- 博客(16)
- 收藏
- 关注
RSS订阅原创 深度学习之随机梯度下降SGD算法
引入偏置项 b 后，模型更灵活，但需要额外计算和更新 b 的梯度。这是深度学习中最基础的参数扩展，后续多层神经网络会在此基础上扩展更多参数。
2025-06-11 09:06:44
362
原创 深度学习--简介
关联分析（Associative Analysis ）通过对 数据集中某些属性同时出现的规律和模式 来发 现其中的属性间的关联、相关、因果等关系 ，典型应用是购物篮分析。关联分析包括Apriori算法和FP-Growth算法。AI产品推荐：微信小程序PPT超级市场、kimi PPT助手（kimi.com）、klingai.com(视频生成)
2025-06-10 09:14:21
1024
原创 项目单元测试
一般对service层、Dao层/mapper层进行单元测试，注解是：@SpringBootTest,测试方法用@Test注解，加了这个注解后就能单独运行。（@slf4j：打日志）解释：加了@Test注解，单独测试方法，要把System.out.println();换成打日志的语句才是用的打日志。我的疑问：为什么用了@slf4j打日志的注解不用打日志的方法要用Debug？可以专门测某个类里的某个方法如图（可以打日志，可以Debug）步骤：1.这里打的是dev包。注：我这里用的Debug。
2025-05-14 09:32:32
181
原创 定时任务-cron
（每次新建线程），生产环境需自定义线程池（参考前文配置）。高解耦、高可靠性的异步任务（如订单处理、数据同步）。定义生产者（发送消息）和消费者（异步处理）最基础的异步实现，直接创建新线程执行任务。调用异步任务不能在同一个类里，不然就不生效。：手动管理线程复杂，频繁创建线程开销大。通过线程池管理异步任务，可获取任务结果。通过接口实现异步结果通知，常见于网络库。简单异步任务，如日志记录、邮件发送等。需要获取异步结果或链式调用的复杂任务。支持链式调用和回调，更灵活的异步编程。解耦生产者和消费者，支持分布式部署。
2025-05-09 17:06:53
941
原创 Android高级控件ViewPage
1.先引入一个UI控件（新版本是：ViewPager2）2.新建一个数据适配器（例：ViewPagerAdapter.java）先定义一个Hodler(内部类)，例：MyHodler3.java类里绑定页面 4.页面布局（first_page_layout.xml）,用于视图创建与这里关联联想到的知识点：RecyclerView 和 ViewPager 都是 Android 开发中常用的 UI 组件，但在功能、使用场景等方面存在诸多区别：
2025-04-25 15:11:34
668
原创 SpringBoot安全机制
这是令牌的核心部分，包含了实际的数据。虽然载荷是编码后的，但它不是加密的，所以不应该包含敏感信息。签名是通过使用标头和载荷中的信息，结合一个秘密密钥（对于对称算法）或私钥（对于非对称算法）计算得出的。：这部分包含了令牌的类型（通常是"JWT"）以及所使用的签名算法，如HMAC SHA256或RSA等。总的来说，JWT提供了一种轻量级、自包含的方式来进行身份验证和信息交换，特别适用于分布式系统和微服务架构。这里的东西都是不涉密的，都能被解析，可以看，但不能改，如果改过token，签名会变。
2025-04-24 15:03:01
277
原创 SpringBoot入门
更像是一个“超级组合包”，它是基于Spring Boot的，专门为构建微服务架构的应用程序而设计的。想象一下，如果你的应用程序需要由多个小部分（微服务）组成，每个部分都可以独立运行、扩展和更新，Spring Cloud就提供了管理和协调这些微服务所需的所有工具，比如服务发现、负载均衡、故障容忍等。Spring Boot已经预先配置好了很多常用的工具和设置，你可以直接使用它们来快速搭建起你的项目，省去了大量的配置工作。无论你是要建一个简单的网站还是复杂的企业级应用，Spring都能提供帮助。
2025-04-23 09:50:39
218
原创 Spring Boot异常处理
空指针异常是Java中最常见的运行时异常之一，通常发生在试图访问或操作一个未被正确初始化的对象（即对象为。Spring等框架中未正确注入Bean，导致Service/Dao层对象为。使用IDE（如IntelliJ IDEA）或工具（如SpotBugs）检测潜在的。6.捕获空指针异常（匹配程度更高的最先被捕获、@Order值越小就越先被捕获）访问未初始化的数组或错误下标。创建对象实例，直接调用其方法或属性。调用外部方法时，未处理可能的。在关键位置添加日志，结合。时进行自动拆箱操作。
2025-03-14 15:20:48
400
原创 Git新建仓库步骤以及常用命令
注：目前lixixi_dev领先于主分支的代码（主分支现在落后于lixixi_dev,所以可以合并，如果主分支改动过即使落后于lixixi_dev分支也不能合并,你输入合并的命令后会提示你：“在合并之前请提交你的修改”）再回顾一下合并分支的两个条件：1.当前的修改已经提交到本地仓库；一般是不建议在这个分支上进行开发，原因：1.在团队做项目时，与其他成员合并不了代码，主分支会有一个专门的管理员来管理代码，不能随便改主分支的代码，所以要单独创建一个自己的分支来进行代码修改和改Bug。
2025-03-08 15:22:52
3496
原创 OpenCV将合并的图分离
思路：这里我合并的图为output.jpg，这幅图由A1和A2合并而成，其中图A1的权重是0.4，图A2的权重是0.6，现在我要做的是从output.jpg中把图A1还原出来，并保存显示。将A1分离出来逻辑：A1=（output-A2*W2）/W1(简单的等式换算)合并图逻辑：output=A1*w1+A2*W2。
2025-03-07 11:24:41
223
原创 OpenCV将两张图片进行合并
背后逻辑：output=A1*weight1+A2*weight(A1是指第一张图片的像素值，A2是第二张的，weight1第一张图片的权重值)步骤二：根据输入每个图片的权重值，对两张图片进行合并。步骤一：读取两张图片（两个图片分辨率要一致）步骤三：显示合并的图片。
2025-03-07 10:55:35
239
原创 OpenCV平均阈值算法
平均阈值算法是一种常用的数据处理和分析方法，尤其在图像处理和统计学中广泛应用。其基本原理是通过计算某个数据集或图像的平均值（如灰度值）来设定一个阈值，然后根据这个阈值对数据进行分类或处理。
2025-03-05 20:49:49
548
原创 Scrapy爬取网页信息步骤
（5）lis那个标签可以理解为包含下面标签的主标签，一般复制的是li标签，复制下来是：li:nth-child(1),一般我们都是。步骤七：修改settings，添加请求头，修改robots权限为False，添加LOG_LEVEL = "WARNING"后面复制过来的selector是li标签后的，前面的就删除，注意div前面不要有空格。步骤二：在终端输入以下命令建包：（renyou_book可自定义，我这里爬的是人邮图书）观察所得：page 后面是变量，依此爬取后面页数的图书信息。(3)后面的标签要加。
2024-12-24 11:48:17
784
原创 机器学习笔记三
总结：无监督学习善于从大量未标记的数据中发现隐藏的模式和结构，而监督学习则在处理明确定义的预测和分类任务方面表现出色，根据具体的数据特点和任务需求选择适合的学习方法。精确率：在所有被预测为正类的样本中真正的正样本比例。训练过程：模型从标注好的数据中学习特征与输出之间的关系，常见的算法有线性回归、逻辑回归和神经网络等。类别标签：分类任务的目标是将输入映射到输出的类别标签，如垃圾邮件的过滤中判断邮件是否为垃圾邮件。K近邻算法：通过计算新样本与已知样本的距离，按照距离最近的K个样本的类别进行投票决定分类结果。
2024-09-17 19:13:09
1466
原创 机器学习笔记一
将数据切分为k个互不相交的大小相同的数据集，利用k-1个子集训练，用剩下的一个子集测试，重复k次，选出平均测试误差最小的模型。通过交叉验证将数据集分割成训练集和测试集，评估模型在未见数据上的性能，减少 过拟合，选择更泛化的模型。交叉验证通过多次分割数据训练和测试模型，有效评估模型 的泛化能力，避免选择过度拟合训练数据的模型。在模型选择时，若无足够数据或理论支持复杂模型更优，则选择最简单的模型，即 “如无必要，勿增实体”。 神经网络是基于历史数据构建的分析模型，新数据产生时需要动态优化网络的结构和参数。
2024-09-05 23:00:35
1959
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人