个人技术分享

介绍继承、组合、final关键字和protected关键字等

关于reshape((1, -1))或者reshape((-1, 1))的用法

使用median()方法获取pandas.DataFrame、pandas.Series的中值（1/2分位数、第50个百分位数）。中位数的定义如下。本节解释以下内容。

STEAM GUARD首先需要使Steam账户与一个安全邮箱绑定，在Steam用户使用一套以前未登录过自己Steam账号的电脑登录Steam账户的时候，Steam会发送一个包含验证码的电子邮件到安全邮箱中，然后通过登录界面弹出的验证界面输入验证码，来确定登录Steam账户的人是该账户的拥有人。打开迅游加速器加速steam，连接到官方的服务器。直接点击steam下载，我们可以下载到正版的steam，这样进行操作可以保证我们的下载就是最新的正版steam，下载之后可以直接进行打开，非常的快捷方便。

2、使用CL_DOCUMENT_BCS=>CREATE_DOCUMENT( )，创建发送内容对象，cl_content保存类对象；3、添加附件，使用cl_content->add_attachment，调用内容对象方法add_attachment；1、使用CL_BCS=>CREATE_PERSISTENT( )创建邮件发送请求,cl_send_mail保存对象；4、将发送邮件内容添加到请求对象，cl_send_mail的SET_DOCUMENT方法；5、使用set_attribute，设置节点属性值；

【代码】Nest.js中使用swagger。

内部flash模拟EEPROM

二叉树的直径 = 二叉树的是指树中任意两个节点之间最长路径的。遇到二叉树的问题很容易去直接用求解的目标去定义递归函数。但是仔细考虑，返回树的直径并不能向上传播。因此我们只需要求高度就行。树求高度实际上是一个树形dp。

### 文章大体有如下内容：### 1、背景信息### 2、队列刷写(Queued Flash)### 3、并列刷写(Parallel Flash)

Ardupilot官网关于《Tuning》的翻译 —《(7) 快速调优》。

时间复杂度: O(n)O(n)O(n) n个节点空间复杂度: O(n)O(n)O(n) 列表和队列

（持续更新）

查看是否存在脏数据（zookeeper和kafka数据目录数据都要清理）。

基本生命周期：实例化 → 属性设置 → 初始化 → 销毁。

在多线程并发的情况下会很容易出现同步问题，这时候就需要使用各种锁来避免这些问题，在java开发中，最常用的就是使用synchronized。kotlin的协程也会遇到这样的问题，因为在协程线程池中会同时存在多个运行的Worker，每一个Worker都是一个线程，这样也会有并发问题。虽然kotlin中也可以使用synchronized，但是有很大的问题。因为synchronized当获取不到锁的时候，会阻塞线程，这样这个线程一段时间内就无法处理其他任务，这不符合协程的思想。

怎样看是否导入成功，在左侧栏中选择External Libraries,查看是否多了一溜，原来只有两个文件，发现多了表示导入依赖成功！请在上方代码中自行修改为你电脑上的mysql版本，以及jdk版本，点击导入，点那个小图标，等一会，就不爆红了。接着选择java，回车，则创建成功，成功后在左侧栏能看见。2.修改pom.xml文件,(添加依赖)1.创建java目录。

在Spring Boot和Vue.js中实现token认证登录是一种常见的前后端分离的认证机制。以下是实现这一机制的基本步骤：

一定要注意DMA的问题，之前还遇到过调试断点导出数据总是出错，运行时则没问题的情况，是因为DMA等大部分外设都不会因为CPU核心的停止而停止工作，调试断点时，CPU停止了，但是DMA并没有停止，导致导出的内存数据是错的。代码如上图，调用send_OneWeld_list_to_uart函数发送数据到LCD时，有几率出错！而串口发送速度是比较慢的(相较于CPU)，这导致发送的数据有几率被修改。原因是因为串口使用DMA发送，而给DMA的发送数据地址是一个临时变量，

Core已将TCP的操作封装成三个简单的API函数，分别为：LIB您只需要调用这三个API即可将esp8266连接上路由器并实现和server端的收发数据。并且Core会自动处理通信中的异常情况并尝试重新恢复通信（比如和路由器的连接异常断开，和server的tcp连接异常断开，网络异常等），您无需考虑这些复杂的情况即可实现WIFI长期稳定的在线通讯。

AutoGroup是推荐场景的自动特征交互建模算法。推荐场景的神经网络预测模型（包括但不限于CTR预测）可简单分为三个模块：Embedding Layer，Interaction Layer以及MLP Layer，其中Interaction Layer是整个预测模型的关键模块，它需要有效的对特征交互建模。AutoGroup通过可微分学习的方式为不同阶数（order）的特征交互显式建模，并且利用新提出的交互函数保持每一阶交互的计算复杂度都与原始特征数量呈线性关系；