当前位置：首页 > news >正文

【动手学深度学习Pytorch】4. 神经网络基础

news 来源：原创 2025/8/2 6:34:13

模型构造

回顾一下感知机。

nn.Sequential()：定义了一种特殊的module。

torch.rand()：用于生成具有均匀分布的随机数，这些随机数的范围在[0, 1)之间。它接受一个形状参数（shape），返回一个指定形状的张量（Tensor）。

import torch
from torch import nn
from torch.nn import functional as F
# 定义网络结构
net = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))
# 生成随机数[0，1)，大小为2x20
X = torch.rand(2, 20)
# 输入网络
net(X)

torch.nn.functional.relu()：ReLU激活函数

# 自定义MLP模块
class MLP(nn.Module):def __init__(self): #初始化类与参数super().__init__() #父类Module的initself.hidden = nn.Linear(20, 256) #隐藏层self.out = nn.Linear(256, 10) #输出层def forward(self, X): #进行前向传播return self.out(F.relu(self.hidden(X)))# 实例化MLP类,然后在每次调用前向传播函数的时候调用这些层
net = MLP() # 实例化的时候，()里面的参数是init中的参数
net(X) # 调用的时候，()里面的参数是forward中的参数

.values(): 返回一个字典中所有值

# 自定义顺序块
class MySequential(nn.Module):def __init__(self, *args):super().__init__()for block in args:self._modules[block] = blockdef forward(self, X):for block in self._modules.values():X = block(X)return Xnet = MySequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 100))
net (X)

torch.mm：矩阵乘法

# 隐藏层固定的MLP
class FixedHiddenMLP(nn.Module):def __init__(self):super().__init__()self.rand_weight = torch.rand((20, 20), requires_grad = False) #权重固定无需进行训练self.linear = nn.Linear(20, 20)def forward(self, X):X = self.linear(X)X = F.relu(torch.mm(X, self.rand_weight) + 1)X = self.linear(X)while X.abs().sum() > 1:X /= 2return X.sum()net = FixedHiddenMLP()
net(X)

# 混合嵌套MLP
class NestMLP(nn.Module):def __init__(self):super().__init__()self.net = nn.Sequential(nn.Linear(20, 64), nn.ReLU(),nn.Linear(64, 32), nn.ReLU())self.linear = nn.Linear(32, 16)def forward(self, X):return self.linear(self.net(X))chimera = nn.Sequential(NestMLP(), nn.Linear(16, 20), FixedHiddenMLP())
chimera(X)

参数管理

state_dict：一个Python字典，将每一层的参数映射成Tensor张量，只包含具有可学习参数的层，例如卷积层（Conv2d）和全连接层（Linear）。权重和偏置就是Linear层的状态。

import torch
from torch import nn
# 关注具有隐藏层的多感知机
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8,1))
X = torch.rand(size = (2, 4))
net(X)
# 参数访问
print(net[2].state_dict()) #net[2]拿到的是最后的输出层

bias：偏置，包括参数值和梯度值

bias.data：访问参数值

bias.grad：访问梯度值

named_parameters()：返回一个包含元组的迭代器，每个元组包含两个元素，参数的名称和参数的值。

# 目标函数
print(type(net[2].bias))
print(net[2].bias)
print(net[2].bias.data) # 参数值
net[2].weight.grad == None # 梯度值# 一次性访问所有参数
print(*[(name, param.shape) for name, param in net[0].named_parameters()])
print(*[(name, param.shape) for name, param in net.named_parameters()])
# ReLU没有参数所以拿不出
net.state_dict()['2.bias'].data
# 通过名字获取想要的参数

net.add_module(name, module)： 添加每一层，并且为每一层增加了一个单独的名字。

# 从嵌套块收集函数
def block1():return nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 4), nn.ReLU())def block2():net = nn.Sequential()for i in range(4):net.add_module(f'block{i}', block1())return netrgnet = nn.Sequential(block2(), nn.Linear(4, 1))
rgnet(X)
print(rgnet)

torch.nn.init模块中的所有函数都用于初始化神经网络参数，因此它们都在torch.no_grad()模式下运行，autograd不会将其考虑在内。

nn.init.normal_(tensor, mean=0.0, std=1.0): 将tensor变成指定mean和std正态分布

torch.nn.init.zeros_(tensor): 将tensor置零

torch.nn.init.constant_(tensor, val): 用val数值填充tensor

# 内置初始化
def init_normal(m):if type(m) == nn.Linear:nn.init.normal_(m.weight, mean=0, std=0.01)nn.init.zeros_(m.bias)net.apply(init_normal)
net[0].weight.data[0], net[0].bias.data[0]def init_constant(m):if type(m) == nn.Linear:nn.init.constant_(m.weight, 1)nn.init.zeros_(m.bias)net.apply(init_constant)
net[0].weight.data[0], net[0].bias.data[0]

torch.nn.ini.xavier_uniform_(tensor, gain=1.0)：

# 对某些块应用不同的初始化方法
def xavier(m):if type(m) == nn.Linear:nn.init.xavier_uniform_(m.weight)def init_42(m):if type(m) == nn.Linear:nn. init.constant_(m.weight, 42)net[0].apply(xavier)
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data)

nn.init.uniform_(tensor, val1, val2): 将tensor变成均匀分布

def my_init(m):if type(m) == nn.Linear:print("Init",*[(name, param.shape) for name, param in m.named_parameters()][0])nn.init.uniform_(m.weight, -10, 10)m.weight.data *= m.weight.data.abs() >= 5net.apply(my_init)
net[0].weight[:2]
net[0].weight.data[:]+=1
net[0].weight.data[0,0]=42
net[0].weight.data[0]

# 参数绑定
shared = nn.Linear(8, 8)
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), shared, nn.ReLU(), shared, nn.ReLU(), nn.Linear(8, 1))
net(X)
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0,0] = 100
print(net[2].weight.data[0] == net[4].weight.data[0])

自定义层

# 自定义层
import torch
import torch.nn.functional as F
from torch import nnclass CenteredLayer(nn.Module):def __init__(self):super().__init__()def forward(self, X):return X - X.mean()layer = CenteredLayer()
layer(torch.FloatTensor([1, 2, 3, 4, 5]))
net = nn.Sequential(nn.Linear(8, 128), CenteredLayer())
Y = net(torch.rand(4, 8))
Y.mean()

class MyLinear(nn.Module):def __init__(self, in_units, units):super().__init__()self.weight = nn.Parameter(torch.randn(in_units, units))self.bias = nn.Parameter(torch.randn(units,))def forward(self, X):linear = torch.matmul(X, self.weight.data) + self.bias.datareturn F.relu(linear)dense = MyLinear(5, 3)
dense.weight# 使用自定义层直接执行正向传播计算
dense(torch.rand(2,5))
net = nn.Sequential(MyLinear(64, 8), MyLinear(8, 1))
net(torch.rand(2, 64))

读写文件

import torch
from torch import nn
from torch.nn import funcational as F
# 加载和保存张量
x = torch.arange(4)
torch.save(x, 'x-file')x2 = torch.load("x-file")

# 存储一个张量列表,读回内存
y = torch.zeros(4)
torch.save([x, y], 'x-files')
x2, y2 = torch.load('x-files')
(x2, y2)
# 写入或读取字符串映射到张量的字典
mydict = {'x':x, 'y':y}
torch.save(mydict, 'mydict')
mydict2 = torch.load('mydict')

# 加载和保存模型参数
class MLP(nn.Module):def __init__(self):super().__init__()self.hidden = nn.Linear(20, 256)self.output = nn.Linear(256, 10)def forward(self, x):return self.output(F.relu(self.hidden(x)))net = MLP()
X = torch.randn(size=(2, 20))
Y = net(X)

torch.save(net.state_dict(), 'mlp.params')

# 实例化了原始多层感知机模型的一个备份
clone = MLP()
clone.load_state_dict(torch.load("mlp.params"))
clone.eval()

Y_clone = clone(X)
Y_clone == Y

【动手学深度学习Pytorch】4. 神经网络基础

模型构造回顾一下感知机。 nn.Sequential()：定义了一种特殊的module。 torch.rand()：用于生成具有均匀分布的随机数，这些随机数的范围在[0, 1)之间。它接受一个形状参数（shape），返回一个指定形状的张量&am…...

编程日记 2025/8/2 6:34:13

python高阶技巧一

闭包简单认识一下闭包以下代码，内层inner函数不仅依赖于自身的参数b，还依赖于外层outer函数的参数a。inner就是一个闭包函数，既能访问外部变量，又保证外部变量不是全局的，不会被篡改掉，确保了外部变量的…...

编程日记 2025/7/30 4:37:32

智慧环保生态文明信息化解决方案

1. 生态文明建设背景随着国家对生态文明建设的重视，一系列政策文件相继出台，将生态文明建设纳入国家发展总体布局，加大资源消耗、环境保护等指标权重，推动生态文明体制改革。 2. 智慧环保的定义与发展智慧环保作为数字环保的…...

编程日记 2025/8/2 10:34:32

【Linux】权限

🌻个人主页：路飞雪吖~ 🌠专栏：Linux 目录 ⭐Linux权限的概念 🌟权限管理 <1>文件访问者的分类 <2>文件类型和访问权限 <3>文件权限值的表示方法 <4>文件访问权限的相关设置方法 ✨chmod…...

编程日记 2025/7/29 14:43:28

docker 部署 kvm 图形化管理工具 WebVirtMgr

镜像构建官方最后一次更新已经是 2015年6月22日了，官方也没有 docker 镜像，这边选择咱们自己构建如果你的服务器有魔法，可以直接 git clone 一下 webvirtmgr 的包，没有的话，可以和我一样，提前从 github 上…...

编程日记 2025/7/30 1:28:51

Next.js- 链接和导航

#题引：我认为跟着官方文档学习不会走歪路在介绍路由导航之前先了解下客户端组件和服务端组件服务端组件（Server Components） （1） 渲染方式： 在服务器上渲染，生成 HTML 后发送到客户端。适…...

编程日记 2025/8/1 0:57:20

主机管理工具 WGCLOUD v3.5.6 更新了哪些特性

WGCLOUD-v3.5.6 更新说明，2024-11-20发布 1. 新增，个性化采集，查看 2. 新增，支持达梦数据库做数据源来存贮监控数据，查看说明(8) 3. 新增，日志监控支持配置自动处理指令，当发现日志出现告警关键…...

编程日记 2025/8/1 12:08:28

空间数据存储格式GeoJSON

GeoJSON 是一种用于表示地理信息的开放标准格式，广泛用于存储和交换地理空间数据。它基于 JSON 格式，因此易于理解和处理，尤其适用于 Web 和 JavaScript 环境中的地图应用。GeoJSON 支持多种地理信息类型，如点、线、面、坐标系统等…...

编程日记 2025/8/1 15:57:27

【SQL Server】华中农业大学空间数据库实验报告实验九触发器

1.实验目的通过实验课程与理论课的学习深入理解掌握的触发器的原理、创建、修改、删除、基本的使用方法、主要用途，并且可以在练习的基础上，熟练使用触发器来进行数据库的应用程序的设计；深入学习深刻理解与触发器相关的T-SQL语句的编写的基…...

编程日记 2025/7/27 15:25:08

Linux 中的 zoxide 命令详解与示例

文章目录 Linux 中的 zoxide 命令详解与示例zoxide 简介安装 zoxide使用包管理器Ubuntu/DebianArch LinuxFedoramacOS（Homebrew）Windows（Scoop） 使用脚本安装（linux、Centos）安装流程集成到 ShellBashZshF…...

编程日记 2025/7/30 21:15:09

Etcd 框架

基本了解客户端、长连接与租约的关系客户端对象 etcd的客户端对象是用户与etcd服务进行交互的主要接口，主要功能就是存储、通知和事务等功能访问键值存储：客户端通过put 和 get操作存储数据；数据存储在etcd的层级化键值数据库中监听器&a…...

编程日记 2025/8/1 6:50:28

在 CentOS 7 上安装 MinIO 的步骤

在 CentOS 7 上安装 MinIO 的步骤在 CentOS 7 上安装 MinIO 的步骤1. 更新系统2. 安装依赖3. 下载 MinIO4. 赋予执行权限5. 移动 MinIO 到系统路径6. 创建 MinIO 用户7. 创建数据目录8. 创建 MinIO 服务文件9. 启动 MinIO 服务10. 设置开机自启11. 访问 MinIO12. 配置防火墙&a…...

编程日记 2025/7/28 9:00:17

【Linux】进程地址空间

目录一、引入问题： 二、进程地址空间： 地址和数据总线： 三、页表： 权限： 缺页中断： 四、回到问题： 五、总结： 重新理解进程： 一、引入问题： 在C中&a…...

编程日记 2025/8/1 5:38:29

快速图像识别：落叶植物叶片分类

1.背景意义研究背景与意义随着全球生态环境的变化，植物的多样性及其在生态系统中的重要性日益受到关注。植物叶片的分类不仅是植物学研究的基础，也是生态监测、农业管理和生物多样性保护的重要环节。传统的植物分类方法依赖于人工观察和专家知识&…...

编程日记 2025/7/15 15:33:25

第 22 章 - Go语言测试与基准测试

在Go语言中，测试是一个非常重要的部分，它帮助开发者确保代码的正确性、性能以及可维护性。Go语言提供了一套标准的测试工具，这些工具可以帮助开发者编写单元测试、表达式测试（通常也是指单元测试中的断言）、基准测试等…...

编程日记 2025/7/30 4:34:59

K8S + Jenkins 做CICD

前言这里会做整体CICD的思路和流程的介绍，会给出核心的Jenkins pipeline脚本，最后会演示一下实验/实操结果由于整体内容较多，所以不打算在这里做每一步的详细演示 - 本文仅作自己的实操记录和日后回顾用要看保姆式教学的可以划走了&…...

编程日记 2025/8/2 1:50:33

http/https

1、http与https HTTPHTTPS信息明文传输加入ssl加密传输协议，可以使得报文加密传输默认端口80默认端口443连接简单TCP三次握手通信TCP三次握手后还要SSL/TLS握手过程，才可以加密报文传输无状态不安全需要到CA申请证书，身份认证，自…...

编程日记 2025/7/29 0:52:31

腾讯云 AI 代码助手：产品研发过程的思考和方法论

一、文章摘要本文将详细阐述腾讯云 AI 代码助手的历史发展形态与产品整体架构，并从技术、研发方法论的角度分别阐述了产品的研发过程。全文阅读约 5～8 分钟。二、产品布局 AI 代码助手产品经历了三个时代的发展第一代诸如 Eclipse、Jetbrains、V…...

编程日记 2025/7/24 20:33:25

淘宝商品评论爬虫：Java实现指南

在当今的互联网时代，数据的价值日益凸显，尤其是用户生成的内容，如商品评论，对于理解消费者行为和市场趋势具有重要意义。淘宝作为中国最大的电商平台之一，拥有海量的商品评论数据。本文将介绍如何使用Java编写一个简单…...

编程日记 2025/7/31 1:23:28

银河麒麟v10 x86架构二进制方式kubeadm+docker+cri-docker搭建k8s集群(证书有效期100年) —— 筑梦之路

环境说明 master：192.168.100.100 node: 192.168.100.101 kubeadm 1.31.2 （自编译二进制文件，证书有效期100年） 银河麒麟v10 sp2 x86架构内核版本：5.4.x 编译安装 cgroup v2启用 docker版本：27.x …...

编程日记 2025/7/30 22:46:16

【Linux】详解shell代码实现（上）

🪐🪐🪐欢迎来到程序员餐厅💫💫💫 主厨：邪王真眼主厨的主页：Chef‘s blog 所属专栏：青果大战linux 总有光环在陨落，总有新星在闪烁学校开始搞蓝桥的校选…...

编程日记 2025/7/31 1:20:48

Ruby 模块（Module）

Ruby 模块（Module） 概述 Ruby 是一种动态、开放源代码的编程语言，以其简洁明了的语法和强大的功能而闻名。在 Ruby 中，模块（Module）是一个重要的概念，它用于封装一组相关的方法和常量。模块提…...

编程日记 2025/7/29 19:16:25

成都睿明智科技有限公司怎么样可靠不？

在这个日新月异的数字时代，电商行业如同一股不可阻挡的洪流，席卷着每一个消费者的生活。而抖音，作为短视频与电商完美融合的典范，更是为无数商家开辟了一片全新的蓝海。在这片充满机遇与挑战的海洋中，成都睿明智科技有…...

编程日记 2025/7/30 23:15:58

内网安全隧道搭建-ngrok-frp-nps-sapp

1.ngrok 建立内网主机与公网跳板机的连接： 内网主机为客户机： 下载客户端执行 2.frp （1）以下为内网穿透端口转发 frp服务端配置： bindPort 为frp运行端口服务端运行 ./frps -c frps.ini frp客户端配置&#xf…...

编程日记 2025/8/1 8:24:44

k8s 对外服务之 Ingress

LB ingress //Ingress 简介 service的作用体现在两个方面，对集群内部，它不断跟踪pod的变化，更新endpoint中对应pod的对象，提供了ip不断变化的pod的服务发现机制；对集群外部，他类似负载均衡器，…...

编程日记 2025/7/30 20:46:11

前端速通（JavaScript）

1 初识JavaScript 1 JavaScript是什么 JavaScript 是一种高层的、轻量级的、解释型的编程语言，最初由 Netscape 公司于 1995 年开发。它的特点包括： 动态性：JavaScript是动态类型语言，允许开发者灵活地操作数据。跨平台&#xf…...

编程日记 2025/7/25 1:21:42

1.初始化 struct： UNITY_INITIALIZE_OUTPUT（type,name） Type: struct 名字 Name :变量的名字 struct Input{float2 uv_MainTex;float3 myColor;};half _Glossiness;half _Metallic;fixed4 _Color;void MyVertx(inout appdata_base v,out I…...

编程日记 2025/7/31 23:26:32

JavaScript中的this指向问题

JavaScript中的this指向问题 1.1 为什么需要this? 为什么需要this? 在常见的编程语言中，几乎都有this这个关键字（Objective-C中使用的是self),但是在JavaScript中的this和常见的面向对象语言中的this不太一样常见面向对象的编程语言中，比…...

编程日记 2025/7/27 10:27:55

Qt之QWidget相关

Qt概述 Qt 是一个跨平台的 C 开发框架。跨平台支持：可以用于开发 Windows、macOS、Linux、Android、iOS 等多种操作系统下的应用程序。这意味着开发者使用 Qt 编写的代码，在经过适当的编译和配置后，能够在不同平台上运行，减少了…...

编程日记 2025/7/29 19:45:45

Ease Monitor 会把基础层，中间件层的监控数据和服务的监控数据打通，从总体的视角提供监控分析

1. 产品定位 Ease Monitor 有如下的产品定位： 关注于整体应用的SLA。主要从为用户服务的 API 来监控整个系统。关联指标聚合。把有关联的系统及其指示聚合展示。主要是三层系统数据：基础层、平台中间件层和应用层。快速故障定位。对于现有的系统…...

编程日记 2025/7/31 1:28:42

苹果MacOS 调用自编译opencv的Dylib显示一个图片程序的步骤

前言为了测试自编译的opencv库是否能在苹果MacOS系统下使用，需要写一个简单的测试程序。这个测试程序写起来不难，麻烦的是一些配置。网上的办法很多，里面因为版本的问题有一些坑。特此写了一个建立步骤，供大家参考。 1、新建一个…...

编程日记 2025/8/2 3:15:02

网页中调用系统的EXE文件，如打开QQ

遇到一个实际的问题，需要在网页中打开本地的某个工业软件。通过点击exe文件就可以调用到程序。比如双击qq的exe就可以启动qq的程序。那么问题就变成了如何加载exe程序呢？ 可以通过Java的 Process process Runtime.getRuntime().exec(command);通过…...

编程日记 2025/7/30 12:36:35

在 Ubuntu 系统上安装 npm 环境以及 nvm（Node Version Manager）

在 Ubuntu 系统上安装 npm 环境以及 nvm（Node Version Manager） 步骤 1: 更新系统包步骤 2: 安装 nvm步骤 3: 安装 Node.js 和 npm步骤 4: 设置默认 Node.js 版本（可选）总结在 Ubuntu 系统上安装 npm 环境以及 nvm（No…...

编程日记 2025/7/30 22:30:06

Linux环境开启MongoDB的安全认证

文章目录 1. MongoDB安全认证简介1.1 访问控制1.2 角色1.3 权限 2. MongoDB中的常见角色3. MongoDB Shell3.1 下载MongoDB Shell3.2 通过MongoDB Shell连接MongoDB 4. 创建管理员用户5. 为具体的数据库创建用户6. 开启权限认证7. 重启MongoDB服务8. 连接MongoDB9. MongoDB数据库…...

编程日记 2025/8/1 23:48:42

实现了两种不同的图像处理和物体检测方法

这段代码实现了两种不同的图像处理和物体检测方法：一种是基于Canny边缘检测与轮廓分析的方法，另一种是使用TensorFlow加载预训练SSD（Single Shot Multibox Detector）模型进行物体检测。 1. Canny边缘检测与轮廓分析： …...

编程日记 2025/7/19 12:10:38

经典工具 | 使用SIFT预测错义突变的有害性

SIFT 用计算机替代人预测复杂事件的影响，是我们这个时代最令人兴奋的科学进展之一。SIFT就是这样一个应用于基因组学研究的经典工具。 SIFT可预测多种生物体的基因组变异，主要是错义突变的影响与效应，最大的特点是物种丰富，是一个…...

编程日记 2025/7/30 13:18:02

如何给 Apache 新站点目录配置 SELinux ？

在 web 服务器管理领域，确保服务器环境的安全性至关重要。SELinux (Security-Enhanced Linux) 是保护 Linux 服务器最有效的工具之一，它是一种强制访问控制 (MAC mandatory access control) 安全机制。当使用最流行的 web 服务器 Apache 提供 web 内容时…...

编程日记 2025/7/31 6:23:56

RTSP播放器EasyPlayer.js播放器分辨率高的视频在设置container的宽高较小时，会出现锯齿状的画面效果

流媒体播放器的核心技术及发展趋势展现了其在未来数字生活中的无限潜力。随着技术的不断进步和市场的持续发展，流媒体播放器将在内容创新、用户体验优化以及跨平台互通等方面取得新的突破。对于从业者而言，把握这些趋势并积极应对挑战将是实现成功的关键…...

编程日记 2025/7/28 3:57:15

云讷科技Kerloud无人飞车专利发布

云讷科技Kerloud无人飞车获得了“一种室内外两用的四旋翼无人飞车”的实用新型专利证书，作为科教社区第一款四旋翼飞车，这项技术结合了无人机和无人车的优势，提供了一种能够在多种环境下使用的多功能飞行器。这项设计的优势如下&#xff…...

编程日记 2025/8/1 19:48:52

快速识别模型：simple_ocr，部署教程

快速识别图片中的英文、标点符号、数学符号、Emoji, 模型会输出图片中文字行的坐标位置、最低得分、识别结果。当前服务用到的模型：检测模型、数字识别、英文符号识别。一、部署流程 1.更新基础环境 apt update2.安装miniconda wget https://repo.anaconda.com/…...

编程日记 2025/7/28 11:19:44

Qt交叉编译x86和arm心得

最近一直在Linux上开发qt程序，主要工作是在x86的Ubuntu上开发编译调试程序，确定没有问题后交叉编译到arm的linux系统上运行 1.环境 Qt的交叉编译环境厂家已经提供了，嵌入式的同事帮我安装调试的，具体就是装了厂家给的gcc编译套件…...

编程日记 2025/7/27 23:43:25

用CAXA CAD电子图板导入图框、标题栏并导出pdf的方法

1.导入图框： 点击调入图框->出现读入图框文件一个一个点击，选择合适的图框然后点击导入 2.导入标题栏： 调入标题栏->出现读入标题栏文件一个一个点击，选择合适的标题栏，然后点击导入 3.导出pdf&#x…...

编程日记 2025/7/3 11:45:25

在 Ubuntu/Debian 上安装 Go

使用官方二进制文件安装（推荐） Go 提供了官方的二进制安装包，适用于大多数 Linux 发行版，包括 Ubuntu 和 Debian。步骤如下： 更新包索引： bash sudo apt update 安装依赖（如果尚未安装&#…...

编程日记 2025/7/27 14:11:29

设计模式之策略模式-工作实战总结与实现

文章目录应用场景存在问题解决方案继续延伸应用场景假设有这样的业务场景，大数据系统把文件推送过来，根据不同类型采取不同的解析方式。多数的小伙伴就会写出以下的代码： public class Question {public static void main(String[] args…...

编程日记 2025/8/1 12:13:07

自动语音识别（ASR）与文本转语音（TTS）技术的应用与发展

💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐:kwan 的首页,持续学…...

编程日记 2025/8/1 5:40:19

实验十三生态安全评价

1 背景及目的生态安全是生态系统完整性和健康性的整体反映，完整健康的生态系统具有调节气候净化污染、涵养水源、保持水土、防风固沙、减轻灾害、保护生物多样性等功能。维护生态安全对于人类生产、生活、健康及可持续发展至关重要。随着城市化进程的不断推进&…...

编程日记 2025/7/31 13:37:45

【MySQL实战45讲笔记】基础篇——redo log 和 binlog

系列文章基础篇——MySQL 的基础架构目录系列文章1. 重要的日志模块：redo log 和 binlog1.1 redo log1.2 binlog1.3 执行器和 InnoDB 引擎内部如何执行更新语句 1. 重要的日志模块：redo log 和 binlog 前面系统的了解了一个查询语句的执行流程&…...

编程日记 2025/7/31 5:24:18