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

设计模式学习(十二):Decorator装饰器模式

假如现在有一块蛋糕,如果只涂上奶油,其他什么都不加,就是奶油蛋糕。如果加上草莓,就是草莓奶油蛋糕。如果再加上一块黑色巧克力板,上面用白色巧克力写上姓名,然后插上代表年龄的蜡烛,就变成了一块生日蛋糕。不论是蛋糕、奶油蛋糕、草莓蛋糕还是生日蛋糕,它们的核心都是蛋糕。不过,经过涂上奶油,加上草莓等装饰后,蛋糕的味道变得更加甜美了,目的也变得更加明确了。程序中的对象与蛋糕十分相似。首先有一个相当于蛋糕的对

文章图片
#java#设计模式#装饰器模式
设计模式学习(十一):Builder建造者模式

大都市中林立着许多高楼大厦,这些高楼大厦都是具有建筑结构的大型建筑。通常,建造和构建这种具有建筑结构的大型物体在英文中称为Build。在建造大楼时,需要先打牢地基,搭建框架,然后自下而上地一层一层盖起来。通常,在建造这种具有复杂结构的物体时,很难一气呵成。我们需要首先建造组成这个物体的各个部分,然后分阶段将它们组装起来。用一句话来概括:Builder模式用于组装具有复杂结构的实例。Builder模

文章图片
#设计模式#java#建造者模式
设计模式学习(六):Template Method模板方法模式

通过查看AbstractDisplay类的代码,我们可以知道这3个方法都是抽象方法。也就是说,如果仅仅查看AbstractDisplay类的代码,我们无法知道这3个方法中到底进行了什么样的处理。这是因为open方法、print方法、close方法的实际处理被交给了AbstractDisplay类的子类。这里将display用final来修饰,就是表示子类不能重写display方法。open();i

文章图片
#设计模式#模板方法模式#java
两个链表的第一个公共节点(剑指offer 52)Java双指针

目录一、题目描述二、思路讲解三、Java代码实现四、时空复杂度分析五、代码优化1、使用双指针空间复杂度降为O(1)2、更优雅的双指针一、题目描述输入两个链表,找出它们的第一个公共节点。如下面的两个链表:在节点 c1 开始相交。示例 1:输入:intersectVal = 8, listA = [4,1,8,4,5], listB = [5,0,1,8,4,5], skipA = 2, sk...

#链表#java#数据结构
可复用的 Agent 评测体系:方法论与实践

Agent评测体系是一套标准化质量度量方法论,通过四层金字塔模型(基础能力、业务能力、过程质量、业务价值)全面评估Agent表现。该体系包含评测维度设计、评测集构建、LLM-as-Judge评分机制、自动化执行和结果分析等关键环节,采用分层架构实现通用框架复用与业务灵活适配。评测体系能精准定位问题、量化质量水平,为开发者提供迭代方向,为业务方建立上线信心,同时沉淀组织知识资产。其核心价值在于将非确

文章图片
#AI
操作系统学习(一):浅析操作系统进程调度算法

先进先出(FirstInFirstOut)调度是我们可以实现的最基本的算法,有时也被称为先到先服务(FirstComeFirstServed或FCFS)。优点简单,易于实现。举个例子看看为什么FIFO不好假设A(100s)、B(10s)、C(10s)三个工作几乎同时来到系统,A稍微比B早一点,B稍微比C早一点,那么,一定要等到A完成后,B才有机会运行。所以系统平均周转时间为这个问题通常被称作护航效

文章图片
#操作系统
操作系统学习(二):浅析多级反馈队列MLFQ

MLFQ有趣的原因是它不需要对工作的运行方式有先验知识,而是通过观察工作的运行来给出对应的优先级。通过这种方式,MLFQ可以同时满足各种工作的需求对于短时间运行的交互型工作,获得类似于SJF/STCF的很好的全局性能,同时对长时间运行的CPU密集型负载也可以公平地、不断地稳步向前。.........

文章图片
#操作系统#面试
可复用的 Agent 评测体系:方法论与实践

Agent评测体系是一套标准化质量度量方法论,通过四层金字塔模型(基础能力、业务能力、过程质量、业务价值)全面评估Agent表现。该体系包含评测维度设计、评测集构建、LLM-as-Judge评分机制、自动化执行和结果分析等关键环节,采用分层架构实现通用框架复用与业务灵活适配。评测体系能精准定位问题、量化质量水平,为开发者提供迭代方向,为业务方建立上线信心,同时沉淀组织知识资产。其核心价值在于将非确

#AI
TensorFlow学习(二):搭建一个神经网络

本文介绍了使用TensorFlow构建神经网络的基本方法。通过定义add_layer函数实现了神经层的快速添加,包含权重、偏置和激励函数三个核心参数。以一元二次函数加噪声的数据为例,构建了包含输入层、隐藏层和输出层的神经网络模型。实验结果显示,随着1000次训练的进行,误差从0.328逐步降至0.004,验证了模型的有效性。文章还展示了数据可视化过程,通过散点图显示真实数据,并用红色曲线动态展示预

文章图片
#tensorflow#学习#神经网络 +2
Linux下启动Nginx时报错:nginx: [emerg] bind() to 0.0.0.0:80 failed (98: Address already in use)

出现这种问题,多半是80端口被占用了。先使用以下命令查看当前进程netstat -ntlp回车,看到结果如图:可以明显看到有个进程占用了80端口。我们可以使用kill命令将他杀掉kill 2054再次查看:已经没有进程占用80端口了。此时再次启动Nginx,启动成功 。...

文章图片
#nginx#linux#运维 +2
    共 18 条
  • 1
  • 2
  • 请选择