首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏程序人生 阅读快乐

    帽子讲Web安全 - 翰清

    【下载地址】 《帽子讲Web安全》内容简介:在互联网时代,数据安全与个人隐私受到了前所未有的挑战,各种新奇的攻击技术层出不穷。如何才能更好地保护我们的数据? 《帽子讲Web安全》将带你走进Web安全的世界,让你了解Web安全的方方面面。黑客不再变得神秘,攻击技术原来我也可以会,小网站主自己也能找到正确的安全道路。 你能在《帽子讲Web安全》中找到答案。详细的剖析,让你不仅能“知其然”,更能“知其所以然”。

    1.3K10发布于 2018-10-10
  • day3 --- 吞吞

    read.csv ("doudou.txt")图片查看行名,列名, 行数列数colnames(X)

    20810编辑于 2024-05-10
  • 来自专栏WindCoder

    Java代理3刷代理

    > cons = cl.getConstructor(constructorParams); // 3 返回这个新的代理类的一个实例,亦既生成并返回代理类实例 return cons.newInstance MethodProxy.create(var1, var0, "(Ljava/lang/Object;)Z", "equals", "CGLIB$equals$2"); CGLIB$toString$3$ Method = var10000[1]; CGLIB$toString$3$Proxy = MethodProxy.create(var1, var0, "()Ljava/lang/String ;", "toString", "CGLIB$toString$3"); CGLIB$hashCode$4$Method = var10000[2]; CGLIB$hashCode 参考资料 说说 JAVA 代理模式 Java的三种代理模式 java经典讲解-静态代理和动态代理的区别 Java三种代理模式:静态代理、动态代理和cglib代理 Cglib动态代理实现原理

    46130发布于 2020-01-22
  • 来自专栏编程之禅

    如何3个月的JetBrains全家桶(包括Java神器IDEA)

    如何3个月的JetBrains全家桶(包括Java神器IDEA) 1.起源 3月10日下午无聊刷部落,刷到这样一条动态。 说JetBrains官网搞了谜题,解出来赠送3个月的全家桶订阅。 3.谜题一 直接按照小哥的思路看他是怎么题解的。 首先,他说他在推特上昨天3月9日看到JetBrains发布了这样一条动态。 == Jrrg#oxfn$ 4.谜题 打开谷歌无痕,输入:https://www.jetbrains.com/products.html 很快就找到了传说中的'joke'。 意思是这个https://jb.gg/###链接缺了3个数字。就问你500到5000之间有多少个质数。这还不简单,立刻百度。 答案574个。 最后一题也是根据他的提示用Java写了简单的代码得到最后的答案。感谢那位小哥,万能的谷歌与金主JetBrains。

    1.1K00发布于 2020-03-10
  • 来自专栏学习笔记持续记录中...

    Java基础:、数据类型(3

    基本类型 Java中一般通过new创建对象并将对象存储在“堆”里,并通过变量引用保存对象的地址,而对于基本类型,需要特殊对待,基本类型不用new来创建变量,而是创建一个并非是引用的“自动”变量。 这个变量直接存储的是“值”,并置于堆栈中,因此更加高效 Java回确定每种基本类型所占存储空间的大小,并且这个大小并不会随着机器硬件架构的变化而变化。 这也成为了Java比其他大多数语言编写的程序更具移植性的原因之一 ? 1个字节占8bits,所以 ? 表示形式 整数类型四种表示形式:十进制 、八进制 以0开头、进制 0b或0B开头、十六进制 0x或0X开头 浮点类型两种表示形式:十进制数形式、科学记数法形式 其他 浮点数并非准确的,千万不能用于比较 如果需要进行不产生舍入误差的精确数字计算,需要使用BigDecimal folat类型的数值后面要有一个后缀F或f,没有的默认为double类型,也可以在数值后添加后缀D或者d,明确double类型 高精度数字 Java

    55300发布于 2020-03-16
  • 来自专栏乐享123

    恩达机器学习笔记-3

    3 我们虽然可以使用一些项式项来组合这些特征,但是我们仍然受到这些原始特征的限制。 在神经网络中,原始特征只是输入层,在我们上面三层的神经网络例子中,第三层也就是输出层做出的预测利用的是第层的特征,而非输入层中的原始特征,我们可以认为第层中的特征是神经网络通过学习后自己得出的一系列用于预测输出变量的新特征 如果分类问题有四个结果, 我们不会将y的取值为:0,1,2,3 而是会将y表示为一个1*4的向量 1 2 3 4 5 6 7 8 9 import numpy as np import tqdm def 计算代价函数的偏导数,我们需要采用一种反向传播算法,也就是首先计算最后一层的误差,然后再一层一层反向求出各层的误差,直到倒数第层。 如果我们令所有的初始参数都为 0,这将意味着我们第层的所有激活单元都会有相同的值。同理,如果我们初始所有的参数都为一个非 0 的数,结果也是一样的。

    72410发布于 2019-12-30
  • 来自专栏编程之禅

    如何3个月的JetBrains全家桶(包括Java神器IDEA)

    如何3个月的JetBrains全家桶(包括Java神器IDEA) 1.起源 3月10日下午无聊刷部落,刷到这样一条动态。 ? 说JetBrains官网搞了谜题,解出来赠送3个月的全家桶订阅。 3.谜题一 直接按照小哥的思路看他是怎么题解的。 首先,他说他在推特上昨天3月9日看到JetBrains发布了这样一条动态。 ? == Jrrg#oxfn$ 4.谜题 打开谷歌无痕,输入:https://www.jetbrains.com/products.html ? 很快就找到了传说中的’joke’。 意思是这个https://jb.gg/###链接缺了3个数字。就问你500到5000之间有多少个质数。这还不简单,立刻百度。 答案574个。 最后一题也是根据他的提示用Java写了简单的代码得到最后的答案。感谢那位小哥,万能的谷歌与金主JetBrains。

    1.1K20发布于 2020-08-12
  • 来自专栏用户1358355的专栏

    嫖のCloudBase云函数第

    嫖のCloudbase云函数第章 续接上章,本章搭建登陆,以及修改路由的一些问题,源码放在最下面了 修改文件 //app.js文件中有两个引入的路由文件 const index = require( login-form button { margin: 6px 0; height: 36px; background-color: rgba(255, 255, 255, .3) ; border: none; border-radius: 4px; padding: 0 14px; color: #3d5245; } .login-form input ::placeholder { color: #3d5245; } .login-form button { position: relative; /* margin-top -100px); } .login-form button::after { width: 40px; background-color: rgba(179, 255, 210, .3)

    70920发布于 2021-08-16
  • Java Collection(3)——BinaryTree(叉树)

    前言 1.掌握树的基本概念 2.掌握叉树概念及特性 3.掌握叉树的基本操作 后面的优先级队列(大根堆,小根堆)也是基于叉树实现的,所以理解好叉树至关重要 1.树形结构 1.1描述 树是一种非线性的数据结构 BTNode btNode1 = new BTNode(1); BTNode btNode2 = new BTNode(2); BTNode btNode3 btNode3.left = btNode6; btNode3.right = btNode7; btNode4.left = btNode8; ,三种遍历方式的访问顺序如下 前序遍历:1->2->3->4->5->6 中序遍历:3->2->1->5->4->6 后序遍历:3->2->5->6->4->1 //前序遍历 public = null) return 1; return getLeafNodeCount(root.left) + getLeafNodeCount(root.right); } 3.

    17410编辑于 2026-01-13
  • 来自专栏cwl_Java

    3分钟快速阅读-《Effective Java》()

    在JDK当中有些集合也提供了Deep Copy的操作,可以根据需要来进行操作,一般情况下建议大家使用谷歌提供的common.lang3下的BeanUtils当中通过反射来对对象进行拷贝操作,这样是相对比较安全的 12.考虑实现Comparable接口 在日常开发当中遇到对象集合需要根据特定顺序来进行排序时,就可以考虑实现Comparable接口,这个接口是JDK比较早出的在java.lang包下的一个接口 ,当中只有一个比较方法,为了让所有实现这个接口的类都能具有比较的功能,然而效果并不好, 所以后来在JDK1.8中java.util包下面加强了Comparator的接口,这个接口的可以实现的功能更多 super.addAll(c); } public int getCount() { return count; } } 测试用例 //我们期望的结果应该count=3, ChildHashSet<String> strings = new ChildHashSet(); strings.addAll(Arrays.asList("1", "2", "3"

    58210发布于 2019-10-26
  • 来自专栏leland的专栏

    师傅的Python面包店】Day 3

    前言:十一国庆只能待在家的师傅十分无聊,决定开一家Python面包店打发下时间。后面的每一天,师傅都会用一段代码简单实现卖面包的功能,并且解决前一天暴露的问题。 p.start() c.start() p.join() c.join() if __name__ == "__main__": run() 面包师傅抱怨自己一个人干太累了,师傅决定再请两个师傅来帮忙

    46430发布于 2021-10-05
  • 来自专栏群晖NAS的技术分享

    合一系统黑群晖洗教程

    3、开始洗操作。 如果是已经制作好的引导U盘/合一硬盘直接打开U盘的目录找到对应的文件目录即可 【找到您固态硬盘的磁盘,然后如图所示找到grub.cfg文件,通常都是4KB-10KB大小】 右键直接如下图选,复制到桌面 大致在22行左右找到有pid vid字样 换成你的SN码,注意后边前边不要有空格 换成你的MAC地址 注意00开头后边前边不要有空格 无论您是多少个网口,仅需要修改mac1,如有mac2、mac3等等 你的镜像/引导盘就洗好了。

    10.4K20编辑于 2022-11-01
  • 来自专栏机器学习/数据可视化

    恩达笔记3_回归问题和正则化

    恩达机器学习-3-逻辑回归与正则化问题 第三周主要讲解的内容包含: 逻辑回归 代价函数 线性回归和逻辑回归的比较 正则化问题 逻辑回归 分类问题 假设预测的变量y是离散的值,需要使用逻辑回归Logistic Regression,LR的算法,实际上它是一种分类算法 元分类问题 将因变量dependent variable可能属于的两个类分别称为负向类negative class和正向类positive ],当-3+x_1+x_2 \geq0,即x_1+x_2\geq3时,模型预测y=1;说明此时:直线x_1+x_2=3就是决策边界 ? Python代码实现代价函数 利用Python实现下面的代价函数 first 表示的是右边第一项 second 表示的是右边第项 Cost(h_\theta(x), y)=-y\log(h_\theta 加入正则化参数 在模型h_\theta(x)=\theta_0+\theta_1x_1+\theta_2x_2+\theta_3x_3+\theta_4x_4中,主要是高次项产生的过拟合问题: ?

    90310发布于 2021-03-02
  • 来自专栏编程之禅

    嫖JetBrains全家桶第波与第三波

    嫖JetBrains全家桶第波与第三波 1.回顾第一波 第一波的JetBrains猜谜活动见我另外文章,提醒一下,第一波,第波,第三波兑奖时间要在中欧时间3月15日之前。 2.第一关 JetBrains3月11日在推特上发布了第题 ? Time for the next #JetBrainsQuest! 3.第关 我们找到了一处空白的字。粘贴下来。 记得要在中欧3月15日之前哦。 第关奖品是全家桶免费3个月。第三关是8折优惠券。 我有试过将第关的兑奖密钥激活,结果是账号上有两个3个月的订阅,而不是叠加。 所以建议是在第关密钥在3个月有效期的最后几天再添加。

    1.2K20发布于 2020-08-12
  • 来自专栏xingoo, 一个梦想做发明家的程序员

    恩达机器学习笔记 —— 3 线性回归回顾

    矩阵的索引 向量的表示 矩阵的加法 矩阵与实数的乘法 矩阵的表达式 矩阵与向量的乘法 矩阵与矩阵的乘法 矩阵特性——不满足交换律 矩阵特性——满足结合律 单位矩阵 矩阵的逆 矩阵的转置

    33100发布于 2018-07-31
  • 来自专栏JavaEdge

    恩达机器学习 Coursera 笔记() - 单变量线性回归

    The following image summarizes what the cost function does: [1240] [1240] [1240] 3 代价函数(一) [1240] [1240 In this case, θ1=1 is our global minimum. [1240] [1240] [1240] [1240] 4 代价函数() [1240] [1240] 等高线图是包含许多等高线的图形 1240] 需要注意的是,虽然梯度下降一般对局部最小值敏感,但我们在线性回归中提出的优化问题只有一个全局,而没有其他局部最优; 因此,梯度下降总是收敛(假设学习率α不是太大)于全局最小值 实际上,J是凸次函数 下面是梯度下降的示例,因为它是为了最小化一个次函数而运行的 [1240] 上面显示的椭圆是次函数的轮廓 还示出了梯度下降所采用的轨迹,其在(48,30)处初始化 图中的x(由直线连接)标记了渐变下降经历的

    89930发布于 2018-12-19
  • 来自专栏AgenticAI

    Gemini-CLI嫖Google gemini3-pro经验分享

    如果你不是Google的Ultra用户或者是付费Gemini和Vertex API用户,大概率是没法在gemini cli中使用gemini3-pro的。 配置完成后,回到命令行打开gemini,然后/settings 设置preview为true,然后回到/model 配置模型为pro,即可畅快玩耍gemini3pro了。

    2.1K20编辑于 2025-12-24
  • 来自专栏JavaEdge

    恩达机器学习 Coursera 笔记() - 单变量线性回归

    The following image summarizes what the cost function does: 3 代价函数(一) If we try to think of In this case, θ1=1 is our global minimum. 4 代价函数() 等高线图是包含许多等高线的图形,双变量函数的等高线在同一条线的所有点处具有恒定值 需要注意的是,虽然梯度下降一般对局部最小值敏感,但我们在线性回归中提出的优化问题只有一个全局,而没有其他局部最优; 因此,梯度下降总是收敛(假设学习率α不是太大)于全局最小值 实际上,J是凸次函数 下面是梯度下降的示例,因为它是为了最小化一个次函数而运行的 上面显示的椭圆是次函数的轮廓 还示出了梯度下降所采用的轨迹,其在(48,30)处初始化 图中的x(由直线连接)标记了渐变下降经历的

    76030编辑于 2022-11-30
  • 来自专栏信数据得永生

    米斯特帽培训讲义 工具篇 Safe3 WVS

    米斯特帽培训讲义 工具篇 Safe3 WVS 讲师:gh0stkey 整理:飞龙 协议:CC BY-NC-SA 4.0 介绍 Safe3 WVS 是一款使用较为领先的智能化爬虫技术及 然后在吾爱云盘下载 Safe3。 下载之后无需安装,直接打开使用即可。 注入漏洞的扫描 ? 打开程序主界面后,我们在上方的输入框中输入 URL。在漏洞设置分组框中选择“sql注入”和“xss”。 在 Safe3 的目录下,我们会看到一个spider.log,这个文件以纯文本的形式保存了漏洞信息。我们打开它: ?

    1.2K30发布于 2019-02-15
  • 来自专栏python3

    java 3

    进制 整数---4种 进制--以 0b 0B开头 八进制--以0 开头 十进制 十六进制---0x 0X  注意f 15 的使用,取出后4位进制 进制间的转化 1.十进制--r进制,除R取余,倒着读 2.r进制--十进制,乘以权数 3. 4.八进制---十六进制  ,变中间进制 ? 原码,反码,补码 1.所有数字在计算机中都以进制的补码存在 2.正数--都一样 5.负数--从右边第一个1开始到左边全部取反   或 反码+1 6.相互转换------ 负数(整数)-求补码-----

    48220发布于 2020-01-17
领券