当前位置：首页 > news >正文

吴恩达机器学习笔记复盘（十二）逻辑回归的梯度下降和拟合问题

news 来源：原创 2025/7/20 1:20:38

梯度下降算法推导过程

一、逻辑回归模型基础

逻辑回归用于二分类问题，其假设函数为sigmoid函数：

$h_{\theta}(x) = \sigma(\theta^T x) = \frac{1}{1 + e^{-\theta^T x}}$

其中， $\theta$ 是模型参数向量， $x$ 是特征向量。输出 $h_{\theta}(x)$ 表示样本 $x$ 属于正类的概率。

二、损失函数

逻辑回归的损失函数采用 对数损失（交叉熵损失）：

$J(\theta) = -\frac{1}{m} \sum_{i=1}^m \left[ y^{(i)} \log h_{\theta}(x^{(i)}) + (1 - y^{(i)}) \log (1 - h_{\theta}(x^{(i)})) \right]$

- $m$ ：样本数量

- $y^{(i)} \in \{0,1\}$ ：样本真实标签

- $h_{\theta}(x^{(i)})$ ：模型预测概率

三、梯度下降算法推导

梯度下降的目标是通过迭代更新参数 $\theta$ ，使损失函数 $J(\theta)$ 最小化。更新规则为：

$\theta_j := \theta_j - \alpha \frac{\partial J(\theta)}{\partial \theta_j}$ （对每个特征$j$）

其中， $\alpha$ 是学习率。

1. 计算梯度

对 $J(\theta)$ 求偏导：

**推导过程**：

1. 对单个样本的损失项求导：

$\frac{\partial J(\theta)}{\partial \theta_j} = \frac{1}{m} \sum_{i=1}^m \left( h_{\theta}(x^{(i)}) - y^{(i)} \right) x_j^{(i)}$

$\frac{\partial}{\partial \theta_j} \left[ -y \log h + (1 - y) \log (1 - h) \right] = \frac{y}{h} \cdot \frac{\partial h}{\partial \theta_j} - \frac{1 - y}{1 - h} \cdot \frac{\partial h}{\partial \theta_j}$

2. 代入sigmoid函数导数

$\frac{\partial h}{\partial \theta_j} = h(1 - h) x_j$ ，

化简后得到：

单个样本损失 $\frac{\partial}{\partial \theta_j} = (h - y) x_j$

3. 对所有样本取平均，得到梯度。

2. 参数更新规则

结合梯度和学习率，参数更新公式为：

$\theta_j = \theta_j - \alpha \cdot \frac{1}{m} \sum_{i=1}^m \left( h_{\theta}(x^{(i)}) - y^{(i)} \right) x_j^{(i)}$

四、梯度下降的变种简介

1. 批量梯度下降（BGD）

- 使用全部样本计算梯度 - 优点：收敛稳定 - 缺点：计算量大，内存占用高

2. 随机梯度下降（SGD）

- 每次随机选取一个样本更新参数

- 优点：计算速度快

- 缺点：梯度波动大，可能无法收敛到全局最优

3. 小批量梯度下降（Mini-Batch GD）

- 每次使用一小批样本（如32-256个）

- 平衡计算效率和收敛稳定性

五、关键细节

1. 学习率 $\alpha$ 的选择

- 过大：可能跳过最优解，导致发散

- 过小：收敛速度慢，易陷入局部最优

2. 特征缩放

- 对特征进行标准化（如Z-score），避免梯度下降震荡，加快收敛。

3. 收敛判断

- 当损失函数变化小于阈值（如 $10^{-5}$ ）时，停止迭代。

六、简单示例代码

import numpy as npdef sigmoid(z):"""计算 sigmoid 函数的值:param z: 输入值:return: sigmoid 函数的输出"""return 1 / (1 + np.exp(-z))def cost_function(X, y, theta):"""计算逻辑回归的代价函数:param X: 特征矩阵:param y: 标签向量:param theta: 参数向量:return: 代价函数的值"""m = len(y)h = sigmoid(np.dot(X, theta))cost = (-1 / m) * np.sum(y * np.log(h) + (1 - y) * np.log(1 - h))return costdef gradient_descent(X, y, theta, alpha, num_iters):"""执行梯度下降算法来更新参数:param X: 特征矩阵:param y: 标签向量:param theta: 参数向量:param alpha: 学习率:param num_iters: 迭代次数:return: 更新后的参数向量和每次迭代的代价"""m = len(y)J_history = []for iter in range(num_iters):h = sigmoid(np.dot(X, theta))theta = theta - (alpha / m) * np.dot(X.T, (h - y))J_history.append(cost_function(X, y, theta))return theta, J_history# 示例数据
np.random.seed(0)
X = np.random.randn(100, 2)
X = np.c_[np.ones((X.shape[0], 1)), X]
y = np.random.randint(0, 2, 100)# 初始化参数
theta = np.zeros(X.shape[1])# 设置超参数
alpha = 0.01
num_iters = 1000# 执行梯度下降
theta, J_history = gradient_descent(X, y, theta, alpha, num_iters)print("最终参数 theta:", theta)

七、总结

逻辑回归的梯度下降通过最小化对数损失函数，迭代调整参数，使模型预测概率与真实标签尽可能接近。其核心是梯度的计算和参数更新规则，变种算法则根据数据规模和计算资源选择。

欠拟合和过拟合问题的原理

过拟合（Overfitting）

现象：模型把训练数据学 “过头” 了，记住了所有细节甚至噪声
表现：在训练集上准确率很高，但遇到新数据时表现大幅下降
类比：学生考试只背答案，遇到变形题就不会做
常见原因：
- 模型过于复杂（如深层神经网络）
- 训练数据量不足
- 特征过多但无实际关联
解决方法：
- 添加正则化（如 L1/L2 正则）
- 增加训练数据
- 使用交叉验证
- 早停法（训练时监控验证集效果）

欠拟合（Underfitting）

现象：模型没有充分捕捉数据中的规律
表现：在训练集上表现就很差
类比：学生完全没复习，考试连基础题都不会
常见原因：
- 模型过于简单（如线性模型处理非线性问题）
- 特征工程不足
- 训练数据存在严重偏差
解决方法：
- 增加模型复杂度（如使用多项式特征）
- 进行更深入的特征工程
- 调整超参数（如增加决策树深度）

对比表格

维度	过拟合	欠拟合
训练误差	低	高
测试误差	高	高
模型复杂度	高	低
偏差	低	高
方差	高	低

现实中的例子

过拟合：用深度神经网络拟合 20 个数据点，模型会记住每个数据点的噪声
欠拟合：用线性回归拟合正弦曲线数据，模型无法捕捉周期性变化

解决过拟合的三大方法

增加训练数据
- 原理：更多数据能帮助模型学习普遍规律，减少对噪声的过度拟合。
- 局限：实际场景中可能无法获取更多数据。
特征选择（减少特征数量）
- 操作：选择最相关的特征子集（如仅用房屋大小、卧室数量预测房价）。
- 缺点：可能丢失有用信息，且需人工判断特征相关性。
正则化（核心方法）
- 原理：通过惩罚参数大小（如 L2 正则化），限制特征的影响，避免模型过于复杂。
- 优势：保留所有特征但抑制其权重，平衡模型复杂度与泛化能力。
- 注意点：通常仅正则化权重参数（W），偏差参数（B）可不处理。

实验与直观理解

互动实验：允许用户调整多项式次数、添加数据点，观察过拟合现象及不同方法的效果。
实验目的：通过可视化操作，帮助建立对过拟合和正则化的直觉理解。

笔者注：判断模型处于哪种状态，可以通过绘制学习曲线（训练集和验证集误差随训练轮数变化的曲线）来观察。理想状态是找到偏差 - 方差的平衡点，使模型既有足够的拟合能力，又具备良好的泛化性能。

吴恩达机器学习笔记复盘（十二）逻辑回归的梯度下降和拟合问题

梯度下降算法推导过程一、逻辑回归模型基础逻辑回归用于二分类问题，其假设函数为sigmoid函数： 其中，是模型参数向量，是特征向量。输出表示样本属于正类的概率。二、损失函数逻辑回归的损失函数采用对数损失（交…...

编程日记 2025/7/20 1:20:38

OSPF五种报文分析（仅部分比较重要的）

OSPF五种报文分别是： hello报文，DBD数据库描述报文，LSR链路状态请求报文，LSU链路状态更新报文，LSACK链路状态确认包以下是这五种报文的详细解读： 1. Hello报文作用： 用于邻居的发现、建立和…...

编程日记 2025/7/20 6:52:47

Ubuntu 22.04 二进制安装单节点 MySQL

Ubuntu 22.04 二进制安装 MySQL LTS（长期支持版）完整教程 MySQL LTS 版本选择： 目前 MySQL 8.4.4 是长期支持（LTS）版本，持续更新并保持稳定。下载版本： 你也可以在 MySQL 官方网站确认最新稳…...

编程日记 2025/7/20 6:46:41

python处理音频相关的库

1 音频信号采集与播放 pyaudio import sys import pyaudio import wave import timeCHUNK 1024 FORMAT pyaudio.paInt16 CHANNELS 1#仅支持单声道 RATE 16000 RECORD_SECONDS 3#更改录音时长#录音函数，生成wav文件 def record(file_name):try:os.close(file_…...

编程日记 2025/7/18 7:39:58

python+ffmpeg给音频添加背景音乐

说明： 我希望用python，将name.mp3这段录音文件，添加背景音乐，bg.mp3，然后生成新的文件 step1: 添加依赖 pip install pydubstep2:下载ffmpeg 1.打开windows powershell ，管理员运行 2.winget install ff…...

编程日记 2025/7/16 12:38:27

《TypeScript 面试八股：高频考点与核心知识点详解》

“你好啊！能把那天没唱的歌再唱给我听吗？ ” 前言因为主包还是主要学习js，ts浅浅的学习了一下，在简历中我也只会写了解，所以我写一些比较基础的八股，如果是想要更深入的八股的话还是建议找别人的。 Ts基…...

编程日记 2025/7/20 6:44:13

鸡生蛋还是蛋生鸡？基于python的CCM因果关系计算

文章目录前言一、安装二、代码1.全部代码2.结果展示总结前言因果推断在科学研究中起着重要的作用，尤其是在复杂系统中，例如生态学、气候学、经济学等领域。在这些领域中，了解变量之间的因果关系可以帮助我们更好地理解系统的动态行为和相互作用。传统的相关性分析并不足以…...

编程日记 2025/7/20 6:47:59

PyBluez2 的详细介绍、安装指南、使用方法及配置说明

PyBluez2：Python 蓝牙开发的核心库一、PyBluez2 简介 PyBluez2 是 Python 的开源蓝牙编程库，支持蓝牙 2.0、BLE（低功耗蓝牙）和传统蓝牙协议栈的开发。它提供了对蓝牙硬件适配器的底层控制，适用于设备发现、配对、数…...

编程日记 2025/7/19 16:26:30

鸿蒙HarmonyOS NEXT之无感监听

鸿蒙中存在一些无感监听，这些监听经过系统API封装使用很简单，但是对实际业务开发中有很重要，例如埋点业务、数据统计、行为上报、切面拦截等。 Navigation的页面切换在鸿蒙中Navigation被用来作为路由栈进行页面跳转，如果你想知…...

编程日记 2025/7/20 6:26:43

质检LIMS系统在食品生产加工企业的应用如何保证食品生产企业的安全

在食品生产加工领域，质量安全是贯穿全产业链的生命线。随着《食品安全法》对全过程追溯要求的深化，传统实验室管理模式已难以满足高效、精准的质量管控需求。质检实验室信息管理系统（LIMS）作为数字化升级的核心工具，正…...

编程日记 2025/7/15 12:09:11

linux中如何获取其他进程的退出状态

进程的退出状态至关重要，用wait系列函数，父进程可以捕捉到子进程的退出状态，若给定任意进程，其父进程已经确定，无法改变，自己如何获取到其退出状态呢。可以用ptrace系统api attach到相应的进程&#xff0c…...

编程日记 2025/7/18 19:46:12

【android】补充

3.3　常用布局本节介绍常见的几种布局用法，包括在某个方向上顺序排列的线性布局，参照其他视图的位置相对排列的相对布局，像表格那样分行分列显示的网格布局，以及支持通过滑动操作拉出更多内容的滚动视图。 3.3.1　线性布局Linea…...

编程日记 2025/7/16 17:21:19

Unix Domain Socket、IPC、RPC与gRPC的深度解析与实战

Unix Domain Socket、IPC、RPC与gRPC的深度解析与实战引言在分布式系统和本地服务通信中，进程间通信（IPC）与远程过程调用（RPC）是核心能力。本文将深入剖析 Unix Domain Socket（UDS）、IPC、RP…...

编程日记 2025/7/18 1:06:39

从 MySQL 到时序数据库 TDengine：Zendure 如何实现高效储能数据管理？

小T导读：TDengine 助力广州疆海科技有限公司高效完成储能业务的数据分析任务，轻松应对海量功率、电能及输入输出数据的实时统计与分析，并以接近 1 : 20 的数据文件压缩率大幅降低存储成本。此外，taosX 强大的 transform 功能帮助用…...

编程日记 2025/7/18 10:04:23

华为OD机试A卷 - 积木最远距离（C++ Java JavaScript Python ）

最新华为OD机试真题目录：点击查看目录华为OD面试真题精选：点击立即查看题目描述小华和小薇一起通过玩积木游戏学习数学。他们有很多积木，每个积木块上都有一个数字，积木块上的数字可能相同。小华随机拿一些积木挨着排成一排，请小薇找到这排积木中数字相同且所处…...

编程日记 2025/7/19 7:57:31

Zerotier虚拟局域网在树莓派的应用和Syncthing配合Zerotier实现端到端文件同步

一、Zerotier的部署 1、官网注册账号 https://my.zerotier.com/i 2、选择linux系统，执行安装Zerotier curl -s https://install.zerotier.com | sudo bash3、将树莓派网络加入Zerotier zerotier-cli join DB62228FEDF6CE55DB62228FEDF6CE55 为你的Zerotier IP 需…...

编程日记 2025/7/17 23:44:12

C++设计模式-桥梁模式：从基本介绍，内部原理、应用场景、使用方法，常见问题和解决方案进行深度解析

一、桥梁模式基本介绍桥梁模式（Bridge Pattern）是一种结构型设计模式，又叫桥接模式，其核心思想是将抽象部分与实现部分分离，使它们可以独立变化。这种模式通过组合代替继承，有效解决了多层继承导致的类爆…...

编程日记 2025/7/14 9:11:16

系统转换、系统维护、净室软件工程、构件软件工程(高软51)

系列文章目录系统转换、系统维护、净室软件工程、构件软件工程文章目录系列文章目录前言一、系统转换二、系统维护三、净室软件工程四、基于构件的软件工程总结前言本节讲明遗留系统的系统转换、系统维护、净室软件工程、基于构件软件工程相关知识。一、系统转换就是讲…...

编程日记 2025/6/28 4:27:02

自然语言处理（13:RNN的实现)

系列文章目录第一章 1:同义词词典和基于计数方法语料库预处理第一章 2:基于计数方法的分布式表示和假设，共现矩阵，向量相似度第一章 3:基于计数方法的改进以及总结第二章 1:word2vec 第二章 2:word2vec和CBOW模型的初步实现第二章 3:CBOW模型…...

编程日记 2025/7/16 22:59:09

Docker镜像迁移方案

Docker镜像迁移方案文章目录 Docker镜像迁移方案一：背景二：操作方式三：异常原因参考： 一：背景比如机器上已经有先有的容器，但是docker pull的时候是失败的二：操作方式 1、停止正在运行的容器…...

编程日记 2025/7/15 4:30:05

深度学习框架PyTorch——从入门到精通（10）PyTorch张量简介

这部分是 PyTorch介绍——YouTube系列的内容，每一节都对应一个youtube视频。（可能跟之前的有一定的重复） 创建张量随机张量和种子张量形状张量数据类型使用PyTorch张量进行数学与逻辑运算简单介绍——张量广播关于张量更多的数学操作原地修改…...

编程日记 2025/7/12 15:10:59

Springboot 集成 Flowable 6.8.0

1. 创建 Spring Boot 项目通过 Spring Initializr（https://start.spring.io/ ）创建一个基础的 Spring Boot 项目，添加以下依赖： Spring WebSpring Data JPAMySQL DriverLombok（可选，用于简化代码&#x…...

编程日记 2025/7/17 22:57:32

Vue3 项目通过 docxtemplater 插件动态渲染 .docx 文档（带图片）预览，并导出

Vue3 项目通过 docxtemplater 插件动态渲染 .docx 文档（带图片）预览，并导出预览安装插件示例代码项目目录结构截图实际效果截图动态渲染 .docx 文档（带图片），预览、导出安装插件docx 模板文件内容完整代码…...

编程日记 2025/7/17 18:38:05

实验一、Linux环境下实现进度条小程序：深入解析核心实现与关键技术细节

目录引言：为什么需要进度条？环境准备与项目结构分析原理剖析：从终端输出到动态刷新代码逐行解析（附完整代码） 4.1 头文件与宏定义4.2 进度条的动态构建逻辑4.3 关键转义字符：\r与\n的深度对比4.4 缓冲机制…...

编程日记 2025/7/16 23:22:12

生活电子常识——cmd不能使用anaconda的python环境，导致输入python打开应用商店

前言电脑已经安装了anaconda,从自带的Anaconda Prompt (Anaconda3)中是可以识别python环境的，然而切换到cmd时，突然发现cmd中无法识别anaconda的python环境，竟然打开了应用商店让我安装Python，这当然是不对的。解决这是因为…...

编程日记 2025/7/14 21:30:58

TypeScript中的声明合并：与JavaScript的对比与实践指南

引言在大型项目开发中，代码的可维护性和可扩展性至关重要。TypeScript作为JavaScript的超集，通过静态类型系统带来了更强大的代码组织能力。其中声明合并（Declaration Merging） 是TypeScript独有的重要特性，本文将深…...

编程日记 2025/7/9 4:37:31

数据结构初阶-二叉树链式

目录 1.概念与结构 2.二叉数链式的实现 2.1遍历规则 2.2申请内存空间 2.3手动构建一棵二叉树 2.4二叉树结点的个数 2.5二叉树叶子结点的个数 2.6二叉树第K层结点个数 2.7二叉树的高度 2.8二叉树中查找值为x的结点 2.9二叉树的销毁 3.层序遍历 3.1概念 3.2层序遍历…...

编程日记 2025/7/15 5:05:58

2024年认证杯SPSSPRO杯数学建模B题(第二阶段)神经外科手术的定位与导航全过程文档及程序

2024年认证杯SPSSPRO杯数学建模 B题神经外科手术的定位与导航原题再现： 人的大脑结构非常复杂，内部交织密布着神经和血管，所以在大脑内做手术具有非常高的精细和复杂程度。例如神经外科的肿瘤切除手术或血肿清除手术，通常需要…...

编程日记 2025/7/10 1:22:52

Linux程序性能分析

为什么程序会慢？ 在深入工具和方法之前，我们先来聊聊为什么程序会慢。一个程序主要在三个方面消耗资源： CPU时间 - 计算太多、算法效率低内存使用 - 内存泄漏、频繁申请释放内存 I/O操作 - 文件读写、网络通信太频繁今天我们主要聚焦C…...

编程日记 2025/7/6 2:07:20

【开题报告+论文+源码】基于SpringBoot的智能安全与急救知识科普系统设计与实现

项目背景与意义在全球范围内，安全与急救知识的普及已成为提升公众安全素养、减少意外伤害发生率、提高突发事件应对能力的重要举措。尤其是在当今社会，人们面临的生活、工作环境日益复杂，交通事故、火灾、溺水、突发疾病等各种意外事件的发生…...

编程日记 2025/7/14 23:45:29

Linux shift 命令使用详解

简介在 Bash 脚本中，shift 命令用于将命令行参数向左移动，有效地丢弃第一个参数并将其他参数向下移动。基础语法 shift [N]N（可选）→ 要移动的位置数。默认值为 1 示例用法移动参数 #!/bin/bash echo "Before shift…...

编程日记 2025/7/15 11:18:56

【C++网络编程】第5篇：UDP与广播通信

一、UDP协议核心特性 1. UDP vs TCP 特性 UDPTCP连接方式无连接面向连接（三次握手）可靠性不保证数据到达或顺序可靠传输（超时重传、顺序控制）传输效率低延迟，高吞吐相对较低（因握手和确认机制&…...

编程日记 2025/7/16 4:49:38

C++11QT复习（五）

文章目录 **Day6-2 成员访问运算符重载（2025.03.25）****1. 复习****2. 成员访问运算符重载****2.1 箭头运算符 (->) 重载****(1) 语法** **2.2 解引用运算符 (*) 重载****(1) 语法** **3. 代码分析****3.1 代码结构****3.2 代码解析****(1) Data 类**…...

编程日记 2025/7/14 12:17:10

Python项目-基于Python的网络爬虫与数据可视化系统

1. 项目简介在当今数据驱动的时代，网络爬虫和数据可视化已成为获取、分析和展示信息的重要工具。本文将详细介绍如何使用Python构建一个完整的网络爬虫与数据可视化系统，该系统能够自动从互联网收集数据，进行处理分析，并通过直观…...

编程日记 2025/7/16 21:42:57

SpringCloud Zuul 使用教程

SpringCloud Zuul 使用教程目录 Zuul 简介环境准备搭建 Zuul 网关 • 3.1 Maven 依赖 • 3.2 配置文件 • 3.3 启动类注解基本路由配置 • 4.1 简单路由 • 4.2 基于路径的路由 • 4.3 基于服务的路由Zuul 高级配置 • 5.1 过滤器配置 • 5.2 限流与熔断 • 5.3 负载均衡 •…...

编程日记 2025/7/17 8:02:45

介绍一款基于MinerU的PDF翻译工具

一。简介 Fast pdf translate是一款pdf翻译软件，基于MinerU实现pdf转markdown的功能，接着对markdown进行分割， 送给大模型翻译，最后组装翻译结果并由pypandoc生成结果pdf。 git地址： https://github.com/kv1830/fast…...

编程日记 2025/7/19 13:02:58

轻量级TLS反向代理工具TLS-reverse-proxy：打造安全通信桥梁

在数字化浪潮席卷全球的今天，数据隐私与传输安全已成为企业及个人的核心关切。TLS（传输层安全协议）作为互联网通信的"隐形卫士"，承担着保护数据在传输过程中不被窃取或篡改的重要使命。然而，对于许多传统服务…...

编程日记 2025/7/17 9:10:17

SQL问题分析与诊断（8）——前提

8.1. 前提与其他关系库类似，SQL Server中，当我们对存在性能问题的SQL语句进行分析和诊断时，除了获取该SQL语句本身外，还需要获取SQL语句相应的查询计划及其相关的数据环境。这里，所谓数据环境，具体是指SQ…...

编程日记 2025/7/16 21:49:49

关于cmd中出现无法识别某某指令的问题

今天来解决以下这个比较常见的问题，安装各种软件都可能会发生，一般是安装时没勾选注册环境变量，导致cmd无法识别该指令。例如mysql，git等，一般初学者可能不太清楚。解决这类问题最主要的是了解环境变量的概念&#x…...

编程日记 2025/7/15 5:45:01

如何处理不同输入类型（例如邮箱、电话号码）的验证？

处理不同输入类型（如邮箱、电话号码）的验证可以通过多种方法实现，包括使用 HTML5 内置验证、JavaScript/jQuery 自定义验证和正则表达式。以下是一些常用的验证方法和示例。 1. 使用 HTML5 内置验证 HTML5 提供了一些内置的输入类型，可以自动处理基本的验证。示例 <…...

编程日记 2025/7/19 20:04:56

Redis集群哨兵相关面试题

目录 1.Redis 主从复制的实现原理是什么? 详解补充增量同步 replication buffer repl backlog buffer 2.Redis 主从复制的常见拓扑结构有哪些? 3.Redis 复制延迟的常见原因有哪些? 4.Redis 的哨兵机制是什么? 主观下线和客观下线哨兵leader如何选出来的&#x…...

编程日记 2025/7/16 13:41:06

【CXX-Qt】4.1 extern “RustQt“

QObjects Properties Methods Signals #[cxx_qt::bridge] mod ffi {extern "RustQt" {} }extern “RustQt” 部分是 CXX-Qt 桥接的核心，用于声明 Rust 类型和签名，使其可用于 Qt 和 C。 CXX-Qt 代码生成器使用你的 extern “RustQt” 部…...

编程日记 2025/7/13 18:07:42

当 0 编程基础，用 ChatGPT 和 Cursor 开发同一应用时… ｜AI 开发初体验

求人不如求己。事情是这样的，前段时间，我看了本书，书里介绍了款应用，能计算财富自由价格，还能制定退休计划。结果，我迫不及待去下载这个应用时，发现这应用功能残缺，完全不可用。 …...

编程日记 2025/7/19 7:41:08

如何排查C++程序的CPU占用过高的问题

文章目录可能的原因程序设计的BUG系统资源问题恶意软件硬件问题通常步骤一个简单的问题代码在windows平台上如何排查Windows Process ExplorerWinDBG 在Linux平台如何排查使用TOP GDBPerf 可能的原因程序设计的BUG 有死循环低效算法与数据结构滥用自旋锁频繁的系统调用&a…...

编程日记 2025/7/16 16:49:08

数据库练习

完善t_hero表 -- 添加作者字段 alter table t_hero add author varchar(100);-- 更新数据update t_hero set author "曹雪芹" where id 1; update t_hero set author "曹雪芹" where id 2; update t_hero set author "曹雪芹" where id…...

编程日记 2025/7/17 14:46:52

nodejs-原型污染链

还是老规矩，边写边学，先分享两篇文章深入理解 JavaScript Prototype 污染攻击 | 离别歌《JavaScript百炼成仙》全书知识点整理-CSDN博客 Ctfshow web入门 nodejs篇 web334-web344_web334 ctfshow-CSDN博客 334-js审计 var express require(expr…...

编程日记 2025/7/18 5:00:17

无人机与AI技术结合的突破性应用场景

1. 自主导航与动态避障技术栈：SLAM 强化学习 (PPO算法) 代码示例（Python PyTorch）： import torch class DronePPO(torch.nn.Module):def __init__(self):super().__init__()self.actor torch.nn.Sequential(torch.nn.Linear…...

编程日记 2025/7/16 1:48:58

jsBridge在vue中使用

创建jsBridge.js /* eslint-disable */ function connectWebViewJavascriptBridge (callback) {if (window.WebViewJavascriptBridge) {callback(window.WebViewJavascriptBridge)} else {document.addEventListener(WebViewJavascriptBridgeReady, function () { callback(wi…...

编程日记 2025/7/15 19:35:36

Windows下docker使用教程

docker安装镜像制作镜像加载容器创建更新镜像导出镜像 Windows10安装dockerdocker image制作docker 镜像加载docker 容器创建更新imageimage 导出为.tar文件 #以Windows10 、11为例 linux和Windows区别在于docker安装的程序是哪个操作系统的，后面的内容其实不变 …...

编程日记 2025/7/18 9:28:10

iOS：GCD信号量、同步、异步的使用方法

信号量的详细用法，可以用此方法进行队列管理 -(void)dispatchSignal{//crate的value表示，最多几个资源可访问dispatch_semaphore_t semaphore dispatch_semaphore_create(3);dispatch_queue_t quene dispatch_get_global_queue(DISPATCH_QUEUE_PRIORI…...

编程日记 2025/7/15 5:01:31