🔥秃桔子的博客

摘要： 0.引言 这里我先说下，网上对于websocket的解释有一堆不懂自己查，我这就不做原理解释，只上代码。 1.SpringBoot引入websocket maven 依赖 WebSocketConfig 配置文件 配置了之后 基本上不用做其他的配置了 setAllowedOrigins()为跨域函数 阅读全文

摘要： 笔者有幸参与一次CTF入门级的出题，在此记录一下WP 1、测试你得手速 1、用IDA打开程序 找到单击次数， 获取全局变量地址。 打开程序 打开OllyDbg attcach后在左下角按CTRL+N 跳到004099F0内存地址 右击下硬件写入断点。 然后按F9运行 然后单击Click 将其改成19 阅读全文

摘要： 标题1 标题2 标题3 标题4 标题5 加粗 斜体 斜体加粗 ~~删除线~~ 这是引用的内容 这个也是 这个也是 \ 标题1 \ 标题2 \ 标题3 \ 标题4 \ 标题5 \ 加粗 \ 斜体 \ 斜体加粗 \~~删除线~~ \ 这是引用的内容 \ 这个也是 \ 这个也是 \ \ 阅读全文

摘要： 前言：网上已经有很多人将Opencv集成进Android项目中了。因此我只给大家看Gradle文件和项目目录。 1、gradle 三个gradle script 二、JNILIB 三、MainActivity 四、运行结果 阅读全文

摘要： 恢复内容开始 程序计数器： 程序计数器(Program Counter Register) 是一块较小的空间，他可以看作是当前线程所执行的字节码的行号指示器。在虚拟机的概念模型里（仅是概念模型，各种虚拟机可能会通过一些更高效的方式去实现），字节码解释器工作时就是通过改变这个计数器的值来选取下一条需要 阅读全文

摘要： 第十五、LOIC(低轨道离子炮) 即便没什么技术含量，也没有什么计算机理论基础，但还是不得不承认DDOS在网络攻击中的地位。 即便是现在，"拒绝服务攻击"也是令许多中小型互联网公司头秃的一种攻击方式。臭名昭著的LOIC工具正是其中的代表。 据说两千年左右黑客大战的时候，其实攻击原理就是DDOS，拼的 阅读全文

摘要： 1、面向对象和面向过程的区别： 面向过程比面向对象高。因为类调用时需要实例化，开销比较大，比较消耗资源，所以当性能是最重要的考量因素得时候，比如单片机、嵌入式开发、Linux/Unix等一般采用面向过程开发。但是，面向过程没有面向对象易维护、易复用、易扩展。 面向对象：面向对象易维护、易复用、易扩展 阅读全文

摘要： 什么是神经网络？ 神经网络是一个受大脑工作方式开发出来的强力学习算法 我的理解是类比Spring框架中 mvc的 DAO层，Service层，和 Controller层。 只不过Service层是可以学习 并且自己开发的的。 符号介绍： x 输入 y输出 假设将3个64x64的矩阵提取出来放入特征向 阅读全文

摘要： 一、常量的定义 必须通过session来操作对象 二、tensorflow运行实质 tensorflow运算实质是由 tensor + 计算图 tensor 数据 op operation 赋值，运算 graphs 数据操作的过程 session 是执行的核心 四则运算： 运行结果： 3、矩阵 pl 阅读全文

摘要： 前提：Anacoda环境搭建，安装NoteBook并启动 一、图片读取和展示： 文件目录： 运行效果： 二、模块划分 calib3d: 主要用于相机校准3d相关 core: 矩阵操作，绘图相关 dnn: 和神经网络相关 features2d: 和图片匹配相关 fann: highgui: 图片校准界 阅读全文

摘要： 开头一句mmp tmd换位置了也没个提示！！！！ 坑死爹了 重点是{}参数放最后面！！！！！ 哎我擦 接口代码： 阅读全文

摘要： import pynput keyboard = pynput.keyboard.Controller() mouse = pynput.mouse.Controller() def on_release(key): try: if key == pynput.keyboard.Key.backspace: mouse.press(pynput.m... 阅读全文

摘要： 并查集介绍： 一群小弟拜老大哥。老大哥(根节点)一样帮派一样。 并查集表达： N个人的话，N长度的数组即可。每个数组元素对应的值是这个人的大哥。 find()操作是，找上一级的大哥。 union()操作是,老大哥拜大哥。 并查集初始化： 每个人先成自己的大哥。 并查集裸题： 裸题代码： 阅读全文

摘要： 8.1 二分图最大匹配(hungary 邻接表) 8.2 二分图最大匹配(hungary 邻接阵) 8.3 二分图最大匹配(hungary 正向表 8.4 二分图最佳匹配(kuhn_munkras 邻接阵) 8.5 一般图匹配( 邻接表) 8.6 一般图匹配( 邻接阵) 8.7 一般图匹配(正向表) 阅读全文

摘要： 7.1 无向图关键点(dfs 邻接阵) 7.2 无向图关键边(dfs 邻接阵) 7.3 无向图的块(bfs 邻接阵) 7.4 无向图连通分支(dfs/bfs 邻接阵) 7.5 有向图强连通分支(dfs/bfs 邻接阵) 7.6有向图最小点基( 邻接阵） 阅读全文