当前位置：首页 > news >正文

深度学习Note.5(机器学习2）

news 来源：原创 2025/7/6 5:31:48

多项式回归

1.与线性回归联系：

与线性回归大体相似，代码部分复用性高，不同点：公式中为x的次方，可能要规范化处理。

2.paddle的API

paddle.sin(x, name=None)
功能：计算输入的正弦值。
输入：输入Tensor
输出：Tensor,输入的sin值

paddle.ones(shape, dtype=None)
功能：创建建指定形状且值全为1的Tensor
输入：输出结果形状
输出：值全为1的Tensor

paddle.multiply(x, y, name=None)
功能：逐元素相乘
输入：2个Tensor
输出:Tensor,相乘结果

paddle.concat(x, axis=0, name=None)
功能：对输入沿axis轴进行联结
输入：待联结的Tensorlist域者Tensortuple和运算轴
输出：联结后的Tensor

3.模型--sin(2pix）

3. 1数据集构建

import math# sin函数: sin(2 * pi * x)
def sin(x):y = paddle.sin(2 * math.pi * x)return y

用前面定义的create_toy_data函数来构建训练和测试数据\

import math
import paddle
import numpy as np
from matplotlib import pyplot as pltdef sin(x):y = paddle.sin(2 * math.pi * x)return ydef create_toy_data(func, interval, sample_num, noise=0.0, add_outlier=False, outlier_ratio=0.01):X = paddle.rand(shape=[sample_num]) * (interval[1] - interval[0]) + interval[0]y = func(X)epsilon = paddle.normal(0, noise, shape=[y.shape[0]])y += epsilony_np = y.numpy()  # 转换为 NumPy 数组if add_outlier:outlier_num = max(1, int(len(y_np) * outlier_ratio))outlier_idx = paddle.randint(len(y_np), shape=[outlier_num]).numpy()y_np[outlier_idx] *= 5  # 直接操作 NumPy 数组return X.numpy(), y_np# 生成数据
func = sin
interval = (0, 1)
train_num = 15
test_num = 10
noise = 0.5X_train, y_train = create_toy_data(func=func, interval=interval, sample_num=train_num, noise=noise)
X_test, y_test = create_toy_data(func=func, interval=interval, sample_num=test_num, noise=noise)# 生成用于绘图的基准数据（转换为 NumPy）
X_underlying = paddle.linspace(interval[0], interval[1], num=100).numpy()
y_underlying = sin(paddle.to_tensor(X_underlying)).numpy()# 绘制图像
plt.rcParams['figure.figsize'] = (8.0, 6.0)
plt.scatter(X_train, y_train, facecolor="none", edgecolor='#e4007f', s=50, label="train data")
plt.plot(X_underlying, y_underlying, c='#000000', label=r"$\sin(2\pi x)$")
plt.legend(fontsize='x-large')
plt.savefig('ml-vis2.pdf')
plt.show()

结果：

3.2模型构建

def polynomial_basis_function(x, degree = 2):"""输入：- x: tensor, 输入的数据，shape=[N,1]- degree: int, 多项式的阶数example Input: [[2], [3], [4]], degree=2example Output: [[2^1, 2^2], [3^1, 3^2], [4^1, 4^2]]注意：本案例中,在degree>=1时不生成全为1的一列数据；degree为0时生成形状与输入相同，全1的Tensor输出：- x_result： tensor"""if degree==0:return paddle.ones(shape = x.shape,dtype='float32') x_tmp = xx_result = x_tmpfor i in range(2, degree+1):x_tmp = paddle.multiply(x_tmp,x) # 逐元素相乘x_result = paddle.concat((x_result,x_tmp),axis=-1)return x_result# 简单测试
data = [[2], [3], [4]]
X = paddle.to_tensor(data = data,dtype='float32')
degree = 3
transformed_X = polynomial_basis_function(X,degree=degree)
print("转换前：",X)
print("阶数为",degree,"转换后：",transformed_X)

转换前： Tensor(shape=[3, 1], dtype=float32, place=CPUPlace, stop_gradient=True,[[2.],[3.],[4.]])
阶数为 3 转换后： Tensor(shape=[3, 3], dtype=float32, place=CPUPlace, stop_gradient=True,[[2. , 4. , 8. ],[3. , 9. , 27.],[4. , 16., 64.]])

3.3模型训练

plt.rcParams['figure.figsize'] = (12.0, 8.0)for i, degree in enumerate([0, 1, 3, 8]): # []中为多项式的阶数model = Linear(degree)X_train_transformed = polynomial_basis_function(X_train.reshape([-1,1]), degree)X_underlying_transformed = polynomial_basis_function(X_underlying.reshape([-1,1]), degree)model = optimizer_lsm(model,X_train_transformed,y_train.reshape([-1,1])) #拟合得到参数y_underlying_pred = model(X_underlying_transformed).squeeze()print(model.params)# 绘制图像plt.subplot(2, 2, i + 1)plt.scatter(X_train, y_train, facecolor="none", edgecolor='#e4007f', s=50, label="train data")plt.plot(X_underlying, y_underlying, c='#000000', label=r"$\sin(2\pi x)$")plt.plot(X_underlying, y_underlying_pred, c='#f19ec2', label="predicted function")plt.ylim(-2, 1.5)plt.annotate("M={}".format(degree), xy=(0.95, -1.4))#plt.legend(bbox_to_anchor=(1.05, 0.64), loc=2, borderaxespad=0.)
plt.legend(loc='lower left', fontsize='x-large')
plt.savefig('ml-vis3.pdf')
plt.show()

分析：当阶数太小，拟合曲线简单，欠拟合。

当阶数太大，拟合曲线复杂，过拟合。

3.4模型评估

# 训练误差和测试误差
training_errors = []
test_errors = []
distribution_errors = []# 遍历多项式阶数
for i in range(9):model = Linear(i)X_train_transformed = polynomial_basis_function(X_train.reshape([-1,1]), i) X_test_transformed = polynomial_basis_function(X_test.reshape([-1,1]), i) X_underlying_transformed = polynomial_basis_function(X_underlying.reshape([-1,1]), i)optimizer_lsm(model,X_train_transformed,y_train.reshape([-1,1]))y_train_pred = model(X_train_transformed).squeeze()y_test_pred = model(X_test_transformed).squeeze()y_underlying_pred = model(X_underlying_transformed).squeeze()train_mse = mean_squared_error(y_true=y_train, y_pred=y_train_pred).item()training_errors.append(train_mse)test_mse = mean_squared_error(y_true=y_test, y_pred=y_test_pred).item()test_errors.append(test_mse)#distribution_mse = mean_squared_error(y_true=y_underlying, y_pred=y_underlying_pred).item()#distribution_errors.append(distribution_mse)print ("train errors: \n",training_errors)
print ("test errors: \n",test_errors)
#print ("distribution errors: \n", distribution_errors)# 绘制图片
plt.rcParams['figure.figsize'] = (8.0, 6.0)
plt.plot(training_errors, '-.', mfc="none", mec='#e4007f', ms=10, c='#e4007f', label="Training")
plt.plot(test_errors, '--', mfc="none", mec='#f19ec2', ms=10, c='#f19ec2', label="Test")
#plt.plot(distribution_errors, '-', mfc="none", mec="#3D3D3F", ms=10, c="#3D3D3F", label="Distribution")
plt.legend(fontsize='x-large')
plt.xlabel("degree")
plt.ylabel("MSE")
plt.savefig('ml-mse-error.pdf')
plt.show()

当阶数较低的时候，模型的表示能力有限，训练误差和测试误差都很高，代表模型欠拟合；

当阶数较高的时候，模型表示能力强，但将训练数据中的噪声也作为特征进行学习，一般情况下训练误差继续降低而测试误差显著升高，代表模型过拟合。

如何解决？

引入正则化方法，通过向误差函数中添加一个惩罚项来避免系数倾向于较大的取值

degree = 8 # 多项式阶数
reg_lambda = 0.0001 # 正则化系数X_train_transformed = polynomial_basis_function(X_train.reshape([-1,1]), degree)
X_test_transformed = polynomial_basis_function(X_test.reshape([-1,1]), degree)
X_underlying_transformed = polynomial_basis_function(X_underlying.reshape([-1,1]), degree)model = Linear(degree) optimizer_lsm(model,X_train_transformed,y_train.reshape([-1,1]))y_test_pred=model(X_test_transformed).squeeze()
y_underlying_pred=model(X_underlying_transformed).squeeze()model_reg = Linear(degree) optimizer_lsm(model_reg,X_train_transformed,y_train.reshape([-1,1]),reg_lambda=reg_lambda)y_test_pred_reg=model_reg(X_test_transformed).squeeze()
y_underlying_pred_reg=model_reg(X_underlying_transformed).squeeze()mse = mean_squared_error(y_true = y_test, y_pred = y_test_pred).item()
print("mse:",mse)
mes_reg = mean_squared_error(y_true = y_test, y_pred = y_test_pred_reg).item()
print("mse_with_l2_reg:",mes_reg)# 绘制图像
plt.scatter(X_train, y_train, facecolor="none", edgecolor="#e4007f", s=50, label="train data")
plt.plot(X_underlying, y_underlying, c='#000000', label=r"$\sin(2\pi x)$")
plt.plot(X_underlying, y_underlying_pred, c='#e4007f', linestyle="--", label="$deg. = 8$")
plt.plot(X_underlying, y_underlying_pred_reg, c='#f19ec2', linestyle="-.", label="$deg. = 8, \ell_2 reg$")
plt.ylim(-1.5, 1.5)
plt.annotate("lambda={}".format(reg_lambda), xy=(0.82, -1.4))
plt.legend(fontsize='large')
plt.savefig('ml-vis4.pdf')
plt.show()

深度学习Note.5(机器学习2）

多项式回归 1.与线性回归联系： 与线性回归大体相似，代码部分复用性高，不同点：公式中为x的次方，可能要规范化处理。 2.paddle的API paddle.sin(x, nameNone) 功能：计算输入的正弦值。输入：输入…...

编程日记 2025/7/6 5:31:48

1.封装通用组件顶部导航栏Navbar 不同效果 Component export struct MkNavbar {Prop title: string Prop leftIcon: ResourceStr $r("app.media.ic_public_left")ProprightIcon: ResourceStr $r("app.media.ic_public_more")PropshowLeftIcon: boolean…...

编程日记 2025/7/6 3:08:35

PipeWire 音频设计与实现分析三——日志子系统

日志子系统 PipeWire 的日志子系统的设计分为多个层次。PipeWire 用 struct spa_log 对象描述日志组件，用 struct spa_log_methods 对象描述日志组件打印各层级日志的多个方法。PipeWire 为日志子系统添加了 topic 机制，不同文件中的日志按功能以不同的…...

编程日记 2025/7/6 3:19:19

playwright解决重复登录问题，通过pytest夹具自动读取storage_state用户状态信息

playwright解决重复登录问题，通过pytest夹具自动读取storage_state用户状态信息 conftest.py文件下封装两个夹具夹具一：将storage_state登录状态导出为json文件夹具二：重写夹具browser_context_args，添加storage_state登录状态登录…...

编程日记 2025/7/6 4:10:27

Codeforces Round 1014 (Div. 2)(A-D)

题目链接：Dashboard - Codeforces Round 1014 (Div. 2) - Codeforces A. Kamilka and the Sheep 思路最大值-最小值代码 void solve(){int n;cin>>n;vi a(n10);int mx0;int miinf;for(int i1;i<n;i){cin>>a[i];mimin(mi,a[i]);mxmax(mx,a[i])…...

编程日记 2025/7/6 4:00:41

vulhub靶场—— Tomcat8

目录一、漏洞描述二、靶场搭建三、漏洞复现 1、弱密码 2、文件上传一、漏洞描述环境描述： Tomcat 支持后台部署 war 文件，可以直接将 webshell 部署到 web 目录下。tomcat 默认的管理页面 manager 使用 basic 认证用户名和密码登录&#xff0…...

编程日记 2025/7/4 19:32:36

c# ftp上传下载帮助类

工作中FTP的上传和下载还是很常用的。如下载打标数据，上传打标结果等。这个类常用方法都有了：上传，下载，判断文件夹是否存在，创建文件夹，获取当前目录下文件列表(不包括文件夹) ，获取当前目录下文件列表(不包括文件夹) ，获取FTP文件列表(包括文件夹)，获取当前目…...

编程日记 2025/7/6 5:19:22

Redis 哈希表结构详解

Redis 哈希表结构详解相关链接 redis中 hashtable的 sizemask理解一、核心结构体定义与作用 Redis 的哈希表实现基于链表法解决冲突，并采用渐进式 rehash 策略。其核心结构体包括 dictEntry、dictht 和 dict，三者协作实现高效的键值对存储。二、结…...

编程日记 2025/7/6 4:59:42

接口等幂处理

介绍 ✅ 什么是等幂（Idempotency）？ 等幂无论这个操作被执行多少次，结果都是一样的，不会因为多次执行而产生副作用。通俗一点说：“点一次和点一百次，效果是一样的。” ✅ 在接口中&#xff0…...

编程日记 2025/7/5 11:04:03

华为配置篇-BGP实验

BGP 一、简述二、常用命令总结三、实验一、简述二、常用命令总结 display bgp peer #查看 BGP 对等体 display bgp routing-table #查看 BGP 路由表#在R1上通过 network 命令发布路由 [R1]bgp 64513 [R1-bgp] network 10.1.1.1 24#在R2上将路由的下一跳地址修改为自身 [R2]…...

编程日记 2025/7/6 4:23:16

【Tauri2】008——简单说说配置文件

前言配置文件，即tauri.conf.json Configuration Files | Taurihttps://tauri.app/zh-cn/develop/configuration-files/这个文件的作用该文件由 Tauri 运行时和 Tauri CLI 使用。你可以定义构建设置（例如在 tauri build 或 tauri dev 启动前运行的命令…...

编程日记 2025/7/6 5:30:03

Java学习笔记1——编程基础

一、整数类型变量注意：每个字符型常量占两个字节二、自动类型转换和强制类型转换三、算术运算符四、赋值运算符五、比较运算符六、逻辑运算符七、运算符的优先级运算符的优先级可以通过以下口诀来记忆： 括号优先，单目次之&am…...

编程日记 2025/7/2 4:07:10

CMD/DOS和批处理入门知识汇总

0、前言： 在工作中，有时候需要涉及到window系统更底层的一些东西，所以需要学习一些cmd指令和dos命令，来完成高效批处理任务，或者自动化办公。还有想要对系统中文件管理有更细致的认识，便于请理磁盘文件。后…...

编程日记 2025/7/6 4:45:10

Visual Studio 2019 Qt QML 项目环境搭建常见问题处理方法

在 Visual Studio 2019 运行 Qt/QML 项目比直接使用QtCreator环境麻烦，主要是有qmake 的一些配置项不能在 Visual Studio中设置。下面整理一些常见问题的处理方法，供参考： 搭建VS Qt 环境，在Visual Studios 2019下面安装 Qt Vis…...

编程日记 2025/7/4 12:00:52

Python-Django入手

18.1 建立项目 18.1.1 制定规范 - 定义项目目标：明确应用的核心功能 - 创建项目文档：用README.md记录技术栈和开发流程 - 规划目录结构：建议遵循Django官方推荐的项目布局 18.1.2 建立虚拟环境在命令行执行： python -m ven…...

编程日记 2025/7/6 4:35:19

SakuraCat（2）Endpoint

Endpoint 功能概述监听指定端口（默认是 8080）的客户端连接。接受客户端连接后，为每个连接创建一个新的线程进行处理。使用 Processor 类来处理客户端的请求和响应。 package com.SakuraCat.connector.protocolHandler;import com.SakuraC…...

编程日记 2025/7/6 5:23:25

19914 最小生成树2

19914 最小生成树2 ⭐️难度：中等 🌟考点：最小生成树 📖 📚 import java.util.*;public class Main {static class Edge{int u,v,w;Edge(int u,int v,int w){this.u u;this.v v;this.w w;}}static ArrayList<…...

编程日记 2025/7/6 4:34:15

SSE服务器主动推送至浏览器客户端，让你不再需要websocket

Server-Sent Events（SSE）是一种服务器向客户端推送实时更新的技术，基于HTTP协议。客户端通过EventSource API来接收事件流，而服务器则保持一个长连接，持续发送数据。这与传统的请求-响应模式不同，允许服务器…...

编程日记 2025/7/6 5:22:29

C++中的搜索算法实现

C中的搜索算法实现在编程中，搜索算法是解决各种问题的基础工具之一。C作为一种功能强大的编程语言，提供了多种实现搜索算法的方式。本文将详细介绍两种常见的搜索算法：线性搜索和二分搜索，并通过代码示例展示它们的实现。一、…...

编程日记 2025/7/3 1:09:04

OSI 七层模型和四层模型（TCP/IP 模型）

文章目录前言一、OSI 七层模型二、TCP/IP 四层模型三、运行协议及设备1. OSI 七层模型2. TCP/IP 四层模型3. 运行协议4. 各类设备的作用总结前言 OSI 七层模型和四层模型（TCP/IP 模型）是两种常见的网络协议分层架构，它们的主要区别如下&a…...

编程日记 2025/7/6 5:09:59

将代理连接到 Elasticsearch 使用模型上下文协议

作者：来自 Elastic Jedr Blaszyk 及 Joe McElroy 让我们使用 Model Context Protocol 服务器与你的数据在 Elasticsearch 中聊天。如果与你的数据交互像与同事聊天一样轻松，会怎样？想象一下，你只需简单地问：“显…...

编程日记 2025/7/6 5:27:08

前端调试实践与案例场景

前端调试实践与案例场景前端开发中，调试是一项必不可少的技能。以下是一些常见的前端调试实践和相应的案例场景： 1. 浏览器开发者工具案例场景：布局问题用户报告在移动设备上页面布局错乱。使用 Chrome DevTools 的设备模拟功能和 Ele…...

编程日记 2025/7/6 5:17:06

安卓的布局方式

一、RelativeLayout 相对布局特点：每个组件相对其他的某一个组件进行定位。 (一)主要属性 1、设置和父组件的对齐： alignParentTop ： 设置为true，代表和父布局顶部对齐。其他对齐只需要改变后面的Top为 Left、Right 或者Bottom&…...

编程日记 2025/7/6 3:08:34

计算机网络面经（一）

以下为个人总结，图源大部分会来自网络和JavaGuide 网络分层模型 OSI七层模型各层的常见协议应用层用户接口 HTTP, FTP, SMTP, DNS表示层数据格式转换 SSL/TLS, JSON, JPEG会话层会话管理 NetBIOS, RPC, SSH传输层端到端通信 TCP, UDP, QUIC网络层路由寻址…...

编程日记 2025/7/5 23:56:25

k8s日志管理

k8s日志管理 k8s查看日志查看集群中不是完全运行状态的pod查看deployment日志查看service日志进入pod的容器内查看日志管理k8s组件日志kubectl logs查看日志原理管理k8s应用日志收集k8s日志思路收集标准输出收集容器中日志文件 k8s查看节点状态失败k8s部署prometheus监控 k8s…...

编程日记 2025/7/2 7:58:04

Netty源码—10.Netty工具之时间轮二

大纲 1.什么是时间轮 2.HashedWheelTimer是什么 3.HashedWheelTimer的使用 4.HashedWheelTimer的运行流程 5.HashedWheelTimer的核心字段 6.HashedWheelTimer的构造方法 7.HashedWheelTimer添加任务和执行任务 8.HashedWheelTimer的完整源码 9.HashedWheelTimer的总结…...

编程日记 2025/7/4 8:48:39

Baklib激活企业知识管理新动能

Baklib核心技术架构解析 Baklib的底层架构以模块化设计为核心，融合知识中台的核心理念，通过分布式存储引擎与智能语义分析系统构建三层技术体系。数据层采用多源异构数据接入协议，支持文档、音视频、代码片段等非结构化数据的实时解析与分类…...

编程日记 2025/7/2 4:17:45

CSP-J/S冲奖第21天：插入排序

一、插入排序概念 1.1 生活中的类比 • 扑克牌排序：就像整理手中的扑克牌，每次将一张牌插入到已排好序的牌中合适位置 • 动态演示： 初始序列：[5, 2, 4, 6, 1, 3] 排序过程： → [2, 5, 4, 6, 1, 3] → [2, 4, 5, 6, …...

编程日记 2025/7/2 4:20:16

Jest系列二之基础实践

Jest基础实践官方文档地址：https://jest.nodejs.cn/docs 生命周期在 Jest 中，生命周期方法大致分为两类：下面所罗列的生命周期方法，也是全局方法，不需要引入，直接就可以使用。重复性的生命周期方法&…...

编程日记 2025/6/28 7:08:16

Scikit-learn全攻略：从入门到工业级应用

Scikit-learn全攻略：从入门到工业级应用引言：Scikit-learn在机器学习生态系统中的核心地位 Scikit-learn作为Python最受欢迎的机器学习库，已成为数据科学家的标准工具集。根据2023年Kaggle调查报告，超过83%的数据专业人士在日常工作中使用Scikit-learn。本文将系统性地介…...

编程日记 2025/7/3 13:27:15

基于Python的图书馆信息管理系统研发

标题:基于Python的图书馆信息管理系统研发内容:1.摘要在数字化信息快速发展的背景下，传统图书馆管理方式效率低下，难以满足日益增长的信息管理需求。本研究旨在研发一款基于Python的图书馆信息管理系统，以提高图书馆信息管理的效率和准确性…...

编程日记 2025/7/3 7:31:52

Pytorch学习笔记（十七）Image and Video - Adversarial Example Generation

这篇博客瞄准的是 pytorch 官方教程中 Image and Video 章节的 Adversarial Example Generation 部分。官网链接：https://pytorch.org/tutorials/beginner/fgsm_tutorial.html 完整网盘链接: https://pan.baidu.com/s/1L9PVZ-KRDGVER-AJnXOvlQ?pwdaa2m 提取码: …...

编程日记 2025/7/5 22:26:29

基于Arm GNU Toolchain编译生成的.elf转hex/bin文件格式方法

基于Arm GNU Toolchain编译生成的.elf转hex/bin文件格式方法已经弃用的版本（Version 10.3-2021.10）：gcc-arm-none-eabi：https://developer.arm.com/downloads/-/gnu-rmArm GNU Toolchain当前版本：https://developer.a…...

编程日记 2025/7/2 1:34:41

Ubuntu系统Docker安装失败

问题： 1. 删除错误的 Docker 源 sudo rm -rf /etc/apt/sources.list.d/docker.list sudo rm -rf /etc/apt/keyrings/docker.gpg 2. 重新添加 Docker 官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | …...

编程日记 2025/6/28 2:26:57

鸿蒙学习手册(HarmonyOSNext_API16)_数据持久化②：键值型数据库

概述键值型数据库就像一个大抽屉柜，每个抽屉都有一个唯一的标签（键），里面可以放任何东西（值）。当你需要存或取东西时，直接看标签拿对应的抽屉就行，不用管其他抽屉里有什么。这种简…...

编程日记 2025/7/5 22:41:03

多线程 - 线程安全 2 -- ＞死锁问题

目录小结复习： 线程安全： 如何解决线程安全问题？ synchronized “死锁” 死锁的三种经典场景： 1. 一个线程，一把锁。 2.两个线程，两把锁。 3. N 个线程 M 把锁完！ 小结复习&#xff1a…...

编程日记 2025/6/29 12:58:20

JavaScript函数详解

目录一、函数的基础概念 1. 函数的定义方式 2. 函数的参数处理 3.匿名函数与立即执行函数 4.同名函数与函数提升二、函数的作用域与闭包 1. 作用域（Scope） 2. 闭包（Closure） 三、高阶函数与函数式编程 1. 高阶函数 2…...

编程日记 2025/6/27 21:10:55

Python-八股总结

目录 1 python 垃圾处理机制2 yield3 python 多继承，两个父类有同名方法怎么办？4 python 多线程/多进程/协程4.1 多线程与GIL全局解释器锁4.2 多进程4.3 协程 5 乐观锁/悲观锁6 基本数据结构**1. 列表（List）****2. 元组&#xff0…...

编程日记 2025/7/5 16:41:18

整合分块请求大模型返回的测试用例及小工具显示bug修复

在之前的分块发送需求数据给大模型进行测试用例生成时，由于数据结构的改变，需要对分块的回复进行整合，正确的整合是保障系统稳定性和功能正确性的核心。随着测试需求的复杂化，这对测试工程师提出了更高的整合和管理要求。本文将为…...

编程日记 2025/6/28 1:31:08

记一道CTF题—PHP双MD5加密+”SALT“弱碰撞绕过

通过分析源代码并找到绕过限制的方法，从而获取到flag！ 部分源码： <?php $name_POST[username]; $passencode(_POST[password]); $admin_user "admin"; $admin_pw get_hash("0e260265122865008095838959784793");…...

编程日记 2025/7/1 1:55:21

stm32F103RCT6 FLASH模拟EEPROM 读写32位数据

#include “stm32flash.h” #ifndef __STMFLASH_H__ #define __STMFLASH_H__ #include "main.h" #define</...

编程日记 2025/6/28 6:51:19

Spring Data审计利器：@LastModifiedDate详解！！！

🕒 Spring Data审计利器：LastModifiedDate详解🔥 🌟 简介在数据驱动的应用中，记录数据的最后修改时间是常见需求。Spring Data的LastModifiedDate注解让这一过程自动化成为可能！本篇带你掌握它的核心用法…...

编程日记 2025/7/3 17:55:26

【SLURM】介绍

SLURM Slurm（Simple Linux Utility for Resource Management） 是一个用于管理和调度计算集群任务的开源作业调度系统。它主要用于高性能计算（HPC）环境，比如超算中心、大学的计算集群或企业的数据中心。本文主要针对使…...

编程日记 2025/7/6 2:11:28

算法-贪心算法

圣诞老人的礼物-Santa Clau’s Gifts 现在有多箱不同的糖果，每箱糖果有自己的价值和重量，每箱糖果都可以拆分成任意散装组合带走。圣诞老人的驯鹿雪橇最多只能装下重量W的糖果，请问圣诞老人最多能带走多大价值的糖果。输入第一行由两个…...

编程日记 2025/7/2 20:47:29

Nginx — Nginx处理Web请求机制解析

一、Nginx请求默认页面资源 1、配置文件详解修改端口号为8080并重启服务： 二、Nginx进程模型 1、nginx常用命令解析 master进程：主进程（只有一个） worker进程：工作进程（可以有多个，默认只有一…...

编程日记 2025/7/4 16:24:46

GAN随手笔记

文章目录 1. description2. code 1. description 后续整理 GAN是生成对抗网络，主要由G生成器，D判别器组成，具体形式如下 D 判别器： G生成器： 2. code 部分源码，暂定，后续修改 import nump…...

编程日记 2025/7/3 19:50:07

Java 8 时区与历法处理指南：跨越全球的时间管理

Java 8 的 java.time API 不仅修复了旧版日期时间 API 的设计缺陷，还提供了对时区和多历法的全面支持。无论是处理全球化应用的时区转换，还是适配不同文化的日历系统，Java 8 都能轻松应对。本文将深入解析其核心功能，并提供实用代…...

编程日记 2025/6/27 9:01:49

【STM32】对stm32F103VET6指南者原理图详解（超详细）

目录一、原理图基本概念二、STM32F103VET6 的主要特性二、MCU模块三、电源模块四、时钟模块五、复位模块NRST 六、GPIO模块LED 七、调试模块JTAG 八、外设模块UARTSPII2CADC 九、其它模块BOOT 一、原理图基本概念原理图/电路图通常由硬件工程师使用Altium Designer/ KiCad / …...

编程日记 2025/7/3 1:16:04

瑞芯微RKRGA（librga）Buffer API 分析

一、Buffer API 简介在瑞芯微官方的 librga 库的手册中，有两组配置 buffer 的API： importbuffer 方式： importbuffer_virtualaddr importbuffer_physicaladdr importbuffer_fd wrapbuffer 方式： wrapbuffer_virtualaddr wrapb…...

编程日记 2025/6/28 21:43:26

移动端六大语言速记：第1部分 - 基础语法与控制结构

移动端六大语言速记：第1部分 - 基础语法与控制结构本文将对比Java、Kotlin、Flutter(Dart)、Python、ArkTS和Swift这六种移动端开发语言的基础语法与控制结构，帮助开发者快速理解各语言间的差异与共性。 1. 基础语法 1.1 数据类型各语言的基本数据…...

编程日记 2025/6/30 1:29:22