学习

socker学习开发本人在 socket 进行学习开发的时候遇到的一些问题 socket 异步传输 socket 线程传输 socket 文件混合传输本人采用的混合传输思路是将文件内容混合成一个 byte 进行传输 比如本人采用文件传输 前 30 位为文件名 30 40 位为文件长度 40 位往后存储的是文件的内容 进行文件保存的时候直接进行数组复制存储即可遇到的问题字节对应问题文件整体存储的时候 数组不对应 存储文件会错误

消息总线学习阅读目录一 spring cloud bus 是什么 二 实现分布式配置的消息总线回到顶部一 spring cloud bus 是什么 回答这个问题之前 我们先回顾先前的分布式配置 当配置中心发生变化后 我们需要利用 spring boot actuator 里的 refresh 端点进行手动刷新 根据上述示例情况 我们每次要获取最新配置时 要一个一个的通过 refresh

Python入门学习小记:100以内素数/质数之和今天做到一题利用 for 循环求 100 以内素数之和的题目 发现自己在 Python 的语法上遇到了问题 这个 else 是谁的 在此记录以防下次又做错啦 题目很简单 100 以内素数之和求 100 以内所有素数之和并输出

高性能架构学习路线图-分布式架构演进目录一 分布式架构学习路线图二 计算机软件发展历史三 技术架构演进史架构演进一 早期雏形架构演进二 数据库开发 LAMP 特长 架构演进三 javaweb 的雏形架构演进四 javaweb 的集群发展 架构演进五 javaweb 的分布式发展架构演进六 javaweb 的微服务发展 集群与分布式的区别一 分布式架构学习路线图 JAVA 中

机器学习：混淆矩阵、准确率、错误率、灵敏度、特异度、精准率、召回率、F-Measure、ROC曲线 & PR曲线从 FPR 和 TPR 的定义可以理解 TPR 越高 FPR 越小 我们的模型和算法就越高效 比如 把蓝色虚线放到第一张图片下面 也就是说让系统只识别出最上面的那张飞机图片 那么 Precision 的值就是 100 而 Recall 的值则是 20 如果把蓝色虚线放到第二张图片下面 也就是说让系统只识别出最上面的前两张图片 那么 Precision 的值还是 100 而 Recall 的值则增长到是 40 灵敏度 Sensitive 表示的是所有正例中被分对的比例 衡量了分类器对正例的识别能力 在数值上等于召回率 Recall

SpringCloud微服务架构学习笔记SpringCloud 微服务架构学习笔记 01 什么是微服务架构 02 如何把握全局视角去设计微服务工程 03 AlibabaNacos 服务注册与配置中心 04 SpringBootAd 微服务应用监控 05 授权 鉴权中心微服务 06 SpringCloudG 微服务网关 07 SpringCloudS Zipkin 分布式日志追踪 待续 01 什么是微服务架构 02 如何把握全局视角去设计微服务工程 03 AlibabaNacos 服务注册与配置中心 04 Spri

【Java学习】JSP + Servlet + JDBC + Mysql 实现增删改查新版本 导入 eclipse 教程 源码 http www readjava cn article detail 34Servlet 是一个特殊的 Java 程序 它运行于服务器的 JVM 中 能够依靠服务器的支持向浏览器提供显示内容 JSP 本质上是 Servlet 的一种简易形式 JSP 会被服务器处理成一个类似于 Servlet 的 Java 程序 可以简化页面内容的生成 Servlet 和 JSP 最主

Lodash学习笔记有多年开发经验的工程师 往往都会有自己的一套工具库 称为 utils helpers 等等 这套库一方面是自己的技术积累 另一方面也是对某项技术的扩展 领先于技术规范的制订和实现 Lodash 就是这样的一套工具库 它内部封装了诸多对字符串 数组 对象等常见数据类型的处理函数 其中部分是目前 ECMAScript 尚未制订的规范 但同时被业界所认可的辅助函数 莫倩每天使用 npm 安装 Lodash 的数量在百

【深度学习】全面理解VGG16模型全面理解 VGG16 模型 VGG16 的结构层次介绍结构图 VGG16 模型所需要的内存容量介绍卷积中的基本概念 1 从 input 到 conv1 2 从 conv1 到 conv2 之间的过渡 3 conv2 到 conv3 4 进入 conv3 5 从 conv3 到 conv4 之间的过渡 6 最后到三层全连接 FC 层结论 VGG16 的结构层次 vgg16 总共有 16 层 13 个卷积层和 3 个全连接层 第一次经过 64 个卷积核的两次卷积后

机器学习中的数学——常用概率分布（十）：贝塔分布（Beta分布）贝塔分布是关于连续变量 x 0 1 x in 0 1 x 0 1 的概率分布 它由两个参数 a gt 0a gt 0a gt 0 和 b gt 0b gt 0b gt 0 确定 Beta x a b a b a b a 1 1 b 1 1B a b a 1 1 b 1Beta x a b frac Gamma a b Gamma a Gamma b mu a 1 1 mu b 1 frac 1 B a b mu a 1 1 mu b