首页
学习
活动
专区
工具
TVP
发布

林欣哲

专栏作者
56
文章
110148
阅读量
31
订阅数
Spring的AOP面向切面 知识点速查
通过实现BeanPostProcessor接口的postProcessBeforeInitialization和postProcessAfterInitialization方法,在初始化前后用代理对象加强原来的类
linxinzhe
2018-07-25
4950
MySQL数据库备份和恢复
数据库备份 数据库复制不能取代备份的作用 备份分类: 全量备份:整个数据库的完整备份 增量备份:在上一次备份基础上,对更改数据进行备份。mysqldump不支持这种 逻辑备份:结果为SQL语句,适用于所有存储引擎 物理备份:对数据库目录的靠背,对于内存表只备份结构 备份内容: 备份方式: mysqldump全备介绍 mysqldump备份 mysqldump database [tables] mysqldump --database DB1 [DB2] mysqldump --all-databases
linxinzhe
2018-07-25
6.5K0
MySQL执行计划(explain)分析
这里的索引有auditstatus和productid,可以建立联合索引。但是哪个放左边就要计算区分度。
linxinzhe
2018-07-25
9130
Java异常 知识点速查
Throwable:分两类 Checked Exception(非Runtime Exception):编译前要求处理的,try...catch,Java告诉你可能存在的问题需要处理。 Unchecked Exception(Runtime Exception):运行时才抛出异常。虽然也能try...catch,但是不鼓励这么用,应该是修复可能导致原因的Bug。 Exception:应用程序中的可能的可预测、可恢复问题 Error:应用程序中较严重问题。通常表示代码运行时 JVM(Java 虚拟机)出现的问
linxinzhe
2018-07-25
3150
10分钟教你深度学习的调参
深度学习的训练方法可参见我之前的文章深度学习的训练,以下则是调参的手法及典型值。 两类需要调参的参数(parameters) 优化类的参数:学习率(learning rates)、mini batch、训练代数(epochs) 模型类的参数:隐含层数(hidden layers)、模型结构的参数(如RNN) 优化类的参数 一、学习率 Learning Rate 一个好的起点是从0.01尝试起 可选的几个常用值: 0.01 0.001 0.0001 0.00001 0.000001 判断依据:验证集的误差(v
linxinzhe
2018-04-10
3.7K0
Spring Boot 知识点速记
本文是学习2小时学会Spring Boot和Spring Boot进阶之Web进阶的SpringBoot常用知识点速记。 SpringBoot前置知识: Spring:相关资料参考Spring知识点速查 Maven:相关资料参考Maven知识点速查 项目属性配置 配置项 resources/application.yml girl: cupSize: B age: 18 自动注入类中 @Component @ConfigurationProperties(prefix = "girl") publi
linxinzhe
2018-04-10
1.2K0
区块链开发之Go语言—IO操作
本篇文章是对区块链开发中的Go语言中常用的io操作的库做一个梳理 io,最基本的io Reader type Reader interface { Read(p []byte) (n int, err error) } 实现了Reader接口的都可以用read方法,将数据读入到p字节数组,n表示读取了几个字节,err返回错误。 如果读到了文件尾EOF,则err返回EOF。 注意,当文件最后一小段已经无法填满p这个字节数组时,不会产生EOF的错误,只会在下一次读取时产生n=0,err=io.EOF的错
linxinzhe
2018-04-10
1K0
深度学习的训练
今天来聊聊深度学习的训练方法和注意事项 数据集的拆分: 首先要准备好已经处理好的数据集(注意数据集要满足独立同分布),分为训练集、验证集、测试集。可按80%,10%,10%分割。 训练集用来整个模型的训练。 验证集在训练过程中验证是否过拟合。 测试集切记只用在最终判断模型的质量的,切记变成根据测试集调参了,这样测试集没意义。 训练的关键: 在输入数据做迭代训练时的关键要关注模型在训练集(绿线)和验证集(紫线)所画出的误差曲线之间关系(或准确度曲线,曲线任选其一,误差越小越好或准确度越高越好) 欠拟合及应对方
linxinzhe
2018-04-10
1.2K0
10分钟看懂Batch Normalization的好处
Batch normalization是一个用于优化训练神经网络的技巧。具备有以下几个优点 1. 训练的更快 因为在每一轮训练中的前向传播和反响传播的额外计算会造成更慢的训练。Batch normalization可以让收敛速度更快。总的训练时间更短。 2. 容忍更高的学习率(learning rate) 为了网络能收敛,梯度下降通常需要更小的学习率。但是神经网络的层次越深,则反响传播时梯度越来越小,因此需要更多的训练迭代次数。Batch normalization可以容忍更高的学习率,则梯度下降的幅度更大
linxinzhe
2018-04-10
2.1K0
人工智能的研究方向分类
自从人脱离了动物,产生智能以来,人就不断地试图理解我们的智能本身。以我有限的认识来看,以目前的科技我们还远远未能理解自身的智能的行为和产生的原理。 但是,这不妨碍我们发展人工智能(AI)。人工智能不仅这门学科试图理解智能本身,更试图制造智能体(Agent)。即使不理解智能本身,也可以制造表现的像有智能的智能体,就好像人创造了飞机一样,飞机不按鸟的方式飞行,但是却按照空气动力学的原理也能达到飞行的效果。 根据《人工智能:一种现代方法》作者的定义,目前的关于人工智能研究可分为四类。 像人合理的思考像人一样思考
linxinzhe
2018-04-10
1.5K0
没有更多了
社区活动
Python精品学习库
代码在线跑,知识轻松学
【玩转EdgeOne】征文进行中
限时免费体验,发文即有奖~
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档