tcrmgr是TokyoTyrant的管理工具，对ttserver进行管理与执行命令：
知乎 | https://zhuanlan.zhihu.com/p/26122560
Something vaguely analogous has happened in the computer industry. Each new species (mainframe, minicomputer, personal computer, handheld, embedded computer, smart card, etc.) seems to go through the development that its ancestors did, both in hardware and in software. We often forget that much of what happens in the computer business and a lot of other fields is technology driven. The reason the ancient Romans lacked cars is not that they liked walking so much. It is be- cause they did not know how to build cars. Personal computers exist not because millions of people have a centuries-old pent-up desire to own a computer, but be- cause it is now possible to manufacture them cheaply. We often forget how much technology affects our view of systems and it is worth reflecting on this point from time to time. In particular, it frequently happens that a change in technology renders some idea obsolete and it quickly vanishes. However, another change in technology could revive it again. This is especially true when the change has to do with the relative performance of different parts of the system. For instance, when CPUs became much faster than memories, caches became important to speed up the "'slow" memory. If new memory technology someday makes memories much faster than CPUs, caches will vanish. And if a new CPU technology makes them faster than memories again, caches will reappear. In biology, extinction is forever, but in computer science, it is sometimes only for a few years.
今天有人提到这个问题，为什么现在一般深度学习的分类模型最后输出层都用Softmax而不是简单的Sigmoid？
作者：丁浪，非著名架构师。关注高并发、高可用的架构设计，对系统服务化、分库分表、性能调优等方面有深入研究和丰富实践经验。热衷于技术研究和分享。 声明：版权归丁浪作者本人所有，转载请联系作者本人。 一，
一个平平无奇的小功能，塞进component文件夹里就可以引用，可以帮你节省10分钟
一般而言，你在做training的时候，你会希望，你的learning curve是像蓝色这条线，纵轴是total loss，横轴是epoch的数目，你会希望：随着epoch的增加，参数的不断update，loss会慢慢下降最后趋于收敛。但不幸的是，在训练RNN的时候，有时会看到这条绿色的线
Principled AI Algorithms for challenging domains @Caltech
作为计算机视觉中众多基础问题中的一个，目标检测成为了许多其他计算机视觉任务的基础，比如：实例分割，目标跟踪和姿态估计等。
性能调优整体思路 空间换时间 对热点数据缓存，减少数据查询时间。 分而治之 将大任务切片，分开执行。HDFS、MapReduce就是这个原理。 异步处理 若业务链中有某一环节耗时严重，则该环节将拉长业务链的整体耗时。可以将耗时业务采用消息队列异步化，从而缩短业务链耗时。 并行处理 采用多进程、多线程同时处理，提升处理速度。 离用户更近一点 如CDN技术，将静态资源放到离用户更近的地方，从而缩短请求静态资源的时间。 提升可扩展性 采用业务模块化、服务化的手段，提升系统的可扩展性，从而
本文讨论了压缩感知（CS）的基本原理和其在图像处理领域的应用，包括老式的压缩、图像稀疏表示、超分辨率、去噪、图像恢复等内容。CS通过一个简单而优雅的方法，即对信号进行测量，再对测量结果进行解码，以实现压缩感知。这种方法突破了传统Nyquist-Shannon采样定理的限制，可以在不损失信息的情况下大幅度降低数据的存储和传输成本，在许多实际应用中都具有重要的意义。
本文探讨了压缩感知（CS）的基本原理和应用，以及基于CS的图像压缩方法。传统压缩方法通过减少表示数据的位数来压缩，而CS通过寻找一种可以稀疏表示数据的算法，从而在图像压缩、信号处理、通信、机器学习等领域具有广泛的应用前景。
一个完善的IM系统中通常充斥着大量的图片内容，包括：用户头像、图片消息、相册、图片表情等等，那么在做服务端架构设计时该如何存储这些图片呢？
AVM环视系统中相机参数通常是汽车出厂前在标定车间中进行的离线阶段标定。很多供应商还提供了不依赖于标定车间的汽车自标定方法。自标定指的是：汽车在马路上慢速行驶一段路，利用车道线等先验信息标定出相机的外参。
跟其他编程语言不同，Python的变量不是盒子，不会存储数据，它们只是引用，就像标签一样，贴在对象上面。
原文链接：https://dev.to/chegerose/5-enhancements-that-will-boost-your-nodejs-app-3pj5
循环神经网络（recurrent neural network，RNN），是一类专门用于处理序列数据（时间序列、文本语句、语音等）的神经网络，尤其是可以处理可变长度的序列；在与传统的时间序列分析进行比较的过程之中，RNN因为其梯度弥散等问题对长序列表现得不是很好，而据此提出的一系列变种则展现出很明显的优势，最具有代表性的就是LSTM（long short-term memory），而本文就从标准的循环神经网络结构和原理出发，再到LSTM的网络结构和原理，对其有一个基本的认识和阐述；
本文讲述了一位非计算机专业背景的人如何通过自学成为AI工程师的经历，包括学习准备、求职过程、面试经验等方面的总结。作者强调在求职过程中要保持耐心和毅力，同时多向他人请教和学习，对于遇到困难时要保持乐观态度。同时，作者建议对于简历的撰写要简洁明了，多注重实际操作经验，并推荐使用Kaggle等竞赛平台来提升自己的技能。最后，作者鼓励大家在求职过程中要有耐心和信心，多尝试，多学习，相信自己一定能够成功找到工作。
Top 10 reasons you should learn Node.js. Open source programming and JavaScript in specific, can appear as though a spot where blast and bust is the standard of law: quick development before everybody proceeds onward to the following enormous thing. But Node.js is unique. In spite of the fact that it unquestionably couldn't be depicted as new, and it's development hasn't been sensational by any measure, over the most recent couple of years it has figured out how to propel itself forward as one of the most broadly used JavaScript tools on earth.
xjb试了一下，xml进去会报错，查了一下是lxml.etree.parsestring
Jason Perlow, Editorial Director at theLinux Foundation interviews Thomas Gleixner, Linux Foundation Fellow, CTO ofLinutronix GmbH, and project leader of the PREEMPT_RT real-timekernel patch set.
etcd 是一个高可用强一致性的键值仓库在很多分布式系统架构中得到了广泛的应用，本教程结合一些简单的例子介绍golang版本的 etcd/clientv3中提供的主要功能及其使用方法。
Up to this point, we have seen a series of mysterious commands, each with its ownmysterious options and arguments. In this chapter, we will attempt to remove some ofthat mystery and even create some of our own commands. The commands introduced inthis chapter are:
需要保证两条支路上目标物体在输入图片的中心位置，且目标物体在整幅图像中有一定的占比。
RNN( Recurrent Neural Network 循环(递归)神经网络) 跟人的大脑记忆差不多。我们的任何决定，想法都是根据我们之前已经学到的东西产生的。RNN通过反向传播和记忆机制，能够处理任意长度的序列，在架构上比前馈神经网络更符合生物神经网络的结构，它的产生也正是为了解决这类问题而应用而生的。
好像大家都在说 ET 要比 LT 快哈，曾经我也是这一派的。但是另一派的人有说，就连那些“古董级”人物都不敢说自己有把握用好 ET，然后结合我自己对 ET 和 LT 的理解和认知，在看到这个议题的时候，我还真有点犹豫。
早在1943 年，神经科学家和控制论专家Warren McCulloch 与逻辑学家Walter Pitts就基于数学和阈值逻辑算法创造了一种神经网络计算模型。其中最基本的组成成分是神经元（Neuron）模型，即上述定义中的“简单单元”（Neuron 也可以被称为Unit）。在生物学所定义的神经网络中（如图1所示），每个神经元与其他神经元相连，并且当某个神经元处于兴奋状态时，它就会向其他相连的神经元传输化学物质，这些化学物质会改变与之相连的神经元的电位，当某个神经元的电位超过一个阈值后，此神经元即被激活并开始向其他神经元发送化学物质。Warren McCulloch 和Walter Pitts 将上述生物学中所描述的神经网络抽象为一个简单的线性模型（如图2所示），这就是一直沿用至今的“McCulloch-Pitts 神经元模型”，或简称为“MP 模型”。
总说 RNN( Recurrent Neural Network 循环(递归)神经网络) 跟人的大脑记忆差不多。我们的任何决定，想法都是根据我们之前已经学到的东西产生的。RNN通过反向传播和记忆机制，能够处理任意长度的序列，在架构上比前馈神经网络更符合生物神经网络的结构，它的产生也正是为了解决这类问题而应用而生的。 RNN及改进的LSTM等深度学习模型都是基于神经网络而发展的起来的认知计算模型。从原理来看，它们都是源于认知语言学中的“顺序像似性”原理：文字符号与其上下文构成一个“像”，这个“像”可
如下图所示是一个基本DNN结构，通过forward传播和backword传播来训练一个模型。包含input层，L个隐藏层和一个output，隐层使用的sigmoid激活函数，一般的优化方法有如下几种：
数据库专题（四） ——各类缓存技术 （原创内容，转载请注明来源，谢谢） 一、概述 缓存（Cache）技术原指高速数据，当CPU处理数据的时候，会先去缓存里面找，有的话就直接返回，不用再去RAM取数据。但是现在缓存已经不仅指cpu的操作了，而在程序中更多的是指内存和硬盘之间的缓存。凡是速度差距较大的两者，有介于中间的速度差异的结构，均可以称为用cache。速度排序，CPU>内存>硬盘，因此cpu到内存、内存到硬盘都有缓存。 1、优势 缓存利用相对高速的速度减少介质交互、低速操作等，例如减少网络I/O、减少
在构建一个神经网络的时候我们往往需要设计很多参数,如:layers,learning rates ,acivation functions,hidden units, 而这些参数我们往往不能一次性就能设计到成为了最佳的参数,往往是我们自己有一些想法,然后写出代码,开始实验,然后开始调整,再次更改代码实验,就这样一步步调整,得到最佳的参数.使神经网络的性能最佳.
来源：机器之心 通过本文为大家解读如何构建自然语言、音频和其他序列数据的模型。 自吴恩达发布 deeplearning.ai 课程以来，很多学习者陆续完成了所有专项课程并精心制作了课程笔记。上个月，deep learning.ai 第五课发布，该系列课程最终结课。Mahmoud Badry 在 GitHub 上开源了五项课程的完整笔记，介绍了包括序列模型在内的详细知识点。我们简要介绍了该项目，并重点描述了第五项课程序列模型。 项目地址：https://github.com/mbadry1/DeepLea
---- CS224d－Day 1: 要开始系统地学习 NLP 课程 cs224d，今天先来一个课程概览。 课程一共有16节，先对每一节中提到的模型，算法，工具有个总体的认识，知道都有什么，以及它们可以做些什么事情。 ---- 简介： 1. Intro to NLP and Deep Learning NLP： Natural Language Processing (自然语言处理)的目的，就是让计算机能‘懂得’人类对它‘说’的话，然后去执行一些指定的任务。 这些任务有什么呢？ Easy: • S
选自MIT 机器之心编译 参与：Jane W 这是一篇讲解深度学习数学的系列文章，但并非是基础数学，还涉及到了拓扑与测度论等内容。本文为该系列文章的第一部分，机器之心会持续把后续内容全部放出。更规范
机器之心整理 机器之心编译 参与：思源、路雪 自吴恩达发布 deeplearning.ai 课程以来，很多学习者陆续完成了所有专项课程并精心制作了课程笔记，在此过程中机器之心也一直在为读者推荐优质的笔记。上个月，deep learning.ai 第五课发布，该系列课程最终结课。Mahmoud Badry 在 GitHub 上开源了五项课程的完整笔记，介绍了包括序列模型在内的详细知识点。机器之心简要介绍了该项目，并重点描述了第五项课程序列模型。 项目地址：https://github.com/mbadry1/
Warren Buffett（巴菲特）, George Soros（索罗斯）和Ray Dalio（达利奥）他们之间是不能很好地完成彼此的工作滴。
本文源码解析参考: 深入理解TCP/IP协议的实现之ip分片重组 – 基于linux1.2.13
网络协议五层通天路，咱们从物理层、到链路层、网络层、再到传输层，现在又进一步，来到了应用层。这也是我们五层协议里最上面的一层，关于应用层，有太多协议要了解。但要说最有名的，那肯定就是 HTTP 了。
BERT本身很有效，但它也存在一些问题，比如不能用于生成、以及训练数据和测试数据的不一致（Discrepancy）。在本文中，我们重点介绍比BERT更强大的预训练模型XLNet，它为了达到真正的双向学习，采用了Permutation语言模型、以及使用了双流自注意力机制，并结合了Transformer-XL的相对位置编码。
cmi.security.admin - 设置玩家的安全等级 cmi.buttonteleport - 查看玩家背包时,点击显示玩家位置的图标即可传送至玩家位置 cmi.enderedit - 允许编辑其他玩家的末影箱 cmi.bedhome - 与床交互时设置床的位置为家 cmi.actionbar.colors - 发送actionbar消息时允许使用颜色代码 cmi.elevator.use - 允许使用牌子电梯 cmi.elevator.create - 允许创建牌子电梯 cmi.bossbar.c
jdk:http://hg.openjdk.java.net/jdk8u/jdk8u60/file/d8f4022fe0cd
选自MachineLearningMastery 作者：Jason Brownlee 机器之心编译 参与：熊猫 循环神经网络是当前深度学习热潮中最重要和最核心的技术之一。近日，Jason Brownl
欢迎支持笔者新作：《深入理解Kafka:核心设计与实践原理》和《RabbitMQ实战指南》，同时欢迎关注笔者的微信公众号：朱小厮的博客。
选自arXiv 作者：Hojjat Salehinejad等 机器之心编译 参与：刘晓坤、路雪、蒋思源 近日，来自多伦多大学和滑铁卢大学的研究者撰文介绍循环神经网络的基础知识、近期发展和面临的挑战。机
/actionbarmsg [指定玩家/all] [消息] 给指定玩家或所有人发送一条actionbar消息 /afk (玩家名) (理由) 将自己或他人切换为AFK模式.可说明理由 /afkcheck [玩家名] 检查玩家的AFK状态 /air [玩家名] [空气值] 设置指定玩家的空气值 /alert [玩家名] (理由) 警报玩家,当拥有特定权限的玩家或管理员上线时收到提示信息 需要拥有权限节点 command.alert.info.inform 才能收到消息 /aliaseditor (新指令别名)
其实 Nostr 的整体思想并不算新颖，提出的时间也是好几年前了。最近这年由于 web3 应用概念的火爆导致它被挖出来并广为人知。
我们在Linux中使用自带的gcc和g++编译器进行编译的程序是针对X86架构的。而我们开发板大多都是ARM或者其他架构的开发板，我们就需要编译出针对其他架构的程序。
centos系统内核如何升级，有些小伙伴在使用centos系统时可能会遇到网卡不能使用，亮度不能调节，触摸板不能识别，等等问题，这些都是内核版本过低而导致，只需要把内核升级一下就可以， 下面为大家分享一下centos系统内核升级方法。
arm-none-linux-gnueabi-gcc是 Codesourcery 公司（目前已经被Mentor收购）基于GCC推出的的ARM交叉编译工具。可用于交叉编译ARM系统中所有环节的代码，包括裸机程序、u-boot、Linux kernel、filesystem和App应用程序。使用时，按照主机平台，可以下载以下任一版本中的一个，结果是一样的：
本文是为那些没有接触过Linux系统的人写的。了解Linux系统对于一个技术来人员可谓是必须的（即便不是和计算机直接相关的），而对于广大普通用户而言，只了解Windows虽然已经足够，不过来了解一下Linux这个系统我想还是有益处的（虽然很难立马显现）。 下面我就用一问一答的简单形式带大家初步了解Linux是什么： Q：用一句话概括Linux？ A : linux是一个操作系统，就和windows一样。 要了解linux，请先了解开放源代码运动。这是由理查德·斯托曼先生在上世纪80年代发起的一项运动。其主要
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
