Vue3学习
Vue3学习
创建Vue3.0工程
1.使用vue-cli创建
123456789## 查看@vue/cli版本，确保@vue/cli版本在4.5.0以上vue --version## 安装或者升级你的@vue/clinp m install -g @vue/cli## 创建vue create vue_test## 启动cd vue_testnpm run serve
2.使用vite创建
12345678## 创建工程npm init vite-app <project-name>## 进入工程cd <project-name>## 安装依赖npm install## 运行npm run dev
setup函数的两种返回值：
1.若返回一个对象，则对象中的属性、方法，在模板中均可以直接使用。（重点关注！）
2.若返回一个渲染函数：则可以自定义渲染内容。（了解）
注意点：
1、尽量不要与Vue2.x配置混用
Vue2.x配置（data、methos、computed…)中可以访问到setup中的属性、方法。
但在setup中不能访问到Vue2.x配置 ...
Kotliln基础
Kotlin基础
JSP复习
JSP复习
一、解释类：
相关端口号：
http端口80
https端口443
MySQL端口默认3306
Tomcat端口默认8080
名词解释：
UTF-8：是一种可变长字符编码，其占位为1-4byte，前部分字符与ASCII码对应。
GBK：GBK是中国标准，占2byte，只在中国使用，并没有表示大多数其它国家的编码；而各国又陆续推出各自的编码标准，互不兼容，非常不利于全球化发展。
JSP内置对象：在JSP页面中可以直接使用的对象。
Tomcat目录解释：
Tomcat目录一共有7个：
bin目录：主要用于存放tomcat的命令，主要有两大类，一种是linux使用的shell指令，一种是以bat结尾的windows指令。
conf目录：主要是存一些tomcat的一些配置文件，可以配置其tomcat访问的端口号域名，以及日志输出等。
lib目录：主要是用在存放tomcat运行我们项目的时候所需要依赖的jar包，比如我们使用OKHTTP请求依赖库时，可以将其加入到lib目录下。
logs目录：这个是用来存放tomcat运行时所产生的日志文件。
temp目录：这个 ...
函数的连续性
第三节 函数的连续性
（一）连续性的概念
（二）间断点及其分类
1.间断点的定义
2.间断点的分类
什么叫做可去间断点：
给定一个函数f (x)，如果x₀是函数f (x)的间断点，并且f (x)在x₀处的左极限和右极限均存在的点称为第一类间断点。 若f (x)在x₀处得到左、右极限均存在且相等的间断点，称为可去间断点。
（三）连续性的运算与性质
（四）闭区间上连续函数的性质
常见激活函数
常见激活函数
sigmoid: σ(x)=11+e−x\sigma (x) = {1 \over 1+ e^{-x}}σ(x)=1+e−x1
tanh: tanh(x)tanh(x)tanh(x)
ReLu: max(0,x)max(0,x)max(0,x)
Leaky ReLu: max(0.1x,x)max(0.1x,x)max(0.1x,x)
Maxout: max(w1Tx+b1,w2Tx+b2)max(w^T_1 x + b1, w^T _2 x + b2)max(w1Tx+b1,w2Tx+b2)
ELU: $$
ReLU函数
ReLU函数
介绍：
ReLU函数是一种非线性激活函数，其函数形式为f(x) = max(0, x)。**当输入值小于0时，ReLU函数输出0；当输入值大于0时，ReLU函数输出输入值本身。ReLU函数具有以下特点：
简单性：ReLU函数的定义简单，仅需比较输入值和0的大小即可确定输出值，因此计算效率高。
非线性：虽然称为线性整流函数，但ReLU函数实际上是非线性的，能够引入非线性因素，增强模型的表达能力。
激活稀疏性：当输入值小于0时，ReLU函数的输出为0，这意味着ReLU函数可以激活稀疏性，即只激活输入中的一部分神经元，增强模型的泛化能力和鲁棒性。
凸性：ReLU函数在其定义域上是凸函数，具有较好的优化性质。
ReLU函数在深度学习中具有以下优势：
梯度稳定性：在正区间上梯度为常数1，在负区间上梯度为0，没有出现梯度消失问题。
计算效率：ReLU函数的计算非常简单，只需要进行一次比较操作和一次乘法操作，相比于其他激活函数更加高效。
生物合理性：ReLU函数的形式与生物神经元的激活方式较为接近，能够更好地建模生物神经系统的特性2。
ReLU函 ...
卷积神经网络算法
卷积神经网络算法
1、卷积神经网络-CNN 的基本原理
卷积神经网络(Convolutional Neural Networks, CNNs)是一种深度学习算法，特别适用于图像处理和分析。其设计灵感来源于生物学中视觉皮层的机制，是一种强大的特征提取和分类工具。
1.1、Layers
整个CNN是由若干层不同类型的网络连接构成的的。例如下图，首先经过一次卷积滤波处理，得到了C1（卷积层 Feature map），然后又经过了一次下采样（池化）处理得到了S2（下采样层），之后又是一次卷积滤波得到C3卷积层，依次处理至途中的C5位全连接层，至此卷积的过程结束，被抽象的特征输入至传统的全连接神经网络。
1.1.1 输入层（Input Layer）
这是网络的最初层，负责接收原始像素数据。每个像素的值都被视为原始特征。
1.1.2 卷积层（Convolutional Layer）
在卷积层中，一组可学习的滤波器（卷积核）在输入数据上进行滑动操作以生成特征图（Feature Maps，也就是下图的Convolved Feature）。卷积操作允许网络学习到输入数据的局部特征。此外 ...
eNSP使用
eNSP使用
1. 基本概念
1.VRP概念：通用路由平台，华为公司数据通信产品的通用网络操作系统平台，拥有一致的网络界面、用户界面和管理界面。
2.VRP作用：通过命令行对设备下发各种命令实现对设备的配置和日常维护操作。
3.命令行接口（CLI）：用户登录到路由器后出现命令行提示符，是用户与路由器进行交互的常用工具。
什么是WAN口：
广域网接口，连接猫或光猫、入户光纤宽带等外部网络；
什么事LAN口：
本地网接口，连接台式电脑、笔记本，电视机、交换机等内部网络，将一根网线一端连接任意一个LAN口，一端连接自己家里需要联网的设备；
为什么需要VLAN
早期以太网是一种基于CSMA/CD（Carrier Sense Multiple Access/Collision Detection）的共享通讯介质的数据网络通讯技术。当主机数目较多时会导致冲突严重、广播泛滥、性能显著下降甚至造成网络不可用等问题。通过二层设备实现LAN互连虽然可以解决冲突严重的问题，但仍然不能隔离广播报文和提升网络质量。
在这种情况下出现了VLAN技术。这种技术可以把一个LAN划分成多个逻辑的VLAN， ...
Deeplearning4j深度学习框架使用
Deeplearning4j深度学习框架使用
对数函数相关内容
对数函数相关内容
基本知识：
loga(1)=0;log_a(1) = 0;loga(1)=0;
loga(a)=1;log_a(a)=1;loga(a)=1;
logab∗logba=1;log_ab*log_ba =1;logab∗logba=1;
对数运算法则
1、两个正数的积的对数，等于同一底数的这两个数的对数的和，即：
loga(mn)=logam+loganlog_a(mn)=log_am+log_anloga(mn)=logam+logan
2、两个正数商的对数，等于同一底数的被除数的对数减去除数对数的差，即：
loga(mn)=logam−loganlog_a({m\over n})=log_am-log_anloga(nm)=logam−logan
3、一个正数幂的对数，等于幂的底数的对数乘以幂的指数，即：
logamn=nlogamlog_am^n = nlog_amlogamn=nlogam
4、若式中幂指数则有以下的正数的算术根的对数运算法则:一个正数的算术根的对数，等于被开方数的对数除以根指数，即：
logamn= ...
