其他

tomcat通過配置也可以實現叢集session共用，但是不建議這樣做，有更多更好的方案可以解決，如：Redis之類 分別下載 tomcat http://archive.apache.org/dist/tomcat/tomcat-7/v7.0.22/bin/apache-tomcat-7.0.22.tar.gz nginx http://nginx.org/download/nginx-1.1.14.tar.gz  

今天來說一下將svg 圖片轉化為字型圖片的辦法，很簡單，不囉嗦直接講方法。 一、 方法 1 1.講svg圖片轉化字型圖片網站 icoMoon : https://icomoon.io 進入網站後點擊右上方 icoMoom App 按鈕 進入後，它提供了一些圖片，可以點擊選中，如果不想可以點擊左上方 import Icons 按鈕，上傳你做好的svg 圖片。 然後： 下載好後的檔案：需要解壓 可以看看例子 demo.html ；

轉自：http://www.cnblogs.com/kaituorensheng/p/3776527.html 1. #     10年9月，twitter改版。一個顯著變化，就是URL加入了"#!"符號。比如，改版前的使用者首頁網址為http://twitter.com/username改版後，就變成了http://twitter.com/#!/username 　　這是主流網站第一次將"#"大規模用於重要URL中。

<project xmlns="http://maven.apache.org/POM/4.0.0"    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.

英文論文中i.e.,e.g.,etc.的正確用法 i.e. 是拉丁文 id est 的縮寫，它的意思就是“那就是說，換句話說”，等同於“that is，in other words” ，目的是用來進一步解釋前面所說的觀點。e.g. 是拉丁文 exempli gratia 的縮寫，它的意思是“舉個例子，比如”，等同與“for example”,目的就是用幾個例子來說明前面的觀點。etc.就比較好理解了，它是 etcetera 的縮寫，意思是“等等”，相當於“and so on”e.g. 和

轉自煉丹實驗室 ：https://zhuanlan.zhihu.com/p/20792837 神經網路的代碼，比一般的代碼要難調試不少，和編譯錯誤以及運行時程式崩潰相比，神經網路比較棘手的地方，往往在於程式運行正常，但是結果無法收斂，這個檢查起來可要麻煩多了。下面是根據我平時調試神經網路的經驗，總結的一些比較通用的調試技巧，後續會再寫一篇文章，專門介紹一下theano如何進行調試，希望能對大家調試神經網路有所協助。 遇到Nan怎麼辦。

轉載自 煉丹實驗室 ：https://zhuanlan.zhihu.com/p/24720954 之前曾經寫過一篇文章，講了一些深度學習訓練的技巧，其中包含了部分調參心得：深度學習訓練心得。不過由於一般深度學習實驗，相比普通機器學習任務，時間較長，因此調參技巧就顯得尤為重要。同時個人實踐中，又有一些新的調參心得，因此這裡單獨寫一篇文章，談一下自己對深度學習調參的理解，大家如果有其他技巧，也歡迎多多交流。 好的實驗環境是成功的一半

最近項目需要在NuGet添加一個依賴項，無奈公司開發機沒網。。。 說出來各位看官可能不信，做開發的開發機居然沒網。。。。。（那你還不趕快離職閃人） 沒辦法，項目需要還是得把東西扔進VS裡面去，只有想辦法把依賴項加進去了 如果有網，添加NuGet裡面的依賴項非常簡單，搜尋出來直接安裝就行。 言歸正傳，還是來說說離線安裝NuGet裡面程式包依賴項的問題。 首先。 https://www.nuget.org/

蘑菇街是專註於時尚女性消費者的電子商務網站，為愛美的姑娘們提供衣服、鞋子、箱包、配飾和美妝等領域適合年輕女性的商品，蘑菇街APP也成為時尚女性購買和互相分享的必備APP。 投簡曆 投蘑菇街的簡曆是一個很意外的事情，不過說實話相比其他的公司而言，蘑菇街的招聘網站需要填寫的資訊少得讓人舒服太多了。按道理來說其實也不需要填寫那麼多，反正最後都會上傳一份個人簡曆作為附件的。

關於ObjectARX2016 64位開發環境的搭建     C:\ObjectARX 2016\docs\arxdev.chm中Software Development Environment and System Requirements Developing applications withObjectARX 2016 on 32-bit requires the following software and hardware:

01-.tar格式解包：[＊＊＊＊＊＊＊]$ tar xvf FileName.tar打包：[＊＊＊＊＊＊＊]$ tar cvf FileName.tar DirName（註：tar是打包，不是壓縮。）02-.gz格式解壓1：[＊＊＊＊＊＊＊]$ gunzip FileName.gz解壓2：[＊＊＊＊＊＊＊]$ gzip -d FileName.gz壓 縮：[＊＊＊＊＊＊＊]$ gzip FileName03-.tar.gz格式解壓：[＊＊＊＊＊＊＊]$ tar zxvf

ObjectARX2015開發環境為vs2012 sp1，為了使用CMFC控制項類函數，建議將vs2012進行升級更新到update 4。配置步驟如下： 1．下載ObjectARX2015和ObjectARX 2015 Wizard。 2．將ObjectARX2015解壓到指定目錄（例如：D:\Program Files\Autodesk\ObjectARX），然後安裝ObjectARX2015 Wizard，安裝時設定目錄為ObjectARX2015解壓到的指定目錄。

1. 下載核心檔案 地址是http://kernel.ubuntu.com/~kernel-ppa/mainline/ 以4.16.2為例 （1） wget http://kernel.ubuntu.com/~kernel-ppa/mainline/v4.16.2/linux-headers-4.16.2-041602_4.16.2-041602.201804121130_all.deb （2）

效能測試指標 1.回應時間。 2.並發數。如果暫時沒有對應的準確監控，針對不同業務模型，可以有不一樣的並發數的預估。我們的系統進行峰值並發數預估的話，有一種比較粗略的計算方式，即全天請求平均每秒並發數 * 3。但也需要case by case。 3.輸送量。比較常見的有QPS（每秒查詢數）、HPS（每秒http請求數）以及TPS（每秒處理事務數）。 4.效能計數器。包括系統負載、線程數、cpu、記憶體使用量情況等。可以用top、free、cat /proc/cpuinfo等命令來查看。

前幾天有個同學打電話問我選擇國內企業與外企的利弊，很可笑的是他是學機械的；既然和我完全不在一個行業，因此我只是說了我們IT外企的利與弊，畢竟隔行如隔山。 首先簡單自我介紹一下，我所在的公司是美資500強軟體行業（非互連網），行業的絕對領導者，全球數萬名員工，中國三大研發中心超過2000人。基本上每年都會在Great Place to

1 異構計算、GPGPU與OpenCL   OpenCL是當前一個通用的由很多公司和組織共同發起的多CPU\GPU\其他晶片

ARM嵌入式系統常常會遇到多串口應用需求，而ARM晶片系統原生的UART數目有限，因此就需要通過其他高速匯流排來擴充更多的介面。本文就以Toradex 基於NXPi.MX6D/6Q處理器的Apalis i.MX6D/Q ARM電腦模組，在Linux系統下通過EXAR方案擴充8路串口。 Apalis i.MX6D/Q 模組自身最多可以支援 5 個 UART 串口輸出。相容 高速TIA/EIA-232F（最高 5Mbit/s）。支援7、8 或者

1). 簡介 MQX是由NXP提供的即時作業系統,結構框圖如下圖所示, 包含核心,檔案系統以及協議棧, 同時對於NXP的ARM處理器也可以很好的支援,可以很方便的開發和部署. 本文就基於Toradex Colibri VF61 (基於NXP VF61 SoC) ARM電腦模組搭配Colibri Eva Board開發板來示範編譯和部署MQX應用. VF61為異構雙核架構ARM處理器,包含一個Cortex-A5和一個Cortex-M4

英偉達的顯卡首先要下載安裝CUDA開發包，可以參考這裡的步驟：   VS2015編譯環境下CUDA安裝配置 安裝好CUDA之後，OpenCL的配置就已經完成了80%了，剩下的工作就是把OpenCL的路徑添加到工程中。 1. 建立一個win32控制台應用程式，在工程的屬性管理員Debug中添加一個屬性頁面“OpenCL.props”，之後雙擊開啟 2. 在C/C++ ->常規->附加元件封裝含目錄

關於spring batch spring batch就是一個輕量級的批處理架構，他的輕量級是相對於MapReduce、Spark之類的叢集批處理架構來說的。雖然spring batch支援機器叢集，但是多用的是單機的同步多執行緒。 大家都知道MapReduce適合超大型資料量的批量處理，對於幾分鐘，幾十秒鐘的處理就不要放到Mapreduce上了，這隻會讓處理時間更長，因為MapReduce的任務分配和啟動過程就要消耗1-2分鐘。