Linux：从入门到放弃
目录
- 一、基础巩固
- Linux：常用命令
- 二、实战应用
- Linux：CentOS7基础配置
- Linux：CentOS7安装MySQL
- 三、常见问题
- Linux：yum源失效问题
一、基础巩固
Linux：常用命令
二、实战应用
Linux：CentOS7基础配置
Linux：CentOS7安装MySQL
三、常见问题
Linux：yum源失效问题
相关文章：
Linux：从入门到放弃
目录 一、基础巩固Linux：常用命令 二、实战应用Linux：CentOS7基础配置Linux：CentOS7安装MySQL 三、常见问题Linux：yum源失效问题 一、基础巩固 Linux：常用命令 二、实战应用 Linux：CentOS7基础配置 Lin…...
SVM 监督学习
一、分类问题 利用一条直线分类存在很多问题 二、SVM 支持向量机 其核心思想是通过在特征空间中找到一个最优的超平面来进行分类，并且间隔最大。分类面尽可能远离样本点，宽度越大越好。 适用于中小型复杂数据集的分类。 三、硬间隔和软间隔 硬&#x…...
奖励模型的训练
文章目录 训练方法训练策略代码实践由于 RLHF 的训练过程中需要依赖大量的人类偏好数据进行学习，因此很难在训练过程中要求人类标注者实时提供偏好反馈。为此，我们需要训练一个模型来替代人类在 RLHF 训练过程中实时提供反馈，这个模型被称为奖励模型。在训练开始前，我们需要…...
Ubuntu22.04之禁止内核自动更新(二百六十八)
简介： CSDN博客专家、《Android系统多媒体进阶实战》一书作者 新书发布：《Android系统多媒体进阶实战》🚀 优质专栏： Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏： 多媒体系统工程师系列【…...
kaggle题-房价预测(Pytorch)，手把手教，全文代码解释
房价预测 本题是经典的通过表格数据去预测最终值，主要分为几大步骤： 一.将数据集修改为可以代入到网络模型的数字，因为给的数据大部分都是str类型，是无法直接放到网络模型里跑的，例如下图，很多标签值为str类…...
PulseSensor心率传感器详解（STM32）
目录 一、介绍 二、传感器原理 1.接线图 2.引脚描述 3.工作原理：光电容积法原理 4.工作原理：心率采样数据处理算法 三、程序设计 main.c文件 adcx.h文件 adc.c文件 四、实验效果 五、资料获取 项目分享 一、介绍 PulseSensor传感器是一种基…...
NISP 一级 | 3.1 网络基础知识
关注这个证书的其他相关笔记：NISP 一级 —— 考证笔记合集-CSDN博客 0x01：Internet 和 TCP/IP 协议 因特网（Internet）通过 TCP/IP 协议将遍布在全世界各地的计算机互联，从而形成超级计算机网络。因特网为用户提供了非…...
模拟网络丢包常用方法以及工具
文章目录 背景常用方法代码实现使用方法测试代码 使用网络流量控制工具 常用工具Clumsy 背景 在软件开发过程中，经常需要模拟不同的网络环境来测试应用在不同条件下的表现。 这些模拟可以采用多种方式进行，包括在代码中实现随机丢包、随机延时、乱序&am…...
ABC 370 E - Avoid K Partition
原题链接：E - Avoid K Partition 题意：给长度为n的数组，将数组划分成任意份，但是每一份的总和都不能是k，问有多少种分割方法。 思路：dp，f[i]，代表前i个元素满足题意的划分的总和&a…...
C++: set与map容器的介绍与使用
本文索引 前言1. 二叉搜索树1.1 概念1.2 二叉搜索树操作1.2.1 查找与插入1.2.2 删除1.2.3 二叉搜索树实现代码 2. 树形结构的关联式容器2.1 set的介绍与使用2.1.1 set的构造函数2.1.2 set的迭代器2.1.3 set的容量2.1.4 set的修改操作 2.2 map的介绍与使用2.2.1 map的构造函数2.…...
单片机-STM32 看门狗（八）
目录 一、看门狗概念 1、定义： 二、单片机中的看门狗 1、功能描述： 2、看门狗设置部分 预分频寄存器(IWDG_PR) 3、窗口看门狗 特性： 4、看门狗配置： 一、看门狗概念 看门狗--定时器（不属于基本定时器、通用定…...
iOS 18.1将上线新功能，可惜这波国内的小伙伴无缘了
在科技巨头苹果持续推动其生态系统全球化的进程中，最新的iOS 18.1、iPadOS 18.1及macOS 15.1开发者测试版发布，不仅为开发者们带来了新功能的预览，还悄然间对Apple智能功能的地区限制进行了微妙而重要的调整。 这一变化，虽看似细…...
MySQL中DML操作（二）
默认值处理（DEFAULT） 在MySQL中可以使用DEFAULT为列设定一个默认值。如果在插入数据时并未指定该列的值，那么MySQL将默认值添加到该列中。 创建表时指定列的默认值 CREATE TABLE 表名(列名 类型 default 默认值......); 示例：…...
LLMs技术 | 整合Ollama实现本地LLMs调用
前言 近两年AIGC发展的非常迅速，从刚开始的只有ChatGPT到现在的很百家争鸣。从开始的大参数模型，再到后来的小参数模型，从一开始单一的文本模型到现在的多模态模型等等。随着一起进步的不仅仅是模型的多样化，还有模型的使用方式。…...
【C-实践】文件服务器（3.0）
文件服务器1.0文件服务器2.0文件服务器4.0 概述 使用了 tcp epoll 线程池 生产者消费者模型，实现文件服务器 有两个进程，主进程负责接收退出信号用来退出整个程序；子进程负责管理线程池、客户端连接以及线程池的退出 子进程中的主线程生…...
LeetCode 2181.合并零之间的节点
题目描述 给你一个链表的头节点 head ，该链表包含由 0 分隔开的一连串整数。链表的 开端 和 末尾 的节点都满足 Node.val 0 。 对于每两个相邻的 0 ，请你将它们之间的所有节点合并成一个节点，其值是所有已合并节点的值之和。然后将所有 0 …...
千益畅行，共享旅游卡，引领旅游新潮流
千益畅行旅游卡是一款专为旅游爱好者打造的超值卡片。它就像一把神奇的钥匙，为您打开国内丰富多彩的旅游世界。 我们的旅游卡拥有众多令人惊喜的特点。首先，它涵盖了国内 40 多条精心策划的旅游线路，无论您是向往历史文化名城的厚重底蕴&…...
K均值聚类
根据到给点样本的距离，来聚类。 1.曼哈顿距离、 2.欧几里得距离 直线距离 3.切比雪夫距离 4.闵氏距离 5.余弦相似度 对数据大小/长度等不关注，只关注相似度。 6.汉明距离 二进制距离 二、密度聚类 DBSCAN 前提是样本是根据紧密程度分布的。 先用超参…...
【Ubuntu】安装常用软件包
安装java 直接输入java，如果没有安装的话会提醒你输入命令安装，类似 Command java not found, but can be installed with: sudo apt install jdkxxxxxxxxxxxxxx然后选一个版本安装就好，我这里选的jdk17,安装完确认一下 ubuntuVM-4-13-ubu…...
探索全光网技术 | 全光网产品解决方案整理-（宇洪科技）
探索全光网技术 |全光网产品解决方案整理-宇洪科技 目录 一、数据中心场景1、方案概述2、方案需求3、相关产品4、产品推荐5、方案价值 二、教育场景1、方案概述2、方案需求3、相关产品4、方案价值 三、医疗场景1、方案概述2、方案需求3、相关产品4、方案价值 注：本文…...
Qt Widget类解析与代码注释
#include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget) {ui->setupUi(this); }Widget::~Widget() {delete ui; }//解释这串代码，写上注释 当然可以！这段代码是 Qt …...
ESP32读取DHT11温湿度数据
芯片：ESP32 环境：Arduino 一、安装DHT11传感器库 红框的库，别安装错了 二、代码 注意，DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...
NLP学习路线图（二十三）：长短期记忆网络（LSTM）
在自然语言处理（NLP）领域，我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感，还是实现语言的翻译，都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心，而循环神经网络（RNN） 曾被视为…...
大语言模型（LLM）中的KV缓存压缩与动态稀疏注意力机制设计
随着大语言模型（LLM）参数规模的增长，推理阶段的内存占用和计算复杂度成为核心挑战。传统注意力机制的计算复杂度随序列长度呈二次方增长，而KV缓存的内存消耗可能高达数十GB（例如Llama2-7B处理100K token时需50GB内存&a…...
JVM虚拟机：内存结构、垃圾回收、性能优化
1、JVM虚拟机的简介 Java 虚拟机（Java Virtual Machine 简称：JVM）是运行所有 Java 程序的抽象计算机，是 Java 语言的运行环境，实现了 Java 程序的跨平台特性。JVM 屏蔽了与具体操作系统平台相关的信息，使得 Java 程序只需生成在 JVM 上运行的目标代码（字节码），就可以…...
jmeter聚合报告中参数详解
sample、average、min、max、90%line、95%line,99%line、Error错误率、吞吐量Thoughput、KB/sec每秒传输的数据量 sample（样本数） 表示测试中发送的请求数量，即测试执行了多少次请求。 单位，以个或者次数表示。 示例：…...
深度学习之模型压缩三驾马车：模型剪枝、模型量化、知识蒸馏
一、引言 在深度学习中，我们训练出的神经网络往往非常庞大（比如像 ResNet、YOLOv8、Vision Transformer），虽然精度很高，但“太重”了，运行起来很慢，占用内存大，不适合部署到手机、摄…...
CentOS 7.9安装Nginx1.24.0时报 checking for LuaJIT 2.x ... not found
Nginx1.24编译时，报LuaJIT2.x错误， configuring additional modules adding module in /www/server/nginx/src/ngx_devel_kit ngx_devel_kit was configured adding module in /www/server/nginx/src/lua_nginx_module checking for LuaJIT 2.x ... not…...
【Pandas】pandas DataFrame dropna
Pandas2.2 DataFrame Missing data handling 方法描述DataFrame.fillna([value, method, axis, …])用于填充 DataFrame 中的缺失值（NaN）DataFrame.backfill(*[, axis, inplace, …])用于**使用后向填充（即“下一个有效观测值”）…...
(12)-Fiddler抓包-Fiddler设置IOS手机抓包
1.简介 Fiddler不但能截获各种浏览器发出的 HTTP 请求，也可以截获各种智能手机发出的HTTP/ HTTPS 请求。 Fiddler 能捕获Android 和 Windows Phone 等设备发出的 HTTP/HTTPS 请求。同理也可以截获iOS设备发出的请求，比如 iPhone、iPad 和 MacBook 等苹…...