原创 馬上要畢業了,我是做業務還是做技術?

前言    對於還沒畢業和準備畢業的同學來說,業務和技術是很奇怪的名詞,我是計算機專業的學生,我難道工作後做的東西不是技術嘛?怎麼很多人說是做業務的,本文就給大家講解一下什麼是業務和什麼是技術。 業務型開發    業務是什麼?你開

原创 keras疑問

爲什麼共享圖層後,輸出向量的形狀還不一樣 # 這一層可以輸入一個矩陣,並返回一個 64 維的向量 shared_lstm = LSTM(64) # 當我們重用相同的圖層實例多次,圖層的權重也會被重用 (它其實就是同一層) enc

原创 數據結構堆排序的代碼

感覺比網上的大多數方法都好 @Test public void testMaxHeap(){ int[] sourceArray = {16,7,3,20,17,8}; buil

原创 Java 類加載:字節碼加載到Jvm中

前言 生成字節碼後,這些數據如何加載到jsm中,並怎麼存儲成爲了問題,本文主要研究一下這個內容。 加載到jvm 內存中 通過javac 轉換成.class 字節碼文件,這個時候計算機還是不能直接識別的,由jvm加載class文件,

原创 Redis 概念學習及5種數據類型

前言 實際項目中使用redis比較多,本文來了解redis概念相關的內容,不聊架構。說一個前提,Redis的高效性和靈活性正是得益於對於同一個對象類型採取不同的底層結構,並在必要的時候對二者進行轉換;以及各種底層結構對內存的合理利

原创 Java:Synchronized和lock鎖分析

Synchronized有什麼用 在多線程併發執行過程中,如果對某個公用變量的操作需要做到單線程,那麼就需要鎖來保證多線程環境下的某個操作是順序執行。 如何實現的 synchronized首先是一個悲觀鎖,支持的同步方法和同步語句

原创 CMS (Concurrent Mark Sweep):並行 標記清除 老年代垃圾回收機制

前言 cms是一個基於 標記-清除 算法的老年代垃圾回收器,綜合考慮多方因素結合多個垃圾回收算法組成的,適用場景:重視服務器響應速度,要求系統停頓時間最短。這裏要說明以下,這是一個老年代算法,年輕代怎麼處理?不回收了嘛?這裏其實年

原创 模型融合Blending 和 Stacking

前言 機器學習中很多訓練模型通過融合方式都有可能使得準確率等評估指標有所提高,這一塊有很多問題想學習,於是寫篇博客來介紹,主要想解決: 什麼是融合? 幾種方式融合 基本的模型融合組合及適用場景、優缺點等 什麼是融合? 構建並結

原创 分佈式鎖解決方案解析

分佈式鎖特性 互斥 分佈式鎖需要保證在不同節點的不同線程的互斥。 重入性 同一個節點上的同一個線程如果獲取了鎖之後那麼也可以再次獲取這個鎖 鎖超時 鎖超時:和本地鎖一樣支持鎖超時,防止死鎖 支持阻塞和非阻塞 和Reentrant

原创 sql 自連接場景

前言 太菜了,太菜了。 場景 一張表tab有2個字段, userId 存儲用戶id,該字段表示發送消息的用戶 receiveId 存儲用戶id,該字段表示收到消息的用戶 我們定義好友關係:互相發送過消息的用戶就是好友。問題:找

原创 多線程循環打印

前言 有很多中寫法,希望可以慢慢都寫出來。 思路 利用一個計數來除線程個數得到餘數從而控制線程輸出,並且利用一個Object的wait()和notify()方法來對線程的阻塞和喚醒,這裏的技巧可以看看。 wait() 阻塞當前線

原创 10分鐘快速瞭解 jvm 基礎知識

前言 快速的瞭解Jvm相關知識。 內存模型 開局一張jdk8 JVM圖,然後是JDK低版本的JVM圖。 這裏線程私有的區域有三個:程序計數器、本地方法棧、虛擬機棧。這三個區域隨着線程創建而初始化,線程毀滅而自然的被回收,不需要

原创 Xgboost生成Feature

瞭解了一個新的方法 坐下記錄,不過發現這樣新特徵加入之後,訓練的結果並沒有提升非常多。 from sklearn.model_selection import train_test_split from pandas impor

原创 通俗易懂的SMO算法

前言 SVM算法中目標函數最終是一個關於aaa向量的函數。本文將通過SMO算法來極小化這個函數。 SMO算法 首先我們再寫一下帶核函數的優化目標: min⏟a12∑i=1m∑j=1maiajyiyjK(xi,xj)−∑i=1mai

原创 RNN:循環神經網絡(Recurrent Neural Network)

前言 神經網絡現在各種網絡結構都有了,每一種網絡結構都是針對某些領域問題而提出來的,RNN 循環神經網絡同樣有它自己的背景,通過這些背景你可以更加認識RNN,甚至未來自己也可以設計自己的網絡結構。 RNN的提出 在RNN之前,大家