E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
mmlab学习系列
04LaTeX
学习系列
之---overleafz在线编辑平台的使用
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第4篇。
张一根
·
2020-06-22 01:42
《妈妈再也不用担心我的
学习系列
》之RabbitMQ动态修改队列名
上一篇文章:《妈妈再也不用担心我的
学习系列
》之RabbitMQ快速入门前言在我们公司日常用RabbitMQ的时候如果多个服务都用到了队列,那么势必会有很多影响(如果不是广播模式队列是轮询接收消息的)所有这时候我们肯定是要去区别每一个服务的队列
濒临
·
2020-06-22 00:38
java学习
12LaTeX
学习系列
之---LaTex的图片插入
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第12篇。
张一根
·
2020-06-21 23:45
amdroid源码
学习系列
之--建立android系统开发环境
1.首先安装ubuntu,这里我使用的是ubuntu14.04,下载安装完成之后,更改ubuntu的软件源:依次点击systemsetting->software&updates--->ubuntusoftword,然后在downloadfrom右侧选择othes,在弹出的对话框中寻找china条目,然后找到一个镜像地址(如:http://mirrors.sohu.com/ubuntu)就可以了。
JacksonLiao
·
2020-06-21 22:43
android
机器
学习系列
(二十六)——Logistic回归
用回归方法做分类Logistic回归听名字像是回归算法,其实它解决的是分类问题,为什么要叫回归呢,这是因为Logistic回归是用回归的方法来解决分类问题。那么问题来了,回归的办法如何解决分类问题呢?回归得到的结果是连续的值如何对应到离散的类别呢?一个简单的方式就是选定阀值,以二分类问题为例,利用回归我们可以通过每个样本的特征得到对应的预测数值,对于这些预测数值我们设定一个阀值,如果预测数值大于阀
Ice_spring
·
2020-06-21 21:47
RunLoop学习资料
非常好的runloop
学习系列
CoreFoundation源码RunLoop系列之源码分析关于Runloop的原理探究及基本使用RunLoop系列之要点提炼RunLoop系列之源码分析runloop循环一旦开启
黄花菜先生
·
2020-06-21 21:03
wireshark
学习系列
——————5、处理已捕捉到的数据包
浏览您捕捉的包在你已经捕捉完成之后,或者打开先前保存的包文件时,通过点击包列表面版中的包,可以在包详情面板看到关于这个包树状结构以及字节面版通过点击左侧"+"标记,你可以展开树状视图的任意部分。你可以在面板点击任意字段来选择它。例如:在下图“Wireshark选择了一个TCP包后的界面”显示的就是选中TCP字段。同样可以选择TCP包头的应答号(ack:190),同时会出现在下方的字节浏览面版中。W
FLy_鹏程万里
·
2020-06-21 20:02
【信息安全】
【渗透测试工具使用指南】
———Wireshark
区块链
学习系列
(002):拜占庭将军问题
区块链解决了在不可信信道上信息传输、价值转移的问题,而共识机制则解决了在分布式的场景下如何确保一致性的问题,区块链技术之所以能在无第三方的前提下进行价值转移,关键利用了共识机制确保了区块链正常运行。拜占庭将军问题比特币最经典的地方就解决了拜占庭将军问题,那么什么是拜占庭将军问题呢?拜占庭将军问题是一个共识问题:首先由LeslieLamport与另外两人在1982年提出,被称为TheByzantin
冰山上的火焰
·
2020-06-21 19:19
ST-GCN docker 安装
新版成功了,旧版还没有折腾出来,这里也放出来,如果有成功的小伙伴可以来讨论一波~一、成功案例(新版STGCN)——简单,官方给提供dockerfile代码:https://github.com/open-
mmlab
XianyuFFF
·
2020-06-21 18:52
model
05LaTeX
学习系列
之---TeX的命令行操作
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第5篇。
张一根
·
2020-06-21 15:02
机器
学习系列
(16)_怎样找到一份深度学习的工作(附学习材料,资源与建议)
原文地址:Howtogetajobindeeplearning原文翻译与校对:@戴丹&&@胡杨&&寒小阳时间:2016年10月。出处:http://blog.csdn.net/han_xiaoyang/article/details/52777661声明:版权所有,转载请联系作者并注明出如果你是一个软件工程师(或者你现在正在学习这一方面),你肯定有机会听说过深度学习(有时候深度学习缩写为”DL”)
寒小阳
·
2020-06-21 14:03
机器学习/数据挖掘
机器学习与数据挖掘
推荐一位川大零基础转行 Python 的人生勇士
公众号文章主要分三个方向:Python爬虫&数据分析系列、每周分享系列和机器
学习系列
(正在更新)。里面有非常多干货,今天节选部分分享与你。
wuShiJingZuo
·
2020-06-21 14:33
MySql
学习系列
(二)
MySql
学习系列
(二)2.1MySQL基础(二)-表操作#学习内容#1、MySQL表数据类型2、用SQL语句创建表3、用SQL语句向表中添加数据4、用SQL语句删除表5、用SQL语句修改表#作业#项目三
HAITG
·
2020-06-21 13:12
数据库
3. gradle构建
学习系列
目录1.gradle构建
学习系列
2.gradle构建
学习系列
3.gradle构建
学习系列
21.applyplugin:'xx'引入Gradle插件applyplugin:’×××’:叫做二进制插件,applyfrom
Gavin_Alison
·
2020-06-21 12:18
这是一位川大零基础转行 Python 的人生勇士
公众号文章主要分三个方向:Python爬虫&数据分析系列、每周分享系列和机器
学习系列
。里面有非常多干货,今天节选部分分享与你。「Python爬虫&数据分析」系列Python爬虫&数据分析系列最早开始
小詹学 Python
·
2020-06-21 12:02
MVC系列——MVC源码学习:打造自己的MVC框架(一:核心原理)
本文原创地址:http://www.cnblogs.com/landeanfen/p/5989092.htmlMVC源码
学习系列
文章目录:MVC系列——MVC源码学习
weixin_34055787
·
2020-06-21 11:20
docker
学习系列
(四):数据持久化
需要搞清楚一个概念的是,docker的容器设计理念是可以即开即用,用完可以随意删除,而新建容器是根据镜像进行渲染,容器的修改是不会影响到镜像,但是有时候容器里面运行的产生的数据(如mysql)或者配置项(如nginx的nginx.conf)我们又需要保存起来的,因而我们需要对容器某些修改的数据进行挂载。下面介绍三种持久化数据的方式1.挂载磁盘到本地dockerrun-v宿主目录:容器挂载的目录镜像
weixin_30587025
·
2020-06-21 10:37
C#
学习系列
-抽象方法与虚拟方法的区别
C#
学习系列
-抽象方法与虚拟方法的区别原文:C#
学习系列
-抽象方法与虚拟方法的区别参考:http://www.microsoftvirtualacademy.com/Content/ViewContent.aspx
weixin_30375247
·
2020-06-21 09:37
我把所有工具神器资源都打包好了
公众号文章主要分三个方向:Python爬虫&数据分析系列、每周分享系列和机器
学习系列
(正在更新)01「Python爬虫&数据分析」系列Python爬虫&数据分析系列是
wade1203
·
2020-06-21 09:57
【非参数贝叶斯
学习系列
】Beta Distribution 学习笔记
这个是我学习过程的中的一些学习笔记,拿出来希望和大家共享,因为我也是初学者,希望大家能够一起来讨论共同提高这是关于Beta分布的一些东西,从我个人理解上来说我觉得Beta分布牛逼在你可以用两个参数任意控制其概率分布图像,同时可以控制众数的位置,这个是可以作为贝叶斯模型中的先验信息输入。比如对于一个现象,比如今天是否下雨这一事件,我的估计是0.6概率下雨,你的估计是0.4的概率下雨,这些都是我们的主
sweetrryy
·
2020-06-21 07:02
Computer
vision
and
Machine
learning
漫谈词向量之基于Softmax与Sampling的方法
本文是词向量与表达
学习系列
的第二篇文章。前一篇文章介绍了词向量模型。
csdn王艺
·
2020-06-21 06:58
webRTC
学习系列
之——WebRTC录制媒体流并下载
WebRTC使用MediaRecoder录制媒体流并下载MediaRecodervarmediaRecorder=newMideaRecoder(stream,options);参数说明stream媒体流,可以从getUserMedia、、或者获取options限制选项限制选项说明mimeType(video/webm);(audio/webm);(video/webm);(codecs=vp8)
码代码的跳跳虎
·
2020-06-21 06:31
WebRTC
开源项目
学习系列
--03.TenPlayer
开源项目
学习系列
--03.TenPlayer1简介2代码地址3第三方库3.1TagLib4思路参考1简介TenPlayerisamusicplayerwithmaterialuserinterfacewrittenforLinuxOSusingC
worthsen
·
2020-06-21 05:43
开源项目
开源项目
学习系列
--02.天天酷音TTKMusicplayer
开源项目
学习系列
--02.天天酷音TTKMusicplayer1简介2代码地址3基础知识4思路5代码分析5.1编译5.2参考1简介天天酷音播放器,核心功能是采用基于Qt的qmmp框架,支持多种播放格式,
worthsen
·
2020-06-21 05:43
开源项目
18LaTeX
学习系列
之---LaTeX的参考文献
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第18篇。
张一根
·
2020-06-21 04:46
机器视觉
学习系列
四:身份证识别
项目背景:基于手机平台,识别身份证编号、姓名、年龄、地址,性别等;具体实施方案:1、基于身份证分类器检测身份证的位置,关于身份证分类器,采用的是HAAR+adaboost算法进行训练;2、在已经检测到的候选身份证区域里,进行垂直边缘检测;3、形态学运行,连接垂直边缘;3、去除干扰连通区域,主要基于连通区域的长宽比,面积,质心相对位置,去除典型的非编号区域;4、选择质心纵坐标最大的连通区域作为编号数
opencv123456
·
2020-06-21 04:42
身份证识别
数字识别
汉字识别
ROS
学习系列
-- image_transport 发布jpg图片文件流在image_view中看视频效果
https://www.it610.com/article/5477845.htm目标:目录/home/camera中保存了2000张照相机连续拍照的JPG文件,名字按数字排序1.jpg2.jpg3.jpg.........现在需要在ROS中建立一个node按频率发布所有照片,并可以在image_view中看视频效果。详细见链接:http://wiki.ros.org/image_transpor
newbeixue
·
2020-06-21 03:39
机器学习(三)线性回归和梯度下降法
文章链接:http://blog.csdn.net/lonelyrains/article/details/48931697回顾机器
学习系列
第一篇监督学习,回归属于监督学习。
lonelyrains
·
2020-06-21 03:53
机器学习
机器学习
面试Java需要的知识总结
Java几大重点(1)集合基础知识+原理(重点是HashMap)基础:Java集合基础原理:兰亭风雨:Java集合源码剖析xwdreamer:Hashmap实现原理zhangshixi:深入Java集合
学习系列
S_H-A_N
·
2020-06-21 03:21
面试
设计模式-策略模式-以购物车的支付策略为例
超级链接:Java常用设计模式的实例
学习系列
-绪论参考:《HeadFirst设计模式》1.关于策略模式策略模式是一种行为模式。策略模式:定义一系列的算法,把它们一个个封装起来,并且使它们可相互替换。
hanchao5272
·
2020-06-21 01:41
Java设计模式
可扩展机器学习——Spark分布式处理
可扩展机器
学习系列
主要包括以下几个部分:概述Spark分布式处理线性回归(linearRegression)梯度下降(GradientDes
zhiyong_will
·
2020-06-21 01:40
Machine
Learning
论文与材料的学习笔记
Spark
【转】机器
学习系列
-SVD篇
SVD全称Singularvaluedecomposition,奇异值分解。线性代数里重要的一种分解形式,其矩阵的特殊含义可以用来做处理线性相关。如在自然语言处理中,对新闻的分类,就可以采用SVD的方法,而且已取得不错的效果。把新闻中的核心词,用一个向量进行表示,每条新闻一个向量,组成一个矩阵,对矩阵进行SVD分解。如:可以用一个大矩阵A来描述这一百万篇文章和五十万词的关联性。这个矩阵中,每一行对
道简术心
·
2020-06-21 01:55
13LaTeX
学习系列
之---LaTeX插入表格
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第13篇。
张一根
·
2020-06-21 00:56
Bootstrap3.0入门
学习系列
教程
前言首先在此多谢博友们在前几篇博文当中给与的支持和鼓励,以及在回复中提出的问题、意见和看法。在此先声明一下,之前在下小菜所有的随笔文章中,只有前两篇关于Bootstrap的文章发表在了博客园的首页,对于发布的这两篇文章的感受就是:大家的参与度比之前的高很多。当然也不是说看到自己的文章发布在首页,有了几千甚至几万访问量,个人觉得自己所分享的一点东西可能对于大家也是有一点效果的,自己从评论中可以看出是
君望永远
·
2020-06-21 00:27
机器学习教程 一.初识机器学习与数据认识
这篇博客是本人学习机器
学习系列
教程时候做的笔记,虽然有点简陋,但也是对我自己知识总结,希望能对像我一样的行业萌新有所帮助,也许排版有些简陋(第一次写博客),我会在接下来的博客中慢慢改进。
会分析的小驼
·
2020-06-20 23:05
机器学习
机器学习
数据挖掘
python
入门教程
算法学习 - 红黑树(Red-Black Trees)
算法学习——深入解析“红黑树”LearningAlgorithms-Red-BlackTreesStanfordZhang19Jun.2011zhangstanford@gmail.com本人声明算法
学习系列
文章可以说是笔者学习算法过程的笔记
StanfordZhang
·
2020-06-20 23:54
算法
C/C++
Machine Learning-模型评估与调参(完整版)
机器
学习系列
专栏选自Python-Machine-Learning-BookOnGitHub作者:SebastianRaschka翻译&整理BySam这个系列的文章写得也是够长时间的了,不过总算是写完了
Pysamlam
·
2020-06-20 22:51
09LaTeX
学习系列
之---Latex 字体的设置
目录:[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第9篇。
张一根
·
2020-06-20 22:25
零基础入门到精通:Python大数据与机器学习之Pandas-数据操作
上一篇文章带大家一起了解了Pandas库中的数据合并,本文是Python大数据与机器
学习系列
文章中的第16篇,将带大家一起了解一下Pandas库中的其他数据操作。
燕大侠v
·
2020-06-20 21:42
Python学习
程序员
Python软件开发
编程
爬虫学习
Python爬虫学习
14LaTeX
学习系列
之---LaTeX的浮动体
目录[TOC]本系列是有关LaTeX的
学习系列
,共计19篇,本章节是第14篇。
张一根
·
2020-06-20 20:01
Dubbo
学习系列
之十九(Apollo分布式部署)
说一个人是武林高手:十八般武艺,样样精通!如今,后端技术层出不穷,让人眼花缭乱,如果看官不能达到样样精通,至少拿起方天画戟能耍几下才行,比如削个苹果。言归正传,配置中心属于基础设施,当然必须玩得溜,不论Nacos还是Config,今天我们来耍下Apollo,看好玩否。作者原创文章,谢绝一切转载,违者必究!本文只发表在"公众号"和"博客园",其他均属复制粘贴!如果觉得排版不清晰,请查看公众号文章。准
甲由崽
·
2020-06-18 12:00
边缘计算
学习系列
(一)5G 中的SDN/NFV 和云计算
SDN/NFV和云计算都是起源于IT领域的技术。如今,云计算已经非常成熟,在IT领域已经大规模商用,SDN技术作为新兴的转发技术,也已经被谷歌等互联网巨头部署在多个数据中心。随着虚拟化技术的发展,人们试图将更多的专有设备虚拟化和软件化,从而达到降低成本和灵活部署的目的,于是NFV的概念诞生了。本文将结合广义上3种技术本身的特点和未来5G的网络能力要求,分析各技术在5G架构中的技术定位和前景,同时结
Devin
·
2020-06-15 10:35
边缘计算
5G
SDN
边缘计算
XAI/MLI 可解释机器
学习系列
1- 开源&paper汇总
一直在关注可解释机器学习领域,因为确实在工作中有许多应用模型检查,特征重要性是否符合预期和AUC一样重要模型解释,比起虚无缥缈的模型指标,解释模型学到的规律更能说服业务方样本解释,为什么这些用户会违约,是否有指标能提前预警?决策归因,有时模型只是提取pattern的方式,最终需要给到归因/决策,例如HTE模型和XAI结合是否也是一种落地方式18年被H2ODriverlessAI提供的可解释机器学习
风雨中的小七
·
2020-06-14 22:00
【思维导图
学习系列
-我的菜】maven
【我菜宣言:查漏补缺,系统学习,检索方便,温故知新】不废话,先上一道菜maven菜.png想启动用思维导图来进行知识点的查漏补缺,也不知道能不能坚持,先走着看!
翔哥不哭
·
2020-06-12 16:26
nodejs是如何和libuv以及v8一起合作的?(文末有彩蛋哦)
v13.1.0(网上那些分析nodejs源码的文章不写清基于的版本都是耍流氓),非常干货的一篇文章,请耐心阅读,否则建议收藏阅读本篇文章之前请先阅读前置文章:[译文]V8学习的高级进阶nodejs深入
学习系列
之
Bigben
·
2020-06-11 15:00
Netty源码
学习系列
之4-ServerBootstrap的bind方法
前言今天研究ServerBootstrap的bind方法,该方法可以说是netty的重中之重、核心中的核心。前两节的NioEventLoopGroup和ServerBootstrap的初始化就是为bind做准备。照例粘贴一下这个三朝元老的demo,开始本文内容。1publicclassNettyDemo1{2//netty服务端的一般性写法3publicstaticvoidmain(String[
淡墨痕
·
2020-06-06 16:00
香港中文大学
MMLab
在读博士沈宇军:生成对抗网络的可解释性研究及其应用 | 直播预告
「CV研究合辑」,是智东西公开课针对计算机视觉推出的一档合辑,聚焦于计算机视觉前沿领域研究成果与进展的讲解。每一讲由主讲与答疑两个环节组成,其中,主讲60分钟,采用视频直播形式,答疑30分钟,将在相应交流群进行。神经网络由于网络特征或决策逻辑在语义层面难以理解,同时也缺少数学工具去诊断与评测网络的特征表达能力,进而解释目前不同神经网络模型的信息处理特点,一直被大家称为是一种“黑箱”。而如何对神经网
智东西
·
2020-06-03 00:00
Netty源码
学习系列
之3-ServerBootstrap的初始化
前言根据前文我们知道,NioEventLoopGroup和NioEventLoop是netty对Reactor线程模型的实现,而本文要说的ServerBootstrap是对上面二者的整合与调用,是一个统筹者和协调者。具体netty使用的是Reactor单线程模型还是多线程模型、抑或者主从多线程模型,都是ServerBootstrap的不同配置决定的。下面照例粘贴一下示例demo(以Reactor多
淡墨痕
·
2020-06-01 19:00
Netty源码
学习系列
之1-NioEventLoopGroup的初始化
NioEventLoopGroup是netty对Reactor线程组这个抽象概念的具体实现,其内部维护了一个EventExecutor数组,而NioEventLoop就是EventExecutor的实现(看名字也可发现,一个是NioEventLoopGroup,一个是NioEventLoop,前者是集合,后者是集合中的元素)。一个NioEventLoop中运行着唯一的一个线程即Reactor线程,
fsgrgs
·
2020-06-01 14:58
Netty源码
学习系列
之2-NioEventLoopGroup的初始化
前言NioEventLoopGroup是netty对Reactor线程组这个抽象概念的具体实现,其内部维护了一个EventExecutor数组,而NioEventLoop就是EventExecutor的实现(看名字也可发现,一个是NioEventLoopGroup,一个是NioEventLoop,前者是集合,后者是集合中的元素)。一个NioEventLoop中运行着唯一的一个线程即Reactor线
淡墨痕
·
2020-06-01 12:00
上一页
76
77
78
79
80
81
82
83
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他