当前位置：首页 > news >正文

Python----机器学习（逻辑回归与二分类问题）

news 来源：原创 2025/8/28 4:42:37

一、原理

逻辑回归是一种用于解决二分类问题的机器学习算法。其原理基于线性回归模型，通过使用逻辑函数（也称为sigmoid函数）将线性回归的结果映射到一个0到1之间的概率值，从而进行分类。

在实际生活中，通常一件事的结果往往有很多个影响因素，影响因素的不同会导致该事件会走向不同的结果。比如我们以人的饱腹感和食物的多少为例，假如吃的全是馒头，那么人吃饱与否除了与馒头的数量有关，还与馒头的大小有关。

二、Sigmoid激活函数

主要用于二分类问题的输出层，或早期神经网络中的隐藏层。

特点：

Sigmoid 函数的输出范围被限制在 0 到 1 之间，这使得它适用于需要将输出解释为概率或者介于 0 和 1 之间的任何其他值的场景。 Sigmoid 函数的两端，导数的值非常接近于零，这会导致在反向传播过程中梯度消失的问题，特别是在深层神经网络中。

Sigmoid激活函数有着如下几种缺点：

        梯度消失：Sigmoid函数趋近0和1的时候变化率会变得平坦，从导数图像可以看出，当x值趋向两侧时，其导数趋近于0，在反向传播时，使得神经网络在更新参数时几乎无法学习到低层的特征，从而导致训练变得困难。

        不以零为中心：Sigmoid函数的输出范围是0到1之间，它的输出不是以零为中心的，会导致其参数只能同时向同一个方向更新，当有两个参数需要朝相反的方向更新时，该激活函数会使模型的收敛速度大大的降低。在 Sigmoid 函数中，输出值恒为正。这也就是说，如果上一级神经元采用 Sigmoid 函数作为激活函数，那么我们无法做到此层的输入和符号相反。此时，模型为了收敛，不得不向逆风前行的风助力帆船一样，走 Z 字形逼近最优解。模型参数走绿色箭头能够最快收敛，但由于输入值的符号总是为正，所以模型参数可能走类似红色折线的箭头。如此一来，使用 Sigmoid 函数作为激活函数的神经网络，收敛速度就会慢上不少了。

        计算成本高：Sigmoid激活函数引入了exp()函数，导致其计算成本相对较高，尤其在大规模的深度神经网络中，可能会导致训练速度变慢。

        不是稀疏激活：Sigmoid函数的输出范围是连续的，并且不会将输入变为稀疏的激活状态。在某些情况下，稀疏激活可以提高模型的泛化能力和学习效率。

三、损失函数

选用交叉熵损失函数作为损失函数。因为交叉熵比均方差更适合分类问题，而均方差比交叉熵更适合回归问题。

四、反向传播

五、设计思路

5.1、散点输入

import numpy as npclass1_points = np.array([[1.9, 1.2],[1.5, 2.1],[1.9, 0.5],[1.5, 0.9],[0.9, 1.2],[1.1, 1.7],[1.4, 1.1]])class2_points = np.array([[3.2, 3.2],[3.7, 2.9],[3.2, 2.6],[1.7, 3.3],[3.4, 2.6],[4.1, 2.3],[3.0, 2.9]])
x1_data = np.concatenate((class1_points[:, 0], class2_points[:, 0]))
x2_data = np.concatenate((class1_points[:, 1], class2_points[:, 1]))
label = np.concatenate((np.zeros(len(class1_points)), np.ones(len(class2_points))))

5.2、前向计算

def forward(w1,w2,b):z=w1*x1_data+w2*x2_data+ba=sigmoid(z)return a

5.3、sigmoid函数

def sigmoid(x):return 1/(1+np.exp(-x))

5.4、参数初始化

w1=0.1
w2=0.1
b=0
lr=0.05

5.5、损失函数

def loss_func(a):loss=-np.mean(label*np.log(a)+(1-label)*np.log(1-a))return loss

5.6、开始选代

for epoch in range(1,1001):a=forward(w1,w2,b)deda=(a-label)/(a*(1-a))dadz=a*(1-a)dzdw1=x1_datadzdw2=x2_datadzdb=1gradient_w1 = np.dot(dzdw1, (deda * dadz)) / len(x1_data)gradient_w2 = np.dot(dzdw2, (deda * dadz)) / len(x2_data)gradient_b = (deda * dadz * dzdb).sum() / len(x1_data)w1 -= lr * gradient_w1w2 -= lr * gradient_w2b -= lr * gradient_bif epoch%100==0 or epoch==1:a=forward(w1,w2,b)loss=loss_func(a)print(epoch,loss)

5.7、可视化


from matplotlib import pyplot as plt
fig, (ax1, ax2) = plt.subplots(2, 1)
epoch_list = []
loss_list = []
for epoch in range(1,1001):a=forward(w1,w2,b)deda=(a-label)/(a*(1-a))dadz=a*(1-a)dzdw1=x1_datadzdw2=x2_datadzdb=1gradient_w1 = np.dot(dzdw1, (deda * dadz)) / len(x1_data)gradient_w2 = np.dot(dzdw2, (deda * dadz)) / len(x2_data)gradient_b = (deda * dadz * dzdb).sum() / len(x1_data)w1 -= lr * gradient_w1w2 -= lr * gradient_w2b -= lr * gradient_bif epoch%100==0 or epoch==1:a=forward(w1,w2,b)loss=loss_func(a)print(epoch,loss)x1_min, x1_max = x1_data.min(), x1_data.max()x2_min, x2_max = -(w1 * x1_min + b) / w2, -(w1 * x1_max + b) / w2# 绘制散点图和决策边界ax1.clear()ax1.scatter(x1_data[:len(class1_points)], x2_data[:len(class2_points)])ax1.scatter(x1_data[len(class1_points):], x2_data[len(class2_points):])ax1.plot((x1_min, x1_max), (x2_min, x2_max))ax2.clear()epoch_list.append(epoch)loss_list.append(loss)ax2.plot(epoch_list, loss_list)
plt.show()

六、完整代码

import numpy as np  # 导入 NumPy 库以进行数组和数学运算  
import matplotlib.pyplot as plt  # 导入 Matplotlib 库以绘制图形  # 定义类1的数据点  
class1_points = np.array([[1.9, 1.2],  [1.5, 2.1],  [1.9, 0.5],  [1.5, 0.9],  [0.9, 1.2],  [1.1, 1.7],  [1.4, 1.1]])  # 定义类2的数据点  
class2_points = np.array([[3.2, 3.2],  [3.7, 2.9],  [3.2, 2.6],  [1.7, 3.3],  [3.4, 2.6],  [4.1, 2.3],  [3.0, 2.9]])  # 将类1和类2的 x (特征1) 数据合并  
x1_data = np.concatenate((class1_points[:, 0], class2_points[:, 0]))  
# 将类1和类2的 y (特征2) 数据合并  
x2_data = np.concatenate((class1_points[:, 1], class2_points[:, 1]))  # 为类1和类2合并标签，类1为 0，类2为 1  
label = np.concatenate((np.zeros(len(class1_points)), np.ones(len(class2_points))))  # 前向传播函数  
def forward(w1, w2, b):  z = w1 * x1_data + w2 * x2_data + b  # 计算线性组合  a = sigmoid(z)  # 应用sigmoid激活函数  return a  # Sigmoid 激活函数  
def sigmoid(x):  return 1 / (1 + np.exp(-x))  # 计算 Sigmoid 值  # 初始化权重和偏置  
w1 = 0.1  
w2 = 0.1  
b = 0  
lr = 0.05  # 学习率  # 损失函数  
def loss_func(a):  loss = -np.mean(label * np.log(a) + (1 - label) * np.log(1 - a))  # 计算交叉熵损失  return loss  # 创建图形及子图  
fig, (ax1, ax2) = plt.subplots(2, 1)  
epoch_list = []  # 用于存储每个epoch的数量  
loss_list = []  # 用于存储每个epoch的损失值  epoches = 1000  # 定义总迭代次数  
for epoch in range(1, epoches + 1):  # 前向传播，计算输出  a = forward(w1, w2, b)  # 计算损失对输出的导数  deda = (a - label) / (a * (1 - a))  dadz = a * (1 - a)  # Sigmoid 导数  # 计算损失对权重和偏置的导数  dzdw1 = x1_data  dzdw2 = x2_data  dzdb = 1  # 对于偏置来说，导数始终是 1  # 计算权重和偏置的梯度  gradient_w1 = np.dot(dzdw1, (deda * dadz)) / len(x1_data)  gradient_w2 = np.dot(dzdw2, (deda * dadz)) / len(x2_data)  gradient_b = (deda * dadz * dzdb).sum() / len(x1_data)  # 更新权重和偏置  w1 -= lr * gradient_w1  w2 -= lr * gradient_w2  b -= lr * gradient_b  # 每 100 次迭代打印损失并更新图形  if epoch % 100 == 0 or epoch == 1:  a = forward(w1, w2, b)  # 计算新的输出值  loss = loss_func(a)  # 计算新的损失值  print(loss)  # 打印损失  # 更新决策边界的坐标  x1_min, x1_max = x1_data.min(), x1_data.max()  x2_min, x2_max = -(w1 * x1_min + b) / w2, -(w1 * x1_max + b) / w2  ax1.clear()  # 清空第一张子图  # 绘制类1和类2的数据点  ax1.scatter(x1_data[:len(class1_points)], x2_data[:len(class1_points)], c='blue', label='Class 1')  ax1.scatter(x1_data[len(class1_points):], x2_data[len(class2_points):], c='orange', label='Class 2')  # 绘制当前的决策边界  ax1.plot((x1_min, x1_max), (x2_min, x2_max), label='Decision Boundary', color='green')  ax1.legend()  # 显示图例  ax2.clear()  # 清空第二张子图  epoch_list.append(epoch)  # 将当前epoch添加到列表  loss_list.append(loss)  # 将当前损失添加到列表  ax2.plot(epoch_list, loss_list)  # 绘制损失变化图  plt.show()  # 显示图形

Python----机器学习（逻辑回归与二分类问题）

一、原理逻辑回归是一种用于解决二分类问题的机器学习算法。其原理基于线性回归模型，通过使用逻辑函数（也称为sigmoid函数）将线性回归的结果映射到一个0到1之间的概率值，从而进行分类。在实际生活中，通常一件事的结…...

编程日记 2025/8/28 4:42:37

YOLOv2 性能评估与对比分析详解

1. YOLOv2 简介 YOLOv2（You Only Look Once v2），也称为 YOLO9000，是 2016 年发布的目标检测模型，旨在改进 YOLOv1 的速度和准确性。它通过引入批量归一化、锚框和高分辨率输入等技术，显著提升了性能。YOLO…...

编程日记 2025/8/28 4:41:09

Java文件批量复制工具实现解析

目录引言 1、需求背景 2、实现原理 3、实现步骤 3.1 路径预处理 3.2 复制路径解析 3.3 递归复制逻辑 4、测试用例 5、总结引言在项目开发中，文件复制操作是常见的需求场景。本文将解析一个基于Java NIO实现的文件批量复制工具，该工具支持多路径批量操作、目录递归…...

编程日记 2025/8/28 4:34:50

uniapp小程序位置授权弹框与隐私协议耦合（合而为一）（只在真机上有用，模拟器会分开弹）

注意： 只在真机上有用，模拟器会分开弹效果图： 模拟器效果图（授权框跟隐私政策会分开弹，先弹隐私政策，同意再弹授权弹框）： manifest-template.json配置（ "__usePr…...

编程日记 2025/8/28 4:34:49

深入理解 Java 内存区域与内存溢出异常

个人主页文章专栏文章目录一、引言二、Java 运行时数据区域（一）程序计数器（二）Java 虚拟机栈（三）本地方法栈（四）Java 堆（五）方法区（六&#xf…...

编程日记 2025/8/28 4:38:07

算法复习（二分+离散化+快速排序+归并排序+树状数组）

一、二分算法二分算法，堪称算法世界中的高效查找利器，其核心思想在于利用数据的有序性，通过不断将查找区间减半，快速定位目标元素或满足特定条件的位置。 1. 普通二分普通二分适用于在有序数组中查找特定元素的位置。我们可以…...

编程日记 2025/8/28 4:34:48

99. 岛屿数量(深搜) (1)题目描述: (2)解题思路: #include <iostream> #include <vector> using namespace std;int dir[4][2] {0, 1, 1, 0, -1, 0, 0, -1}; // 四个方向 void dfs(const vector<vector<int>>& grid, vector<vector<bool&g…...

编程日记 2025/8/20 18:07:27

Apache HTTPD 换行解析漏洞

漏洞介绍 CVE-2017-15715 Apache HTTPD 是一个广泛使用的 HTTP 服务器，可以通过 mod_php 模块来运行 PHP 网页。在其 2.4.0 到 2.4.29 版本中存在一个解析漏洞，当文件名以 1.php\x0A 结尾时，该文件会被按照 PHP 文件进行解析，这…...

编程日记 2025/8/27 0:36:36

Spark-SQL（二）

一. 利用IDEA开发Spark-SQL 1 在pop.xml中添加spark-sql依赖 2 spark-sql测试代码 1）在idea中读取json文件创建DataFrame 2）SQL风格语法 3 ）DSL风格语法 4） RDD转换成DataFrame，DataFrame转换成DataSet 5&#x…...

编程日记 2025/8/27 16:41:34

Node.js 操作 MySQL 数据库

环境检查 Node.js 环境验证 node -v # 确认版本 ≥14.x npm -v # 确认能正常输出 MySQL 服务检查 # Linux systemctl status mysql# Windows (CMD) sc query MySQL 数据库与表创建创建数据库 CREATE DATABASE users CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode…...

编程日记 2025/8/25 11:58:37

linux运维篇-Ubuntu（debian）系操作系统创建源仓库

适用范围适用于Ubuntu（Debian）及其衍生版本的linux系统例如，国产化操作系统kylin-desktop-v10 简介先来看下我们需要创建出来的仓库目录结构 Deb_conf_test apt源的主目录 conf 配置文件存放目录 conf目录下存放两个配置文件&…...

编程日记 2025/8/26 7:58:38

从“数据孤岛”到“万物互联”，PLC组网重构工控边界

在工业自动化领域，PLC作为现代智能制造的核心控制单元，其应用已从单一设备的逻辑控制延伸至全厂级生产系统的协同管理。作为工业自动化系统的控制核心，PLC不仅需要实现设备层级的操控，更要通过工业通信网络构建起设备间的数据交互…...

编程日记 2025/8/27 1:21:26

【ISP】AWB的基本原理介绍（基于灰度像素检测）

🎨 基于灰度像素检测的自动白平衡（AWB）算法原理与实现在图像处理中，自动白平衡（AWB, Auto White Balance）是调整图像色温、还原真实色彩的关键算法之一。本文介绍一种经典实用的 AWB 方法 —— 基于灰度像…...

编程日记 2025/8/21 16:04:11

uniappx项目上架各手机平台

前段时间用uniappx开发的App，领导要求要在各个主要手机平台上上架了，本来不是我的任务，后来其他人没有空交给我了，上架小白一枚，哭唧唧的自己研究吧，根据领导发的账号密码登录各个平台上架，花费…...

编程日记 2025/8/27 3:47:08

DIB：Drone in Box- 室内外场景无人机无人化自主巡检技术方案

DIB：Drone in Box- 室内外场景无人机无人化自主巡检技术方案作为大疆机场3的无人机无人化巡检方案的补充三个自主巡检方案： 方案一、M350AIBOX自主机场-适合室外无人机自主巡检方案二、M4AIBOX自主机场-适合室内自主巡检方案三、停机坪AIBOX 自主巡…...

编程日记 2025/8/24 15:15:13

【大模型】GPT-4、DeepSeek应用与Prompt使用技巧

GPT-4 作为目前最先进的大语言模型之一，在多个领域都有广泛的应用。以下是一些典型的应用实例以及相关的 Prompt 使用技巧，帮助你更好地发挥 GPT-4 的潜力。一、GPT-4 应用实例 1. 内容创作博客/文章写作：生成高质量的技术博客、营销文案、…...

编程日记 2025/8/25 17:16:21

《分布式软总线：不同频段Wi-Fi环境下设备发现兼容性难题》

分布式软总线技术作为实现设备互联互通的关键，正逐渐成为构建万物互联世界的基石。然而，当分布式软总线面临不同频段Wi-Fi环境时，设备发现的兼容性问题成为了阻碍其广泛应用的一大挑战。这一问题不仅影响着用户体验，也制约着分布式…...

编程日记 2025/8/27 11:00:13

微电网与分布式能源：智能配电技术的场景化落地

安科瑞顾强随着数字化转型与能源革命的加速推进，电力系统正经历从传统模式向智能化、网络化方向的深刻变革。用户侧的智能配电与智能用电技术作为这一变革的核心驱动力，正在重塑电力行业的生态格局。本文将从技术架构、应用场景及未来趋势等维度&#…...

编程日记 2025/8/26 14:25:24

Flutter实战（1）-- 调试工具

Flutter实战调试篇：从开发到上线的完整指南工欲善其事，必先利其器。本文使用的Flutter的相关版本信息： Flutter 1.19.0-4.3.pre • channel beta Engine • revision 9a28c3bcf4 Tools • Dart 2.9.0 (build 2.9.0-14.1.beta) 本文是Flutte…...

编程日记 2025/8/24 12:47:42

每日算法(双指针算法)（Day 1)

双指针算法 1.算法题目（移动零）2.讲解算法原理3.编写代码 1.算法题目（移动零） 2.讲解算法原理数组划分，数组分块（快排里面最核心的一步）只需把0改为tmp 双指针算法：利用数组下标来…...

编程日记 2025/8/23 1:09:42

无人机的群体协同与集群控制技术要点！

一、技术要点通信技术高效可靠的通信链路：无人机集群需要稳定、低延迟的通信网络，以实现实时数据传输和指令交互。通信方式包括无线自组织网络（Ad Hoc）、蜂窝网络、卫星通信等，需根据任务场景选择合适的通信技术。…...

编程日记 2025/8/27 11:00:32

Linux常见指令介绍上（入门级）

1. ls指令功能：显示出当前目录下的所有子目录与文件。 PS:注意显示的是当前文件下的子目录与文件。以下这些是可以和ls配套使用的一些选项 -a 列出目录下的所有文件，包括以 . 开头的隐含文件。 -d 将目录象文件一样显示，而不是显示其下…...

编程日记 2025/8/24 17:13:28

【Linux系统篇】：从匿名管道到命名管道--如何理解进程通信中的管道？

✨感谢您阅读本篇文章，文章内容是个人学习笔记的整理，如果哪里有误的话还请您指正噢✨ ✨ 个人主页：余辉zmh–CSDN博客 ✨ 文章所属专栏：Linux篇–CSDN博客文章目录一.进程通信进程通信概念进程通信目的进程通信分类二.管道匿名…...

编程日记 2025/8/27 11:19:57

三、The C in C++

第三章主要讲解了 C 中继承自 C 语言的核心元素，包括函数创建、执行控制、操作符、数据类型、作用域、存储指示、复合类型创建等。 3.1 创建函数（Creating Functions） C允许函数重载，同名的函数可以根据参数类型和数量区分&…...

编程日记 2025/8/25 0:47:44

探索图像分类模型的 Flask 应用搭建之旅

最近深入研究了利用深度学习模型进行图像分类，并将其部署到 Flask 应用中的项目，过程中遇到了不少挑战，也收获了满满的知识，迫不及待想和大家分享一下。一、项目背景与目标在当今数字化的时代，图像数据呈爆炸式增长…...

编程日记 2025/8/26 8:07:52

OpenAI发布GPT-4.1系列模型——开发者可免费使用

OpenAI刚刚推出GPT-4.1模型家族，包含GPT-4.1、GPT-4.1 Mini和GPT-4.1 Nano三款模型。重点是——现在全部免费开放！ 虽然技术升级值得关注，但真正具有变革意义的是开发者能通过Cursor、Windsurf和GitHub Copilot等平台立即免费调用这些模型。…...

编程日记 2025/8/19 19:08:26

自动化测试工具playwright中文文档-------14.Chrome 插件

介绍注意插件仅在以持久化上下文启动的 Chrome/Chromium 浏览器中工作。请谨慎使用自定义浏览器参数，因为其中一些可能会破坏 Playwright 的功能。以下是获取位于 ./my-extension 的 Manifest v2 插件背景页面句柄的代码示例。 from playwright.sync_api imp…...

编程日记 2025/8/28 1:31:34

VGA显示

屏幕扫描形式在回扫的过程中，电子枪不能发射电子，否则会影响荧光屏上既有图像的颜色，所以回扫期间，需要进行行消隐，简单来说就是关闭电子枪。每行结束时，用行同步信号进行行同步，图中从右上方向左下方的斜向虚线就是其回行扫示意图。当整个屏幕的所有行都扫…...

编程日记 2025/8/26 22:37:01

微服务1--服务架构

系统架构单体应用架构特点：所有功能集中在一个应用中（如传统的 Spring Boot WAR 包）。适用场景：小型项目、快速验证阶段。优缺点： ✅ 开发简单，部署方便。 ❌ 扩展性差，技术栈耦合。 …...

编程日记 2025/8/23 22:02:55

鸿蒙应用元服务开发-Account Kit配置登录权限

一、场景介绍华为账号登录是基于OAuth 2.0协议标准和OpenID Connect协议标准构建的OAuth2.0 授权登录系统，元服务可以方便地获取华为账号用户的身份标识，快速建立元服务内的用户体系。用户打开元服务时，不需要用户点击登录/注册按钮&#…...

编程日记 2025/8/24 10:58:27

zg-docker详解与部署微服务实战与k8s

一. Docker课程 Docker简介 Docker是一个开源的容器引擎，有助于快速开发，docker更快地打包、测试以及部署应用程序，并可以缩短从编写到部署运行代码的周期。使用宿主机的网络：即使用宿主机的网段。联合文件系统-一个镜像，启动了多个容器，对于镜像中的文件a，多个容器…...

编程日记 2025/8/22 4:12:12

【含文档+PPT+源码】基于Python的快递服务管理系统【

毕业作品基于Django和HTML的快递网站设计与实现课程目标： 教你从零开始部署运行项目，学习环境搭建、项目导入及部署，含项目源码、文档、数据库、软件等资料课程简介： 本课程演示的是一款基于Python的快递服务管理系统&#x…...

编程日记 2025/8/28 0:52:56

嵌入式WebRTC轻量化SDK压缩至500K-800K ，为嵌入式设备节省Flash资源

一、SDK轻量化的核心技术实现 1、WebRTC库裁剪与模块化设计 EasyRTC针对嵌入式设备的资源限制，对原生WebRTC库进行深度裁剪，仅保留核心通信功能（如信令管理、编解码、网络传输等），移除冗余组件（如部分调试…...

编程日记 2025/8/25 17:13:20

JAVA学习-Stream

Stream Stream也叫Stream流，是Jdk8开始新增的一套API (java.util.stream.*)，可以用于操作集合或者数组的数据。优势： Stream流大量的结合了Lambda的语法风格来编程，提供了一种更加强大，更加简单的方式操作集合或者数…...

编程日记 2025/8/28 1:31:41

如何在同一个电脑配置多个jdk版本并随意切换

1.右键此电脑属性 2.点击高级系统配置 3.点击环境变量 4.进去后点击新建变量名：JAVA_HOME_版本，来进行命名变量值：jdk的路径即可，比如我的是D:\JAVA\JAVA11 5.创建完你所有的jdk版本之后接着新建变量名：JAVA_HOME…...

编程日记 2025/8/25 3:47:24

网工_传输层协议概述

2025.02.19：网工老姜&小猿网学习笔记第22节传输层协议概述 2.1 进程之间的通信2.2 传输层的两个主要协议2.3 传输层的端口2.3.1 端口号 2.4 本章小结 2.1 进程之间的通信前三层解决了数据从主机到主机的问题，也就是，我们现在已经可以把…...

编程日记 2025/8/22 17:11:01

《java面试宝典》之java多线程面试题

1：什么是线程？ 轻量级的进程 2：线程的三个部分是？ 处理机代码数据 3：为什么使用多线程使UI响应更快利用多处理器系统简化建模 4：代码示例：Java中实现多线程的两种方式，包括如何…...

编程日记 2025/8/27 10:52:45

5款电脑健康状况监测软件

鲁大师：专业且免费，能检测电脑硬件配置，辨别硬件真伪，检查电脑病毒隐患。可一键清理系统垃圾，提升电脑性能。还能全程监护硬件状态，实时检测硬件温度变化，让用户轻松掌握电脑健康状况。360 安全…...

编程日记 2025/8/23 17:12:06

JWT令牌：实现安全会话跟踪与登录认证的利器

摘要：本文深入探讨了JWT令牌在实现会话跟踪和登录认证方面的应用，详细介绍了JWT令牌的概念、组成、生成与校验方法，以及在实际案例中如何通过JWT令牌进行会话跟踪和登录认证的具体实现步骤，为系统的安全认证机制提供了全面且深入的…...

编程日记 2025/8/17 19:49:46

uni-app/微信小程序接入腾讯位置服务地图选点插件

uni-app/微信小程序接入腾讯位置服务地图选点插件 0、常出现的错误及解决方法0.1插件未授权使用（见步骤1）0.2小程序类目不符合引用该类目插件的要求或主体类型不符合要求（见步骤1）0.3需要在app.json中声明permission scope.userLo…...

编程日记 2025/8/22 7:17:20

3款顶流云电脑与传统电脑性能PK战：START云游戏/无影云/ToDesk云电脑谁更流畅？

这里写目录标题一、前言二、本地机器配置环境三、START云游戏/无影云/ToDesk云电脑配置对比3.1 START云游戏3.2 无影云个人版3.3 ToDesk云电脑四、本地电脑与云电脑性能实战4.1 游戏场景体验4.1.1 本地电脑测试4.1.2 云电脑测试英雄联盟黑神话悟空其他游戏 4.2 主流设计场景体…...

编程日记 2025/8/22 5:55:28

WINUI——Background小结

在 WinUI/UWP XAML 中，Background（或其他颜色属性）支持多种颜色表示方式，包括以下三种主流格式： 1. RGB 十六进制（不透明） 格式：#RRGGBB特点…...

编程日记 2025/8/23 23:01:27

公司内部自建知识共享的方式分类、详细步骤及表格总结，分为开源（对外公开）和闭源（仅限内部），以及公共（全员可访问）和内部（特定团队/项目组）四个维度

以下是公司内部自建知识共享的方式分类、详细步骤及表格总结，分为开源（对外公开）和闭源（仅限内部），以及公共（全员可访问）和内部（特定团队/项目组）四个维度&am…...

编程日记 2025/8/17 18:50:42

cursor AI编辑器的详细使用

以下是Cursor AI编辑器的详细使用介绍，涵盖核心功能、安装配置、使用技巧、高级应用及常见问题解决方案，结合了多个权威来源的实践指南和最新技术动态： 一、Cursor AI简介与核心功能定位与架构 Cursor是基于Visual Studio Code（V…...

编程日记 2025/8/27 4:49:48

js逆向入门实战某某观察网响应数据解密

(base64解码 base64解码）地址:aHR0cHM6Ly93d3cuc3dndWFuY2hhLmNvbS9ob21lL2NpdHktZGV0YWlsP2NvZGU9MzEwMTAw 分析过程 1.抓数据包，发现响应数据是加密字符串。 2.对于这种回显数据解密，大概率通过拦截器实现，搜索intercepto…...

编程日记 2025/8/26 9:43:29

Ubuntu安装yum遇到Package ‘yum‘ has no installation candidate

环境说明 Window11，WSL2，Ubuntu24.04 错误描述 rootLAPTOP:~# apt-get install yum Reading package lists... Done Building dependency tree... Done Reading state information... Done Package yum is not available, but is referred to by anot…...

编程日记 2025/8/25 7:33:19

爱普生SG3225EEN低抖动差分晶振在网络通信的应用

在当今数字化时代，网络通信的飞速发展对数据传输的准确性、稳定性和高效性提出了极为严苛的要求。从 5G 通信网络的大规模部署，到数据中心的海量数据交换，再到智能家居系统的互联互通，每一个环节都离不开精准稳定的时钟信号作为支…...

编程日记 2025/8/27 16:47:36

软考教材重点内容信息安全工程师第22章网站安全需求分析与安全保护工程

22.1.1 网站安全概念网站是一个基于 B/S 技术架构的综合信息服务平台，主要提供网页信息及业务后台对外接口服务。一般网站涉及网络通信、操作系统、数据库、Web 服务器软件、Web 应用、浏览器、域名服务以及 HTML, XML,SSL; Web Services 等相关协议，同…...

编程日记 2025/8/20 5:10:42

数智读书笔记系列029 《代数大脑：揭秘智能背后的逻辑》

《代数大脑：揭秘智能背后的逻辑》书籍简介作者简介加里F. 马库斯（Gary F. Marcus）是纽约大学心理学荣休教授、人工智能企业家，曾创立Geometric Intelligence（后被Uber收购）和Robust.AI公司。他在神经科学、语言学和人工智能领域发表了大量论文，并著有《重启AI》等多部…...

编程日记 2025/8/17 9:50:31

UWB技术与5G、物联网结合的应用前景

‌ 一、核心应用场景与优势‌ ‌工业自动化与智能制造‌ ‌高精度设备协同‌：UWB技术（3cm定位精度）与5G（1ms级时延）结合，可实时追踪AGV、机械臂等设备位置，优化生产节拍，提升效率20…...

编程日记 2025/8/28 3:32:35