其他

link addr 一：運行程式        按照上一篇文章所述，安裝好cuda軟體以後，就可以使用”nvcc -V“命令查看所用到的編譯器版本，本人用版本資訊來自：“Cuda compilation tools, release 3.2, V0.2.1221”。        自己建立一個目錄，在裡面建立 cu

Fabric CA 使用者指南 憑證授權單位 提供的功能如下： 身份的註冊 ：或串連到LDAP（Lightweight Directory Access Protocol，輕量目錄訪問協議）作為使用者註冊表; 簽發登記認證（ECerts）（Enrollment Certificates） 簽發交易認證（TCerts）（Transaction Certificates） ：在Hyperledger Fabric

http://rocketmq.apache.org/docs/motivation/ Message Queue 訊息佇列，阿里雲商用的專業訊息中介軟體，是企業級互連網架構的核心產品，提供基於高可用分布式叢集技術搭建的訊息發布訂閱、軌跡查詢、資源統計、定時（延時）、監控警示等一系列訊息雲端服務。 Message 訊息，訊息佇列中資訊傳遞的載體。 Message ID 訊息的全域唯一標識，由 MQ 系統自動產生，唯一標識某條訊息。 Message

Source: http://stackoverflow.com/questions/26734402/how-to-upgrade-docker-container-after-its-image-changed Question: Let's say I have pulled the official mysql:5.6.21 image. I have deployed this image by creating several docker

前段時間看了一些關於LSTM方面的論文，一直準備記錄一下學習過程的，因為其他事兒，一直拖到了現在，記憶又快模糊了。現在趕緊補上，本文的組織安排是這樣的：先介紹rnn的BPTT所存在的問題，然後介紹最初的LSTM結構，在介紹加了遺忘控制門的，然後是加了peephole connections結構的LSTM，都是按照真實提出的時間順序來寫的。本文相當於把各個論文核心部分簡要彙集一下而做的筆記，已提供快速的瞭解。 一.rnn結構的BPTT學習演算法存在的問題

一、介紹 之前的控制方法都是Value-based，而在確定價值函數之後，其實我們是在價值函數的基礎上確定了某種策略（貪婪，ϵϵ-貪婪）找到action。那麼我們為什麼不直接通過策略函數控制action呢。 這樣做的好處： 連續的動作空間（或者高維空間）中更加高效； 可以實現隨機化的策略； 某種情況下，價值函數可能比較難以計算，而策略函數較容易。 二、Finite Difference Policy Gradient

一、一些概念 MDP的兩個規劃問題： 預測，給定MDP和策略π，求出價值函數vπvπ 控制，給定MDP，求出最佳價值函數v∗v∗和最佳策略π∗π∗ Policy Evaluation策略評估： 給定一個策略，從v0v0,v1v1一直求到vπvπ,第k步求出的狀態價值函數，通過Bellman期望方程可以求出k+1步的狀態價值函數。這樣一直迭代下去，最終狀態價值函數會收斂，完成對策略π的評估。 Policy Iteration策略迭代： 1

一、擷取鏡像 1.擷取的命令（docker pull） --->docker pull [選項]  [Docker Registry地址]<倉庫名>:<標籤> 具體的選項可以通過命令docker pull --help來查看 例如 --->docker pull hyperledger-fabric:latest 2.運行，以hyperledger-fabric:latest為例 --->docker run

上一次大家對語音技術有這麼濃厚的興趣還是在幾年前，關注的對象是手機上的語音助手，如 Siri、Google Now 等。一開始大家對這種語音對話的形式感到很有趣，但嘗試一段時間後發現，除了讓它講個笑話以及偶爾調戲一下逗逗樂子以外，再也想不到要喚醒它幹嘛。終於，大多數人都漸漸遺忘了這個停留在角落裡的虛擬語音助手。 這一次，一個新的帶有語音互動功能的產品再一次引起了人們的注意，並在實際體驗兩年之後仍然興趣不減、好評不斷，這款產品就是 Amazon

學習筆記來自斯坦福公開課的自然語言處理（https://class.coursera.org/nlp/），以其中講義為主，加入自己的學習理解，以加深學習印象。 內容提綱： 1. N-GRAM介紹 2. 參數估計 3. 語言模型的評價 4. 資料稀疏問題 5. 平滑方法 N-GRAM介紹

淺談以太坊智能合約的設計模式與升級方法 1. 最佳實務 2. 實用設計案例 2.1 控制器合約與資料合約: 1->1 2.2 控制器合約與資料合約: 1->N 2.3 控制器合約與資料合約: N->1 2.4 控制器合約與資料合約: N->N 2.5 總結 3. 升級 3.1 控制器合約升級，資料合約不升級

本文由幣乎社區（bihu.com）內容支援計劃贊助。 Solidity提供了在其他程式設計語言常見的資料類型。除了簡單的實值型別比如數字和結構體，還有一些其他資料類型，隨著資料的增加可以進行動態擴充的動態類型。動態類型的3大類： 映射(Mappings)：mapping(bytes32 => uint256)， mapping(address => string)等等 數組(Arrays)：[]uint256，[]byte等等

1.問題描述 487-3279 Time Limit: 2000MS   Memory Limit: 65536K Total Submissions: 301651   Accepted: 53967 Description

題目：http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemCode=3763 雖然題目有點長，但是仔細讀下來發現也沒什麼。。。 給一個關於 t 的分段函數R(t)： When 0 ≤ t ≤ T, R(t) = c*t

前言 實際工程中很少有直接用深度學習實現端對端的聊天機器人，但這裡我們來看看怎麼用深度學習的seq2seq模型來實現一個簡易的聊天機器人。這篇文章將嘗試使用TensorFlow來訓練一個基於seq2seq的聊天機器人，實現根據語料庫的訓練讓機器人回答問題。 seq2seq 關於seq2seq的機制原理可看之前的文章《深度學習的seq2seq模型》。 迴圈神經網路

目前來講，任何學習EOS相關技術的資料都來自https://github.com/EOSIO/eos，可能大家在搭建EOS開發環境的過程中，會很迷茫，網上資料都很亂，自己也理不清頭緒，不知如何下手。在這裡，春哥將一步步為你揭開層層面紗。 1. 硬體軟體環境 因為EOS的版本太多，所以你需要Crowdsourced Security Testing道如何查看EOS對應版本的相關資料。 開啟EOS

本文介紹了什麼是智能合約，以及如何在Fabric下編寫一個簡單的智能合約Demo。 什麼是智能合約。 智能合約是一種旨在以資訊化方式傳播、驗證或執行合約的電腦協議。智能合約允許在沒有第三方的情況下進行可信交易。這些交易可追蹤且無法復原轉，Fabric為智能合約提供了一個可信的執行環境。 Fabric下的智能合約 Chaincode是Fabric下智能合約的代碼實現，是一段在區塊鏈上驗證，儲存和執行的代碼，只有通過Chaincode才能與Fabric網路進行互動。

1. 開啟Docker拉取鏡像，在https://hub.docker.com/可以查看鏡像版本，為了配合畢設我們拉取0.6版本，並把tag重新命名為latest docker pull hyperledger/ fabric-peer:x86_64-0.6.1-preview docker pull hyperledger/ fabric-membersrvc:latest docker images      

Ubuntu 16.04 LTS安裝 TeamViewer11 一、完整版安裝 首先，開啟TeamViewer的下載頁面（ http://www.teamviewer.com/en/download/linux/） 這是一個32位的deb包。Debian 6/Ubuntu 10等舊發行版本可以下載64位deb包，因為它們沒有Multiarch多架構功能。對於Ubuntu

詳細介紹 概述 全新發布的plasma是Discreet最新的專業3D web 是設計軟體。將於今年夏季上市，plasma 軟體使用了Discreet最先進的3D 技術。並且給予了web設計師方便建立網頁3D 的方案，同時擁有穩定，專業和完全最佳化的工具集合。 plasma 軟體跟目前業界廣泛使用的Macromedia Flash和Director