其他

【博弈論】組合遊戲及SG函式淺析

# 目錄 > 預備知識 > 普通的Nim遊戲 > SG函式 ## 預備知識 ### 公平組合遊戲(ICG) 若一個遊戲滿足: + 由兩名玩家交替行動; + 遊戲中任意時刻,合法操作集合只取決於這個局面本身; + 若輪到某位選手時,若該選手無合法操作,則這名選手判負; 則稱該遊戲為一個**公平組合遊戲

時間同步chrony,最全最細

時間同步服務 多主機協作工作時,各個主機的時間同步很重要,時間不一致會造成很多重要應用的故障,如:加密協 議,日誌,叢集等, 利用NTP(Network Time Protocol) 協議使網路中的各個計算機時間達到同步。 目前NTP協議屬於運維基礎架構中必備的基本服務之一 時間同步軟體 ntp 將系統

模擬實現AMD模組化規範

[toc] ## 引子 本文最後的目的是**模擬實現AMD模組化規範**,而寫下本文的原因是今天閱讀到了[《你不知道的JavaScript--上卷》](https://www.amazon.cn/dp/B0153179VI)中作用域閉包的章節,讓我對閉包又有了更深入的理解。 對於閉包的相關知識我之前也

JVM之調優及常見場景分析

## JVM調優 ![微信圖片_20201127154300](https://sheungxin.github.io/notpic/%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_20201127154300.jpg) **GC調優是最後要做的工作**,GC調優的目的可以總結為

Envoy 部署型別

[toc] ### Envoy 網路拓撲及請求流程 首先描述Envoy如何適合請求的請求路徑,然後描述內部請求從下游到達Envoy代理之後發生的內部事件 #### 1. 術語 Envoy在其程式碼庫和文件中使用以下術語: - ***Cluster/(叢集)***:,叢集是指 Envoy 連線到的

All I know about A/B Test (1) : 均值型指標與比值(率)型指標的計算區別

因為最近在找實習,所以打算把自己之前學過的關資料分析的知識總結(複習)一下。在總結A/B test時,我發現中文網際網路中關於A/B test的總結已經很多了,但是對於均值型指標和比值(率)型指標在設計實驗、計算統計量時的區別卻沒有一個很明確的總結。甚至有的文章給出的計算公式語焉不詳、前後矛盾,計算樣本數量給

在vscode中go編碼發生的問題整理

## 引言 使用VsCode進行Go程式開發,我們肯定會碰到一些問題,這些問題有些是IDE的配置問題,有些是下載包的版本不一致問題,本文主要針對在開發過程中碰到的問題做一個簡單的回顧和整理。 ## 前期準備,必看 在進行問題糾錯前,先確保自己正確下載了golang的官方工具集`go-tool`,如果不確

Android應用程式的程序建立過程

[toc] # 前言 我們知道當startActivity的時候,除了建立Activity相關實體,系統會根據需要是否建立程序,此程序就是指的Linux層面的程序實體;後面會說到,其實建立的過程是fork,意為從父程序“copy”出一個新的程序。此過程必定經歷啟動者、ams、zygote等相互的程序間通訊,本

阿里二面:什麼是mmap?

平時在面試中你肯定會經常碰見的問題就是:RocketMQ為什麼快?Kafka為什麼快?什麼是mmap? 這一類的問題都逃不過的一個點就是零拷貝,雖然還有一些其他的原因,但是今天我們的話題主要就是零拷貝。 傳統IO 在開始談零拷貝之前,首先要對傳統的IO方式有一個概念。 基於傳統的IO方式,底層實際上通過呼叫r

《統計學習方法》——從零實現決策樹

## 決策樹 決策樹是一種樹形結構,其中每個內部節點表示一個屬性上的判斷,每個分支代表一個判斷結果的輸出,最後每個葉子節點代表一種分類結果。 ## 決策樹學習的三個步驟: - 特徵選擇 通常使用資訊增益最大、資訊增益比最大或基尼指數最小作為特徵選擇的準則。 - 樹的生成 決策樹的生成往往通過計算資訊增益

官方正式釋出 Java 16

# 前言 就在2021/03/16,官方正式釋出了Java 16。我們可以下載使用Java 16了。 ![](https://img-blog.csdnimg.cn/20210317133649231.png?1x-oss-process=image/watermark,type_ZmFuZ3poZW5na

Java 操作PPT數字簽名(一):新增、檢測、刪除簽名

本文簡要概述如何通過Java程式來處理PPT中的數字簽名,文章主要分三個部分來介紹,即數字簽名的新增、驗證以及刪除。 基本操作思路: 1. 添加簽名:【載入PPT文件】→【添加簽名】→【儲存文件】 2. 檢測簽名:【載入PPT文件】→【判定是否簽名】→【輸出判定結果】 3. 刪除簽名:【載入PPT文件】→【判

Blind Super-Resolution Kernel Estimation using an Internal-GAN 論文解讀

# 背景與思路來源 ## 目前 SR 模型中合成 LR 使用的模糊核問題 目前大多數 SR 的 model 都是用的合成下采樣圖片來進行訓練的,而這些合成的圖片常常使用的是 MATLAB 裡面的 imresize 函式來進行實現的,這樣的做法也就是會使得 SR-kernel 是固定和理想。當然還有很多是用

一款檢測程式碼中TODO的eslint外掛

# 一款檢測程式碼中TODO的eslint外掛 ## 前言 看了我標題進來的同學應該也知道我做的是個啥東西 沒錯是一個[eslint](https://eslint.org/)外掛,前端魔法師們日常所使用的工具之一 什麼?你不知道eslint是幹嘛的--吃鯨.jpg * ESLint 是一個開源的 Ja

0.23472714424133