1.冒泡排序冒泡排序的基本原理对存放原始数组的数据，按照从前往后的方向进行多次扫描，每次扫描都称为一趟。当发现相邻两个数据的大小次序不符合时，即将这两个数据进行互换，如果从小大小排序，这时较小的数据就会逐个往前移动，好像气泡网上漂浮一样。冒泡排序的特点：升序排序当中每一轮比较会把最大的数沉到最底(这里以从小到大为例)，所有相互比较的次数每一轮会比前一轮少一次。冒泡排序的时间复杂度：O（n^2）O(N)和真实的计算时间成正比从前到后执行一轮要n次，O(N)N指的是数据的规模.2.插入排序基本原理插入排序（英语：InsertionSort）是一种简单直观的排序算法。它的工作原理是通过构建有序序列，
我希望看到个别字段的评论。通常我希望从“描述”参数中得到一些东西。mysql>describemetrics;+-------+---------------------+------+-----+---------+----------------+|Field|Type|Null|Key|Default|Extra|+-------+---------------------+------+-----+---------+----------------+|id|int(10)unsigned|NO|PRI|NULL|auto_increment||ty|int(10)unsign
这不，国庆假期结束了，又得开始上班下班之旅了~有没有被疫情堵着出不来的呢？ 话说回来，放这么久的假，大家还记得Python吗？这不是怕大家又不能出去旅游，回家了或者在宿舍没事干太无聊，所以特地给大家献上如何用Python来开发一款看视频不需要VIP的软件~如果想发给朋友用的话，咱们在打包成exe可执行软件，这样小伙伴也能一起用了~效果展示我们先看看效果这是本次要写的界面优、腾、爱三个主流的都可以，其它的我没试，直接把视频地址复制粘贴到播放地址里，点击在线解析就可以观看了~有小伙伴要问了，不会是马老师远古画质吧？当然不会，必须是超清的！播放效果，我就不演示了~大家自己去试吧代码展示模块impo
这不，国庆假期结束了，又得开始上班下班之旅了~有没有被疫情堵着出不来的呢？ 话说回来，放这么久的假，大家还记得Python吗？这不是怕大家又不能出去旅游，回家了或者在宿舍没事干太无聊，所以特地给大家献上如何用Python来开发一款看视频不需要VIP的软件~如果想发给朋友用的话，咱们在打包成exe可执行软件，这样小伙伴也能一起用了~效果展示我们先看看效果这是本次要写的界面优、腾、爱三个主流的都可以，其它的我没试，直接把视频地址复制粘贴到播放地址里，点击在线解析就可以观看了~有小伙伴要问了，不会是马老师远古画质吧？当然不会，必须是超清的！播放效果，我就不演示了~大家自己去试吧代码展示模块impo
来源:blog.csdn.net/fumitzuki/article/details/81630048volatile关键字是由JVM提供的最轻量级同步机制。与被滥用的synchronized不同，我们并不习惯使用它。想要正确且完全的理解它并不容易。Part1Java内存模型Java内存模型由Java虚拟机规范定义，用来屏蔽各个平台的硬件差异。简单来说:所有变量储存在主内存。每条线程拥有自己的工作内存，其中保存了主内存中线程使用到的变量的副本。线程不能直接读写主内存中的变量，所有操作均在工作内存中完成。线程，主内存，工作内存的交互关系如图。内存间的交互操作有很多，和volatile有关的操作为
来源:blog.csdn.net/fumitzuki/article/details/81630048volatile关键字是由JVM提供的最轻量级同步机制。与被滥用的synchronized不同，我们并不习惯使用它。想要正确且完全的理解它并不容易。Part1Java内存模型Java内存模型由Java虚拟机规范定义，用来屏蔽各个平台的硬件差异。简单来说:所有变量储存在主内存。每条线程拥有自己的工作内存，其中保存了主内存中线程使用到的变量的副本。线程不能直接读写主内存中的变量，所有操作均在工作内存中完成。线程，主内存，工作内存的交互关系如图。内存间的交互操作有很多，和volatile有关的操作为
目录maml概念数据读取get_file_listget_one_task_data模型训练模型定义源码（觉得有用请点star，这对我很重要~）maml概念首先，我们需要说明的是maml不同于常见的训练方式。以猫狗分类和resnet作为例子，我们将猫狗分类定义为一个task，正常训练一个猫狗分类器，只需要输入猫和狗的图片去训练就好了。所以我们的一个batch中就会有多张猫或者狗的图片，这样训练出来的模型虽说可以预测这张图片是猫还是狗，但要想这个分类器有泛化性，就需要大量猫或狗的图像，而标注大量的数据是要成本的。现在我们假设一个场景，我们没有这么多猫狗分类的数据，但我们有其他task的数据。我们
目录maml概念数据读取get_file_listget_one_task_data模型训练模型定义源码（觉得有用请点star，这对我很重要~）maml概念首先，我们需要说明的是maml不同于常见的训练方式。以猫狗分类和resnet作为例子，我们将猫狗分类定义为一个task，正常训练一个猫狗分类器，只需要输入猫和狗的图片去训练就好了。所以我们的一个batch中就会有多张猫或者狗的图片，这样训练出来的模型虽说可以预测这张图片是猫还是狗，但要想这个分类器有泛化性，就需要大量猫或狗的图像，而标注大量的数据是要成本的。现在我们假设一个场景，我们没有这么多猫狗分类的数据，但我们有其他task的数据。我们
一定能看懂系列！从零到发论文！FromZerotoHero！开始写这个系列是因为国内相关学习资料十分杂乱，参差不齐。在学习的过程中带来了十分大的困扰和麻烦。大量的文章包含了错误信息。这一系列文章将尝试从环境的搭建到主流深度学习模型和框架的使用。该系列文章将尝试直接告诉你正确的做法，不做无意义的踩雷，用最稳定的方法避开可能的踩雷，直接去做正确的事情就不需要踩雷！本篇：Windows下深度学习环境的搭建。（Tensorflow）根据个人长期经验与实际来看，对于小白而言，在windows下建立深度学习环境并且进行学习在初始阶段可以避免大量的外围工作，不需要去学习linux相关的部分，可以专注机器学习
一定能看懂系列！从零到发论文！FromZerotoHero！开始写这个系列是因为国内相关学习资料十分杂乱，参差不齐。在学习的过程中带来了十分大的困扰和麻烦。大量的文章包含了错误信息。这一系列文章将尝试从环境的搭建到主流深度学习模型和框架的使用。该系列文章将尝试直接告诉你正确的做法，不做无意义的踩雷，用最稳定的方法避开可能的踩雷，直接去做正确的事情就不需要踩雷！本篇：Windows下深度学习环境的搭建。（Tensorflow）根据个人长期经验与实际来看，对于小白而言，在windows下建立深度学习环境并且进行学习在初始阶段可以避免大量的外围工作，不需要去学习linux相关的部分，可以专注机器学习
