Kotlin 用于竞技程序设计 简单示例：可达数问题 函数式操作示例：长数问题 更多提示与技巧 学习 Kotlin Kotlin 用于竞技程序设计 本教程适用于之前未使用 Kotlin 的竞技程序员，也适用于之前从未参与过任何竞技性程序设计活动的 Kotlin 开发人员。 本教程假定读者具有相应的编程技能。 竞技性程序设计 是一项智力运动，参...

2.1.4 TiDB Hackathon 1. 活动简介 2. 回顾 3. 展望 2.1.4 TiDB Hackathon 1. 活动简介 对于熟悉技术圈的伙伴来说，Hackathon 想必大家已经很熟知了，在这个流传于程序员和技术爱好者的活动当中，大家相聚在一起，以合作的方式去编程，在短时间内激发灵感，进而探索出更多的可能性。基于 Hac...

Advanced M:N Associations - 高级 M:N 关联 联结表与普通表以及”超级多对多关联” 模型回顾 (有少量重命名) 改用一对多关系 两全其美：超级多对多关系 别名和自定义键名 自参照 从联结表中指定属性 多对多对多关系及更多 Advanced M:N Associations - 高级 M:N 关联 阅读本...

CI/CD development documentation CI/CD development documentation CI Architecture overview Job scheduling Communication between Runner and GitLab server Ci::RegisterJobService ...

CNN 架构 ​典型的 CNN 体系结构有一些卷积层（每一个通常跟着一个 ReLU 层），然后是一个池化层，然后是另外几个卷积层（+ ReLU），然后是另一个池化层，等等。 随着网络的进展，图像变得越来越小，但是由于卷积层的缘故，图像通常也会越来越深（即更多的特征映射）（见图 13-9）。 在堆栈的顶部，添加由几个全连接层（+ ReLU）组成的常规前馈神...

更新历史 更新历史 2020/5/5 v2.0.0 修改内容 采用RingBuffer数据结构代替原来的channel方式（向订阅者push变成由订阅者自取） Room修改为Stream，为后续编写服务端业务逻辑做准备 InputStream修改为Publisher，去除OnClose方法 OutputStream修改为Subscriber,P...

5. 卷积神经网络 5. 卷积神经网络 本章将介绍卷积神经网络。它是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。我们将先描述卷积神经网络中卷积层和池化层的工作原理，并解释填充、步幅、输入通道和输出通道的含义。在掌握了这些基础知识以后，我们将探究数个具有代表性的深度卷积神经网...

网络概述 高级脚本API 引擎和编辑器集成 互联网服务 NetworkTransport实时传输层 网络概述 网络功能有两种用户：   • 用Unity制作多人游戏的用户。这些用户应该从NetworkManager 或High Level API 开始。  • 用户构建网络基础设施或高级多人游戏。这些用户应该从NetworkTranspor...

CNN：图像分类 CNN：图像分类 ImageNet 数据集：一个开源的图片数据集，包含超过 1400万张图片和图片对应的标签，包含2万多个类别。 自从2010 年以来，ImageNet 每年举办一次比赛，即：ImageNet 大规模视觉识别挑战赛ILSVRC ，比赛使用 1000 个类别图片。 2017年7月，ImageNet 宣...

不是那种简单法 不是那种简单法 大部分的时候，我们设计产品功能的所谓简单，通常是将复杂的压力转嫁到这个产品的另外一部分人的身上。 比如，有些内部管理系统的设计人员，为了给管理者便利，为普通员工设计了非常复杂的表单和流程。 所以，我们在做技术产品设计时，至少要有3个角度：管理人员、工程师和用户。 而且，一个人在一种情况下觉得简单的事物，换一个人或...