- 博客(203)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 安装和配置gunicorn
并且，一个请求一个进程，并发时，显然很占CPU和内存。当请求处理时间较长时，会阻塞其他请求的处理，不适合高并发或耗时较长的请求。gevent是基于协程的并发库，可以处理更多的并发连接。异步worker，能同时处理不止一个请求，就不会出现上面同步worker那样，一个请求就把后续请求都block阻塞住的情况了。参考：https://www.cnblogs.com/shengulong/p/7202294.html。好处是，即使一个worker进程crash了，也只会影响一个请求。配置文件要是.py结尾的。
2023-07-03 00:18:14
913
原创 安装和配置nginx（含https)
3、http块：可以嵌套多个server，配置代理，缓存，日志定义等绝大多数功能和第三方模块的配置。如文件引入，mime-type定义，日志自定义，是否使用sendfile传输文件，连接超时时间，单连接请求数等。一般有运行nginx服务器的用户组，nginx进程pid存放路径，日志存放路径，配置文件引入，允许生成worker process数等。比如，把配置文件拆分开来,在/etc/nginx/conf.d/ 文件建立对应的域名配置文件,比如 /etc/nginx/conf.d/123.com.conf。
2023-07-02 23:33:36
7956
原创 jmeter测并发
总体而言，Apache JMeter 是一个强大的负载测试工具，可以帮助你模拟各种负载情况，评估系统的性能和可靠性，并提供详细的测试结果和报告。它可以模拟多种类型的负载，包括 Web 应用程序、数据库服务器、FTP 服务器等，并可用于测量服务器的性能、资源使用情况和响应时间。除了上述监听器和报告表，Apache JMeter还提供了其他一些监听器，如图表报告、分布式负载报告、数据文件报告等，用于满足不同的测试需求和分析要求。主要指标：样本数、错误数、吞吐量、平均响应时间、最小响应时间、最大响应时间等。
2023-07-02 01:29:16
1799
原创 微信小程序发布后分享是灰色
index.js中添加两个函数，这是点击右上角三个点会监听触发的。小程序就算已经上线了，还是无法分享，右上角三个点的分享是灰色。这是因为需要在js中添加代码才能打开。添加完重新编译就有啦。
2023-06-30 00:12:19
1467
原创 【Missing Semester L6】Git背后的data model及常用git命令
文章目录Git的数据模型快照历史数据模型对象和content-addressingreferencesrepositoriesStaging areaGit命令行接口基础分支和合并远程undo高级git其他练习linkGit的数据模型快照git会把文件和文件夹的历史建模为一系列快照（snapshots），其中文件又叫"blob"，就是一堆字节；文件夹又叫"tree"，包含对文件和文件夹名字的映射（毕竟文件夹里也可以有文件夹）。某一时刻的一个快照可以看作是：最顶层的tree包含一个叫foo的文.
2022-03-19 23:12:45
223
原创 【Missing Semester L5】命令行环境Command-line Environment(进程控制、tmux、别名、配置、SSH)
lecture note这节的主要目的是学会更好的提升使用shell时的工作流控制，比如如何控制多个进程，还有其他一些提升工作效率的工具，比如别名、多终端、文件配置等，还有远程登录。文章目录Job Control结束进程暂停和后台运行Terminal MultiplexersSessionsWindowsPanes别名dotfilesremote machinesJob Control通常，想要结束一个正在运行的job可以直接按Ctrl C，但是实际是如何终止的，以及为什么有时候不起作用呢？结束进
2022-03-19 12:46:22
821
原创 【Missing Semester L4】linux下数据格式转换
lecture note 主要是如何将数据从一种形式转为另一种形式，经常用于查看log，然后用管道和其他工具最终得到想要的数据格式日志处理示例journalctl可以用来查询systemd-journald 服务收集到的日志。systemd-journald 服务是 systemd init 系统提供的收集系统日志的服务。但直接输出往往也别多日志，往往需要进一步处理筛选需要的信息。比如ssh myserver journalctl | grep sshd不过把远程的整个日志弄下来在去grep仍然需
2022-03-12 14:51:05
1621
原创 【MIT Missing Semester L3】熟练掌握Vim操作
文章目录如何掌握新的editorVim特点vim model基本用法插入文本：buffers,tabs,windowscommand-line移动选择等操作移动选择edit计数modifiers配置vim高级用法练习lecture当程序员显然很大一部分时间都在写代码，熟练掌握editor工具对提升效率帮助挺大的如何掌握新的editor看教程即使最开始有点慢也要坚持用这个editor进行各种编辑查找改进用法，如果有可能有更好用的方式，那很可能真的有一般1-2小时就可以学会基本用法，20小时后就
2022-03-08 23:11:09
250
原创 【MIT Missing Semester 2】Shell Tools
文章目录Shell Scripting变量函数逻辑分支shell globbing通配符语法检查shell tools --查找tldr 查找如何使用命令find 查文件查code查shell 命令Directory Navigation练习这节主要是bash作为脚本语言的一些基本用法，以及一些常见的功能强大的shell toolsShell Scripting可以用变量、循环、条件等更为复杂的方式，主要还是为了完成shell-related任务变量foo=bar # 将字符串bar赋值给变量f
2022-03-05 16:16:25
561
原创 【MIT Missing semester-1】Linux Shell
主要来自MIT的missing semester，课程主要想讲述各种linux shell的有意思的用法和工具，让大家需要的时候能够想起来：嗯，是有这么个工具来着…非常推荐！b站可看link建议安装oh-my-zsh，大幅提高效率；windows10可以安装linux子系统 (WSL)，不需要安装双系统也可以用linux shellLecture 1 the shellshell 是啥textual interface，可以运行程序，给定输入返回输出等。bash就是非常常见的一种shell需
2022-03-04 21:54:23
513
原创 后端开发、C++开发面经分类整理
博主秋招参加了字节百度腾讯B站虾皮美团等多个大厂的秋招，均已得到offer。现将参与的多轮面试中被问到的基础类问题进行分类整理，也欢迎大家补充！我投递的主要是后端开发工程师、C++开发等，感觉遇到的问题大致可以归纳为以下几类：存储 语言 操作系统 网络 分布式 数据结构 和其他
2022-02-18 23:48:38
1269
原创 一些比较常用的git命令
常用git命令文章目录常用git命令1、新建新建分支：查看所在分支查看当前状态2、commit相关压缩合并commit修改commit不commit下切换分支撤回commitrebase之后撤销3、更新相关更新本地更新远程rebase代码撤回手滑提交的更新解决冲突1、新建新建分支：git checkout –b XXX会在本地新建一个分支。查看所在分支git branch查看当前状态git status删除本地分支 // D是强制删除git branch -D Test_Bra
2021-08-02 13:51:35
158
原创 C++、Java、Python、Go的优先队列用法及C++最大堆实现
文章目录优先队列C++用法声明基本操作Java用法声明基本用法PythonheapqPriorityQueueGo手写一个最大堆优先队列通常是语言内已经实现好了的一种数据结构。首先，优先队列显然是一种“队列”，而队列(Queue)的特点是“先进先出，后进后出”。优先队列区别于普通队列的点在于能够对进队的数据自动排序，始终维持着队列从小到大排或者从大到小排。也可以理解为数据的优先级不一样，每次出队都是最高优先级的先出队。比如维持着从大到小排序的优先队列，能保证把插入的数据从大到小排，每次从队列中取数
2021-07-02 18:25:51
273
1
原创 Java的抽象类与接口
文章目录继承什么是继承为什么要继承抽象类什么是抽象类为什么需要抽象类接口什么是接口为什么要用接口接口与抽象类异同示例一个抽象类一个接口继承两者在具体到抽象类和接口的问题之前，需要先说说“继承”相关的问题继承什么是继承首先我们都直到（我默认大家都知道），“继承”是面向对象里的一个概念，是面向对象最大的特点之一（封装 继承 多态）。继承(inheritance)可以使得子类具有父类的属性和方法或者重新定义、追加属性和方法等。其实顾名思义，所谓继承就是子可以从父那里直接得到一些东西。放在面向对象里，就
2021-06-23 18:42:58
151
2
原创 如何导出微信聊天记录
文章目录背景太长不看版-1 微信电脑端的备份0 用邮件转发word处理python处理1 安卓的导出方法1.1 借助软件1.1.1 微信助手1.1.2 留痕1.1.3 楼月软件1.2 非付费非软件的技术方法2 IOS的导出方法2.1 一个免费的软件2.2 itunes+楼月免费itunes备份管理器背景有时候聊天记录里有些碎片化的记录想要整理出来单独看，所以去调研了一下有什么好的办法太长不看版最便捷的方式是多选，然后邮件发送，然后稍微处理下格式就行了！想自己捣鼓一下的：ios的朋友可以试
2021-04-22 15:14:18
5433
原创 Python 创建虚拟环境
windows创建mkdir venvpython3 -m venv tutorial-env激活tutorial-env\Scripts\activate.batlinux创建mkdir venv激活cd venvsource tutorial-env/bin/activate退出虚拟环境deactivate
2021-04-16 11:12:11
236
原创 C++工程代码自查list
C++工程代码自查list// 是实打实的踩坑经验本着早发现早治疗的原则，写个list， 每次大的更新前尽量先离线自查一下。 经验有限，踩坑后再更新下标下标最容易出现越界的问题检查所有用到显式数字索引的地方，是否明确任何情况下这些索引都是有值的检查所有vector部分，是否有对某个位置的单独索引，能不能保证在size内全局检查所有用到at的部分，取不到肯定会异常的，是否提前做了find处理检查map中用中括号索引的部分，是否是期待这里在没有key的时候创建新key返回值和参数返回值
2021-04-11 23:25:16
121
原创 C++ lvalue rvalue
文章目录C++ lvalue VS rvalue定义一个复杂点的例子C++ lvalue VS rvalue参考这篇blog定义不严格的说，在C++中，左值是明确指向一块内存地址的，而右值不指向任何地方。（an lvalue is something that points to a specific memory location. On the other hand, a rvalue is something that doesn’t point anywhere.）一般右值的存在是很短暂的，
2020-10-28 23:08:42
212
原创 Go简明语法汇总--入门
Go语言基础语法文章目录Go语言基础语法hello world 及go程序结构声明变量声明指针new函数元组赋值包级变量初始化类型声明基础数据类型整型浮点数复数布尔类型字符串常量iota 常量生成器复合数据类型数组sliceMap结构体JSON函数声明可变参数deferPanic异常捕获异常方法接口控制语句循环ifswitchGoroutines & ChannelsGoroutinesChannels包工具GOPATHGOROOT测试测试函数基准测试示例函数hello world 及go程序结
2020-07-22 19:43:14
227
原创 一个简单的英文自然语言处理流程
以细粒度情感分析为例，每条语句有三行：句子-aspect-情感极性，分为train和test两个数据集。整体流程tokennizer: 处理分词，以空格分开，建立word2id,id2word词典embedding：查找预训练的词向量，将每个单词对应的词向量组成词典，未知词另作处理填充语句：将训练和测试语句先转化为tokenid中的word2id，再padding到最大长度然后就可以走模型的部分进行训练了tokennizer入口： 初始调用函数，指定数据集、最大长度 – build_to
2020-07-07 10:31:04
713
原创 【论文翻译】Issues and Challenges of Aspect-based Sentiment Analysis: A Comprehensive Survey
Issues and Challenges of Aspect-based Sentiment Analysis: A Comprehensive Survey细粒度情感分析的问题和挑战：综述。ps：写综述就写综述，能不能别用这么多复杂从句，真的，没意义……翻译的很不好…aspect通常会翻译成属性 也不知道够不够准确超级长 一万多字摘要随着社交媒体上公共反馈越来越多，细粒度情感分析领域越来越受到关注，包括aspect提取，aspects情感分析以及随着时间地情感变化。这个领域快速发展，迫使研究
2020-06-24 20:03:33
1894
9
原创 《sql必知必会》系列1基础检索相关
数据库基础数据库：保存有组织的数据的容器表：某种特定类型数据的结构化清单模式：关于数据库和表的布局及特性的信息行：表中的一个记录主键：唯一标识表中的一行 总是应该设立主键检索数据检索单个列：SELECT prod_nameFROM Products;如果没有明确查询的顺序，返回的数据没有特定的顺序。而且通常需要应用程序自己格式化数据格式；SQL语句不区分大小写，经常以大写表示关键字，所有空格都被忽略，换不换行都行；必须以‘；’结尾多个列之间用,隔开，检索所有列用*SELECT
2020-05-29 11:19:28
174
原创 阿里云 centOS7 安装和远程链接mysql
假设是一个新的阿里云服务器 centos7更新yumyum update -y下载mysql源是的 它自己不提供wget https://dev.mysql.com/get/mysql80-community-release-el7-3.noarch.rpm紧接着添加sudo yum localinstall mysql80-community-release-el7-3.noarch.rpm安装yum工具 实测还挺重要sudo yum install -y yum-utils查
2020-05-18 22:38:24
289
原创 pymysql insert ProgrammingError1064
用pymysql向数据库插入比较长的文本，一直出错：Error:ProgrammingError: (1064, "You have an error in your SQL syntax;…sql = "INSERT INTO train_dataset(news,label) VALUES ("+"\""+new+"\""+")"sql = "INSERT INTO train_dataset(news,label) VALUES ('%s)"%new sql = "INSERT INTO t
2020-05-17 10:23:25
280
原创 前缀和应用-最接近0的子数组和
lintcode 139描述最接近零的子数组和给定一个整数数组，找到一个和最接近于零的子数组。返回第一个和最右一个指数。你的代码应该返回满足要求的子数组的起始位置和结束位置输入:[-3,1,1,-3,5]输出:[0,2]解释: [0,2], [1,3], [1,1], [2,2], [0,4] 都可以要求时间复杂度O(nlogn)分析暴力的想法是O(n^2)的方法来找出所有的组合，再判断是否接近0；进阶一点的想法是利用前缀和，O(n)的过程可以求0,i的和sum[i],sum[j
2020-05-11 20:17:51
231
原创 flask项目结构组织——包教包会 除非版本不对
有没有对着flask自动生成的极简项目结构一脸懵逼不知道从哪里开始扩展起？有没有好不容易拼凑起一个框架发现，欸，运行不起来？有没有好不容易运行起来了，要往数据库里加数据，发现，欸db从哪里来？为什么db没有drivername?不管你有没有，反正这就是答主本人。在看了数十篇中外博客加上一通摸索后终于成功运行并写了个除了登陆注册之外一片空白的flask小项目，登录成功的一刹那眼泪差点掉下来...
2020-04-23 23:20:06
486
原创 【论文阅读】Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence
Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence这篇论文主要是通过用aspect构造辅助句子，将ABSA问题转成sentence-pair分类任务，模型就是用了bert，然后再sentihood和semeval2014 task4上都取得了很好的结果简介这篇文章的问...
2020-04-05 16:46:23
2924
5
原创 朴素贝叶斯推导
先导说明我们经常用MLE最大似然来构造模型的目标函数，最大似然的目的是让观测到的数据概率最大，所以最大化的就是训练数据的概率。而MAP后验是在观测数据之上又加上了先验概率，要让模型符合先验概率。当数据足够多的时候，MAP趋近于MLE。求极值最容易想到的方法是求导置零。贝叶斯定理：也就是联合概率P(A,B)=P(B,A)=P(A|B)*P(B)=P(B|A)*P(A)朴素贝叶斯是生成...
2020-02-12 15:46:35
733
原创 【论文阅读】An Interactive Multi-Task Learning Network for End-to-End Aspect-Based Sentiment Analysis
An Interactive Multi-Task Learning Network for End-to-End Aspect-Based Sentiment Analysis简单来说本文是将aspect extraction和aspect senmetiment classification整合成一个任务，然后同时用document语料进行多任务训练一部分共享参数，解决as问题数据集小的问...
2020-02-08 14:29:19
1576
4
原创 【论文阅读】Joint Aspect and Polarity Classification for Aspect-based Sentiment Analysis with End-to-End
Joint Aspect and Polarity Classification for Aspect-based Sentiment Analysis with End-to-End Neural Networks简单来说这篇文章是将检测category和判断category情感极性处理为一个任务，用端到端的训练一起进行。将常用的Bi-LSTM换成CNN，并实验了多个word embeddi...
2020-02-05 22:07:41
896
1
原创 Python TFIDF计算文本相似度
本文主要参考https://stackoverflow.com/questions/12118720/python-tf-idf-cosine-to-find-document-similaritStackOverflow的回答主要是使用sklearn的TfidfTransformercosine_similarity就是计算L2归一化的向量点乘。如果x,y是行向量，它们的cosine sim...
2020-02-02 22:25:28
8361
翻译 如何写一个拼写纠错器 -- how to write a spelling corrector
本文是经典的how to write a spelling corrector的大致翻译。作者两个朋友向他夸赞google的拼写纠正功能，输入speling, google就会立即问你是不是找spelling相关的结果。作者的这两个朋友都是高级的工程师和数学家，却也不知道这个的原理。由此，作者想要简单解释一下spelling corrector背后的原理。工业级别的实现非常复杂，但是简单一些的...
2020-01-29 16:23:36
918
1
原创 【论文阅读】 Aspect Based Sentiment Analysis with Gated Convolutional Networks
Aspect Based Sentiment Analysis with Gated Convolutional NetworksAbstract把细粒度情感分析分为两种，ACSA（给定一系列aspect，判断句子对aspect的情感极性）和ATSA（对句子中出现的taget，判断句子对target的情感极性）。之前的方法大多数使用LSTM和attention，模型复杂训练时间长。文章提出一个...
2019-12-05 11:47:41
1039
原创 【论文阅读】Attention-based LSTM for Aspect-level Sentiment Classificatio
Attention-based LSTM for Aspect-level Sentiment Classificatio这是一篇还算经典的早期用LSTM+Attention解决细粒度情感分析的文章，2016 年发表在EMNLP 上。文章指出一个句子的情感类别是受不同aspect 的影响的，举例来说，在句子“The appetizers are ok, but the service issl...
2019-11-19 15:27:38
642
原创 python 最大匹配分词
参考博客参考博客# given a dictli = ["北京大学","生前","来","应聘","大学生","前来","北京"]dic = {w:i for i,w in enumerate(li)}print(dic) forward max matching窗口从前面开始滑动，每次取maxlength匹配不上也是舍弃后面的# forward max matching# ...
2019-11-04 11:46:46
938
原创 python实现分词（普通&维特比算法）
普通方法思路：读入词典中的词，每个词对应一个概率；读入句子，得到所有可能的句子的划分，返回unigram得分最大的一个分割；其中得到所有可能的分割采用递归的方法，当前词在词典中，就继续递归划分后半段；概率原理：P(x1,x2,x3,xn)=P(x1)* P(x2)*…*P(xn)可以转化成-log的加法，返回最小值代码：#切割代码def seg_all(string):# ...
2019-11-03 23:13:11
1803
4
原创 动态规划专题 -最大子序列和、硬币找零、最长递增子序列、叠箱子、造桥
推荐网站：一个dp学习网站https://people.cs.clemson.edu/~bcdean/dp_practice/最大子序列和描述对于一个数组（有正有负），找到连续的A[i]…A[j]使其和最大可以采用动态规划的算法以M[j]为到下标j时最大的子序列和，那么:M[j] = max(M[j-1]+A[j], A[j])显然从M[j-1]阶段到M[j]阶段，只有这两种情况，比...
2019-11-03 16:15:17
227
原创 tensorboard summary使用
假设想要输出loss随epoch的变化图：1、构建图过程中声明scalar变量在图中定义loss节点后，加一个loss_summary = tf.summry.scalar('loss',loss)当有多个要输出时，可以用merged_summary_op = tf.merge_all_summaries()汇总到一个节点，执行时执行这个节点，add这个节点就行2、构建完整个图...
2019-09-10 10:56:28
693
微信小程序 在线电子书商城+阅读
2018-03-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人