贪吃蛇（C语言版）

在我们学习完C语言 和单链表知识点后 我们开始写个贪吃蛇的代码目标：使用C语言在Windows环境的控制台模拟实现经典小游戏贪吃蛇。

JAVA每日面试题（一）

ava的类加载器双亲委派模型是一种按照等级顺序加载类的方式。它包括以下几个核心点：1. **启动类加载器**（Bootstrap ClassLoader）：负责加载Java核心类库，由C++实现，不继承自`java.lang.ClassLoader`。2. **扩展类加载器**（Extension ClassLoader）：负责加载`java.ext.dirs`系统属性指定路径中的类库。3. **应用程序类加载器**（Application ClassLoader）：负责加载用户路径（classpat

MySql 查询优化

MySQL查询优化涉及多个方面，包括索引优化、查询优化、服务器配置优化等。

一种用指针简化添加数据的方法

通过指针偏移的方式巧妙解决了冗余问题。

java算法day5

3.开始遍历数组，遍历的时候进行其相加的另一个值的计算，然后立即用hash进行查找，（而且题目并不限制答案中谁先谁后）。由于 String 在Java中是不可变的（immutable），任何修改 String 的操作都会生成一个新的 String 对象，而不是修改原始对象。：ArrayList 的容量可以根据需要自动增加，当添加元素使得内部数组容量不足时，ArrayList 会自动创建一个新的更大的数组，并将旧数组的内容复制到新数组中。想到统计字符串每个字符的个数，那想到的就是遍历字符串进行累加。

免费使用ChatGPT 4.0 和 文心一言 4.0

今天给大家分享如何免费使用ChatGPT4.0 和 文心一言 4.0，废话就不多说了，我们直接入正题。

阿里二面凉了，难蹦。。。

分享一位同学阿里巴巴的后端面经，共有 2 面，第一面很顺利过了，可惜挂在第二面。这两面的知识点范围，我帮大家罗列一下：网络：TCP、HTTPmysql：索引应用、索引结构、隔离级别、最左匹配redis：zset、缓存一致性数据结构：b树、b+树、红黑树排序算法：快排、冒泡排序手撕算法：最长公共前缀 、无重复最长字串虽然都是比较基础的知识，但是会问很细，没深入学习的话，很容易扛不住。

day26 java Stream

①Stream 自己不会存储元素。②Stream 不会改变源对象。每次处理都会返回一个持有结果的新Stream。③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。说明：可以把Stream想象成一条流（流水线）在流的上面有很多操作（过滤，转换，排序,.....）

Flink CDC详解

CDC 的全称是 Change Data Capture ，在广义的概念上，只要是能捕获数据变更的技术，我们都可以称之为 CDC。目前通常描述的 CDC 技术主要面向数据库的变更，是一种用于捕获数据库中数据变更的技术。Flink CDC本质是一组数据源连接器，使用更改数据捕获(CDC)从不同的数据库中摄取更改。Apache Flink®的CDC连接器集成了Debezium作为捕获数据更改的引擎，所以它可以充分利用Debezium的能力。

想把MP3音频转换成OGG格式需要什么工具？四种你不知道的音频转换工具在这里

本文介绍了MP3和OGG两种音频格式的优缺点及转换的必要性，详细阐述了使用不同软件将MP3转换为OGG的方法，并提供了转换效果评估方法。转换后的OGG文件具有无损音质、较小体积和良好兼容性

目标检测的迁移学习

目标检测的迁移学习是指利用已经在一个数据集上预训练好的目标检测模型，在另一个相关但不同的数据集上进行微调或者直接应用，以提升目标检测任务的性能。：在新领域中，很可能无法获得大量标记数据进行训练，利用迁移学习可以通过在一个相关但数据较为丰富的领域上进行预训练，然后在目标领域上微调，从而利用已有的知识加速模型的收敛。：将选定的预训练模型加载到新的数据集上，并在新数据集上进行微调。总的来说，目标检测的迁移学习可以通过利用已有的知识和经验，快速提升目标检测模型在新数据集上的性能，降低训练成本，提高模型的泛化能力。

微软发布Phi-3 Mini，性能媲美GPT-3.5、Llama-3，可在手机端运行

微软发布了最新版的Phi系列小型语言模型(SLM) - Phi-3。这个系列包括3个不同参数规模的版本：Phi-3 Mini (38亿参数)、Phi-3 Small (70亿参数)和Phi-3 Medium (140亿参数)。Phi系列模型是微软研究团队开发的小规模参数语言模型。从第一代Phi-1到第二代Phi-2，参数规模都控制在30亿以内，但在各种评测中都取得了出色的成绩。第三代Phi-3系列进一步扩大了参数规模，以期在性能上更进一步。

Teaser++用于3D点云重定位

全天候定位是一个麻烦的问题，Agent重定位，自动驾驶有自动驾驶的方法，高速的定位方法是不能主要依赖主动视觉的，低速的方法倒可以。3D点云的Align方法：Teaser++ fast & certifiable 3D registration ，hd_location使用的一个重定位方法，是个非常优秀的3D重定位方法。论文中和RNASAC、ICP效果对比。

Keil出现警告：warning: #223-D: function “XXX“ declared implicitly

这个警告表明编译器在函数使用之前没有找到函数的显式声明或定义。这通常发生在函数被使用之前没有在当前文件中进行声明或定义，或者头文件未正确包含。如果两个.h文件，比如pwm.h和timer.h文件都包括相同的宏，就会产生冲突，出现上述问题。如果说，头文件里我也定义了，在调用该函数的源文件中我也引了相关的头文件，还是报错怎么办？解决办法很简单，把其中一个.h文件的宏换掉就可以了，比如换成。这时候你需要检查一下是否使用下面的宏。

类与对象（三） 拷贝构造与赋值运算符重载

那么对于我们的Date类，编译器自动生成的拷贝构造就能用了，那么我在什么情况下需要我们自己去写拷贝构造呢？我们前面的 Stack 和MyQueue这两个类对于Stack类，如果我们直接用编译器自动生成的拷贝构造会不会出现问题呢？

全新Storm Core API管理系统源码 免授权版

本系统为API系统，实现了api集成等基础功能，以后可能会更新key调用api，或者实现付费功能，敬请期待，前端模板均无加密，用户可自行二开，具体请看图。全新Storm Core API管理系统源码 免授权版。访问：http://你的域名/install 进行安装。伪静态规则在根目录Nginx.txt中 以下也是。测试环境：PHP7.2+MySQL5.6。

吴恩达2022机器学习专项课程(一） 6.4 逻辑回归的成本函数&第三周课后实验：Lab4逻辑回归,逻辑损失

面对分类问题的训练集，需要对数损失函数来衡量每组训练样本的预测值和真实值的差异。差异的具体含义是y=1时，预测y为1的概率的大小。或者y=0时，预测y为0的概率的大小。损失函数是用于衡量单个训练样本，成本函数是衡量整个训练集，也就是累加损失函数的值，然后乘以m/1。如果逻辑回归模型使用平方误差成本函数计算，则成本函数会呈现局部最小值等特点，梯度下降算法可能无法有效地找到全局最优解。

01年小伙对编程工作的认知

虽然有同学去了华为、腾讯，他们都不是编程工作，月入近2w，还天天闲得很，他们都运气太好了，小伙觉得自己运气差。最近副业收入较好，每天几百（好时300+，差时100+），觉得编程还不如主播赚的多，分不清主业、副业。小伙211本科计算机毕业，有写博客的习惯，面聊时感觉一切正常，感觉经验跟能力匹配，也挺符合岗位。跟小伙聊完之后，觉得没再抢救的必要，遂给开了个处方，把手上工作今天做完，今天自己走离职流程。频繁请假，干活不利索（他1年编程经验，任务正常5h的评估，他5天没搞定）。最后不出所料，人走了，活没动。

企业做私域，先看看有没有这些特点！

在私域中，话题性高的产品，可以源源不断的生成丰富高质量的内容，通过这些内容让用户产生讨论或共鸣，从而提高客户的粘性，增加品牌的好感和信任度。常见的比如美妆、教育、母婴行业。并且还可以在普通群的基础上，建立尊享会员club群，进行更精细的定向运营，不断通过创意或专业的内容来丰富人设，提升用户的好感和忠诚度，再结合专属的大额优惠券和福利促进消费。我们可以根据用户的消费习惯，了解用户喜好（给用户打标签），用户喜欢吃的菜品打折了，就给这群用户精准推送，相比无差别的推送，用户体验感更好，转化更高。

不定期会议对团队开发的影响（项目管理篇）

不定期会议，即没有固定周期或事先规划的临时召集的会议，对于团队开发可能产生多种影响，既有积极的一面，也有潜在的挑战。以下是具体分析：