-
远程仓库
小结 到目前为止，我们已经掌握了如何在Git仓库里对一个文件进行时光穿梭，你再也不用担心文件备份或者丢失的问题了。 可是有用过集中式版本控制系统SVN的童鞋会站出来说，这些功能在SVN里早就有了，没看出Git有什么特别的地方。 没错，如果只是在一个仓库里管理文件历史，Git和SVN真没啥区别。为了保证你现在所学的Git物超所值，将来绝对不会后悔，同时... -
如何保证缓存与数据库的双写一致性？
缓存与数据库一致性问题 面试题 面试官心理分析 面试题剖析 Cache Aside Pattern 最初级的缓存不一致问题及解决方案 比较复杂的数据不一致问题分析 缓存与数据库一致性问题 面试题 如何保证缓存与数据库的双写一致性？ 面试官心理分析 你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的... -
03 AI智能绘图DALL·E 2
03 AI智能绘图DALL·E 2 03 AI智能绘图DALL·E 2 DALL·E 2是OpenAI开发的一种全新的人工智能技术，能够根据给定的文字描述生成多样性和高质量的图像，如下图所示。DALL·E 2基于Transformer模型，是一种多层的神经网络，可以理解与生成语言。它是一种自然语言处理（NLP）技术和生成式对抗网络（GAN）技术的结合。... -
Dubbo 负载均衡策略和集群容错策略都有哪些？动态代理策略呢？
Dubbo 负载均衡策略和集群容错策略 面试题 面试官心理分析 面试题剖析 dubbo 负载均衡策略 RandomLoadBalance RoundRobinLoadBalance LeastActiveLoadBalance ConsistentHashLoadBalance dubbo 集群容错策略 Failover Cluster 模式 ... -
14.5 回顾runnable
14.5 回顾runnable 14.5.1 过多的线程 14.5 回顾runnable 在本章早些时候，我曾建议大家在将一个程序片或主Frame 当作Runnable 的实现形式之前，一定要好好地想一想。若采用那种方式，就只能在自己的程序中使用其中的一个线程。这便限制了灵活性，一旦需要用到属于那种类型的多个线程，就会遇到不必要的麻烦。 当然，如果... -
100-Days-Of-ML-Code
100-Days-Of-ML-Code 介绍 第一天 | 数据处理 第二天 | 简单线性规划 使用单一特征来预测因变量 找到最佳的拟合线 1、数据预处理 2、训练简单线性回归模型 3、预测结果 4、可视化 第三天 | 多元线性回归 前提 注意 虚(拟)变量 虚拟变量圈套 1、数据预处理 2、训练模型 3、预测结果 ... -
2.15 本章习题
2.15 本章习题 本章数组和队列的习题 2.15 本章习题 本章数组和队列的习题 1、不用除法运算 两个数组a[N]，b[N]，其中A[N]的各个元素值已知，现给b[i]赋值，b[i] = a[0]_a[1]_a[2]…*a[N-1]/a[i]； 要求： 1.不准用除法运算 2.除了循环计数值，a[N],b[N]外，不准再用其他任何变量（... -
13.4 捕获事件
13.4 捕获事件 13.4 捕获事件 大家可注意到假如编译和运行上面的程序片，按下按钮后不会发生任何事情。必须进入程序片内部，编写用于决定要发生什么事情的代码。对于由事件驱动的程序设计，它的基本目标就是用代码捕获发生的事件，并由代码对那些事件作出响应。事实上，GUI的大部分内容都是围绕这种事件驱动的程序设计展开的。 经过本书前面的学习，大家应该有了... -
8.1.2 图形界面的组成
8.1.2 图形界面的组成 8.1.2 图形界面的组成 应用程序的图形界面是由底层操作系统支持的，不同操作系统平台的图形界面风格不尽相同，但组成界面的图形元素都是类似的。下面我们采用 Python 的标准图形界面工具包Tkinter 的术语来介绍图形界面元素。 图形界面由多种图形元素组成，这些图形元素称为构件（widget）①。就如一部机器由各种零部件... -
6.2 分而治之
6.2 分而治之 方法介绍 问题实例 举一反三 6.2 分而治之 方法介绍 对于海量数据而言，由于无法一次性装进内存处理，导致我们不得不把海量的数据通过hash映射分割成相应的小块数据，然后再针对各个小块数据通过hash_map进行统计或其它操作。 那什么是hash映射呢？简单来说，就是为了便于计算机在有限的内存中处理big数据，我们通过一种...
