页面缓慢置顶 html+css+js
效果（后面有源码）：这是一个很简单的页面置顶按钮，点击后页面置顶。视频制作过程： 【html+css+js】页面缓慢置顶效果制作 实现：1.定义标签，.bg是背景图，.zd是置顶按钮：<div class="bg"></div><div class="zd"></div>2. 置顶按钮基本css样式： .zd{
程序员感叹Android研发面试大厂，没想到这么难
前言不知道你们多长时间没有参加过面试了，最近这段时间的面试，真的是一个比一个严格！我昨天参加了一线大厂的技术面，当场给我吓die了，没想到这么难！如果你不信，你也来die die：画出 Android 的大体架构图描述请点击 Android Studio 的 build 按钮后发生了什么，大体说清一个应用程序安装到手机上时发生了什么；对 Dalvik、ART 虚拟机有基本的了解；Android 上的 Inter-Process-Communication 跨进程通信时如何工作的；App 是
关于Android架构，你是否还在生搬硬套？
前言关于Android架构，可能在很多人心里一直都是虚无缥缈的存在，似懂非懂、为了用而用、处处生搬硬套，这种情况使用的意义真的很有限。本人有多个项目重构的经验，恰好对设计领域较为感兴趣，今天我将毫无保留的将自己对架构、设计的理解分享给大家。本文不会具体去讲什么是MVC、MVP、MVVM，但我描述的点应该都是这些模式的基石，从本质上讲明白为什么这样做，这样做的好处是什么，有了这些底层思想的支持再去看对应的架构模式，相信会让你有一种焕然一新的感觉。知识储备：需掌握Java面向对象、六大设计原则，如果不理解
[机器学习] - 支持向量机（五）： SVM程序 - Python
支持向量机：[机器学习] - 拉格朗日乘子法与KKT条件.[机器学习] - 支持向量机（一）： 硬间隔支持向量机.[机器学习] - 支持向量机（二）： 软间隔支持向量机.[机器学习] - 支持向量机（三）： 序列最小优化算法(SMO算法).[机器学习] - 支持向量机（四）： 核函数.[机器学习] - 支持向量机（五）： SVM程序 - Python.本文分成两个部分：（1）手动实现SVM的代码，包括硬间隔、软间隔、非线性支持向量机、SMO算法（2）调用sklearn库中的SVM来实现支
[机器学习] - 提升方法AdaBoost
Adaboost是一种集成学习的方法，当采用基于简单模型的单个分类器对样本进行分类的效果不理想时，人们希望能够通过构建并整合多个分类器来提高最终的分类性能。
[机器学习] - EM算法与GMM模型
[机器学习] -EM算法与GMM模型1. EM算法数学基础1.1凸函数1.2 Jensen不等式1.3极大似然估计2. EM算法_原理详解2.1前言2.2 EM算法理论2.3 EM算法流程2.4总结3. EM算法高斯混合模型GMM3.1 GMM介绍3.2 GMM原理解析3.3 GMM算法流程4. EM算法高斯混合模型GMM详细代码实现4.1 GMM算法实现5总结
git push报错： error: failed to push some refs to ‘[email protected]:xxx/xxx.git‘解决方法
git push报错： error: failed to push some refs to ‘[email protected]:xxx/xxx.git‘解决方法
打开anaconda navigator结果一直 loading application
解决Anaconda打不开问题好长时间没用anaconda了，昨天想搭个环境，打开anaconda navigator结果一直 loading application，浪费一早上查了好多文章，整理了一个思路，仅供参考找到自己的问题用conda prompt命令界面打开anaconda navigator，显示错误File “d:\Anaconda3\lib\site-packages\anaconda_navigator\api\anaconda_api.py”, line 811, in proc
就在上个月，阿里给我发offer了，只因我往简历里多写了“这行字”！！！
到此刻还在感叹：这个春节总算是过完了…被问工作，问薪酬，忙着应付各种问题，家里小孩也多，一年攒的钱包的红包就去掉了大半，这不赶紧趁着金三银四即将到来的这股热劲，开启了我的面试之路…没办法啊，还是要进大厂搬砖，这不，赶紧拿阿里试试水。没别的，阿里必问**Framework，**好巧不巧，我竟然刚好在简历上写了“精通Framework…”不出所料，面试官往死里问Framework内容…IPC原理Binder原理Binder核心方法Binder通信协议第九节如何使用BinderFramew
处理IDEA 找不到 git.exe : Cannot Run Git File not found: git.exe
处理IDEA 找不到 git.exe : Cannot Run Git File not found: git.exe
C语言编程笔试题（二）
接上篇博客——C语言编程笔试题（一）文章目录一、求最小公倍数思想步骤1.方法一实现代码2.方法二实现代码二.找单身狗思考步骤实现代码未完待续...一、求最小公倍数题目描述： 正整数A和正整数B 的最小公倍数是指 能被A和B整除的最小的正整数值，设计一个算法，求输入A和B的最小公倍数。输入描述：输出A和B的最小公倍数。示例：输入：5 7输出：35思想步骤1.方法一在做最小公倍数的题目之前，我们先了解一下最大公约数。如何求解两数的最大公约数？我们可以.
处理 Server returns invalid timezone. Go to ‘Advanced‘ tab and set ‘serverTimezone‘ property manually.
处理 Server returns invalid timezone. Go to ‘Advanced’ tab and set ‘serverTimezone’ property manually.
数据挖掘实战（2）：数据预处理
数据挖掘实战 （2）：数据预处理第一部分:第4章数据预处理4.1数据清洗4.1.1缺失值处理4.1.2异常值处理4.2数据集成4.2.1实体识别4.2.2冗余属性识别4.3数据变换4.3.1简单函数变换4.3.2规范化4.3.3连续属性离散化4.3.4属性构造4.3.5小波变换4.4数据规约4.4.1属性规约4.4.2数值规约4.5 Python主要数据预处理函数4.6小结
数据挖掘实战（3）：挖掘建模
第一部分：《Python数据分析与挖掘实战》第五章 的内容；目录第一部分第5章 挖掘建模5.1 分类与预测5.1.1 实现过程5.1.2 常用的分类与预测算法5.1.3 回归分析5.1.4 决策树5.1.5 人工神经
【深度学习】第一篇：深度学习与 TensorFlow 基础
**博客内容是书籍： **《深度学习之TensorFlow入门、原理与进阶实战》** 的阅读笔记。是书籍中 **第一篇：深度学习与 TensorFlow 基础** 的部分。内容分为三个部分：第一部分：**遇到的问题总结**、第二部分：**第三章 ：TensorFlow 基本开发步骤 - 以逻辑回归拟合二维数据为例** 、第三部分：**第五章 ：识别图中模糊的手写数字**
今日推荐
周排行