室友一把LOL的时间学会最优链表之——(双向带头循环链表)

室友一把LOL的时间学会最优链表之——(双向带头循环链表)
分类: 编程语言 发布时间: 05-18 11:57 阅读次数: 0

室友一把王者的时间——偷偷学会栈与队列

室友一把王者的时间——偷偷学会栈与队列
分类: 编程语言 发布时间: 05-18 11:56 阅读次数: 0

LeetCode经典栈与队列面试题——《循环队列》、《有效的括号》、《用栈实现队列》、《用队列实现栈》

LeetCode经典栈与队列面试题——《循环队列》、《有效的括号》、《用栈实现队列》、《用队列实现栈》
分类: 编程语言 发布时间: 05-18 11:56 阅读次数: 0

二叉树 堆与堆排序的实现(附有TOP-K问题)

目录二叉树概念及结构满二叉树与完全二叉树二叉树的性质堆的概念及结构堆的实现堆的创建堆的销毁交换函数堆的打印堆的插入向上调整算法堆的删除向上调整算法详解图:向下调整算法向下调整算法详解图:获取堆顶元素获取堆的数据个数堆的判空完整代码Heap.hHeap.ctest.cTopK问题堆排序具体思想:堆排序详解图:二叉树概念及结构形如下图结构的被称为二叉树。二叉树特点:1、...
分类: 编程语言 发布时间: 05-18 11:56 阅读次数: 0

二叉树——链式结构的代码实现(包含前中后遍历的实现)

目录二叉树的创建构建一颗二叉树二叉树的销毁创建一个新结点计算二叉树的结点个数计算二叉树的叶子结点个数计算二叉树第k层节点的个数二叉树查找值为x的节点二叉树前序遍历二叉树中序遍历二叉树的后序遍历二叉树的层序遍历判断二叉树是否是完全二叉树二叉树的创建根据二叉树的结构,我们用链表来链接每个结点的左右孩子,并且给每个结点定义一个数值。如图所示:代码如下:typedef char BTDataType;//老样子 便于控制数据类型..
分类: 编程语言 发布时间: 05-18 11:56 阅读次数: 0

一集斗罗大陆的时间——教你如何应对 二叉树经典oj题

目录二叉树遍历另一颗树的子树对称二叉树单值二叉树二叉树的最大深度翻转二叉树相同的树二叉树遍历二叉树遍历_牛客题霸_牛客网【牛客题霸】收集各企业高频校招笔面试题目,配有官方题解,在线进行百度阿里腾讯网易等互联网名企笔试面试模拟考试练习,和牛人一起讨论经典试题,全面提升你的技术能力https://www.nowcoder.com/practice/4b91205483694f449f94c179883c1fef?tpId=60&&tqId=2948..
分类: 编程语言 发布时间: 05-18 11:55 阅读次数: 0

八大排序(带动图图解与静态图图解)

一、插入排序具体思想:把待排序的记录按其关键码值的大小逐个插入到一个已经排好序的有序序列中,直到所有的记录插入完为止,得到一个新的有序序列 。就比如我们玩的扑克牌用的最多的排序方式就是插入排序的思想。直接插入排序具体思想:当我们需要插入一个数据时,前边的其他数据已经有序,那么就拿着这个数据从最后一个进行比较,然后插入到合适的位置上。图解:代码实现://直接插入排序void InsertSort(int* a, int n){ int end = 0, x .
分类: 编程语言 发布时间: 05-18 11:55 阅读次数: 0

Nacos作为服务配置中心实战

Nacos作为服务配置中心实战1、Nacos作为配置中心-基础配置1.1 新建cloudalibaba-config-nacos-client3377模块1.2 pom.xml1.2 YML文件1.2.1 为什么配置要配置两个yml文件1.2.2 bootstrap.yml1.2.3 application.yml1.3 主启动类1.4 业务类1.5 在Nacos中添加配置信息1.6 测试2、Nacos作为配置中心-分类配置2.1 上面的配置存在什么问题?2.2 Nacos的图形化管理界面2.3 Names
分类: 编程语言 发布时间: 05-18 11:55 阅读次数: 0

Nacos集群搭建和mysql持久化配置

Nacos集群和mysql持久化配置1、Nacos集群部署架构2、Nacos持久化配置解释3、Linux版Nacos+MySQL生产环境配置3.1 集群规划3.2 nacos的linux版本安装3.3 linux服务器上的mysql数据库配置3.4 复制三份nacos文件3.5 修改application.properties3.6 修改cluster.conf3.7 修改三台节点的端口号3.8 启动三台nacos节点3.9 使用nginx做负载均衡3.10 集群测试3.11 微服务注册测试这篇很重要,
分类: 编程语言 发布时间: 05-18 11:54 阅读次数: 0

Sentinel服务熔断实战(sentinel整合ribbon+openFeign+fallback)

Sentinel服务熔断实战1、Ribbon系列1.1 启动nacos和sentinel1.2 创建两个服务提供者payment9003和payment90041.3 搭建服务消费者order841.3.1 基础模块搭建1.3.2 只配置fallback1.3.3 只配置blockHandler1.3.4 fallback和blockHandler都配置1.3.5 忽略属性配置2、Feign系列2.1 修改84模块。2.2 配置文件application.yml中激活Sentinel对Feign的支持2.3
分类: 编程语言 发布时间: 05-18 11:54 阅读次数: 0

Sentinel规则持久化进Nacos

Sentinel规则持久化进Nacos1、为什么要将Sentienl规则持久化?2、持久化的思路3、操作步骤3.1 项目中引入依赖3.2 添加Nacos数据源配置3.3 添加Nacos业务规则配置3.4 启动sentinel3.5 此时启动8401微服务并刷新Sentinel3.6 测试3.7 停止8401微服务查看3.8 重启8401微服务再看sentinel源码地址:gitee代码仓库地址1、为什么要将Sentienl规则持久化?  一旦我们重启应用,sentinel规则将消失,生产环境需要将
分类: 编程语言 发布时间: 05-18 11:54 阅读次数: 0

分布式基础概念总结

分布式基础概念总结分布式基础概念2.1 微服务2.2 集群&分布式节点2.3 远程调用2.4 负载均衡2.5 服务注册于发现2.6 服务配置中心2.7 服务熔断&服务降级2.8 API网关项目笔记来自于尚硅谷的谷粒商城视频教程:视频链接分布式基础概念2.1 微服务  微服务架构风格,就像是把一个单独的应用程序开发为一套小服务,每个小服务运行在自 己的进程中,并使用轻量级机制通信,通常是 HTTP API。这些服务围绕业务能力来构建, 并通过完全自动化部署机制来独立部署。这些服务使
分类: 编程语言 发布时间: 05-18 11:53 阅读次数: 0

单层感知器的学习规则

单层感知器1、单层感知器介绍2、单层感知器计算示例3、单层感知器的另一种表达形式4、单层感知器的学习规则4.1 学习规则介绍4.2 单层感知器的学习规则计算5、代码实战5.1 单层感知器学习规则计算举例5.1.1 简单的实现方式5.1.2 用矩阵计算实现1、单层感知器介绍  受到生物神经网络的启发,计算机学家 Frank Rosenblatt 在 20 世纪 60 年代提出了一种 模拟生物神经网络的的人工神经网络结构,称为感知器(Perceptron)。单层感知器 结构图如下。  图中x1,x2,x
分类: 编程语言 发布时间: 05-18 11:53 阅读次数: 0

网络优化方法--正则化

网络优化方法--正则化正则化1.1 正则化介绍1.2 L1正则项与L2正则项的区别1.3 正则化程序正则化1.1 正则化介绍  正则化也叫作规范化,通常用得比较多的方式是 L1 正则化和 L2 正则化。L1 和 L2 正则 化的使用实际上就是在普通的代价函数(例如均方差代价函数或交叉熵代价函数)后面加上一 个正则项,例如加上了 L1 正则项的交叉熵为:E=−1N∑i=1N[tiln⁡yi+(1−ti)ln⁡(1−yi)]+λ2N∑w∣w∣E=-\frac{1}{N} \sum_{i=1}^{N}
分类: 编程语言 发布时间: 05-18 11:52 阅读次数: 0

TensorFlow基本概念与常见函数

TensorFlow基本概念与常见函数1、基本概念2、数据类型3、如何创建一个Tensor?3.1 tf.constant()3.2 tf. convert_to_tensor()3.3 可采用不同函数创建不同值的张量3.4 可采用不同函数创建符合不同分布的张量。4、常用函数4.1 tf.cast()和tf.reduce_min()4.2 tf.reduce_mean()和tf.reduce_sum()4.3 tf.Variable()4.4 利用 TensorFlow 中函数对张量进行四则运算4.5 利用
分类: 编程语言 发布时间: 05-18 11:52 阅读次数: 0

一层神经网络实现鸢尾花数据集分类

一层神经网络实现鸢尾花数据集分类1、数据集介绍2、程序实现2.1 数据集导入2.2 数据集乱序2.3 数据集划分成永不相见的训练集和测试集3.4 配成[输入特征,标签]对,每次喂入一小撮(batch):3.5 定义神经网路中所有可训练参数3.6 超参数设置3.7 嵌套循环迭代,with 结构更新参数,显示当前 loss3.8 计算当前参数前向传播后的准确率,显示当前准确率 acc3.9 acc/loss可视化3、完整代码:1、数据集介绍  鸢尾花数据集,其提供了 150 组鸢尾花数据,每组包括鸢尾花的
分类: 编程语言 发布时间: 05-18 11:52 阅读次数: 0

使用tf.keras快速搭建神经网络

使用tf.keras快速搭建神经网络1、keras介绍2、搭建神经网络六步法3、关键函数的用法介绍4、快速搭建网络实现鸢尾花数据集分类5、快速实现MNIST手写体数字识别5.1 MNIST数据集介绍5.2 查看MNIST数据集结构5.3 训练MNIST数据集6、训练Fashion_mnist数据集1、keras介绍  tf.keras 是 tensorflow2 引入的高封装度的框架,可以用于快速搭建神经网 络模型,keras 为支持快速实验而生,能够把想法迅速转换为结果,是深度学习 框架之中最终易上手
分类: 编程语言 发布时间: 05-18 11:52 阅读次数: 0

经典卷积网络--LeNet

经典卷积网络--LeNet1、LeNet5网络结构搭建2、LeNet5代码实现(使用CIFAR10数据集)1、LeNet5网络结构搭建  LeNet 即 LeNet5,由 Yann LeCun 在 1998 年提出,做为最早的卷积神经网络之一,是许多神经网络架构的起点,其网络结构如图所示。  根据以上信息,就可以根据我前面文章所总结出来的方法,在 Tensorflow 框架下利用 tf.Keras 来构建 LeNet5 模型,如图所示。  图中紫色部分为卷积层,红色部分为全连接层,模型图与代码一
分类: 编程语言 发布时间: 05-18 11:51 阅读次数: 0

经典卷积网络--AlexNet

经典卷积网络--AlexNet1、AlexNet网络结构2、使用Tensorflow搭建AlexNet3、完整代码实现该网络值得借鉴的地方:激活函数使用 Relu,提升训练速度;Dropout 防止过拟合。1、AlexNet网络结构  AlexNet 网络诞生于 2012 年,是第一个在图像识别比赛中获得冠军的深度学习模型,其 ImageNet Top5 错误率为 16.4 %,可以说 AlexNet 的出现使得已经沉寂多年的深度学习领域开启了黄金时代。  AlexNet 的总体结构和 LeNe
分类: 编程语言 发布时间: 05-18 11:51 阅读次数: 0

经典卷积网络--VGGNet

经典卷积网络--VGGNet1、VGGNet网络模型2、VGGNet网络模型搭建(使用Tensorflow)3、完整代码实现(使用CIFAR10数据集)借鉴点:小卷积核减少参数的同时,提高识别准确率;网络结构规整,适合并行加速。1、VGGNet网络模型  在 AlexNet 之后,另一个性能提升较大的网络是诞生于 2014 年的 VGGNet,其 ImageNet Top5 错误率减小到了 7.3 %。  VGGNet 网络的最大改进是在网络的深度上,由 AlexNet 的 8 层增加到了 1
分类: 编程语言 发布时间: 05-18 11:51 阅读次数: 0