我的乐与怒

Life, thoughts, stories and ideas.

学习下Netty

前言 很久以前跟电信对接短信和彩信,然后要跟移动同步订购关系,移动要访问我们的WEB服务器,当时struct一堆XML看得头大,就自己写了个WEBSERVER,当时是用的 ServerSocket加多线程,比较原始不过自己实现了部分HTTP协议,整个过程自己对网络通讯的技术有了很深刻

制作自定义的Spring Starter

国内很多文章讲的不详细 参考: https://www.baeldung.com/spring-boot-custom-starter Spring Boot 自动配置原理 Spring Boot启动时会查找classpath中是否存在一个 spring.factories的文件.这个文件保存在META-INF文件夹. spring-boot-autoconfigure 项目中该文件代码如下. org.springframework.boot.autoconfigure.EnableAutoConfiguration=\ org.springframework.boot.autoconfigure.amqp.RabbitAutoConfiguration,\ org.springframework.boot.autoconfigure.cassandra.CassandraAutoConfiguration,\ org.springframework.boot.autoconfigure.mongo.MongoAutoConfiguration,\ org.springframework.boot.autoconfigure.orm.jpa.HibernateJpaAutoConfiguration 这个文件配置了Spring Boot将尝试运行的不同配置类.因此上面的

雄风不减当年 ;)

雄风不减当年 ;) 深水炸弹

小伙子的画越来越像样了

植物线描 塔 静物写生

Coursera - Machine learning 学习笔记(3) - 支持向量机异常检测和推荐系统

课程地址: https://www.coursera.org/learn/machine-learning/home/welcome 作业 Vincent code exercise 第七周 支持向量机(SVM) 7.1 模型 $ \min \limits_{\theta} C \sum \limits_{i=1}^{m} \left[ y^{(i)}cost_1(\theta^Tx^{(i)}) + (1-y^{(i)}cost_0(\theta^Tx^{(i)})) \right] + \frac{1}{2}\sum \limits_{i=1}^n\theta_j^2 $ y = 1 阳性, 则 $\theta^Tx \geq 1 $ y = 0 阴性, 则 $\theta^Tx \leq -1 $ 7.2 核函数 高斯函数 $ f_1=simmilarity(x,l^{(1)}) = \exp \left( - \frac{\Vert x-l^{(1)}\Vert ^2}{2\sigma^2} \right) $ 如果 $x\approx l^{(1)}$ 这$f_1 \approx 1$ 如果$x$与$l^{(1)}$很远这 $f_1 \approx 0 $ $sigma^2$ 越大则函数曲线越平滑 使用核函数当$\theta

Coursera - Machine learning 学习笔记(2) - 神经网络

课程地址: https://www.coursera.org/learn/machine-learning/home/welcome 作业 Vincent code exercise 第四周 神经网络-模型 4.1 模型 4.1.1 基本元素 激活函数(activation function) , $g(z)$ , $a_i^{(j)}$第$j$层的第$i$个神经元 偏置神经元(bias unit) 权重(Weight) 输入层 Input Layer 结果层 Output Layer 隐藏层 Hidden Layer $a_i^{(j)}$ 表示在$j$层的第$i$ 个单元 $\Theta^j$ 权重矩阵控制$j$到$j+1

Coursera - Machine learning 学习笔记(1) - 线性回归和分类器

课程地址: https://www.coursera.org/learn/machine-learning/home/welcome 作业 Vincent code exercise 第一周 简介和一元线性回归 1.1 机器学习定义(Tom Mitchell) E : 经验, 指训练样本 T : 目标任务,一类机器学习解决的问题 P : 衡量目标任务T的性能 举例: 关于垃圾邮件的机器学习 T: 将邮件标记为垃圾或者非垃圾 E: 查看当前邮箱中邮件的是否垃圾的标签 P: 标记垃圾邮件的准确率 1.2 机器学习分类 监

Linux 18.04 Tips

1. 设置启动界面 网上很多文章都是旧的,18.04 使用下列命令生效/. 切换为图形启动 sudo systemctl set-default runlevel5.target 切换为文本命令模式 sudo systemctl set-default runlevel3.target 命令行启动图形界面 使用startx

Antd-v读取和设置后端的错误信息

场景 最近用Antd-v做后台,自带的验证框架.提供了很多的前台验证方法,找了一圈没有找到结合后端验证的,比较纳闷现在前端同学都自己验证不用后端的验证信息了吗?最终的数据验证应该还是以后端为准.自己写了几个函数. 使用 后端返回数据结构 { code: 600412, msg: "数据验证失败", data: { userName: &

VUE项目读取Docker环境变量

使用场景 前端项目通常编译的时候会配置多个环境的参数,根据环境参数编译不同的文件.无法做到在各个环境使用同一个版本的镜像.使用环境变量可以在创建镜像的时候传递基础参数减少编译确保测试的有效性. 方案 通过将环境变量传递到DOM,在VUE项目中读取DOM来进行使用环境变量. 读取环境变量 const