模型选择与策略选择的疑问

想请问下，模型的确认，与所用的策略是否有关联？ 或是说策略完全就是基于数据量的大小来进行选择的？---根据李航的统计学习方法，数据量很大的情况下，一般直接采取经验风险最小化准则；而数据量不太多 的情况下，则选择结构风险最小化准则）

关于ARIMA模型的几点疑问

关于这个ARIMA模型，一直有些不理解之处，恳请指点下： 1. 这个数据的平稳化处理，是否就是剥离趋势和周期因素？ 剩余一个残差部分？ 2. 平稳化处理，据说有几种方法，比如对数化，差分，移动平均法，分解。对于分解是比较清晰的。对数化处理，只是单纯缩小数据范围，其实有点鸡肋的感觉，因为还要继续差分处理。对于差分和移动平均法，我一直是理解为差分用来消除趋势影响，而移动平均法则用来消除周期影响。不知道对不对，还是说差分是一次性消除趋势和周期两种因素? 3. 对于数据的分解，剥离了趋势和周期影响，剩余残差部分。要求是说残差也要满足平稳性。而平稳性，其实是规律性的体现。这样的话，残差有规律，就可以建立回归模型，从而进行预测。然后，模型建立后，进行残差检验，又要求满足白噪声。这个白噪声又是要求数据是随机性的，不能有规律性，否则就是趋势或周期因素未能剔除干净。。。这两者不是有矛盾么？？还是说数据分解的残差，和模型建立后的残差，并不是一个东东？？

powerDesigner如何选择概念模型和物理模型？

在使用powerDesigner创建数据库模型时，什么时候选择用概念模型？什么时候选择用物理模型呢？请大神指教。

多分类语义分割模型的损失函数应该如何选择？

小白一枚，想请教下： 我的多分类语义分割模型，label为单通道图片，其像素值已经统一根据类别进行编号（类别5的像素值为5，类别2的像素值为2）。。我的类别数是6（含背景），模型的输出端的激活函数为softmax，损失函数定义为sparse_categorical_crossentropy，模型训练的时候，却会报维度不兼容的错误： Incompatible shape: [262144] vs [4, 256,256] (而4 * 256 *256 刚好就是262144）...这个到底要用什么损失函数才对呢？？ 因为从理论上来说，对于label没有进行one-hot处理的多分类，不是应该使用sparse_categorical_crossentropy做损失函数，而不能使用categorical_crossentropy或binary_crossentropy么？？ 一直不太理解这块，求高手指点~~

关于神经网络模型的几点疑问

神经网络模型，因为其随机性，每次训练出来的结果中准确度不太一样。想请问下： 每次训练的准确度会相差很多么？ 我自己试过几次，貌似不会很大。但是个人经验不足，不敢确认； 假使准确度相差较大，而当前的模型训练完毕后，发现此时的准确度较高。那保存该模型后，准确率就能和测试集的准确率基本一致？ 神经网络模型属于生成法还是判别法模型？ 神经网络需要设置超参，那是否有必要将数据分成三份---训练集、验证集、测试集？还是说，只有在交叉验证的条件下，才需要这样切分数据？ 顺便问下，这个数据集到底要怎么切分法？我问过人，据说常规情况下，大部分模型都是需要设置超参的。而设置超参的话，就必须切分出验证集（该验证集用于超参的训练）。那按照这种说法，不是数据集就是要分成三份才是合理的么？可是实际上，我经常看到的，也都是分成两份而已啊？

pytorch训练LSTM模型的代码疑问

原博文链接地址：https://blog.csdn.net/Sebastien23/article/details/80574918 其中有不少代码完全看不太懂，想来这里求教下各位大神~~ ``` class Sequence(nn.Module): def __init__(self): super(Sequence,self).__init__() self.lstm1 = nn.LSTMCell(1,51) self.lstm2 = nn.LSTMCell(51,51) self.linear = nn.Linear(51,1) #上面三行代码是设置网络结构吧？为什么用的是LSTMCell,而不是LSTM？？ def forward(self,inputs,future= 0): #这里的前向传播名称必须是forward,而不能随意更改？？因为后面的模型调用过程中，并没有看到该方法的实现 outputs = [] h_t = torch.zeros(inputs.size(0),51) c_t = torch.zeros(inputs.size(0),51) h_t2 = torch.zeros(inputs.size(0),51) c_t2 = torch.zeros(inputs.size(0),51) #下面的代码中，LSTM的原理是要求三个输入：前一层的细胞状态、隐藏层状态和当前层的数据输入。这里却只有2个输入？？ for i,input_t in enumerate(inputs.chunk(inputs.size(1),dim =1)): h_t,c_t = self.lstm1(input_t,(h_t,c_t)) h_t2,c_t2 = self.lstm2(h_t,(h_t2,c_t2)) output = self.linear(h_t2) outputs +=[output] for i in range(future): h_t,c_t = self.lstm1(output,(h_t,c_t)) h_t2,c_t2 = self.lstm2(h_t,(h_t2,c_t2)) output = self.linear(h_t2) outputs +=[output] #下面将所有的输出在第一维上相拼接，并剪除维度为2的数据？？目的是什么？ outputs = torch.stack(outputs,1).squeeze(2) return outputs ```

关于Colab上Keras模型转TPU模型的问题

使用TPU加速训练，将Keras模型转TPU模型时报错，如图 关键代码如下 引用库： ``` %tensorflow_version 1.x import json import os import numpy as np import tensorflow as tf from tensorflow.python.keras.applications import resnet from tensorflow.python.keras import callbacks from tensorflow.python.keras.preprocessing.image import ImageDataGenerator import matplotlib.pyplot as plt ``` 转换TPU模型代码如下 ``` # This address identifies the TPU we'll use when configuring TensorFlow. TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR'] tf.logging.set_verbosity(tf.logging.INFO) self.model = tf.contrib.tpu.keras_to_tpu_model(self.model, strategy=tf.contrib.tpu.TPUDistributionStrategy(tf.contrib.cluster_resolver.TPUClusterResolver(TPU_WORKER))) self.model = resnet50.ResNet50(weights=None, input_shape=dataset.input_shape, classes=num_classes) ```

python的模型运行提示警告的疑问

 运行个模型，跑出这么多警告，有的说是numpy版本太高，说是要降低到1.13.0。。我试过降低版本，貌似又会报错。。具体该如何解决呢? 如果实在要降低版本，到什么版本就可以了? 另外，两种警告，为什么一种是红色背景，一种是白色的。。 我最关心的是，如何消除这些警告。。 试过import warnings，用filterwarnings来处理，解决不了问题。。顶多只是第二次运行时没有相应警告。。。如果第一次都不想出现这种警告，该怎么办呢？

对充血模型的疑问

小弟我在坛子上看到关于贫血模型和充血模型的讨论后一直再想这对于我这种代码小工意味着啥？ <br />是否可以更快更迅速更敏捷的完成代码完成开发。 <br />一直做的项目都是SSH 然后分层 action,service,dao,entity;有时候我觉得dao层没什么必要啊，既然 <br />hibernate是面向对象为何还要 dao.save(entity)&nbsp;&nbsp; dao.update(entity) 这样操作？ <br />感觉如果去掉dao层 直接entity.update()，entity.delete();&nbsp; 这样是否会更形象? <br />然后小弟开始尝试，首先搭了个struts2+spring3+Hibernate3.6的ssh工程用的是全注解搭法这样开发就不用写配置文件了还是相当的爽啊 <br /> <br />首先我觉得应该有一个公共的类充当所有entity的父类 <br /><pre name="code" class="java"> import java.beans.PropertyDescriptor; import java.io.Serializable; import java.lang.reflect.InvocationTargetException; import java.lang.reflect.Method; import java.util.HashMap; import javax.annotation.Resource; import org.hibernate.SessionFactory; import org.springframework.beans.BeanUtils; import org.springframework.orm.hibernate3.HibernateTemplate; import org.springframework.stereotype.Repository; @Repository("MagicH") public class MagicH extends HibernateTemplate { @Resource(name = "sessionFactory") public void setSuperSessionFactory(SessionFactory sessionFactory) { super.setSessionFactory(sessionFactory); } private Serializable id; // 标示 private Class clazz; // 实体 private Object entity; // 数据库实体 private PropertyDescriptor targetPds[]; //初始化后属性 private HashMap setMethodMap = new HashMap(); //set方法映射 private HashMap getMethodMap = new HashMap(); //get方法映射 /** * 模型初始化 * * @param clazz * @param id */ public boolean init(Class clazz, Serializable id) { this.id = id; this.clazz = clazz; PropertyDescriptor targetPds[] = BeanUtils.getPropertyDescriptors(clazz); for (PropertyDescriptor pdObj : targetPds) { setMethodMap.put(pdObj.getName().toLowerCase(), pdObj.getWriteMethod()); getMethodMap.put(pdObj.getName().toLowerCase(), pdObj.getReadMethod()); } this.entity = get(clazz, id); return this.entity==null?false:true; } /** * 获取对象实体 * * @return */ public Object getObj() { if (entity == null) { this.entity = get(clazz, id); } return entity; } /** * 删除对象实体 */ public void delObj() { if (entity != null) delete(entity); else delete(get(clazz, id)); } /** * 设置数据库实体属性 * @param propertyName * @param propertyValue */ public void setProperty(String propertyName, Object propertyValue) { Method writeMethod = (Method) setMethodMap.get(propertyName.toLowerCase()); try { writeMethod.invoke(entity, new Object[] {propertyValue}); } catch (IllegalArgumentException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (IllegalAccessException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (InvocationTargetException e) { // TODO Auto-generated catch block e.printStackTrace(); } } /** * 获取属性的值 * @param propertyName * @return */ public Object getPropertyValue(String propertyName) { Method readMethod = (Method)getMethodMap.get(propertyName.toLowerCase()); Object returnValue = null; try { returnValue = readMethod.invoke(entity,null); } catch (IllegalArgumentException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (IllegalAccessException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (InvocationTargetException e) { // TODO Auto-generated catch block e.printStackTrace(); } return returnValue; } /** * 更新对象 */ public void updateObj() { update(entity); } /** * 保存对象 * @param obj * @return */ public Serializable addObj(Object obj) { Serializable id = save(obj); init(obj.getClass(),id); return id; } } </pre> <br /> <br />建立一张用户表测试,对应实体如下 <br /><pre name="code" class="java"> import javax.persistence.Column; import javax.persistence.Entity; import javax.persistence.GeneratedValue; import javax.persistence.Id; import javax.persistence.Table; import org.hibernate.annotations.GenericGenerator; import org.springframework.stereotype.Repository; import com.usoft.core.dao.impl.MagicH; /** * MagicUser entity. @author MyEclipse Persistence Tools */ @Repository("MagicUser") @Entity @Table(name = "MAGIC_USER") public class MagicUser extends MagicH implements java.io.Serializable { // Fields private String userId; private String userNam; private String userSex; private String userPhone; // Constructors /** default constructor */ public MagicUser() { } /** full constructor */ public MagicUser(String userNam, String userSex, String userPhone) { this.userNam = userNam; this.userSex = userSex; this.userPhone = userPhone; } // Property accessors @GenericGenerator(name = "generator", strategy = "uuid.hex") @Id @GeneratedValue(generator = "generator") @Column(name = "USER_ID", unique = true, nullable = false, length = 32) public String getUserId() { return this.userId; } public void setUserId(String userId) { this.userId = userId; } @Column(name = "USER_NAM", length = 500) public String getUserNam() { return this.userNam; } public void setUserNam(String userNam) { this.userNam = userNam; } @Column(name = "USER_SEX", length = 1) public String getUserSex() { return this.userSex; } public void setUserSex(String userSex) { this.userSex = userSex; } @Column(name = "USER_PHONE", length = 11) public String getUserPhone() { return this.userPhone; } public void setUserPhone(String userPhone) { this.userPhone = userPhone; } } </pre> <br /> <br />这是本人测试用的service <br /><pre name="code" class="java"> import javax.annotation.Resource; import org.springframework.stereotype.Service; import org.springframework.transaction.annotation.Propagation; import org.springframework.transaction.annotation.Transactional; import com.usoft.magich.bs.ImagicServiceTest; import com.usoft.magich.vo.MagicUser; @Service("MagicService") @Transactional(readOnly = false, propagation = Propagation.REQUIRED) public class MagicServiceTestImpl implements ImagicServiceTest { @Resource private MagicUser magicUser; public void testMagicH() { //保存 magicUser.setUserNam("用户123"); magicUser.setUserPhone("12345"); magicUser.setUserSex("1"); magicUser.addObj(magicUser); //更新 magicUser.setProperty("UserNam", "1234567"); magicUser.updateObj(); System.out.print(magicUser.getPropertyValue("UserNam")); boolean b1 = magicUser.init(magicUser.getClass(), "aaa"); //id 不存在初始化失败 System.out.println(b1); boolean b2 = magicUser.init(magicUser.getClass(),"402881862da6ec3b012da6fb4f640004"); //id存在为 true System.out.println(b2); magicUser.delObj(); //删除 对象 } } </pre> <br /> <br />只是中午吃饭时脑子那么想了一下，然后回来就尝试写了个单表的增删改查，我个人举得无论是单表还是多表最后数据库查出来的无非是个二叉表，而其中的一条记录应该对应一个java类 多条记录则是该java类的List集合，然后所有的数据库操作不再是dao.doSomething 而是entity.doSomething <br />我这样做了后写的代码就只有actiong,service,entity层了，不知道这样是否可行，谁能解释一下我的疑问。 <br /> <br /><br/><strong>问题补充</strong><br/>看了大家的回复深受启发，感觉自己这个想法似乎不可取就不再钻牛角尖了。 <br />可能一直处于开发人员的角色，所以关系的核心问题无非就是 写最少的代码做最多的事

关于labelme标注的json文件转png图片的疑问

训练Unet模型时，用labelme对原始图片进行标注后，会自动生成json文件。。然后利用json_to_dataset.py文件就可以将json文件转成一系列的文件，如info.yaml, img.png,label.png等。。 由于该label.png文件仍旧是三通道的格式，我读取为灰度图时，发现如果是同一个类别的像素值，在不同的label图片中，并不是固定的。也就是说，类别1的像素值在图片1中的像素值可能是38，而在图片2中的像素值可能就是85。。这样是否会影响模型的训练呢？？ ---因为我发现我训练该模型的时候，模型的精度较低，而且提升不明显。。初步怀疑是这个原因。。截图如下：  我是以为对于这样的标注，理论上而言，同一类别的像素值应该是统一的。。 求高手指点迷津

模型的过拟合的话，是否就是直接抛弃呢？

有几点关于模型过拟合的疑问，想请教下各位： 1. 训练了多个模型，均发现有过拟合情况。如果要改成不过拟合，其拟合度又降低较多。这个时候，是否还是选择过拟合情况最轻的模型？ 2. 模型存在过拟合情况，那测试集所得的拟合度或准确度，是否可信呢？

在cesium中有一个船模型,船模型的甲板上有一个飞机模型,已知这两个模型的三维坐标(x,y,z)和矩阵,当船模型做出旋转操作时,保证飞机模型依旧在船的甲板上相同位置,如何计算飞机模型的矩阵

有一个需求,在cesium中有一个船模型,船模型的甲板上有一个飞机模型,已知这两个模型的三维坐标(x,y,z)和矩阵,当船模型做出旋转操作时,保证飞机模型依旧在船的甲板上相同位置,如何计算飞机模型的矩阵

有一个需求,在cesium中有一个船模型,船模型的甲板上有一个飞机模型,已知这两个模型的三维坐标(x,y,z)和矩阵,当船模型做出旋转操作时,保证飞机模型依旧在船的甲板上相同位置,如何计算飞机模型的矩阵

有一个需求,在cesium中有一个船模型,船模型的甲板上有一个飞机模型,已知这两个模型的三维坐标(x,y,z)和矩阵,当船模型做出旋转操作时,保证飞机模型依旧在船的甲板上相同位置,如何计算飞机模型的矩阵

求一个ARIMA的交易模型设计与实现

用python基于ARIMA的交易模型设计与实现 1，概述（简单如下工作） 2，模型设计（讲算法原理以及训练、预测、交易流程） 3，模型实现（讲模块设计，函数设计，核心代码分析） 4，实验与结果分析（硬件软件环境、数据集、实验结果及其分析，分析也就是模型的评价） 5，总结（还可以做什么改进）

关于机器学习模型调参的正确步骤是怎样的？

机器学习的模型，要涉及到不少参数的调参。。那其正确的步骤应该是怎样的呢？ 第一种做法是，对一个个或一组组参数去调，其他参数使用默认值。。调出一个或一组参数后，记录下来。下一次继续调另外一个或一组参数。。直至所有要调的参数全部调节完毕。然后将所获得的最优参数一股脑传入模型中，正式训练。 第二种做法是，先对一个或一组参数进行调参，得出最优值后，传入模型中，再调第二个或第二组参数。与前面一种的区别就是，前面那种调出最优参数后，并没有马上传入模型训练，而只是记录下来，到最后一股脑传入。而这种则是一步步地固定最优参数组合，直到最后。。 当然，还有的做法是一股脑对所有参数调参，这种做法相对较少，只能针对简单的模型。对复杂的模型而言，调参耗时过大。。 因此，想请教下各位，正确的做法，应该是怎样的呢？？

路过的各位大神们，请问哪位大神能够解决在用three.js环境下，用鼠标在外面点击拖动3D模型的图片，然后放在场景中生成相应的3D模型，并且3D模型可以随意拖动位置，真心的感谢各位大神能够帮帮忙！！！

路过的各位大神们，请问哪位大神能够解决在用three.js环境下，用鼠标在外面点击拖动3D模型的图片，然后放在场景中生成相应的3D模型，并且3D模型可以随意拖动位置，真心的感谢各位大神能够帮帮忙！！！谢谢！！！

Matlab 用训练好的lasso模型预测

用Matlab内置的lasso函数，10—fold进行了训练，怎么用训练好的lasso模型去预测，生成预测值。

机器学习模型及其算法的框架疑问

刚开始学机器学习，对其中的模型及其适用的算法，都有些没搞明白。。也努力去看了些文章，还是越高越迷糊。。求高手指点一二。。 我自己弄了下大致框架，就是想知道到底哪些模型，适用哪些算法？（这个神经网络，按正常分类，应该属于深度学习范畴的，到底属于生成法还是判别法，还是都不算？） 现在什么梯度下降法，极大似然估计，最小二乘法，核函数等，简直把我搞晕了。。 

Kafka实战(三) - Kafka的自我修养与定位

Apache Kafka是消息引擎系统，也是一个分布式流处理平台（Distributed Streaming Platform） Kafka是LinkedIn公司内部孵化的项目。LinkedIn最开始有强烈的数据强实时处理方面的需求，其内部的诸多子系统要执行多种类型的数据处理与分析，主要包括业务系统和应用程序性能监控，以及用户行为数据处理等。 遇到的主要问题： 数据正确性不足 数据的收集主要...

volatile 与 synchronize 详解

Java支持多个线程同时访问一个对象或者对象的成员变量，由于每个线程可以拥有这个变量的拷贝（虽然对象以及成员变量分配的内存是在共享内存中的，但是每个执行的线程还是可以拥有一份拷贝，这样做的目的是加速程序的执行，这是现代多核处理器的一个显著特性），所以程序在执行过程中，一个线程看到的变量并不一定是最新的。 volatile 关键字volatile可以用来修饰字段（成员变量），就是告知程序任何对该变量...

Java学习的正确打开方式

在博主认为，对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结，前三者博主将淋漓尽致地挥毫于这篇博客文章中，至于总结在于个人，实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍，博客次之，这又是一个层次了，这里暂时不提后面再谈。博主将为各位入门java保驾护航，各位只管冲鸭！！！上天是公平的，只要不辜负时间，时间自然不会辜负你。 何谓学习？博主所理解的学习，它是一个过程，是一个不断累积、不断沉淀、不断总结、善于传达自己的个人见解以及乐于分享的过程。

程序员必须掌握的核心算法有哪些？

由于我之前一直强调数据结构以及算法学习的重要性，所以就有一些读者经常问我，数据结构与算法应该要学习到哪个程度呢？，说实话，这个问题我不知道要怎么回答你，主要取决于你想学习到哪些程度，不过针对这个问题，我稍微总结一下我学过的算法知识点，以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的，并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构，当然，我也会整理一些看过...

有哪些让程序员受益终生的建议

从业五年多，辗转两个大厂，出过书，创过业，从技术小白成长为基层管理，联合几个业内大牛回答下这个问题，希望能帮到大家，记得帮我点赞哦。 敲黑板！！！读了这篇文章，你将知道如何才能进大厂，如何实现财务自由，如何在工作中游刃有余，这篇文章很长，但绝对是精品，记得帮我点赞哦！！！！ 一腔肺腑之言，能看进去多少，就看你自己了！！！ 目录： 在校生篇： 为什么要尽量进大厂？ 如何选择语言及方...

大学四年自学走来，这些私藏的实用工具/学习网站我贡献出来了

大学四年，看课本是不可能一直看课本的了，对于学习，特别是自学，善于搜索网上的一些资源来辅助，还是非常有必要的，下面我就把这几年私藏的各种资源，网站贡献出来给你们。主要有：电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意：文中提到的所有资源，文末我都给你整理好了，你们只管拿去，如果觉得不错，转发、分享就是最大的支持了。 一、电子书搜索 对于大部分程序员...

linux系列之常用运维命令整理笔录

本博客记录工作中需要的linux运维命令，大学时候开始接触linux，会一些基本操作，可是都没有整理起来，加上是做开发，不做运维，有些命令忘记了，所以现在整理成博客，当然vi，文件操作等就不介绍了，慢慢积累一些其它拓展的命令，博客不定时更新 free -m 其中：m表示兆，也可以用g，注意都要小写 Men：表示物理内存统计 total：表示物理内存总数(total=used+free) use...

比特币原理详解

一、什么是比特币 比特币是一种电子货币，是一种基于密码学的货币，在2008年11月1日由中本聪发表比特币白皮书，文中提出了一种去中心化的电子记账系统，我们平时的电子现金是银行来记账，因为银行的背后是国家信用。去中心化电子记账系统是参与者共同记账。比特币可以防止主权危机、信用风险。其好处不多做赘述，这一层面介绍的文章很多，本文主要从更深层的技术原理角度进行介绍。 二、问题引入 假设现有4个人...

GitHub开源史上最大规模中文知识图谱

近日，一直致力于知识图谱研究的 OwnThink 平台在 Github 上开源了史上最大规模 1.4 亿中文知识图谱，其中数据是以（实体、属性、值），（实体、关系、实体）混合的形式组织，数据格式采用 csv 格式。 到目前为止，OwnThink 项目开放了对话机器人、知识图谱、语义理解、自然语言处理工具。知识图谱融合了两千五百多万的实体，拥有亿级别的实体属性关系，机器人采用了基于知识图谱的语义感...

程序员接私活怎样防止做完了不给钱？

首先跟大家说明一点，我们做 IT 类的外包开发，是非标品开发，所以很有可能在开发过程中会有这样那样的需求修改，而这种需求修改很容易造成扯皮，进而影响到费用支付，甚至出现做完了项目收不到钱的情况。 那么，怎么保证自己的薪酬安全呢？ 我们在开工前，一定要做好一些证据方面的准备（也就是“讨薪”的理论依据），这其中最重要的就是需求文档和验收标准。一定要让需求方提供这两个文档资料作为开发的基础。之后开发...

网页实现一个简单的音乐播放器（大佬别看。(⊙﹏⊙)）

今天闲着无事，就想写点东西。然后听了下歌，就打算写个播放器。 于是乎用h5 audio的加上js简单的播放器完工了。 演示地点演示 html代码如下` music 这个年纪 七月的风 音乐 ` 然后就是css`*{ margin: 0; padding: 0; text-decoration: none; list-...

微信支付崩溃了，但是更让马化腾和张小龙崩溃的竟然是……

loonggg读完需要3分钟速读仅需1分钟事件还得还原到昨天晚上，10 月 29 日晚上 20:09-21:14 之间，微信支付发生故障，全国微信支付交易无法正常进行。然...

Python十大装B语法

Python 是一种代表简单思想的语言，其语法相对简单，很容易上手。不过，如果就此小视 Python 语法的精妙和深邃，那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点，并附上详细的实例代码。如能在实战中融会贯通、灵活使用，必将使代码更为精炼、高效，同时也会极大提升代码B格，使之看上去更老练，读起来更优雅。

数据库优化 - SQL优化

以实际SQL入手，带你一步一步走上SQL优化之路！

2019年11月中国大陆编程语言排行榜

2019年11月2日，我统计了某招聘网站，获得有效程序员招聘数据9万条。针对招聘信息，提取编程语言关键字，并统计如下： 编程语言比例 rank pl_ percentage 1 java 33.62% 2 cpp 16.42% 3 c_sharp 12.82% 4 javascript 12.31% 5 python 7.93% 6 go 7.25% 7 p...

通俗易懂地给女朋友讲：线程池的内部原理

餐盘在灯光的照耀下格外晶莹洁白，女朋友拿起红酒杯轻轻地抿了一小口，对我说：“经常听你说线程池，到底线程池到底是个什么原理？”

《奇巧淫技》系列-python！！每天早上八点自动发送天气预报邮件到QQ邮箱

将代码部署服务器，每日早上定时获取到天气数据，并发送到邮箱。 也可以说是一个小型人工智障。 知识可以运用在不同地方，不一定非是天气预报。

经典算法（5）杨辉三角

杨辉三角 是经典算法，这篇博客对它的算法思想进行了讲解，并有完整的代码实现。

英特尔不为人知的 B 面

从 PC 时代至今，众人只知在 CPU、GPU、XPU、制程、工艺等战场中，英特尔在与同行硬件芯片制造商们的竞争中杀出重围，且在不断的成长进化中，成为全球知名的半导体公司。殊不知，在「刚硬」的背后，英特尔「柔性」的软件早已经做到了全方位的支持与支撑，并持续发挥独特的生态价值，推动产业合作共赢。 而对于这一不知人知的 B 面，很多人将其称之为英特尔隐形的翅膀，虽低调，但是影响力却不容小觑。 那么，在...

腾讯算法面试题：64匹马8个跑道需要多少轮才能选出最快的四匹？

昨天，有网友私信我，说去阿里面试，彻底的被打击到了。问了为什么网上大量使用ThreadLocal的源码都会加上private static？他被难住了，因为他从来都没有考虑过这个问题。无独有偶，今天笔者又发现有网友吐槽了一道腾讯的面试题，我们一起来看看。 腾讯算法面试题：64匹马8个跑道需要多少轮才能选出最快的四匹？ 在互联网职场论坛，一名程序员发帖求助到。二面腾讯，其中一个算法题：64匹...

面试官：你连RESTful都不知道我怎么敢要你？

干货，2019 RESTful最贱实践

刷了几千道算法题，这些我私藏的刷题网站都在这里了！

遥想当年，机缘巧合入了 ACM 的坑，周边巨擘林立，从此过上了"天天被虐似死狗"的生活… 然而我是谁，我可是死狗中的战斗鸡，智力不够那刷题来凑，开始了夜以继日哼哧哼哧刷题的日子，从此"读题与提交齐飞， AC 与 WA 一色 "，我惊喜的发现被题虐既刺激又有快感，那一刻我泪流满面。这么好的事儿作为一个正直的人绝不能自己独享，经过激烈的颅内斗争，我决定把我私藏的十几个 T 的，阿不，十几个刷题网...

为啥国人偏爱Mybatis，而老外喜欢Hibernate/JPA呢？

关于SQL和ORM的争论，永远都不会终止，我也一直在思考这个问题。昨天又跟群里的小伙伴进行了一番讨论，感触还是有一些，于是就有了今天这篇文。 声明：本文不会下关于Mybatis和JPA两个持久层框架哪个更好这样的结论。只是摆事实，讲道理，所以，请各位看官勿喷。 一、事件起因 关于Mybatis和JPA孰优孰劣的问题，争论已经很多年了。一直也没有结论，毕竟每个人的喜好和习惯是大不相同的。我也看...

白话阿里巴巴Java开发手册高级篇

不久前，阿里巴巴发布了《阿里巴巴Java开发手册》，总结了阿里巴巴内部实际项目开发过程中开发人员应该遵守的研发流程规范，这些流程规范在一定程度上能够保证最终的项目交付质量，通过在时间中总结模式，并推广给广大开发人员，来避免研发人员在实践中容易犯的错误，确保最终在大规模协作的项目中达成既定目标。 无独有偶，笔者去年在公司里负责升级和制定研发流程、设计模板、设计标准、代码标准等规范，并在实际工作中进行...

SQL-小白最佳入门sql查询一

不要偷偷的查询我的个人资料，即使你再喜欢我，也不要这样，真的不好；

项目中的if else太多了，该怎么重构？

介绍 最近跟着公司的大佬开发了一款IM系统，类似QQ和微信哈，就是聊天软件。我们有一部分业务逻辑是这样的 if (msgType = "文本") { // dosomething } else if(msgType = "图片") { // doshomething } else if(msgType = "视频") { // doshomething } else { // doshom...

Nginx 原理和架构

Nginx 是一个免费的，开源的，高性能的 HTTP 服务器和反向代理，以及 IMAP / POP3 代理服务器。Nginx 以其高性能，稳定性，丰富的功能，简单的配置和低资源消耗而闻名。 Nginx 的整体架构 Nginx 里有一个 master 进程和多个 worker 进程。master 进程并不处理网络请求，主要负责调度工作进程：加载配置、启动工作进程及非停升级。worker 进程负责处...

YouTube排名第一的励志英文演讲《Dream(梦想)》

Idon’t know what that dream is that you have, I don't care how disappointing it might have been as you've been working toward that dream,but that dream that you’re holding in your mind, that it’s po...

“狗屁不通文章生成器”登顶GitHub热榜，分分钟写出万字形式主义大作

一、垃圾文字生成器介绍 最近在浏览GitHub的时候，发现了这样一个骨骼清奇的雷人项目，而且热度还特别高。 项目中文名：狗屁不通文章生成器 项目英文名：BullshitGenerator 根据作者的介绍，他是偶尔需要一些中文文字用于GUI开发时测试文本渲染，因此开发了这个废话生成器。但由于生成的废话实在是太过富于哲理，所以最近已经被小伙伴们给玩坏了。 他的文风可能是这样的： 你发现，...

程序员：我终于知道post和get的区别

是一个老生常谈的话题，然而随着不断的学习，对于以前的认识有很多误区，所以还是需要不断地总结的，学而时习之，不亦说乎

《程序人生》系列-这个程序员只用了20行代码就拿了冠军

你知道的越多，你不知道的越多 点赞再看，养成习惯GitHub上已经开源https://github.com/JavaFamily，有一线大厂面试点脑图，欢迎Star和完善 前言 这一期不算《吊打面试官》系列的，所有没前言我直接开始。 絮叨 本来应该是没有这期的，看过我上期的小伙伴应该是知道的嘛，双十一比较忙嘛，要值班又要去帮忙拍摄年会的视频素材，还得搞个程序员一天的Vlog，还要写BU...

相关热词 c# clr dll c# 如何orm c# 固定大小的字符数组 c#框架设计 c# 删除数据库 c# 中文文字 图片转 c# 成员属性 接口 c#如何将程序封装 16进制负数转换 c# c#练手项目