机器学习 流程示例 类型 工作流   神经网络 基础 神经元接收输入信号，通过加权求和后与偏置相加，然后通过激活函数处理以产生输出。神经元的权重和偏置是网络学习过程中需要调整的参数。   前馈神经网络 Feedforward Neural Network，FNN 基本单元，前馈神经网络特点是数据从输入层开始，经过一个或多个隐藏层，最后到

Json对象和数组： ​ 对象是键值对集合，数组是值的有序列表； ​ Json对象的值可以包含数组，数组的元素也可以是一个对象，能够支持多层嵌套。   前端渲染和后端渲染： render.png ​ 前端渲染：React,Vue等；后端渲染：传统PHP,Java,Python等。 ​ 现代开发常采用混合方案：同构渲染，首次访问使用SSR快速呈现内容，后续交互转为CSR提供流畅

文件与拖拽API的底层原理 文件API：  显示选择机制：只有通过input和拖拽等主动行为才能访问文件；  无路径访问：JavaScript无法知晓真正的文件路径；  同源限制：读取的文件内容只能在当前页面上下文使用。 拖拽API： 拖拽本质是操作系统提供的跨应用（跨源）通信机制。 过程：  拖拽开始时，OS创建“拖拽会话”；  拖拽过程中，系统跟踪光标位置并查询下方的放置目标

Hexo指令：  新建博客：hexo new'xxx'  清除之前所有的公共文件：hexo clean  重新生成html文件：hexo g  上传到GitHub：hexo d ==>清除/生成/部署：hexo clean && hexo g -d  查看hexo版本：hexo version   Hexo美化   Git指令：  测试Github到SS

Markdown语法 链接 效果：链接文本 格式：[链接文本](url)   指数 效果：2n 格式：2ⁿ   列表 效果： 列表一 列表二 格式：- 列表一   斜体 效果：斜体 格式：*斜体*   加粗 效果：加粗 格式：**加粗**   公式 效果：ht 格式：$h_t$   表格

Vue3 ​ 描述：Vue.js是一套构建用户界面的渐进式框架，只关注视图层，采用自底向上增量开发的设计，尽可能通过简单的API实现响应的数据绑定和组合的视图组件。 ​ 优点：响应式数据绑定，虚拟DOM，灵活性与渐进性，易于集成等。 ​ 命令： # 创建Vue项目 npm init vue@latest # 启动开发服务器 npm install npm run dev # 打开图

Docker 描述：开源的应用容器引擎，基于Go语言，可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。 优点：跨平台一致性，资源高效，快速部署，隔离性。 基本命令：  查看运行中的容器：docker ps  进入容器内部：docker exec -it <容器ID> /bin/bash  杀死进

TCP/IP 五层模型  1）物理层：通过物质介质（光纤、电缆等）传输原始比特流，数据单位是比特。  2）链路层：在直接相连的节点间传输数据，处理物理寻址（MAC）和错误检测，数据单位是帧。  3）网络层：负责逻辑寻址、路由选择和分组转发，数据单位是包。  4）传输层：提供端到端的数据传输，流量控制和错误恢复，数据单位是段。  5）应用层：为用户提供网络服务接口，处理应用程序逻辑，数据