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

yuque-dl-语雀知识库下载为本地markdown

之前有下载语雀的需求,发现了一个开源项目,用起来还是很顺手的。

文章图片
#node.js
工厂模式和策略模式的区别

目的是封装一系列的算法或行为,使得这些算法或行为可以相互替换。它将算法的选择和实现分离,使得客户端代码可以在运行时根据需要选择不同的算法。目的是创建对象,将对象的创建和使用分离。它提供了一种创建对象的方式,使得客户端代码不需要直接实例化具体的类,而是通过工厂类来创建对象。常用于创建复杂对象或根据不同的条件创建不同类型的对象,提高代码的可维护性和可扩展性。常用于实现多种不同的算法或行为,并且这些算法

文章图片
#策略模式#java#开发语言
Trea发布国内版:深度体验与项目测试!免费使用DeepSeek

首先,前往Trea(国内版)官网下载软件。Trea支持mac、windows和linux三大平台,下载完成后,按照提示进行安装即可。Trea国内版的发布为国内用户提供了一个高效、便捷的AI编程工具。通过实际项目测试,我们可以看到其在代码生成和功能实现上的强大能力。AI虽然无法完全取代人类,但它无疑是我们提升效率的得力助手。保持学习,善用工具,才能在快速发展的科技浪潮中立于不败之地。

文章图片
#人工智能
限流:5种限流算法,7种限流方式

最近几年,随着微服务的流行,服务和服务之间的依赖越来越强,调用关系越来越复杂,服务和服务之间的稳定性越来越重要。在遇到突发的请求量激增,恶意的用户访问,亦或请求频率过高给下游服务带来较大压力时,我们常常需要通过缓存、限流、熔断降级、负载均衡等多种方式保证服务的稳定性。其中限流是不可或缺的一环,这篇文章介绍限流相关知识。这篇文章介绍实现限流的几种方式,主要是窗口算法和桶算法,两者各有优势。

文章图片
#算法
在IntelliJ IDEA中配置Google Java Code Style及代码格式化快捷键代 码格式(代码的规范)

代码格式,也就是格式化代码格式(Ctrl + Alt + L)以IDEA2018.3版本为例下载Google Java Code Style在IntelliJ中的配置文件https://github.com/google/styleguide/blob/gh-pages/intellij-java-google-style.xml...

android studio中get、set、toString等方法的快捷键

package momo.yuan.com.listviewdemo;/*** 对每行的Item数据进行封装*/class Info {private int icon;private String name;private String content;}在Android studio中用快捷键实现get 、set等方法。必须选中你所要进行set

Harbor Light:用悬浮灯看 Codex / Cursor 跑没跑完

<think>我们只需要根据内容生成≤150字的摘要。内容是关于一个名为harbor-light的工具,用于监控Codex和Cursor状态,通过桌面悬浮灯显示状态。需要概括主要功能、平台、状态显示、架构等。注意字数限制,精炼。</think>Harbor Light 0.1.0(Rust 编写)为 Codex 和 Cursor 的工作状态提供桌面红绿灯悬浮窗:🟡工作、🔴等待/报错、🟢完成。

文章图片
#开源
Harbor Light:用悬浮灯看 Codex / Cursor 跑没跑完

<think>我们只需要根据内容生成≤150字的摘要。内容是关于一个名为harbor-light的工具,用于监控Codex和Cursor状态,通过桌面悬浮灯显示状态。需要概括主要功能、平台、状态显示、架构等。注意字数限制,精炼。</think>Harbor Light 0.1.0(Rust 编写)为 Codex 和 Cursor 的工作状态提供桌面红绿灯悬浮窗:🟡工作、🔴等待/报错、🟢完成。

文章图片
#开源
43-机器学习与大模型开发数学教程-4-5 期望、方差、协方差与相关系数

本文简明扼要地总结了概率统计中四个核心概念——期望、方差、协方差和相关系数的本质与应用。通过生活实例和机器学习场景,阐释了这些概念的实际意义:期望反映长期平均水平,方差衡量波动大小,协方差表示变量间的同向变化关系,相关系数则是标准化后的协方差。文章重点剖析了这些概念在机器学习中的关键作用,如风险最小化对应期望优化、小批量训练近似期望、PCA分解协方差矩阵、集成学习降低方差等。同时提供了数学定义、重

文章图片
#机器学习#人工智能
44-机器学习与大模型开发数学教程-4-6 大数定律与中心极限定理

摘要 大数定律(LLN)和中心极限定理(CLT)是概率论的核心成果。LLN表明样本均值会稳定收敛到期望值,而CLT则揭示标准化后的样本均值波动近似服从标准正态分布。在机器学习中,它们支撑着小批量梯度估计、模型评估的置信区间计算等重要应用。本文系统梳理了两个定理的数学表述、证明思路、实际应用场景(如梯度估计、A/B测试)及常见误区,并通过NumPy实验直观展示其现象。特别强调了定理成立条件(如i.i

文章图片
#机器学习#人工智能
    共 57 条
  • 1
  • 2
  • 3
  • 6
  • 请选择