谈谈lua中的table.remove()以及loop+table.remove()误区
前几天在修复一个bug的时候发现代码中使用了泛型for+ipairs()+table.remove()删除元素，毫无疑问，这是一种错误的做法，但因为历史配置内容原因，导致这个BUG在之前一直没表现出来。lua中，在for循环中调用函数ipairs时，ipairs会返回3个值，迭代函数、不可变状态表、初始控制变量0，for的每次调用，都会把状态表和控制变量传入迭代函数，调用迭代函数，把控制变量+1，再获取状态表中相应元素，并把两者返回，直至遇到nil结束；而函数table.remove除了删
pytorch 保存模型和恢复模型
主要有两种方法序列化和恢复模型 （1）（推荐）只保存和加载模型参数 torch.save(the_model.state_dict(), PATH) #恢复 the_model = TheModelClass(*args, **kwargs) the_model.load_state_dict(torch.load(PATH） （2）保存和加载整个模型（然而，在这种情况下，序列化的数据被绑定到特定的类和固定的目录结构，所以当在其他项目中使用时，或者在一些严重的重构器之后它可能会以各种方式bre
java_String类练习
1 public class StringTest {
2 //1.模拟trim方法，去除字符串两端的空格
3 public static void main(String[] args) {
4 String str = " ai kang ";
5 char c = str.charAt(0);
6 while (true){
7 if(str.startsWith
每周分享五个 PyCharm 使用技巧（四）
大家好，这是本系列 PyCharm 的高效使用技巧的第四篇。按照惯例，本次还是分享 5 个。 16. 快速定位到错误行 前几天打开 PyCharm，发现在导航栏这里出现了很多波浪线，有过 PyCharm 使用经验的同学，就会知道，这是代码中出现了错误。 顺着波浪线，我一层一层地展开目录树，终于找到了那个包含错误的文件。由于是手误，我也不知道我改动了哪一行，看了下这个文件，有将近8000行的代码，难道一行一行地去找？ 不，这绝对不是使用 IDE 正确的方式。 遇到问题，就应该尝试去寻找快捷方法，
MySQL存储引擎 和索引
在MySQL中存储引擎有Innodb 和 MyIsam 两种 Innodb ：默认使用的版本5.5 及以上，支持事务，不支持全文索引，索引和数据都存在一个文件，.ibd 表结构存在.frm文件中 MyIsam：默认使用的版本5.5 以下，不支持事务，支持全文索引， frm 存表结构，.MYD 存表数据， .MYI存表索引 全文索引使用sphinx 索引 加快查询速度 可以与新华字典的目录做一个类比，将索引理解成一个特殊的文件，没有索引的话查询数据是从前向后查找的，有了这个索引的话他是根据一个特
[USACO19JAN]Redistricting——单调队列优化DP
原题链接 首先有一个\(O(nk)\)的很显然的\(dp\)，把荷斯坦牛看成\(1\)，把更赛牛看成\(-1\)，这样就可以很方便地通过前缀和来判断某一段中谁有优势了 考虑怎么优化，观察转移： \[f[i]=min\{f[j]+[sum[i]-sum[j]\leqslant 0]\},1\leqslant i-j\leqslant k\] 因为\([sum[i]-sum[j]\leqslant 0]\)只能为\(0\)或\(1\)，那么我们开一个双关键字的单调队列维护一下就好了 代码在此： #
解决移动端input关闭软键盘后导致页面不下落的问题（适用蒙层的背景层）
<input type="text" @blur.prevent="inputLoseFocus"> inputLoseFocus() { setTimeout(() => { window.scrollTo(0, 0); }, 100); }
tensorflow学习之Saver保存读取
目前不是很懂。。但主要意思是tf可以把一开始定义的参数，包括Weights和Biases保存到本地，然后再定义一个变量框架去加载（restore）这个参数，作为变量本身的参数进行后续的训练，具体如下： import numpy as np
#Save to file
W = tf.Variable([[1,2,3],[3,4,5]],dtype=tf.float32,name='weights')
b = tf.Variable([[1,2,3]],dtype=tf.flo
java反射（一） ：通过反射越过泛型检查
通过反射越过泛型检查,举个例子，假如向一个泛型为Integer的集合中添加一些字符串数据，如果不通过反射，我们是不可能实现的，但是通过反射，我们不但可以越过泛型检查，还可以添加任意数据类型到该集合。代码如下： public class Test01 { public static void main(String[] args) throws Exception { ArrayList<Integer> array = new ArrayList<Integer>(); //创建集合 Clas
《数据蜂巢架构演进之路》读后感
今天看了贺思远老师写的《数据蜂巢架构演进之路》有些感触。首先写到功能整合，各个功能如何实现离线同步：可理解为将根据一个sql查询出的数据同步到其它目标存储上；实时订阅：通过实时解析mysql-binlog,将数据的变动封装成事件存于消息队列，供用户订阅消费；实时同步：提供一些常见的订阅客户端料现，实时消费消息，将数据的变动应用于目标存储上。讲述了将三个功能架构在一个平台下的方法：将离线同步，实时订阅，实时同步三个需求抽象为三种作业，分别为BatchJob,StreamJob,PieJob。i.
mysql之使用json
从mysql 5.7开始才有 创建表（含有json类型） CREATE TABLE `emp_details` ( `emp_no` int(11) NOT NULL, `details` json DEFAULT NULL, PRIMARY KEY (`emp_no`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1; 插入json INSERT into emp_details (emp_no,details) VALUES ( '1','{"location
JDK安装及环境变量配置详解
一、下载（Jdk 1.8 ） 1.下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 2.下载文件： 1）在官网选择accept，并根据需求下载文件。 2）下载文件获得此文件。 二、安装 1.打开下载文件。 2.选择路径，路径最好为c盘（或直接使用默认路径），运行速度较快。 3.可一键下一步，即可完成全部安装。需要注意，jdk与jre最好为同一路径。 三、配置环境变量(
对‘TIFFReadDirectory@LIBTIFF_4.0’未定义的引用
文链:https://blog.csdn.net/u011361393/article/details/83210824 其原因时安装的libtiff库和opencv和PLC中调用的libtiff库版本与安装的版本不对应，去libtiff管网上下载 tiff-4.0.4.tar.gz压缩包安装即可。安装方法如下： 解压tar -zxvf tiff-4.0.4.tar.gz 进入tiff目录 ./configure make make install 网上有介绍通过sudo apt-get in
| 一文读懂迁移学习（附学习工具包）
当一个CNN用于另一个领域，就使用到了迁移学习。迁移学习是一种用于模型领域泛化和扩展的工具。 文章链接：独家 | 一文读懂迁移学习（附学习工具包） 参考：当深度学习成为过去，迁移学习才是真正的未来？ 知乎：什么是迁移学习？2018年03月15日 17:24:29 1. 前言 迁移学习（Transfer Learning,TL）对于人类来说，就是掌握举一反三的学习能力。比如我们学会骑自行车后，学骑摩托车就很简单了；在学会打羽毛球之后，再学打网球也就没那么难了。对于计算机而言，所谓迁移学习，就是能
在线场景感知：图像稀疏表示-ScSPM和LLC总结(lasso族、岭回归)
前言 场景感知应用于三维场景和二维场景，可以使用通用的方法，不同之处在于数据的形式，以及导致前期特征提取及后期在线场景分割过程。场景感知即是场景语义分析问题，即分析场景中物体的特征组合与相应场景的关系，可以理解为一个通常的模式识别问题。论文系列对稀疏编码介绍比较详细...本文经过少量修改和注释，如有不适，请移步原文。 code下载：http://www.ifp.illinois.edu/~jyang29/ScSPM.htm 。 如有评论，请拜访原文。原文链接：http://blog.csdn.
Reducing the Dimensionality of Data with Neural Networks：神经网络用于降维
原文链接：http://www.ncbi.nlm.nih.gov/pubmed/16873662/ G. E. Hinton* and R. R. Salakhutdinov . Science. 2006 Jul 28;313(5786):504-7. Abstract High-dimensional data can be converted to low-dimensional codes by training a multilayer neural network with a s
AI：IPPR的模式生成-CNN模块学习/训练方式(基本结构)
前言： 一个完备的模式识别系统，必然包含一个模式识别模型，此外还要附加一个评价模型，以及为了构建识别模型而构建的学习模型，并选择在学习模型中使用的学习方法。 表示（Representation） ： 一个分类器必须用计算机可以处理的某种形式语言来表示。反过来讲，为模式识别模型选择一种表示，就意味选择一个特定的分类器集合。学习器可能学出的分类器只能在这个集合中。这个集合被称为学习器的假设空间（hypothesis space）。如果某个分类器不在该空间中，它就不可能被该学习器学到。与此相关的一个
display: -webkit-box; 盒子模型布局header和footer上下固定
<style>
html,
body {
height: 100%; /* 要有高度 */
}
* {
margin: 0;
padding: 0;
list-style: none;
text-align: center;
}
.outBox {
display: -webkit-box; /* 必要 */
-webkit-box-orient: vert
ios input样式无法修改的坑(-webkit-appearance: none;)
开发过程中遇到这样的问题,input按钮和日期控件…的样式在ios手机上无法被修改. -webkit-appearance 是改变按钮和其他控件的外观, 使其类似于原生控件. -webkit-appearance: none; 去除系统默认appearance的样式,常用于IOS下移除原生样式 坑 重现: css: <style>
.demo {
/* -webkit-appearance: none; */
width: 300px;
heig
今日推荐
周排行