overfit同步小助手
文章同步
ES6展开运算符“...”
ES6展开运算符“...”
idea2021版本创建一个javaweb项目（含额外知识--添加tomcat相关jar包）
前言：建立一个javaweb项目需要用到JDK、idea、Tomcat1. JDK是11版本的2.IDEA是2021版本的3.Tomcat是8.5版本的额外知识（添加Tomcat依赖）添加依赖后续会用得到依赖就是jar包，后续开发中不添加这个tomcat的相关jar包是会出问题的。六、这样就是一个标
Java中方法的形参与实参
方法调用的时候实际参数必须和形式参数的个数、顺序以及类型保持一致。先有的形参，后有的实参，实参和形参保持一致。泡面想做的好吃，顺序很重要先煮面倒掉热水加调料包搅拌加热水稍等一会代码想要写的好，一样的，实参和形参的顺序一定要保持一致，否则就会报错。形参与实参形参烤羊排制作原料有羊排辅料：洋葱、鸡蛋、小
C++程序设计（第3版 谭浩强） 第一章习题
习题1.请根据你的了解，叙述C++的特点。C++对C有哪些发展？（百度搜的）①支持数据封装和数据隐藏在C++中，类是支持数据封装的工具，对象则是数据封装的实现。C++通过建立用户定义类支持数据封装和数据隐藏。在面向对象的程序设计中，将数据和对该数据进行合法操作的函数封装在一起作为一个类的定义。对象被
Spring boot多数据源实现动态切换
日常的业务开发项目中只会配置一套数据源，如果需要获取其他系统的数据往往是通过调用接口，或者是通过第三方工具比如kettle将数据同步到自己的数据库中进行访问。但是也会有需要在项目中引用多数据源的场景。自研数据迁移系统，至少需要新、老两套数据源，从老库读取数据写入新库自研读写分离中间件，系统流量增加，
python-逆序输出
jmu-python-逆序输出前言学习python的日常提示：以下是本篇文章正文内容，下面案例可供参考题目： 输入一行字符串，然后对其进行如下处理。 输入格式字符串中的元素以空格或者多个空格分隔。 输出格式:逆序输出字符串中的所有元素。然后输出原列表。然后逆序输出原列表每个元素，中间以1个空格分隔。
jupyter和pyzmq之间的一些个奇葩坑
估计不少人和我遇到了同样的问题，jupyter-client和pyzmq两个永远不在同一个星球的家伙。这次将解决方法记下来，免得以后遇到了还是得重新找解决方案。
GBD学习
gbd官网GDB, the GNU Project debugger 是一个debug工具支持多种语言：命令如下如：(1) gcc -g test.c -o test(2) gdb test(3) list等gdb命令；2.出现问题的可能性：(1)当编译时，未加 - g 选项，则进入gd
吐血整理-高级程序员必备Java并发编程原理，没时间看建议收藏
简介：Java线程之间的通信对程序员完全透明，内存可见性问题很容易困扰Java程序员，这一系列几篇文章将揭开Java内存模型的神秘面纱。这一系列的文章大致分4个部分，分别是：Java内存模型基础，主要介绍内存模型相关基本概念Java内存模型中的顺序一致性，主要介绍重排序与顺序一致性内存模型同步原语，
selenium 无头模式截屏
原文链接: selenium 无头模式截屏 上一篇:...
登录协议介绍以及解决方案
什么是OAuth 2.0简答：OAuth 2.0是一个协议，类似于一种规则，一种解决方案，最常见的就是第三方授权登录应用了。参考：阮一峰-理解OAuth 2.0什么是SSO，什么是CAS简答：SSO 仅仅是一种架构，一种设计，而CAS 则是实现SSO 的一种手段。 两者是抽象与具体的关系。参考：SS
基于springboot_vue.js电子邮件收发系统java
用户身份要求根据用户的身份不同，他们所拥有的权限也是不同的。根据所用权限的不同，系统将用户分成两种，一种是普通用户，一种是管理员。1.系统管理员：系统管理员是本系统权限最大的用户。因为本系统是一个小型的系统，管理员可以对内部用户的信息进行增加，删除，改动，以及设定用户的权限功能。2.个人用户：个人用
innodb_buffer_pool_instances
The number of regions that the InnoDB buffer pool is divided into. For systems with buffer pools in the multi-gigabyte range, dividing the buffer pool
python 中 math.pow() 和 pow() 的区别
@[TOC](python 中 math.pow() 和 pow() 的区别)在做算法题的时候发现 python 中的 math.pow() 和 pow() 计算结果不太一样，在网上搜索了一下，看了简书上一位博主写的文章，觉得例子很有代表性，所以拿过来做一下笔记。我们可以先做一道算法题：给定n, k
瞄准C端，「叮咚买菜」能否成为“预制菜”破局者？
“酒越陈越好，水越新越佳。”推陈出新能使酒水更香更醇。道理放在各行各业同样适用，谋求差异化发展，才能激发出更多新活力。生鲜消费渠道中，除了“卖菜”，还可以“做菜”。今年，叮咚买菜推出3R食品“快手菜”，据其公布的数据，其所有订单中包含预制菜品类的订单占比约为30%，同时叮咚买菜预制菜用户也在全平台用
推荐系统笔记（一）：BPR Loss个性化推荐
在常规的推荐系统统计算法中，我们通常是通过现有数据集去计算获取用户对所有商品的得分，但大多情况下我们只需要关系极少数的商品的优先级，而不是所有的商品的排序，并且一些基于矩阵分解和KNN的推荐算法，是没有对排序方法进行优化的，而BPR损失函数能够满足我们的需求。（1）BPR的出发点是优化用户对商品的偏
XGBoost基本介绍（机器学习ML神器）
介绍：基于Boosting思想，利用梯度下降思想XGBoost在机器学习里面所有算法里面算效果很好的了，对于很多竞赛，都是用XGBoost获得了很好的名词基于树的集成学习优点：基于树的集成学习不用做特征归一化，使用起来非常方便。基于树的集成学习可以做到特征组合，不用自己做升维。集成学习可以做大规模数
ChatGPT AI绘图Siri快捷指令，根据描述生成图片
这是一个将ChatGPT AI绘图集成到Siri的项目，提供快捷指令Siri唤醒使用，支持多语言
经典图像去噪算法概述
基于梯度先验去噪方法的重点是局部特征，而忽略图像的全局结构。上面问题可以由Y的奇异值分解解决，由于奇异值分解的能量压缩性质，信息的主要能量都集中在少数几个较大的奇异值上，而较小的奇异值对应于噪声子空间，将它们设置为零可以得到去噪后的低秩矩阵，问题的关键是如何确定阈值来区分信号与噪声，太大的阈值会使图
基于强化学习的空战辅助决策(2D)
空域作战辅助决策的环境搭建