生成器，用yield写出来的特殊迭代器，保存执行的位置，手写迭代器的话需要自己维护状态，生成器代码简短不易出错。顶部元素为最小元素，当某个元素大于顶部元素，顶部元素弹出，加入这个元素调整堆。本质：函数作为参数传入，返回包装后的新函数，可以实现前后置增强。*args位置参数，返回的是一个tuple元组。类方法，通过类.方法调用，参数为cls指向子类。**kwargs关键字参数，返回的是dict。实例

2.2.2application.properties文件增加内容。2.3.1增加mapper包，并新建一个UserMapper。2.3.2启动类增加注解，标识要扫描的mapper包。主要是解决java对象和数据库表和字段的映射关联。2.2.1 新建数据库，并建立一个user表。3.2postman测试（插入成功）UserMapper内容供复制。UserMapper的内容。

Data;import org@Component // application.yml下sky.alioss有对应的属性值就会自动注入到该类中 @ConfigurationProperties(prefix = "sky.alioss") @Data public class AliOssProperties {

这是模型在训练过程中通过数据自动学习的参数，主要是卷积层的权重和偏置。比如卷积核内部的权重（Conv2d中的weights和bias）会随着训练数据的输入和误差的反馈不断更新。以yolov5为例子，训练的目的是把一组输入猫狗图像放到神经网络中，得到一个输出模型，这个模型下次可以直接用来识别哪个是猫，哪个是狗。这些参数是在反向传播过程中由优化器（如Adam、SGD等）自动调整的，目的是使模型更好地拟

前端用户发起请求，请求调用大模型进行回复，大模型中配置了一些基本信息（聊天记忆隔离，聊天内容持久化，自动调用工具函数，使用的嵌入存储来源（RAG）），流式输出返回信息。

可访问本条笔记参考实现内网穿透，只要修改最后的端口号为3000即可。可以显示叫你填写邮箱密码，正常填写即可。打开cmd终端执行以下语句。

2.6 切换到对应的gitee包目录（打开科学上网）python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt（执行后在runs目录下可以查看对应的Bus结果）2.3 下载pytorch包：conda install pytorch==1.8.0 torchvision==0.9.0 torchaudi

运行后会生成转换后labels文件夹下图片的txt文件，还会在data文件夹下得到三个包含数据集路径的txt文件，train.txt，test.txt，val.txt这3个txt文件为划分后图像所在位置的绝对路径。classes = [‘‘litchi’’] 这里填写自己的类别要和转换后的xml的Name一致。根目录下新建MyUtils文件夹下新建文件txtToXml.py文件。根目录下新建文件s

3.下载好emqx,redis等（这些必须要求是windows版本的）进入emqx安装目录的bin文件下执行下面指令（必须的管理员运行终端）主要修改（appId,appKey,appLicense这些）最后生成如下界面，再把内容替换到config.ts就行。1.保证电脑又node.js环境，可以正常使用npm。最后我们可以到浏览器看到界面可以成功登录，运行成功。进行如下操作（需要注意申请的是web

终端换成运行以下代码即可。