【机器学习】机器学习的重要方法——强化学习:理论,方法与实践
目录
一、强化学习的核心概念
二、强化学习算法的分类与示例代码
三.强化学习的优势
四.强化学习的应用与挑战
五、总结与展望
强化学习:理论,方法和实践
在人工智能的广阔领域中,强化学习(Reinforcement Learning, RL)是一个备受瞩目的分支。它通过让智能体(Agent)在环境中进行试错学习,以最大化累积奖励为目标。本文将带您深入探索强化学习算法的魅力与奥秘,并通过一些代码示例来展示其工作原理和应用场景。
一、强化学习的核心概念
强化学习的核心概念包括状态(State)、动作(Action)、奖励(Reward)和策略(Policy)。智能体通过不断尝试动作,并根据环境返回的奖励来更新策略,以期望在未来获得更大的累积奖励。
二、强化学习算法的分类与示例代码
(省略之前的分类和伪代码部分,直接展示应用场景代码)
应用场景:FrozenLake环境
FrozenLake是一个经典的强化学习环境,其中智能体需要在一个4x4的网格世界中移动,目标是到达目标位置,同时避免掉进冰洞。
首先,我们需要安装必要的库(如果尚未安装):
pip install gym
然后,我们可以使用Python和Gym库来编写一个简单的强化学习示例,使用Q-learning算法解决FrozenLake问题:
import numpy as np
import gym
from collections import deque # 初始化环境
env = gym.make('FrozenLake-v0', is_slippery=False) # Q-learning参数
learning_rate = 0.8
discount_factor = 0.95
epsilon = 1.0 # 探索率,随训练过程逐渐减小
epsilon_decay = 0.995
epsilon_min = 0.01 # 初始化Q表
q_table = np.zeros([env.observation_space.n, env.action_space.n]) # 训练过程
num_episodes = 2000
for episode in range(num_episodes): state = env.reset() done = False total_reward = 0 while not done: # 选择动作:epsilon-greedy策略 if np.random.rand() < epsilon: action = env.action_space.sample() else: action = np.argmax(q_table[state, :]) # 执行动作,观察新的状态和奖励 next_state, reward, done, _ = env.step(action) # 更新Q表 old_value = q_table[state, action] next_max = np.max(q_table[next_state, :]) new_value = (1 - learning_rate) * old_value + learning_rate * (reward + discount_factor * next_max * (not done)) q_table[state, action] = new_value # 更新状态 state = next_state total_reward += reward # 减小探索率 epsilon = max(epsilon_min, epsilon * epsilon_decay) # 打印每轮的奖励 if episode % 100 == 0: print(f"Episode {episode}, Total reward: {total_reward}") # 测试训练后的智能体
state = env.reset()
while True: env.render() # 渲染环境 action = np.argmax(q_table[state, :]) # 选择最佳动作 next_state, reward, done, _ = env.step(action) state = next_state if done: break
env.close()
在这个示例中,我们使用了Gym库提供的FrozenLake环境,并使用Q-learning算法训练了一个智能体。通过epsilon-greedy策略进行探索和利用,智能体逐渐学会了如何安全地到达目标位置。
三.强化学习的优势
为了展示强化学习的优势,我们可以对比一个使用随机策略的智能体和一个使用强化学习算法(如Q-learning)训练过的智能体在相同环境中的性能。下面,我们将扩展前面的FrozenLake示例,包括一个随机策略的智能体,并比较两者的表现。
import numpy as np
import gym # 初始化环境
env = gym.make('FrozenLake-v0', is_slippery=False) # 随机策略函数
def random_policy(env): return env.action_space.sample() # Q-learning参数
learning_rate = 0.8
discount_factor = 0.95
epsilon = 1.0 # 探索率
epsilon_decay = 0.995
epsilon_min = 0.01 # 初始化Q表
q_table = np.zeros([env.observation_space.n, env.action_space.n]) # 训练Q-learning智能体
num_episodes = 2000
for episode in range(num_episodes): state = env.reset() done = False total_reward = 0 # 使用epsilon-greedy策略选择动作 while not done: if np.random.rand() < epsilon: action = env.action_space.sample() else: action = np.argmax(q_table[state, :]) next_state, reward, done, _ = env.step(action) # 更新Q表(省略了具体的更新逻辑,与前面的示例相同) # ... # 更新状态和其他变量 state = next_state total_reward += reward # 减小探索率 epsilon = max(epsilon_min, epsilon * epsilon_decay) # 测试Q-learning智能体
def test_qlearning_agent(env, q_table, num_episodes=10): rewards = [] for _ in range(num_episodes): state = env.reset() total_reward = 0 while True: action = np.argmax(q_table[state, :]) next_state, reward, done, _ = env.step(action) total_reward += reward state = next_state if done: break rewards.append(total_reward) return np.mean(rewards) # 测试随机策略智能体
def test_random_agent(env, num_episodes=10): rewards = [] for _ in range(num_episodes): state = env.reset() total_reward = 0 while True: action = random_policy(env) next_state, reward, done, _ = env.step(action) total_reward += reward state = next_state if done: break rewards.append(total_reward) return np.mean(rewards) # 测试两个智能体并比较结果
ql_score = test_qlearning_agent(env, q_table)
random_score = test_random_agent(env) print(f"Q-learning agent average reward: {ql_score}")
print(f"Random agent average reward: {random_score}") # 通常情况下,Q-learning智能体的表现会优于随机策略智能体
在这个扩展示例中,我们定义了两个函数test_qlearning_agent
和test_random_agent
来分别测试Q-learning智能体和随机策略智能体在FrozenLake环境中的表现。我们运行了多个测试回合(num_episodes
),并计算了平均奖励来评估智能体的性能。
通常,使用强化学习算法(如Q-learning)训练过的智能体会比随机策略的智能体表现得更好,因为它能够通过学习和优化策略来最大化累积奖励。这个示例展示了强化学习在决策制定方面的优势,特别是在处理复杂环境和任务时。
四.强化学习的应用与挑战
强化学习在游戏、机器人、自动驾驶等领域有着广泛的应用。然而,强化学习也面临着一些挑战,如数据稀疏性、探索与利用的平衡、高维状态空间等问题。为了克服这些挑战,研究者们不断提出新的算法和技术。
五、总结与展望
强化学习为机器赋予了自我学习和优化的能力,使得机器能够在复杂环境中进行智能决策。随着算法的不断优化和应用场景的不断拓展,强化学习将在更多领域展现出其独特的魅力和价值。让我们共同期待强化学习在未来的发展和应用吧!
相关文章:
![](https://img-blog.csdnimg.cn/direct/b1d28aba808f4a569136df1acbdea215.png)
【机器学习】机器学习的重要方法——强化学习:理论,方法与实践
目录 一、强化学习的核心概念 二、强化学习算法的分类与示例代码 三.强化学习的优势 四.强化学习的应用与挑战 五、总结与展望 强化学习:理论,方法和实践 在人工智能的广阔领域中,强化学习(Reinforcement Learning, RL&…...
![](https://www.ngui.cc/images/no-images.jpg)
Linux磁盘监控思路分析
磁盘监控原理 设备又名I/O设备,泛指计算机系统中除主机以外的所有外部设备。 1.1 计算机分类 1.1.1 按照信息传输速度分: 1.低速设备:每秒传输信息仅几个字节或者百个字节,如:键盘、鼠标等 2.中速设备:…...
![](https://img-blog.csdnimg.cn/direct/ccf16d617fc340309953352a2ffa71bb.png)
pc端制作一个顶部固定的菜单栏
效果 hsl颜色 hsl颜色在css中比较方便 https://www.w3school.com.cn/css/css_colors_hsl.asp 色相(hue)是色轮上从 0 到 360 的度数。0 是红色,120 是绿色,240 是蓝色。饱和度(saturation)是一个百分比值…...
![](https://img-blog.csdnimg.cn/direct/886b0ecb3a304a84b0bbfc123398b016.png)
ONLYOFFICE 8.1版本桌面编辑器深度体验:创新功能与卓越性能的结合
ONLYOFFICE 8.1版本桌面编辑器深度体验:创新功能与卓越性能的结合 随着数字化办公的日益普及,一款高效、功能丰富的办公软件成为了职场人士的必备工具。ONLYOFFICE团队一直致力于为用户提供全面而先进的办公解决方案。最新推出的ONLYOFFICE 8.1版本桌面编…...
![](https://www.ngui.cc/images/no-images.jpg)
使用Java连接数据库并且执行数据库操作和创建用户登录图形化界面(2)
(1)在student数据库上创建一个用户表tb_account,该表包含用户id,用户名和密码。 字段名称 数据类型 注释 约束 user_id Char(8) 用户id 主键 user_name char(10) 用户名 不能为空 password char(10) 密码 默认值&a…...
![](https://img-blog.csdnimg.cn/direct/b178a3085ff844358534ac1624b2bbcb.png)
socket编程常见操作
1、连接的建立 分为两种:服务端处理接收客户端的连接;服务端作为客户端连接第三方服务 //作为服务端 int listenfd socket(AF_INET, SOCK_STREAM, 0); bind(listenfd, (struct sockaddr*)&servaddr, sizeof(servaddr))) listen(listenfd, 10); //…...
![](https://www.ngui.cc/images/no-images.jpg)
springcloud-config git配置源加载(部署公钥问题)
使用gitUrl作为配置源 gitee 或者github 中有类似于发布密钥的功能,允许通过私钥只读访问指定的仓库,文档中说的是 限制了git的操作为pull 和 clone。生成私钥的方式文档连接在此 https://gitee.com/help/articles/4181#article-header0 spring config只…...
![](https://www.ngui.cc/images/no-images.jpg)
华为OD机考题HJ24 合唱队
前言 应广大同学要求,开始以OD机考题作为练习题,看看算法和数据结构掌握情况。有需要练习的可以关注下。 描述 N 位同学站成一排,音乐老师要请最少的同学出列,使得剩下的 K 位同学排成合唱队形。 设𝐾K位同学从左到…...
![](https://img-blog.csdnimg.cn/direct/d389e95a5b6f43e483aabebd44c7aefa.png)
基于bootstrap的12种登录注册页面模板
基于bootstrap的12种登录注册页面模板,分三种类型,默认简单的登录和注册,带背景图片的登录和注册,支持弹窗的登录和注册页面html下载。 微信扫码下载...
![](https://www.ngui.cc/images/no-images.jpg)
【劳德巴赫 Trace32 高阶系列 3.1 -- trace32 svf 文件操作与 InitState】
文章目录 SVF InitStateJTAG 状态机JTAG Test-Logic-ResetJTAG Run-Test-IdleSVF InitState Format: JTAG.PROGRAM.SVF <file> [/<option>] <option>: IRPRE <value>IRPOST <value>DRPRE <value>DRPOST <value<...
![](https://www.ngui.cc/images/no-images.jpg)
爬虫知识:补环境相关知识
学习目标:知道为什么要补环境,知道要补什么环境(使用Proxy检测)。没有讲解怎么补 本章没有动手去实操,只是纯理论知识 补环境介绍 DOM与BOM DOM主要关注文档内容和结构,而BOM关注浏览器窗口和功能。在浏…...
![](https://img-blog.csdnimg.cn/direct/7e4ad55ff61d4ce683dd5524e3d49295.png)
Crontab命令详解:轻松驾驭Linux定时任务,提升系统效率
🌈 个人主页:danci_ 🔥 系列专栏:《设计模式》《MYSQL》 💪🏻 制定明确可量化的目标,坚持默默的做事。 引言: crond是Linux系统中用来定期执行命令或指定程序任务的一种服务或软件…...
![](https://www.ngui.cc/images/no-images.jpg)
【Python】探索 Pandas 中的 where 方法:条件筛选的利器
那年夏天我和你躲在 这一大片宁静的海 直到后来我们都还在 对这个世界充满期待 今年冬天你已经不在 我的心空出了一块 很高兴遇见你 让我终究明白 回忆比真实精彩 🎵 王心凌《那年夏天宁静的海》 在数据分析中,Pandas 是一个强大且…...
![](https://img-blog.csdnimg.cn/direct/341ddc4c3f3a47f991b87057e1f5bd00.png)
Pikachu靶场--Sql Inject
参考借鉴 pikachu靶场练习(详细,完整,适合新手阅读)-CSDN博客 数字型注入(post) 这种类型的SQL注入利用在用户输入处插入数值,而不是字符串。攻击者试图通过输入数字来修改SQL查询的逻辑,以执行恶意操作。…...
![](https://img-blog.csdnimg.cn/direct/3b0cce8de5cf411996d91f888e8ca279.png)
【Python从入门到进阶】59、Pandas库中Series对象的操作(二)
接上篇《58、Pandas库中Series对象的操作(一)》 上一篇我们讲解了Pandas库中Series对象的基本概念、对象创建和操作,本篇我们来继续学习Series对象的运算、函数应用、时间序列操作,以及Series的案例实践。 一、Series对象的运算 1. 数值型数据的算术运…...
![](https://www.ngui.cc/images/no-images.jpg)
【PYG】使用datalist定义数据集,创建一个包含多个Data对象的列表并使用DataLoader来加载这些数据
为了使用你提到的封装方式来创建一个包含多个 Data 对象的列表并使用 DataLoader 来加载这些数据,我们可以按照以下步骤进行: 创建数据:生成节点特征矩阵、边索引矩阵和标签。封装数据:使用 Data 对象将这些数据封装起来。使用 D…...
![](https://www.ngui.cc/images/no-images.jpg)
【设计模式】【创建型5-2】【工厂方法模式】
文章目录 工厂方法模式工厂方法模式的结构示例产品接口具体产品工厂接口具体工厂客户端代码 实际的使用 工厂方法模式 工厂方法模式的结构 产品(Product):定义工厂方法所创建的对象的接口。 具体产品(ConcreteProduct࿰…...
![](https://img-blog.csdnimg.cn/direct/7c1691689c5f47c997606a86f3814d47.png)
python API自动化(Pytest+Excel+Allure完整框架集成+yaml入门+大量响应报文处理及加解密、签名处理)
1.pytest数据参数化 假设你需要测试一个登录功能,输入用户名和密码后验证登录结果。可以使用参数化实现多组输入数据的测试: 测试正确的用户名和密码登录成功 测试正确的用户名和错误的密码登录失败 测试错误的用户名和正确的密码登录失败 测试错误的用户名和密码登…...
![](https://www.ngui.cc/images/no-images.jpg)
【Postman学习】
Postman是一个非常流行的API开发和测试工具,广泛用于Web服务的开发、测试和调试。它提供了一个图形界面,允许用户轻松地构建、发送和管理HTTP(S)请求,同时查看和分析响应。下面是对Postman接口测试工具的详细解释: 1. Postman简介…...
![](https://img-blog.csdnimg.cn/direct/2dc538ce75e545dabd246b369e40c065.png)
【Linux】IO多路复用——select,poll,epoll的概念和使用,三种模型的特点和优缺点,epoll的工作模式
文章目录 Linux多路复用1. select1.1 select的概念1.2 select的函数使用1.3 select的优缺点 2. poll2.1 poll的概念2.2 poll的函数使用2.3 poll的优缺点 3. epoll3.1 epoll的概念3.2 epoll的函数使用3.3 epoll的优点3.4 epoll工作模式 Linux多路复用 IO多路复用是一种操作系统的…...
![](https://img-blog.csdnimg.cn/direct/06cc671082884743af2e759e828eb389.png)
IBCS 虚拟专线——让企业用于独立IP
在当今竞争激烈的商业世界中,企业的数字化运营对网络和服务器的性能有着极高的要求。作为一家企业的 IT 主管,我深刻体会到了在网络和服务器配置方面所面临的种种挑战,以及 IBCS 虚拟专线带来的革命性改变。 我们企业在业务扩张的过程中&…...
![](https://www.ngui.cc/images/no-images.jpg)
驾驭巨龙:Perl中大型文本文件的处理艺术
驾驭巨龙:Perl中大型文本文件的处理艺术 Perl,这门被亲切称为“实用提取和报告语言”的编程语言,自从诞生之日起,就以其卓越的文本处理能力闻名于世。在面对庞大的文本文件时,Perl的强大功能更是得到了充分的体现。本…...
![](https://img-blog.csdnimg.cn/direct/1156447dff2040448e49e80c267558fa.png)
Kafka~特殊技术细节设计:分区机制、重平衡机制、Leader选举机制、高水位HW机制
分区机制 Kafka 的分区机制是其实现高吞吐和可扩展性的重要特性之一。 Kafka 中的数据具有三层结构,即主题(topic)-> 分区(partition)-> 消息(message)。一个 Kafka 主题可以包含多个分…...
![](https://img-blog.csdnimg.cn/direct/aaf25f899b244d348ad80a6c6a85fa01.png)
springcloud-config 客户端启用服务发现client的情况下使用metadata中的username和password
为了让spring admin 能正确获取到 spring config的actuator的信息,在eureka的metadata中添加了metadata.user.user metadata.user.password eureka.instance.metadata-map.user.name${spring.security.user.name} eureka.instance.metadata-map.user.password${spr…...
![](https://www.ngui.cc/images/no-images.jpg)
云计算 | 期末梳理(中)
1. 经典虚拟机的特点 多态(Polymorphism):支持多种类型的OS。重用(Manifolding):虚拟机的镜像可以被反复复制和使用。复用(Multiplexing):虚拟机能够对物理资源时分复用。2. 系统接口 最基本的接口是微处理器指令集架构(ISA)。应用程序二进制接口(ABI)给程序提供使用硬件资源…...
![](https://i-blog.csdnimg.cn/direct/1d422ed93fd04674847900328b015d11.jpeg)
pytest测试框架pytest-order插件自定义用例执行顺序
pytest提供了丰富的插件来扩展其功能,本章介绍插件pytest-order,用于自定义pytest测试用例的执行顺序。pytest-order是插件pytest-ordering的一个分支,但是pytest-ordering已经不再维护了,建议大家直接使用pytest-order。 官方文…...
![](https://img-blog.csdnimg.cn/direct/e133a036a8a444f5b511467da813529a.png)
吴恩达机器学习 第三课 week2 推荐算法(上)
目录 01 学习目标 02 推荐算法 2.1 定义 2.2 应用 2.3 算法 03 协同过滤推荐算法 04 电影推荐系统 4.1 问题描述 4.2 算法实现 05 总结 01 学习目标 (1)了解推荐算法 (2)掌握协同过滤推荐算法(Collabo…...
![](https://www.ngui.cc/images/no-images.jpg)
MySQL CASE 表达式
MySQL CASE表达式 一、CASE表达式的语法二、 常用场景1,按属性分组统计2,多条件统计3,按条件UPDATE4, 在CASE表达式中使用聚合函数 三、CASE表达式出现的位置 一、CASE表达式的语法 -- 简单CASE表达式 CASE sexWHEN 1 THEN 男WHEN 2 THEN 女…...
![](https://www.ngui.cc/images/no-images.jpg)
Unity3D 游戏数据本地化存储与管理详解
在Unity3D游戏开发中,数据的本地化存储与管理是一个重要的环节。这不仅涉及到游戏状态、玩家信息、游戏设置等关键数据的保存,还关系到游戏的稳定性和用户体验。本文将详细介绍Unity3D中游戏数据的本地化存储与管理的技术方法,并给出相应的代…...
![](https://img-blog.csdnimg.cn/direct/6f3f03176083420ba1618c6ee658b034.png)
昇思25天学习打卡营第1天|初学教程
文章目录 背景创建环境熟悉环境打卡记录学习总结展望未来 背景 参加了昇思的25天学习记录,这里给自己记录一下所学内容笔记。 创建环境 首先在平台注册账号,然后登录,按下图操作,创建环境即可 创建好环境后进入即可࿰…...
![](https://img-blog.csdnimg.cn/direct/364455e479c548838be188c02e76bffe.png)
ctfshow-web入门-命令执行(web59-web65)
目录 1、web59 2、web60 3、web61 4、web62 5、web63 6、web64 7、web65 都是使用 highlight_file 或者 show_source 1、web59 直接用上一题的 payload: cshow_source(flag.php); 拿到 flag:ctfshow{9e058a62-f37d-425e-9696-43387b0b3629} 2、w…...
![](https://img-blog.csdnimg.cn/direct/5d4cb3908e3a4a4a88808f24ce431a9c.png)
Websocket在Java中的实践——最小可行案例
大纲 最小可行案例依赖开启Websocket,绑定路由逻辑类 测试参考资料 WebSocket是一种先进的网络通信协议,它允许在单个TCP连接上进行全双工通信,即数据可以在同一时间双向流动。WebSocket由IETF标准化为RFC 6455,并且已被W3C定义为…...
![](https://www.ngui.cc/images/no-images.jpg)
python请求报错::requests.exceptions.ProxyError: HTTPSConnectionPool
在发送网页请求时,发现很久未响应,最后报错: requests.exceptions.ProxyError: HTTPSConnectionPool(hostsvr-6-9009.share.51env.net, port443): Max retries exceeded with url: /prod-api/getInfo (Caused by ProxyError(Unable to conne…...
![](https://img-blog.csdnimg.cn/direct/ba517ffa4fa146fca1981146a5b8c076.png)
【Unity】Excel配置工具
1、功能介绍 通过Excel表配置表数据,一键生成对应Excel配置表的数据结构类、数据容器类、已经二进制数据文件,加载二进制数据文件获取所有表数据 需要使用Excel读取的dll包 2、关键代码 2.1 ExcelTool类 实现一键生成Excel配置表的数据结构类、数据…...
![](https://www.ngui.cc/images/no-images.jpg)
001 线性查找(lua)
文章目录 迭代器主程序 迭代器 -- 定义一个名为 linearSearch 的函数,它接受两个参数:data(一个数组)和 target(一个目标值) function linearSearch(data, target) -- 使用 for 循环遍历数组 data&…...
![](https://img-blog.csdnimg.cn/direct/940c89c2f2304578bdc584cce1154d34.png)
数据结构之链表
储备知识: 线性表 :一对一的数据所组成的关系称为线性表。 线性表是一种数据内部的逻辑关系,与存储形式无关线性表既可以采用连续的顺序存储(数组),也可以采用离散的链式存储(链表)顺序表和链表都称为线性表 顺序存储就是将数据存…...
![](https://www.ngui.cc/images/no-images.jpg)
【小工具】 Unity相机宽度适配
相机默认是根据高度适配的,但是在部分游戏中需要根据宽度进行适配 实现步骤 定义标准屏幕宽、高判断标准屏幕宽高比与当前的是否相等通过**(标准宽度/当前宽度) (标准高度 / 当前高度)**计算缩放调整相机fieldOfView即…...
![](https://www.ngui.cc/images/no-images.jpg)
centos误删yum和python
在下载pkdg时,因为yum报错坏的解释器,然后误删了yum和python。 在下载各种版本,创建各种软连接,修改yum文件都不好使后,发现了这样一个方法:Centos: 完美解决python升级导致的yum报错问题(相信…...
![](https://img-blog.csdnimg.cn/img_convert/05560c7529fff7eef8cdd1dc5d0ec322.png)
WP黑格导航主题BlackCandy
BlackCandy-V2.0全新升级!首推专题区(推荐分类)更多自定义颜色!选择自己喜欢的色系,焕然一新的UI设计,更加扁平和现代化! WP黑格导航主题BlackCandy...
![](https://www.ngui.cc/images/no-images.jpg)
elasticsearch底层核心组件
Elasticsearch是一个高度可扩展的开源全文搜索和分析引擎,它基于Apache Lucene构建,并添加了分布式特性。以下是Elasticsearch的一些底层核心组件: 1. **Lucene**: - Elasticsearch基于Apache Lucene,一个高性能的…...
![](https://img-blog.csdnimg.cn/direct/197f291d3e704864b7fc1dae966e9282.png)
EasyExcel数据导入
前言: 我先讲一种网上信息的获取方式把,虽然我感觉和后面的EasyExcel没有什么关系,可能是因为这个项目这个操作很难实现,不过也可以在此记录一下,如果需要再拆出来也行。 看上了网页信息,怎么抓到&#x…...
![](https://img-blog.csdnimg.cn/direct/5390394e3dde4aa48b5d1e4aa3229d0f.png)
20240630 每日AI必读资讯
📚全美TOP 5机器学习博士发帖吐槽:实验室H100数量为0! - 普林斯顿、哈佛「GPU豪门」,手上的H100至少三四百块,然而绝大多数ML博士一块H100都用不上 - 年轻的研究者们纷纷自曝自己所在学校或公司的GPU情况:…...
![](https://img-blog.csdnimg.cn/direct/dfba3cfb6bcf4f869eb8489048db8357.png)
第十一章 Qt的模型视图
目录 一、模型/视图的原理 1、原理分析 2、模型(数据模型) 3、视图 4、代理 二、文件系统模型 1、项目练习 2、UI 设计 3、代码实现 三、字符串链表模型 QStringListModel 1、项目效果 2、项目实现 四、标准项模型(QStandardItemModel) 1、模型分析 2、项目效…...
![](https://img-blog.csdnimg.cn/direct/34d75ed3d2b6463ea829b93ceb216e2e.png)
力扣 单词规律
所用数据结构 哈希表 核心方法 判断字符串pattern 和字符串s 是否存在一对一的映射关系,按照题意,双向连接的对应规律。 思路以及实现步骤 1.字符串s带有空格,因此需要转换成字符数组进行更方便的操作,将字符串s拆分成单词列表…...
![](https://img-blog.csdnimg.cn/img_convert/85fb24fa701e3807fff7a6f6d1540083.jpeg)
10款好用不火的PC软件,真的超好用!
AI视频生成:小说文案智能分镜智能识别角色和场景批量Ai绘图自动配音添加音乐一键合成视频https://aitools.jurilu.com/市场上有很多软件,除了那些常见的大众化软件,还有很多不为人知的小众软件,它们的作用非常强大,简洁…...
![](https://img-blog.csdnimg.cn/direct/21cf07b9284f499e95cbf0de666b9b05.png)
Windows怎么实现虚拟IP
在做高可用架构时,往往需要用到虚拟IP,在linux上面有keepalived来实现虚拟ip的设置。在windows上面该怎么弄,keepalived好像也没有windows版本,我推荐一款浮动IP软件PanguVip,它可以实现windows上面虚拟ip的漂移。设置…...
![](https://img-blog.csdnimg.cn/direct/b2671d0eae154299aa9bbedcd10f63b7.webp)
【计算机网络】HTTP——基于HTTP的功能追加协议(个人笔记)
学习日期:2024.6.29 内容摘要:基于HTTP的功能追加协议和HTTP/2.0 HTTP的瓶颈与各功能追加协议 需求的产生 在Facebook、推特、微博等平台,每分每秒都会有人更新内容,我们作为用户当然希望时刻都能收到最新的消息,为…...
![](https://img-blog.csdnimg.cn/direct/0b3ff8ed684844f48f28683dfdc6db0e.jpeg#pic_center)
【多媒体】Java实现MP4视频播放器【JavaFX】【音视频播放】
在Java中播放视频可以使用多种方案,最常见的是通过Swing组件JFrame和JLabel来嵌入JMF(Java Media Framework)或Xuggler。不过,JMF已经不再被推荐使用,而Xuggler是基于DirectX的,不适用于跨平台。而且上述方案都需要使用第三方库。…...
![](https://img-blog.csdnimg.cn/img_convert/7c1681fea47b5bf9dd47ecbc383373dc.jpeg)
2024 Parallels Desktop for Mac 功能介绍
Parallels Desktop的简介 Parallels Desktop是一款由Parallels公司开发的桌面虚拟化软件,它允许用户在Mac上运行Windows和其他操作系统。通过强大的技术支持,用户无需重新启动电脑即可在Mac上运行Windows应用程序,实现了真正的无缝切换。 二…...
![](https://img-blog.csdnimg.cn/direct/184ea7ac1c504142ae335bde9dca379e.jpeg)
颍川韩氏,来自战国七雄韩国的豪族
颍川是战国七雄韩国故土,韩国被秦国灭国后,王公贵族们除了坚决反秦的被杀了外,大部分都留存了下来。这些人在楚、汉反秦战争中,成为反秦统一战线的重要力量,其中两人先后被封为重新恢复的韩国的国王。 一个是横阳君韩…...
![](https://img-blog.csdnimg.cn/direct/47c87498ffb64573963d53dd63cd32b8.png)
MySQL的Geometry数据处理之WKB方案
MySQL的Geometry数据处理之WKT方案:https://blog.csdn.net/qq_42402854/article/details/140134357 MySQL的Geometry数据处理之WKT方案中,介绍WTK方案的优点,也感受到它的繁琐和缺陷。比如: 需要借助 ST_GeomFromText和 ST_AsTex…...
![](https://i-blog.csdnimg.cn/direct/b2d6ab5461ef41e79a2925764573ac52.png#pic_center)
Pseudo-Label : The Simple and Efficient Semi-Supervised Learning Method--论文笔记
论文笔记 资料 1.代码地址 https://github.com/iBelieveCJM/pseudo_label-pytorch 2.论文地址 3.数据集地址 论文摘要的翻译 本文提出了一种简单有效的深度神经网络半监督学习方法。基本上,所提出的网络是以有监督的方式同时使用标记数据和未标记数据来训练的…...
![](https://www.ngui.cc/images/no-images.jpg)
ELK优化之Elasticsearch
目录 1.ELK优化 2.优化 ES 索引设置 2.1 优化 fsync 2.2 优化 refresh 2.3 优化 merge 2.4 优化设置 2.5 打开索引 3.优化线程池配置 3.1 优化的方案 4.锁定内存,不让 JVM 使用 Swap 5.减少分片数、副本数 6.ES优化总结 1.ELK优化 ELK优化可以围绕着 li…...
![](https://i-blog.csdnimg.cn/direct/5e548b61783240039ba697c4af36f1c9.png)
数据结构——单向循环链表
文章目录 1. 概念 2. 区别 2.1 结构区别 2.2 访问方式区别 2.3 优缺点对比 3. 流程 4. 基本操作 5. 代码示例 1. 概念 单向循环链表是一种特殊的单链表,其中最后一个节点的后继指针指向头节点,形成一个环。单向循环链表适合用于需要循环访问数据…...
![](https://www.ngui.cc/images/no-images.jpg)
Elasticsearch优化索引映射和设置
在Elasticsearch的世界中,优化索引的映射(mapping)和设置(settings)对于提高搜索性能、存储效率和系统稳定性至关重要。本文将带您深入了解如何针对Elasticsearch的索引进行优化,帮助您构建更高效、更可靠的…...
![](https://img-blog.csdnimg.cn/884e8d9ee9624ec4a9733f11e69025cb.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaml5YzIwMDg=,size_20,color_FFFFFF,t_70,g_se,x_16)
价值499的从Emlog主题模板PandaPRO移植到wordpress的主题
Panda PRO 主题,一款精致wordpress博客主题,令人惊叹的昼夜双版设计,精心打磨的一处处细节,一切从心出发,从零开始,只为让您的站点拥有速度与优雅兼具的极致体验。 从Emlog主题模板PandaPRO移植到wordpres…...
![](https://img-blog.csdnimg.cn/img_convert/430592bcb0d891545e376d394f4d319a.png)
无线麦克风什么牌子的音质效果好?一文读懂无线领夹麦克风哪款好
在当今的数字时代,无线技术已经深入到我们生活的方方面面,无线领夹麦克风便是其中的佼佼者。它们为讲者、表演者以及那些需要在移动中讲话的人们提供了解放双手和自由移动的可能。本文旨在探讨无线领夹麦克风的多种用途,以及如何挑选最适合…...
![](https://www.ngui.cc/images/no-images.jpg)
可变参数函数
可变参数函数指的是函数的参数个数可变,参数类型不定的函数。 C提供了两种主要的方法: (1)如果所有的实参类型相同,可以传递一个名为initializer_list的标准库类型。 (2)如果所有的实参类型不完…...
![](https://www.ngui.cc/images/no-images.jpg)
【车道线网络,给予他预训练模型权重,为什么继续训练得不到更好的权重参数,反而会出现检测效果的下降?】】
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 一、检测效果的下降?解决方案总结 车道线网络,给予他预训练模型权重,为什么继续训练得不到更好的权重参数,反而会出现…...
![](https://www.ngui.cc/images/no-images.jpg)
肉类食品解冻污水处理设备功能特点
诸城市鑫淼环保小编带大家了解一下肉类食品解冻污水处理设备功能特点 肉类食品解冻污水处理设备是专门用于处理肉类加工过程中产生的解冻废水的设备。这些设备在保障肉类食品生产过程中的卫生安全同时,也有效处理了废水,避免了环境污染。以下是对肉类食品…...
![](https://img-blog.csdnimg.cn/direct/979a2c82320145c4ad8b9e36e705187e.png)
vue实现附件下载 获取到接口的图片,设置宽度100%样式
一、vue实现附件下载,使用a链接 <a class"btn flex_center" target"_blank" :href"localImgSrc(goodsDetail.attachment)" :download"localImgSrc(goodsDetail.attachment)" >立即下载 </a>二、 获取到接口…...
![](https://img-blog.csdnimg.cn/183dec7dd66b4883b1fab6e3297d829f.png)
唯众云课堂:领航智慧教育,赋能职教未来,打造高效人才培养新平台
随着《中国智慧教育发展报告 2023》的发布,智慧教育被正式定义为数字教育发展的高级阶段。然而,各职院在智慧教育的发展道路上,往往面临着诸多挑战,如缺乏一体化教学平台、优质教学资源不足等。唯众凭借深厚的产业洞察与教育实践经…...