当前位置： 首页 > news >正文

matlab使用教程(12)—随机数种子和随机数流

news 2025/9/15 18:55:34

1.生成可重复的随机数

1.1指定种子

        本示例显示如何通过首先指定种子来重复生成随机数数组。每次使用相同种子初始化生成器时，始终都可以获得相同的结果。首先，初始化随机数生成器，以使本示例中的结果具备可重复性。
rng( 'default' );
        现在使用种子 1 初始化生成器。
rng(1);
        然后创建随机数数组。
A = rand(3,3)
A =
0.4170 0.3023 0.1863
0.7203 0.1468 0.3456
0.0001 0.0923 0.3968
        重复同样的命令。
A = rand(3,3)
A =
0.5388 0.2045 0.6705
0.4192 0.8781 0.4173
0.6852 0.0274 0.5587
        第一次调用 rand 改变了生成器的状态，所以第二次调用的结果不同。现在使用之前的种子重新初始化生成器。然后将再次生成第一个矩阵 A 。
rng(1);
A = rand(3,3)
A =
0.4170 0.3023 0.1863
0.7203 0.1468 0.3456
0.0001 0.0923 0.3968
        在某些情况下，只设定种子并不能保证相同的结果。这是因为代码执行时，随机数函数所用的生成器可能与您所期望的不同。要确保长期可重复性，应同时指定种子和生成器类型。
        例如，以下代码将种子设定为 1 并将生成器设置为梅森旋转。
rng(1, 'twister' );
        当您希望实现下列结果时，应同时设置种子和生成器：
• 应确保如今编写的代码在以后的 MATLAB 版本中运行时该时可返回相同的结果。
• 应确保在使用当前版本时，您在以前 MATLAB 版本中编写的代码可返回相同的结果。
• 在运行他人的随机数代码之后，再重复自己代码的随机数。

1.2保存和恢复生成器设置

        本示例显示如何通过保存和恢复生成器设置来创建可重复随机数数组。需要保存和恢复生成器设置的最常见原因是为了重现算法或迭代中某一特定点产生的随机数。例如，可以在调试时使用生成器设置作为辅助工具。与重新提供种子（该方法会对生成器进行重新初始化）不同，此方法让您能够随时保存和恢复生成器的设置。
        首先，初始化随机数生成器，以使本示例中的结果具备可重复性。
rng(1, 'twister' );
        创建 1 到 10 之间的随机整数值数组。
A = randi(10,3,3)
A = 3×3
5 4 2
8 2 4
1 1 4
        第一次调用 randi 改变了生成器的状态。在第一次调用结构体 s 中的 randi 后，保存生成器设置。
s = rng;
        创建另一个由 1 到 10 之间的随机整数值组成的数组。
A = randi(10,3,3)
A = 3×3
6 3 7
5 9 5
7 1 6
        现在，将生成器恢复为在 s 中存储的以前状态，并重新生成第二个数组 A 。
rng(s);
A = randi(10,3,3)
A = 3×3
6 3 7
5 9 5
7 1 6

2.生成不同的随机数

        本示例显示在 MATLAB 重新启动时如何避免重复生成相同的随机数数组。当您要将在不同的 MATLAB 会话中执行的相同随机数命令结果合并在一起时，这种方法非常有用。所有随机数函数（ rand 、 randn 、 randi 和 randperm）均可从共享随机数生成器中抽取值。每次启动MATLAB 时，生成器均复位到相同的状态。因此，当启动后立即执行计算的任何时候，类似 rand(2,2) 的命令均返回相同的结果。此外，无论何时重新启动，任何调用随机数函数的脚本或函数均返回相同的结果。
        一种获得不同随机数的方法是每次使用不同的种子初始化生成器。这样做可确保不会重复出现上一次会话的结果。
        在调用任何随机数函数之前，在 MATLAB 会话执行一次 rng('shuffle') 命令。
rng( 'shuffle' )
        可以在 MATLAB 命令行窗口中执行此命令，也可以将其添加到启动文件中，这是 MATLAB 每次重新启动时都要执行的特殊脚本。现在执行随机数命令。
A = rand(2,2);
        在每次调用 rng('shuffle') 时，它都根据当前的时间使用不同的种子重新设定生成器的种子。
        注意 频繁地重新设定生成器的种子既不会改进输出的统计特性，也不会在真正意义上使输出更加随机。在重启 MATLAB 时或在运行涉及随机数的大型计算之前重新设定种子非常有用。然而，在一个会话中过于频繁地重新设定生成器的种子并不是理想的做法，因为随机数的统计特性会受到不利影响。或者，在不同 MATLAB 会话中显式指定不同种子。例如，在一个 MATLAB 会话中生成随机数。
rng(1);
A = rand(2,2);
        在另一个 MATLAB 会话中使用不同种子生成随机数。
rng(2);
B = rand(2,2);
        数组 A 和 B 不同，因为在每次调用 rand 函数之前，都会用不同的种子对生成器进行初始化。要生成保证不重叠的多个独立流，并且已对其执行证明流之间值的独立性的测试，可以使用
RandStream.create 。

3.使用 RandStream 管理全局流

        rand、 randn 、 randi 和 randperm 从称为全局流的基础随机数流获取随机数。全局流是一个
RandStream 对象。控制全局流的简单方法是使用 rng 函数。为了进行更全面的控制， RandStream 类使您能够从全局流创建一个单独的流，获得全局流的句柄，并控制随机数生成。
使用 rng 将随机数生成器设置为默认的种子 ( 0 ) 和算法（梅森旋转）。保存生成器设置。
rng( 'default' )
s = rng
s = struct with fields:
Type: 'twister'
Seed: 0
State: [625x1 uint32]
        创建一个由 0 和 1 之间的均匀分布随机值组成的 1×6 行向量。
x = rand(1,6)
x = 1×6
0.8147 0.9058 0.1270 0.9134 0.6324 0.0975
        使用 RandStream.getGlobalStream 返回全局流的句柄，即 rand 从中生成随机数的当前全局流。如果您使用 RandStream.getGlobalStream 获取全局流的句柄，您可以看到您使用 rng 对全局流所做的更改。
globalStream = RandStream.getGlobalStream
globalStream =
mt19937ar random stream (current global stream)
Seed: 0
NormalTransform: Ziggurat
        更改生成器种子和算法，并创建一个新的随机行向量。显示 rand 从中生成随机数的当前全局流。
rng(1, 'philox' )
xnew = rand(1,6)
xnew = 1×6
0.5361 0.2319 0.7753 0.2390 0.0036 0.5262
globalStream = RandStream.getGlobalStream
globalStream =
philox4x32_10 random stream (current global stream)
Seed: 1
NormalTransform: Inversion
        接下来，还原原始生成器设置并创建一个随机向量。结果与用默认生成器创建的原始行向量 x 相匹配。
rng(s)
xold = rand(1,6)
xold = 1×6
0.8147 0.9058 0.1270 0.9134 0.6324 0.0975
        默认情况下，随机数生成函数（如 rand ）使用全局随机数流。要指定不同流，请创建另一个
RandStream 对象。将其作为第一个输入参数传递给 rand。例如，使用面向 SIMD 的快速梅森旋转创建一个 1×6 随机数向量。
myStream = RandStream( 'dsfmt19937' )
myStream =
dsfmt19937 random stream
Seed: 0
NormalTransform: Ziggurat
r = rand(myStream,1,6)
r = 1×6
0.0306 0.2131 0.2990 0.3811 0.8635 0.1334
        当您以 myStream 作为第一个输入参数调用 rand 函数时，它从 myStream 中获取数字，并且不影响全局流的结果。
        如果要将 myStream 设置为全局流，可以使用 RandStream.setGlobalStream 对象函数。
RandStream.setGlobalStream(myStream)
globalStream = RandStream.getGlobalStream
globalStream =
dsfmt19937 random stream (current global stream)
Seed: 0
NormalTransform: Ziggurat
        在许多情况下，控制全局流只需使用 rng 函数，但 RandStream 类允许控制一些高类功能，如选择用于正态随机值的算法。
        例如，创建一个 RandStream 对象，并指定转换算法，以便在使用 randn 时生成正态分布的伪随机值。使用 Polar 转换算法而不是默认的 Ziggurat 转换算法生成正态分布的伪随机值。
myStream = RandStream( 'mt19937ar' , 'NormalTransform' , 'Polar' )
myStream =
mt19937ar random stream
Seed: 0
NormalTransform: Polar
        将 myStream 设置为全局流。从全局流中创建 6 个正态分布的随机数。
RandStream.setGlobalStream(myStream)
randn(1,6)
ans = 1×6
0.2543 -0.7733 -1.7416 0.3686 0.5965 -0.0191

4.创建和控制随机数流

        通过 RandStream 类，可以创建随机数流。在很多情况下，这是很有用的：
        • 您可以生成随机值，而不影响全局流的状态。
        • 您可以在仿真中分离随机性的来源。
        • 您使用的生成器可以与 MATLAB 软件在启动时使用的生成器不同。
        使用 RandStream 对象，您可以创建自己的流，设置可写属性，并使用该流生成随机数。可以采用控制全局流的相同方式来控制所创建的流，甚至可将全局流替换为所创建的流。要创建流，请使用 RandStream 函数。
myStream = RandStream( 'mlfg6331_64' );
rand(myStream,1,5)
ans =
0.6986 0.7413 0.4239 0.6914 0.7255
        随机流 myStream 的行为与全局流的行为不同。如果以 myStream 作为第一个参数调用 rand、randn 、 randi 和 randperm 函数，它们将从您创建的流中获取。如果您调用 rand 、 randn 、 randi 和 randperm 而不使用 myStream，它们将从全局流中获取。可以使用 RandStream.setGlobalStream 方法使 myStream 成为全局流。
RandStream.setGlobalStream(myStream)
RandStream.getGlobalStream
ans =
mlfg6331_64 random stream (current global stream)
Seed: 0
NormalTransform: Ziggurat
RandStream.getGlobalStream == myStream
ans =
1

4.1子流

        您可以使用子流来获得在统计上独立于流的不同结果。与种子不同（在种子中，沿随机数序列的位置并不完全已知），子流之间的间隔是已知的，因此可以消除任何重叠的机会。简而言之，子流能够以更可控的方式完成在传统上用种子所做的许多事情。子流也是比并行流更轻量级的解决方案。通过子流，可以快速轻松地确保在不同时间从相同的代码中得到不同结果。要使用 RandStream 对象的Substream 属性，请使用支持子流的生成器创建流。有关支持子流及其属性的生成器算法的列表，请参阅下一节中的表。例如，在循环中生成几个随机数。
myStream = RandStream( 'mlfg6331_64' );
RandStream.setGlobalStream(myStream)
for i = 1:5
myStream.Substream = i;
z = rand(1,i)
end
z =
0.6986
z =
0.9230 0.2489
z =
0.0261 0.2530 0.0737
z =
0.3220 0.7405 0.1983 0.1052
z =
0.2067 0.2417 0.9777 0.5970 0.4187
        在另一个循环中，您可以生成独立于第一组（包含 5 次）迭代的随机值。
for i = 6:10
myStream.Substream = i;
z = rand(1,11-i)
end
z =
0.2650 0.8229 0.2479 0.0247 0.4581
z =
0.3963 0.7445 0.7734 0.9113
z =
0.2758 0.3662 0.7979
z =
0.6814 0.5150
z =
0.5247
        子流在序列计算中很有用。子流可以通过返回到流中的特定检查点来重新创建所有或部分仿真。例如，您可以返回到循环中的第 6 个子流。结果包含与上述第 6 个输出相同的值。
myStream.Substream = 6;
z = rand(1,5)
z =
0.2650 0.8229 0.2479 0.0247 0.4581

4.2选择随机数生成器

        MATLAB 提供了多个生成器算法选项。下表概述了可用的生成器算法的关键属性以及用于创建这些算法的关键字。要返回所有可用生成器算法的列表，请使用 RandStream.list 方法。
        生成器 mcg16807 、 shr3cong 和 swb2712 可与以前的 MATLAB 版本向后兼容。mt19937ar 和 dsfmt19937 主要是为序列应用程序设计的。其余的生成器明确支持并行随机数生成。根据应用情况，某些生成器可能会更快或者返回精度更高的值。所有伪随机数生成器均基于确定性算法，并且所有生成器都通过足够具体的随机性统计学测试。检查蒙特卡罗模拟结果的一种方法是使用两种或更多种不同的生成器算法重新运行该仿真，MATLAB 中的生成器选项提供了执行该操作的方式。使用不同的生成器时，尽管结果不可能因多个蒙特卡罗采样误差而异，但资料中存在此类验证在特定的生成器算法中出现缺陷的示例。

4.3生成器算法

1）mt19937ar
        梅森旋转算法的周期为 2 19937 − 1，并且每个 U(0,1) 值都是使用两个 32 位整数生成的。可能的值为 (0, 1) 区间内 2 −53 的倍数。此生成器不支持多个流或子流。默认情况下用于mt19937ar 流的 randn 算法为 ziggurat 算法 [7]，但基于 mt19937ar 生成器。
注意 此生成器与 rand 函数从 MATLAB 版本 7 开始使用的生成器相同，通过 rand('twister',s) 激
活。
2）dsfmt19937
        面向 SIMD 的双精度快速梅森旋转算法（如 [12] 中所述）是速度更快的梅森旋转算法实现。周期为2 19937 − 1 ，可能的值为 (0, 1) 区间内 2 −52 的倍数。生成器本身会生成 [1, 2) 内的双精度值，这些值经过变换生成 U(0,1) 值。此生成器不支持多个流或子流。
3）mcg16807
        32 位乘法同余生成器，如 [14] 中所述，其中乘数为 a = 7 5 ，模为 m = 2 31 − 1。此生成器的周期为2 31 − 2，不支持多个流或子流。每个 U(0,1) 值都是使用单个 32 位整数通过该生成器创建的；可能的值为 (2 31 − 1) −1 的所有倍数（严格位于区间 (0, 1) 内）。对于 mcg16807 流， randn 使用的默认算法是极坐标算法。
        注意 此生成器与 rand 和 randn 函数从 MATLAB 版本 4 开始使用的生成器相同，通过
rand('seed',s) 或 randn('seed',s) 进行激活。
4）mlfg6331_64
        64 位的乘法滞后 Fibonacci 生成器，如 [10] 中所述，其中滞后值为 l = 63 、 k = 31。此生成器与SPRNG 包中实现的 MLFG 类似。其周期约为 2 124 。通过参数化，它最多支持 2 61 个并行流以及 2 51个长度均为 2 72 的子流。每个 U(0,1) 值都是使用一个 64 位整数通过该生成器创建的；可能的值为2 −64 的所有倍数（严格位于区间 (0, 1) 内）。默认情况下用于 mlfg6331_64 流的 randn 算法为ziggurat 算法 [7]，但基于 mlfg6331_64 生成器。
5）mrg32k3a
        32 位组合多递归生成器，如[2]中所述。此生成器类似于在 C 语言的 RngStreams 包中实现的 CMRG。其周期为 2 191 ，通过序列分割支持多达 2 63 个并行流，每个流的长度为 2 127 。它还支持 2 51个长度均为 2 76 的子流。每个 U(0,1) 值都是使用两个 32 位整数通过该生成器创建的；可能的值为2 −53 的倍数（严格位于区间 (0, 1) 内）。默认情况下用于 mrg32k3a 流的 randn 算法为 ziggurat算法 [7]，但基于 mrg32k3a 生成器。
6）philox4x32_10
        执行 10 轮的 4×32 生成器，如 [15] 中所述。此生成器使用 Feistel 网络和整数乘法。该生成器专为高并行系统（如 GPU）的高性能而设计。它的周期为 2 193 （2 64 个流，长度为 2 129 ）。
threefry4x64_20执行 20 轮的 4×64 生成器，如 [15] 中所述。此生成器是 Skein 散列函数中的 Threefish 块加密的非加密改编。它的周期为 2 514 （2 256 个流，长度为 2 258 ）。
7）shr3cong
        Marsaglia 的 SHR3 移位寄存器生成器与线性同余生成器求和，其中乘数为 a = 69069，加数为b = 1234567 ，模为 2 −32 。SHR3 是一个定义为 u = u ( I + L 13 )( I + R 17 )( I + L 5 ) 的 3 移位寄存器生成器，其中 I 为单位运算符， L 为向左移位运算符， R 为向右移位运算符。此组合生成器（SHR3 部分在[7] 中有述）的周期约为 2 64。此生成器不支持多个流或子流。每个 U(0,1) 值都是使用一个 32 位整数通过该生成器创建的；可能的值为 2 −32 的所有倍数（严格位于区间 (0, 1) 内）。默认情况下用于shr3cong 流的 randn 算法为早期形式的 ziggurat 算法 [9]，但基于 shr3cong 生成器。此生成器与 randn 函数从 MATLAB 版本 5 开始使用的生成器相同，通过 randn('state',s) 进行激活。
        注意 [6] (1999) 中用到的 SHR3 生成器与 [7] (2000) 中不同。MATLAB 使用 [7] 中提供的最新版生成器。
8）swb2712
        修正的借位减法生成器，如[8]中所述。此生成器与加法滞后 Fibonacci 生成器（其滞后值为 27 和12）类似，但修改后具有约为 2 1492 的更长周期。此生成器本身会使用双精度类型来创建 U(0,1) 值，并且开区间 (0, 1) 中的所有值都是可能的。默认情况下用于 swb2712 流的 randn 算法为 ziggurat算法 [7]，但基于 swb2712 生成器。
        注意 此生成器与 rand 函数从 MATLAB 版本 5 开始使用的生成器相同，通过 rand('state',s) 进行激活。

4.4转换算法

1）Inversion
        通过对均匀的随机变量应用标准正态逆累积分布函数来计算正态随机变量。每个正态值恰好使用一个均匀值。
2）Polar
        极坐标抑制算法，如[1]中所述。每个正态值平均约使用 1.27 个均匀值。
3）Ziggurat
        ziggurat 算法，如[7]中所述。每个正态值平均约使用 2.02 个均匀值。

4.5配置流

        随机数流 s 具有可控制其行为的属性。要访问或更改属性，请使用语法 p = s.Property 和 s.Property = p。例如，当使用 randn 时，您可以配置转换算法以生成正态分布的伪随机值。使用默认的 Ziggurat 转换算法生成正态分布的伪随机值。
s1 = RandStream( 'mt19937ar' );
s1.NormalTransform
ans = 'Ziggurat'
r1 = randn(s1,1,10);
        将流配置为使用 Polar 转换算法来生成正态分布的伪随机值。
s1.NormalTransform = 'Polar'
s1 =
mt19937ar random stream
Seed: 0
NormalTransform: Polar
r2 = randn(s1,1,10);
        当使用 rand 生成均匀分布的随机数时，您还可以配置流以生成对偶伪随机值，即从 1 减去生成的随机数得到。从流 s 中创建 6 个均匀分布的随机数。
s2 = RandStream( 'mt19937ar' );
r1 = rand(s2,1,6)
r1 =
0.8147 0.9058 0.1270 0.9134 0.6324 0.0975
        还原流的初始状态。在 Antithetic 属性设置为 true 的状态下创建另外 6 个随机数。检查这 6 个随机数是否等于先前生成的从 1 减去的随机数。
reset(s2)
s2.Antithetic = true;
r2 = rand(s2,1,6)
r2 =
0.1853 0.0942 0.8730 0.0866 0.3676 0.9025
isequal(r1,1 - r2)
ans =
1
        您可以分别使用 A = get(s) 和 set(s,A) 来保存和还原流 s 的所有属性，而不是逐个设置流的属性。例如，将流 s2 的所有属性配置为与流 s1 相同。
A = get(s1)
A =
Type: 'mt19937ar'
NumStreams: 1
StreamIndex: 1
Substream: 1
Seed: 0
State: [625x1 uint32]
NormalTransform: 'Polar'
Antithetic: 0
FullPrecision: 1
set(s2,A)
Type: 'mt19937ar'
NumStreams: 1
StreamIndex: 1
Substream: 1
Seed: 0
State: [625x1 uint32]
NormalTransform: 'Polar'
Antithetic: 0
FullPrecision: 1
        get 和 set 函数使您能够保存和还原流的整个配置，以便稍后可以准确地重现结果。

4.6还原随机数生成器的状态以重现输出

        State 属性是随机数生成器的内部状态。当生成随机数时，您可以在仿真的某个点上保存全局流的状态，以便稍后重现结果。
        使用 RandStream.getGlobalStream 返回全局流的句柄，即 rand 从中生成随机数的当前全局流。保存全局流的状态。
globalStream = RandStream.getGlobalStream;
myState = globalStream.State;
使用 myState ，可以恢复 globalStream 的状态并重新生成以前的结果。
A = rand(1,100);
globalStream.State = myState;
B = rand(1,100);
isequal(A,B)
ans = logical
1
        rand、 randi 、 randn 和 randperm 访问全局流。由于所有这些函数都访问相同的基础流，因此调用其中一个函数会影响其他函数在后续调用时生成的值。
globalStream.State = myState;
A = rand(1,100);
globalStream.State = myState;
C = randi(100);
B = rand(1,100);
isequal(A,B)
ans = logical
0
        您也可以使用 reset 函数将流重置为其初始设置。
reset(globalStream)
A = rand(1,100);
reset(globalStream)
B = rand(1,100);
isequal(A,B)
ans = logical
1

相关文章：

matlab使用教程(12)—随机数种子和随机数流

1.生成可重复的随机数 1.1指定种子 本示例显示如何通过首先指定种子来重复生成随机数数组。每次使用相同种子初始化生成器时，始终都可以获得相同的结果。首先，初始化随机数生成器，以使本示例中的结果具备可重复性。 rng( default ); 现在…...

编程日记 2023/8/11 8:17:41

【Java】JVM GC配置指南

1、JDK版本 以下所有优化全部基于JDK8版本，强烈建议低版本升级到JDK8，并尽可能使用update_191以后版本。 2、如何选择垃圾回收器 响应优先应用：面向C端对响应时间敏感的应用，堆内存8G以上建议选择G1，堆内存较小或低…...

编程日记 2023/8/11 8:16:41

11.Eclipse 注释模板的说明及设置

1.在eclipse中点击Window——>java——>Code Style——>CodeTemplates——>Comments 2.常用Variable 3. 我的注释模板 ①Files 文件 /** * Title: ${file_name}* Description: ${todo}* author Jeremy* date ${currentDate:date(yyyy-MM-dd hh:mm:ss)} */ ②Typ…...

编程日记 2023/8/11 8:15:40

Maven父子工程项目的配置

在Java的Maven多模块（父子工程）项目中，Maven插件的配置非常重要，因为它们可以帮助你进行项目构建、测试、打包等各种任务。以下是一个简单的父子工程Maven插件配置的示例： 假设你有如下的项目结构： paren…...

编程日记 2023/8/11 8:14:39

jumpserver命令记录膨胀问题

一.背景 jumpserver堡垒机针对只是接管ssh来说，正常操作Linux的指令记录应该不会太多，每天有个几千条都已经算很多了。所以默认jumpserver采用MySQL作为存储介质本身也没啥问题。但是我们使用jumpserver对【MySQL应用】进行了托管，导致查询SQ…...

编程日记 2023/8/11 8:13:37

ControlNet

2023.8.10 Adding Conditional Control to Text-to-Image Diffusion Models 对于 T2I 扩散模型添加 条件控制 相关联比较大的几篇论文： 0.Abstract 可以为预训练的扩散模型提供额外的输入条件控制。不需要很多计算资源。 即使在小数据集上，也具有鲁棒…...

编程日记 2023/8/11 8:12:36

竞赛项目 深度学习图像风格迁移 - opencv python

文章目录 0 前言1 VGG网络2 风格迁移3 内容损失4 风格损失5 主代码实现6 迁移模型实现7 效果展示8 最后 0 前言 🔥 优质竞赛项目系列，今天要分享的是 🚩 深度学习图像风格迁移 - opencv python 该项目较为新颖，适合作为竞赛课题…...

编程日记 2023/8/11 8:11:35

​Windows dos文件夹与文件怎么创建与删除

在Windows操作系统中，你可以使用命令行工具（命令提示符或PowerShell）来创建和删除文件夹和文件。以下是创建和删除文件夹和文件的基本方法： 创建文件夹： 使用mkdir命令来创建文件夹（目录）。 m…...

编程日记 2023/8/11 8:10:32

JVM总结2

1.基本概念 java代码执行 代码编译class：javac 源文件通过编译器产生字节码文件，字节码文件通过jvm的解释器编译成机器上的机器码 装载class：ClassLoader执行class： 解释执行编译执行 client compilerserver compiler 内存管理…...

编程日记 2023/8/11 8:09:31

servlet三大类HttpSevlet，HttpServletRequest，HttpServletResponse介绍

一、HttpServlet HttpServlet类是一个被继承的方法，可以看做一个专门用来响应http请求的类，这个类的所有方法都是为响应http请求服务的，要对一个某个路径谁知http响应时，需要写一个类来继承HttpServlet类，并重写里面的…...

编程日记 2023/8/11 8:08:30

【雕爷学编程】Arduino动手做（12）---霍尔模块之霍尔磁感应声光报警器（磁控开关，接220V）

37款传感器与模块的提法，在网络上广泛流传，其实Arduino能够兼容的传感器模块肯定是不止37种的。鉴于本人手头积累了一些传感器和执行器模块，依照实践出真知（一定要动手做）的理念，以学习和交流为目的&#x…...

编程日记 2023/8/11 8:07:27

认识 SQL

文章目录 1.简介2.组成3.工作原理4.五种子语言5.注释方式6.字符串表示方式参考文献 1.简介 SQL（Structured Query Language，结构化查询语言）是一种用于管理和操作关系型数据库的标准化查询语言。它是一种领域特定语言（DSL&#x…...

编程日记 2023/8/11 8:06:26

【剑指Offer 58】翻转单词顺序，Java解密。

LeetCode 剑指Offer 75道练习题 文章目录 剑指Offer：翻转单词顺序示例：限制：解题思路：剑指Offer：翻转单词顺序 【题目描述】 输入一个英文句子，翻转句子中单词的顺序，但单词内字符的顺序不变。为简单起见，标点符号和普通字母一样处理。例如输入字符串"I am a stu…...

编程日记 2023/8/11 8:05:25

微服务Ribbon-负载均衡原理

目录 一、LoadBalancerIntercepor 二、LoadBalancerClient 三、负载均衡策略IRule 四、总结 上一篇中，我们添加了LoadBalanced注解，即可实现负载均衡功能，这是什么原理呢？ SpringCloud底层其实是利用了一个名为Ribbon的组件&…...

编程日记 2023/8/11 8:04:24

如何实现Vue的异步组件？如何在Vue中使用本地存储？什么是Vue的指令模块化？

1、如何实现Vue的异步组件&#xff1f; 在Vue中&#xff0c;可以使用异步组件来加载远程数据&#xff0c;或者在组件的生命周期中执行一些耗时操作。实现异步组件&#xff0c;需要使用Vue的异步组件和Vue的组件系统。 下面是一个基本的示例&#xff1a; <template><…...

编程日记 2023/8/11 8:03:23

《HeadFirst设计模式(第二版)》第六章代码——命令模式

代码文件目录&#xff1a; Command package Chapter6_CommandPattern.Command;/*** Author 竹心* Date 2023/8/6**/public interface Command {public void execute();public void undo();//撤销该指令 }CeilingFan package Chapter6_CommandPattern.ElectricAppliance;/*** …...

编程日记 2023/8/11 8:02:22

JS 原型与继承2

//***-、原型、原型链、构造函数 prototype、 proto_、constructor function Foo(){this.a1} var foo new Foo(); Object.getPrototypeOf(foo);//访问对象原型 效果等同于&#xff0c;foo. proto &#xff0c;只是更推荐使用 Es6的 Object.getPrototypeof()方式 // construct…...

编程日记 2023/8/11 8:01:21

账号登录相关的一点随笔

最后更新于2023年8月8日 14:25:32 JWT验证&#xff1a; 简单&#xff1a;一个token验证&#xff1b; 前端发来登录信息&#xff0c;后端验证通过后&#xff0c;将token发回前端&#xff1b; 复杂&#xff1a;Access Token Refresh Token验证&#xff1a; 将Access Token和R…...

编程日记 2023/8/11 8:00:20

常见的一些BUG

常见的一些BUG&#xff0c;但实际上在编写代码时&#xff0c;我们应该尽可能避免这些类型的错误&#xff1a; 变量名与函数名冲突&#xff1a; def main(): print("Hello, World!") main 5 print("The value of main is:", main) 函数参数传递错误&…...

编程日记 2023/8/11 7:59:19

ChatGPT在智能社交网络分析和关系挖掘中的应用如何？

智能社交网络分析和关系挖掘是当今信息时代中的重要研究领域&#xff0c;它们通过运用人工智能、机器学习和数据挖掘技术&#xff0c;从社交网络中提取有价值的信息&#xff0c;洞察用户之间的关系和行为模式。ChatGPT作为一种强大的自然语言处理模型&#xff0c;在智能社交网络…...

编程日记 2023/8/11 7:58:18

未来机器人的大脑：如何用神经网络模拟器实现更智能的决策？

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…...

编程新知 2025/9/14 10:44:36

iOS 26 携众系统重磅更新，但“苹果智能”仍与国行无缘

美国西海岸的夏天&#xff0c;再次被苹果点燃。一年一度的全球开发者大会 WWDC25 如期而至&#xff0c;这不仅是开发者的盛宴&#xff0c;更是全球数亿苹果用户翘首以盼的科技春晚。今年&#xff0c;苹果依旧为我们带来了全家桶式的系统更新&#xff0c;包括 iOS 26、iPadOS 26…...

编程新知 2025/9/15 5:20:27

＜6＞-MySQL表的增删查改

目录 一&#xff0c;create&#xff08;创建表&#xff09; 二&#xff0c;retrieve&#xff08;查询表&#xff09; 1&#xff0c;select列 2&#xff0c;where条件 三&#xff0c;update&#xff08;更新表&#xff09; 四&#xff0c;delete&#xff08;删除表&#xf…...

编程新知 2025/8/6 22:35:04

STM32+rt-thread判断是否联网

一、根据NETDEV_FLAG_INTERNET_UP位判断 static bool is_conncected(void) {struct netdev *dev RT_NULL;dev netdev_get_first_by_flags(NETDEV_FLAG_INTERNET_UP);if (dev RT_NULL){printf("wait netdev internet up...");return false;}else{printf("loc…...

编程新知 2025/7/30 23:37:23

postgresql|数据库|只读用户的创建和删除（备忘）

CREATE USER read_only WITH PASSWORD 密码 -- 连接到xxx数据库 \c xxx -- 授予对xxx数据库的只读权限 GRANT CONNECT ON DATABASE xxx TO read_only; GRANT USAGE ON SCHEMA public TO read_only; GRANT SELECT ON ALL TABLES IN SCHEMA public TO read_only; GRANT EXECUTE O…...

编程新知 2025/8/19 20:22:44

Nuxt.js 中的路由配置详解

Nuxt.js 通过其内置的路由系统简化了应用的路由配置&#xff0c;使得开发者可以轻松地管理页面导航和 URL 结构。路由配置主要涉及页面组件的组织、动态路由的设置以及路由元信息的配置。 自动路由生成 Nuxt.js 会根据 pages 目录下的文件结构自动生成路由配置。每个文件都会对…...

编程新知 2025/8/12 1:19:44

MODBUS TCP转CANopen 技术赋能高效协同作业

在现代工业自动化领域&#xff0c;MODBUS TCP和CANopen两种通讯协议因其稳定性和高效性被广泛应用于各种设备和系统中。而随着科技的不断进步&#xff0c;这两种通讯协议也正在被逐步融合&#xff0c;形成了一种新型的通讯方式——开疆智能MODBUS TCP转CANopen网关KJ-TCPC-CANP…...

编程新知 2025/9/3 19:32:54

c#开发AI模型对话

AI模型 前面已经介绍了一般AI模型本地部署&#xff0c;直接调用现成的模型数据。这里主要讲述讲接口集成到我们自己的程序中使用方式。 微软提供了ML.NET来开发和使用AI模型&#xff0c;但是目前国内可能使用不多&#xff0c;至少实践例子很少看见。开发训练模型就不介绍了&am…...

编程新知 2025/8/6 7:59:50

AGain DB和倍数增益的关系

我在设置一款索尼CMOS芯片时&#xff0c;Again增益0db变化为6DB&#xff0c;画面的变化只有2倍DN的增益&#xff0c;比如10变为20。 这与dB和线性增益的关系以及传感器处理流程有关。以下是具体原因分析&#xff1a; 1. dB与线性增益的换算关系 6dB对应的理论线性增益应为&…...

编程新知 2025/7/8 0:38:36

LLMs 系列实操科普（1）

写在前面&#xff1a; 本期内容我们继续 Andrej Karpathy 的《How I use LLMs》讲座内容&#xff0c;原视频时长 ~130 分钟&#xff0c;以实操演示主流的一些 LLMs 的使用&#xff0c;由于涉及到实操&#xff0c;实际上并不适合以文字整理&#xff0c;但还是决定尽量整理一份笔…...

编程新知 2025/9/2 17:48:39