新手入门

1、首先得装好服务器(是 php 服务器都行)； 2、然后在把 下载 的prestashop解压后放在服务器的根目录里面。 3、在建个 数据库 ，如：prestashop； 4、运行根目录中的prestashop 文件 夹下的文件进行安装。 5、根据页面的 提示 进行 设置 。 6、完成安装。 7、修改prestashop/admin文件夹名子及其删除安装文件夹install。 ok！ 大功告成，一切搞定。 本文章来自 prestashop 中文论坛。网址：http://bbs.63space.com欢迎大家加入 来源： oschina 链接： https://my.oschina.net/u/54395/blog/2574

1、MacOS Tensorflow(CPU版本)下载和安装 pip3 install tensorflow 2、Tensorflow的基本用法 使用图(graph)来表示计算任务 在回话(Session)的上下文(context)中执行图 使用tensor表示数据 通过变量(Variable)维护状态 使用feed和fetch可以为任意的操作赋值或者从中获取数据 　　综述：Tensorflow图中的节点称为op(operation),一个op获得o个或者多个tensor(数据)来执行计算，产生0个或者多个tensor(数据)，每个tensor是一个类型化的多维数组 　　计算图：Tensorflow程序通常分为构建阶段和执行阶段，构建阶段：op的执行步骤被描述成一个图，执行阶段：使用回话执行图中的op 　　构建图：构建图的第一步是创建源op(源op不需要任何输入，如常量Constant)，源op的输出被传递给其它op做运算。Tensorflow Python库有一个默认图，op构造器可以为图增加节点 import tensorflow as tf # 创建一个常量op(节点),产生一个1X2矩阵 # 添加到默认图中 # 构造器的返回值代表该常量的op的返回值 matrix1 = tf.constant([[3., 3.]]) # 创建一个常量op(节点),产生一个2X1矩阵

Java 新手入门的 30 个基本概念 在我们学习 Java 的过程中 , 掌握其中的基本概念对我们的学习无论是 J2SE,J2EE,J2ME 都是很重要的 ,J2SE 是 Java 的基础 , 所以有必要对其中的基本概念做以归纳 , 以便大家在以后的学习过程中更好的理解 java 的精髓 , 在此我总结了 30 条基本的概念。 Java 概述 : 目前 Java 主要应用于中间件的开发 (middleware)--- 处理客户机与服务器之间的通信技术 , 早期的实践证明 ,Java 不适合 pc 应用程序的开发 , 其发展逐渐变成在开发手持设备 , 互联网信息站 , 及车载计算机的开发 .Java 于其他语言所不同的是程序运行时提供了平台的独立性 , 称许可以在 windows,solaris,linux 其他操作系统上使用完全相同的代码 .Java 的语法与 C++ 语法类似 ,C++/C 程序员很容易掌握 , 而且 Java 是完全的彻底的面向对象的 , 其中提出了很好的 GC(Garbage Collector) 垃圾处理机制 , 防止内存溢出。 Java 的白皮书为我们提出了 Java 语言的 11 个关键特性。 (1)Easy:Java 的语法比 C++ 的相对简单 , 另一个方面就是 Java 能使软件在很小的机器上运行 , 基础解释其和类库的支持的大小约为 40kb

Rust语言最强大的一个特点就是可以创建和利用宏/Macro。不过创建Rust宏看起来挺复杂，常常令刚接触Rust的开发者心生畏惧。这片文章的目的就是帮助你理解Rust Macro的基本运作原理，学习如何创建自己的Rust宏。 相关链接： 在线学编程 1、什么是Rust的宏/Macro？ 如果你尝试过Rust，应该已经用过Rust的宏了： println! 。这个宏可以在终端输出一行文本，并且支持变量的插值。 简单地说，Rust宏让你可以发明自己的语法，编写出可以自行展开的代码，也就是我们通常所说的 元编程 ，你甚至可以用Rust宏来创作自己的DSL。 Rust宏的基本运作机制就是：首先匹配宏规则中定义的模式，然后将匹配结果绑定到变量，最后展开变量替换后的代码。 不理解也没有关系，让我们继续看。 2、如果创建Rust宏/Macro？ 可以使用Rust预置的 macro_rules! 宏来创建一个新的Rust宏。 下图展示了如何创建一个空白的Rust宏： hey! ，这个宏什么功能也没有，我们现在只关注它的结构： () => {} 看起来很神秘，因为它不是标准的rust语法，是macro_rules!这个宏自己发明的，用来表示一条宏规则， => 左边是匹配模式，右边是等待展开的代码： 左边的小括号部分是Rust宏的匹配器/Matcher，用来匹配模式并捕捉变量

1、React 是什么？ React 是一个用于构建用户界面的 JAVASCRIPT 库。 React 主要用于构建UI，很多人认为 React 是 MVC 中的 V（视图）。 React 起源于 Facebook 的内部项目，用来架设 Instagram 的网站，并于 2013 年 5 月开源。 React 拥有较高的性能，代码逻辑非常简单，越来越多的人已开始关注和使用它。 2、React 特点 1.声明式设计 −React采用声明范式，可以轻松描述应用。 2.高效 −React通过对DOM的模拟，最大限度地减少与DOM的交互。 3.灵活 −React可以与已知的库或框架很好地配合。 4.JSX − JSX 是 JavaScript 语法的扩展。React 开发不一定使用 JSX ，但我们建议使用它。 5.组件 − 通过 React 构建组件，使得代码更加容易得到复用，能够很好的应用在大项目的开发中。 6.单向响应的数据 流 − React 实现了单向响应的数据流，从而减少了重复代码，这也是它为什么比传统数据绑定更简单。 3、antd-Ant Design of React antd 是基于 Ant Design 设计体系的 React UI 组件库，主要用于研发企业级中后台产品。 特性 提炼自企业级中后台产品的交互语言和视觉风格。 开箱即用的高质量 React 组件。 使用

不同于国外的网贷平台以信用借款标为主，在中国，我们投资网贷平台会看到多样借款标，而投资人往往弄不清自己投资的标属于什么类型的标，特点怎么样，风险如何。 抵 押 标 定义：借款人用自己的房屋车辆等实物在平台进行抵押后所发布的借款标。抵押物需要经过评估并在相关部门（房管局或车管所）办理抵押登记手续。对于抵押物，平台大都采取非足值抵押，一般为抵押物评估净值的60%-80%。 特点：平台借款标显示标记“押”，抵押标是经过网站经过严格核查借款人资产负债，根据借款人的信用状况，签订抵押担保手续，借款人必须在约定期限内如数归还借款否则出借人有权处理抵押物用以偿还约定的借款本金利息罚息违约金等其他费用。相比其他借款标，假若平台发布的借款标都是真实，有抵押物的借款标相对更安全 风险：抵押标主要有两方面的风险，一是由于信息的不对称，借款者有可能伪造资料，抵押物重复抵押，存在骗贷的可能，另一方面则是平台对抵押物估值不当，贷款额度虚高等问题。所以，对于抵押标，投资者一需要查看借款标是否真实，抵押手续是否完善，是否在相关部门办理备案手续，并且要注意平台对抵押物的估值是否存在虚高的现象。 担 保 标 定义：由个人或第三方机构对借款人的借款提供担保而发布的借款标的，一旦借款人出现逾期未还款的情况，担保人或担保机构有责任对其担保的借款项目承担垫付、追偿等连带责任。 特点：担保借款标通常标记“担”字

python 新手入门常用的一些tips 💕python 入门tips range(10,0,-1) 表示10，9，8,…, 2, 1 写方程的时候要\tab len() 表示长度 列表： [], list() assert() 判断用语 ans.append( ) 给list ans 后面加东西 List + list 可以 合并list arr.sort() 就已经执行了 字典： {} shell 复制一些东西到另外一个列表： !cp $path . 表示copy cp 可以用来文件到目录，目录到目录 的复制 !mv empty_db.sqlite db.sqlite 表示直接move cell_content = re.sub("[[].*?[]]", “”, cell_content) 打开一个文件： path = data_folder + ‘article.html’ with open(path, “r”) as f: page = f.read()/json.load(f) try: except: 可以不报错 有时候赋值给none的时候 找table和图片: tables = tree.xpath(’.//table’) images = tree.xpath("//img/@src") 可以把list直接编程带编号的series： s_links = pd

工具：HP LaserJet P1106打印机（USB型） step1：连接好数据线，打开打印机电源 step2：下载对应打印机型号的驱动 一般从官网下载，如：（我就是在 惠普官网 下的驱动） 下载完毕安装，重启电脑，打开文档直接打印即可 来源： CSDN 作者： Bily_on 链接： https://blog.csdn.net/Bily_on/article/details/103989639

第九节：Tensorflow优化器 高中数学学过，函数在一阶导数为零的地方达到其最大值和最小值。梯度下降算法基于相同的原理，即调整系数（权重和偏置）使损失函数的梯度下降。 （就是使用优化器，调整权重W，偏置B，使得损失函数到达一个损失最少的点） 有三种梯度下降： 1.Vanilla 梯度下降 ：在 Vanilla 梯度下降（也称作批梯度下降）中，在每个循环中计算整个训练集的损失函数的梯度。该方法可能很慢并且难以处理非常大的数据集。该方法能保证收敛到凸损失函数的全局最小值，但对于非凸损失函数可能会稳定在局部极小值处。 **2.随机梯度下降：**在随机梯度下降中，一次提供一个训练样本用于更新权重和偏置，从而使损失函数的梯度减小，然后再转向下一个训练样本。整个过程重复了若干个循环。由于每次更新一次，所以它比 Vanilla 快，但由于频繁更新，所以损失函数值的方差会比较大。 3.小批量梯度下降 ：该方法结合了前两者的优点，利用一批训练样本来更新参数。 亮点： 1.Vanilla 梯度下降：很慢，难以处理非常大的数据集。能保证收敛到凸损失函数的全局最小值，但对于非凸损失函数可能会稳定在局部极小值处。 2.随机梯度下降：比第一个快，但是由于频繁更新，所以损失函数值得方差会比较大。 3.批量梯度下降，快!准!狠 优化器的使用： 第一个优化器： GradientDescentOptimizer

第七节： 机器学习中第一个算法：回归算法 亮点： 1.因变量和自变量之间的关系实现数据的预测。 2.不同自变量对因变量影响的强度。（不就是k嘛） for example ：对房价估计时，需要确定房屋面积（自变量）与其价格（因变量）之间的关系，可以利用这一关系来预测给定面积的房屋的价格。 可以有多个影响因变量的自变量。 一、线性回归 其中，X=(x1,​x2,…,xn) 为 n 个输入变量，W=(w1,w2,…,wn) 为线性系数，b 是偏置项。目标是找到系数 W 的最佳估计，使得预测值 Y 的误差最小。 亮点： 1.W很重要，要W最佳，使得误差最小。 2.最小二乘法，可以使得W最佳。即使预测值 (Yhat) 与观测值 (Y) 之间的差的平方和最小。 3.还有个b偏置 因此，这里尽量最小化损失函数： 根据输入变量 X 的数量和类型，可划分出多种线性回归类型： 简单线性回归（一个输入变量，一个输出变量），多元线性回归（多个输入变量，一个输出变量），多变量线性回归（多个输入变量，多个输出变量）。 二、逻辑回归 ：用来确定一个事件的概率。通常来说，事件可被表示为类别因变量。事件的概率用 logit 函数（Sigmoid 函数）表示： 现在的目标是估计权重 W=(w1,w2,…,wn) 和偏置项 b。在逻辑回归中，使用最大似然估计量或随机梯度下降来估计系数。损失函数通常被定义为交叉熵项：