常见功能：通用测试用例（xmind版）
来源： https://www.cnblogs.com/jxba/p/11763173.html
通用
通用函数：快速的逐元素数组函数
通用函数也可以称为 ufunc， 是一种在 ndarray 数据中进行逐元素操作的函数。某些简单函数接受了一个或者多个标量数值，并产生一个或多个标量结果，而通用函数就是对这些简单函数的向量化封装。 有很多 ufunc 是简单的逐元素转换，比如 sqrt 和 exp 函数： import numpy as np arr = np.arange(10) print(arr) print('-----------') print(np.sqrt(arr)) print('-----------') print(np.exp(arr)) #计算每个元素的自然指数值e的x次。 [0 1 2 3 4 5 6 7 8 9] ----------- [0. 1. 1.41421356 1.73205081 2. 2.23606798 2.44948974 2.64575131 2.82842712 3. ] ----------- [1.00000000e+00 2.71828183e+00 7.38905610e+00 2.00855369e+01 5.45981500e+01 1.48413159e+02 4.03428793e+02 1.09663316e+03 2.98095799e+03 8.10308393e+03] 这些就是所谓的一元通用函数。 介绍一下 二元通用函数 ：比如 add
通用Makefile
通用Makefile 1、程序的编译过程 编译 A、预处理 检查语法问题 B、编译 .C---->.S C、汇编 .S----->.o 链接 .O+库文件 = 执行程序 2、对于文件test（a.c、 b.c、 a.h） gcc – O test a.c b.c 其中a.c :预处理、编译、汇编 a.c :预处理、编译、汇编 最后链接 3、Makefile实现 规则： 目标： 依赖1 依赖2 命令 命令执行的条件（1、还没有目标文件2、目标不是最新的） （1）、test: a.c b.c a.h gcc -o test a.c b.c （2）、test :a.o b.o gcc –o test a.o b.o a.o : a.c gcc -c - o a.o a.c b.o : b.c gcc -c -o b.o b.c （3）、用通配符 Test : a.o b.o gcc o test a.o b.o a.o : a.c a.h %.o : %.c （所有的.o .c文件） gcc -o $@ < （ 3 ） 用 M a k e f i l e 自 动 生 成 依 赖 文 件 o b j s : = a . o b . o t e s t : < （3）用Makefile自动生成依赖文件 objs := a.o b.o test: < （ 3 ） 用 M a k e f i l
springboot整合mybatis通用Mapper
参考： https://blog.csdn.net/x18707731829/article/details/82814095 https://www.jianshu.com/p/6d2103451dcb SpringBoot整合MyBatis Generator可以帮助我们快速生成实体类、接口、mapper.xml文件，可以提高开发的效率，但是每次新增表都要执行一次Generator生成相应的代码，这样重复的操作生成增删查改重复的的代码，有没有一种通用的接口，不用生成mapper.xml文件，就可以调用通用接口的方法，实现单表的增删改查操作呢，这就是tk.mybatis.mapper 支持单表操作，不支持通用的多表联合查询。 通用mapper的作用：调用通用接口的方法，实现单表的增删改查操作，不需要写大量的sql语句在xml文件中 开发人员不需要编写sql语句，不需要在dao中增加方法，只要写好实体类，就能支持相应的增删改查方法 通用mapper详解 使用通用mapper，默认继承了如下方法 Select 方法：List<T> select(T record); 说明：根据实体中的属性值进行查询，查询条件使用等号 方法：T selectByPrimaryKey(Object key); 说明：根据主键字段进行查询，方法参数必须包含完整的主键属性，查询条件使用等号 方法：List
论文研读：基于统计重加权的方法减少通用回复
论文研读：基于统计重加权的方法减少通用回复 会议名称：EMNLP2018 文章题目：Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method 原文链接：https://link.zhihu.com/?target=https%3A//www.paperweekly.site/papers/2440 一句话概括： 针对开放对话领域的对话多对多关系并且产生通用回复的问题，文章在损失项中引入权重的概念，降低通用回复权重，降低过短或者过长语句的权重。 论文背景 神经生成模型在机器翻译中的成功应用，即神经机器翻译（Neural Machine Translation, NMT），激发了研究人员对于 神经对话模型 的热情。目前最常用的框架为Seq2Seq模型，其通常通过极大似然法，最大化回复的概率得到输出结果。但在上述任务中会存在一些问题，其中最严重的的一个是模型经常会产生一个通用的回复（例如，我不知道），而不是一个有意义的特定回答。 在开放领域的对话中，我们经常发现对于一个输入 \(x\) ，会得到若干意思不一致，但是同样可以接受的回答。如问“你吃饭了吗”，回复“还没”，“不饿”，“刚吃完”，“不急”等等都可以被接受，因此对于 \(x\) 到
论文研读：基于统计重加权的方法减少通用回复
论文研读：基于统计重加权的方法减少通用回复 会议名称：EMNLP2018 文章题目：Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method 原文链接：https://link.zhihu.com/?target=https%3A//www.paperweekly.site/papers/2440 一句话概括： 针对开放对话领域的对话多对多关系并且产生通用回复的问题，文章在损失项中引入权重的概念，降低通用回复权重，降低过短或者过长语句的权重。 论文背景 神经生成模型在机器翻译中的成功应用，即神经机器翻译（Neural Machine Translation, NMT），激发了研究人员对于 神经对话模型 的热情。目前最常用的框架为Seq2Seq模型，其通常通过极大似然法，最大化回复的概率得到输出结果。但在上述任务中会存在一些问题，其中最严重的的一个是模型经常会产生一个通用的回复（例如，我不知道），而不是一个有意义的特定回答。 在开放领域的对话中，我们经常发现对于一个输入 \(x\) ，会得到若干意思不一致，但是同样可以接受的回答。如问“你吃饭了吗”，回复“还没”，“不饿”，“刚吃完”，“不急”等等都可以被接受，因此对于 \(x\) 到
标签学习笔记（通用标签，属性）
1.body属性 背景色：bgcolor 字体颜色：text 代码： <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>通用标签属性</title> </head> <body bgcolor="burlywood"text="white"> 我爱你中国 </body> </html> 展示： 2.格式控制类 <b></b>：加粗 <i></i> ：倾斜 <u></u> ：下划线 <br/> ：换行 & nbsp; 空格 代码： <body bgcolor="burlywood"text="white"> <b><i><u>中国 <br/> 我爱你</u></i></b> </body> 展示： 3.内容容器 <h1>~<h6> 做标题 <p></p> 做段落（text-indent:2em;头两个文字空格） <span></span> 层标签，一般存文字，行内元素：内容多大就占多大 <div></div> 层标签，块状元素：默认占一整行；div+css布局网页的能力；表格布局--div+css ---网格 ---css3/html5 有序列表 <ol type=""><li></li></ol> 无序列表 <ul type=""><li></li></ul> list-style
RESTful规范与常用状态码
GET 安全且幂等 获取表示 变更时获取表示（缓存） 200（OK）-表示已在响应中发出 204（无内容) - 资源有空表示 301（Moved Permanently） - 资源的URI已被更新 303 (See Other) -其他（如，负载均衡） 304 （not modified) -资源未更改（缓存） 400 （bad request）- 指代坏请求（如，参数错误） 404 （not found）- 资源不存在 406 （not acceptable）- 服务端不支持所需表示 500 （internal server error）- 通用错误响应 503 （Service Unavailable）- 服务端当前无法处理请求 POST 不安全且不幂等 使用服务端管理的（自动产生）的实例号创建资源 创建子资源 部分更新资源 如果没有被修改，则不过更新资源（乐观锁） 200（OK）- 如果现有资源已被更改 201（created）- 如果新资源被创建 202（accepted）- 已接受处理请求但尚未完成（异步处理） 301（Moved Permanently）- 资源的URI被更新 303（See Other）- 其他（如，负载均衡） 400（bad request）- 指代坏请求 404 （not found）- 资源不存在 406 （not acceptable）-
地理文本处理技术在高德的演进(上)
一、背景 地图App的功能可以简单概括为定位，搜索，导航三部分，分别解决在哪里，去哪里，和怎么去的问题。高德地图的搜索场景下，输入的是，地理相关的检索query，用户位置，App图面等信息，输出的是，用户想要的POI。如何能够更加精准地找到用户想要的POI，提高满意度，是评价搜索效果的最关键指标。 一个搜索引擎通常可以拆分成query分析、召回、排序三个部分，query分析主要是尝试理解query表达的含义，为召回和排序给予指导。 地图搜索的query分析不仅包括通用搜索下的分词，成分分析，同义词，纠错等通用NLP技术，还包括城市分析，wherewhat分析，路径规划分析等特定的意图理解方式。 常见的一些地图场景下的query意图表达如下： query分析是搜索引擎中策略密集的场景，通常会应用NLP领域的各种技术。地图场景下的query分析，只需要处理地理相关的文本，多样性不如网页搜索，看起来会简单一些。但是，地理文本通常比较短，并且用户大部分的需求是唯一少量结果，要求精准度非常高，如何能够做好地图场景下的文本分析，并提升搜索结果的质量，是充满挑战的。 二、整体技术架构 搜索架构 类似于通用检索的架构，地图的检索架构包括query分析，召回，排序三个主要部分。先验的，用户的输入信息可以理解为多种意图的表达，同时下发请求尝试获取检索结果。后验的，拿到每种意图的检索结果时，进行综合判断
降低软件复杂性的一般原则和方法
原文参考： https://mp.weixin.qq.com/s/-Gu_XkY2bZq9Lf2ZCJZPtQ 一、前言 斯坦福教授、Tcl语言发明者John Ousterhout 的著作《A Philosophy of Software Design》[1]，自出版以来，好评如潮。按照IT图书出版的惯例，如果冠名为“实践”，书中内容关注的是某项技术的细节和技巧；冠名为“艺术”，内容可能是记录优秀作品的设计过程和经验；而冠名为“哲学”，则是一些通用的原则和方法论，这些原则方法论串起来，能够形成一个体系。正如“知行合一”、“世界是由原子构成的”、“我思故我在”，这些耳熟能详的句子能够一定程度上代表背后的人物和思想。用一句话概括《A Philosophy of Software Design》，软件设计的核心在于降低复杂性。 本篇文章是围绕着“降低复杂性”这个主题展开的，很多重要的结论来源于John Ousterhout，笔者觉得很有共鸣，就做了一些相关话题的延伸、补充了一些实例。虽说是“一般原则”，也不意味着是绝对的真理，整理出来，只是为了引发大家对软件设计的思考。 二、如何定义复杂性 关于复杂性，尚无统一的定义，从不同的角度可以给出不同的答案。可以用数量来度量，比如芯片集成的电子器件越多越复杂（不一定对）；按层次性[2]度量，复杂度在于层次的递归性和不可分解性。在信息论中