摘要：
事务看起来感觉简单，但是要实现事务必须要遵守 4 个特性，分别如下： 原子性（Atomicity）：一个事务中的所有操作，要么全部完成，要么全部不完成，不会结束在中间某个环节，而且事务在执行过程中发生错误，会被回滚到事务开始前的状态，就像这个事务从来没有执行过一样，就好比买一件商品，购买成功时，则给 阅读全文
posted @ 2022-09-12 10:47
atomxing
阅读(43)
评论(0)
推荐(0)
摘要：
一、整型数组输入： （很简单）在终端的一行中输入固定数目的整型数字，并存到数组中，中间以空格分隔。 示例： 3 1 2 3 int n; cin >> n; vector<int> nums(n); for (int i = 0; i < n; ++i){ cin >> nums[i]; } （重难 阅读全文
posted @ 2022-09-07 12:15
atomxing
阅读(881)
评论(0)
推荐(0)
摘要：
学习方法：类比单链表 和单链表的查找、插入做类似比较 核心思路：空间换时间 跳表的核心原理就是 用空间换时间，使得可以以二分的方式来进行节点的搜索 我的github： https://github.com/atomxing/skiplist 单链表查找很慢 必须遍历所有节点 添加部分索引加速查找 t 阅读全文
posted @ 2022-09-06 12:54
atomxing
阅读(69)
评论(0)
推荐(0)
摘要：
神经网络解决连续状态空间（或者状态很多的情况） 经验回放 使得神经网络更拟合 打乱状态之间的关联 固定q 多加一个q预测值的神经网络 一段时间才会改变 以此固定q 让强化学习收敛更平稳 注意的是：因为多了固定q的方法，所以实际上有两个网络，一个model，另外一个target_model网络 mod 阅读全文
posted @ 2022-09-04 20:16
atomxing
阅读(58)
评论(0)
推荐(0)
摘要：
https://zhuanlan.zhihu.com/p/342919579 好用的强化学习算法是？ 超参数很容易调整或确定。SAC的 reward scaling 可以在训练前直接推算出来。PPO超参数的细微改变不会极大地影响训练 训练快，收敛稳、得分高。看下面的学习曲线 learning cur 阅读全文
posted @ 2022-09-04 20:15
atomxing
阅读(3254)
评论(0)
推荐(0)
摘要：
数据结构出发 红黑树，最小堆，时间轮，跳表 4.分布式场景下：定时器设计 应用场景出发 单线程，多线程，分布式场景 定时器定位；服务器是怎么驱动逻辑的？ 网络事件、定时事件、信号事件 怎么实现定时器？ 单线程环境下： 通常与网络事件协调处理； 多线程环境下： 单独的定时器进行处理定时事件； 源码： 阅读全文
posted @ 2022-09-04 20:12
atomxing
阅读(180)
评论(0)
推荐(0)
摘要：
为什么使用likely与unlikely 在Linux kernel的源码中，存在这样的用法： if (likely(cond)) { ...... } if (unlikely(cond)) { ...... } likely和unlikely是宏定义，若cond为真（非0），那么likely(c 阅读全文
posted @ 2022-09-04 20:09
atomxing
阅读(534)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2022-09-04 20:08
atomxing
阅读(21)
评论(0)
推荐(0)
摘要：
书中有很多内容讲的是内存的操作 阅读全文
posted @ 2022-09-04 20:08
atomxing
阅读(23)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2022-09-04 20:07
atomxing
阅读(21)
评论(0)
推荐(0)
浙公网安备 33010602011771号