overfit同步小助手
文章同步
大数据ClickHouse（十五）：ClickHouse SQL语法之DDL 操作讲解
DDL:Data Definition Language,数据库定义语言。在ClickHouse中，DDL语言中修改表结构仅支持Merge表引擎、Distributed表引擎及MergeTree家族的表引擎,SQL 中的库、表、字段严格区分大小写。
C语言——qsort函数的使用
C语言——qsort函数的使用
使用 FAT12 文件系统实现简单的 Boot 加载 Loader 到内存
基于 BIOS 实现 Boot 程序并加载 Loader 文件执行。
将dumpbin从VS中抠出来，并使用dumpbin查看exe和dll库的依赖关系
将dumpbin从VS中抠出来，并使用dumpbin查看exe和dll库的依赖关系。
最优链表&&链表与顺序表的优缺点.
最优链表与它的实现方法都在这里了，不来看看吗？文章中还有顺序表与链表的优缺点比较？八种链表中的最优结构，快来看看吧！！！
C语言——快速排序qsort（）库函数的运用以及模拟实现
c语言中qsort（）库函数的使用以及模拟实现
链表——双链表
本文将介绍有关双链表的知识
剑指Offer 第53题：数字在升序数组中出现的次数
简单来说，我们就是先折半聚拢，然后分开扩散查找的思想，当然这得建立在数组有序的情况下，因此我使用了快排，但事实是不用快排也能运行，可以猜出牛客网中的例子应该都是有序的，总的来说知识点不多，无非就是分支与循环、函数、数组，然后再利用折半+遍历，就能解决这个问题，简单标签当之无愧。
【Linux篇】第九篇——Linux下的进程控制
进程创建进程创建的最常见的两种场景:1.命令行启动命令(程序,指令等)2.通过程序自身fork出来子进程fork函数fork在前面有讲过，关于fork的用法可以去前面看看。在这里接着往下讲:fork创建子进程是以父进程为模板的，很多数据代码继承父进程，它从存在进程中创建一个新进程。新进程为子进程，而
UI自动化---Wechat批量表情包轰炸
实现功能：微信批量表情包轰炸
经典算法之索引查询
索引查询类似于书籍查询，其能根据二分法折半查询能够大幅度的减少交换循环的次数，锁定查询区域。具有非常重要的意义。通过学习索引查询，往往能够让自己认识到一些现实生活中的做法以及原理，学会算法不仅仅是学习如何在代码中使用，更能将其中的思想代入到现实当中。
JavaScript之数组
在声明函数时 可以在函数名后的小括号中 添加一些参数这些参数被称为形参 ，而在调用函数时，同时也需要传递响应的参数，这些参数被称为实参。return不仅可以退出循环 还能返回return后的结果同时还可以在函数中 返回结果。函数：就是封装了一段可以被重读调用执行的代码块，通过这段代码块实现大量代码重
【JavaScript——流程控制的详解】
1.顺序结构2.分支结构（if分支语句和Switch分支语句）3.多分支语句4.三元表达式
一篇文章带你全面掌握Vue3（万字文）
前端学习路漫漫，要想面向工资编程，总要去尝试学习新的技术，新的知识，学习别人的写法与思想，路漫漫其修远兮，最后放上一张简单的思维导图祝大家早日精通Vue3。
【JavaScripts从入门到入神】 Mocha 进行自动化测试|Polyfill 和转译器
在 BDD 中，规范先行，实现在后。最后我们同时拥有了规范和代码。作为测试—— 保证代码正确工作。作为文档——describe和it的标题告诉我们函数做了什么。作为案例—— 测试实际工作的例子展示了一个函数可以被怎样使用。有了规范，我们可以安全地改进、修改甚至重写函数，并确保它仍然正确地工作。这在一
刷题日常计~JS④
1、码农日常刷题 👉 通过刷题认识到自己的不足，增加对该编程语法的熟练度（可以很大程度提升自己的编程水平(ง •_•)ง）3、最后，在这里分享一款刷题神器（里面还有很多值得学习的题目）点击跳转至刷题神器（一起刷起来吧( ఠൠఠ )💪），下篇文章再见ヾ(￣▽￣)ByeBye点击跳转HomePage
【初识JavaScript-运算符总合】
表达式和返回值-前置递增运算符-后置递增运算符-递增运算符练习-前置递增和后置递增小结-比较运算符-逻辑运算符-逻辑运算符练习-逻辑中断逻辑与
Node.js | 强大的包管理器：npm 和 yarn
学习NodeJS的第一步就是要了解node的包管理器npm，对于npm相信大家并不陌生，因为我们常用它去下载一些包资源但因为npm的资源库在国外，使用它下载资源的速度比较慢，于是就出现了yarn这些第三方的node包管理器以及国内的跟npm仓库同步更新的淘宝镜像（cnpm）接下来我们就将深入去学习这
基于YOLOV7的openpose人体姿态检测识别，FPS可以达到“较高”的效果
前不久yolov7（原yolov4团队）在yolov6（美团）开源不到两周的时间也更新了，如下图所示，yolov7效果比前面的版本确实牛逼，在精度相同的情况下，速度上面提升了一大截，但是这是在比较好的设备上面；YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 G
PyTorch实战——线性回归在 cpu、gpu下的运行过程
class LinearRegressionModel(nn.Module):#定义一个类，然后继承nn模块下的一个Module功能def __init__(self,input_dim,output_dim):#一个线性回归模型，给出x，y，训练出w，b，是的y=wx+b成立self.linear