原创 8大排序算法的穩定和不穩定分析

      在筆試題時,可能會遇到一個關於常見排序算法穩定性判別的問題,往往還是多選。當然如果你筆試之前已經記住了數據結構書上哪些是穩定的,哪些不是穩定的,做起來應該可以輕鬆搞定。本文是針對老是記不住這個或者想真正明白到底爲什麼是穩定或者

原创 fork()+pipe() --> 父子進程間通過管道通信

1.fork()函數:創建新進程 頭文件:#include <unistd.h>   #include<sys/types.h>   函數原型:pid_t fork( void); 返回值:一個是子進程返回0,

原创 FTP的主動傳輸和被動傳輸

1.什麼是FTP協議 FTP(File TransferProtocol,文件傳輸協議)是TCP/IP協議組中的協議之一。FTP協議包括兩個組成部分,其一爲FTP服務器,其二爲FTP客戶端。其中FTP服務器用來存儲文件,用戶可以使用FTP

原创 torchnet安裝及報錯分析

看某大佬的代碼是用到了torchnet,嗯……那就折騰一下吧 torchnet是Facebook最新一次和人工智能(AI)有關的開源項目,用Lua語言撰寫而成,執行於標準x86芯片或GPU上。對想要訓練大規模深度學習系統的單位來說,有助於

原创 JSP聲明語句/腳本段/表達式

  JSP是Java Server Page的縮寫,在傳統的HTML頁面中加入JSP標籤和java的程序片段就構成了JSP。JSP中腳本元素包括3類:聲明語句、腳本段和JSP表達式,在JSP頁面中需要通過特殊的約定來表示這些元素,在客戶端

原创 談一談a:link、a:visited、a:hover、a:active的正確使用順序

今天學到一個有趣的新知識呢,迫不及待的想分享一下。自學前端的這條路上,還在基礎部分打轉,未來好難,走好現在腳下的每一步纔是我現在最重要的。小小地感慨一下,下面進入正題吧。     1. <a>標籤 我們先說一說<a>標籤是幹啥用的。  

原创 與<%@include file>

1、include指令: <%@include file="文件的絕對路徑或者相對路徑"%> file屬性是必填的(絕對或相對路徑),但它不支持任何的表達式,也不允許通過掛參方式來傳遞參數。(即不能使用變量賦值,只能寫死)   2、inc

原创 基於 AutoEncoder 的無監督聚類的實現

原文:How to do Unsupervised Clustering with Keras 作者:Chengwei Zhang 鑑於深度學習出色的非線性表徵能力,其被普遍用於進行從輸入到給定標籤數據集的輸出的映射,即:圖像分類,需要

原创 一個值得深思的問題?爲什麼驗證集的loss會小於訓練集的loss

在本教程中,您將學習在訓練自己的自定義深度神經網絡時,驗證損失可能低於訓練損失的三個主要原因。 我的驗證損失低於訓練損失! 怎麼可能呢? 我是否意外地將訓練和驗證loss繪圖的標籤切換了? 潛在地。 我沒有像matplotlib這樣的繪

原创 如何清晰地思考

    偶然看到了劉未鵬的書《暗時間》,還在閱讀中。這篇博客有簡略介紹了部分內容,值得好好閱讀。 原博客:https://blog.csdn.net/pongba/article/details/3549560   點贊

原创 網絡編程事件模型和窗口消息模型中FD_WRITE的理解要點

1.Winsock同步阻塞方式的問題 在異步非阻塞模式下,像accept(WSAAccept),recv(recv,WSARecv,WSARecvFrom)等這樣的winsock函數調用後馬上返回,而不是等待可用的連接和數據。在阻塞模式下

原创 由 serverAdd.sin_addr.s_addr 引發的思考

這兩天盡忙着看winsock了,玩過它的人都知道正確的填寫IP地址是很重要的一個環節。所謂填寫IP地址就是指在SOCKADDR_IN結構體中填寫IP地址:   struct sockaddr_in {         short   s

原创 nvidia-smi查看GPU的使用信息並分析

登入服務器後,輸入命令(注意中間無空格): nvidia-smi 或者可以使用命令(可以自動實時刷新GPU的使用情況): nvidia-smi -l 如果要週期性地輸出顯卡的使用情況,可以用watch指令實現(命令行參數-n,後邊跟

原创 CSS之display屬性

display 屬性規定元素應該生成的框的類型。   值 描述 none 此元素不會被顯示。 block 此元素將顯示爲塊級元素,此元素前後會帶有換行符。 inline 默認。此元素會被顯示爲內聯元素,元素前

原创 使用cv.imshow報錯:error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'

使用cv2顯示圖片: import tensorflow as tf import cv2 as cv image = cv.imread('F:\CODES\n07740461_173.jpg') cv.imshow("input",