《多益网络校招》专题

问题内容： 我正在尝试通过网络连接到MySQL数据库。我已经安装了MySQL，并且该服务在默认端口上运行。我还将SQL连接器安装到jar文件中，并将Java JDK添加到服务器计算机中。我可以使用以下代码连接到本地数据库： 但是，当我尝试通过IP地址（例如：192.168.1.45）通过网络连接到它时： 我收到连接错误： 有人知道这个问题是什么吗？我需要添加其他地址吗？我已经使用地址添加了默认端口

问题内容： 我最近一直在使用来处理带注释的Websocket，并与之聊天。 但是我遇到了一个问题，5分钟后（我相信这是默认计时器），该会话关闭（这不是由于错误）。我找到的唯一解决方案是在关闭事件发生时通知我的套接字，然后在新的套接字中重新打开连接。 但是我已经阅读了stackOverflow，通过在WebsocketPolicy 中进行设置，我可以避免出现此问题： 我尝试设置为例如，但是行为完全没

本文向大家介绍csrf和xss的网络攻击及防范?相关面试题，主要包含被问及csrf和xss的网络攻击及防范?时的应答技巧和注意事项，需要的朋友参考一下 参考回答： CSRF：跨站请求伪造，可以理解为攻击者盗用了用户的身份，以用户的名义发送了恶意请求，比如用户登录了一个网站后，立刻在另一个ｔａｂ页面访问量攻击者用来制造攻击的网站，这个网站要求访问刚刚登陆的网站，并发送了一个恶意请求，这时候CSRF就

本文向大家介绍请问你怎么测试网络协议相关面试题，主要包含被问及请问你怎么测试网络协议时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 协议测试包括四种类型的测试 1、一致性测试：检测协议实现本身与协议规范的符合程度 2、互操作性测试：基于某一协议检测不同协议实现间互操作互通信的能力 3、性能测试：检测协议实现的性能指标，比如数据传输速度，连接时间，执行速度，吞吐量，并发度， 4、健壮性测试：

Volley中的异常处理怎么样，它是在构建中提供异常处理机制还是我们需要单独处理？

我有一个带有持久卷的WordPress和MySQL容器。我一直在努力学习docker，并在学习过程中错误地删除了老docker撰写。yml和mysql卷之外的所有卷。我现在已经尽我所能将其重新创建到compose文件中，但每当我启动机器时，它都无法连接到MySQL服务器。有谁能指出我哪里做错了。 我怀疑我对两者之间的联系有问题，但我不确定。 docker-compose.yml： 日志：

我正在学习pytorch，并试图将网络训练为异或门。一切运行顺利，但就是不学习。它确实改变了它的权重，但是它会收敛到超出预期结果的每一个输入的结果中。 我尝试了许多学习率和权重初始化。 因此，输入是A和B门，如果两者相等，则返回1，否则返回0，如下所示： 这是我对模型建模和训练的尝试： 这是一次以0.001学习率进行100000次迭代的运行： 我真的迷路了。这不管用吗？

我知道前馈神经网络的基本知识，以及如何使用反向传播算法对其进行训练，但我正在寻找一种算法，以便使用强化学习在线训练神经网络。 例如，我想用人工神经网络解决手推车杆摆动问题。在这种情况下，我不知道应该怎么控制钟摆，我只知道我离理想位置有多近。我需要让安在奖惩的基础上学习。因此，监督学习不是一种选择。 另一种情况类似于蛇游戏，反馈被延迟，并且仅限于进球和反进球，而不是奖励。 我可以为第一种情况想出一些

我问了一个关于我上周建立的一个网络的问题，我重复了一些建议，这些建议导致我发现了一些问题。我回到这个项目，解决了所有问题，并在这个过程中了解了更多关于CNN的信息。现在我陷入了一个问题：我所有的权重都变成了巨大的负值，再加上输出图像中的RELU端总是完全是黑色的（这使得分类器无法完成它的工作）。 在两个标记的图像上： 这些数据被传递到一个两层网络、一个分类器（它自己获得100%）和一个单过滤器3×

这是我的问题。我训练了一个卷积神经网络，用tensorflow将图像分为两类。我现在想知道如何使用神经网络的权重，并在未标记的随机图像上进行测试。tensorflow中是否有这样的函数，或者我现在应该自己运行卷积吗？

我很难构建好的神经网络教学算法，因为有一些人工操作。第一件事：我的目标是教nn-xor函数，我使用sigmoid作为激活函数和简单的梯度下降。前馈很容易，但backprop在某种程度上令人困惑——大多数算法描述中常见的步骤有：1。计算输出层上的错误。2、将此错误传播到有关权重3的隐藏层。更新突触上的权重 所以我的问题：1。偏差也应该更新吗？如果是，如何更新？目前我随机选择偏差[0.5；1]？2.在

我正在尝试运行一个CNN（卷积神经网络），具有1通道/灰度图像，大小为28x28像素。当我尝试训练模型时，它说： ValueError：图层sequential_5输入0与图层不兼容:: 预期min_ndim=4，发现ndim=3。完整形状收到：[无，28,28]

我正在尝试创建一个CNN来对数据进行分类。我的数据是X[N\u数据，N\u特征]我想创建一个能够对其进行分类的神经网络。我的问题是关于keras后端Conv1D的输入形状。 我想在上面重复一个过滤器。。假设有10个特征，然后为接下来的10个特征保持相同的权重。对于每个数据，我的卷积层将创建N\U特征/10个新神经元。我该怎么做？我应该在input\u形状中放置什么？ 有什么建议吗？非常感谢。

我有以下简单的数据集。它由9个特征组成，是一个二元分类问题。特征向量的示例如下所示。每行都有相应的0,1标签。 我知道CNN被广泛用于图像分类，但我正试图将其应用于我手头的数据集。我正在尝试应用5个大小为2的过滤器。鉴于这些数据的形状，我一直致力于以正确的方式构建网络。这是我构建网络的功能。 最后，我还将调用一个测试函数来测试我创建的模型的准确性。下面的函数试图实现这一点 当我建立模型并通过训练函

主要问题 我无法理解特定图层的权重图。我使用了一种“无学习”的方法： 我用千层面作为我的神经网络库。 情节很好，但我不知道该怎么解释。 神经网络结构 im使用的结构： 以下是前3层的权重： **关于图片** 所以对我来说，它们看起来是随机的，我无法解释它们！ 然而，在Cs231上，它说： Conv/FC过滤器。第二种常见策略是将权重可视化。这些通常在第一个CONV层上最容易解释，该层直接查看原始像