原创 抖音去水印超簡單

一、前言 抖音去水印方法很簡單,以前一直沒有去研究,以爲搞個去水印還要用到算法去除,直到動手的時候才發現這麼簡單,不用編程基礎都能做。 二、原理與步驟 其實抖音它是有一個隱藏無水印地址的,只要我們找到那個地址就可以了 1、我們在抖音找一個想

原创 規範使用線程池與底層原理詳解

什麼是線程池 “線程池”顧名思義,就是存放線程的池子,這個池子可以存放多少線程取決於採用哪種線程池,取決於有多少併發線程,有多少計算機的硬件資源。 線程池優勢  線程池最主要的工作在於控制運行線程的數量,從而做到線程複用、控制最大併發數量、

原创 centos7安裝mysql(完整)

安裝包下載並上傳到Linux系統中 官網5.7版本:https://cdn.mysql.com//Downloads/MySQL-5.7/mysql-5.7.29-1.el7.x86_64.rpm-bundle.tar 可以使用xftp上傳

原创 SpringCloud微服務之Ribbon負載均衡(一)

什麼是微服務?什麼是SpringCloud?  微服務是一種架構的模式,它提倡將一個應用程序劃分成很多個微小的服務,服務與服務之間相互協調、相互配合。每個服務運行都是一個獨立的進程,服務與服務之間採用輕量級的通訊機制相互溝通。簡單的來說就是

原创 Java集合多線程安全

線程安全與不安全集合 線程不安全集合: ArrayList LinkedList HashMap HashSet TreeMap TreeSet StringBulider 線程安全集合: Vector HashTable Prope

原创 CAS底層原理與ABA問題

CAS定義 CAS(Compare And Swap)是一種無鎖算法。CAS算法是樂觀鎖的一種實現。CAS有3個操作數,內存值V,舊的預期值A,要修改的新值B。當預期值A和內存值V相同時,將內存值V修改爲B並返回true,否則返回false

原创 手寫數字識別-小數據集

作業補交說明 第五次作業:https://www.cnblogs.com/lzhdonald/p/12758516.html 當時已經寫完了作業存在草稿,忘記發佈了沒有提交,第二天發現不能提交了,當時也有和老師說明了情況。 1.手寫數字數據

原创 深度學習-卷積

1.簡述人工智能、機器學習和深度學習三者的聯繫與區別。 人工智能:機器學習和深度學習都是屬於一個領域的一個子集。但是人工智能是機器學習的首要範疇。機器學習是深度學習的首要範疇。 機器學習:是人工智能的子領域,也是人工智能的核心。它包括了幾乎

原创 垃圾郵件分類2

1.讀取 # 1、讀取數據集 def read_dataset(): file_path = r'SMSSpamCollection' sms = open(file_path, encoding='utf-8')

原创 樸素貝葉斯-垃圾郵件分類

1. 讀郵件數據集文件,提取郵件本身與標籤。 列表 numpy數組 import csv file_path = r"SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-

原创 分類與監督學習,樸素貝葉斯分類算法

1.理解分類與監督學習、聚類與無監督學習。 (1)簡述分類與聚類的聯繫與區別。 聯繫:兩者都是對於想要分析的目標點,都會在數據集中尋找它最近的點,即二者都用到了NN算法。 區別:   分類:從機器學習的觀點,分類技術是一種有指導的監督學習,

原创 邏輯歸回

1.用自己的話描述一下,什麼是邏輯迴歸,與線性迴歸對比,有什麼不同? 線性迴歸:   線性迴歸是一種迴歸分析技術.迴歸分析就是利用樣本(已知數據),產生擬合方程,從而對未知數據進行預測,迴歸在於分析自變量與因變量之間的關係。線性回歸屬於有

原创 K均值算法--應用

1. 應用K-means算法進行圖片壓縮 讀取一張圖片 觀察圖片文件大小,佔內存大小,圖片數據結構,線性化 用kmeans對圖片像素顏色進行聚類 獲取每個像素的顏色類別,每個類別的顏色 壓縮圖片生成:以聚類中收替代原像素顏色,還原爲二維 觀

原创 mysql搭建主從複製(一主一從,雙主雙從)

主從複製原理 Mysql 中有一個binlog 二進制日誌,這個日誌會記錄下所有修改了的SQL 語句,從服務器把主服務器上的binlog二進制日誌在指定的位置開始複製主服務器所進行修改的語句到從服務器上執行一遍。 流程圖 搭建一主一從 

原创 機器學習相關數學基礎

視頻學習筆記 (1)概率論與貝葉斯先驗 視頻地址:https://www.bilibili.com/video/BV1Tb411H7uC?p=2 概率論基礎     統計量     (2)概率論與貝葉斯先驗 視頻地址:http