高并发架构系列：Redis并发竞争key的解决方案详解
摘要：
https://blog.csdn.net/ChenRui_yz/article/details/85096418 https://blog.csdn.net/ChenRui_yz/article/list/2? -good blog 需求由来1.Redis高并发的问题Redis缓存的高性能有目共睹 阅读全文
Redis锁机制的几种实现方式
摘要：
1. redis加锁分类 redis能用的的加锁命令分表是INCR、SETNX、SET 2. 第一种锁命令INCR 这种加锁的思路是， key 不存在，那么 key 的值会先被初始化为 0 ，然后再执行 INCR 操作进行加一。 然后其它用户在执行 INCR 操作进行加一时，如果返回的数大于 1 ， 阅读全文
用大白话谈谈XSS与CSRF
摘要：
https://segmentfault.com/a/1190000007059639 安全 javascript xss csrf 23.5k 次阅读 · 读完需要 10 分钟 安全 javascript xss csrf 这两个关键词也是老生常谈了，但是还总是容易让人忘记与搞混~。XSS与CSR 阅读全文
Lenet5设计理解——咬文嚼字系列
摘要：
最近在看lecun大神的这篇经典文章：“Gradient-Based Learning Appliedto Document Recognition”，文章较老，但是对于lenet5的一些基础概念讲解浅显易懂，本文主要对lenet5的架构和设计讲一些我的粗浅理解，对一些问题写一些我的看法，同时我也提 阅读全文
cnn层次
摘要：
5.1.1 输入层 输入层(Input Layer)通常是输入卷积神经网络的原始数据或经过预处理的数据，可以是图像识别领域中原始三维的多彩图像，也可以是音频识别领域中经过傅利叶变换的二维波形数据，甚至是自然语言处理中一维表示的句子向量。以图像分类任务为例，输入层输入的图像一般包含RGB三个通道， 阅读全文
tf.nn.softmax_cross_entropy_with_logits的用法
摘要：
在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？ 首先明确一点，loss是代价值，也就是我们要最小化的值 tf.nn.softmax_cross_entropy_with_logits(logits, l 阅读全文
批量梯度下降(BGD)、随机梯度下降(SGD)以及小批量梯度下降(MBGD)的理解
摘要：
梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）。其中小批量梯度下降法也常 阅读全文
全连接理解2
摘要：
(名称：全连接。意思就是输出层的神经元和输入层的每个神经元都连接)在卷积神经网络的最后，往往会出现一两层全连接层，全连接一般会把卷积输出的二维特征图转化成一维的一个向量，这是怎么来的呢？目的何在呢？举个例子：最后的两列小圆球就是两个全连接层，在最后一层卷积结束后，进行了最后一次池化，输出了20个12 阅读全文
深入理解卷积层，全连接层的作用意义
摘要：
有部分内容是转载的知乎的，如有侵权，请告知，删除便是，但由于是总结的，所以不一一列出原作者是who。再次感谢，也希望给其他小白受益。首先说明：可以不用全连接层的。理解1：卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征，所以叫全连接。理解2：从卷 阅读全文