张士玉小黑屋

1.左值可寻址变量，持久性；2.右值没有变量名，不可寻址，短暂性；3.指针指向的内存地址，指针变量存储的就是指向的对象的首地址4.引用为一个变量起别名，定义引用的时候一定要初始化，初始化后不能改变；5.引用vs指针①别名的地址等于原名的地址；指针变量的地址不等于原名的地址；(39条消息)指针的指针的地址，指针自身的地址，指针指向的地址理解_良风抚旧的博客-CSDN博客②sizeof引用---->引用所指变量大小；sizeof指针------>本指针的大小；③指针可多级，引用只能一级；④指针初始化后可以改变，引用不可以改变；inta=996;int*p=&a;//初始化,p是a的地址int&r=a;/

概念MySQL主从复制是一个异步的复制过程，底层是基于Mysql数据库自带的二进制日志功能。就是一台或多台MySQL数据库（slave，即从库）从另一台MySQL数据库（master，即主库）进行日志的复制，然后再解析日志并应用到自身，最终实现从库的数据和主库的数据保持一致。MySQL主从复制是MySQL数据库自带功能，无需借助第三方工具。二进制日志：二进制日志（BINLOG）记录了所有的DDL（数据定义语言）语句和DML（数据操纵语言）语句，但是不包括数据查询语句。此日志对于灾难时的数据恢复起着极其重要的作用，MySQL的主从复制，就是通过该binlog实现的。默认MySQL是未开启该日志的MySQL的主从复制原理如下：空间换时间，时间换空间MySQL复制过

darknet框架训练yolov7Yolov7在darknet框架下的训练过程配置darknet环境官方数据集下载模型和配置文件训练之前必须看参数修改模型训练模型评估Yolov7在darknet框架下的训练过程配置darknet环境Darknet环境可以看我之前写的博文，这里就不赘述了。上链接：https://blog.csdn.net/qq_49838648/article/details/124820044例：官方数据集下载下载使用官方coco数据进行配置（我使用的是coco2017)模型和配置文件此处需要把yolov7官方模型中的cfg文件和预训练模型下载上链接：https://download.csdn.

目录0专栏介绍1什么是D*Lite算法？2自适应修正项3D*Lite算法流程4算法仿真与实现4.1ROSC++实现4.2Python实现0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备！详细介绍全局规划(图搜索、采样法、智能算法等)；局部规划(DWA、APF等)；曲线优化(贝塞尔曲线、B样条曲线等)。?详情：图解自动驾驶中的运动规划(MotionPlanning)，附几十种规划算法1什么是D*Lite算法？上节我们介绍了LPA*算法：路径规划|图解LPA*算法(附ROSC++/Python/Matlab仿真)。然而LPA*算法也有缺陷：

前言从前端学习到找一份合适的工作，大大小小的面试必不可少，所以我对初级前端面试题进行了初步整理，也方便自己查阅，也希望对小伙伴们有所帮助！  给大家推荐一个实用面试题库1、前端面试题库（面试必备）      推荐：★★★★★地址：前端面试题库HTMLHTML语义化HTML语义化就是让页面内容结构化，它有如下优点1、易于用户阅读，样式丢失的时候能让页面呈现清晰的结构。2、有利于SEO，搜索引擎根据标签来确定上下文和各个关键字的权重。3、方便其他设备解析，如盲人阅读器根据语义渲染网页4、有利于开发和维护，语义化更具可读性，代码更好维护，与CSS3关系更和谐复制代码如：<header>代表头部<nav>代表超链接区域<main

交通预测一直是一个重要的问题，它涉及到交通运输系统的可靠性和效率。随着人工智能的发展，越来越多的研究者开始使用深度学习模型来解决这个问题。其中，基于Transformer的交通预测模型在近年来备受关注，因为它们具有优秀的建模能力和较好的预测准确性。本文将介绍几个基于Transformer的交通预测模型，欢迎讨论。如有错误，也请指正。目录1.STTN（2020）2.TrafficTransformer（T-ITS2021）3.ASTGNN（TKDE2021）4.MGT（Neurocomputing2022）5.ASTTN（2022）6.PDFormer（AAAI2023）参考1.STTN（2020）论文：[2001.02908]Spatial-

Python建立线性回归模型进行房价预测前期准备多因子房价预测实战流程1.数据加载2.数据可视化3.数据预处理4.模型建立与训练5.模型预测6.模型评估7.房价预测数据与代码前期准备本文使用Jupyter-notebook作为集成开发环境，使用Scikit-learn库搭建线性回归模型进行房价预测，Scikit–learn具有三大优点：丰富的算法模块易于安装和使用样例丰富教程文档详细官网：https://scikit-learn.org/stable/index.html多因子房价预测基于task2_data.csv数据，建立多因子线性回归模型以面积、人均收入、平均房龄为输入变量，建立多因子模型，评估模型表现预测面积=150,人均收入=60000,平均房龄=5的

Optional的作用是什么？他都有哪些方法？阿里规范点名说尽量用Optional来避免空指针，那么什么场景用Optional？本篇文章围绕这三点来进行讲解。目录一、Optional类的来源二、Optional类是什么？三、Optional类用法四、代码示例1、创建Optional类2、判断Optional容器中是否包含对象3、获取Optional容器的对象4、过滤5、映射五、什么场景用Optional？1、场景一2、场景二3、场景三4、场景四一、Optional类的来源到目前为止，臭名昭著的空指针异常是导致Java应用程序失败的最常见原因。以前，为了解决空指针异常，Google公司著名的Guava项目引入了Optional类，Guava通过使用检查空值的方式来防止代码

深度学习（猫狗二分类）题目要求数据获取与预处理网络模型模型原理Resnet背景Resnet原理代码实现模型构建训练过程批验证过程单一验证APP运行结果训练结果批验证结果APP运行结果Tensorboard可视化模型对比可视化结果分析附录resnet网络架构resnet34网络架构题目要求题目：猫狗二分类。要求：利用Pytorch深度学习框架实现对猫狗图片进行分类。说明：1.学会读取训练集中的图片2.自行搭建模型，利用训练集进行训练并在验证集上进行测试3.尝试不同模型，比较实验结果数据获取与预处理训练集中有12500张猫的图片和12500张狗的图片，共计25000张；测试集由人工分拣，在所给测试集中人工选择1000张猫的图片和1000张狗的图片

前言：最近由于ChatGPT的大热，AI应用领域再次进入大众的视线，今天介绍一款AI应用whisper可以较为准确的将人声转换为文字（支持多国语言）一、安装安装有两种方式pip和源码编译安装，这里介绍pip安装方式安装python3.9.9和pyTouch1.10.1（安装步骤省略，官网下载安装即可）由于pip的版本使用了指定的pyTouch所以安装最新的python版本会出现问题。python3.9.9安装ffmpeg，下方为各类OS的安装方式#onUbuntuorDebiansudoaptupdate&&sudoaptinstallffmpeg#onArchLinuxsudopacman-Sff