PHP最基础的连接数据库搜索
<?php
$servername = "localhost";
$username = "root";
$password = "root";
$dbname = "test";
$MYNAME=$_GET["myname"];//接收get传递的值
// 创建连接
$conn = new mysqli($servername, $username, $password, $dbname);
// 检测连接
if ($conn->connect_error) {
pyspark开发总结笔记
本文记录spark开发过程中遇到的小知识点，使用pyspark开发，由于使用大多数场景为DataFrame，介绍也多为DataFrame。本文比较长，在学习过程中摘了一些博客和资料，如果有描述的不对的地方请指出。 Spark是分布式内存计算，能够依据各类操作创建一个计算DAG图，数据通过DAG处理后生成结果。 对spark的数据操作分为两类，一类是转换（transformation）操作，比如Filter、map、flatMap、reduce等，但是这些操作是懒转换，只在action的时候才真
Unity通过图片自定义字体
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/itsxwz/article/details/84629346 通过导入一张图片到Unity，把图片上的字符分割，再通过脚本转换为适用的字体文件。 1.图片处理 图片： 处理： 2.编辑器扩展代码 /*
*R0-V1.0
*Modify Date:2018-11-29
*Modifier:ZoJet
*Modify Reason:根据图片生成包含对应字符的字体文件
*Modify Content:
angular 访问后台api ，请求结果是200 ，但是代码走的是error
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/xiaomifengmaidi1/article/details/84629342 这个问题是因为后台API 的返回值类型和angular请求类型不匹配，默认angular 请求的是json，但后台返回的不是json ，所以我们在http.get()的方法中加入参数｛‘reponseType’:'text'｝
IntellIj IDEA中JSP页面 cannot resolve method getParameter("")的解决方案
File->Project Structure->Libraries,然后点加号，将Tomcat lib文件夹下的servlet.jar和servlet-api.jar包导入。
树莓派3b+设置wifi
WiFi图标关闭？ 造成这样的原因是最近官方系统改动，wifi要手动设定区域才能用，而不再是以前的默认英国了。 首选项 raspberry pi Configuration localisation 将里面的选项都可以改为china
linux下python的事项
先卸载，在安装 apt-get purge / apt-get –purge remove 删除已安装包（不保留配置文件)。 如软件包a，依赖软件包b，则执行该命令会删除a，而且不保留配置文件 apt-get autoremove 删除为了满足依赖而安装的，但现在不再需要的软件包（包括已安装包），保留配置文件。 apt-get remove 删除已安装的软件包（保留配置文件），不会删除依赖软件包，且保留配置文件。 apt-get autoclean APT的底层包是dpkg, 而dpkg 安装
树莓派3B+安装QT5
转载注明出处：https://blog.csdn.net/weixin_40490238/article/details/83932180 受不了速度的就赶紧换源
编辑软件源配置文件： sudo vi /etc/apt/sources.list
deb http://mirrors.aliyun.com/raspbian/raspbian/ stretch main contrib non-free rpi 更新包和固件
sudo apt-get update
sudo apt-get
idea 连接mysql数据库疯狂报错 java.lang.ClassNotFoundException: com.mysql.jdbc.Driver
IDEA连接mysql 一直疯狂报错 java.lang.ClassNotFoundException: com.mysql.jdbc.Driver 网上啥方法不管用，一气之下把mysql-connector-java-5.1.7-bin.jar丢进了tomcat的lib 然后，通了！ 纪念纪念
python3 django框架开发（一） html调用static文件
转载请注明：https://blog.csdn.net/weixin_40490238/article/details/84573309 django的准备工作： 打开pycharm创建的django项目，并新建一个python虚拟环境 打开命令行，输入：创建一个新的APP应用
python manage.py startapp robotWeb 创建成功后新建文件夹static，并在static文件下创建用来储存css，js，img的文件夹 文件目录如下： settings.py文件，注册
python3 django框架开发（二） 连接数据库，建表
转载请注明：https://blog.csdn.net/weixin_40490238/article/details/84573309 安装pymysql包，点击settings 查找pymysql，点击install package 打开settings.py，添加以下代码
import pymysql
pymysql.install_as_MySQLdb()
DATABASES = {
'default': {
'ENGINE': 'django.db.bac
TensorFlow HOWTO 1.1 线性回归
版权声明：License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/84403442 1.1 线性回归 线性回归是你能用 TF 搭出来的最简单的模型。 操作步骤 导入所需的包。 import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import sklearn.datasets as ds
import sk
TensorFlow HOWTO 1.2 LASSO、岭和 Elastic Net
版权声明：License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/84403473 1.2 LASSO、岭和 Elastic Net 当参数变多的时候，就要考虑使用正则化进行限制，防止过拟合。 操作步骤 导入所需的包。 import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import sklearn.da
TensorFlow HOWTO 1.3 逻辑回归
版权声明：License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/84403496 1.3 逻辑回归 将线性回归的模型改一改，就可以用于二分类。逻辑回归拟合样本属于某个分类，也就是样本为正样本的概率。 操作步骤 导入所需的包。 import tensorflow as tf
import numpy as np
import matplotlib as mpl
import matplotlib.py
TensorFlow HOWTO 1.4 Softmax 回归
版权声明：License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/84403516 1.4 Softmax 回归 Softmax 回归可以看成逻辑回归在多个类别上的推广。 操作步骤 导入所需的包。 import tensorflow as tf
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
imp
统计学习基础（ESL）中文版
译者：szcf-weiya ESL 指的是 The Elements of Statistical Learning。因为（译者）自己也是统计学专业，所以想研读这本书，同时实现书中的算法及其例子，并尝试解决习题。 说明 参考文献保留原书的写法，如 “Efron and Tibshirani (1993)” 指的是 “Efron, B. and Tibshirani, R. (1993). An Introduction to the Bootstrap, Chapman and Hall, L
TensorFlow HOWTO 2.1 支持向量分类（软间隔）
版权声明：License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/84572107 在传统机器学习方法，支持向量机算是比较厉害的方法，但是计算过程非常复杂。软间隔支持向量机通过减弱了其约束，使计算变得简单。 操作步骤 导入所需的包。 import tensorflow as tf
import numpy as np
import matplotlib as mpl
import matplotlib
今日推荐
周排行