摘要：
2020.1.11 jdbc整合（狂神说java） 1.勾选 JAVA WEB JDBC API MySQL Driver 2.配置源 3.@Autowired Datasource datasource 增删改查 2020.1.11 Mybatis整合 1.勾选 JAVA WEB JDBC API 阅读全文
摘要：
1.代换法： 1，猜答案。猜其形式而不在乎常数系数 2，尝试验证这个递归式按照数学归纳法是否满足条件 3，尝试解出可使式子成立的常数系数 2.递归树法： 解题过程： 求和过程将其展开形成树的形状，继续展开： 要求其叶节点。 分析可得其每层的叶节点呈几何级数的规律，当一层一层的叶节点相加得到总叶节点- 阅读全文
摘要：
大O： <= f(n)属于g(n)构成的函数集 图1： 对于n>=n0，”存在“c>0,n0>0，使0<=f(n)<=c*g(n) 图2： 左边式子是右边式子，但并不相等。 对于任何再左边宏展开的表示式，假设是f(n)，都能在右边找到一个对应的展开使左右相等。 大Ω： >= 对于足够大的n，f(n) 阅读全文
摘要：
算法分析是理论研究： 于计算机程序性能与资源利用的研究 排序问题： 1.插入排序 ·伪代码表示插入排序： 为代码解释：构造数组A，设置外部循环条件，j从2到n递增，内部循环条件开始于j-1并递减至0； 理解：我们找到j，数组A中的j位的值和前面的“常量”（已排序好的）相比，找到此时j位的值适合的位置 阅读全文
摘要：
数组， 所有元素都连续的存储于一段内存中，且每个元素占用的内存大小相同。这使得数组具备了通过下标快速访问数据的能力。 但连续存储的缺点也很明显，增加容量，增删元素的成本很高，时间复杂度均为 O(n)。 增加数组容量需要先申请一块新的内存，然后复制原有的元素。如果需要的话，可能还要删除原先的内存。 删 阅读全文
摘要：
保存 1 W = tf.Variable([[1,2,3],[3,4,5]],dtype=tf.float32,name="weights") #2行3列 2 b = tf.Variable([[1,2,3],dtype=tf.float32,name="biases") 3 #restore时，s 阅读全文
摘要：
1.name_scope和name配合使用如下面eg 2.后用SummaryWriter加载到logs文件里 1 writer = tf.train.SummaryWriter("logs/",sess.gragh) 2 #要在sess=tf.Session()后使用 3.cmd里cd到logs的根 阅读全文
摘要：
定义add_layer添加层 1 def add_layer(inputs, in_size, activation_funcation=None): 2 Weights = tf.Variable(tf.random_normal([in_size, out_size])) 3 #Weights用 阅读全文
摘要：
placeholder在执行时再传入值 数据 1 input1 = tf.placeholder(tf.float32) #input1 = tf.placeholder(tf.float32,[2,2])可定义格式 2 input2 = tf.placeholder(tf.float32) 方法 阅读全文
摘要：
变量增加例子 数据 1 state = tf.Variable(0,name='counter') #定义state的变量名字为counter，初始化为0 2 one = tf.constant(1) #one是常量1 方法 1 new_value = tf.add(state, one) #sta 阅读全文
摘要：
session.run是运行session指针处代码 矩阵相乘例子 定义： 1 matrix1 = tf.constant([[3,3]]) 2 matrix2 = tf.constant([[2], 3 [2]]) 4 5 product = tf.matmul(matrix1,matrix2) 阅读全文