition.NamedEntityRecognition import build_ner_model
app=Flask(__name__)
@app.route ("/namedEntity", methods=['POST'])
def namedEntity():try:json_data = request.get_json(force=True)query = json_data['query']ner_model = build_ner_model()model_output = ner_model([query])words= model_output[0][0]tags = model_output[1][0]result_json = dict()result_json['query'] = queryentities = []index = 0for word in words:word_tag_dict=dict()word_tag_dict['word'] = wordword_tag_dict['tag'] = tags[index]index = index+1entities.append(word_tag_dict)result_json['entities'] = entitiesresult = json.dumps(result_json)return result
except Exception as e:return {"Error": str(e)}
if __name__ == "__main__" :app.run(port="5000")
3.此代码处理传递给 API 的输入,调用build_ner_model函数,并将此函数的响应作为 API 响应发送。
 
4.打开命令提示符并运行以下命令。
 
Python NamedEntiityAPI.py
这将在http://127.0.0.1:5000/上启动一个服务,如图6-9所示。

                                                        图 6-9 服务部署
5.现在,要测试这个 API,可以按照第5章中的说明使用 Postman 。请参考以下提供给命名实体识别系统 API 的 URL 和示例请求 JSON,以及将作为来自 API 的响应接收的响应 JSON,如图6-10所示。
 

网址: http: //127.0.0.1 :5000/namedEntity

命名实体识别系统样本输入请求JSON:

{

    "query": "Amazon rainforests are located in South America."

}

命名实体识别系统示例输出响应 JSON:

{

     "query": "Amazon rainforests are located in South America.",

    "entities": [

        {

            "word": "Amazon",

            "tag": "B-LOC"

        },

        {

            "word": "South",

            "tag": "B-LOC "

        },

{

            "word": "America",

            "tag": "I-LOC "

        }

    ]

}

                                        图 6-10 调用命名实体识别系统API

可以从 GitHub 下载此练习的代码库,网址为Python_code/Chapter6/NamedEntityRecognition at master · bertbook/Python_code · GitHub。

文本分类

文本分类可以定义为将文本分配或分类到特定类别或类中的问题。文档分类或分类、意图分类、垃圾博客检测等都属于文本分类。在这里,文本可以是任何内容,例如句子、文档、博客等。文本分类利用 NLP 方法进行预处理,例如标记化、停用词删除、短语提取、实体提取等。

在推理过程中,文本分类分析文本(文档、博客或句子)并将其分配给预训练类别。例如,如果文档指的是政治,那么这就属于政治范畴。在某些情况下,一个文档可能属于多个类别(称为多标签分类)。例如,如果文档既谈论政治又谈论体育,那么它将被归类到这两个类别中;即政治和体育。

本节介绍如何使用使用 BERT 在新闻组数据集上训练的文本分类系统。在这里,我们将把新闻文章分类到各自的类别中。该数据集有四类新闻文章:
  • alt.atheism

  • soc.religion.christian

  • comp.graphics

  • sci.med

我们将为此实现使用 ktrain 和 tensorflow_gpu。请注意,此实现需要在系统上安装GPU 版本的 TensorFlow 。因此,请确保您拥有支持 GPU 的系统。
1.如前所述创建一个新的 Jupyter notebook 并运行以下命令来安装 tensorflow_gpu 和 ktrain 库。
! pip3 install -q tensorflow_gpu==2.1.0
! pip3 install -q ktrain
成功安装包后,它会显示如图6-11所示的输出。
                                                图 6-11 安装TensorFlow
 
2.导入此实现所需的包,例如来自 sklearn 的fetch_20newsgroup数据集和此处所示的 ktrain 库。
from sklearn.datasets import fetch_20newsgroups
import ktrain
 3.接下来下载并检索仅包含四个类别的fetch_20newsgroup数据集:alt.atheism、soc.religion.christian、comp.graphics 和 sci.med。将它们分成启用混洗的训练和测试集,如此处所示。
classes = ['alt.atheism', 'soc.religion.christian','comp.graphics', 'sci.med']
train_data = fetch_20newsgroups(subset='train', categories=classes, shuffle=True, random_state=42)
test_data = fetch_20newsgroups(subset='test', categories=classes, shuffle=True, random_state=42)
 4.使用ktrain.text 库的Transformer类创建一个转换器模型的实例。它需要一些参数的值来定义,如下所示。
  • Model name:这表示要使用的BERT模型的名称。在这种情况下,我们使用了 distillBERT 而不是 BERT base。

  • Length of article设置文章的最大长度。这里,最大长度只能是512。如果指定任何长度大于512的文章,它会被自动截断。

  • Classes这是需要考虑进行培训的课程列表。

 
5.下一步是预处理训练和测试数据,以使用 distillBERT 生成文章的嵌入式表示。将这些数据和模型传递给 ktrain 的get_learner函数,以获取具有所有配置参数的分类模型实例,例如batch_size、模型实例、训练数据和测试数据。
MODEL_NAME = 'distilbert-base-uncased'
trans = text.Transformer(MODEL_NAME, maxlen=500, classes=train_classes)
train_preprocess = trans.preprocess_train(train_features, train_labels)
val_preprocess = trans.preprocess_test(test_features, test_labels)
model_data = trans.get_classifier()
classification_model = ktrain.get_learner(model_data, train_data=train_preprocess, val_data=val_preprocess, batch_size=6)
classification_model.fit_onecycle(5e-5, 4)
 6.一旦分类模型得到训练,就可以在看不见的数据上测试这个模型,如此处所示。
predictor = ktrain.get_predictor(classification_model.model, preproc=trans)
input_text = 'Babies with down syndrome have an extra chromosome.'
results = predictor.predict(input_text)
 这是实现文本分类的完整Python 代码。
from sklearn.datasets import fetch_20newsgroups
import ktrain
from ktrain import text
def preprocess_dataset():classes = ['alt.atheism', 'soc.religion.christian','comp.graphics', 'sci.med']train_data = fetch_20newsgroups(subset='train', categories=classess, shuffle=True, random_state=42)test_data = fetch_20newsgroups(subset='test', categories=classes, shuffle=True, random_state=42)return train_data.data,train_data.target, test_data.data,test_data.target,classes
def create_text_classification_model():MODEL_NAME = 'distilbert-base-uncased'train_features, train_labels, test_features, test_labels, train_classes =preprocess_dataset()trans = text.Transformer(MODEL_NAME, maxlen=500, classes=train_classes)train_preprocess = trans.preprocess_train(train_features, train_labels)val_preprocess = trans.preprocess_test(test_features, test_labels)model_data = trans.get_classifier()classification_model = ktrain.get_learner(model_data, train_data=train_preprocess, val_data=val_preprocess, batch_size=6)classification_model.fit_onecycle(5e-5, 4)return classification_model, trans
def predict_category(classification_model, trans, input_text):predictor = ktrain.get_predictor(classification_model.model, preproc=trans)results = predictor.predict(input_text)return results
if __name__ == "__main__" :classification_model, trans = create_text_classification_model()input_text = 'Babies with down syndrome have an extra chromosome.'print(predict_category(classification_model, trans, input_text))
从以下输出中可以看出,对于文本“患有唐氏综合症的婴儿有一条额外的染色体”。类别是 sci.med。
sci.med

现在,我们已经了解了如何将基于 BERT 的文本分类系统用于研究目的。接下来,考虑您需要部署此功能以供对话系统使用的场景。对话系统可以利用它作为意图分类或识别系统来配置或开发用例。例如,对于“面临 Outlook 问题”的用例,该系统可用于将意图识别为“问题”。在这种情况下,您需要按照以下步骤将意图分类系统的功能发布或公开为REST API 。

1.创建一个名为TextClassificationAPI的文件。
 
2.复制以下代码并将其粘贴到该文件中,然后保存。
从烧瓶导入烧瓶,请求
from flask import Flask, request
import json
from TextClassification.TextClassification import create_text_classification_model, predict_category
from TextClassification import create_text_classification_model
app=Flask(__name__)
result={}
@app.route ("/textClassification", methods=['POST'])
def textClassification ():try:json_data = request.get_json(force=True)input_text = json_data['query']classification_model, trans = create_text_classification_model()category = predict_category(classification_model, trans, input_text)result = {}result['query'] = input_textresult['category'] = categoryresult = json.dumps(result)return resultexcept Exception as e:error = {"Error": str(e)}error = json.dumps(error)return error
if __name__ == "__main__" :app.run(port="5000")
 
3.此代码处理传递给 API 的输入,调用create_text_classification_model函数,并将此函数的响应作为 API响应发送。
 
4.打开命令提示符并运行以下命令。
Python 文本分类API.py
这将在http://127.0.0.1:5000/上启动一个服务,如图6-12所示。
                                                        图 6-12 服务部署

 5.现在,要测试 Rest API,可以使用 Postman,如第5章所述。请参考以下提供给文本分类 API 的 URL 和示例请求 JSON,以及将作为来自 API 的响应接收的响应 JSON,如图6-13所示。

 

网址: http: //127.0.0.1 :5000/textClassification

文本分类系统样本输入请求JSON:

{

            "query": "Babies with down syndrome have an extra chromosome."

}

文本分类系统样本输出响应JSON:

{

     "query": "Babies with down syndrome have an extra chromosome.",

     "category": "sci.med"

}

                                                图 6-13 调用文本分类系统API

可以从 GitHub 下载此练习的代码库,网址为Python_code/Chapter6/TextClassification at master · bertbook/Python_code · GitHub。

文本摘要

文本摘要是使用 NLP 和 NLU 从文档中生成或提取摘要同时保留文档的实际含义的过程。换句话说,摘要应该与文档所说的非常相似。此功能在搜索引擎系统中非常流行,其中呈现给用户的文档还包括文档摘要而不是整个文档文本。文档摘要可以是单个或多个文档摘要。文本摘要问题可以分为两类:
  • 提取摘要:在提取摘要 中,生成的摘要中的句子将仅来自文档本身。摘要中的句子不会有任何修改。这也可以定义为根据句子与文档主题的相关性对句子进行重新排列。TF-IDF、余弦相似度、基于图的方法、实体提取、标记化等几种方法已被用于积极开发文档摘要系统。

  • 抽象摘要:在抽象摘要 中,生成的摘要中的句子不会是文档本身的实际句子。这些句子将根据文档中使用的语言语义进行修改。各种基于神经网络的方法,如 LSTM、GRU 等已被用于实现这一点。

在本节中,我们将讨论如何使用 BERT 生成文档摘要。BERT 提出了一种称为 BERTSUM 的新架构,它可以从文档中生成摘要。像往常一样,BERT 用于生成多个句子的嵌入,其中标记 [CLS] 插入在第一个句子的开头之前,然后是其他句子,这些句子被标记 [SEP] 分隔。接下来,附加了段嵌入和位置嵌入以在句子之间进行隔离。然后这些句子向量通过摘要层来选择具有代表性的句子进行摘要。在摘要层,任何神经网络都可以构建摘要。图6-14显示了文档摘要模型架构。

                                        图 6-14 BERTSUM模型的架构
现在,让我们看看如何利用基于 BERT 的提取文档摘要模型。我们使用bert-extractive-summarizer , Python中提取文档摘要的实现之一来演示相同的内容。
1.如前所述创建一个新的 Jupyter notebook 并运行以下命令来安装bert-extractive-summarizer。
! pip3 install bert-extractive-summarizer

软件包安装成功后,如图6-15所示。

                                                         图 6-1 安装包

 
2使用此命令导入此实现所需的必要包,例如来自 Summarizer 库的摘要器。
 
from summarizer import Summarizer

3.这个库实现了 HuggingFace Pytorch 转换器来运行提取摘要。它的工作原理是生成句子的嵌入,然后使用聚类算法(例如基于密度的算法等)对最接近质心的句子进行聚类,形成一个高度密集的区域。来自最高密度区域的句子将被用来形成摘要。接下来,创建一个Summarizer实例,如此处所示。

text_summarization_model = Summarizer()
4.将文档内容作为参数传递给刚刚创建的Summarizer实例,如此处所示。
 
from summarizer import Summarizer
def text_summary(text):model=Summarizer()return model(text)
if __ name__=='__main__':text = "Machine learning (ML) is the study of computer algorithms that improve automatically through experience. It is seen as a subset of artificial intelligence. Machine learning algorithms build a mathematical model based on sample data, known as "training data", in order to make predictions or decisions without being explicitly programmed to do so. Machine learning algorithms are used in a wide variety of applications, such as email filtering and computer vision, where it is difficult or infeasible to develop conventional algorithms to perform the needed tasks."print(text_summary(text))

此示例中的文本片段来自维基百科关于机器学习的文章。

这是结果输出:
Machine learning (ML) is the study of computer algorithms that improve automatically through experience. It is seen as a subset of artificial intelligence.

此输出显示文档的摘要,摘要中的所有句子都是文档本身的实际句子。文档可以是任意长度(例如,100 或 200 页),REST API 无法在单个 API 调用中接收如此大量的数据。因此,作为最佳实践,文档摘要系统应该仅用作后端应用程序或具有父系统(例如搜索引擎)的系统,其中作为搜索结果的一部分返回的每个文档也应该具有文档摘要。

可以从 GitHub 下载此练习的代码库,网址为Python_code/Chapter6/TextSummarization at master · bertbook/Python_code · GitHub 。

结论

本章涵盖了 BERT 在各种 NLP 任务中的适用性,例如情感分析、文本分类、实体识别和文档摘要。我们利用基于 BERT 的模型来构建基于 NLP 的系统。在下一章中,我们将讨论 BERT 中发生的最新研究。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.exyb.cn/news/show-3825618.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

初学者如何学好Java并写好Java代码?给你3个锦囊

在接触Java编程的人里面每个人的基础不同,思维方式不同,所以作为Java零基础如何学好Java写好Java代码并没有统一的正确打开方式。本文,小编就分享一些Java学习建议为大家抛砖引玉。 一、从开始就打好Java的语法基础 其实每一套Java基础教程都…...

什么是客户关系管理系统?有哪些分类?

客户关系管理系统(CRM)是以实现企业以客户为中心的理念为目的,运用先进的管理思想和各种技术对客户数据信息进行管理的一种信息系统。客户关系管理系统对企业营销时与客户发生的交互行为中所产生的信息进行记录、分析和管理。客户关系管理系统…...

pyinstaller 双击exe文件闪过、ico图标不正常显示

1、pyinstaller -F df.py 生成df.exe文件,双击会一闪而过,需要在命令行下打开运行。 2、ico图标不正常显示 pyinstaller -F -i favicon.ico df.py 首先,图标必须是ico,可以用ico在线生成 ICO图标在线生成 其次&#xff0…...

医院信息管理系统有哪些功能?

医院管理软件包含模块:门诊收费划价系统、住院病人管理系统(一日清单)、药品发药管理系统、库房管理系统、财务报表查询系统、院长查询与决策系统、系统管理与设置、门诊监控等。功能:实现门诊病人收费划价、住院病人管理(新农合、医保、普通、离退、记帐、合同等所有类型病人的…...

java程序员电脑内存配置_学习JAVA对电脑配置有要求吗

如果只是为了学java,配置不是问题,你现在随便配都可以学JAVA编程知识。要知道只用记事本就可以进行java编程了,一样可以学java编程。而且刚开始学的时候也不提倡用IDE.问题是现在买电脑应该不是为了学java而选择配置,或许你现在是…...

8大常用数据库管理系统简介

转自:http://vps.zzidc.com/vpsjishu/817.html 数据库管理系统(Database Management System)是种操纵和管理数据库的大型软件,是用于建立、使用和维护数据库,简称DBMS。是企业进行数据管理及维护不可或缺的数据管理软件。 8大常用数据库管理系…...

吉比特第三季营收13亿:靠“羊了个羊”走红 卢竑岩获分红3亿

雷递网 雷建平 10月27日《羊了个羊》股东、厦门吉比特网络技术股份有限公司(简称:“吉比特”,证券代码:603444)日前公布财报。财报显示,吉比特2022年前9个月营收38.3亿,较上年同期增9.89%&#…...

idea 创建springboot项目的资源文件application.yml的图标显示不正常

按Settings图示位置查看下text下有无yml或是yaml,并在下面的YAML里添加这两项。因为spring-boot-starter-parent里说明了:...

理解“same-site“ 和 “same-origin“

Understanding "same-site" and "same-origin" 作者:Eiji Kitamura 译者:weixsun 原文:Understanding "same-site" and "same-origin" "same-site" and "same-origin" are …...

Excel文件图标显示异常

1.打开控制面板 》程序》 2.默认程序 3.如下图 4.下拉 5.下拉,选择默认应用即可...

如何自主搭建信息管理系统

本文介绍一种信息化管理的新方案,能让普通用户自主搭建管理系统,适合管理人员、IT人员阅读。 一、引言 市场上的管理软件很多,琳琅满目,但要找到一款适合自己的,往往很难。这里介绍一个新方案,利用快速开…...

Java旅游网站管理系统毕业设计、Java旅游线路和景点网站设计与实现 毕设作品参考

功能清单 【后台功能】 系统设置:设置关于我们、联系我们、加入我们、法律声明 广告管理:设置小程序首页轮播图广告和链接 留言列表:所有用户留言信息列表,支持删除 会员列表:查看所有注册会员信息,支持删…...

redis为什么使用单线程?有什么好处?

redis为什么使用单线程 redis本身是基于内存的,所以redis的性能瓶颈更多的是在于内存和网络带宽,而不是CPU。而单线程的实现更加简单和经济 采用单线程,可以使指令串行,不用额外维护锁机制,避免了不必要的上下文切换…...

基于华为高端NAS存储双活的POC测试

【摘要】近年来,银行业积累了越来越多的非结构化数据,在业务场景和存储系统建设上都在不断进行优化。本文以作者所在企业的业务需求以及存储系统优化实际出发,在高端NAS存储双活系统上线前进行了深度POC测试。从双活系统组网、架构健壮性以及业务系统适配上进行了多维度的测…...

【光学】基于matlab GUI双缝干涉和牛顿环【含Matlab源码 2165期】

一、获取代码方式 获取代码方式1: 完整代码已上传我的资源:【光学】基于matlab GUI双缝干涉和牛顿环【含Matlab源码 2165期】 点击上面蓝色字体,直接付费下载,即可。 获取代码方式2: 付费专栏物理应用(Matlab) 备注: 点击上面蓝色字体付费专栏物理应用(Matlab),扫…...

idea无法正常显示配置文件图标

1、首先project structure界面将项目对应的文件夹转成source和resource文件夹。 2、然后进入setting在file types中的YAML,查看下面的Registered Patterns中是否有*.yml,若没有,则添加上去;最后保存就可以了。 注意: …...

计算机系统的软件有,计算机系统软件有哪些

软件系统是在硬件系统的基础上。为有效地使用计算机而配置的。没有系统软件,现代计算机系统就无法正常地、有效地运行。那么,计算机系统软件有哪些呢?1、操作系统操作系统是控制和管理计算机各种资源、自动调度用户作业程序、处理各种中断的软…...

学生信息管理系统

1、项目介绍 学生信息管理系统拥有三种角色,分别为学生、教师和管理员,功能更加完善,可以作为初学者参照学习课程设计。 学生:班级通讯录查询、个人信息查看修改、成绩查询、密码修改 教师:教师通讯录查询、个人信息…...

IDEA 文件上面图标显示不对

一次设置编辑器的.properties 文件时,发现自己的文件标识与别人的 不一样 自己的 别人的 百度了半天也没有找到解决方案,最后在查找 设置 file type 的时候发现,as的标志代表这样的文件,最下面选项中加了 .*es 会把所有 .*es的…...

什么是蜂窝移动网络?

文章目录前言移动网络 vs WIFI蜂窝移动通信网蜂窝网络和移动网络的联系蜂窝网络实现移动上网通信网架构总结前言 本博客仅做学习笔记,如有侵权,联系后即刻更改 科普: 移动网络 vs WIFI 计网课外实验月,我走在宿舍一楼正数着AP有…...

计算机硬盘分区显示不全,windows7系统磁盘分区图标显示不正常的两种解决方法【图】...

操作windows7系统的过程中,难免会遇到一些问题困扰着大家,最近就有用户反映硬盘的图标显示不正常,有时候只有系统分区有卷标,有时候还出现硬盘的图标损坏了,影响正常操作。那么有什么方法可以解决呢?针对这个问题&…...

Herman miller Aeron 一代 气压杆(气压棒,气柱)更换笔记(电脑椅中的劳斯莱斯)

作为腰痛星人的程序员,看了一圈,发现aeron椅子能缓解痛苦。 看了京东,一万二的报价还是忍住了,没钱闹的。从某海鲜市场买了一把二手aeron 1代办公椅,一切皆好,就是坐下时有点小晃(毕竟10年以上的…...

惠普计算机图标不在桌面,惠普笔记本电脑桌面图标显示图标不正常如何还原 惠普笔记本电脑桌面图标显示图标不正常还原的方法...

今天给大家带来惠普笔记本电脑桌面图标显示图标不正常如何还原,惠普笔记本电脑桌面图标显示图标不正常还原的方法,让您轻松解决问题。惠普笔记本电脑桌面图标显示图标不正常怎么还原 很多惠普笔记本电脑用户都习惯了固定大小的桌面图标,可…...

思科UCS服务器怎么安装系统,安装Redhat/CentOS操作系统在UCS M系列服务器

简介本文描述如何安装Redhat企业Linux (RHEL)或在思科统一计算系统(UCS)使用局部存储器, M系列服务器的CentOS Linux。Cisco 建议您了解以下主题:Cisco UCS Manager 2.5或3.1版本存储设备配置文件Linux操作系统(OS)使用的组件本文档中的信息根据UCS M系列…...

常用关系型数据库管理系统

1、Oracle 数据库 Oracle 前身叫 SDL,由 Larry Ellison 和另两个编程人员在1977创办,他们开发了自己的拳头产品,在市场上大量销售,1979年,Oracle 公司引入了第一个商用 SQL关系数据库管理系统。Oracle公司是最早开发…...

windows7远程桌面设置

远程桌面连接组件是从Windows 2000 Server开始由微软公司提供的,在WINDOWS 2000 SERVER中他不是默认安装的。 该组件一经推出受到了很多用户的拥护和喜好,所以在WINDOWS XP和2003中微软公司将该组件的启用方法进行了改革,我们通过简单的勾选…...

CR渲染器全景图如何渲染颜色通道_3DMAX产品渲染教程,看看惊艳效果表现背后那些不为人知的技巧~...

618好课狂欢,优惠不等人,早买早便宜特推超级会员限时疯狂抢购点击了解支持微信公众号小程序APPPC网站多平台学习(IOS系统,公众号左下角学习)...

Docker基础入门

1、概述 目录 1、概述 2、相关网站地址 3、对比传统虚拟机技术 4、基本组成 5、安装Docker 6、底层原理 7、常用命令 Docker 是一个开源的应用容器引擎,基于 Go 语言 并遵从 Apache2.0 协议开源。 Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级…...

tree命令-以树形结构显示目录下的内容

一、命令详解 1.1【功能说明】 tree命令功能是以树形结构列出指定目录下的所有内容&#xff0c;包括所有文件、子目录及子目录里的目录和文件。 1.2 【语法格式】 [root7bfe451a2fe1:~]#tree --help usage: tree [option] [<directory list>]1.3【选项说明】 -a 显示…...

飞思卡尔 S12 (X)串口下载移植

1 参考文章 https://blog.csdn.net/hellolru/article/details/84939856 和 Serial Bootloader for S12(X).pdf 2 修改启动程序。 Bootloader_S12X 里的汇编代码 StartS12X.s&#xff0c;找到对应人pin脚&#xff0c;如有pp0 改成 pt7 _BootStart: ; ----------------------…...

文件管理系统:5款优秀的文档管理系统

1. easyopen 一个简单易用的接口开放平台&#xff0c;平台封装了常用的参数校验、结果返回等功能&#xff0c;开发者只需实现业务代码即可。 技术点 加密算法&#xff08;MD5、AES、RSA&#xff09; Netty&#xff08;编解码、长连接、断开重连&#xff09; 限流&#xff08;…...

基于Opencv图像识别实现答题卡识别示例详解

1. 项目分析 首先在拿到项目时候&#xff0c;分析项目目的是什么&#xff0c;要达到什么样的目标&#xff0c;有哪些需要注意的事项&#xff0c;同时构思实验的大体流程。 图1. 答题卡测试图像 比如在答题卡识别的项目中&#xff0c;针对测试图片如图1 &#xff0c;首先应当实…...

MYSQL中LIKE(模糊查询)

0 写在前面 通常我们在搜索的时候总是不会特别精准&#xff0c;例如在百度上搜索&#xff0c;主要搜索关键字&#xff0c;然后加载页面之后再挑选。 所以&#xff0c;在数据库中&#xff0c;有时候会将查询条件不一定直接使用uuid这样的标准查询。实际业务中可能存在模糊查询…...

经验分享——教务管理系统有几大功能

在众多学校、教育机构的校区运营管理中&#xff0c;教务管理一直是核心工作内容&#xff0c;但繁杂的工作内容让大家疲惫不堪&#xff0c;而教育管理系统的出现极大地缓解了这一现象&#xff0c;那么究竟教务管理系统有何作用呢&#xff1f;下面我们就来一探究竟。 教务管理系…...

二叉树题目归纳:首个共同祖先与后继者

二叉树题目归纳 后继者 思路&#xff1a; 思路比较简单&#xff0c;二叉树中序遍历的一道题 首先知道二叉树左子树值小于根结点值&#xff0c;右子树值大于根结点值。如果后继结点值大于根结点值&#xff0c;那么在右子树中递归查找。否则在左子树中&#xff0c;那么此时后继…...

使用接口操作mybatis的开发

Mybatis接口开发的练习 –1&#xff0c;需求&#xff1a;查询car表里的所有数据 –2&#xff0c;开发步骤 准备表和数据 DROP TABLE IF EXISTS car; CREATE TABLE car (id int(11) NOT NULL auto_increment,name varchar(10) default NULL,color varchar(10) default NULL,p…...

TiDB -- TiDB CDC POC 测试

TiDB CDC1.1 简介1.2 测试逻辑1.3 POC测试1.3.1 集群搭建准备&#xff1a;部署集群和启动&#xff1a;1.3.2 创建CDC同步任务和验证1.3.3 创建TiFlash同步任务1.3.4 启动kafka消费程序往TiDB灌测试数据1.3.5 启动kafka消费程序接收CDC数据写入DB1.4 结论1.4.1 观察和统计分析Ti…...

CrossApp 设置App启动页(无任何黑屏白屏,显示完启动画面之间到显示出首页界面)

初始情况下,不管iOS或是Android在点击App图标到显示出图像.这之间都是会出现黑色屏幕的过渡情况。 iOS: 在iOS上相对来说要比Android上简单的多。设置下图片、文件即可 Android: 在android上就要麻烦的多了。我在设置的过程中就碰上了各种问题(黑屏、白屏、显示系统桌面等)。下…...

java计算机毕业设计ssm物流快递管理系统

项目介绍 通篇文章的撰写基础是实际的应用需要&#xff0c;然后在架构系统之前全面复习大学所修习的相关知识以及网络提供的技术应用教程&#xff0c;以物流快递管理的实际应用需要出发&#xff0c;架构系统来改善现物流快递管理工作流程繁琐等问题。不仅如此以操作者的角度来…...

windows7系统的“ .exe”图标显示不正常解决办法

windows7系统的“ .exe”图标显示不正常&#xff0c;但是却可以正常使用软件&#xff0c;解决办法如下&#xff1a; 1、按“WinR”打开“运行”窗口&#xff0c;输入“cmd”命令打开命令提示符窗口&#xff1b; 2、在打开命令提示符下输入以下命令行窗口&#xff0c;便可恢复。…...

无法安装此app因为无法验证其完整性

app安装时提示这个&#xff1a;权威回复&#xff0c;造成这个现象的原因是自己手贱在开发者网站或者app uploader中把开发证书删除了&#xff0c;我每次删开发证书都有一批人报这个问题。网上搜到的答案都是互相转发的&#xff0c;唉。...

上海内推 | 微软亚洲研究院上海人工智能组招聘深度学习研究实习生

合适的工作难找&#xff1f;最新的招聘信息也不知道&#xff1f;AI 求职为大家精选人工智能领域最新鲜的招聘信息&#xff0c;助你先人一步投递&#xff0c;快人一步入职&#xff01;微软亚洲研究院微软亚洲研究院上海人工智能组的研究方向聚焦在与机器学习和人工智能相关的热点…...

鸿蒙系统有哪些手机可以应用,鸿蒙系统手机有哪些

大家好&#xff0c;我是时间财富网智能客服时间君&#xff0c;上述问题将由我为大家进行解答。鸿蒙系统手机有荣耀系列的&#xff0c;包括荣耀9和荣耀10&#xff0c;以及mate系列和p20、p30等等。华为鸿蒙(英语&#xff1a;Harmony OS&#xff0c;开发代号&#xff1a;Ark)是基…...

idea导入maven依赖出现xxx.jar包找不到

出现&#xff1a;xxx.jar包找不到 明明已经导入依赖成功了&#xff0c;也把jar包下载了&#xff0c;就是一运行就报错&#xff0c;显示xxx.jar包找不到。 使用idea自带的maven3就可以正常运行&#xff0c;换成自己设置的maven就出现问题。 这个是2020.1版本的idea的bug&#…...

COCO 2017 数据集下载

参考COCO 2017 数据集下载 - 云社区 - 腾讯云 COCO官方&#xff1a;地址 COCO2017数据集简介: CoCo数据集一共有五种标注类型&#xff0c;分别(5种类型)&#xff1a; 目标检测&#xff0c;关键点检测&#xff0c;素材分割&#xff0c;全景分割&#xff0c;图像说明 标注信息使…...

codeforces刷题一

C. Removing Smallest Multiples 难度1200 题意&#xff1a;给定一个串S和一个串T S串是{1,2&#xff0c;......&#xff0c;n}的数 而T串是输入的 现在要使得S串变为T串的 最小花费 删除操作是删除k的最小倍数的数 花费的定义为k的总和 思路 直接用 i 枚举 1 - n 然后用…...

php移除excel密码,excel保护密码忘记怎么撤销保护工作表

excel保护密码忘记撤销保护工作表的方法&#xff1a;第一步&#xff0c;先找到一个带有有工作表保护密码的Excel工作表&#xff0c;然后把后缀名称改为.rar。第二步&#xff0c;用压缩文件打开&#xff0c;然后找压缩的对应路径。第三步&#xff0c;把从压缩文件里面找到的.xml…...

单片机晶振概述及工作原理

一、单片机晶振简单介绍 单片机晶振是单片机内部电路产生单片机所需的时钟频率的部件&#xff0c;单片机晶振提供的时钟频率越高&#xff0c;那么单片机运行速度就越快&#xff0c;单片接的一切指令的执行都是建立在单片机晶振提供的时钟频率。晶振结合单片机内部电路产生单片…...

年少痴狂,怀恋曾经的创业岁月,语音识别的应用远远未到高潮,本人的软件源码开源,需要的留下Email,我给大家发...

年少痴狂&#xff0c;怀恋曾经的创业岁月&#xff0c;语音识别的应用远远未到高潮&#xff0c;本人的软件源码开源&#xff0c;需要的留下Email,我给大家发 本人大学时代激情四射&#xff0c;活力太足&#xff0c;同时也不太懂得这个社会的商业规则&#xff0c;大学时代的激情…...

2022下半年Java面试题总结,20多类1100道面试题含答案解析

2022年一眨眼就快到十一月了&#xff0c;总结了下半年各类Java面试题&#xff0c;初中级和中高级都有&#xff0c;包括Java OOP面试题、Java集合/泛型面试题、Java异常面试题、Java种的IO与NIO面试题、Java反射面试题、Java序列化面试题、Java注解面试题、多线程与并发面试题、…...

2021面试题

1 Java相关 1.1 反射和动态代理 反射&#xff1a;在运行状态中&#xff0c;对于任意的一个类&#xff0c;都能够知道这个类的所有属性和方法&#xff0c;对任意一个对象都能够通过反射机制调用一个类的任意方法&#xff0c;这种动态获取类信息及动态调用类对象方法的功能称为…...

Github每日精选(第56期):支持多语言的文字识别EasyOCR

EasyOCR EasyOCR一款好用的OCR&#xff0c;支持80多种语言和所有流行的书写脚本&#xff0c;包括拉丁语、汉语、阿拉伯语、德瓦纳加里语、西里尔语等。 OCR &#xff08;Optical Character Recognition&#xff0c;光学字符识别&#xff09;是指电子设备&#xff08;例如扫描…...

ImageNet ISLVRC2012数据集下载和使用

最近要在imagenet数据集上做实验&#xff0c;以前只知道这个数据集很大&#xff0c;但是没用过&#xff0c;这次亲自下载然后按照训练集和验证集划分好了&#xff0c;记录一下。 主要参考了这个 https://zhuanlan.zhihu.com/p/370799616 目录1. 数据集下载2. 数据集处理2.1 训…...

机器学习常见数据集下载(免费)

机器学习常见数据集下载&#xff08;免费&#xff09;数据集下载从sklearn库中获取数据集示例&#xff08;加州住房数据集&#xff09;机器学习用到数据集都在UCI上面&#xff0c;做个笔记方便找。 UCI官网&#xff08;老版本&#xff09;&#xff1a;https://archive.ics.uci…...

思科无线POC测试要包含哪些测试项

https://cdn.ttgtmedia.com/searchNetworking/downloads/17_1587058898_ch17.pdf http://www.ieee802.org/1/files/public/docs2008/avb-gs-802-11-qos-tutorial-1108.pdf...

图像的小波变换处理(一)

目录 1 、小波变换的基本概念 2、 连续小波变换 1 、小波变换的基本概念 信号分析&#xff1a;获得时间和频率之间的相互关系。傅立叶变换&#xff1a;提供频率域的信息&#xff0c;但有关时间的局部化信息却基本丢失。小波变换&#xff1a;缩放母小波的宽度来获得信号的频率…...

iphone屏幕镜像如何全屏_苹果投屏有什么方法?使用“屏幕镜像”功能,任意切换大小屏幕...

日常打游戏、刷抖音&#xff0c;我们可以忍受手机几英寸的小屏幕&#xff0c;但是日常追剧的时候&#xff0c;手机的小屏幕就会让我们觉得异常的憋屈了。今天&#xff0c;小峰想要为大家分享的&#xff0c;便是如何让手机在大屏幕和小屏幕之间随意切换&#xff01;别看小峰这里…...

【文档】开发者常用术语

&#x1f4d4; 笔记介绍 大家好&#xff0c;这里是千寻简笔记&#xff0c;我是作者星辰&#xff0c;笔记内容整理并发布&#xff0c;内容有误请指出&#xff0c;笔记源码已开源&#xff0c;前往Gitee搜索《chihiro-notes》感谢您的观看。 作者各大平台直链&#xff1a; GitHu…...

vue配置不同环境部署后控制面板是否显示console

1.安装相关依赖 npm install babel-plugin-transform-remove-console --save-dev 2.修改babel.config.js文件 目前有三个环境:本地环境(.env.development)、测试环境(.env.staging)、生产环境(.env.production) .env.development: # 添加自定义变量,evn变量必须以VUE_APP为…...

byr面经两则

人人&#xff0c;金山西山居&#xff0c;腾讯互娱&#xff0c;微信&#xff0c;网易游戏offer及面经 首先感谢师兄在两年前发的贴&#xff08;【天道酬勤】 腾讯、百度、网易游戏、华为Offer及笔经面经 &#xff09;&#xff0c;这篇文章对我帮助很大。我写这篇文章一是为了感谢…...

android 列表倒计时,Android ListView列表实现倒计时

本文实例为大家分享了Android ListView列表实现倒计时的具体代码&#xff0c;供大家参考&#xff0c;具体内容如下效果图&#xff1a;1. Activitypackage com.s296267833.ybs.activity.firstPage.timedown;import android.support.v7.app.AppCompatActivity;import android.os.…...

2022上半年,一二线互联网公司Android面试题汇总(附解析)

时光如梭&#xff0c;毕业快六年了&#xff0c;我始终耕耘在Android领域内&#xff0c;不断精进技术&#xff0c;拓展项目经验&#xff0c;努力让自己走得更高更远。最近金九银十想着找一个新的工作&#xff0c;前前后后花了一个多月的时间复习以及面试&#xff0c;最近基本上差…...

史上最全Android面试真题+解析,全网阅读量7w+

前言 对于程序员而言&#xff0c;无论是想加快个人技能成长速度&#xff0c;或是想要升职涨薪&#xff0c;都需要不断进阶&#xff0c;进入到规模与业务较大&#xff0c;并且有成熟的技术成长体系的公司当中去。 因此&#xff0c;跳槽逐渐成为了这个行业里一个常见的词汇。 …...

吐血总结,Android面试题集锦(内含面试资料|面试题|源码)

前言 本文为完整版&#xff0c;加了一些彩蛋哦&#xff01;文末有面试和必备的技能点总结。 也许会有人怀疑别人的运气为什么总是那么好&#xff0c;但却不知对方所吃过的苦和受过委屈有多少。有的时候我们需要用心去发现突破点&#xff0c;然后坚持不懈&#xff0c;抓住机遇&…...

android面试题+答案

61.如何将SQLite数据库(dictionary.db文件)与apk文件一起发布 把这个文件放在/res/raw目录下即可。res\raw目录中的文件不会被压缩,这样可以直接提取该目录中的文件,会生成资源id。 62.什么是 IntentService?有何优点? IntentService是 Service 的子类,比普通的 Service增…...

oppo安卓面试题,Android基础开发与实践

导语 学历永远是横在我们进人大厂的一道门槛&#xff0c;好像无论怎么努力&#xff0c;总能被那些985,211 按在地上摩擦&#xff01; 不仅要被“他们”看不起&#xff0c;在HR挑选简历&#xff0c;学历这块就直接被刷下去了&#xff0c;连证明自己的机会也没有&#xff0c;学…...

2021年最新字节跳动Android面试真题解析

这里概括一下给同伴们的几个小建议&#xff1a; 1、把自身的技能练扎实&#xff0c; 2、找跟你过往经历匹配度非常高的岗位&#xff0c; 3、面试的时候充分展现你个人的软实力硬实力。 关于内推的&#xff08;同公司应该是hr伙伴的良心建议&#xff09;&#xff1a; 1、内…...

不容错过,2022中高级 Android 面试必知百题(面试题+答案解析)

前言 年年寒冬&#xff0c;年年也挡不住一个安卓程序员追求大厂的决心。想要进入大厂&#xff0c;我们需要掌握哪些知识点呢&#xff1f; 这里&#xff0c;给大家分享一份《2022中高级 Android 面试必知百题》&#xff0c;总结 2021 年&#xff0c;也为即将到来的 2022 年的面…...

matlab iir 去噪,基于MATLAB的IIR滤波器的设计及应用(图像去噪).doc

基于MATLAB的IIR滤波器的设计及应用(图像去噪)数字信号处理课程设计报告书课题名称基于MATLAB的IIR滤波器的设计及应用(图像去噪)姓 名段永乐学 号院、系、部电气工程系专 业电子信息工程指导教师刘鑫淼2013年 6 月28日基于MATLAB的IIR滤波器的设计及应用(图像去噪)段永乐设计目…...

DSP-IIR滤波器设计

目录 滤波器的性能指标&#xff1a; 常用的模拟滤波器&#xff1a; 巴特沃斯滤波器&#xff1a; 巴特沃斯滤波器设计——一般已知Ωp及其衰减指标,Ωs及其衰减指标求得A&#xff0c;ε&#xff0c;N&#xff0c;Ωc&#xff1a; 巴特沃斯滤波器设计例题&#xff1a; 切比…...

细说IIR滤波器和FIR滤波器的区别

1.两种滤波器都是数字滤波器。根据冲激响应的不同&#xff0c;将数字滤波器分为有限冲激响应&#xff08;FIR&#xff09;滤波器和无限冲激响应&#xff08;IIR&#xff09;滤波器。对于FIR滤波器&#xff0c;冲激响应在有限时间内衰减为零&#xff0c;其输出仅取决于当前和过去…...

FPGA:verilog实现直接型巴特沃斯高通IIR滤波器

目录 前言 1、matlab设计滤波器 1.1、通过FDATOOL设计滤波器 1.2、对滤波器系数进行量化 2、verilog设计IIR滤波器 2.1 零点模块 2.2 极点模块 2.3 顶层文件 3、vivado仿真 3.1 matlab生成测试数据 3.2vivado添加测试数据 3.3添加tb文件运行仿真 总结 前言 在matl…...

使用matlab设计iir滤波器并自行编写代码实现iir滤波器(可对应于C语言应用在嵌入式系统中)

对于fir滤波器&#xff0c;已经在前面的文章中记录了&#xff08;https://blog.csdn.net/suiji2442/article/details/112394026POWER-Z仿制DIY&关于MATLAB中滤波器设计工具的使用心得记录&#xff09;&#xff0c;其设计和实现都非常简单。如果在嵌入式系统中可以满足且有必…...

HTML+CSS+JS我的班级网页设计期末课程大作业 web前端开发技术 web课程设计 网页规划与设计

&#x1f389;精彩专栏推荐 &#x1f4ad;文末获取联系 ✍️ 作者简介: 一个热爱把逻辑思维转变为代码的技术博主 &#x1f482; 作者主页: 【主页——&#x1f680;获取更多优质源码】 &#x1f393; web前端期末大作业&#xff1a; 【&#x1f4da;毕设项目精品实战案例 (10…...

2020最新软件测试学习资料,全套源码无加密网盘下载

点击上方蓝字"优派编程"选择“加为星标”&#xff0c;第一时间关注原创干货 前言——–2020最新软件测试完整版,全套源码无加密网盘下载 最近小编整理了三套的学习资料&#xff08;视频资料源码&#xff09;&#xff0c;无加密&#xff1a; 1.2020软件测试 2.2018软件…...

基于opencv的车牌识别解析与代码

Jeremy Lin HQU 车牌识别太出名了&#xff0c;我也就花几天来了解下这个系统&#xff0c;并结合opencv进行实现。下面是一些介绍&#xff1a; 车辆牌照识别&#xff08;License Plate Recognition&#xff0c;LPR&#xff09;技术作为交通管理自动化的重要手段和车辆检测系统的…...

国际赛-N1CTF 2018-Web题解

点击蓝字关注我们1前记N1CTF 2018是由国内知名战队Nu1L战队组织&#xff0c;由南京赛宁提供技术支持。正好假期空余&#xff0c;于是便来试了试&#xff0c;总的来说&#xff0c;题目难度较高&#xff0c;但是由于存在非预期&#xff0c;所以降低了一些困难性。277777拿到题目注…...

记一道2021浙江省赛的Web题

前景刚刚结束的浙江省网络安全大赛&#xff0c;其中Web类的第二题考察了POP链以及原生类的利用&#xff0c;在比赛期间只构造了POP链、得到flag的文件名&#xff0c;但是并没有利用原生类将flag文件完整读出来。这篇文章将会把这个题涉及到的知识点复现一遍&#xff0c;并且给出…...

微服务架构03 ------ 降级,热点,系统,授权规则,网关,负载均衡,过滤器,限流

1 Sentinel降级应用实践 概述 除了流量控制以外&#xff0c;对调用链路中不稳定的资源进行熔断降级也是保障高可用的重要措施之一。由于调用关系的复杂性&#xff0c;如果调用链路中的某个资源不稳定&#xff0c;最终会导致请求发生堆积。 Sentinel 熔断降级会在调用链路中某个…...

Dubbo面试杀招--Dubbo集群容错负载均衡

点赞再看&#xff0c;养成习惯&#xff0c;微信搜一搜【三太子敖丙】关注这个喜欢写情怀的程序员。 本文 GitHub https://github.com/JavaFamily 已收录&#xff0c;有一线大厂面试完整考点、资料以及我的系列文章。 前言 相信经过前面几篇之后&#xff0c;大家已经对 Dubbo 整…...

LVS负载均衡之流量转发过程、lvs简介

一、网页打开链路过程 客户通过本地设置dns获得hosts文件&#xff0c;dns解析CDN&#xff08;需要厂家购买的服务或者自研&#xff09;&#xff0c;CDN进入企业内部的VIP上&#xff0c;一般公司会把VIP强制到路由器上&#xff0c;路由器通过OSPF协议走等价路由&#xff08;例一…...

Java自学!java微信小程序开发难点

微服务是什么 微服务起源于2005年Peter Rodgers博士在云端运算博览会提出的微Web服务(Micro-Web-Service)&#xff0c;根本思想类似于Unix的管道设计理念。2014年&#xff0c;由Martin Fowler 与 James Lewis共同提出了微服务的概念&#xff0c;定义了微服务架构风格是一种通过…...

四层and七层负载均衡

四层负载/七层负载 在常规运维工作中&#xff0c;经常会运用到负载均衡服务。负载均衡分为四层负载和七层负载&#xff0c;那么这两者之间有什么不同&#xff1f; 废话不多说&#xff0c;详解如下&#xff1a; 1. 什么是负载均衡 1&#xff09;负载均衡&#xff08;Load Bal…...

大型网站架构系列:负载均衡详解(1)

原文转载地址&#xff1a;http://www.cnblogs.com/itfly8/p/5043435.html 大型网站架构系列&#xff1a;负载均衡详解&#xff08;1&#xff09; 面对大量用户访问、高并发请求&#xff0c;海量数据&#xff0c;可以使用高性能的服务器、大型数据库&#xff0c;存储设备&#x…...

20221203今天的世界发生了什么

///光大银行&#xff1a;执行董事、行长付万军辞任 于2022年12月2日向本行董事会提交辞呈&#xff0c;辞去本行执行董事、董事会风险管理委员会主任委员及委员、普惠金融发展和消费者权益保护委员会主任委员及委员、战略委员会委员及行长职务 ///奈飞据称将扩大“预览俱乐部”…...

高性能负载均衡之分类架构

今天跟大家分享一下关于高性能负载均衡的分类架构相关的知识。 当然了&#xff0c;首先要强调一点&#xff0c;并不是所有的项目一开始就要求高性能的。前面我也提到过。如果不是太清楚的可以参考这篇文章:架构设计之六个复杂度来源 下面进入正题&#xff0c;说说高性能负载均衡…...

深入理解负载均衡原理|Java 开发实战

theme: channing-cyan 本文正在参加「Java主题月 - Java 开发实战」&#xff0c;详情查看 活动链接 开篇 这是我参与更文挑战的第10天&#xff0c;活动详情查看&#xff1a; 更文挑战 面对大量用户访问、高并发请求&#xff0c;海量数据&#xff0c;可以使用高性能的服务器、大…...

搞懂分布式技术7:负载均衡概念与主流方案

负载均衡的原理 原创&#xff1a; 刘欣 码农翻身 4月23日 这是1998年一个普通的上午。 一上班&#xff0c;老板就把张大胖叫进了办公室&#xff0c;一边舒服地喝茶一边发难&#xff1a;“大胖啊&#xff0c;我们公司开发的这个网站&#xff0c;现在怎么越来越慢了&#xff1…...

张大胖之负载均衡的原理

本文转自微信公众号&#xff1a;码农翻身的“负载均衡的原理”&#xff0c;仅用于学习交流。 这是1998年一个普通的上午。 一上班&#xff0c;老板就把张大胖叫进了办公室&#xff0c;一边舒服地喝茶一边发难&#xff1a;“大胖啊&#xff0c;我们公司开发的这个网站&#xff0…...

SpringCloud升级之路2020.0.x版-32. 改进负载均衡算法

本系列代码地址&#xff1a;https://github.com/JoJoTec/spring-cloud-parent 在前面一节&#xff0c;我们梳理了实现 Feign 断路器以及线程隔离的思路&#xff0c;这一节&#xff0c;我们先不看如何源码实现&#xff08;因为源码中会包含负载均衡算法的改进部分&#xff09;&a…...

近期业务大量突增微服务性能优化总结-1.改进客户端负载均衡算法

最近&#xff0c;业务增长的很迅猛&#xff0c;对于我们后台这块也是一个不小的挑战&#xff0c;这次遇到的核心业务接口的性能瓶颈&#xff0c;并不是单独的一个问题导致的&#xff0c;而是几个问题揉在一起&#xff1a;我们解决一个之后&#xff0c;发上线&#xff0c;之后发…...

负载均衡浅析

前言 负载均衡这个概念在我们工作中经常被提及到&#xff0c;因为纵观我们系统的整个链路层&#xff0c;每层都会用到负载均衡&#xff0c;从接入层&#xff0c;服务层&#xff0c;到最后的数据层&#xff0c;当然还有MQ&#xff0c;分布式缓存等等都会存在一些负载均衡的思路…...

高并发,高可用,负载均衡

高并发解决方案&#xff1a; 1&#xff09;数据层 数据库集群和库表散列 分表分库 开启索引 开启缓存 表设计优化 Sql语句优化 缓存服务器&#xff08;提高查询效率&#xff0c;减轻数据库压力&#xff09; 搜索服务器&#xff08;提高查询效率&#xff…...

负载均衡续:万亿流量场景下的负载均衡实践

高并发优化系列目录 垂直性能提升 1.1. 架构优化&#xff1a;集群部署&#xff0c;负载均衡 1.2. 本篇内容&#xff1a;万亿流量下负载均衡的实现整体可用性提升水平扩展提升上篇基本把负载均衡涉及到的基础都罗列了&#xff0c;那么到了实际场景下&#xff0c;特别是万亿流量场…...

794-对负载均衡的学习

对负载均衡的学习 首先 撇开对线上的影响,如果线上突发来了流量,后端服务扛不住,我们会怎么做呢? 无非两种方式: 1、提升机器配置(CPU、内存、硬盘、带宽等) 2、扩充机器的数量 上面两种方式,我们称之为纵向扩展和横向扩展。 纵向扩展,是从单机的角度通过增加硬件处理…...

LVS负载均衡全解析

一、网页打开链路过程 客户通过本地设置dns获得hosts文件&#xff0c;dns解析CDN&#xff08;需要厂家购买的服务或者自研&#xff09;&#xff0c;CDN进入企业内部的VIP上&#xff0c;一般公司会把VIP强制到路由器上&#xff0c;路由器通过OSPF协议走等价路由&#xff08;例一…...

济南最新公交线路一览(11-20)

济南最新公交线路一览&#xff08;11-20&#xff09; 济南11路市区线路十里河5:00->22:00夏/5:00->21:30冬火车站5:30->22:30夏/5:30->22:00冬票价1元&#xff0c;刷卡9折&#xff0c;月票有效公交一公司去程&#xff1a;十里河->十里河西->历城五中->华信…...

小学生学python哪个机构好_小学数学辅导哪家机构好?

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼小学数学学习方法有哪些    虽然小学数学课程是一些基本的内容&#xff0c;但对儿童来说还是有困难的&#xff0c;许多儿童已经出现了“同题常犯错误”、“作业总是不能完成”等现象。不过&#xff0c;我不知道有没有有效的学习…...

【图表利剑】开发复杂Echarts时,visualMap视觉组件中属性seriesIndex必须用起来

一、背景 据说90%的可视化是用Echarts开发&#xff0c;没错&#xff0c;笔者也没例外&#xff0c;在新的开发项目中&#xff0c;遇到了这个开发神器Echarts&#xff0c;想要的功能就是在省份上显示动态效果图&#xff0c;比如涟漪。原来的功能已有范围视觉组件visualMap。 二…...

python wpstidocx_基于python的docx模块处理word和WPS的docx格式文件方式

Python docx module for Word or WPS processing本文是通过docx把word中的表格中的某些已填好的内容提取出来&#xff0c;存入excel表格。首先安装docx的python模块&#xff1a;pip install python-docx由于处理的为中文和符号&#xff0c;改成utf-8编码格式12345import sysrel…...

大数据联姻“互联网+”驱动绿色变革

文章讲的是大数据联姻“互联网”驱动绿色变革&#xff0c;“不仅本地的治理企业&#xff0c;连省外的公司在网上看到我们的需求后&#xff0c;都连夜乘机赶来。”随着有毒易燃的煤焦油通过污水管网流至附近一处水位较低的景观水塘&#xff0c;没有造成大范围污染&#xff0c;南…...

【风景园林硕士论文】我国城市中小型河流防洪的景观设计策略(节选)

摘 要   在我国建设生态城市过程中&#xff0c;一方面以“兴利防洪”为目的的城市河道防洪建设已经无法满足当下城市对滨水空间的多种功能需求。随着城市洪灾的频繁爆发&#xff0c;单纯的依靠工程性的防洪措施去防御洪灾已经濒临极限。另一方面&#xff0c;河流景观设计的快…...

【译】Basemap手册——第二章 进阶(一)学习绘制疫情地图

0x01 前言 大约在n年前&#xff08;n>2&#xff09;,大约也是在这样的一个冬季&#xff0c;我倚着暖气&#xff0c;喝着红茶&#xff0c;码着键盘&#xff0c;在Base Map魅力下&#xff0c;在世界地图上遨游。窗外的雪花纷纷扬扬&#xff0c;压在枯枝上&#xff0c;盖在松柏…...

【ArcGis for javascript从零开始】之二 ArcGis加载天地图

最近做项目需要用到ArcGis来进行数据展示和数据分析。以前从来没有接触过与Gis有关的东西&#xff0c;一切需要从头开始学。没有时间从头系统地学习了&#xff0c;只能用到哪个学习哪里了&#xff0c;本系列只是对学习的路径进行记录。ArcGis在网上没有找到中文的API&#xff0…...

如何在Vue项目中引入ArcGIS JavaScript API​ 创建三维可视化地图(含vue项目创建教程)

新手上路之在Vue项目中引入ArcGIS API​ 视频教程 B站搜索 X北辰北&#xff0c;感谢up主无私的教学~B站地址&#xff1a;https://www.bilibili.com/video/BV18E411K7B2 文档教程 1. 首先安装node.js运行环境 https://nodejs.org/en/下载稳定版&#xff1a;2. 如果在国内需要…...

【ArcGis for javascript从零开始】之一 ArcGis加载天地图

最近做项目需要用到ArcGis来进行数据展示和数据分析。以前从来没有接触过与Gis有关的东西&#xff0c;一切需要从头开始学。没有时间从头系统地学习了&#xff0c;只能用到哪个学习哪里了&#xff0c;本系列只是对学习的路径进行记录。ArcGis在网上没有找到中文的API&#xff0…...

我心中的那片蔚蓝,用matlab绘制南海海面热通量分布图

图片展示 前言 南海的经纬度&#xff1a;南海范围北纬2至北纬25 东经104至东经124 数据来源&#xff1a; National Climatic Data Center 数据链接提供者&#xff1a;广东海洋大学海洋与气象学院海洋科学系纪同学 数据来源机构&#xff1a;NOAA美国国家海洋与大气管理局-NCDC环…...

我的世界java雪村种子_我的世界5个超好用的地图种子,萌新不知道,老玩家人手一个...

说起我的世界这款游戏&#xff0c;最为玩家所称道的还是经典的生存模式了。生存模式下&#xff0c;玩家们挖矿采集创造建筑&#xff0c;都要依托于自然&#xff0c;很多恶劣的地形地貌使得玩家们的创作灵感无从挥发&#xff0c;甚至有些地方需要玩家人为的进行改造才能使用。下…...

【一库】mapbox-gl!一款开箱即用的地图引擎

你总是需要地图&#xff0c;因为它过于直观。 一、地图、地图、还是地图 Ned 是一个前端开发&#xff0c;就职于一家 To C 业务的公司&#xff0c;这天产品经理提出了一个需求&#xff1a; “来一张地图吧&#xff0c;把我们所有的客户放在上面&#xff0c;让我们一眼就能看出…...

平台跳跃游戏中的自动寻路,与地图导航扩展

平台游戏&#xff1a;主要的游戏方式是在2D平面上使用各种方式在悬浮平台上进行移动和穿过各种障碍。 现如的平台游戏中的平台特性与种类是很多的&#xff0c;像马里奥(FC)的单向支撑不可穿透的&#xff0c;或魂斗罗(FC)单向支撑可穿透的… \超级玛丽魂斗罗空洞骑士蔚蓝本博文…...

【Unity好项目分享】如何制作如游戏蔚蓝般极佳的操作手感

开头资源地址&#xff1a;B站搬运&#xff1a;【Unity教程】如何在Unity当中实现像《Celeste(蔚蓝)》中完美的跳跃手感【转载搬运】【自翻】_哔哩哔哩_bilibilihttps://youtu.be/STyY26a_dPY建议配合卡姐翻译的这个视频食用更佳https://www.bilibili.com/video/BV1M441197sr?s…...

celeste第二章_蔚蓝全剧情全流程攻略 全关卡详解图文攻略

蔚蓝全剧情全流程攻略 全关卡详解图文攻略2018-02-04 09:40:19来源&#xff1a;游戏下载编辑&#xff1a;野狐禅评论(0)第二章&#xff1a;旧址01从营地醒来之后继续前进&#xff0c;这次要到下面去。一直到最下面。使用突进技能撞开墙壁&#xff0c;到达右边的房间里面。首先&…...

Python爬虫实习笔记 | Week8 Daliy工作流水

2018/12/3 1.所思所想 今天时间过得好快&#xff0c;自己还有很多事情没有做好&#xff0c;从今天起&#xff0c;每天解决一个公司项目中遇到的难题&#xff0c;这样&#xff0c;才能将自己所学运用于实践。 2.工作 暂时将《核心编程》的数据库编程部分看完&#xff0c;这样&am…...

不爬山的人很少摔跤——Celeste蔚蓝的叙事理念与关卡设计(一)

00Celeste 蔚蓝是一款像素平台跳跃游戏&#xff0c;它变化多端的高水准关卡设计为玩家创造了时刻充满挑战与乐趣的游戏体验&#xff0c;但同时也突破了一般2D平台跳跃游戏干瘪剧情的局限&#xff0c;在保证高度可玩性的同时&#xff0c;将关卡模块与游戏叙事所想要传递的情绪紧…...

如何采集有签名机制的App或网站的数据

签名机制是现在App和网站反采集常见的手段&#xff0c;我们先来看一下什么是签名机制。 我们以永辉生活微信小程序为例&#xff08;我们曾做过一个采集永辉超市超级物种所有店铺商品的项目&#xff09;&#xff0c;当我们抓包分析时会发现其所有的HTTPS请求中都有一个sign参数…...

微服务框架 SpringCloud微服务架构 10 使用Docker 10.5 容器命令案例2

微服务框架 【SpringCloudRabbitMQDockerRedis搜索分布式&#xff0c;系统详解springcloud微服务技术栈课程|黑马程序员Java微服务】 SpringCloud微服务架构 文章目录微服务框架SpringCloud微服务架构10 使用Docker10.5 容器命令案例210.5.1 直接开干10.5.2 总结10 使用Docke…...

详解:利用最近邻法对图像进行分类

整体介绍 本算法利用最近邻法利用cifar-10图像数据库进行测试&#xff0c;对未知图像进行分类 整体步骤 1、算法介绍&#xff1a;本小节介绍最近邻方法的理论及其相关知识 2、数据库和数据&#xff1a;数据库的内容和单个数据的表现 3、程序&#xff1a;利用程序实现对图像…...

eCognition最邻近方法分类

最邻近分类&#xff0c;是eCognition里比较简单的分类方法。前面已经说过的步骤不再详述&#xff0c;大体就是在分类之前要选择合适的尺度进行分割&#xff0c;创建类别。还需要的是对每一个类别选择需要训练的样本&#xff0c;选择Samples里的Select Samples&#xff0c;左键点…...

贝叶斯法分类和最大似然

Bayes贝叶斯 一、Bayes小故事 贝叶斯(约1701-1761) Thomas Bayes&#xff0c;英国数学家。约1701年出生于伦敦&#xff0c;做过神甫。1742年成为英国皇家学会会员。1761年4月7日逝世。 贝叶斯定理在概率统计是最经典的内容之一&#xff0c;但是本人却是一个谜团。没人知道他是…...

MVC设计模式+过滤器与监听器

MVC设计模式过滤器与监听器 一、MVC设计模式 1.概念 - 代码的分层 字母表示层理解MModle模型层业务的具体实现VView视图层展示数据CController控制器层控制业务流程 2.细化理解层数 View&#xff1a;视图层&#xff0c;用于存放前端页面 Controller&#xff1a;控制器层&…...

小白系列Vite-Vue3-TypeScript:002-配置别名

上一篇我们已经初始化了一个ViteVue3TypeScript项目&#xff0c;本篇我们来介绍如何给项目配置别名。之所以要配置别名最直观的就是可以在项目开展编写代码时&#xff0c;避免出现类似 "../../../views/index.vue" 这样乱七八糟、层层嵌套式的路径引用。先安装types/…...

Linux下创建定时任务监控zookeeper进程,异常时自动启动

背景&#xff1a;在有一台服务器上的zookeeper进程会莫名其妙的消失&#xff0c;暂时没找到原因&#xff0c;放假前决定先临时写一个脚本进行监控&#xff0c;消失了就自动启动一下 目录 理论步骤 实现步骤 1、编写脚本并定义zookeeper的bin目录及配置文件以及定时任务周期…...

C语言基础知识(62)

内存本质编程的本质其实就是操控数据&#xff0c;数据存放在内存中。因此&#xff0c;如果能更好地理解内存的模型&#xff0c;以及 C 如何管理内存&#xff0c;就能对程序的工作原理洞若观火&#xff0c;从而使编程能力更上一层楼。大家真的别认为这是空话&#xff0c;我大一整…...

I am a boy!

对于一个字符串&#xff0c;请设计一个算法&#xff0c;只在字符串的单词间做逆序调整&#xff0c;也就是说&#xff0c;字符串由一些由空格分隔的部分组成&#xff0c;需要将这些部分逆序。例&#xff0c;输入"I am a boy!", 输出"boy! a am I"#include&l…...

elementUI el-table上移下移

<el-table :data"channelForm.selectedChannelList" style"width: 100%"> <el-table-column type"index"> </el-table-column> <el-table-column prop"...

iOS 首页标题支持展示图片点击展示lottie动画实现方案

现状&#xff1a;app首页标题只支持展示文字 需求 app首页标题支持展示图片&#xff0c;json 动画 如图 实现思路&#xff1a;将需要展示的资源包下载到沙盒中&#xff0c;在创建频道标题视图的时候&#xff0c;根据该频道在沙盒中是否有对应的图片、json资源来确定是否展示…...

Python安全攻防之第一章渗透测试概述

渗透测试的具体方法一、如何绕过CDN获取网站的真实IP地址通过内部邮箱获取。一般情况下&#xff0c;邮箱服务器位于内网&#xff0c;我们可以通过注册邮箱或者订阅邮件&#xff0c;目的就是让对方给我自己发送邮件&#xff0c;这样查看邮件的原始邮件头&#xff0c;就会发现邮件…...

MySQL-45讲学习笔记(1-3)

0. 开篇词 0.1 学习专题目的 在工作中对于MySQL&#xff0c;最重要的两点就是&#xff1a;如何设计表&#xff0c;还有如何对表查询进行优化&#xff01;能够写出逻辑正确的SQL语句&#xff0c;同时也能够知道语句是不是最优的数据库使用出现了问题&#xff0c;能够快速定位问…...

指针赋值问题

最近写了个代码&#xff0c;被日本客户指出来有问题&#xff0c;对此做了一项研究。 我最开始的时候写的是&#xff1a; char *pointer NULL; pointer “string”; printf(“%s\n”, pointer); 日本客户指出&#xff0c;pointer当前没有分配空间&#xff0c;给它赋值是不规…...

DOM编程-获取文本框的value

<!DOCTYPE html> <html> <head> <meta charset"utf-8"> <title>DOM编程-获取文本框的value</title> </head> <body> <script> /* 1、JavaS…...

Android基础教程——从入门到精通(下)

本文是对B站教程 动脑学院 Android教程 学习过程中所做的笔记。文章分为上下两部分&#xff0c;此文是下部分&#xff0c;上部分链接为&#xff1a;Android基础教程——从入门到精通&#xff08;上&#xff09;。源视频教程并没有录制全&#xff0c;本文还补充了 Service 和 网…...

leadtools 22.0.6 Crack .NET 7 Support

Charlotte, NC (January 9, 2023) - LEAD is pleased to announce the release of another major update to LEADTOOLS Version 22. Highlighting this release is support for .NET 7, the ability to add eSignatures to documents and PDFs, significant recognition enha...

Day882.隐式函数转换索引问题 -MySQL实战

隐式函数转换索引问题 Hi&#xff0c;我是阿昌&#xff0c;今天学习记录的是关于隐式函数转换索引问题的内容。 在 MySQL 中&#xff0c;有很多看上去逻辑相同&#xff0c;但性能却差异巨大的 SQL 语句。 对这些语句使用不当的话&#xff0c;就会不经意间导致整个数据库的压…...

第七章:ElasticSearch集群的搭建

上一章&#xff1a;《第六章&#xff1a;IK分词器和Elasticsearch集成使用》 文章目录7.1 集群节点7.2 集群的搭建7.2.1 windows环境下es集群的搭建1.准备三台elasticsearch服务器2.修改每台服务器的配置7.2.2 linux环境下搭建es集群7.3 集群测试7.4 springboot集成客户端使用7…...

《第一行代码》kotlin Android SQLite

参考 《第一行代码 第三版》教程 Android 内置了SQLite数据库 SQLite 是一款轻量级的关系型数据库&#xff0c;运算速度快&#xff0c;占用资源少&#xff0c;支持标准SQL语法&#xff0c;数据库ACID事务&#xff0c;可以用于记录复杂的关系性数据 创建数据库 Android提供了S…...

es-Mapping

文章目录es-Mapping概念查看mappingES数据类型两种映射类型映射参数es-Mapping 概念&#xff1a;映射是定义文档及其包含的字段的存储和索引方式的过程两种映射方式 dynamic mapping&#xff08;动态映射或自动映射&#xff09;expllcit mapping &#xff08;静态映射或手动映…...

Spring事物管理

一.事物的概念? 事物可以看做是由对数据库的若干操作组成的一个单元 事物是一系列的动作,一旦其中有一个动作出现错误,必须全部回滚,提供将事物中对数据库的所有已完成的操作全部撤销,滚回到事物开始的状态,避免出现由于数据不一致而导致接下来的一系列错误. 事物的出现是为…...

九龙证券|重金买入百余股,这类资金连增六日!这个行业被重点盯上

两融资金接连6个交易日添加&#xff0c;杠杆资金加仓哪些股票&#xff1f; 证券时报•数据宝计算&#xff0c;到2月6日&#xff0c;沪深两融余额为15577.13亿元&#xff0c;较上一交易日添加58.79亿元&#xff0c;其间融资余额14641.43亿元&#xff0c;较上一日添加60.38亿元。…...

Self-training 与 Self supervised learning 简明对比

前言 最近搜 self supervised learning 工作时&#xff0c;不知怎么就输成了 self-training 自己还没反应过来已经搜错了hhh&#xff0c;这篇文章简明对比一下。 正文 Self-training 想要详细了解的可以看一篇综述 https://arxiv.org/pdf/2202.12040.pdf Self-training 其…...

C语言——字符串+内存函数及其模拟实现

目录0. 思维导图1. 前言2. 函数介绍2.1 strlen2.2 strcpy2.3 strcat2.4 strcmp2.5 strncpy2.6 strncat2.7 strncmp2.8 strstr2.9 strtok2.10 strerror2.11 memcpy2.12 memmove2.13 memcmp2.14 memset3. 库函数模拟实现3.1 模拟实现strlen3.2 模拟实现strcpy3.3 模拟实现strcat3…...

网络流量回溯分析对业务系统慢访问分析案例

需求简介 某外高桥公司的OA系统是其重要的业务系统&#xff0c;OA系统负责人表示&#xff0c;部分用户反馈&#xff0c;访问OA系统时比较慢。需要通过分析系统看一下实际情况。 报告内容 本报告内容主要为&#xff1a;OA性能整体分析 分析时间 报告分析时间范围为&#xf…...

全志H616——通过语言来控制手机刷抖音

思路&#xff1a;配置语言模块硬件库&#xff08;说什么话之类的&#xff09;刷固件到语言模块上&#xff08;USB转TTL&#xff09;连接安卓手机&#xff0c;使其能处于USB调试状态测试shell指令&#xff08;abd shell指令&#xff09;编写并封装串口收发函数&#xff08;下一篇…...

NVIDIA GPU开源驱动编译学习架构分析

2022年5月&#xff0c;社区终于等到了这一天&#xff0c;NVIDIA开源了他们的LINUX GPU 内核驱动&#xff0c; Linux 内核总设计师 Linus Torvalds 十年前说过的一句话&#xff0c;大概意思是英伟达是LINUX开发者遇到的硬件厂商中最麻烦的一个&#xff0c;说完这句话之后&#x…...

C语言基础知识(61)

多维数组多维数组的定义格式是&#xff1a;数据类型 数组名称[常量表达式1][常量表达式2]…[常量表达式n];定义了一个名称为num&#xff0c;数据类型为int的二维数组。其中第一个[3]表示第一维下标的长度&#xff0c;就像购物时分类存放的购物&#xff1b;第二个[3]表示第二维下…...

MCU - C51 单片机「实例」

前言 本文主要讲述 C51 单片机 学习需要掌握的基础内容纲领「实例代码地址」 订阅专栏&#xff0c;后续会陆续更新每章节内容 文章目录前言概览1. Hello Wriprin2. 创建工程文件 (.c) .hex 调试3. I/O 口控制小灯任意位置任意数量4. 数码管显示5. 外部中断 int0 int16. 定时器…...

训练营打卡Day58

训练营打卡Day58 文章目录训练营打卡Day58题124&#xff1a;[392. 判断子序列](https://leetcode.cn/problems/is-subsequence/)思路代码题125&#xff1a;[115. 不同的子序列](https://leetcode.cn/problems/distinct-subsequences/https://leetcode.cn/problems/distinct-sub…...

ansible实战应用系列教程5:管理playbook

ansbile实战应用系列教程5:管理playbook 编写并运行playbookAnsible Playbooks and Ad Hoc CommandsFormat of an Ansible Playbook运行playbook选项optionsplaybook中编写多个playsWriting Multiple PlaysRemote Users and Privilege Escalation in Playsplaybook提权配置文件…...

PostgreSQL中offset...limit分页优化常见手段

大部分开发人员习惯使用order by offset limit进行分页&#xff0c;使用该方法可能会导致扫描的数据放大&#xff0c;因为offset的行会被扫描。表现就是一般offset的行比较小的情况也&#xff0c;也就是翻页&#xff0c;是很快的&#xff0c;但是一旦offset的值很大&#xff0c…...

vue2 vue3 打包单文件组件为独立的js文件,动态加载组件,异步加载组件

1.我被自己坑了(需求) 我想要的是 "异步加载组件",但是 根据以前的经验 搜索的关键字是"动态加载组件" "动态加载组件" 在vue中有另外的意思. 另外 "打包单文件组件为独立js" 这个关键字搜索到的内容也不是我想要. 我的需求就是 把…...

Android面试题 ---- 沉浸式状态栏适配

关于屏幕适配 ---- 状态栏 关于状态栏 这么多年了 适配主要也就是沉浸式 所以这篇文章主要是说一说沉浸式&#xff0c;还有一些相关的方法 沉浸式的实现方式 从4.4到今天&#xff0c;也有过很多次变更&#xff0c;这里我们只讲一些变动比较大的部分&#xff0c; 我们也一起都看…...

理解「业务」与「技术」概念

技术也好&#xff0c;业务也罢&#xff1b; 01【什么是业务&#xff1f;】 对于那些久经职场的人&#xff0c;也很难一句话说明白&#xff1b; 业务&#xff0c;作为工作中绝对的核心点&#xff0c;即便在一个公司待的足够久&#xff0c;对业务足够熟悉&#xff0c;也很难简单…...

ESP32 Arduino (九) EEPROM和NTP对时

EEPROM一、简介EEPROM (Electrically Erasable Programmable read only memory)是指带电可擦可编程只读存储器。是一种掉电后数据不丢失的存储芯片。 EEPROM 可以在电脑上或专用设备上擦除已有信息&#xff0c;重新编程。一般用在即插即用。在EPS32中已经将EEPROM弃用。对于ESP…...

sqlsugar 多租户设置AOP

最近为了整合公司项目中间件API的开发&#xff0c;耗费了不少人力&#xff0c;其中涉及到多个且不同类型的数据库&#xff08;不知道之前的项目立案&#xff0c;数据库到底是怎么设计&#xff0c;整的我写一些业务逻辑得写好几套代码&#xff0c;简直不要太恶心&#xff09; 因…...

Redis三 高级篇-1. 分布式缓存

分布式缓存 《Redis三 高级篇-1. 分布式缓存》 提示: 本材料只做个人学习参考,不作为系统的学习流程,请注意识别!!! 《Redis三 高级篇-1. 分布式缓存》分布式缓存《Redis三 高级篇-1. 分布式缓存》1.Redis持久化1.1.RDB持久化1.1.1.执行时机1.1.2.RDB原理1.1.3.小结1.2.AOF持…...

IPV6实验(华为)

题目&#xff1a; 思路&#xff1a; 分成三个部分。需要运用到IPV6地址来解题&#xff0c;左边是IPV4和IPV6右边只有IPV6&#xff0c;中间是IPV4。三个部分需要用到不同的协议。此题与之前最大的区别在用IP地址的不同&#xff0c;此题运用IPV6地址与之前大不相同&#xff0c;所…...

C++入门(二)初识类和对象

初识类和对象一&#xff0c;类的引入二&#xff0c;类的定义三&#xff0c;类的访问限定符四&#xff0c;类的作用域五&#xff0c;类的实例化六&#xff0c;类的对象大小的计算七&#xff0c;类成员函数的this指针一&#xff0c;类的引入 在C语言中&#xff0c;结构体内只允许…...

机试_3_数据结构(一)

本章学习基本的线性数据结构&#xff0c;包括向量、队列和栈。这些基础的数据结构是后续很多高级内容的基础。 一、向量 数组作为一种基本的数据类型&#xff0c;它是有限个类型相同的变量的线性集合&#xff0c;组成数组的各个变量称为数组的元素。每个元素对应一个下标&…...

axios使用fordata上传文件

文章目录一、FormData的作用&#xff1f;二、使用步骤1.获取file文件数据2.读入数据FormData对象的相关常用方法一、FormData的作用&#xff1f; FormData提供一种表示表单数据的键值对的构造方式&#xff0c;实现表单数据的序列化&#xff0c;从而减少表单元素的拼接&#xff…...

Java基础集合上篇

本篇博文目录:一.集合框架二.List1. ArrayList &#xff08;数组&#xff09;2.Vector &#xff08; 数组实现、线程同步&#xff09;3.LinkList&#xff08;链表&#xff09;三.Set1.HashSet&#xff08;Hash 表&#xff09;2.LinkedHashSet&#xff08; HashSetLinkedHashMap…...

共聚焦显微镜能做什么

共聚焦显微镜主要采用3D捕获的成像技术&#xff0c;它通过数码相机针孔的高强度激光来实现数字成像&#xff0c;具有很强的纵向深度的分辨能力。 共聚焦显微镜成像原理 共焦显微镜装置是在被测对象焦平面的共轭面上放置两个小孔&#xff0c;其中一个放在光源前面&#xff0c;…...

分享五款小伙伴们私信推荐最多的功能软件

最近陆陆续续收到好多小伙伴的私信&#xff0c;这边也是抓紧时间整理出几个好用的软件&#xff0c;希望可以帮到大家。 1.浏览器下载插件——FVD Downloader FVD Downloader是一款非常知名的浏览器插件&#xff0c;能够帮助你在任何网页上下载视频、音频文件。众所周知&#…...

快速测温医疗级电子体温计方案开发

电子体温计开发方案由单片机SIC8833型号&#xff0c;通过单片机程序开发而成&#xff1b;它与以往的水银体温计不同&#xff0c;是通过电子元器件来代替水银&#xff0c;测量后体温度数还可以一数字显示到小显示屏上。一、电子体温计方案规格简介&#xff1a;温度部&#xff1a…...

TimeSeries时间序列函数-移动平均法

简单移动平均法clc, cleary [533.8 574.6 606.9 649.8 705.1 772.0 816.4 892.7 963.9 1015.1 1102.7];m length(y);n [4,5]; % n位移动平均的项数&#xff0c;选取4和5分别做一次运算for i 1:length(n)for j 1:m-n(i)1yhat{i}(j) sum(y(j:jn(i)-1))/n(i);endy_predict(i…...

MMDetection3D:数据加载简析

目录数据加载流程create datadatasetpipelinedataloader参考资料数据加载流程create data从数据集的原始数据文件中读取数据&#xff0c;并且按指定的格式组织成 pickle 文件保存&#xff0c;在 data_converter 里有具体的各个数据集的转换方式。如果想用于训练\测试的数据内容…...

QT实现自定义控件之控件代理--comboboxDelegate

QT实现了MVC&#xff0c;那么QT在操作控件的时候也就三板斧了&#xff0c;显示自然是View&#xff0c;Model提供数据&#xff08;访问数据都靠其中的索引QModelIndex&#xff09;,控制自然就是代理了&#xff0c;而且关键是代理&#xff0c;因为代理的作用是在数据模型和显示vi…...

代码随想录day23

669. 修剪二叉搜索树 https://leetcode.cn/problems/trim-a-binary-search-tree/ 首先分情况&#xff1a;root是null直接返回&#xff1b;root值小于low&#xff0c;root直接变为right&#xff1b;root值大于high&#xff0c;root直接变为left&#xff1b;当前遍历到的结点的左…...

【测试方法】Android 7 及以上系统信任用户自定义证书

一、背景 测试工作经常会启用代理服务来协助测试&#xff08;用于抓包、mock 数据、埋点自动化测试等&#xff09;&#xff0c;而 Android 7 及以上系统版本不再信任用户自己导入的 CA 证书&#xff0c;导致无法在 Android 7 及以上系统的设备上处理 https 协议的请求。 二、操…...

(深度学习快速入门)第四章第六节:重要和常见的卷积神经网络结构

文章目录一&#xff1a;经典网络结构&#xff08;1&#xff09; LeNet-5&#xff08;CNN开山始祖&#xff09;&#xff08;2&#xff09;AlexNetA&#xff1a;简介B&#xff1a;网络结构&#xff08;3&#xff09;VGGNetA&#xff1a;简介B&#xff1a;网路结构二&#xff1a;复…...

数据值中查找数学公式:TuringBot Crack

TuringBot 是一款桌面软件&#xff0c;它使用符号回归从数据值中查找数学公式。 终极回归工具 假设您想从一组输入变量中预测一个数值。到 2023 年&#xff0c;大多数人会采用以下两种方式之一&#xff1a; 对数据拟合直线或多项式。使用一些极其复杂的黑盒方法&#xff08;神经…...

RESA车道线路沿检测

一、当前车道线检测遇到的问题 1、车道标注中固有的稀疏监督信号&#xff0c;使其一直很有挑战性 2、传统卷积不能很有效的提取细长的车道线和路沿(方格内有效特征很少)&#xff0c;没有利用形状先验 3、SCNN提出在行列间传递信息&#xff0c;但是顺序信息传递是耗时的&…...

Java 最接近原点的 K 个点

最接近原点的 K 个点中等给定一个数组 points &#xff0c;其中 points[i] [xi, yi] 表示 X-Y 平面上的一个点&#xff0c;并且是一个整数 k &#xff0c;返回离原点 (0,0) 最近的 k 个点。这里&#xff0c;平面上两点之间的距离是 欧几里德距离&#xff08; √(x1 - x2)2 (y…...

2023年情人节即将到来,跨境卖家们准备好了吗?

再过不久&#xff0c;就是一年一度的2月14日情人节。这不仅是一个浪漫的节日&#xff0c;同时也是一个促销的大好时机。情人节是美国的第四大消费节日&#xff0c;Nox聚星数据显示&#xff0c;2022年美国情人节消费高达239亿美元&#xff0c;同比增长9.6%。 目前情人节相关的热…...

游戏服务器丢包该怎么办

如果游戏玩家用户在多人游戏中遇到延迟和卡顿&#xff0c;尽管所使用的独立服务器提供高速连接&#xff0c;也可能遇到数据包丢失的问题。下面本文将深入探讨什么是丢包&#xff0c;什么不是丢包&#xff0c;并探索一些简单的解决方案。文章后续还将解释有时无法解决丢包问题的…...

【Hadoop】面试

文章目录1.MR流程2. Namenode、Datanode、SecondaryNamenode作用3. Hdfs的介绍与应用场景4. SecondaryNamenode如何恢复数据&#xff08;检查点机制)5. 小文件问题6. Hadoop和Spark的区别1.MR流程 数据输入——Mapper——Shuffle——Reducer——数据输出 数据输入——>Map…...

java不理解this?5分钟彻底弄懂this关键字

注&#xff1a;也可以观看视频&#xff1a;https://www.bilibili.com/video/BV1XM4y1X79jthis &#xff0c;翻译为&#xff1a;这、这个&#xff0c;在java中应该翻译为 “本对象” 或 “对象本身” &#xff0c;指向的是对象自己类似于日常的称呼&#xff0c;比如&#xff0c;…...

C/C++之动态内存申请

前言 在开发中&#xff0c;如果需要在运行时才能确定需要申请的资源类型及内存大小&#xff0c;则需要进行动态内存申请&#xff0c;C提供了mallco/free来进行资源申请,C还提供了new/delete以及new[]/delete[]来申请资源&#xff0c;手动申请资源需要非常谨慎&#xff0c;如果…...

数据结构与算法(1)稀疏数组

当一个数组中大部分元素为 0&#xff0c;或者为同一个值的数组时&#xff0c;可以使用稀疏数组来保存该数组。 稀疏数组的处理方法是: ①记录数组一共有几行几列&#xff0c;有多少个不同的值&#xff1b; ②把具有不同值的元素的行列及值记录在一个小规模的数组中&#xff0c;…...

Python入门第二课——Python的变量和简单数据类型

目录前言一、变量变量的命令规则&#xff1a;二、简单的数据类型1.字符串2.整数3.浮点数三、注释总结前言 学习任何计算机语言之前我们都需要了解该语言的变量和简单的数据类型&#xff0c;这部分内容往往很简单&#xff0c;同时也是很多人会忽略的地方&#xff0c;要知道&…...

Redis设计与实现 -- 浅谈Redis持久化

在讲解Redis持久化相关的话题之前&#xff0c;我们需要了解的是Redis为什么这么快&#xff1f;也就是Redis的IO模型 – 多路复用。 我们一句话概括为什么Redis这么快&#xff1a; Redis是单线程的&#xff0c;使用多路复用的IO模型。(当然&#xff0c;这只是很重要的一个方面&…...

SP800_186_OverView

文章目录2. Overview of Elliptic Curves2.1 Non-binary Curves2.1.1 Curves in Short-Weierstrass Form2.1.2 Montgomery Curves2.1.3 Twisted Edwards Curves2.2 Binary Curves3. Recommended Curves for U.S. Federal Government Use3.1 Choice of Underlying Fields3.1.2. …...