- 博客(48)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Spring Cloud alibaba和Spring Cloud netflix
Spring Cloud alibaba和Spring Cloud netflix之间的异同
2022-04-15 16:40:30
659
原创 SpringCloud+Nacos+Admin+Dubbo简单实现秒杀接口
特别提醒：所有的Mapper文件均采用逆向工程进行生成，对于后续添加的接口，在此基础上进行增添！目录一、整体项目框架：二、父pom.xml文件搭建内容三、微服务监控管理实例模块（actuator）（一）服务架构（二）子pom.xml文件：（三）SpringBootActuatorApplication.java启动类代码：（四）监控端application.yml配置文件：（五）监控管理端启动类：四、微服务API模块（API）（一）API模块架构：（二）子p.
2022-04-14 20:09:05
1472
1
原创 EDAS入门随记（一）
EDAS：Enterprise Distributed Application System. 企业级分布式应用服务TIPS：IDEA上可以安装一个有用的插件：Alibaba Cloud Toolkit1. HSF（好舒服）：为了防止一个项目中服务未全部完成启动，从而导致流量进入引起的链路条用错误的影响！HSF的内部解决原理：HSF会在Spring容器中所有的Bean都加载启动完成之后，在进行服务注册，并调用RefreshEvent事件，之后Pandora会在所有服务注册之后，设置s
2022-04-05 10:35:13
957
原创 设计模式：Java反射（应用总结）
1. 一个类在内存中只有一个class对象2. 一个类被加载之后，类的整个结构都会被封装到class对象中3. class对象只能由系统创建，且一个加载的类在JVM中只有一个class对象获取类的class对象的三种方式：（1）Class.forName("");（2）Student student = new Student();Class class = student.getClass();（3）Class class = Student.class;4. 类、
2022-03-11 11:35:03
233
原创 Java常量总结
Java中有多种常量的比较方式，以下进行总结：基本类型的包装类和字符串类有两种创建方式：（1）常量式赋值创建，放在栈内存当中（即被常量化）Integer a = 10;String str = "abc";（2）new对象进行创建，放在堆内存中（不会常量化）Integer a = new Integer(10);String str = new String("abc");注意：这两种创建的方式直接导致创建的对象存放的位置不同；（3）Java中的常量：stat
2022-03-07 20:58:43
2186
原创 git 分支处理（经典-总结）
基本命令（1）git add . 提交至暂存区（2）git commit -m "aaa" 提交至本地仓库（3）git push 推送至远程仓库拉取最新所有分支：git fetch （注意：git pull = git fetch + git merge）分支基本命令：git status 查看分支状态git branch -a 列出所有（本地+远程）分支git branch 查看本地所有分支git branch -r 查看远程所有分支git branch
2022-03-06 18:17:55
431
原创 业务流程编排
接下来，谈谈我对业务流程编排的理解：名词：（1）能力（业务规则的基本组成）指完成某一单一的业务行为，比如限购，限流等，流程编排中被编排的即“能力”，他可以由一个或者一组执行组件共同完成，执行组件可以是一个类或者一个spring bean，取决于执行引擎的支持，“能力”应该具有明确的语义，一定的通用性，一般而言，在项目迭代中，无法避免的会遇到一些“能力”被细化拆解，在我们定义能力的时候，需要尽可能去合理的细化“能力”的作用域。（能力即：组成业务行为的各个单一功能）（2）业务身份
2022-02-27 15:30:20
4224
原创 OSS 简单读写操作
OSS简单读写项目（源码）：https://gitee.com/aaron1996/ossOSS官方学习文档：流式下载 - 对象存储 OSS - 阿里云OSS简单项目（项目结构）：配置文件（application.properties）：# OSS 相关配置cainiao.OSS.endpoint = oss-cn-zhangjiakou.aliyuncs.comcainiao.OSS.accessKeyID = （根据实际填写）cainiao.OSS.acc
2022-02-21 12:12:41
3641
原创 Mybatis基础+增删改查（代码示例）
首先什么是MyBatis？MyBatis 是一流的持久性框架，支持自定义 SQL、存储过程和高级映射。MyBatis 消除了几乎所有的 JDBC 代码和手动设置参数和检索结果。MyBatis 可以使用简单的 XML 或 Annotations 进行配置和映射原语、映射接口和 Java POJO（普通旧 Java 对象）到数据库记录。MyBatis中文文档（学习参考资料）：mybatis – MyBatis 3 | IntroductionMyBatis 基础框架搭建源码：http
2022-02-20 18:12:06
1418
原创 RocketMQ入门级搭建
本文章的目的不在于讲解RocketMQ相关的基础知识点，此文章主要提供源码，帮助那些想要快速搭建一个入门级RocketMQ的初学者的同学。相关源码可参考如下：项目结构：建立父工程，pom文件导入依赖：<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/20...
2022-01-28 14:35:57
3507
2
原创 建造者模式
在软件开发过程中有时需要创建一个复杂的对象，这个复杂对象通常由多个子部件按一定的步骤组合而成。例如，计算机是由 CPU、主板、内存、硬盘、显卡、机箱、显示器、键盘、鼠标等部件组装而成的，采购员不可能自己去组装计算机，而是将计算机的配置要求告诉计算机销售公司，计算机销售公司安排技术人员去组装计算机，然后再交给要买计算机的采购员。生活中这样的例子很多，如游戏中的不同角色，其性别、个性、能力、脸型、体型、服装、发型等特性都有所差异；还有汽车中的方向盘、发动机、车架、轮胎等部件也多种多样；每封电子邮件的发件人、收
2022-01-05 23:48:31
62
原创 装饰器模式
上班族大多都有睡懒觉的习惯，每天早上上班时间都很紧张，于是很多人为了多睡一会，就会用方便的方式解决早餐问题。有些人早餐可能会吃煎饼，煎饼中可以加鸡蛋，也可以加香肠，但是不管怎么“加码”，都还是一个煎饼。在现实生活中，常常需要对现有产品增加新的功能或美化其外观，如房子装修、相片加相框等，都是装饰器模式。在软件开发过程中，有时想用一些现存的组件。这些组件可能只是完成了一些核心功能。但在不改变其结构的情况下，可以动态地扩展其功能。所有这些都可以釆用装饰器模式来实现。装饰器模式的定义与特点装饰器（Deco
2021-12-30 19:53:00
234
原创 策略模式（开发中最常用的方法）
在现实生活中常常遇到实现某种目标存在多种策略可供选择的情况，例如，出行旅游可以乘坐飞机、乘坐火车、骑自行车或自己开私家车等，超市促销可以釆用打折、送商品、送积分等方法。在软件开发中也常常遇到类似的情况，当实现某一个功能存在多种算法或者策略，我们可以根据环境或者条件的不同选择不同的算法或者策略来完成该功能，如数据排序策略有冒泡排序、选择排序、插入排序、二叉树排序等。如果使用多重条件转移语句实现（即硬编码），不但使条件语句变得很复杂，而且增加、删除或更换算法要修改原代码，不易维护，违背开闭原则。如果采用策略
2021-12-30 17:17:00
553
原创 责任链模式
在现实生活中，一个事件需要经过多个对象处理是很常见的场景。例如，采购审批流程、请假流程等。公司员工请假，可批假的领导有部门负责人、副总经理、总经理等，但每个领导能批准的天数不同，员工必须根据需要请假的天数去找不同的领导签名，也就是说员工必须记住每个领导的姓名、电话和地址等信息，这无疑增加了难度。在计算机软硬件中也有相关例子，如总线网中数据报传送，每台计算机根据目标地址是否同自己的地址相同来决定是否接收；还有异常处理中，处理程序根据异常的类型决定自己是否处理该异常；还有Struts2的拦截器、JSP和...
2021-12-30 14:07:56
91
原创 2021 阿里巴巴和蚂蚁金服 Java实习生 面试经验贴（重要！！！）
最近面了蚂蚁金服集团的Java实习生，遗憾的是在第三面的时候挂了，不过还是希望能在此博客跟更多人分享我的经验，跟大家一起成长！由于论文未按照我原本的计划投出去，备战实习的时间被耽搁了，于是乎，从今年的3月份正式准备的Java研发工程师相关的工作！因为我目前在读研二，很多人问我为什么不选择算法工程师，而且我读研期间也是做的算法类（异质图嵌入表示）相关工作，或者找数据挖掘，或者跟NLP相关的工作也行啊！的确，本人也经过再三的思考和相关实际工作的考量，最终还是觉得从事技术类研发工作可能更加适合我吧！好啦，
2021-04-17 22:28:26
1399
3
原创 浅谈对Word2vec的理解
独热编码独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。举个例子，假设我们有四个样本（行），每个样本有三个特征（列），如图：我们的feature_1有两种可能的取值，比如是男/女，这里男用1表示，女用2表示。feature_2 和feature_3各有4种取值（状态）。one-hot编码就是保证每个样本中的单个特征只有1位处于状态1，其他的都是0。上述状态用one-hot编码.
2020-08-07 17:26:51
302
原创 力扣-38-外观数组
给定一个正整数 n（1 ≤n≤ 30），输出外观数列的第 n 项。注意：整数序列中的每一项将表示为一个字符串。「外观数列」是一个整数序列，从数字 1 开始，序列中的每一项都是对前一项的描述。前五项如下：1. 12. 113. 214. 12115. 111221第一项是数字 1描述前一项，这个数是 1 即 “一个 1 ”，记作 11描述前一项，这个数是 11 即 “两个 1 ” ，记作 21描述前一项，这个数是 21 即 “一个 ...
2020-08-07 11:23:46
160
原创 GCN与GAT之间的重要联系和区别
谈几点深入的理解1.与GCN的联系与区别无独有偶，我们可以发现本质上而言：GCN与GAT都是将邻居顶点的特征聚合到中心顶点上（一种aggregate运算），利用graph上的local stationary学习新的顶点特征表达。不同的是GCN利用了拉普拉斯矩阵，GAT利用attention系数。一定程度上而言，GAT会更强，因为 顶点特征之间的相关性被更好地融入到模型中。2...
2020-03-10 11:15:44
14660
2
原创 图卷积网络到底怎么做 —— 小试牛刀
GCN 是一类非常强大的用于图数据的神经网络架构。事实上，它非常强大，即使是随机初始化的两层 GCN 也可以生成图网络中节点的有用特征表征。下图展示了这种两层 GCN 生成的每个节点的二维表征。请注意，即使没有经过任何训练，这些二维表征也能够保存图中节点的相对邻近性。更形式化地说，图卷积网络（GCN）是一个对图数据进行操作的神经网络。给定图 G = (V, E)，GCN 的输入为：...
2020-03-09 18:58:50
401
转载 Word2vec的详细讲解和总结
https://blog.csdn.net/HowardEmily/article/details/104724813?depth_1-utm_source=distribute.pc_feed.63661&utm_source=distribute.pc_feed.63661
2020-03-08 10:46:54
276
原创 tensorflow中tf.Graph()使用说明
tf.Graph()表示实例化一个用于tensorflow计算和表示用的数据流图，不负责运行计算。在代码中添加的操作和数据都是画在纸上的画，而图就是呈现这些画的纸。我们可以利用很多线程生成很多张图，但是默认图就只有一张。tf中可以定义多个计算图，不同计算图上的张量和运算是相互独立的，不会共享。计算图可以用来隔离张量和计算，同时提供了管理张量和计算的机制。1、使用g = tf...
2020-02-25 11:57:13
597
1
原创 Prim算法实现最小生成树问题（C++语言）
塔坪村A上白庙B如意村C上云村D双塘村E碑子岩F杨柳村G中白庙H胡家庙I山麻柳J求以上图的最小生成树：（采用Prim算法）输入输出采用读取文件的方式：说明： （1）第一行表示有多少个节点第二行表示各个节点的名字信息 接下来是一个10 x 10的矩阵，采用邻接矩阵的方式存储节点间的关系#include<iost...
2019-12-01 15:22:19
775
原创 Representation Learning for Attributed Multiplex Heterogeneous Network 论文阅读笔记
摘要部分网络嵌入（图嵌入）在真实世界中已经有了非常大规模的应用，然而现存的一些网络嵌入（图嵌入）相关的方法主要还是集中在同质网络的应用场景下，即节点和边的类型都是单一类型的情况下。但是真实世界网络中每个节点的类型都多种，每条边的类型也有多种，而且每一个节点都具有不同且繁多的属性。所以本论文提出了一种在Attributed Multiplex Heterogeneous Network中进行嵌入...
2019-11-21 16:57:15
6516
10
原创 E-R图转换为关系模式的方法
1.二元联系类型的转换(1)若实体间联系是1:1，可以在两个实体类型转换成的两个关系模式中任意一个关系模式的属性中加入另一个关系模式的键和联系类型的属性。(2)若实体间联系是1:N，则在N端实体类型转换成的关系模式中加入1端实体类型的键和联系类型的属性。(3)若实体间联系是M:N，则将联系类型也转换成关系模式，其属性为两端实体类型的键加上联系类型的属性，而键为两端实体键的组合。2....
2019-10-13 11:11:56
1423
原创 经典损失函数：交叉熵（附tensorflow）和滑动平均
这几天，我在回顾交叉熵和滑动平均算法时看到的两篇非常好的博文分享给大家：讲解交叉熵的博文：https://blog.csdn.net/weixin_37567451/article/details/80895309讲解滑动平均的博文：https://www.cnblogs.com/wuliytTaotao/p/9479958.html...
2019-08-11 16:18:37
196
原创 浅谈Seq2Seq模型
最近在阅读论文《Attention is all you need》的时候了解到了这个Seq2Seq模型，其最基本的原理及其思想就是RNN（循环神经网络的）的一个最重要的变种：N vs M，这种结构也叫Encoder-Decoder模型。原始的N vs N RNN要求序列等长，然而我们遇到的大部分问题序列都是不等长的，如机器翻译中，源语言和目标语言的句子往往并没有相同的长度。举一个很简单...
2019-08-01 17:34:24
375
转载 论文：DeepWalk: Online Learning of Social Representations（社会表征的在线学习）重点讲解
相关资料：https://github.com/SkyWorkerCK/NetWork-EmbeddingDeepWalk是一种学习网络中节点的表示的新的方法，是把language modeling的方法用在了social network里面，从而可以用deep learning的方法，不仅能表示节点，还能表示出节点之间的拓扑关系，也就是表现出社会网络的社会关系。如下图所示：上图...
2019-07-28 15:59:52
443
原创 主成分分析（PCA）原理详解
本人最近一直在关注学习基于SVD（奇异值分解）的PCA（主成分分析算法）—— Principal Component Analyse我在学习的过程中查阅了 “一步一步教你学PCA” 等博客，发现讲的非常好，但是作者讲的例子太过于复杂，以下是我在参考完多个博主关于PCA的见解之后，自己基于sklearn中的鸢尾花数据集（iris.csv）进行编写的主成分分析实例，其中的代码对于初学者而言非常好理...
2019-07-24 17:46:23
1265
3
原创 MNIST手写数字识别模型精度测试
MINST数据库是由Yann提供的手写数字数据库文件，其官方下载地址http://yann.lecun.com/exdb/mnist/数据库的里的图像都是28*28大小的灰度图像，每个像素的是一个八位字节（0~255）这个数据库主要包含了60000张的训练图像和10000张的测试图像，主要是下面的四个文件其中： 训练集（包括５０００的验证集）： Training set...
2019-06-11 22:36:01
1572
原创 PythonChallenge —— 4（关卡）
此关卡因为只给了一个一张图片，没有任何提示信息，还是很难解的，不过结合之前几道图片的解题经验，我们发现很多可以从源代码中进行寻找信息，所以这次打开源代码，我们可以发现：我们发现图片是一个可以点击开的一个链接，所以我们进行点击发现是有数字进行组成的跳转页面：http://www.pythonchallenge.com/pc/def/linkedlist.php?nothing=123...
2019-06-01 15:33:36
207
原创 PythonChallenge —— 3（关卡）
import stringimport retext = open('info.txt').read()text = str(text)pattern = re.findall(r'[a-z]{1}[A-Z]{3}([a-z]{1})[A-Z]{3}[a-z]{1}',text)print(''.join(pattern))结果：linkedlist
2019-06-01 14:43:39
201
转载 向量机SVM原理详解
转自：http://www.blogjava.net/zhenandaci/category/31868.html（一）SVM的简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理...
2019-05-29 17:20:26
412
原创 全连接神经网络和卷积神经网络的区别
在这里大致说明以一下我在学习过程中的理解： 卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网络一样，卷积神经网络中的每一个节点就是一个神经元。在全连接神经网络中，每相邻两层之间的节点都有边相连，于是会将每一层的全连接层中的节点组织成一列，这样方便显示连接结构。而对于卷积神经网络，相邻两层之间只有部分节点相连，为了展示每一层神经元的维度，一般会将每一层卷积层的节点组织成一...
2019-05-28 16:51:04
17856
原创 给2020年计算机考研学弟学妹的意见
前天在官网的拟录取名单中，看到了自己的名字，排名学硕28名，有一些奖学金，不算满意，但终归心里的石头总算落下，也算给自己过去的一年的付出给一个交代，和一个阶段告一个段落吧。结束，也是新的开始！下一程，三年...... 写这篇日志的目的很简单，因为我考上并不是我一个人的功劳，在过去的一年里，我得到了很多学长学姐的帮助和指点，才在即将走偏的路途上得以回到正轨，希望我能在日志...
2019-05-28 16:33:12
2478
原创 神经网路（Neural Network building）—— 前向传播和反向传播
神经网络： 随着人工智能的崛起，Python渐渐开始成为编写人工智能的主要工具语言，由于Python易于编写且在整个大环境下，工具包非常丰富，所以我认为也是写神经网络的最佳语言。神经网络由输入层、隐藏层和输出层构成，隐藏层越多，说明整个神经网络越复杂，计算复杂度也越高，理所当然的计算耗时就越长。每个隐藏层上的神经元节点，也就是说每个Neural，简单地说，它的值由它的入度边的权值*...
2019-05-28 16:24:21
391
原创 SSH与MySQL 项目搭建之applicationContext.xml配置与struts文件等关键代码
applicationContext.xml:<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:p="http://www.springframework.org/schema/p" xmlns:xsi="h...
2019-03-19 15:10:30
317
原创 CCF 201712-2 游戏
问题描述 有n个小朋友围成一圈玩游戏，小朋友从1至n编号，2号小朋友坐在1号小朋友的顺时针方向，3号小朋友坐在2号小朋友的顺时针方向，……，1号小朋友坐在n号小朋友的顺时针方向。 游戏开始，从1号小朋友开始顺时针报数，接下来每个小朋友的报数是上一个小朋友报的数加1。若一个小朋友报的数为k的倍数或其末位数（即数的个位）为k，则该小朋友被淘汰出局，不再参加以后的报数。当游戏中只剩下一个小朋友...
2019-03-12 21:44:52
142
原创 CCF 201703-4 地铁修建
问题描述 A市有n个交通枢纽，其中1号和n号非常重要，为了加强运输能力，A市决定在1号到n号枢纽间修建一条地铁。 地铁由很多段隧道组成，每段隧道连接两个交通枢纽。经过勘探，有m段隧道作为候选，两个交通枢纽之间最多只有一条候选的隧道，没有隧道两端连接着同一个交通枢纽。 现在有n家隧道施工的公司，每段候选的隧道只能由一个公司施工，每家公司施工需要的天数一致。而每家公司最多只能修建一条候选...
2019-03-12 21:42:22
135
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人