tensorflow简单的手写数字识别矩阵相乘时出现问题 5C

跟着教程抄的程序为什么运行不了呢

抄下来的程序

#载入数据集
mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)

#每个批次大小
batch_size=100
#计算一共有多少批次
n_batch=mnist.train.num_examples//batch_size

#定义有两个placeholder
x=tf.placeholder(tf.float32,[None,784])
y=tf.placeholder(tf.float32,[None,10])

#创建一个简单的神经网络
W=tf.Variable(tf.zeros([784.10]))
b=tf.Variable(tf.zeros([10]))
prediction=tf.nn.softmax(tf.matmul(x,W)+b)

#二次代价函数
loss=tf.reduce_mean(tf.square(y-perdiction))
#梯度下降法
train_step=tf.train.GradientOptimizer(0.2).minimize(loss)

#初始化变量
init=tf.global_variable_initializer()

#结果存放在一个布尔型列表中
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))#返回一维张量中最大值的位置
#求准确率
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

with tf.Sessio() as sess:
    sess.run(init)
    for epoch in range(21):
        for batch in range(n_batch):
            batch_xs,batchys=mnist.train.next_batch(batch_size)
            sess.run(train_step,feed_dict={x:batch_xs,y:batch_ys})

            acc=sess.run(accury,feed_dict={x:mnis.test.images,y:mnist.test.labels})
            print("Iter"+str(epoch)+",Testing Accuracy"+str(acc))

给我的警告

Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py in _create_c_op(graph, node_def, inputs, control_inputs)
   1658   try:
-> 1659     c_op = c_api.TF_FinishOperation(op_desc)
   1660   except errors.InvalidArgumentError as e:

InvalidArgumentError: Shape must be rank 2 but is rank 1 for 'MatMul_1' (op: 'MatMul') with input shapes: [?,784], [784].

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-5-5e22f4dd85e3> in <module>()
     14 W=tf.Variable(tf.zeros([784.10]))
     15 b=tf.Variable(tf.zeros([10]))
---> 16 prediction=tf.nn.softmax(tf.matmul(x,W)+b)
     17 
     18 #二次代价函数

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\ops\math_ops.py in matmul(a, b, transpose_a, transpose_b, adjoint_a, adjoint_b, a_is_sparse, b_is_sparse, name)
   2453     else:
   2454       return gen_math_ops.mat_mul(
-> 2455           a, b, transpose_a=transpose_a, transpose_b=transpose_b, name=name)
   2456 
   2457 

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\ops\gen_math_ops.py in mat_mul(a, b, transpose_a, transpose_b, name)
   5627   _, _, _op = _op_def_lib._apply_op_helper(
   5628         "MatMul", a=a, b=b, transpose_a=transpose_a, transpose_b=transpose_b,
-> 5629                   name=name)
   5630   _result = _op.outputs[:]
   5631   _inputs_flat = _op.inputs

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py in _apply_op_helper(self, op_type_name, name, **keywords)
    786         op = g.create_op(op_type_name, inputs, output_types, name=scope,
    787                          input_types=input_types, attrs=attr_protos,
--> 788                          op_def=op_def)
    789       return output_structure, op_def.is_stateful, op
    790 

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\util\deprecation.py in new_func(*args, **kwargs)
    505                 'in a future version' if date is None else ('after %s' % date),
    506                 instructions)
--> 507       return func(*args, **kwargs)
    508 
    509     doc = _add_deprecated_arg_notice_to_docstring(

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py in create_op(***failed resolving arguments***)
   3298           input_types=input_types,
   3299           original_op=self._default_original_op,
-> 3300           op_def=op_def)
   3301       self._create_op_helper(ret, compute_device=compute_device)
   3302     return ret

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py in __init__(self, node_def, g, inputs, output_types, control_inputs, input_types, original_op, op_def)
   1821           op_def, inputs, node_def.attr)
   1822       self._c_op = _create_c_op(self._graph, node_def, grouped_inputs,
-> 1823                                 control_input_ops)
   1824 
   1825     # Initialize self._outputs.

C:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py in _create_c_op(graph, node_def, inputs, control_inputs)
   1660   except errors.InvalidArgumentError as e:
   1661     # Convert to ValueError for backwards compatibility.
-> 1662     raise ValueError(str(e))
   1663 
   1664   return c_op

ValueError: Shape must be rank 2 but is rank 1 for 'MatMul_1' (op: 'MatMul') with input shapes: [?,784], [784].

跪求大佬解答

1个回答

我日他妈逗号打成了点

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
基于tensorflow的手写数字识别问题???

![图片说明](https://img-ask.csdn.net/upload/201708/15/1502787619_872656.jpg) ![图片说明](https://img-ask.csdn.net/upload/201708/15/1502787634_794201.jpg) 网上下载的程序,不知道怎么回事,总是报这个错? mnist数据具体是怎么加载的,是提前下载好放到某个目录下,还是可以在线下载?

Tensorflow实现手写数字识别,使用训练模型进行预测时,为什么精确度远不如训练精确度??

用BP神经网络算法,基于Tensorflow训练了mnist数据集,在训练的python脚本中可以得到test上的精确度为96%,然后在另一个python脚本中,恢复出这个模型,输入手写数字的图片进行预测,100张图片识别的精确度只有70%多,请教各路大神帮忙解决一下,预测脚本的代码如下: ``` import sys import tensorflow as tf import os from PIL import Image, ImageFilter from pylab import * def predictint(imvalue): with tf.Graph().as_default(): def addlayer(input_data,insize,outsize,act_function=None): W=tf.Variable(tf.random_normal([insize,outsize])) b=tf.Variable(tf.zeros([outsize]))+0.1 out_data=tf.matmul(input_data,W)+b if act_function==None: return out_data elif act_function=="relu": return tf.nn.relu(out_data) elif act_function=="softmax": #result=tf.nn.softmax(out_data) return tf.nn.softmax(out_data) else: return tf.nn.sigmoid(out_data) x_input=tf.placeholder(tf.float32,[None,784]) #y_input=tf.placeholder(tf.float32,[None,10]) l1=addlayer(x_input,784,64,act_function="relu") l2=addlayer(l1,64,10,act_function="softmax") init_op = tf.initialize_all_variables() saver = tf.train.Saver() with tf.Session() as sess: sess.run(init_op) saver.restore(sess, "./model.ckpt") prediction=tf.argmax(l2,1) return prediction.eval(feed_dict={x_input: [imvalue]}, session=sess) def imageprepare(argv): im = Image.open(argv).convert('L') width = float(im.size[0]) height = float(im.size[1]) newImage = Image.new('L', (28, 28), (255)) #creates white canvas of 28x28 pixels if width > height: #check which dimension is bigger #Width is bigger. Width becomes 20 pixels. nheight = int(round((20.0/width*height),0)) #resize height according to ratio width if (nheigth == 0): #rare case but minimum is 1 pixel nheigth = 1 # resize and sharpen img = im.resize((20,nheight), Image.ANTIALIAS).filter(ImageFilter.SHARPEN) wtop = int(round(((28 - nheight)/2),0)) #caculate horizontal pozition newImage.paste(img, (4, wtop)) #paste resized image on white canvas else: #Height is bigger. Heigth becomes 20 pixels. nwidth = int(round((20.0/height*width),0)) #resize width according to ratio height if (nwidth == 0): #rare case but minimum is 1 pixel nwidth = 1 # resize and sharpen img = im.resize((nwidth,20), Image.ANTIALIAS).filter(ImageFilter.SHARPEN) wleft = int(round(((28 - nwidth)/2),0)) #caculate vertical pozition newImage.paste(img, (wleft, 4)) #paste resized image on white canvas newImage.show() tv = list(newImage.getdata()) #get pixel values #normalize pixels to 0 and 1. 0 is pure white, 1 is pure black. tva = [ (255-x)*1.0/255.0 for x in tv] return tva #print(tva) def main(argv): imvalue = imageprepare(argv) predint = predictint(imvalue) print (predint[0]) #first value in list f1 = open('/home/wch/MNIST_data/traindata_predict.txt','a') f1.writelines('%d ' % predint[0]) f1.close() def VisitDir(path): for root,dirs,files in os.walk(path): for filepath in files: print(os.path.join(root,filepath)) main(os.path.join(root,filepath)) if __name__ == "__main__": path = r"/home/wch/MNIST_data/data_convert2" VisitDir(path) ```

tensorflow2.0 CNN识别手写数字测试结果出现问题

最近刚接触神经网络,在用MNIST训练集时出现图中情况,训练的时候正常,到测试的时候突然卡住,十几秒后就突然显示很多很多等号,但最下面测试结果是正确的,用的tensorflow2.0,求解答 ![图片说明](https://img-ask.csdn.net/upload/202002/11/1581421922_89144.png)![图片说明](https://img-ask.csdn.net/upload/202002/12/1581508212_287627.png)

运行tensorflow手写数字识别代码出现这个错误该怎么解决

![图片说明](https://img-ask.csdn.net/upload/201903/02/1551537658_316059.png)

使用tensorflow完成手写英文字母识别,有偿!

全连接网络,CNN RNN LSTM等技术都可以!只要能识别,不用tensorflow都可以!求!!

微信手写数字识别的小程序开发

毕业设计,开发微信上的手写数字识别小程序,使用Tensorflow的卷及神经网络,使用MNIST数据集完成手写数字的识别训练,之后把模型保存成checkpoint类型的模型,是4个文件:checkpoint,test_model.chkp.data-00000-of-00001,test_model.chkp.index,test_model.chkp.meta。我想问一下,保存的模型要如何固化封装,网上有将checkpoint类型的模型固化成.ph类型的文件,我应该固化成什么类型的文件,之后怎么把模型应用到微信小程序开发上。恳请有知道的大神能帮忙解答一下。

手写数字识别mnist测试集上正确率很高自己写的数字识别很差

手写数字识别mnist测试集上正确率很高,自己用画图软件写的数字为什么识别很差

神经网络 ,手写体数字识别

神经网络 手写数字识别代码 ,在做毕业设计,用c++做,各位大神,求帮助

使用RNN进行手写数字识别,为什么正确率总是无法提高

我使用最简单RNN进行mnist手写数字的识别,为什么交叉商总是无法降低呢。完整代码如下。 ``` import tensorflow as tf from tensorflow.contrib.layers import fully_connected from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('/home/as/mnist_dataset', one_hot=True) n_steps = 28 n_inputs = 28 n_neurons = 100 x = tf.placeholder(tf.float32,[None,n_steps,n_inputs]) action_one_hot = tf.placeholder(tf.float32,[None,10]) basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons) output_seqs, states = tf.nn.dynamic_rnn(basic_cell,x,dtype=tf.float32) y0 = fully_connected(states,100,activation_fn=tf.nn.relu) y = fully_connected(y0,10) cross_entropy = tf.nn.softmax_cross_entropy_with_logits(labels=action_one_hot, logits=y) mean_loss = tf.reduce_mean(cross_entropy) trian_op = tf.train.AdamOptimizer(0.001).minimize(mean_loss) with tf.Session() as sess: for i in range(10000): sess.run(tf.global_variables_initializer()) x1,y1 = mnist.train.next_batch(1000) x1 = x1.reshape((-1,n_steps,n_inputs)) sess.run(trian_op,feed_dict={x:x1,action_one_hot:y1}) if i%200==0: print(sess.run(mean_loss,feed_dict={x:x1,action_one_hot:y1})) ``` 就是在每200步输出一下交叉商,但是这个交叉商总是无法下降。

下载的手写数字识别matlab源代码调试不出来,求助

[源链接](http://download.csdn.net/download/xuyanjie0903/3380852 "") ![图片说明](https://img-ask.csdn.net/upload/201605/17/1463468200_662313.png) 求详细调试方法

急!关于Tensorflow CNN识别手写数字的问题

数据集是在网上下载的mnist里的,图片好像都是黑白的,读取出来的图片没有 通道数 这个维度,但是tf.layers.conv2d函数的input要求必须是4维(数据量,宽度,高度,通道数),我实际读取的只有三个维度(数据量,宽度,高度),这个该怎么处理啊,麻烦大家帮帮忙

在进行MNIST手写体数字识别时,如何提取测试集中所有识别错误的图片?

在进行MNIST手写体数字识别时,如何提取测试集中所有识别错误的图片?

mnist手写数字测试过程中出现的问题

mnist手写数字测试过程中,用自己的手写数字图片测试时出现问题,运行以下python代码: ![python代码](https://img-ask.csdn.net/upload/201710/27/1509074867_80775.png) 出现问题:.local/lib/python2.7/site-packages/skimage/transform/_warps.py:84: UserWarning: The default mode, 'constant', will be changed to 'reflect' in skimage 0.15. ![运行结果](https://img-ask.csdn.net/upload/201710/27/1509074829_731290.png) 图片格式: ![图片格式](https://img-ask.csdn.net/upload/201710/27/1509074941_15898.png)

如何在不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别?

如何在不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别?

基于核方法的手写数字识别怎么弄?

如何用核方法进行手写数字的识别?主要包括灰度、预处理、特征提取,最后进行训练之后进行识别,不知道代码怎么搞?

Android端的手写文字识别sdk,大家有推荐的么?要求识别率高一点

Android端的手写文字识别sdk,大家有推荐的么?要求识别率高一点

手写数字识别,神经网络交叉商结果正确,正确率总是不变

我遇到的问题是,经过训练,测试集的交叉商下降非常快,但是正确率总是不变,真是想不到为什么 #!/usr/bin/env python3 # -*- coding: utf-8 -*- import tensorflow as tf import numpy as np from tensorflow.contrib.layers import fully_connected from tensorflow.examples.tutorials.mnist import input_data x = tf.placeholder(dtype=tf.float32,shape=[None,784]) y = tf.placeholder(dtype=tf.float32,shape=[None,10]) test_x = tf.placeholder(dtype=tf.float32,shape=[None,784]) test_y = tf.placeholder(dtype=tf.float32,shape=[None,10]) mnist = input_data.read_data_sets("/home/xuenzhu/mnist_data", one_hot=True) hidden1 = fully_connected(x,100,activation_fn=tf.nn.relu, weights_initializer=tf.random_normal_initializer()) hidden2 = fully_connected(hidden1,100,activation_fn=tf.nn.relu, weights_initializer=tf.random_normal_initializer()) outputs = fully_connected(hidden2,10,activation_fn=tf.nn.relu, weights_initializer=tf.random_normal_initializer()) loss = tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=outputs) reduce_mean_loss = tf.reduce_mean(loss) equal_result = tf.equal(tf.argmax(outputs,1),tf.argmax(y,1)) cast_result = tf.cast(equal_result,dtype=tf.float32) accuracy = tf.reduce_mean(cast_result) train_op = tf.train.AdamOptimizer(0.001).minimize(reduce_mean_loss) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels})) for i in range(10000): xs,ys = mnist.train.next_batch(100) sess.run(train_op,feed_dict={x:xs,y:ys}) if i%100==0: print(sess.run(reduce_mean_loss,feed_dict={x:mnist.test.images,y:mnist.test.labels})) print(sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels}))

tensorflow CNN训练mnist数据集后识别自己写的数字效果不好

自己搭建的cnn,用mnist数据集训练的模型,准确率大概在97%,但是用手机拍了几张手写照片,灰度化之后用模型测试发现效果很差。。。0给认成了8,不知道为什么,有没有遇到类似问题的朋友 模型参考的tensorflow 1.0 学习:用CNN进行图像分类 - denny402 - 博客园 https://www.cnblogs.com/denny402/p/6931338.html

如何不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别?

如何不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别?

在中国程序员是青春饭吗?

今年,我也32了 ,为了不给大家误导,咨询了猎头、圈内好友,以及年过35岁的几位老程序员……舍了老脸去揭人家伤疤……希望能给大家以帮助,记得帮我点赞哦。 目录: 你以为的人生 一次又一次的伤害 猎头界的真相 如何应对互联网行业的「中年危机」 一、你以为的人生 刚入行时,拿着傲人的工资,想着好好干,以为我们的人生是这样的: 等真到了那一天,你会发现,你的人生很可能是这样的: ...

程序员请照顾好自己,周末病魔差点一套带走我。

程序员在一个周末的时间,得了重病,差点当场去世,还好及时挽救回来了。

和黑客斗争的 6 天!

互联网公司工作,很难避免不和黑客们打交道,我呆过的两家互联网公司,几乎每月每天每分钟都有黑客在公司网站上扫描。有的是寻找 Sql 注入的缺口,有的是寻找线上服务器可能存在的漏洞,大部分都...

搜狗输入法也在挑战国人的智商!

故事总是一个接着一个到来...上周写完《鲁大师已经彻底沦为一款垃圾流氓软件!》这篇文章之后,鲁大师的市场工作人员就找到了我,希望把这篇文章删除掉。经过一番沟通我先把这篇文章从公号中删除了...

总结了 150 余个神奇网站,你不来瞅瞅吗?

原博客再更新,可能就没了,之后将持续更新本篇博客。

副业收入是我做程序媛的3倍,工作外的B面人生是怎样的?

提到“程序员”,多数人脑海里首先想到的大约是:为人木讷、薪水超高、工作枯燥…… 然而,当离开工作岗位,撕去层层标签,脱下“程序员”这身外套,有的人生动又有趣,马上展现出了完全不同的A/B面人生! 不论是简单的爱好,还是正经的副业,他们都干得同样出色。偶尔,还能和程序员的特质结合,产生奇妙的“化学反应”。 @Charlotte:平日素颜示人,周末美妆博主 大家都以为程序媛也个个不修边幅,但我们也许...

MySQL数据库面试题(2020最新版)

文章目录数据库基础知识为什么要使用数据库什么是SQL?什么是MySQL?数据库三大范式是什么mysql有关权限的表都有哪几个MySQL的binlog有有几种录入格式?分别有什么区别?数据类型mysql有哪些数据类型引擎MySQL存储引擎MyISAM与InnoDB区别MyISAM索引与InnoDB索引的区别?InnoDB引擎的4大特性存储引擎选择索引什么是索引?索引有哪些优缺点?索引使用场景(重点)...

如果你是老板,你会不会踢了这样的员工?

有个好朋友ZS,是技术总监,昨天问我:“有一个老下属,跟了我很多年,做事勤勤恳恳,主动性也很好。但随着公司的发展,他的进步速度,跟不上团队的步伐了,有点...

我入职阿里后,才知道原来简历这么写

私下里,有不少读者问我:“二哥,如何才能写出一份专业的技术简历呢?我总感觉自己写的简历太烂了,所以投了无数份,都石沉大海了。”说实话,我自己好多年没有写过简历了,但我认识的一个同行,他在阿里,给我说了一些他当年写简历的方法论,我感觉太牛逼了,实在是忍不住,就分享了出来,希望能够帮助到你。 01、简历的本质 作为简历的撰写者,你必须要搞清楚一点,简历的本质是什么,它就是为了来销售你的价值主张的。往深...

优雅的替换if-else语句

场景 日常开发,if-else语句写的不少吧??当逻辑分支非常多的时候,if-else套了一层又一层,虽然业务功能倒是实现了,但是看起来是真的很不优雅,尤其是对于我这种有强迫症的程序"猿",看到这么多if-else,脑袋瓜子就嗡嗡的,总想着解锁新姿势:干掉过多的if-else!!!本文将介绍三板斧手段: 优先判断条件,条件不满足的,逻辑及时中断返回; 采用策略模式+工厂模式; 结合注解,锦...

离职半年了,老东家又发 offer,回不回?

有小伙伴问松哥这个问题,他在上海某公司,在离职了几个月后,前公司的领导联系到他,希望他能够返聘回去,他很纠结要不要回去? 俗话说好马不吃回头草,但是这个小伙伴既然感到纠结了,我觉得至少说明了两个问题:1.曾经的公司还不错;2.现在的日子也不是很如意。否则应该就不会纠结了。 老实说,松哥之前也有过类似的经历,今天就来和小伙伴们聊聊回头草到底吃不吃。 首先一个基本观点,就是离职了也没必要和老东家弄的苦...

2020阿里全球数学大赛:3万名高手、4道题、2天2夜未交卷

阿里巴巴全球数学竞赛( Alibaba Global Mathematics Competition)由马云发起,由中国科学技术协会、阿里巴巴基金会、阿里巴巴达摩院共同举办。大赛不设报名门槛,全世界爱好数学的人都可参与,不论是否出身数学专业、是否投身数学研究。 2020年阿里巴巴达摩院邀请北京大学、剑桥大学、浙江大学等高校的顶尖数学教师组建了出题组。中科院院士、美国艺术与科学院院士、北京国际数学...

男生更看重女生的身材脸蛋,还是思想?

往往,我们看不进去大段大段的逻辑。深刻的哲理,往往短而精悍,一阵见血。问:产品经理挺漂亮的,有点心动,但不知道合不合得来。男生更看重女生的身材脸蛋,还是...

程序员为什么千万不要瞎努力?

本文作者用对比非常鲜明的两个开发团队的故事,讲解了敏捷开发之道 —— 如果你的团队缺乏统一标准的环境,那么即使勤劳努力,不仅会极其耗时而且成果甚微,使用...

为什么程序员做外包会被瞧不起?

二哥,有个事想询问下您的意见,您觉得应届生值得去外包吗?公司虽然挺大的,中xx,但待遇感觉挺低,马上要报到,挺纠结的。

当HR压你价,说你只值7K,你该怎么回答?

当HR压你价,说你只值7K时,你可以流畅地回答,记住,是流畅,不能犹豫。 礼貌地说:“7K是吗?了解了。嗯~其实我对贵司的面试官印象很好。只不过,现在我的手头上已经有一份11K的offer。来面试,主要也是自己对贵司挺有兴趣的,所以过来看看……”(未完) 这段话主要是陪HR互诈的同时,从公司兴趣,公司职员印象上,都给予对方正面的肯定,既能提升HR的好感度,又能让谈判气氛融洽,为后面的发挥留足空间。...

面试:第十六章:Java中级开发(16k)

HashMap底层实现原理,红黑树,B+树,B树的结构原理 Spring的AOP和IOC是什么?它们常见的使用场景有哪些?Spring事务,事务的属性,传播行为,数据库隔离级别 Spring和SpringMVC,MyBatis以及SpringBoot的注解分别有哪些?SpringMVC的工作原理,SpringBoot框架的优点,MyBatis框架的优点 SpringCould组件有哪些,他们...

面试阿里p7,被按在地上摩擦,鬼知道我经历了什么?

面试阿里p7被问到的问题(当时我只知道第一个):@Conditional是做什么的?@Conditional多个条件是什么逻辑关系?条件判断在什么时候执...

面试了一个 31 岁程序员,让我有所触动,30岁以上的程序员该何去何从?

最近面试了一个31岁8年经验的程序猿,让我有点感慨,大龄程序猿该何去何从。

大三实习生,字节跳动面经分享,已拿Offer

说实话,自己的算法,我一个不会,太难了吧

程序员垃圾简历长什么样?

已经连续五年参加大厂校招、社招的技术面试工作,简历看的不下于万份 这篇文章会用实例告诉你,什么是差的程序员简历! 疫情快要结束了,各个公司也都开始春招了,作为即将红遍大江南北的新晋UP主,那当然要为小伙伴们做点事(手动狗头)。 就在公众号里公开征简历,义务帮大家看,并一一点评。《启舰:春招在即,义务帮大家看看简历吧》 一石激起千层浪,三天收到两百多封简历。 花光了两个星期的所有空闲时...

《Oracle Java SE编程自学与面试指南》最佳学习路线图2020年最新版(进大厂必备)

正确选择比瞎努力更重要!

《Oracle Java SE编程自学与面试指南》最佳学习路线图(2020最新版)

正确选择比瞎努力更重要!

都前后端分离了,咱就别做页面跳转了!统统 JSON 交互

文章目录1. 无状态登录1.1 什么是有状态1.2 什么是无状态1.3 如何实现无状态1.4 各自优缺点2. 登录交互2.1 前后端分离的数据交互2.2 登录成功2.3 登录失败3. 未认证处理方案4. 注销登录 这是本系列的第四篇,有小伙伴找不到之前文章,松哥给大家列一个索引出来: 挖一个大坑,Spring Security 开搞! 松哥手把手带你入门 Spring Security,别再问密...

字节跳动面试官竟然问了我JDBC?

轻松等回家通知

面试官:你连SSO都不懂,就别来面试了

大厂竟然要考我SSO,卧槽。

阿里面试官让我用Zk(Zookeeper)实现分布式锁

他可能没想到,我当场手写出来了

终于,月薪过5万了!

来看几个问题想不想月薪超过5万?想不想进入公司架构组?想不想成为项目组的负责人?想不想成为spring的高手,超越99%的对手?那么本文内容是你必须要掌握的。本文主要详解bean的生命...

自从喜欢上了B站这12个UP主,我越来越觉得自己是个废柴了!

不怕告诉你,我自从喜欢上了这12个UP主,哔哩哔哩成为了我手机上最耗电的软件,几乎每天都会看,可是吧,看的越多,我就越觉得自己是个废柴,唉,老天不公啊,不信你看看…… 间接性踌躇满志,持续性混吃等死,都是因为你们……但是,自己的学习力在慢慢变强,这是不容忽视的,推荐给你们! 都说B站是个宝,可是有人不会挖啊,没事,今天咱挖好的送你一箩筐,首先啊,我在B站上最喜欢看这个家伙的视频了,为啥 ,咱撇...

代码注释如此沙雕,会玩还是你们程序员!

某站后端代码被“开源”,同时刷遍全网的,还有代码里的那些神注释。 我们这才知道,原来程序员个个都是段子手;这么多年来,我们也走过了他们的无数套路… 首先,产品经理,是永远永远吐槽不完的!网友的评论也非常扎心,说看这些代码就像在阅读程序员的日记,每一页都写满了对产品经理的恨。 然后,也要发出直击灵魂的质问:你是尊贵的付费大会员吗? 这不禁让人想起之前某音乐app的穷逼Vip,果然,穷逼在哪里都是...

立即提问
相关内容推荐