go channel的小例子
版权声明：微信公众号 java架构狮 欢迎转载 请注明出处 https://blog.csdn.net/AlbertFly/article/details/89087617 1 goroutinue可以实现并行,也就是说,多个协程可以在多个处理器同时跑。而...channel实际上是一个有类型的消息队列,遵循先进先出的特点
package main
import "fmt"
func main() {
ch := make(chan int, 2)
ch <- 1
ch <-
Go by Example / Golang入门教程（非常详细）
转载:https://gobyexample.com/ Go by Example Go is an open source programming language designed for building simple, fast, and reliable software. Go by Example is a hands-on introduction to Go using annotated example programs. Check out the first examp
golang 中 sync.Mutex 和 sync.RWMutex
转载: https://www.jianshu.com/p/679041bdaa39 介绍 golang 中的 sync 包实现了两种锁： Mutex：互斥锁 RWMutex：读写锁，RWMutex 基于 Mutex 实现 Mutex（互斥锁） Mutex 为互斥锁，Lock() 加锁，Unlock() 解锁 在一个 goroutine 获得 Mutex 后，其他 goroutine 只能等到这个 goroutine 释放该 Mutex 使用 Lock() 加锁后，不能再继续对其加锁，直到利用
mysql死锁-非主键索引更新引起的死锁
转载：http://www.cnblogs.com/JAYIT/p/6554643.html 背景：最近线上经常抛出mysql的一个Deadlock，细细查来，长了知识！ 分析：错误日志如下: 21:02:02.563 ERROR dao.CommonDao [pool-15-thread-19] [jbc.trade.qunar.com] [703c9ddbe4b143609035365ca46bff35] - db error , tableId=jbc.trade.qunar.com,
Cobertura 好像不支持java1.8
版权声明：微信公众号 java架构狮 欢迎转载 请注明出处 https://blog.csdn.net/AlbertFly/article/details/89319148 参考 :https://stackoverflow.com/questions/34664152/cobertura-parsing-errorcobertura-javancss-parser-parseexception https://blog.csdn.net/cathy_sunshine/article/deta
Ant脚本简介与基础知识
转载：http://www.cnblogs.com/ygj0930/p/6624003.html 一：Ant是什么 Ant相当于Linux环境下的shell脚本，只不过是用xml文档来编写的。我们知道，在linux环境中，可以通过编写shell脚本，封装一系列繁琐而日常需要经常重复的操作。在需要进行这些操作时，只需运行这个脚本就可以批处理这些操作了。Ant脚本也是一样，只不过它一般是为了方便Java项目的编译、运行、测试、打包等工作服务的。 我们知道，日常开发工作中，一个项目除了编码外，还需单
confluence页面加目录索引
转载：https://blog.csdn.net/fabbychips/article/details/71123725 先对索引项设置标题类型 如标题1，标题2...标题6... 再插入Table of Contents宏 最后如下图所示
tweepy 根据推特ID爬取推特数据
# -*- coding: utf-8 -*-
#利用tweepy API爬取
import tweepy
import time
import json
from tweepy import OAuthHandler
import re
import os
import logging
logging.basicConfig()
dict={}
L=[]
with open('label1.txt', 'r') as f:
lines=f.read().splitlines()
自然语言处理 浅析N-grams模型
N-Gram是大词汇连续语音识别中常用的一种语言模型，该模型基于这样一种假设，第N个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。 详解：https://www.cnblogs.com/wzm-xu/p/4229819.html
自然语言处理 朴素贝叶斯 新闻文本分类
基于条件之间的独立假设 详情:https://blog.csdn.net/qq_39422642/article/details/78389063 案例：新闻文本分类，任意输入一句话，预测其类别
#coding = utf-8
# -*- coding: utf-8 -*-
from sklearn.datasets import fetch_20newsgroups
categories = ['alt.atheism', 'soc.religion.christian', 'comp.
LDA主题模型及案例
LDA即LatentDirichletAllocation（隐含狄利克雷分布） 注意：每个文档中含有多个主题，输出主题概率分布，无监督 案例：LDA主题分类（sklearn） 自动将4个文本分为两类（聚类） LDA分析步骤： 读取数据，并分词 去除停用词 构建Tfidf矩阵，每一行代表一个test的文档，每一列代表一个词语的tfidf值 LDA分析（fit和transform），输出结果
# -*- coding: utf-8 -*-
import jieba
filepaths = [
机器学习库sklearn学习总结
https://blog.csdn.net/fuqiuai/article/details/79495865 常用模块 sklearn中常用的模块有分类、回归、聚类、降维、模型选择、预处理。 分类：识别某个对象属于哪个类别，常用的算法有：SVM（支持向量机）、nearest neighbors（最近邻）、random forest（随机森林），常见的应用有：垃圾邮件识别、图像识别。 回归：预测与对象相关联的连续值属性，常见的算法有：SVR（支持向量机）、 ridge regression（岭回
机器学习库sklearn详细学习
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/fuqiuai/article/details/79495865
sklearn想必不用我多介绍了，一句话，她是机器学习领域中最知名的python模块之一，若想要在机器学习领域有一番建树，必绕不开sklearn sklearn的官网链接http://scikit-learn.org/stable/index.html# 首先，放上一张官网上的sklearn的结构图： 目录 1. 分类、
机器学习十大经典算法之—SVM支持向量机
转载为： https://blog.csdn.net/fuqiuai/article/details/79483057 相关文章： 数据挖掘领域十大经典算法之—C4.5算法（超详细附代码） 数据挖掘领域十大经典算法之—K-Means算法（超详细附代码） 数据挖掘领域十大经典算法之—Apriori算法 数据挖掘领域十大经典算法之—EM算法 数据挖掘领域十大经典算法之—PageRank算法 数据挖掘领域十大经典算法之—AdaBoost算法（超详细附代码） 数据挖掘领域十大经典算法之—K-邻近算法/
机器学习k-means算法及其案例
转载 https://blog.csdn.net/guoziqing506/article/details/59057427 k-means算法 聚类分析是数据分析中，非常重要的一类课题。他的作用是将大量的无标签数据通过计算，自动为其标注标签。众所周知，这一点是区别于数据分类技术的。而现实的场景中，无标签的数据显然多于有标签数据，因此，我在这里也是先说聚类，后面的博文，再说分类。 聚类的目的，是要将数据归为不同的类，基本原则是要相近的数据尽量归为一类，而不同类之间的数据则要尽量有比较大的差别。
机器学习、神经网络，TFlearn资料汇总
来源：http://blog.csdn.net/mydear_11000/article/details/52879710 这些案例适合那些想要清晰简明的 TensorFlow 实现案例的初学者。本教程还包含了笔记和带有注解的代码。 项目地址：https://github.com/aymericdamien/TensorFlow-Examples 教程索引 0 - 先决条件 机器学习入门： 笔记：https://github.com/aymericdamien/TensorFlow-Examp
tensorflow入门教程合集
转载：https://blog.csdn.net/Scythe666/article/details/70807850 TensorFlow入门教程之0: BigPicture&极速入门 TensorFlow入门教程之1: 基本概念以及理解 TensorFlow入门教程之2: 安装和使用 TensorFlow入门教程之3: CNN卷积神经网络的基本定义理解 TensorFlow入门教程之4: 实现一个自创的CNN卷积神经网络 TensorFlow入门教程之5: TensorBoard面板可视化
今日推荐
周排行