- 用 K-means 算法实现水果分堆
wh_xia_jun
AI+医疗算法kmeans机器学习
先看运行效果:importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeans#生成模拟数据(两个高斯分布的混合点集)np.random.seed(42)X1=np.random.randn(100,2)+np.array([2,2])#第一簇数据,中心在(2,2)X2=np.random.randn(100,2)
- BSCAN 在糖尿病患者数据聚类分析中的应用
wh_xia_jun
AI+医疗机器学习支持向量机人工智能
完整代码:importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportDBSCANfromsklearn.preprocessingimportStandardScalerfromsklearn.datasetsimportmake_blobs#设置随机种子,确保结果可复现np.random.seed(42)#1.生成模拟
- 使用AutoKeras2.0的AutoModel进行结构化数据回归预测
1、FirstofAll:ReadTheFuckingSourceCodeimportautokerasasakimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportmean_squared_error#生成数据集np.random.seed(42)x=np.random.r
- python打卡day52@浙大疏锦行
风逸hhh
python打卡60天行动python深度学习机器学习
知识点回顾:随机种子内参的初始化神经网络调参指南参数的分类调参的顺序各部分参数的调整心得神经网络调参核心实践一、全局随机种子设置(修改src/models/train.py)defset_seed(seed=42):torch.manual_seed(seed)torch.cuda.manual_seed_all(seed)np.random.seed(seed)random.seed(seed)
- open3d 使用 RANSAC 算法拟合平面
扶子
python点云处理平面pythonopen3d经验分享点云拟合平面
1、功能介绍:一个python代码演示了如何使用open3d和numpy来完成一个完整的点云平面拟合任务。它包括以下几个主要部分:生成符合某一平面方程的随机点云数据、使用RANSAC算法对这些点云进行平面拟合、可视化原始点云和平面拟合结果2、代码部分:importnumpyasnpimportopen3daso3d#生成随机点云np.random.seed(42)n_points=100#假设这些
- python设置了随机种子seed后,结果仍然会变动
myccver
python开发语言
问题深度学习训练时,可以通过seed种子设置保持结果的可复现性,如下所示defset_seed(my_seed):os.environ['PYTHONHASHSEED']=str(my_seed)random.seed(my_seed)np.random.seed(my_seed)torch.manual_seed(my_seed)torch.cuda.manual_seed(my_seed)to
- 关于random.seed()和np.random.seed()设置失败的解决
胶带码农
numpypython
按道理说python项目中使用了random和numpy的random,我们在main函数开头设置上:SEED=42random.seed(SEED)np.random.seed(SEED)再调用函数或者实例化对象就可以根据种子的设定实现随机数据的生成和随机试验的复现。但是奇怪的是今天我这样设置并没有成功按照种子复现我的实验。问了许多AI,查了大量的文档,甚至使用了更现代、科学、可控的做法——面向
- Python----神经网络(基于ResNet的汽车分类)
蹦蹦跳跳真可爱589
Python经典神经网络汽车人工智能深度学习python神经网络
一、数据集展示二、随机数种子defseed_(seed=42):np.random.seed(seed)random.seed(seed)torch.manual_seed(seed)os.environ['PYTHONHASHSEED']=str(seed)iftorch.cuda.is_available():torch.cuda.manual_seed(seed)torch.cuda.man
- 头歌实验教学平台python与机器学习-聚类
学习只是用户态
机器学习python聚类
第1关:聚类任务简述根据提示,在右侧编辑器Begin-End部分补充代码。任务描述:使用Python语言,对聚类结果进行性能评估。任务1:根据公式计算Jaccard系数;任务2:根据公式计算FM指数;任务3:根据公式计算Rand指数。#导入numpy科学计算库importnumpyasnp#令m=100m=100#lambda_true表示参考模型给出的簇标记np.random.seed(0)la
- #copulas包python实现。利用极大似然法估计ABCD四个序列的建立D-Vine copula函数,并利用A和D的联合分布,计算A+D的估计区间。
wintercoming111
pythonnumpy开发语言
importnumpyasnpfromcopulas.univariateimportKernelDensityfromcopulas.bivariateimportClaytonfromcopulas.multivariateimportDVine#生成随机样本数据np.random.seed(42)n_samples=1000A=np.random.uniform(0,1,n_samples)
- Python----卷积神经网络(LeNet-5的手写体识别)
蹦蹦跳跳真可爱589
Python卷积神经网络pythoncnn深度学习人工智能神经网络
一、设置随机种子设置随机种子有助于结果的可复现性。importnumpyasnp#导入NumPy库importrandom#导入随机数生成库importos#导入操作系统相关功能importtorch#导入PyTorch库defsetup_seed(seed=0):#设置NumPy的随机种子np.random.seed(seed)#设置Python内置的随机数生成器的种子random.seed(s
- 基础的贝叶斯神经网络(BNN)回归
V建模忠哥V
神经网络回归人工智能
下面是一个最基础的贝叶斯神经网络(BNN)回归示例,采用PyTorch实现,适合入门理解。这个例子用BNN拟合y=x+噪声的一维回归问题,输出均值和不确定性(方差)。importtorchimporttorch.nnasnnimporttorch.optimasoptimimportnumpyasnpimportmatplotlib.pyplotasplt#1.生成数据np.random.seed
- 基于autokeras的简单天气预报例子和运行输出
piaopiaolanghua
ML与AIauto-keras
importnumpyasnpfromautokerasimportStructuredDataClassifierfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScaler#模拟数据np.random.seed(0)n_samples=1000X=np.random.
- 【Python】数组随机数模块
苏卫苏卫苏卫
Pythonpython开发语言jupyternumpy笔记
importnumpyasnpnp.random.rand(3,3)np.random.rand(2,3,3)np.random.rand(3,3)np.random.seed(0)#生成随机数的种子np.random.rand(5)#随机生成包含5个元素的数组np.random.seed(0)#生成随机数的种子np.random.rand(5)#随机生成包含5个元素的数组np.random.se
- 强化学习的数学原理-六、随机近似与随机梯度下降
儒雅芝士
pythonnumpy机器学习
代码来自up主【强化学习的数学原理-作业】GridWorld示例代码(已更新至DQN、REINFORCE、A2C)_哔哩哔哩_bilibiliSGD、GD、MGD举例:#先初始化一个列表,未来要在这100个样本里面再sample出来np.random.seed(0)X=np.linspace(-10,10,1000)Y=2*X**2+3*X+5#用作真实值#定义二次函数,找到一组参数a、b、c使得
- k均值聚类python实现
小尤笔记
均值算法聚类python开发语言Python基础
K均值聚类(K-MeansClustering)是一种常用的无监督学习算法,用于将数据分成K个簇。以下是一个简单的Python实现K均值聚类的代码讲解,包括数据准备、初始化、迭代更新簇心和分配簇标签等步骤。CSDN大礼包:《2025年最新全套学习资料包》免费分享代码实现importnumpyasnpimportmatplotlib.pyplotasplt#生成示例数据np.random.seed(
- 25、深度学习-自学之路-卷积神经网络基于MNIST数据集的程序展示
小宇爱
深度学习-自学之路深度学习cnn人工智能
importkeras#添加Keraskuimportsys,numpyasnpfromkeras.utilsimportnp_utilsimportosfromkeras.datasetsimportmnistprint("licheng:"+"20"+'\n')np.random.seed(1)(x_train,y_train),(x_test,y_test)=mnist.load_data(
- 自定义数据集 使用scikit-learn中SVM的包实现SVM分类
Luzem0319
scikit-learn支持向量机分类
生成自定义数据集生成一个简单的二维数据集,包含两类数据点,分别用不同的标签表示。importnumpyasnpimportmatplotlib.pyplotasplt#生成数据np.random.seed(42)X=np.r_[np.random.randn(100,2)-[2,2],np.random.randn(100,2)+[2,2]]y=[0]*100+[1]*100#可视化数据plt.s
- 使用朴素贝叶斯对自定义数据集进行分类
Luzem0319
人工智能机器学习
准备自定义数据集首先,需要一个自定义数据集来进行分类。创建一个简单的二维数据集,其中每个样本有两个特征,并且属于两个类别之一。importnumpyasnpimportpandasaspd#创建自定义数据集np.random.seed(42)num_samples=100#生成特征数据X=np.random.rand(num_samples,2)#生成标签数据(0或1)y=np.where(X[:
- 自定义数据集 使用tensorflow框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测
知识鱼丸
machinelearning人工智能
在TensorFlow中实现逻辑回归、保存模型并加载模型进行预测的过程可以分为以下几个步骤:准备数据:创建或加载你的自定义数据集。构建逻辑回归模型。训练模型。保存模型。加载模型。使用加载的模型进行预测。importtensorflowastfimportnumpyasnp#1.准备数据#示例:生成一些随机数据np.random.seed(0)X_train=np.random.rand(100,3
- 自定义数据集使用scikit-learn中的包实现线性回归方法对其进行拟合
辞落山
scikit-learn线性回归python
1.引言简要介绍线性回归模型及其在机器学习中的应用。2.创建自定义数据集通过生成一个简单的自定义数据集来模拟问题。可以使用numpy生成数据。importnumpyasnpimportmatplotlib.pyplotasplt#生成自定义数据np.random.seed(42)X=2*np.random.rand(100,1)y=4+3*X+np.random.randn(100,1)3.使用s
- Python 数据分析— Pandas 基本操作(下)
fjwangxi
#python数据分析python数据分析pandas
文章目录学习内容:一、数据分箱二、自定义函数三、DataFrame其他常用函数学习内容:一、数据分箱将Series的每个值对应到区间。cut(x=分箱对象Series或1维数组,bins=分箱数或区间,right=是否包含右值,labels=标签)1.对1维数组进行分箱np.random.seed(666)s=np.random.randint(25,100,size=10)#s值:array([
- numpy.random.randint()函数生成随机坐标点
勤奋的大熊猫
Python科学计算基础pythonrandomnumpy
numpy.random.randint()函数不仅可以生成一维随机数组,也可以生成多维度的随机数组,这里以生成二维随机数组坐标点举例。设定np.random.seed(40)来保持随机产生数组的可重复性#-*-coding:utf-8-*-"""author:15025time:2020/11/3016:39software:PyCharmDescription:numpy的randint与ra
- 飞桨和torch随机数对齐
skywalk8163
项目实践paddlepaddle人工智能
飞桨和torch随机数对齐#在使用traindataloader的时候,建议设置randomseed,对于PyTorch来说#initializerandomseedtorch.manual_seed(config.SEED)torch.cuda.manual_seed_all(config.SEED)np.random.seed(config.SEED)random.seed(config.SE
- 请用python写一个基于时间序列的山脊图(Ridgeline plot)可视化代码,
八位数花园
pythonmatplotlib数据分析开发语言机器学习
下面是一个使用Python和matplotlib库绘制基于时间序列的山脊图的代码示例:importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspd#生成一个随机的时间序列数据np.random.seed(0)num_points=100x=pd.date_range(start='2023-01-01',periods=num_points
- Standardscaler标准化
肖肖学代码
pythonnumpy机器学习
#coding=utf-8#统计训练集的mean和std信息fromsklearn.preprocessingimportStandardScalerimportnumpyasnpdeftest_algorithm():#定义test_algorithm()函数,该函数用来比较使用Sklearn库中的标准化方法和使用numpy库中的标准化方法的差异。np.random.seed(123)#使用随机
- np.random.seed()函数
大鳄鱼小鳄鱼
seed()用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed()值,则每次生成的随即数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。代码示例1:importnumpyasnpnum=0while(num<5):np.random.seed(10)print(np.random.random())num+=1运行结果:0.771320
- Python可视化学习-4条形图
Py小趴
PythonMatplotlib个性可视化python开发语言matplotlib学习笔记pycharm
4.1默认条形图4.1.1代码#导入相关库importnumpyasnp#导入numpy库importmatplotlib.pyplotasplt#导入matplotlib的绘图模块#准备相关数据name=['老大','老二','老三','老四','老五','老六']#创建一个包含六个类别的列表np.random.seed(100)#设置随机种子为100。这确保了每次运行代码时,随机数序列都是一样
- MA 移动平均模型
JNU freshman
机器学习MA机器学习
文章目录代码拟合预测可视化代码importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromstatsmodels.tsa.arima.modelimportARIMA#生成一个示例时间序列#随机数种子np.random.seed(42)time_index=pd.date_range(start='2022-01-01',perio
- 画图案例分享
我的心永远是冰冰哒
python开发语言
案例1fromscipy.miscimportderivativefromscipy.integrateimportquadimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdfromscipy.statsimportnormimportwarningsplt.style.use('ggplot')np.random.seed(37
- jsonp 常用util方法
hw1287789687
jsonpjsonp常用方法jsonp callback
jsonp 常用java方法
(1)以jsonp的形式返回:函数名(json字符串)
/***
* 用于jsonp调用
* @param map : 用于构造json数据
* @param callback : 回调的javascript方法名
* @param filters : <code>SimpleBeanPropertyFilter theFilt
- 多线程场景
alafqq
多线程
0
能不能简单描述一下你在java web开发中需要用到多线程编程的场景?0
对多线程有些了解,但是不太清楚具体的应用场景,能简单说一下你遇到的多线程编程的场景吗?
Java多线程
2012年11月23日 15:41 Young9007 Young9007
4
0 0 4
Comment添加评论关注(2)
3个答案 按时间排序 按投票排序
0
0
最典型的如:
1、
- Maven学习——修改Maven的本地仓库路径
Kai_Ge
maven
安装Maven后我们会在用户目录下发现.m2 文件夹。默认情况下,该文件夹下放置了Maven本地仓库.m2/repository。所有的Maven构件(artifact)都被存储到该仓库中,以方便重用。但是windows用户的操作系统都安装在C盘,把Maven仓库放到C盘是很危险的,为此我们需要修改Maven的本地仓库路径。
- placeholder的浏览器兼容
120153216
placeholder
【前言】
自从html5引入placeholder后,问题就来了,
不支持html5的浏览器也先有这样的效果,
各种兼容,之前考虑,今天测试人员逮住不放,
想了个解决办法,看样子还行,记录一下。
【原理】
不使用placeholder,而是模拟placeholder的效果,
大概就是用focus和focusout效果。
【代码】
<scrip
- debian_用iso文件创建本地apt源
2002wmj
Debian
1.将N个debian-506-amd64-DVD-N.iso存放于本地或其他媒介内,本例是放在本机/iso/目录下
2.创建N个挂载点目录
如下:
debian:~#mkdir –r /media/dvd1
debian:~#mkdir –r /media/dvd2
debian:~#mkdir –r /media/dvd3
….
debian:~#mkdir –r /media
- SQLSERVER耗时最长的SQL
357029540
SQL Server
对于DBA来说,经常要知道存储过程的某些信息:
1. 执行了多少次
2. 执行的执行计划如何
3. 执行的平均读写如何
4. 执行平均需要多少时间
列名 &
- com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil
7454103
eclipse
今天eclipse突然报了com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil 错误,并且工程文件打不开了,在网上找了一下资料,然后按照方法操作了一遍,好了,解决方法如下:
错误提示信息:
An error has occurred.See error log for more details.
Reason:
com/genuitec/
- 用正则删除文本中的html标签
adminjun
javahtml正则表达式去掉html标签
使用文本编辑器录入文章存入数据中的文本是HTML标签格式,由于业务需要对HTML标签进行去除只保留纯净的文本内容,于是乎Java实现自动过滤。
如下:
public static String Html2Text(String inputString) {
String htmlStr = inputString; // 含html标签的字符串
String textSt
- 嵌入式系统设计中常用总线和接口
aijuans
linux 基础
嵌入式系统设计中常用总线和接口
任何一个微处理器都要与一定数量的部件和外围设备连接,但如果将各部件和每一种外围设备都分别用一组线路与CPU直接连接,那么连线
- Java函数调用方式——按值传递
ayaoxinchao
java按值传递对象基础数据类型
Java使用按值传递的函数调用方式,这往往使我感到迷惑。因为在基础数据类型和对象的传递上,我就会纠结于到底是按值传递,还是按引用传递。其实经过学习,Java在任何地方,都一直发挥着按值传递的本色。
首先,让我们看一看基础数据类型是如何按值传递的。
public static void main(String[] args) {
int a = 2;
- ios音量线性下降
bewithme
ios音量
直接上代码吧
//second 几秒内下降为0
- (void)reduceVolume:(int)second {
KGVoicePlayer *player = [KGVoicePlayer defaultPlayer];
if (!_flag) {
_tempVolume = player.volume;
- 与其怨它不如爱它
bijian1013
选择理想职业规划
抱怨工作是年轻人的常态,但爱工作才是积极的心态,与其怨它不如爱它。
一般来说,在公司干了一两年后,不少年轻人容易产生怨言,除了具体的埋怨公司“扭门”,埋怨上司无能以外,也有许多人是因为根本不爱自已的那份工作,工作完全成了谋生的手段,跟自已的性格、专业、爱好都相差甚远。
- 一边时间不够用一边浪费时间
bingyingao
工作时间浪费
一方面感觉时间严重不够用,另一方面又在不停的浪费时间。
每一个周末,晚上熬夜看电影到凌晨一点,早上起不来一直睡到10点钟,10点钟起床,吃饭后玩手机到下午一点。
精神还是很差,下午像一直野鬼在城市里晃荡。
为何不尝试晚上10点钟就睡,早上7点就起,时间完全是一样的,把看电影的时间换到早上,精神好,气色好,一天好状态。
控制让自己周末早睡早起,你就成功了一半。
有多少个工作
- 【Scala八】Scala核心二:隐式转换
bit1129
scala
Implicits work like this: if you call a method on a Scala object, and the Scala compiler does not see a definition for that method in the class definition for that object, the compiler will try to con
- sudoku slover in Haskell (2)
bookjovi
haskellsudoku
继续精简haskell版的sudoku程序,稍微改了一下,这次用了8行,同时性能也提高了很多,对每个空格的所有解不是通过尝试算出来的,而是直接得出。
board = [0,3,4,1,7,0,5,0,0,
0,6,0,0,0,8,3,0,1,
7,0,0,3,0,0,0,0,6,
5,0,0,6,4,0,8,0,7,
- Java-Collections Framework学习与总结-HashSet和LinkedHashSet
BrokenDreams
linkedhashset
本篇总结一下两个常用的集合类HashSet和LinkedHashSet。
它们都实现了相同接口java.util.Set。Set表示一种元素无序且不可重复的集合;之前总结过的java.util.List表示一种元素可重复且有序
- 读《研磨设计模式》-代码笔记-备忘录模式-Memento
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.List;
/*
* 备忘录模式的功能是,在不破坏封装性的前提下,捕获一个对象的内部状态,并在对象之外保存这个状态,为以后的状态恢复作“备忘”
- 《RAW格式照片处理专业技法》笔记
cherishLC
PS
注意,这不是教程!仅记录楼主之前不太了解的
一、色彩(空间)管理
作者建议采用ProRGB(色域最广),但camera raw中设为ProRGB,而PS中则在ProRGB的基础上,将gamma值设为了1.8(更符合人眼)
注意:bridge、camera raw怎么设置显示、输出的颜色都是正确的(会读取文件内的颜色配置文件),但用PS输出jpg文件时,必须先用Edit->conv
- 使用 Git 下载 Spring 源码 编译 for Eclipse
crabdave
eclipse
使用 Git 下载 Spring 源码 编译 for Eclipse
1、安装gradle,下载 http://www.gradle.org/downloads
配置环境变量GRADLE_HOME,配置PATH %GRADLE_HOME%/bin,cmd,gradle -v
2、spring4 用jdk8 下载 https://jdk8.java.
- mysql连接拒绝问题
daizj
mysql登录权限
mysql中在其它机器连接mysql服务器时报错问题汇总
一、[running]
[email protected]:~$mysql -uroot -h 192.168.9.108 -p //带-p参数,在下一步进行密码输入
Enter password: //无字符串输入
ERROR 1045 (28000): Access
- Google Chrome 为何打压 H.264
dsjt
applehtml5chromeGoogle
Google 今天在 Chromium 官方博客宣布由于 H.264 编解码器并非开放标准,Chrome 将在几个月后正式停止对 H.264 视频解码的支持,全面采用开放的 WebM 和 Theora 格式。
Google 在博客上表示,自从 WebM 视频编解码器推出以后,在性能、厂商支持以及独立性方面已经取得了很大的进步,为了与 Chromium 现有支持的編解码器保持一致,Chrome
- yii 获取控制器名 和方法名
dcj3sjt126com
yiiframework
1. 获取控制器名
在控制器中获取控制器名: $name = $this->getId();
在视图中获取控制器名: $name = Yii::app()->controller->id;
2. 获取动作名
在控制器beforeAction()回调函数中获取动作名: $name =
- Android知识总结(二)
come_for_dream
android
明天要考试了,速速总结如下
1、Activity的启动模式
standard:每次调用Activity的时候都创建一个(可以有多个相同的实例,也允许多个相同Activity叠加。)
singleTop:可以有多个实例,但是不允许多个相同Activity叠加。即,如果Ac
- 高洛峰收徒第二期:寻找未来的“技术大牛” ——折腾一年,奖励20万元
gcq511120594
工作项目管理
高洛峰,兄弟连IT教育合伙人、猿代码创始人、PHP培训第一人、《细说PHP》作者、软件开发工程师、《IT峰播》主创人、PHP讲师的鼻祖!
首期现在的进程刚刚过半,徒弟们真的很棒,人品都没的说,团结互助,学习刻苦,工作认真积极,灵活上进。我几乎会把他们全部留下来,现在已有一多半安排了实际的工作,并取得了很好的成绩。等他们出徒之日,凭他们的能力一定能够拿到高薪,而且我还承诺过一个徒弟,当他拿到大学毕
- linux expect
heipark
expect
1. 创建、编辑文件go.sh
#!/usr/bin/expect
spawn sudo su admin
expect "*password*" { send "13456\r\n" }
interact
2. 设置权限
chmod u+x go.sh 3.
- Spring4.1新特性——静态资源处理增强
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- idea ubuntuxia 乱码
liyonghui160com
1.首先需要在windows字体目录下或者其它地方找到simsun.ttf 这个 字体文件。
2.在ubuntu 下可以执行下面操作安装该字体:
sudo mkdir /usr/share/fonts/truetype/simsun
sudo cp simsun.ttf /usr/share/fonts/truetype/simsun
fc-cache -f -v
- 改良程序的11技巧
pda158
技巧
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。
让我们看一些基本的编程技巧:
尽量保持方法简短
永远永远不要把同一个变量用于多个不同的
- 300个涵盖IT各方面的免费资源(下)——工作与学习篇
shoothao
创业免费资源学习课程远程工作
工作与生产效率:
A. 背景声音
Noisli:背景噪音与颜色生成器。
Noizio:环境声均衡器。
Defonic:世界上任何的声响都可混合成美丽的旋律。
Designers.mx:设计者为设计者所准备的播放列表。
Coffitivity:这里的声音就像咖啡馆里放的一样。
B. 避免注意力分散
Self Co
- 深入浅出RPC
uule
rpc
深入浅出RPC-浅出篇
深入浅出RPC-深入篇
RPC
Remote Procedure Call Protocol
远程过程调用协议
它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP或UDP,为通信程序之间携带信息数据。在OSI网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发