草庐IT

由浅入深,聊聊 LeakCanary 的那些事

全部标签

力扣链表OJ面试题,那些你不懂的全新版本解法

孤独的时候看世界更清晰 前言数据结构的逻辑性是非常强的,所以单单看代码很难搞懂,这里博主对每一道题目都进行了非常细致的图文详解,每一道题目都是非常经典的面试OJ题,每一道题我都附上了对应的力扣链接,本文主要是较为简单的题目,比较难的题目将会在下一篇博客中为大家讲解,希望对大家有所帮助,谢谢!!目录1.移除链表元素 1)总代码2.反转链表 2)总代码3. 链表的中间结点3)总代码 4.链表中倒数第k个结点4)总代码    5. 合并两个有序链表  5)总代码1.移除链表元素题目:删除链表中等于给定值val的所有节点 假设我们要删除val=45的节点,那么我们首先要定义一个prev和cur,让pr

java - 使用 Otto 的内存泄漏 Leakcanary 报告

跟进mylastquestion,这是我无法摆脱的第二次内存泄漏..我读到我需要根据Activity和Fragment生命周期注册和取消注册我的静态Otto总线,所以我添加了对onStop和onStart的注册和取消注册调用...有一个按钮可以触发一个事件,然后接收到通过Viewpager中的一些fragment给我以下内存泄漏:D/LeakCanary﹕Incom.doesnthaveadomain.leo.calendartracker:1.0:1.D/LeakCanary﹕*com.doesnthaveadomain.leo.calendartracker.MyFragmenth

从浅入深掌握进阶结构体(C语言)

前言这一期我们将继续讲解结构体的知识,还没有看过上一期的小伙伴一定要赶紧去学习哦。上一期,冲鸭!那么话不多说我们开始今天的学习吧!文章目录1,结构体的自引用2,匿名结构体3,位段4,结构体的传参5,尾声1,结构体的自引用什么是结构体的自引用呢?简单来说就是自己装自己(有点类似递归)。那么是这样自引用的么?structstudent{charname[20];intage;floatscore;structstudentnext_student;//这是我们自己定义的一个类型的解耦提变量如果可以这样写,我们就可以在一个学生的结构体里包含下一个学生的结构体,如果有一百个学生,我们就可以通过第一个学

系统设计 - 我们如何通俗的理解那些技术的运行原理 - 第八部分:Linux、安全

本心、输入输出、结果文章目录系统设计-我们如何通俗的理解那些技术的运行原理-第八部分:Linux、安全前言Linux文件系统解释应该知道的18个最常用的Linux命令HTTPS如何工作?数据是如何加密和解密的?为什么HTTPS在数据传输过程中会切换到对称加密?主要有两个原因:用简单的术语解释Oauth2.0OAuth代币可以做什么?身份验证机制的4种使用最多的形式会话、cookie、JWT、令牌、SSO和OAuth2.0-它们是什么?如何将密码安全地存储在数据库中以及如何验证密码?不安全的操作什么是盐(Salt)?如何存储密码和盐?如何验证密码?让10岁的孩子也可以看明白JSONWeb令牌(J

【数据结构】盘点那些经典的 [哈希面试题]【哈希切割】【位图应用】【布隆过滤器】(10)

前言大家好吖,欢迎来到YY滴数据结构系列,热烈欢迎!本章主要内容面向接触过C++的老铁主要内容含:欢迎订阅YY滴数据结构专栏!更多干货持续更新!以下是传送门!目录一.哈希切割【1】给一个超过100G大小的logfile,log中存着IP地址,设计算法找到出现次数最多的IP地址?二.位图应用【1】给定100亿个整数,设计算法找到只出现一次的整数?【2】位图应用变形:1个文件有100亿个int,1G内存,设计算法找到出现次数不超过2次的所有整数【3】给两个文件,分别有100亿个整数,我们只有1G内存,如何找到两个文件交集?三.布隆过滤器【1】给两个文件,分别有100亿个query,我们只有1G内存

聊聊kube-scheduler如何完成调度和调整调度权重

本文分享自华为云社区《kube-scheduler如何完成调度和调整调度权重》,作者:可以交个朋友。一、概述Kube-scheduler作为k8s集群的默认调度器,它监听(watch机制)kube-apiserver,查询还未调度的pod,根据调度策略将pod调度至集群内最适合的Node二、调度流程首先我们通过API或者kubectl工具创建pod,kube-apiserver收到请求信息存储到etcd中,调度器通过watch机制监听apiserver查看到还未被调度的pod列表,循环遍历的为每个pod尝试分配node,这个分配过程如下:kube-scheduler内Informer组件lis

聊聊神经网络的优化算法

优化算法主要用于调整神经网络中的超参数,使得训练数据集上的损失函数尽可能小。其核心逻辑是通过计算损失函数对参数的梯度(导数)来确定参数更新方向。SGDStochasticGradientDescent(随机梯度下降法):随机梯度下降算法是一种改进的梯度下降方法,它在每次更新参数时,只随机选择一个样本来计算梯度。这样可以大大减少计算量,提高训练速度。随机梯度下降算法在训练大规模数据集时非常有效。其Python实现是classSGD:"""随机梯度下降法(StochasticGradientDescent)"""def__init__(self,lr=0.01):self.lr=lr#更新超参数d

消息队列,聊聊发送消息的四种姿势

微服务开发中经常会使用消息队列进行跨服务通信。在一个典型场景中,服务A执行一个业务逻辑,需要保存数据库,然后通知服务B执行相应的业务逻辑。在这种场景下,我们需要考虑如何发送消息。图片1.基础版首先,我们可能会考虑将数据库操作和消息发送放在同一个事务中,以下是伪代码示例:@TransactionalpublicvoidsaveWithMessage(BusinessDObusinessDO){Stringid=IdUtils.nextId();businessDO.setId(id);xxxRepository.save(businessDO);BusinessMessagebusinessMe

我们聊聊如何增强ChatGPT处理模糊问题能力

提示工程技术可帮助大语言模型在检索增强生成系统中处理代词等复杂核心参照物。译自ImprovingChatGPT’sAbilitytoUnderstandAmbiguousPrompts,作者CheneyZhang是Zilliz的一位杰出的算法工程师。他对前沿AI技术如LLM和检索增强生成(RAG)具有深厚的热情和专业知识,积极为许多创新AI项目做出贡献,包括Towhee、Akcio等。在不断扩大的AI领域中,像ChatGPT这样的大语言模型(LLM)正在以前所未有的速度推动创新研究和应用。一个重要的发展是检索增强生成(RAG)的出现。这种技术将LLM的力量与作为长期记忆的向量数据库相结合,以增

【分享】那些免魔法的chatGPT,GPT最佳实践

         ChatGPT问世,犹如平地惊雷般,在技术圈中引起了广泛讨论。作为全球最大的开发者社区,GitHub平台也在近期诞生了多个ChatGPT相关的开源项目,其数量之多,可谓是见所未见,闻所未闻。说是ChatGPT以其一己之力,霸榜了大半个GitHubTrending也毫不为过。它究竟有何魅力,竟让诸多开发者如此激动不已呢?别急,且听我娓娓道来。        ChatGPT是由OpenAI于近期推出的一款智能聊天机器人应用,通过人机交互、线上一对一交流的方式,完成需要大量人工才能处理的工作。本篇博文是最近研究gpt过程中,总结的几个最佳项目,同时有在线的免魔法的ChatGPT可以