博客 / 列表

mob64ca1416f1ef - head first java 設計模式pdf

設計模式（Design Patterns） ——可複用面向對象軟件的基礎 設計模式（Design pattern）是一套被反覆使用、多數人知曉的、經過分類編目的、代碼設計經驗的總結。使用設計模式是為了可重用代碼、讓代碼更容易被他人理解、保證代碼可靠性。 毫無疑問，設計模式於己於他人於系統都是多贏的，設計模式使代碼編制真正工程化，設計

設計模式 , 後端開發 , JAVA , ide

mob64ca1416f1ef - mongodb學習筆記 - 忘川-hsm的個人空間 -

背景：文檔結構與主鍵核心機制 1 ) 文檔主鍵（_id）的本質 技術簡注：_id是MongoDB文檔的全局唯一標識符，功能等同於SQL數據庫的主鍵。 強制性唯一標識 每篇文檔必須包含_id字段，值在集合內絕對唯一 支持除數組外所有數據類型：整型、UUID、字符串或複合主鍵（嵌套文檔）

字段 , 操作符 , 主鍵 , Css , 前端開發 , HTML

mob64ca1416f1ef - emwin獲取當前窗體

把你的Windows任務欄移到屏幕的上方，你就會發現有多少程序會在啓動的時候，把自己的標題欄移到任務欄的下方，以至於不能用鼠標移動它，甚至有的窗口還沒有系統菜單（Atl + 空格 打開系統菜單，可以移動窗口）。所以，這篇文章我們來討論一下窗口的位置，以避免這樣的事情發生。 如果讓你寫個程序，要把窗口的位置移動到桌面的左上角，我想很多人都會寫出如下的代碼： M

機器學習 , 任務欄 , 移動窗口 , emwin獲取當前窗體 , 人工智能 , 標題欄

mob64ca1416f1ef - 【圖像壓縮】基於霍夫編碼、行程編碼、DCT、FFT、算術編碼、t預測編碼實現圖像壓縮附matlab代碼

基於霍夫曼圖像圖像壓縮重建 霍夫曼編碼，又稱為哈夫曼編碼、赫夫曼編碼，是一種用於無損數據壓縮的熵編碼（權編碼）算法。 基於小波變換的 RGB 圖像壓縮matlab代碼 最近在折騰圖像壓縮的時候，發現霍夫曼編碼和小波變換這對組合挺有意思。直接拿MATLAB試了試手，結果意外地好玩——雖然壓縮率不算頂尖，但整個流程特別適合用來理解原理。今天就跟大夥兒嘮

sed , css3 , MATLAB , 壓縮率 , 前端開發 , Javascript

mob64ca1416f1ef - 【雙指針】算法之雙管齊下 2019-10-11（未經允許禁止轉載）

目錄 一、雙指針簡介 對撞指針 快慢指針 二、OJ題目 2.1移動零 算法設計 代碼實現 算法總結 2.2複寫零 算法設計 代碼實現 算法總結 2.3快樂數 算法設計 代碼實現 算法總結 2.4盛最多水的容器 算法設計 代碼實現 算法總結 2.5有效三角形

數組 , 雙指針 , Css , 代碼實現 , 前端開發 , HTML

mob64ca1416f1ef - 基線數據不齊分析邏輯迴歸分析

　　基線的本意是指立體視覺系統中兩攝像機光心之間的距離。依據拍攝兩幅圖 像的視點位置關係可將對應點匹配問題分為寬基線(Wide Baseline)和窄基線匹配(Short Baseline)。寬基線一詞用於匹配時，泛指兩幅圖像有明顯不同的情況下的匹配。產生這種情況的原因有可能為攝像機之間的位置相差很大，也有可能由於攝像機旋轉或焦距的變化等因素產生的。

機器學習 , 鄰域 , 對應點 , 基線 , 基線數據不齊分析邏輯迴歸分析 , 人工智能

mob64ca1416f1ef - Django項目的dockerfile文件存放在哪裏

定義一個自定義的儲存類步驟 1.你的自定義儲存類必須是django.core.files.storage.Storage的子類 2.Django必須能夠不帶任何參數來實例化你的儲存類。這意味着任何設置都應該從django.conf.settings中獲取。 3.你的儲存類必須實現 _open() 和 _save()方法，以及任何適合於你

雲計算 , 上傳 , django , storage , Docker

mob64ca1416f1ef - Triton inference server系列(0)——相關資料整理

Triton Inference Server 架構與前後處理方案梳理 文章目錄 Triton Inference Server 架構與前後處理方案梳理 0 引言 1 client方案--自己在client端增加前處理和後處理

spark , 共享內存 , 大數據 , analyzer , 架構 , c++

mob64ca1416f1ef - GDEMV3 30M 分塊數據DEM拼接

分塊算法總結 　　分塊，就是一種暴力算法，不過複雜度優於暴力，是基於足夠的預處理和合理可行的維護操作進行優化時間， 　在預處理+維護的耗時上與暴力處理的耗時上找到一種平衡，於是出了這個優美的算法 　　標誌：查詢某一區間內元素種類數，查詢某一區間大於等於某一元素的數的個數（即排名 　　為了查詢大於等於C的個數，可以排序，用區間長度-C的排名就是 答案數。

機器學習 , 複雜度 , include , 人工智能 , define

mob64ca1416f1ef - 開源 圖片轉換 docker

優質文章，第一時間送達 今天鋒哥看到一款前端圖片剪裁開源項目-vue-picture-cut，基於vue開發，功能太逆天，特來分來，建議收藏； 先來個預覽看看： 功能在線演示站點： s://htmlpreview.github.io/?http 這事一款基於vue和typescript開發的一款圖片

qlsql 導出blob圖片 , 雲計算 , blob 添加圖片 html , 開源 圖片轉換 docker , js 圖片縮放不超出父級元素範圍 , vue template 圖片 , Docker

mob64ca1416f1ef - ble 可以同時是write和write no response嗎

協議棧解析 對開發者來説，很簡單，他只需要調用send(0x53) GATT層定義數據的類型和分組，方便起見，我們用0x0013表示電量這種數據類型，這樣GATT層把數據打包成130053（小端模式！） ATT層用來選擇具體的通信命令，比如讀/寫/notify/indicate等，這裏選擇notify命令0x1B，這樣數據包變成了：1B130053

數據 , 應用層 , 協議棧 , 架構 , 後端開發

mob64ca1416f1ef - ABCNN BIMPMSiaGRU 適用場景

使用智能ABC輸入法， 許多朋友在輸入中文時，要想更快速、更方便，你就一定得了解其中“v”和“i”這兩個字母的秘密。 一，“v”的妙用 　　用智能ABC輸入含有英文的中文語句時，使用Ctrl+Space切換中英文輸入狀態十分麻煩。其實智能ABC在輸入拼音的過程中，如果需要輸入英文，可以不必切換到英文方式。鍵入“v”再輸入想輸入的英文，按空格 鍵，英文字母就會出現

輸入法 , 機器學習 , 大小寫 , v9 , 人工智能

mob64ca1416f1ef - Elasticsearch-dump - 技術人生 -

elasticsearch-dump源代碼解析：從elasticdump.js到transports模塊 項目概述 elasticsearch-dump是一個用於在Elasticsearch集羣之間遷移數據的工具，支持多種數據類型的導入導出。本文將深入解析其核心架構，從入口文件elasticdump.js到數據傳輸核心模塊li

elasticsearch , 數據類型 , 數據 , 後端開發 , harmonyos

mob64ca1416f1ef - 數學建模學習：蒙特卡洛模擬_小季不是鹹魚的博客-博客

功能概述與核心價值定位 本文聚焦於量化交易領域中極具實踐意義的組合優化問題——通過蒙特卡洛方法對ETF網格交易策略的動態止盈參數進行系統性尋優。該方案的核心在於構建基於歷史數據的隨機抽樣實驗框架，在多維度參數空間中搜索能夠最大化風險調整後收益的最優解集合。相較於傳統手工調參或單一指標優化方式，本方法具有三大技術優勢：①突破局部最優陷阱的全局搜索能力；②天然適配非線性、非凸的

極值 , 分佈式計算 , 參數空間 , Css , 前端開發 , HTML

mob64ca1416f1ef - 實操教程 | 卷積神經網絡CNN詳解

卷積神經網絡（CNN）的核心操作並非孤立存在，而是通過精細的參數設計和流程配合實現特徵提取與模型學習。以下從原理細節、計算過程、參數設計、變體形式四個維度，對核心操作進行更深入的解析，幫助你掌握實際應用中的關鍵細節。 一、卷積操作（Convolution） 卷積是 CNN “特徵提取” 的核心，其本質是通過滑動窗口的局部加權求和捕捉圖像的局部

卷積 , 神經網絡 , cnn , 深度學習 , 池化 , 前端開發 , Javascript