当前位置：首页 > news >正文

Numpy基础02（Numpy对数组的基本操作）

news 来源：原创 2025/7/14 8:52:22

Numpy的基本操作

2.3.1 ndarray索引操作

一维数组：同一维列表大致相同

n = np.array([1, 2, 3, 4, 5])
n[0], n[-1]
#(1, 5)

多维数组

n = np.random.randint(0, 10, size=(3, 4, 5))
print(n)
# 访问最后一个元素并改为66
n[2,3,-1] = 66 
print(n)# 最后一行元素并改为66
n[2, 3, ] = 66
print(n)# 最后一行元素并改为1,2,3,4,5
n[2, 3] = [1,2,3,4,5]
print(n)

2.3.2 ndarray切片操作

一维数组

n = np.array([1,2,3,4,5,6,7,8,9])
print(n[1: 5]) #包前不包后
print(n[::-1]) #反转

多维数组

n = np.random.randint(0, 10, size=(3, 4))
print(n)#取连续多行:切片
print(n[0:2])
#取不连续的多行：中括号
print(n[[0, 2]])
print(n[[0, 2, 2]])#可重复取#取连续多列:切片
print(n[:, 0:3]) #取1，2，3列
#取不连续的多列：中括号
print(n[:, [0, 2]]) #取1，3列
print(n[:, [0, 2, 2]])#可重复取

2.3.3 变换数组的维度

reshape(a, newshape, order=‘C’)

1.作用：修改n维数组的维度
2.参数列表：a:表示要修改的数组 newshape：修改后的维度
3.对于维度newshape中的-1可以做到自动填补维度数值# 转换为(2, 10)二维数组
print(np.reshape(arr, (2, 10)))# 转换为(4, 5)二维数组
print(np.reshape(arr, (4, 5)))# 转换的结果要和数组的元素相同，否则会报错
print(np.reshape(arr, (3, 5)))# 转换为(2, 10)二维数组
print(np.reshape(arr, (-1, 10)))
# 转换为(10, 2)二维数组
print(np.reshape(arr, (10, -1)))

2.3.4 级联操作

np.concatenate((a1, a2, …), axis=0)

1.作用：实现图像之间上下合并，或左右合并
2.参数
- 是列表或元组：表示要级联的数组
- 级联的数组维度必须相同，对于二维数组上下级联列数一致，左右级联行数一直
- 可通过axis参数改变级联的方向 axis=0表示以第一个维度为基准级联， axis=1表示以第二个维度为基准级联
n1 = np.random.randint(1, 10, size=(3, 4))
n2 = np.random.randint(1, 10, size=(3, 4))#上下级联
print(np.concatenate((n1, n2))) #默认axis为0，即以行为基准是上下级联
#左右级联
print(np.concatenate((n1, n2), axis=1))

np.hstack与np.vstack

1.水平级联与垂直级联
np.hstack((n1, n2))
np.vstack((n1, n2))

2.3.5 数组的拆分操作

垂直拆分

1. np.vsplit(ary, indices_or_sections)
ary:数组	indices_or_sections：切割的份数
#切割的份数是数组行数的因数
n1 = np.vsplit(cat, 2)
plt.imshow(n1[0])
plt.imshow(n1[1])
2. np.split(ary, indices_or_sections, axis=0)
n1 = np.split(cat, 2, axis=0)
plt.imshow(n1[0])
plt.imshow(n1[1])

水平拆分

1. np.hsplit(ary, indices_or_sections)
ary:数组	indices_or_sections：切割的份数
#切割的份数是数组列数的因数
n1 = np.hsplit(cat, 2)
plt.imshow(n1[0])
plt.imshow(n1[1])
2. np.split(ary, indices_or_sections, axis=1)
n1 = np.split(cat, 2, axis=1)
plt.imshow(n1[0])
plt.imshow(n1[1])

2.3.6 数组的拷贝

numpy的数组的拷贝为深拷贝copy()，赋值只会引用同一片内存空间

n1 = np.random.randint(0, 10, size=(3, 4))
n2 = n1
n1[0][0] = 100
n1, n2(array([[100,   5,   3,   1],[  0,   2,   0,   5],[  7,   2,   1,   1]]),array([[100,   5,   3,   1],[  0,   2,   0,   5],[  7,   2,   1,   1]]))

n1 = np.random.randint(0, 10, size=(3, 4))
n2 = n1.copy()
n1[0][0] = 100
n1, n2(array([[100,   8,   1,   7],[  0,   0,   5,   6],[  2,   3,   8,   7]]),array([[5, 8, 1, 7],[0, 0, 5, 6],[2, 3, 8, 7]]))

2.3.7 数组的聚合操作

n = np.random.randint(0, 10, size=(3, 4))
print(n)
print(np.sum(n))
print(np.sum(n, axis=0))#每一行相加的结果，axis表示的是维度
print(np.sum(n, axis=1))#每一列相加的结果
print(np.nansum(n))#出去nan的值所有元素的和
print(np.max(n))
print(np.min(n))
print(np.argmax(n)) #第一个最大值对应的下标
print(np.argmin(n)) #第一个最小值对应的下标 
print(np.mean(n)) #平均数
print(np.average(n)) #平均数
print(np.median(n)) #中位数
print(np.percentile(n, q=50)) #百分位数 index = q/100 * np.size 正序数组[index] 当q=50返回的是中位数
print(np.std(n)) #标准差
print(np.var(n)) #方差
print(np.power(n, 3)) #乘方
print(np.argwhere(n == np.max(n))) #返回n中所有最大值的下标

2.3.8 数组的矩阵操作

矩阵加法与减法

NumPy 支持矩阵的逐元素加法和减法。例如：

C = A + A  # 矩阵加法
D = A - A  # 矩阵减法
print(C)
print(D)

矩阵标量乘法

矩阵可以与标量相乘或相除，这将导致矩阵中每个元素与标量进行运算。

E = A * 3  # 矩阵与标量乘法
F = A / 2  # 矩阵与标量除法
print(E)
print(F)

矩阵转置

矩阵的转置可以通过 .T 属性来实现，它将矩阵的行和列交换。

A_T = A.T
print(A_T)

矩阵的乘法

在 NumPy 中，矩阵乘法使用 np.dot() 或 @ 符号进行。例如：

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])# 使用 np.dot()
C = np.dot(A, B)# 使用 @ 符号（推荐）
D = A @ Bprint(C)
print(D)

元素逐个相乘（Hadamard积）

除了标准的矩阵乘法，NumPy 还提供了逐元素相乘的操作，即 Hadamard 积：

E = A * B  # 逐元素相乘
print(E)

求矩阵的逆

矩阵的逆是一个常见的操作，它可以通过 np.linalg.inv() 来实现。只有在矩阵是方阵并且行列式不为零时，矩阵才有逆矩阵。

A = np.array([[4, 7], [2, 6]])
A_inv = np.linalg.inv(A)
print(A_inv)

求矩阵的行列式

矩阵的行列式可以通过 np.linalg.det() 来计算，行列式是判断矩阵是否可逆的重要标志。

det_A = np.linalg.det(A)
print(det_A)

特征值和特征向量

矩阵的特征值和特征向量是线性代数中的重要概念，可以使用 np.linalg.eig() 函数来计算。

w, v = np.linalg.eig(A)  # w 是特征值，v 是特征向量
print("Eigenvalues:", w)
print("Eigenvectors:", v)

2.3.9 矩阵的广播机制

规则一：为缺失的维度补充维度
规则二：缺失元素用已有值填充

如果两个数组的维度数不同，较小维度的数组会在左侧补充维度，直到两个数组的维度数相同。

例如，形状为 (3, 4) 的数组与形状为 (4,) 的数组进行运算，后者会被视为 (1, 4)，然后再进行广播。
如果两个数组的形状在某个维度上不一致，那么较小形状的数组会沿该维度进行扩展，直到它们的形状匹配。

例如，形状为 (3, 1) 的数组与形状为 (3, 4) 的数组进行运算，较小的数组 (3, 1) 会沿第二维进行扩展，变为 (3, 4)。

如果在某个维度上，两个数组的大小不匹配，且其中一个数组的大小不是1，广播会失败。

比如，形状为 (3, 5) 和 (2, 5) 的数组无法广播，因为在第一个维度上它们的大小不匹配。

import numpy as np# 示例1：一维数组与二维数组广播
a = np.array([1, 2, 3])  # 形状 (3,)
b = np.array([[1], [2], [3]])  # 形状 (3, 1)# 广播后，a会扩展为 (3, 3) 和 b 会扩展为 (3, 3)
result = a + b
print(result)[[2 3 4][3 4 5][4 5 6]]

2.3.10 ndarray排序

np.sort()：不改变原数组，而是返回一个新的数组。
ndarray.sort（）：改变原数组，不多占内存空间。

n = np.random.randint(1, 10, (10,))
new_n = np.sort(n)
n.sort()

2.3.11 Numpy的文件操作

save()：保存adarray到一个.npy文件当中

n = np.random.randint(1, 10, (3, 4))
np.save('n', n) #'n'表示保存的文件名 n为要保存的数据#读取保存的文件
np.load('n.npy')

savez()：保存多个adarray数组到一个.npz文件当中

n1 = np.random.randint(1, 10, (3, 4))
n2 = np.random.randint(1, 10, (2, 3))
#'nn.npz'表示保存的文件名及拓展名 以键值对形式保存
np.savez('nn.npz', xn=n1, yn=n2) #读取保存的文件
print(np.load('nn.npz')['xn'])
print(np.load('nn.npz')['yn'])

存取csv和txt文件

n1 = np.random.randint(1, 10, (3, 4))
np.savetxt('nnn.csv', n1)#读取保存的文件
np.loadtxt('nnn.csv')

Numpy基础02（Numpy对数组的基本操作）

Numpy的基本操作 2.3.1 ndarray索引操作一维数组：同一维列表大致相同 n np.array([1, 2, 3, 4, 5]) n[0], n[-1] #(1, 5)多维数组 n np.random.randint(0, 10, size(3, 4, 5)) print(n) # 访问最后一个元素并改为66 n[2,3,-1] 66 print(n)# 最后一行元素并…...

编程日记 2025/7/14 8:52:22

WPS计算机二级•幻灯片的基础操作

听说这是目录哦 PPT的正确制作步骤🛣️认识PPT界面布局🏜️PPT基础操作快捷键🏞️制作PPT时常用的快捷技巧🏙️快速替换PPT的文本字体🌃快速替换PPT 指定文本内容🌅能量站😚 PPT的正确制作步…...

编程日记 2025/7/9 13:03:07

蓝桥杯准备【入门1】顺序结构

P5705 【深基2.例7】数字反转题目描述输入一个不小于 100100 且小于 10001000，同时包括小数点后一位的一个浮点数，例如 123.4123.4 ，要求把这个数字翻转过来，变成 4.3214.321 并输出。解题思路：使用字符串比较简单…...

编程日记 2025/7/14 10:34:15

Java学习笔记（二十四）

1 策略模式 1.1 策略模式概述策略模式（Strategy Pattern） 是一种行为设计模式，定义了一系列算法，并将它们封装成独立的类，使它们可以互相替换而不会影响使用它们的客户端代码。策略模式的核心思想是将行为与环境解…...

编程日记 2025/7/15 6:28:51

React进阶之高阶组件HOC、react hooks、自定义hooks

React高级高阶组件 HOC属性代理反向继承属性代理和反向继承的区别实例实例一实例二 HooksHooks APIuseState：useEffect：useLayoutEffect：useRef：useContext：useReducer:useMemouseCallback 自定义Hooks 拓展&#xff…...

编程日记 2025/7/15 5:11:48

在亚马逊云科技上高效蒸馏低成本、高精度的Llama 3.1 405B模型（上篇）

在2024年的亚马逊云科技re:Invent全球云计算春晚里，亚马逊云科技CEO - Matt Garman介绍了亚马逊云科技的AI模型托管平台Amazon Bedrock上的模型蒸馏服务Model Distillation，令小李哥印象十分深刻。该功能可自动化地为特定场景的知识创建一个蒸馏模型。它…...

编程日记 2025/7/15 6:44:52

算法基础 -- 红黑树初识

红黑树初识红黑树（Red-Black Tree）是一种自平衡的二叉搜索树，它通过对每个节点增加颜色属性，以及在插入和删除节点时使用特定规则调整树结构来保持平衡。红黑树的特点是，在任何情况下，其树高都可以保持在…...

编程日记 2025/7/14 21:39:55

TTL 在 Redis 缓存中的作用

Redis TTL（Time To Live）与缓存的关系 TTL（Time To Live，生存时间）是 Redis 提供的一种自动过期机制，用于控制键值对的存活时间。当 TTL 到期后，Redis 会自动删除该键，避免长期占用…...

编程日记 2025/7/15 6:54:57

利用 SAM2 模型探测卫星图像中的农田边界

将 Segment Anything Model Version 2 应用于卫星图像以检测和导出农业地区田地边界的分步教程 🌟 简介手动绘制田地边界是最耗时的任务之一，其准确性取决于绘制者的表现。然而，精确的边界检测在很多领域都有应用。例如，假设您…...

编程日记 2025/7/14 1:47:50

Java春招面试指南前言

在当今竞争激烈的就业市场中，对于即将踏入职场的Java开发者而言，春招是一次宝贵的机会。本博客专栏旨在为大家提供一份全面且实用的Java春招面试指南，助力大家顺利通过面试，开启职业生涯的新篇章。无论你是初出茅庐的应届生&…...

编程日记 2025/7/15 7:58:59

安宝特方案 | 智能培训：安宝特AR如何提升企业技能培训的效率与互动性

随着企业不断推进数字化转型，传统培训方式已无法满足现代企业对高效、灵活培训的需求。尤其在技术更新频繁、工艺流程复杂、员工流动性大的环境中，传统培训模式的局限性愈加明显。为了提升培训质量、降低培训成本，并帮助员工迅速掌握新技能&a…...

编程日记 2025/7/11 4:37:32

Python网络自动化运维---用户交互模块

文章目录目录文章目录前言实验环境准备一.input函数代码分段解析二.getpass模块前言在前面的SSH模块章节中，我们都是将提供SSH服务的设备的账户/密码直接写入到python代码中，这样很容易导致账户/密码泄露，而使用Python中的用户交…...

编程日记 2025/7/10 20:50:19

【前端】Hexo 建站指南

文章目录前言生成站点本地测试部署云端参考前言更好的阅读体验：https://blog.dwj601.cn/FrontEnd/Hexo/build-your-own-website-with-hexo/ 笔记记多了，想要分享给同学们一起交流进步，该怎么办？想要搭建一个属于自己的知识库…...

编程日记 2025/7/4 13:11:57

（Java版本）基于JAVA的网络通讯系统设计与实现-毕业设计

源码论文下载地址： cc基于JAVA的网络通讯系统设计与实现(源码系统论文）https://download.csdn.net/download/weixin_39682092/90299782https://download.csdn.net/download/weixin_39682092/90299782 第1章绪论 1.1 课题选择的…...

编程日记 2025/7/9 23:02:19

WPF基础 | 初探 WPF：理解其核心架构与开发环境搭建

WPF基础 | 初探 WPF：理解其核心架构与开发环境搭建一、前言二、WPF 核心架构2.1 核心组件2.2 布局系统2.3 数据绑定机制2.4 事件处理机制三、WPF 开发环境搭建3.1 安装 Visual Studio3.2 创建第一个 WPF 应用程序结束语优质源码分享 WPF基础 | 初探 WPF&#xff…...

编程日记 2025/7/15 7:58:59

插入排序

直接插入排序直接插⼊排序是⼀种简单的插⼊排序法，其基本思想是：把待排序的记录按其关键码值的⼤⼩逐个插⼊到⼀个已经排好序的有序序列中，直到所有的记录插⼊完为⽌，得到⼀个新的有序序列。例如：我们玩扑克牌时&…...

编程日记 2025/7/14 10:50:28

2025最新 Docker 国内可用镜像源仓库地址（01月02日更新）

1. 添加docker镜像地址使用编辑器打开配置文件 /etc/docker/daemon.json（如果没有该文件，可以新建一个） 2. vi daemon.json, 写入以下内容 {"builder": {"gc": {"defaultKeepStorage": "20GB",&…...

编程日记 2025/7/14 9:54:46

Java 反射与动态代理：实践中的应用与陷阱

Java 反射与动态代理：实践中的应用与陷阱在现代Java应用中，反射和动态代理提供了强大的灵活性，但它们也带来了性能和复杂度上的挑战。本文将深入探讨这些技术在实际项目中的应用，分析它们可能导致的陷阱，并提供详细的…...

编程日记 2025/7/15 7:48:56

环境：php8.3, thinkphp8.0, mysql8.0 use PhpOffice\PhpSpreadsheet\Spreadsheet; use PhpOffice\PhpSpreadsheet\Writer\Xlsx; use PhpOffice\PhpSpreadsheet\Style\Alignment; use think\facade\Db; use think\response\Json;class Index {public function index…...

编程日记 2025/7/12 11:06:23

【自己动手开发Webpack插件：开启前端构建工具的个性化定制之旅】

在前端开发的世界里，Webpack无疑是构建工具中的“明星”。它强大的功能可以帮助我们高效地打包和管理前端资源。然而，有时候默认的Webpack功能可能无法完全满足我们的特定需求，这时候就需要自定义Webpack插件来大展身手啦！今天&am…...

编程日记 2025/7/13 7:28:07

vue2使用flv.js在浏览器打开flv格式视频

组件地址：GitHub - bilibili/flv.js: HTML5 FLV Player flv.js 仅支持 H.264 和 AAC/MP3 编码的 FLV 文件。如果视频文件使用了其他编码格式就打不开。 flv.vue <template><div><el-dialog :visible.sync"innerVisibleFlv" :close-on-pre…...

编程日记 2025/7/15 1:32:53

Spring中的事务管理器TransactionManager

目录一、主要功能二、使用场景说明在Spring框架中，事务管理器（TransactionManager）是用于管理事务的重要接口。它提供了对事务的全面控制，包括事务的状态管理和资源管理等功能。本文将详细介绍TransactionManager的主要功能、…...

编程日记 2025/7/15 7:43:53

MacOS安装Docker battery-historian

文章目录需求安装battery-historian实测配置国内源相关文章需求分析Android电池耗电情况、唤醒、doze状态等都要用battery-historian， 在 MacOS 上安装 battery-historian，可以使用 Docker 进行安装runcare/battery-historian:latest。装完不需要做任…...

编程日记 2025/7/11 1:19:22

Charles 4.6.7 浏览器网络调试指南：HTTPS抓包（三）

概述在现代互联网应用中，网络请求和响应是服务交互的核心。对于开发者和测试人员来说，能够准确捕获并分析这些请求，是保证系统稳定性和性能的关键。Charles作为一个强大的网络调试工具，不仅可以捕获普通的HTTP请求，还…...

编程日记 2025/7/14 18:50:12

c＋＋解决常见内存泄漏问题——智能指针的使用及其原理

目录前言： 1. 智能指针的使用及其原理 1. 1 智能指针的使用场景分析 1.2 RAII和智能指针的设计思路 1.3 C标准库智能指针的使用 1.3 1 auto_ptr 1.3 2 unique_ptr 1.3 3 shared_ptr(重） 1.3 4 weak_ptr 1.3 5 模拟实现删除器 2.智能指针的原…...

编程日记 2025/7/15 7:52:57

算法竞赛之离散化技巧 python

目录离散化实战演练总结离散化不改变数据相对大小的情况下，对数据进行相应的下标映射，即离散化。例如：【100,200,300,400,500】，离散化后为【1,2,3,4,5】什么时候可以离散化：当数据只与它们之间的相对大小有关&a…...

编程日记 2025/7/15 7:51:26

1.CSS的三大特性

css有三个非常重要的三个特性：层叠性、继承性、优先级 1.1 层叠性想通选择器给设置想听的样式，此时一个样式就会覆盖（层叠）另一个冲突的样式。层叠性主要是解决样式冲突的问题。 <!DOCTYPE html> <html lang"en&…...

编程日记 2025/7/15 5:18:18

由于请求的竞态问题，前端仔喜提了一个bug

在平常的开发过程中，你可能会遇到这样一个bug。测试：我在测一个输入框搜索的功能时，告诉你通过输入框输入的内容，和最终通过输入内容搜索出来的结果对不上。前端：我是通过调用后端接口拿到的数据，这明显…...

编程日记 2025/7/15 7:48:57

HTML `＜head＞` 元素详解

在 HTML 文档中，<head> 元素是一个非常重要的部分，它包含了文档的元数据（metadata）和其他与文档相关的信息。虽然 <head> 中的内容不会直接显示在网页上，但它对网页的行为、样式和搜索引擎优化&#xff08…...

编程日记 2025/7/15 7:50:38

基于RAG构建Text2SQL的实战教程

大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于大模型算法的研究与应用。曾担任百度千帆大模型比赛、BPAA算法大赛评委，编写微软OpenAI考试认证指导手册。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。授权多项发明专利。对机器学…...

编程日记 2025/7/15 7:58:13

GPT-4对话模型在客服中的应用与前景：开启智能客服新时代

GPT-4对话模型在客服中的应用与前景：开启智能客服新时代随着人工智能技术的迅猛发展，基于深度学习的对话模型在各个领域中得到了广泛应用。其中，GPT-4对话模型在客服系统中的应用尤为引人注目。本文将探讨GPT-4在客服中的应用与未来发展前景，并结合具体代码示例进行说明。…...

编程日记 2025/7/8 14:23:08

我想通过python语言，学习数据结构和算法该如何入手？

学习数据结构和算法是编程中的重要基础，Python 是一个非常适合入门的语言。以下是学习数据结构和算法的步骤和建议： 1. 掌握 Python 基础确保你对 Python 的基本语法、数据类型、控制结构（如循环、条件语句）、函数等有扎实的理…...

编程日记 2025/7/15 5:05:26

Java多线程的面试面试题及答案解析

什么是进程？什么是线程？有什么区别？ 进程是系统资源分配的基本单位，拥有独立的地址空间。线程是 CPU 调度和分派的基本单位，是比进程更小的独立执行的单位，共享所在进程的内存空间等资源。一个进程可以包含…...

编程日记 2025/7/9 11:31:14

python flask中使用or查询和and查询，还有同时使用or、and的情况

在 Flask 中处理数据库查询时，通常会结合使用 ORM 工具，例如 SQLAlchemy。以下是 or 查询、and 查询以及两者同时使用的示例。文章目录基础准备1. 使用 or_ 查询2. 使用 and_ 查询3. 同时使用 or_ 和 and_4. 更加复杂的嵌套查询基础准备假设有一个…...

编程日记 2025/7/13 3:49:45

C# 解析视频流播放全解析

在多媒体技术日益发达的今天，视频流播放已经成为众多应用中不可或缺的功能。对于开发者而言，掌握如何使用编程语言来解析和播放视频流是一项重要的技能。本文将深入探讨如何使用 C# 来实现视频流的解析与播放。一、视频流播放原理简介视频流是将视频…...

编程日记 2025/7/14 8:08:53

关于为什么java中nextInt()和nextLine()不能混用 | nextInt()和nextInt()之类的可以一起用

键盘录入的区别： 第一套体系：遇到空格、制表符、回车都结束，并且都不接收 nextInt()、nextDouble()、next() 遇到空格、制表符、回车就结束，只接收其之前的数据，空格以及空格之后的数据都在缓冲区内，如果…...

编程日记 2025/7/13 19:11:46

计算机图形学：实验一 OpenGL基本绘制

1.OpenGL的环境配置： 集成开发环境Visual Studio Community 2019的安装： 在Windows一栏选择使用C的桌面开发；再转到“单个组件”界面，在“编译器、生成工具和运行时”一栏选择用于“Windows的C CMake工具”；然后转到…...

编程日记 2025/7/14 14:40:10

Node.js 到底是什么

Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境，它允许开发者使用 JavaScript 编写服务器端代码。一、主要特点 1. 事件驱动和非阻塞 I/O 模型 Node.js 采用事件驱动架构，通过回调函数处理 I/O 操作，这使得它在处理大量并发请…...

编程日记 2025/7/14 12:54:13

2022年全国职业院校技能大赛网络系统管理赛项模块A：网络构建（样题5）

目录任务描述任务清单（一）基础配置（二）有线网络配置（三）无线网络配置（四）出口网络配置附录1：拓扑图附录2：地址规划表任务描述随着业务的发展，现在要对海琼银行进行全网改造，为其它区域的网络提供高效的保障服务。同时，海琼银行还针对各个分支行、网点的…...

编程日记 2025/7/15 0:29:28

智慧脚下生根，智能井盖监测终端引领城市安全新革命

在繁忙的都市生活中，我们往往只关注地面的繁华与喧嚣，却忽略了隐藏在地面之下的基础设施——井盖。这些看似不起眼的井盖，实则承担着排水、通讯、电力等重要功能，是城市安全运转的重要一环。然而，传统的井盖管理面临着…...

编程日记 2025/7/14 16:09:56

ES6 简单练习笔记--变量申明

一、ES5 变量定义 1.在全局作用域中 this 其实就是window对象 <script>console.log(window this) </script>输出结果: true 2.在全局作用域中用var定义一个变量其实就相当于在window上定义了一个属性例如: var name "孙悟空" 其实就相当于执行了 win…...

编程日记 2025/7/12 16:43:57

MsfVenom木马制作及使用

msfvenom基本用法 1、功能介绍 msfvenom的功能：常用于生成木马，在目标机器执行，在本地机器kali中上线，与反弹shell类似。MsfVenom可以生成两种类型的攻击载荷： （1）Payload：Payloa…...

编程日记 2025/7/15 7:42:25

ChromeOS 132 版本更新

ChromeOS 132 版本更新 1. 企业定制化 Chrome Web Store 管理员现在可以使用新设置定制 Chrome Web Store 以适应他们管理的用户，包括以下功能： 添加公司标志添加首页横幅和自定义公告策划扩展集合实施基于类别的控制这些设置可以通过管理员控制台进…...

编程日记 2025/7/12 15:23:38

MySQL(表空间)

开始前先打开此图配合食用 MySQL表空间| ProcessOn免费在线作图,在线流程图,在线思维导图 InnoDB 空间文件中的页面管理后面也会持续更新，学到新东西会在其中补充。建议按顺序食用，欢迎批评或者交流！ 缺什么东西欢迎评论！我都…...

编程日记 2025/7/12 4:51:29

智能化加速标准和协议的更新并推动验证IP（VIP）在芯片设计中的更广泛应用

作者：Karthik Gopal, SmartDV Technologies亚洲区总经理智权半导体科技（厦门）有限公司总经理随着AI技术向边缘和端侧设备广泛渗透，芯片设计师不仅需要考虑在其设计中引入加速器，也在考虑采用速度更快和带宽更高的总…...

编程日记 2025/7/13 22:39:38

Chrome远程桌面无法连接怎么解决？

Chrome远程桌面连接已停止工作 Chrome远程桌面是一款极为便捷的浏览器插件，能够帮助用户将自己的计算机连接到其他设备，无论是手机、平板电脑还是其他电脑。然而，在实际使用中，许多用户可能会面临各种各样的问题，比如…...

编程日记 2025/7/12 5:13:51

springcloud alibaba 五大组件

Spring Cloud Alibaba是Spring Cloud的一个子项目，致力于为构建分布式应用提供一站式解决方案。它基于阿里巴巴的底层Java开源框架，主要包含以下五大核心组件： 1. Nacos（服务注册与配置中心） 功能：Nacos提…...

编程日记 2025/7/10 21:46:11

es 3期第25节-运用Rollup减少数据存储

#### 1.Elasticsearch是数据库，不是普通的Java应用程序，传统数据库需要的硬件资源同样需要，提升性能最有效的就是升级硬件。 #### 2.Elasticsearch是文档型数据库，不是关系型数据库，不具备严格的ACID事务特性&#xff…...

编程日记 2025/7/13 20:29:01

理解深度学习pytorch框架中的线性层

文章目录 1. 数学角度： y W x b \displaystyle y W\,x b yWxb示例 2. 编程实现角度： y x W T b \displaystyle y x\,W^T b yxWTb3. 常见错误与易混点解析4. 小结参考链接在神经网络或机器学习的线性层（Linear Layer / Fully Connect…...

编程日记 2025/6/28 0:39:45