「专题总结」后缀自动机
后缀自动机重点在于性质，东西很多注意区分概念。 后缀自动机是一个\(DAG\)，从根开始的路径能够识别\(S\)的每个后缀（子串），一定不存在一条从根开始的路径能够识别不是S的子串。 点：每个节点代表了一个\(endpos\)类，从根到该节点的所有字符串在S中的出现位置相同， 一个点代表的\(endpos\)集相同的各个串之间有后缀关系且连续，暂且称这些串的集合为\(P\)。 边：走\(trans\)相当于在后边加字符，跳\(parent\)树则是在前面减字符。 \(nq\)节点是为了划分不同
python多进程完成模拟支付
#!/usr/bin/python
# -*- coding: UTF-8 -*-
'''@auther :mr.qin
@IDE:pycharm'''
from tool.Common import *
from tool.request_data_change_to_StrEncode import request_data_change_to_str
from tool.tencent_cloud_mysql_connect import Mysql_operation
import
BZOJ3516 国王奇遇记加强版
题目 求 \[\sum_{i=1}^ni^mm^i\] \(n\leq 10^9,m\leq 10^3\) 看起来是个暴力好题，考虑倍增暴力搞，即从\(\sum_{i=1}^ni^mm^i\)推到\(\sum_{i=1}^{2n}i^mm^i\) \[\sum_{i=1}^{2n}i^mm^i=\sum_{i=1}^ni^mm^i+m^n\sum_{i=1}^n(i+n)^{m}m^{i}\] 这个\(\sum_{i=1}^n(i+n)^{m}m^{i}\)二项式定理一下，就是\(\sum_{
[转载]CNN网络的BP算法
[转载]CNN网络的BP算法 CNN自己已经掌握了，BP也掌握了，但是CNN的BP其实和FNN是不一样的，因为卷积和pooling的存在使得问题复杂化了。网上找了几篇文章，对于这个问题说的都不透彻，直到找到了这篇:http://jermmy.xyz/2017/12/16/2017-12-16-cnn-back-propagation/.真的是讲得很透彻了，希望大家点进原文去看。 只说一点，博主对CNN卷积层类比到FNN层的描述令我茅塞顿开:
Python3 批量修改JPG图片尺寸
功能 批量修改当前文件夹下的jpg图片到设置的尺寸 将修改后的图片移动到 new_img 这个文件夹下 导入库 from PIL import Image # 处理图片模块
import os
import shutil # 移动文件模块 如果没有请提前安装相应的库. 定义一个函数用来处理图片尺寸 def smaller_img
npm发布包时遇到：This operation requires a one-time password. 如何解决
初来乍到，这是我第一次写博客，注册博客园也没多久，以目前的技术累积暂时写不出什么有质量的技术分享，不过还是想写点东西，所以就谈谈我最近遇到的一个坑吧！希望能帮到遇到过这个问题的朋友。如标题所述，这是在发布或更新npm包时可能会遇到的情况——貌似最近npmjs平台强制开发者们要开启2FA验证了，解决办法如下： 登录npmjs官网，如果是首次发布就点击头像然后点击account选项然后在页面中找到Enable 2FA选项并点击；而如果是更新包的话就直接进入自己包的页面然后切换到setting页面下
Vue--组件间通信
组件间通信方式 组件间通信方式有三种： props 父组件向子组件传递数据 $emit 自定义事件（子组件向父组件传递数据） slot 插槽分发内容 组件间通信要遵循以下的规则： 不要在子组件中直接修改父组件传递的数据 数据初始化时，应当看初始化的数据是否用于多个组件中，如果需要被用于多个组件中，则初始化在父组件中；如果只在 一个组件中使用，那就初始化在这个要使用的组件中。 数据初始化在哪个组件，更新数据的方法（函数） 就应该定义在哪个组件。 props向子组件传递数据 1.在声明组件对象中使
8 pass 空语句
Python pass是空语句，是为了保持程序结构的完整性。 pass 不做任何事情，一般用做占位语句 #在字母为 o 时 执行 pass 语句块:
for letter in "runoob":
if letter == 'o':
pass
print("执行pass块")
print("当前字母："+letter)
print("good bye!") 结果：
【深度学习】paddlepaddle——基于多层神经网络的图像识别案例
1 # 1、导包
2 import paddle.fluid as fluid
3 import paddle
4 import time
5
6 start = time.time()
7
8
9 def test_program(exe, feeder, program, fetch_list, reader):
10 """
11 测试进程
12 :param exe:执行器
13 :param feeder:
2020 中国 .NET 开发者调查问卷
随着.NET Core 3.1的发布，国内2019 中国.NET开发者峰会在上海的成功举办。从技术采用生命周期的角度来说，随着.NET Core 3.1的发布，有越来越多的厂商开始采用.NET Core, .NET Core 正在跨越技术鸿沟。.NET Core 正是顺应应用程序现代化，应用程序容器化的浪潮而生长，随着基于kubernetes 平台的采用率的不断提升，.NET Core非常契合云原生应用的特性：启动速度快，占用内存少，镜像尺寸小。国内公司都在强调业务创新的速度，没有做底层更新的
莫愁前路无知己，天下谁人不识Redis
1. 数据库小知识 1.1 什么是数据库 数据库是“按照数据结构来组织、存储和管理数据的仓库”。是一个长期存储在计算机内的、有组织的、有共享的、统一管理的数据集合。数据库是以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合，可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、查询、更新、删除等操作。 1.2 数据库的种类 数据库分为关系型数据库和非关系型数据库。 1.3 关系型数据库 关系型数据库，是建立在关系模型基础上的数据库，
python之解压缩操作
代码进行解压和压缩 代码如下： #!/usr/bin/env python2
# -*- coding: utf-8 -*-
import os
import tarfile
class software(object):
def __init__(self):
super(software, self).__init__()
def start(self):
# self.file_compression()
react中父子组件传值
【父组件】向【子组件】传值 初步使用 这个是相当容易的，在使用 React 开发的过程中经常会使用到，主要是利用 props 来进行交流。例子如下： 1 // 父组件
2
3 var MyContainer = React.createClass({
4
5 getInitialState: function () {
6
7 return {
8
9 checked: true
10
11 };
12
13 },
14
【深度学习】TensorFlow——理解会话
1 # 会话---执行op的类
2 # 本质：连接前台程序与底层C++代码的纽带
3 # 两种形式
4 # tf.Session() ：用于完整的程序中
5 # tf.InteractiveSession() ：应用于交互环境
6
7 # 会话使用--完整流程
8 # 1、会话初始化
9 # __init__
10 # 2、会话执行
11 # ss.run()
12 # 3、关闭会话
13 # ss.close()
14
15 # 不使用上面的方式，使用with托管
16
【深度学习】TensorFlow——实现线性回归案例
1 # 1、加载数据---特征值与目标值
2 # 2、随机初始化权重与偏置---变量op
3 # 3、预测--->矩阵相乘
4 # 4、预测值与真实值 ---损失--均方误差损失
5 # 5、构建优化算法进行优化损失---设置学习率
6 # 6、不断优化op
7 import tensorflow as tf
8
9
10 class MyLinearRegression(object):
11 def __init__(self):
12
Http请求消息Request、响应消息Response
Request 包括:请求行（request line）、请求头部（header）、空行和请求数据四个部分组成。 ******************** GET示例 1 GET /562f25980001b1b106000338.jpg HTTP/1.1
2 Host img.mukewang.com
3 User-Agent Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko
【深度学习】TensorFlow——变量op
1 import tensorflow as tf
2
3 # 创建一个变量--变量op
4 # 可以使用随机张量来初始化这个变量
5 # var1 = tf.Variable(
6 # initial_value=tf.random_normal(
7 # shape=[2, 2],
8 # mean=0.0,
9 # stddev=1.0
10 # ),
11 # trainable=True, #
nginx中Lua模块内置变量
名称 说明
$arg_name 请求中的name参数
$args 请求中的参数
$binary_remote_addr 远程地址的二进制表示
$body_bytes_sent 已发送的消息体字节数
$content_length HTTP请求信息里的"Content-Length"
$content_type 请求信息里的"Content-Type"
$document_root 针对当前请求的根路径设置值
$document_u
今日推荐
周排行