intercept

check to see if spring security is applied that the appropriate resources are permitted: @Configuration public class WebSecurityConfiguration extends WebSecurityConfigurerAdapter { @Override public void configure(WebSecurity web) throws Exception { http .csrf().disable() .exceptionHandling() .authenticationEntryPoint(unauthorizedHandler) .accessDeniedHandler(accessDeniedHandler) .and() .sessionManagement().sessionCreationPolicy(SessionCreationPolicy.STATELESS) .and() .authorizeRequests() // .antMatchers("/actuator/**").permitAll() .antMatchers("/actuator/**").hasAuthority("ADMIN" )

注 ：正则化是用来防止过拟合的方法。在最开始学习机器学习的课程时，只是觉得这个方法就像某种魔法一样非常神奇的改变了模型的参数。但是一直也无法对其基本原理有一个透彻、直观的理解。直到最近再次接触到这个概念，经过一番苦思冥想后终于有了我自己的理解。 0. 正则化（Regularization ） 前面使用多项式回归，如果多项式最高次项比较大，模型就容易出现过拟合。正则化是一种常见的防止过拟合的方法，一般原理是在代价函数后面加上一个对参数的约束项，这个约束项被叫做 正则化项 （regularizer）。在线性回归模型中，通常有两种不同的正则化项： 加上所有参数（不包括$\theta_0$）的绝对值之和，即$l1$范数，此时叫做Lasso回归； 加上所有参数（不包括$\theta_0$）的平方和，即$l2$范数的平方，此时叫做岭回归. 看过不少关于正则化原理的解释，但是都没有获得一个比较直观的理解。下面用代价函数的图像以及正则化项的图像来帮助解释正则化之所以起作用的原因。 0.1 代价函数的图像 为了可视化，选择直线方程进行优化。假设一个直线方程以及代价函数如下： $\hat{h}_{\theta} = \theta_0 + \theta_1 x$，该方程只有一个特征$x$，两个参数$\theta_0$和$\theta_1$ $J(\theta) = \frac{1}{m} \sum_{i

import matplotlib.pyplot as plt import matplotlib.image as mpimg import numpy as np import cv2 import math import os def grayscale(img): # It converts the original picture to the gray scale picture. """ Applies the Grayscale transform This will return an image with only one color channel but NOTE: to see the returned image as grayscale (assuming your grayscaled image is called 'gray') you should call plt.imshow(gray, cmap='gray') """ return cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) # Or use BGR2GRAY if you read an image with cv2.imread() # return cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) def canny(img

正向代理和反向代理的概念 代理服务（Proxy），通常也称为正向代理服务。 如果把局域网外Internet想象成一个巨大的资源库，那么资源就分布到了Internet的各个点上，局域网内的客户端要访问这个库里的资源就必须统一通过代理服务器才能对各个站点进行访问。 局域网内的机器借助代理服务访问局域网外的网站， 这主要是为了增加局域网内部网络的安全性，使得网外的威胁因素不容易影响到网内，这里代理服务器起到了一部分防火墙的功能。同时，利用代理服务器也可以对局域网外的访问进行必要的监控和管理。正向代理服务器不支持外部对内部网络的访问请求。 与正向代理服务相反，如果局域网向Internet提供资源，让Internet上的其他用户可以访问局域网内的资源，也可以设置一个代理服务器，它提供的服务就叫做反向代理（Reverse Proxy）服务。可以看到，反向代理服务与代理服务在功能逻辑上刚好是相反的。 正向代理服务器与反向代理服务器的概念很简单，归纳起来就是，正向代理服务器用来让局域网客户机接入外网以访问外网资源，反向代理服务器用来让外网的客户端接入局域网中的站点以访问站点中的资源。理解这两个概念的关键是要明白我们当前的角色和目的是什么，在正向代理服务器中，我们的角色是客户端，目的是要访问外网的资源；在反向代理服务器中，我们的角色是站点，目的是把站点的资源发布出去让其他客户端能够访问。

序言 Nginx的代理功能与负载均衡功能是最常被用到的，关于nginx的基本语法常识与配置已在 Nginx 配置详解 中有说明，这篇就开门见山，先描述一些关于代理功能的配置，再说明负载均衡详细。 Nginx 代理服务的配置说明 1、设置 404 页面导向地址 error_page 404 https : //www.runnob.com; #错误页 proxy_intercept_errors on ; #如果被代理服务器返回的状态码为400或者大于400，设置的error_page配置起作用。默认为off。 2、如果我们的代理只允许接受get，post请求方法的一种 proxy_method get ; #支持客户端的请求方法。post/get； 3、设置支持的http协议版本 proxy_http_version 1.0 ; #Nginx服务器提供代理服务的http协议版本1.0，1.1，默认设置为1.0版本 4、如果你的nginx服务器给2台web服务器做代理，负载均衡算法采用轮询，那么当你的一台机器web程序iis关闭，也就是说web不能访问，那么nginx服务器分发请求还是会给这台不能访问的web服务器，如果这里的响应连接时间过长，就会导致客户端的页面一直在等待响应，对用户来说体验就打打折扣，这里我们怎么避免这样的情况发生呢。这里我配张图来说明下问题。

动态代理在Java中有着广泛的应用，比如Spring AOP，Hibernate数据查询、测试框架的后端mock、RPC，Java注解对象获取等。静态代理的代理关系在编译时就确定了，而动态代理的代理关系是在编译期确定的。静态代理实现简单，适合于代理类较少且确定的情况，而动态代理则给我们提供了更大的灵活性。主要来探讨一下Java中两种常见的动态代理方式： JDK原生动态代理和CGLIB动态代理 。 JDK原生动态代理 先从直观的示例说起，假设我们有一个接口 Hello 和一个简单实现 HelloImp ： // 接口 interface Hello{ String sayHello(String str); } // 实现 class HelloImp implements Hello{ @Override public String sayHello(String str) { return "HelloImp: " + str; } } 这是Java种再常见不过的场景，使用接口制定协议，然后用不同的实现来实现具体行为。假设你已经拿到上述类库，如果我们想通过日志记录对 sayHello() 的调用，使用静态代理可以这样做： // 静态代理方式 class StaticProxiedHello implements Hello{ ... private Hello hello =

[TOC] 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：<a target="_blank" href="https://www.cnblogs.com/nickchen121/p/11686958.html"> https://www.cnblogs.com/nickchen121/p/11686958.html </a> scikit-learn库之线性回归 由于scikit-learn库中 sclearn.linear_model 提供了多种支持线性回归分析的类，本文主要总结一些常用的线性回归的类，并且由于是从官方文档翻译而来，翻译会略有偏颇，如果有兴趣想了解其他类的使用方法的同学也可以去scikit-learn官方文档查看 https://scikit-learn.org/stable/modules/classes.html#module-sklearn.linear_model 在讲线性回归理论的时候讲到了，线性回归的目的是找到一个线性回归系数向量$\omega$，使得输入特征$X$和输出向量$Y$之间有一个 $$ Y = X\omega $$ 的映射关系，接下来的线性回归模型和线性回归模型的思想类似。假设一个数据集有$m$实例，每个实例有$n$个特征，则其中$Y$的维度是$m 1$，$X$的维度是$m n$，$

CGI：Common Gateway Interface 公共网关接口，web服务器和脚本语言通信的一个标准、接口、协议【协议】 FastCGI：CGI协议的升级版【协议】 PHP-CGI: 实现了CGI接口协议的PHP脚本解析器【程序】 PHP-FPM: 管理和调度php-cgi进程，进而实现了FastCGI接口协议的程序【程序】 问题：CGI对每个请求会parse一遍对应脚本的配置文件（如php.ini）， 加载配置和扩展，初始化执行环境，性能非常差，所有有了下面的流程： 那么实现Fastcgi协议的程序，如PHP-FPM是怎么做的呢？首先，Fastcgi会先启一个master进程，解析配置文件，初始化执行环境，然后再启动多个worker进程，这个worker就是php-cgi。当请求过来时，master会传递给一个worker，然后立即可以接受下一个请求。这样就避免了重复的劳动，效率自然是高。而且当worker不够用时，master可以根据配置预先启动几个worker等着，比如20worker，当然空闲worker太多时，也会停掉一些，这样就提高了性能，也节约了资源。这就是fastcgi的对进程的管理。 结合 用户对动态PHP网页访问过程来理解 第一步：用户将http请求发送给nginx服务器 第二步：nginx会根据用户访问的URI和后缀对请求进行判断 1