NOT
JS三种实时通信方式—Eventsource、websocket与socket.io之间的差异和优缺点
Eventsource、websocket与socket.io 三者的差异和优缺点EventSource EventSource 是一种轻量级的 API，用于获取来自服务器的实时事件。它是 WebSockets 的替代方案，因为它比 WebSockets 更简单，更适合处理服务器向客户端发送数据的情 ......
30. 串联所有单词的子串
给定一个字符串 s 和一个字符串数组 words。 words 中所有字符串 长度相同。 s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。 例如，如果 words = ["ab","cd","ef"]， 那么 "abcdef"， "abefcd"，"cdabe ......
执行以下代码，alert的输出结果为hello189
执行以下代码，alert的输出结果为 hello189 var msg = 'hello'; for (var i = 0; i<10; i++){ var msg = 'hello' + i * 2 + i; } alert(msg) 在for循环内使用var声明的变量msg并不是局部变量，而是全 ......
白屏时间first paint和可交互时间dom ready的关系是先触发first paint ，后触发dom ready
页面的性能指标详解： 白屏时间（first Paint Time）——用户从打开页面开始到页面开始有东西呈现为止 首屏时间——用户浏览器首屏内所有内容都呈现出来所花费的时间 用户可操作时间(dom Interactive)——用户可以进行正常的点击、输入等操作，默认可以统计domready时间，因为 ......
#18搞OI不要会证明
Karen and Cards 题面 设符合条件的三元组为 \((x,y,z)\)。枚举 \(x\)，可以将 \(n\) 个三元组分为两类：\(a_i\ge x\) 和 \(a_i<x\)。对于 \(i\in [1,n],a_i\ge x\)，需要满足的条件为 \(b_i<y\) 且 \(c_i<z ......
第二次作业
这个作业属于哪个课程 https://edu.cnblogs.com/campus/zjlg/23rjjsjc 这个作业的目标 实现一个命令行文本计数统计程序 姓名-学号 莫冰欣-2021330301005 码云地址：https://gitee.com/morii91g/second-assignm ......
Python工具箱系列(四十五)
内存映射文件 mmap是python内置标准库，提供将文件映射到内存的机制。通过mmap将文件映射到内存之后，我们可以高效并优雅地对文件的内容进行随机访问。通常打开文件后要通过组合各种seek()、read()和write()调用来访问，使用mmap后可以简单将文件映射到内存，然后通过切片操作来访问 ......
matlab用Logistic逻辑回归建模和马尔可夫链蒙特卡罗MCMC方法分析汽车实验数据
原文链接：http://tecdat.cn/?p=24103 原文出处：拓端数据部落公众号 此示例说明如何使用逻辑回归模型进行贝叶斯推断。 统计推断通常基于最大似然估计 (MLE)。MLE 选择能够使数据似然最大化的参数，是一种较为自然的方法。在 MLE 中，假定参数是未知但固定的数值，并在一定的置 ......
R语言群组变量选择、组惩罚group lasso套索模型预测分析新生儿出生体重风险因素数据和交叉验证、可视化
原文链接：http://tecdat.cn/?p=25158 原文出处：拓端数据部落公众号 本文拟合具有分组惩罚的线性回归、GLM和Cox回归模型的正则化路径。这包括组选择方法，如组lasso套索、组MCP和组SCAD，以及双级选择方法，如组指数lasso、组MCP。还提供了进行交叉验证以及拟合后可 ......
picgo搭配github实现永久图床
picgo 简介 picgo是一个图片上传工具，当我们在里面配置好存储源时，就可以使用该工具实现图片上传。 官网：Releases · Molunerfinn/PicGo (github.com) 如何配置picogo 首先我们在github里面新建一个仓库，用来存储我们的图片 记录下这些关键字符串 ......
Domino for Young
题目给出了一张杨表，要求你能够放上去的最多的骨牌数量。 证明看这里。 只能说妙蛙！ 补充一些题解认为显然的证明。 任何一张网格图（相邻的点视作有边），按照 \(i+j\) （下标）的奇偶性划分，可以证明这是一张二分图（有点显然）。 \(\forall (x,y),color(x+1,y)\neq c ......
大二算法实验一用循环链表解决约瑟夫环
题目 约瑟夫（Joeph）问题的一种描述是：编号为 1,2,…,n 的 n 个人按顺时针方向围坐一圈， 每人持有一个密码（正整数）。一开始任选一个正整数作为报数上限值 m，从第一个人开始 按顺时针方向自 1 开始顺序报数，报到 m 时停止报数。报 m 的人出列，将他的密码作为新 的 m 值，从他在顺 ......
C++最自信的鱼
题目描述 人比人，气死人；鱼比鱼，难死鱼。小鱼最近参加了一个“比可爱”比赛，比的是每只鱼的可爱程度。 参赛的鱼被从左到右排成一排，头都朝向左边，然后每只鱼会得到一个整数数值，表示这只鱼的可爱程度，很显然整数越大，表示这只鱼越可爱，而且任意两只鱼的可爱程度可能一样。 由于所有的鱼头都朝向左边，所以每只 ......
BUUCTF_Crypto_WriteUp | password
题目 姓名：张三 生日：19900315 key格式为key{xxxxxxxxxx} 分析 标题是 password，题目给的是 key，猜测 key 里的内容应该就是张三的密码。 题目给 key 的内容很认真地放了 10 个 x，猜测 flag 内容是十位字符。而张三的姓名是 2 个字，给出的生日 ......
脚本强制预置apk | adb install 方式
使用场景：Android 系统预置apk无法打开 简单总结：脚本预置进android设备指定目录，预置方式还是通过device.mk ； 目标apk存放至代码随意目录下；执行脚本（此部分由init.r获取对脚本的读写权限） 目标apk存放 以上Android.mk 中的mkdir指令，作用是为了编译 ......
Batch Normalization(批量归一化)
Batch Normalization 内部协变量偏移（ICS） 在神经网络的训练过程中，由于隐藏层参数的更新，同分布不同批次的数据，进入网络同一层后的输出分布发生变化，这种现象称之为内部协变量偏移（ICS）。 引起的问题 收敛速度慢，学习不稳定 一方面，ICS现象使网络的每一层需要不断适应输入数据 ......
Params(参数量)、Model_size(模型大小)和Flops(计算量)
Params(参数量)、Model_size(模型大小)和Flops(计算量) 参数量（params）： 参数的数量，通常以M为单位。 params = Kh × Kw × Cin × Cout 模型大小(模型大小)： 在一般的深度学习的框架中（如PyTorch），一般是32位存储，即一个参数用32 ......
CMD 变量
环境变量： %CD%: 当前目录 %DATE%: 当前日期 %TIME%: 当前时间 %RANDOM%: 返回一个随机数 %ERRORLEVEL%: 最后执行的命令的退出代码 %ERRORLEVEL% windows在bat文件代码中取盘符和文件夹等路径命令和变量 echo 当前盘符：%~d0 ec ......
jenkins gitlab CI/CD
jenkins的安装教程就不说了：https://blog.csdn.net/hanjun0612/article/details/103614979 最近打算从svn切换到gitlab，所以配置了一下jenkins的git 很简单，直接上图 1 选择 Git 2 录入gitlab的http地址（由 ......
如何快速获取AWR中涉及到的表
最近遇到一个很少见的需求，是关于应用测试方面的。 具体来说，这个应用的测试需求要基于一个固定的时间点数据，而且只能测试一轮，再测试就需要还原到测试前状态。 因为我们使用的存储是分层的（热数据在Flash上，冷数据在传统机械盘），但因为每次测试都需要将数据库闪回还原到固定时间点，效果不佳，所以需要尽可 ......
第二次作业
这个作业属于哪个课程https://edu.cnblogs.com/campus/zjlg/23rjjsj 这个作业的目标 在码云上提交完成指定目标的程序 姓名-学号 鲁志磊-2021330301147 作业要求 实现一个命令行文本计数统计程序。能正确统计导入的纯英文txt文本中的字符数，单词数，句 ......
wsl2 配置网络为镜像网络，保障宿主机与wsl中的虚拟机共享同一物理IP
要求： 操作系统版本要求： 23H2 1. 按照提示安装wsl之后，需要升级wsl wsl --set-default-version 2 wsl --update --pre-release 2. 在宿主机中的用户目录下新建或者编辑文件 .wslconfig [experimental]autoM ......
时间装置器
时间装置器可以直观看出算法运行时间的快慢 ## 时间装置器 import time def cal_time(func): def wrapper(*args,**kwargs): t1 = time.time() result = func(*args,**kwargs) t2 = time.ti ......
报错：bucketId out of range: -1 (state=,code=0)
一、背景 datax同步postgre库表数据到hive表，同步完成后select报错 java.io.IOException: java.lang.IllegalArgumentException: Bucket ID out of range: -1 二、代码 1.hive 建表语句 creat ......
迁移学习
迁移学习 迁移学习（Transfer Learning）是机器学习和深度学习领域的一种方法，它通过将从一个任务中学到的知识或模型参数应用于另一个相关或不完全相关的任务，从而改进后者的性能。这个概念灵感来源于人类学习的方式，即我们在一个领域学到的知识和技能可以帮助我们更容易地学习另一个领域。 迁移学习 ......
训练、验证和推理
训练、验证和推理 在深度学习中，推理（Inference）、训练（Training）和验证（Validation）是三个关键概念，它们分别表示了不同的阶段和任务： 训练（Training） 训练是深度学习模型的初始阶段，其中模型通过学习数据的过程来逐步优化自己的参数，以便能够捕获输入数据的特征并执行 ......
指标分析
指标分析 mAp：平均精度，综合衡量检测效果 Ap：精度，衡量被检测的物体是否准确 recall：召回，衡量需要被检测的物体是否被检测到 IoU：交并比，衡量预测框和真实框的重合程度 ......
Anchor box（锚框）
Anchor box（锚框） 锚框是一种用于定义目标位置和尺寸的预定义框或边界框，通常是在图像中不同长度和长宽比下的一组矩阵，对不同大小和不同形状的目标进行检测。 锚框为模型提供不同长度和长宽比的先验信息，使模型能够适应不同大小和形状的目标。算法本身不知道标号物体真实的位置，如果直接对位置预测比较困 ......
Tutorial on COM Servers for Custom Objects教程中的问题
这几天在学习ObjectARX COM封装的教程，遇到了一些问题，记录如下： 环境：Win7+Visual Studio 2015+autocad 2018 教程下载地址：https://www.bing.com/ck/a?!&&p=dd8cff636121df5fJmltdHM9MTY5OTIyO ......
Spring Cloud 5大组件（六）
前言 了解spring-cloud的主要组件及相关作用，简单了解工作原理。 一、Spring-cloud五大组件 参看网址：https://www.cnblogs.com/long88-club/p/11055848.html 1、EureKa 注册中心 Eureka是微服务架构中的注册中心，专门负 ......