git局域网部署方法
远程仓库为裸库
原文链接:git init 和 git init --bare 的区别? - SegmentFault 思否
在本文中我将:
使用“普通库”代指用"git init"命令创建的GIT库;
使用“裸库”代指用"git init --bare"命令创建的GIT库;
当你创建一个普通库时,在工作目录下,除了.git目录之外,你还可以看到库中所包含的所有源文件。你拥有了一个可以进行浏览和修改(add, commit, delete等)的本地库。
当你创建一个裸库时,在工作目录下,只有一个.git目录,而没有类似于本地库那样的文件结构可供你直接 ...
关于PyQt的connect传入lambda函数作为参数调用槽函数的一点思考
关于lambda表达式
当处于循环中的时候,以下四种情况返回值不符合预期的原因:
button.clicked.connect(lambda: self.change_status(row_idx)) # 不行, 每次都是传入最新值
解读:
每次循环,lambda都是一个预定义的函数,并没有执行。等价如下:
12def 匿名函数(): self.change_status(row_idx) # 其中row_idx是外部变量
因此,循环的结果就是相当于定义了多个无参的、使用外部参数计算结果的函数。
button.clicked.connect(lambda r=row_idx: se ...
Spring注解
注:以下内容收集自互联网。
SPRING 注解大全 60+32+48
web
mapping
@Mapping
@RequestMapping
@GetMapping
@PostMapping
@PutMapping
@DeleteMapping
@PatchMapping
rest
@RequestBody
@ResponseBody
@ResponseStatus
@RestController
统一处理
@ControllerAdvice
@ExceptionHandler
@RestControllerAdvice
参数
@RequestHeader
@CookieV ...
Spring
注:以下内容收集自互联网。
框架篇
1. Spring refresh 流程
要求
掌握 refresh 的 12 个步骤
Spring refresh 概述
refresh 是 AbstractApplicationContext 中的一个方法,负责初始化 ApplicationContext 容器,容器必须调用 refresh 才能正常工作。它的内部主要会调用 12 个方法,我们把它们称为 refresh 的 12 个步骤:
prepareRefresh
obtainFreshBeanFactory
prepareBeanFactory
postProcessBea ...
MultiDTI_ drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical
MultiDTI:基于多模态表示学习的药物-靶相互作用预测,以弥合新化学实体和已知异构网络之间的差距
Deshan Zhou 1, Zhijian Xu 2,, WenTao Li3, Xiaolan Xie4, and Shaoliang Peng1,3,*
1Department of Computer Science, Hunan University, Changsha 410082, China, 2CAS Key Laboratory of Receptor Research, Drug
Discovery and Design Center, Shanghai Institute ...
JVM
注:以下内容收集自互联网。
虚拟机篇
1. JVM 内存结构
要求
掌握 JVM 内存结构划分
尤其要知道方法区、永久代、元空间的关系
结合一段 java 代码的执行理解内存划分
执行 javac 命令编译源代码为字节码
执行 java 命令
创建 JVM,调用类加载子系统加载 class,将类的信息存入方法区
创建 main 线程,使用的内存区域是 JVM 虚拟机栈,开始执行 main 方法代码
如果遇到了未见过的类,会继续触发类加载过程,同样会存入方法区
需要创建对象,会使用堆内存来存储对象
不再使用的对象,会由垃圾回收器在内存不足时回收其内存
调用方法时,方法内的局部变量、 ...
多线程、锁
注:以下内容收集自互联网。
并发篇
1. 线程状态
要求
掌握 Java 线程六种状态
掌握 Java 线程状态转换
能理解五种状态与六种状态两种说法的区别
六种状态及转换
分别是
新建
当一个线程对象被创建,但还未调用 start 方法时处于新建状态
此时未与操作系统底层线程关联
可运行
调用了 start 方法,就会由新建进入可运行
此时与底层线程关联,由操作系统调度执行
终结
线程内代码已经执行完毕,由可运行进入终结
此时会取消与底层线程关联
阻塞
当获取锁失败后,由可运行进入 Monitor 的阻塞队列阻塞,此时不占用 cpu 时间
当持锁线程释放锁时, ...
常见算法、数据结构
注:以下内容收集自互联网。
基础篇
基础篇要点:算法、数据结构、基础设计模式
1. 二分查找
要求
能够用自己语言描述二分查找算法
能够手写二分查找代码
能够解答一些变化后的考法
算法描述
前提:有已排序数组 A(假设已经做好)
定义左边界 L、右边界 R,确定搜索范围,循环执行二分查找(3、4两步)
获取中间索引 M = Floor((L+R) /2)
中间索引的值 A[M] 与待搜索的值 T 进行比较
① A[M] == T 表示找到,返回中间索引
② A[M] > T,中间值右侧的其它元素都大于 T,无需比较,中间索引左边去找,M - 1 设置为右边界 ...
class文件加载执行的顺序(对象的生命周期)
class文件加载执行的顺序(对象的生命周期)
如果有理解的不对的地方,请指出。
An end-to-end heterogeneous graph representation learning-based framework for drug–target interaction prediction
基于端到端异构图表示学习的药物-靶相互作用预测框架
摘要:
准确识别潜在的药物-靶点相互作用(DTI)是药物发现的关键步骤。虽然在过去的几十年里已经开展了许多相关的实验研究来识别DTI,但基于生物学实验的DTI识别仍然是耗时和昂贵的。因此,发展有效的计算方法来识别离散干扰具有重要意义。本文提出了一种基于异构“图”卷积网络的“端到端”学习框架,称为端到端图(End-to-End Graphs,EEG)-DTI。在给定包含多种生物实体(即药物、蛋白质、疾病、副作用)的异构网络的情况下,EEG-DTI使用基于图卷积网络的模型学习药物和靶点的低维特征表示,并基于学习到的特征预测DTI。在训练过程中,E ...
Drug repositioning based on comprehensive_similarity measures and Bi-Random walk_algorithm
基于综合相似性度量和双随机游走算法的药物定位
摘要:
**动机:**药物重新定位旨在为现有药物确定新的适应症,为减少传统药物开发的总时间和成本提供了一个有前途的选择。基于药物和疾病之间的相似性,已经提出了许多药物重新定位的计算策略。目前的研究通常只使用与药物相关的特性(例如,在计算药物或疾病相似性时,不考虑已知的药物-疾病关联信息对相似性度量的影响,而仅计算与疾病相关的属性(例如,表型)或仅计算与疾病相关的属性(例如,化学结构)。
结果:基于相似药物通常与相似疾病相关,反之亦然的假设,我们提出了一种新的计算方法MBiRW,该方法利用一些综合相似性度量和双随机游走(BiRW)算法来识别给定药物的 ...
nginx配置项详解
一份nginx配置指南
踩坑日记
1. VS Code的markdown图片路径问题
路径开头是
`/`,表示从打开的可视文件夹的根目录开始计算。
`../`,**导航到的路径一定是在可视范围之内,不能跑到根目录之上,vs code会识别不到。例外情况是:jetbrains全家桶都可以正常识别。其它软件未测。**
2. import cvxopt --> import cvxopt.base 的时候 ImportError: DLL load failed: 找不到指定的模块
原因: 这是因为numpy版本不对。
cvxopt使用了MKL,所以应该使用链接到英特尔数学库的版本:Numpy+MKL 其在Numpy ...
Autoencoder-based Drug-Target Interaction Prediction by Preserving the Consistency of Chemical Properties and Functions of Drugs
保持药物化学性质和功能一致性的基于自动编码器的药物-靶点相互作用预测
摘要
动机:探索潜在的药物-靶相互作用(DTI)是药物发现和再利用的关键步骤。近年来,通过计算方法预测可能的DTI逐渐成为研究热点。然而,以往的大多数研究都没有明智地考虑到药物的化学性质与其功能之间的一致性。这些关系的改变可能会对DTI的预测产生严重的负面影响。
结果:提出了一种基于自动编码器的空间一致性约束下的DTI预测方法AEFS。建立一个异构网络,集成药物、蛋白质和疾病信息。原始药物特征由多层编码器投影到嵌入(蛋白质)空间,再由解码器投影到标签(疾病)空间。在这个过程中,引入了药物的临床信息来辅助DTI的预测。AEFS ...
SNF-NN
问题描述
定义了一组药物R = r1,r2,…,rm和一组疾病D = d1,d2,…,dn,其中m和n是R中的药物数量和D中的疾病,分别。对于R,我们基于不同的药物相关数据集将一组药物之间的相似性邻接矩阵定义为SR,其中SR = sr1,sr2,…,srk和k是药物相关数据集的数量。每个药物相似性邻接矩阵的维为m×m; 其中m是k个药物相关数据集中不同药物的数量,而sra(ru,rw)表示基于药物相关数据集a的ru和rw这对药物相似。
类似地,让疾病之间的相似性邻接矩阵D集基于不同的疾病相关数据集定义为SD,其中SD = sd1,sd2,…,sdl,其中l是疾病相关数据集的数量。每个疾病相似 ...