logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

前端基础之《Vue(4)—响应式原理》

当获取、修改obj2属性的时候,会触发钩子函数。obj2对象多了get和set函数。当你get/set一个变量时,你有办法可以“捕获到”这种行为。2、一个普通对象和一个响应式对象对比。1、响应式英文reactive。

#前端
前端基础之《Vue(20)—移动端REM布局》

摘要:WebApp是一种交互类似App但无需安装的H5页面。移动端布局方案包括rem、vw/vh等相对单位布局,不使用绝对单位px。通过rem.js动态设置根字体大小(屏幕宽度的1/10),实现适配不同屏幕。CSS中rem单位基于根字体尺寸,em基于父元素字体。UI稿尺寸转换示例(如750px→10rem),推荐使用pxtorem插件简化计算。文中还介绍了布局类型比较和常用CSS单位。

#前端
深度学习基础之《TensorFlow框架(11)—数据读取》

除此以外,还有Dataset.repeat()(重复数据集的元素)、Dataset.reduce()(与Map相对的聚合操作)、Dataset.take()(截取数据集中的前若干个元素)等,可参考API文档进一步了解。将数据集打乱(设定一个固定大小的缓冲区(Buffer),取出前buffer_size个元素放入,并从缓冲区中随机采样,采样后的数据用后续数据替换)对数据集中的每个元素应用函数f,得到

#深度学习
Portainer更换新版本

1、停止原有版本2、删除3、安装新版本参考资料:

#docker
阿里云服务(六)—阿里云安全

九、阿里云安全体系1、阿里云安全体系1.1 云计算面临的安全风险云计算安全威胁公有云的应用正在快速增长,但也不可避免地带来了一系列新的安全威胁和挑战。而保护云端企业数据的安全,亟需云服务商与每一位云客户的共同努力。云计算安全联盟(CSA)发布云计算安全报告,以帮助企业了解云安全问题。云计算的安全威胁主要有:数据丢失或泄露:如服务商遭...

机器学习基础之《回归与聚类算法(7)—无监督学习K-means算法》

一家广告平台需要根据相似的人口学特征和购买习惯将美国人口分成不同的小组,以便不同的用户采取不同的营销策略。Airbnb需要将自己的房屋清单分组成不同的社区,以便用户能更轻松地查阅这些清单(对房屋进行分类)。一个数据科学团队需要降低一个大型数据集的维度的数量,以便简化建模和降低文件大小(比如PCA降维)。1、K-means的聚类效果图。K-means(K均值聚类)1、没有目标值—无监督学习。一开始拿

#机器学习
Java基础之《netty(10)—Reactor三种模式》

(3)如果是建立连接请求事件,则由Acceptor通过Accept处理连接请求,然后创建一个Handler对象处理连接完成后的后续业务处理。服务器端用一个线程通过多路复用搞定所有的IO操作(包括连接、读、写等),编码简单,清晰明了,但是如果客户端连接数量较多,将无法支撑。(1)Select是前面I/O复用模型介绍的标准网络编程API,可以实现应用程序通过一个阻塞对象监听多路连接请求。(4)如果不是

#java
Java基础之《netty(12)—netty入门》

1、netty服务器在6668端口监听,客户端能发送消息给服务器“hello,服务器!3、目的:对netty线程模型有一个初步认识,便于理解netty模型理论。2、服务器可以回复消息给客户端“hello,客户端!

#java
前端基础之《Vue(29)—Vue3 路由V4》

本文介绍了Vue3项目中集成Vue Router(v4)的全过程。首先通过npm安装依赖,配置@路径别名指向src目录,包括vite.config.ts和tsconfig.app.json的修改。然后详细说明了在main.ts中如何初始化路由,创建路由实例并定义路由规则。接着指导建立router/index.ts文件,配置hash模式路由和全局守卫。最后演示了在App.vue中使用<rout

#前端
数据分析基础之《matplotlib(5)—直方图》

直方图,形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念,首先要对数据进行分组,然后统计每个分组内数据元的数量。在坐标系中,横轴标出每个组的端点,纵轴表示频数,每个矩形的高,代表对应的频数,称这样的统计图为频数分布直方图。(2)身高在160.5cm以上的同学有多少人?(1)身高在哪一组的同学最多?

#数据分析
    共 58 条
  • 1
  • 2
  • 3
  • 6
  • 请选择