Swagger基础总结
The Best APIs are Built with Swagger Tools Swagger分为四部分: swagger: “2.0” info: version:1.0.0 title:simple api description:a simple api to learn how to write openAPI specification schemes: -https host: simple.api basePath: /openapi101 paths: /persons:
CSAPP 第2章 练习题2.1~2.6
练习题2.1 完成下面的数字转换: A. 将0x39A7F8转换位二进制 B. 将二进制1100100101111011转换为十六进制 C. 将0xD5E4C转换二进制 D. 将二进制1001101110011110110101转换为十六进制 解: A. 0011-1001-1010-0111-1111-1000 B. 0xC97B C. 1101-0101-1110-0100-1100 D. 0x26E7B5 练习题2.2 填写下表中的空白项,给出2的不同次幂的二进制和十六进制表示: 解 练
eclipse不同方式复制带路径名称
就是选这个复制名称,就能复制出来带路径的, 鼠标放在java文件上,会复制出来真实的java文件在工作空间的存盘路径 鼠标放在每个类里的的类名上,会复制带.的那种包路径名称
MTK Android P 开机无动画,无铃声问题和开机铃声不同步,首次开机无铃声的问题
最近做Android9.0的项目定制出现开机动画铃声的问题,以下是解决方案 解决预置开机动画,铃声无效果的问题 1.device/mediatek/mt6739/device.mk PRODUCT_PACKAGES += mtkbootanimation
PRODUCT_PACKAGES += libmtkbootanimation
2.device/mediatek/sepolicy/basic/non_plat/audioserver.te allow audioserver boota
Python学习笔记之递归函数
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87870494 文章目录 1. 递归基础 2. 递归的优化-尾递归 3. 递归函数的应用-汉诺塔 参考了廖雪峰老师的python教程:廖雪峰的官方网站 1. 递归基础 递归函数是在函数内部调用自己,比如我们求一个数的阶乘,就可以使用递归函数: def func(n):
if n == 1:
return 1
r
Python学习笔记之生成器与迭代器
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87898429 文章目录 1. 生成器 1. 创建生成器方法1-[]->() 1.2 创建生成器的方法2-关键字`yield` 1.3 生成器例子-杨辉三角 2. 迭代器 学习于廖雪峰的官方网站 1. 生成器 在Python中,这种一边循环一边计算的机制,称为生成器:generator。 创建生成器的方法有两种: 将列表生成式的[]改为()
Python学习笔记之map()、reduce()、filter()和sorted()函数学习
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87898440 文章目录 1. map() 2. reduce() 3. filter() 4.sorted() 1. map() map()函数接收两个参数,一个是函数,一个是Iterable,map将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator返回。 def f(x):
return x*x
r = ma
Python学习笔记之枚举类和调试工具
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87909140 文章目录 1. 枚举类 2. 用于调试的工具们-print(), assert, logging和pdb 2.1 assert(断言) 2.2 logging 2.3 pdb 1. 枚举类 from enum import Enum
Month = Enum('Month', ('Jan', 'Feb', 'Mar', 'A
Python学习笔记之__slot__、@property、__str__、__iter__、__getitem、__getattr__、和__call__
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87909146 文章目录 1. \_\_slots\_\_ 2. @property 3. \_\_str\_\_ 4. \_\_iter\_\_ 5. \_\_getitem\_\_ 6. \_\_getattr\_\_ 7. \_\_call\_\_ 【注意】出现的__slot__和__init__和__sstr__等,都是双下划线 1.
Python学习笔记之进程与线程
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87909150 文章目录 1. 多进程 2. 批量创建进程-Pool 3. 进程间通信 4. 多线程 5. 多线程数据安全修改-Lock 6. python中无法做到多线程并发的原因-GIL 7. ThreadLocal 8. 进程与线程的优缺点总结 1. 多进程 multiprocessing模块就是跨平台版本的多进程模块。 multipr
Python学习笔记之TCP与UDP编程
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/87914159 文章目录 1. TCP-(Transmission Control Protocol) 1.1 TCP客户端 1.2 TCP服务端 2. UDP(User Datagram Protocol) 2.1 UDP客户端 2.2 UDP服务端 1. TCP-(Transmission Control Protocol) 1.1 TC
从零开始-Machine Learning学习笔记(33)-AdaBoost、Boosting tree、GBDT
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/88106258 文章目录 1. AdaBoost 2. Boosting Tree 3. GBDT-梯度提升决策树(Gradient Boosting Decision Tree 3.1 GBDT 回归算法 3.2 GBDT分类算法 参考资料: 1. AdaBoost 在周志华先生的《机器学习》的集成学习(第8章)一章中,给出了Adabo
从零开始-Machine Learning学习笔记(34)-XGBoost原理详解
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/88142203 文章目录 0. 写在前面 1. XGBoost简介 2. XGBoost原理介绍 2.1 推导最优值函数(打分函数) 2.2 损失增益 2.3 XGBoost的完整流程 3. 后记 参考资料 0. 写在前面 最近刚看完AdaBoost和GBDT部分,就想着一鼓作气将XGBoost的内容了解一下。在写这篇博文的时候,在网上也
从零开始-Machine Learning学习笔记(35)-最大熵模型
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/88224529 文章目录 0. 前言 1. 最大熵模型的定义 2. 求解最优化问题 3. 改进的迭代尺度法(Improved Iterative Scaling, IIS) 4. 最大熵模型的总结 5. 参考资料 0. 前言 假设离散随机变量X的概率分布是P(x),其熵为: H(P)=−∑xP(x)logP(x) H(P) = -\su
从零开始-Machine Learning学习笔记(36)-EM算法总结
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kabuto_hui/article/details/88293236 文章目录 0. 前言 1. EM算法流程 2. EM算法的经典例子-三硬币模型 3. 参考资料 0. 前言 EM(Expectation Maximization)算法是1977由Dempster等人提出来的,是一种迭代算法。其每次迭代过程分为两步:E步:求期望(Expectation);M步:求极大值(Maximizat
走进 JDK 之 String
文中相关源码: String.java 今天来说说 String。 贯穿全文,你需要始终记住这句话,String 是不可变类 。其实前面说过的所有基本数据类型包装类都是不可变类,但是在 String 的源码中,不可变类 的概念体现的更加淋漓尽致。所以,在阅读
从零开始-Machine Learning学习笔记(37)-L1正则化优化方法PGD(近端梯度下降)
【本文转载自LASSO回归与L1正则化 西瓜书,感谢BIT_666同学】 1.结构风险与经验风险 在支持向量机部分,我们接触到松弛变量,正则化因子以及最优化函数,在朴素贝叶斯分类,决策树我们也遇到类似的函数优化问题。其实这就是结构风险和经验风险两种模型选择策略,经验风险负责最小化误差,使得模型尽可能的拟合数据,而结构风险则负责规则化参数,使得参数的形式尽量简洁,从而达到防止过拟合的作用.所以针对常见模型,我们都有下式: 第一项经验风险L(yi,f(xi,w))衡量真实值与预测值之间的误差,第二
gunicorn+anaconda+nginx部署django项目(ubuntu)
首先进入conda 虚拟环境: source activate test 安装gunicorn: pip install gunicorn 运行gunicorn gunicorn -w 2 -b 127.0.0.1:9200 -D test.wsgi:application # -D 为后台运行 或者配置gunicorn.py 文件,并放置在项目根目录下: from gevent import monkey
monkey.patch_all()
import m
今日推荐
周排行