其他

指標和記憶體 2017-04-26 為什麼要用指標 指標解決兩類軟體問題。第一，指標允許代碼的不同部分簡單地共用資訊。前後複製資訊可以達到同樣的效果，但是指標能夠更好地解決問題。第二，指標支援複雜關聯資料結構比如列表和二叉樹。 指標是什麼 指標儲存某一個值得引用而非值本身。 指標解引用

零、聲明 這是一篇失敗的工作，我低估了batch normalization裡scale/shift的作用。細節在第四節，請大家引以為戒。 一、前言 　　關於神經網路的作用有一個解釋：它是一個萬能函數逼近器。通過BP演算法調整權重，在理論上神經網路可以近似出任意的函數。 　　當然，要近似出來的函數的複雜度肯定不能超過神經網路的表達能力，不然就會產生欠擬合的現象。而一個網路能承載的函數複雜度通常與隱層節點個數和深度有關。

 網上找到資料： http://www.shareditor.com/bloglistbytag/?tagname=%E8%87%AA%E5%B7%B1%E5%8A%A8%E6%89%8B%E5%81%9A%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA  倍感欣喜，這個資料太全面了。向科學致敬。

2017/3/22 今天做了阿里巴巴演算法工程師的線上筆試題，時間好緊，只有40分鐘，還沒來得及調出來，時間就到了，這是後來編譯通過的代碼，在此貼出來方便大家參考學習。 有n個正整數（每個數小於10億），將它們表示成字串形式。對每一個字串s，可以翻轉為新字串s’，如“1234”可以翻轉成“4321”。 現在，將這n個字串以任意順序連成一個字元環，每個字串可以選擇是否翻轉。在字元環中，從任意一個位置開始，遍曆整個環，得到一個長整數。請問，如何才能得到最大的長整數。 Arr =

» 領導者（leader），負責進行投票的發起和決議，更新系統狀態 　　» 學習者（learner），包括跟隨者（follower）和觀察者（observer），follower用於接受用戶端請求並想用戶端返回結果，在選主過程中參與投票 　　» Observer可以接受用戶端串連，將寫請求轉寄給leader，但observer不參加投票過程，只同步leader的狀態，observer的目的是為了擴充系統，提高讀取速度 　　» 用戶端（client）

（一） 基本文法 iptables-t filter -A INPUT -p icmp -j DROP 進階文法 iptables-t filter -A INPUT -m mac –mac-source 00:1C:23:3B:2E:B1 -j DROP

簡介 Actor這個模型由Carl Hewitt在1973年提出，Gul Agha在1986年發表技術報告“Actors: A Model of Concurrent Computation in Distributed Systems”，Actor模型是並發編程中比較常見的模型，很多開發語言均提供了原生的支援，如erlang，scala等。 Actor特點 -

case class Book(title: String, authors: List[String])object For_Query { def main(args: Array[String]): Unit = { val books: List[Book] = List ( Book("book1", List("a", "b")), Book("book2",

適用於提示硒鼓壽命將到，起始還是可以繼續使用的，不然廠商怎麼賺錢。 下面方法來自百度文科： 一、 HL-1208機器清零方法（即TN1035粉盒適用的HL系列機型） 1、 通常如果此時印表機電源開啟請按電源開關數秒將印表機關閉。 按住開機鍵不要鬆手面板二個指示燈同時亮時開啟頂蓋。 開啟頂蓋後 錯誤指示燈應當熄滅，準備就緒指示燈常亮才有用。 取出硒鼓單元，二個指示燈同時亮，然後鬆開開機鍵。 2、 安裝硒鼓單元併合上頂蓋。 3、

背景： thinkpad x250開、關機慢的無法忍受，入手三星ssd 850 EVO固態硬碟一枚。 過程： 根據ThinkPad拆機指南拆機，但把固態硬碟裝好後，用u盤裝系統，裝一個win7,32位Ghost版本。 問題： 本本無法識別硬碟，藍屏。 調試： (1) 參照網友意見，修改bios設定硬碟模式，仍然解決不了問題； (2) 裝原來的機械硬碟，系統正常啟動； (3) 根據Du知道君的回答才找到問題所在——SSD盤不能裝Ghost系統 http://zhidao.

1、代碼如下： [java]  view plain  copy  print ? package com.yy.oop      /**   * 伴生類和伴生對象 

主要目的是：在最大似然（ML）準則下使用一個線性變換矩陣對參數特徵向量進行解相關。 在ML準則下，評價一個模型‘好壞’的標準是訓練資料與模型匹配的似然度，如果似然度越高的話，我們說這個模型越好。MLLT的作者給出了在最大似然準則下（ML）使用對角共變數矩陣的缺點，及其對訓練資料集描述似然度的損失。 在原特徵空間，建立模型，匹配訓練資料，得到似然度P。考慮在特徵空間做一個線性變換， yi=Axi y_i =

原文：http://www.quantmod.com/examples/intro/ 使用quantmod，可以從很多資料來源取得資料，包括： Yahoo! Finance (OHLC 資料) Federal Reserve Bank of St. Louis FRED® (11,000 economic series) Google Finance (OHLC 資料) Oanda, The Currency

本文地址：http://blog.csdn.net/mounty_fsc/article/details/51089864 1 運行範例指令碼train_lenet.sh Ubuntu下終端行執行train_lenet.sh可訓練lenet-5（詳細情況參考其他教程），能直觀地看到lenet訓練起來帶情況。 train_lenet.sh中內容為： ./build/tools/caffe train

Sumsets Time Limit: 6000/2000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Total Submission(s): 1460    Accepted Submission(s): 574 Problem Description Farmer John

Description Farmer John commanded his cows to search for different sets of numbers that sum to a given number. The cows use only numbers that are an integer power of 2. Here are the possible sets of numbers that sum to 7:  1) 1+

Kd-Tree演算法原理和開源實現代碼   本文介紹一種用於高維空間中的快速最近鄰和近似最近鄰尋找技術——Kd-Tree（Kd樹）。Kd-Tree，即K-dimensional tree，是一種高維索引樹形資料結構，常用於在大規模的高維資料空間進行最近鄰尋找(Nearest Neighbor)和近似最近鄰尋找(Approximate Nearest

Spring種提供了2種常用的注入方式，set方法注入和建構函式注入。由於這2種注入方式很相似，都可以滿足我們的需求，所以在大多數情況下我們忽視了這2種注入方式的區別。下面讓我們看看這2種注入方式的特點。     我們先看看Spring在使用set方法注入時，是怎樣執行個體化一個Bean和Bean的合作者的：     在A中有一個setB方法用來接收B對象的執行個體。那麼Spring執行個體化A對象的過程如下：   

外掛程式搜尋路徑 GStreamer程式運行時，按照以下順序搜尋外掛程式： PATH GST_PLUGIN_PATH_1_0 或 GST_PLUGIN_PATH GST_PLUGIN_SYSTEM_PATH_1_0 或 GST_PLUGIN_SYSTEM_PATH 每個環境變數包含一個路徑列表。 GST_PLUGIN_PATH_1_0環境變數如果被設定，則GST_PLUGIN_PATH自動失效。

經過這一段時間的思考、實踐、受挫、再思考、再實踐，現將api網關的方案總結一下。 總的目標 主要為瞭解決SOA服務架構對外提供api相關問題，主要涉及如下幾個方面： 統一鑒權 限流 防攻擊 系統拆分 api橫向擴充、高可用、負載均橫 服務自動擴縮 … 為瞭解決上面的一系列問題，所以需要一個網關係統來作為外部服務調用的統一入口。本方案分兩部分： 第一部分 具體代碼請參見