dropsong's

后端开发简介后端开发框架： Java: Spring Python: Django, Flask, tornado MVC 框架（核心思想：解耦。）: Web MVC 框架模块功能： M: Model，模型，和数据库进行交互。V: View，视图，产生 html 页面。C: Controller，控制器，接收请求，进行处理，与 M 和 V 进行交互，返回应答。 Django 一般前后端不分离，虽然也可以分离。 Django 遵循 MVC 思想，但是有自己的一个名词，叫做 MVT。Django 遵循快速开发和 DRY(Do not repeat yourself) 原则，不要自己去重复一些工作。 MVT 各部分功能： M: Model，模型，和 MVC 中 M 功能相同，和数据库进行交互。V: View，视图，和 MVC 中 C 功能相同，接收请求，进行处理，与 M 和 T 进行交互，返回应答。T: Template，模板，和 MVC 中 V 功能相同，产生 html 页面。 配置虚拟环境虚拟环境是真实 python 环境的复制版本。 在虚拟环境中使用的 python 是复制的 ...

const zd = 北漂日记::Z_2const_list = {F, M, B, Z, zd} 前两天和 zd 去了承德。 我们首先在唐山取车，稍作停留就直接上高速，向承德进发。 承德是一座很有看头的城市，清王朝在这里留下了浓墨重彩的一笔。某著名热河蛮子，网红马督公，拍过一期关于承德的节目，用来当做电子榨菜再合适不过。 城市零星地散落在山峦之中，高速公路好像切中肯綮一般，变幻成桥梁和隧道在燕山山脉中肆意穿行。 山对人类是很亲切的，但是为什么呢？我想象自己是造物主，现在要为人类设出一片天地。最开始，是一片超平坦的世界。然后，我要隆起为山，凹陷为谷，花草风月、飞禽走兽填其中。于是我得到答案，山对人类是很亲切的，有了山，大地就从一个需要匍匐的对象，变成可以拥抱的了。 承德的人文、自然的景观相距很远，我们时间有限，就只打算看看人文的部分。 赶到时已是晚上，于是在宾馆安顿下，简单出去走了走。 这张照片也发给了领妹，得到一个“很绚”的评价。 第二天早上觅食的时候，偶遇世纪初集市： 避暑山庄： 避暑山庄的山路大巴，司机开起来非常有自信。 山庄的小长城上，可以远眺外八庙，其中最惹 ...

be73f9ddbcdb9a4825f810079322246172f4fc623f9fa6cccd47306690a9d3d79b1d4c3dfa0b21f0efe102e55540a22aeef29a474df8969d41c8ab1454396dc4e87da775d111db629fe7d014601dbc1946dade619b6c83f26270c932e1eb7b8cb9ea29c4f79efb0ba5574d8799fb93671ca27c040f883154ca2aa4e8c8f807f0a0ae26225affcf316f6f31423dfa22b2efda5108728f9c4f8ef182ce233ef907627903efbcd26ac8a74bb53b4ee4cc63fe1c4c6626215daa11a0c2dc8150338a36317dfad8da9edd9f22d6c6cd19c8f98b8ab61b1e6ea0d9882ffdc8eb177a49932fd896ecde801e7741611b854a1595f422c56ffc3140eaa ...

零碎知识这里是 Python 的一些零碎知识点。 多值参数: 12345678910def demo(num, *args, **kwargs): print(num) print(args) print(kwargs)demo(1, 2, 3, 4, 5, name="小明", age = 18, gender = True)# 1# (2, 3, 4, 5)# {'name': '小明', 'age': 18, 'gender': True} 另外，了解元组和字典的拆包（自行查找资料）。 if __name__ == "__main__" 是什么？ 该语句下面缩进的内容在python xxx.py时会执行，而在import xxx时不会执行。 类属性，类似于 C++ 中的类的静态成员。 类方法： 123@classmethod # 装饰器def show_tool_cnt(cls): print("工具 ...

本文参考了 清华大学电子系科协软件部2023暑期培训 ，在此表示感谢。 快速上手 目录HTML 1CSS 4JavaScript 6 例子： 1234567891011121314151617181920212223function count(x, time) { return new Promise((resolve, reject) => { setTimeout(() => { console.log(x); resolve(); },time) });}async function counter1() { await count(1, 4000); await count(2, 4000); await count(3, 4000);}async function counter2() { await count(4, 1000); ...

代码原理部分，移步之前的文章 人工智能导论 。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879import torchfrom torch.utils.data import DataLoaderfrom torchvision import transformsfrom torchvision.datasets import MNISTimport matplotlib.pyplot as pltclass Net(torch.nn.Module): # 构造函数，self 类似于 C++ 中的 this def __init__(self): super().__init__() # 多少层、每层多少节点可以调 self.fc1 = torch.nn.Linear(28*28, 6 ...

参考： https://programming-dp.com/cn/cover.html 下面的 pdf 只是该链接内容的备份。 下面给出我的总结： 目录：概述 1去标识、k-匿名性 5差分隐私 10敏感度 20近似差分隐私 23局部敏感度 33差分隐私变体 36

省流：只学了前两章，不学了。 教材 PDF使用的教材是 Quantum Computation and Quantum Information (10th Anniversary Edition) . 主要笔记都画在教材的 pdf 上了（很大），等什么时候学完了那个 pdf (?) 再把它放出来。 这个 pdf 是有目录的，可以下载下来查看。 批注下面是一些写不到 pdf 上的批注（『这里空白太小了我写不下』）。可能会比较杂乱。 希尔伯特空间快速了解（若链接挂了可去 archive.ph 查找）： https://ccjou.wordpress.com/2009/08/18/%E5%BE%9E%E5%B9%BE%E4%BD%95%E5%90%91%E9%87%8F%E7%A9%BA%E9%96%93%E5%88%B0%E5%87%BD%E6%95%B8%E7%A9%BA%E9%96%93/ 在此感谢作者。 “伴随”概念澄清在本科教授的线性代数、量子计算涉及的数学这两者中，都有“伴随”的概念，但它们实际上是不同的数学概念。 1） 矩阵的代数余子式和转置定义的“伴随 ...

欠的债，迟早是要还的。 基础部分 目录： 1 概率论的基本概念3 概率的概念、古典概型和几何概型6 条件概率、乘法定理、全概率公式、贝叶斯公式、事件的独立性12 离散型随机变量及其分布律15 随机变量的分布函数16 连续型随机变量及概率密度22 一维随机变量函数的分布25 二维随机变量的相关概念28 边缘分布和条件分布31 相互独立的随机变量34 多维随机变量函数的分布41 数学期望、方差52 协方差、相关系数54 二维正态分布的性质56 大数定律、中心极限定理59 统计量的数字特征62 抽样分布68 点估计的方法74 估计量的评选标准 区间估计和假设检验资料该部分的学习实际完成于 2025 年 5 月。 出于提高学习效率的考量，之后基于书本的学习主要以 pdf 形式进行，由于体积过大，不在博客展示。 这里我的学习资料是《概率论与数理统计》浙大版（第四版）。这是别人共享的资料，我自己的标注版本就不放出了。 对学习过的内容做一个目录： 目录参数估计区间估计 161正态总体均值和方差的区间估计 16301分布参数的区间估计 168单 ...

绪论 人工智能程序 通常计算机程序 主要是符号处理 主要是数字处理 启发式搜索 依靠算法 控制结构和知识域相分 信息和控制联结在一起 易于修改、更新和改变 难以修改 允许不正确的答案 要求正确的回答 AI程序：干什么 传统程序：干些什么及如何干 AI 概览： AI、机器学习、深度学习的关系： 三大学派：符号主义、连接主义、行为主义。 符号主义（逻辑主义、心理学派、计算机学派） 原理：物理符号系统假设和有限合理性假设 起源：源于数理逻辑 基本思想 人的认知基元是符号，智能和知识可用符号表示，认知过程即符号操作过程，擅长抽象思维。 人是一个物理符号系统，计算机也是一个物理符号系统，因此，能用计算机来模拟人的智能行为。 知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理。 启发式程序、专家系统、知识工程 连接主义（生理学派） 原理：神经网络及神经网络间的连接机制和学习算法 起源：源于仿生学，特别是人脑模型的研究 基本思想 认识的基本元素是神经元，认识过程是大量神经元的并行活动，擅长形象思维。 人脑不同于电 ...