云平台和云原生

公有云的最大意义是能够以低廉的价格，提供有吸引力的服务给最终用户，创造新的业务价值，公有云作为一个支撑平台，还能够整合上游的服务（如增值业务，广告）提供者和下游最终用户，打造新的价值链和生态系统。微服务可以解决这个问题，微服务的本质是把一块大饼分成若干块低耦合的小饼，比如一块小饼专门负责接收外部的数据，一块小饼专门负责响应前台的操作，小饼可以进一步拆分，比如负责接收外部数据的小饼可以继续分成多块负责接收不同类型数据的小饼，这样每个小饼出问题了，其它小饼还能正常对外提供服务。多云需要统一的治理能力。

Bilstm双向长短期神经网络多输入单输出回归分析

bilstm,gru ,回归分析

q @ k运算及att = (q @ k.transpose(-2, -1))含义

transpose(-2, -1) 表示将 k 的最后两维进行转置(交换位置)其中涉及到a @ b操作和transpose操作。从以上结果可以发现，默认以最后两维进行矩阵乘法运算。

【Apache】Apache 如何使用其他端口

Apache 理论上是可以使用其他端口的，不一定非要使用80端口。你可以在 Apache 的配置文件中修改监听端口，使其监听其他端口，比如8080端口。这样做可以避免端口冲突的问题。这样就可以让 Apache 监听在新的端口上了。请记得如果使用非标准端口，访问网站时需要在 URL 中指定端口号，比如 http://your_domain:8080。

RNN知识体系构筑：详尽阐述其理论基础、技术架构及其在处理序列数据挑战中的创新应用

RNN的核心架构围绕着循环单元及其隐藏状态更新过程展开，通过在时间序列数据上递归应用这一过程，模型能够捕捉到输入序列中的时间依赖性，并据此生成相应的输出。这一架构的灵活性和记忆特性使其成为处理序列数据任务的理想选择。

【深度学习】pytorch计算KL散度、kl_div

这里有一些细节需要注意，第一个参数与第二个参数都要进行softmax(dim=-1)，目的是使两个概率分布的所有值之和都为1，若不进行此操作，如果x或y概率分布所有值的和大于1，则可能会使计算的KL为负数。（至于为什么，大概是为了方便pytorch的代码组织，pytorch定义的损失函数都调用handle_torch_function函数，方便权重控制等），才能得到正确结果。其中kl_div接收三个参数，第一个为预测分布，第二个为真实分布，第三个为reduction。假设y为真实分布，x为预测分布。

【数据挖掘】练习6：上机题目

小提琴图（Violin Plot）：结合了箱线图和密度图的特点，展示了数据的分布形状和中位数。适用于比较多个组的分布，并观察它们之间的差异。箱线图（Box Plot）：用于显示连续变量的分布情况，包括中位数、四分位数和异常值。数据标签（Data Labels）：在图形中添加数据点的数值标签，使得读者可以直观地了解数据。坐标轴标签（Axis Labels）：标明 x 轴和 y 轴的含义，提供数据的单位或范围。图例（Legend）：用于解释图形中的颜色或图案代表的含义，特别适用于多组数据的比较。

Nginx转发请求错误

Nginx转发请求错误

【MySQL】C# 连接MySQL

安装完MySQL之后，在安装的默认目录 C:\Program Files (x86)\MySQL\Connector NET 8.0 中查找MySQLData.dll文件。在Visual Studio 中为项目中添加引用。

海洋信息管理系统：守护蓝色星球，促进海洋经济新发展

通过采用先进的信息技术和严格的安全措施，海洋信息管理系统将为海洋生态保护、资源开发和政策制定提供强有力的支持。：建立一个集成的海洋资源勘探信息系统，利用先进的勘探技术和地质数据分析，支持油气、矿产、渔业等资源的勘探和开发。平台将促进海洋产业的创新和升级，提高海洋产业的竞争力和可持续性。海洋信息管理系统的建设目标是实现海洋资源的数字化、智能化管理，提高海洋资源利用效率，保障海洋生态的健康和可持续利用。：开发一系列政策分析工具，帮助政府评估不同海洋政策的潜在影响，制定科学合理的海洋政策和管理措施。

【示例】MySQL-MySQL中常见的锁

锁级别锁名字解释全局锁read lock全局锁只有可读锁表级锁 - 表锁read lock表共享读锁write lock表独占写锁表级锁 - 元数据锁（meta data lock，MDL）表级锁 - 意向锁IS意向共享锁IX意向排他锁行级锁 - 行锁（Record Lock）S共享锁X排他锁行级锁 - 间隙锁（Gap Lock）Gap Lock行级锁 - 临键锁（Next-Key Lock）什么是全局锁？

深度学习相关知识点概念

深度学习相关知识点概念

一文介绍CNN/RNN/GAN/Transformer等架构 ！！

本文旨在介绍深度学习架构，包括卷积神经网络CNN循环神经网络RNN生成对抗网络GAN和架构。1、卷积神经网络（CNN）卷积神经网络CNN是一种人工神经网络，旨在处理和分析具有网格状拓扑结构的数据，如图像和视频。将CNN想象成一个多层过滤器，可以处理图像以提取有意义的特征并进行推理预测。想象一下，假设我们有一张手写数字的照片，希望计算机能识别出这个数字。CNN的工作原理是在图像上应用一系列滤波器，逐渐提取出越来越复杂的特征。

14：00面试，14：06就出来了，问的问题有点变态。。。

整份文档一共有将近 200 页，全部为大家展示出来肯定是不太现实的，为了不影响大家的阅读体验就只展示了部分内容，还望大家海涵，希望能帮助到您面试前的复习且找到一个好的工作，也节省大家在网上搜索资料的时间来学习！

【运维笔记】深入理解反向代理的原理及应用

反向代理位于客户端和服务器之间，对外表现为服务器，接收来自客户端的网络请求，然后将这些请求转发到内部服务器。与传统的正向代理（主要为客户端缓存数据、过滤请求等服务）不同，反向代理主要为服务器端提供负载均衡、缓存静态内容、加密和SSL加速、以及保护和隐藏内部网络结构等功能。反向代理虽然带来了许多好处，但也引入了一些挑战，例如缓存策略的管理、SSL/TLS开销、以及多层反向代理架构中的复杂性管理。本文将深入探讨反向代理的原理，展示其在不同场景下的应用，并通过具体案例来说明如何实现和优化反向代理的配置。

chatgpt Team 4.0共享合租账号的新方式

在逛某论坛的时候，发现了一个共享Team的网站，这个网站提供了已充值的ChatGPT Team 4.0账号进行轮换使用。这种方式不仅提高了4.0的利用效率，还为我节约了成本。而且此服务每月仅需35元，相比单独订阅与跟其他人共享一个账号更为经济。网址 www.soruxgpt.cn。数据先提交给共享网站，再由其转发给GPT官网，答案由共享网站传回；为了更好地满足工作需求，我订阅了GPT PLUS会员，但我发现，4.0每三小时问答40次经常吃灰，而且每月近200元的费用让我感到有点肉痛。

vue2 的版本 使用 Ant Design Vue 1.78版本的组件库 做自定义接口 调用后端的接口上传excel文件

提示内容可以根据自己的来。

长短期记忆网络（LSTM）详解

LSTM的设计者提出了“长短期记忆”的概念——只有一部分的信息需要长期的记忆，而有的信息可以不记下来。LSTM引入了门（gate）机制用于控制特征的流通和损失。LSTM是由一系列LSTM单元（LSTM Unit）组成，其链式结构如下图。LSTM从被设计之初就被用于解决一般递归神经网络中普遍存在的长期依赖问题，使用LSTM可以有效的传递和表达长时间序列中的信息并且不会导致长时间前的有用信息被忽略（遗忘）。与此同时，LSTM还可以解决RNN中的梯度消失/爆炸问题。是sigmoid函数，⊙是逐元素乘法。