ApacheCN 翻译活动进度公告 2019.6.15-程序员宅基地

技术标签: ViewUI  python  c/c++  javascript  

Special Sponsors

  1. 我们组织了一个开源互助平台,方便开源组织和大 V 互相认识,互相帮助,整合资源。请回复这个帖子并注明组织/个人信息来申请加入。
  2. 请回复这个帖子来推荐希望翻译的内容。如果大家遇到了做得不错的教程或翻译项目,也可以推荐给我们。我们会联系项目的维护者,一起把它变得更好。
  3. 我们的公众号接受大家的投稿。将文章链接通过消息发给公众号,我们会和你联系。
  4. 为了能够将开源事业做大做强,ApacheCN 需要与公益基金会(IT、教育类)合作,欢迎大家提供帮助。
  5. 如果你不希望再收到我们的邮件,请直接拉黑我们,不要浪费彼此的时间,谢谢合作。
  6. 如果大家有适合我们的增长策略,包括你想尝试但是怕被骂的策略,可以交给我们来做实验。我们将使用激进的增长策略,尽可能让更多人了解我们。

CS224n 自然语言处理(笔记整理)

参与方式:https://github.com/apachecn/stanford-cs224n-notes-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/stanford-cs224n-notes-zh/issues/1

项目仓库:https://github.com/apachecn/stanford-cs224n-notes-zh

认领:11/20,整理:0/20

章节 贡献者 进度
Lecture 1 @cx123cx456
Lecture 2 @AllenZYJ
Lecture 3 @cx123cx456
Lecture 4 @ZSIRS
Lecture 5 @ZSIRS
Lecture 6 @ZSIRS
Lecture 7 @neolei
Lecture 8
Lecture 9 @NewDreamstyle192
Lecture 10 @enningxie
Lecture 11
Lecture 12
Lecture 13
Lecture 14
Lecture 15
Lecture 16
Lecture 17 @pingjing233
Lecture 18
Lecture 19
Lecture 20 @Willianan

短篇集(校对)

参与方式:https://github.com/apachecn/misc-docs-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/misc-docs-zh/issues/1

项目仓库:https://github.com/apachecn/misc-docs-zh

关于卷积神经网络:认领:1/12,校对:1/12

章节 贡献者 进度
关于卷积神经网络 - -
1 @daewis 100%
2.1.1-2.1.3
2.1.4-2.1.6
2.2.1
2.2.2-2.2.3
2.3-2.4
3.1
3.2
3.3
3.4-3.5
4.1
4.2

写给不耐烦程序员的 JavaScript(校对)

参与方式:https://github.com/apachecn/impatient-js-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/impatient-js-zh/issues/1

项目仓库:https://github.com/apachecn/impatient-js-zh

认领:23/42,校对:22/42

章节 贡献者 进度
1.关于本书(ES2019 版) @YouWillBe 100%
2.常见问题:本书 @huangzijian888 100%
3. JavaScript 的历史和演变
4.常见问题:JavaScript
5.概览
6.语法 @lq920320 100%
7.在控制台上打印信息(console.* @lq920320 100%
8.断言 API @lq920320 100%
9.测验和练习入门
10.变量和赋值 @so-hard 100%
11.值 @lq920320 100%
12.运算符 @wizardforcel 100%
13.非值undefinednull @wizardforcel 100%
14.布尔值 @wizardforcel 100%
15.数字 @wizardforcel 100%
16. Math @wizardforcel 100%
17. Unicode - 简要介绍(高级) @wizardforcel 100%
18.字符串 @wizardforcel 100%
19.使用模板字面值和标记模板 @wizardforcel 100%
20.符号 @wizardforcel 100%
21.控制流语句 @wizardforcel 100%
22.异常处理
23.可调用值
24.模块
25.单个对象
26.原型链和类 @lq920320 100%
27.同步迭代
28.数组(Array @52admln
29.类型化数组:处理二进制数据(高级)
30.映射(Map
31. WeakMaps(WeakMap
32.集(Set
33. WeakSets(WeakSet
34.解构 @Kavelaa 100%
35.同步生成器(高级)
36. JavaScript 中的异步编程
37.异步编程的 Promise @iChrisJ 100%
38.异步函数 @iChrisJ 100%
39.正则表达式(RegExp @iChrisJ 100%
40.日期(Date
41.创建和解析 JSON(JSON
42.其余章节在哪里?

seaborn 0.9 中文文档

参与方式:https://github.com/apachecn/seaborn-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/seaborn-doc-zh/issues/1

项目仓库:https://github.com/apachecn/seaborn-doc-zh

认领:53/74,翻译:43/74

序号 章节 译者 进度
1 An introduction to seaborn @yiran7324 100%
2 Installing and getting started @neolei 100%
3 Visualizing statistical relationships @JNJYan 100%
4 Plotting with categorical data @hold2010 100%
5 Visualizing the distribution of a dataset @alohahahaha 100%
6 Visualizing linear relationships @friedhelm739
7 Building structured multi-plot grids @keyianpai 100%
8 Controlling figure aesthetics @P3n9W31 100%
9 Choosing color palettes @Modrisco 100%
10 seaborn.relplot @Stuming
11 seaborn.scatterplot @tututwo
12 seaborn.lineplot @tututwo
13 seaborn.catplot @LIJIANcoder97 100%
14 seaborn.stripplot @LIJIANcoder97 100%
15 seaborn.swarmplot @LIJIANcoder97
16 seaborn.boxplot @FindNorthStar 100%
17 seaborn.violinplot @FindNorthStar 100%
18 seaborn.boxenplot @FindNorthStar
19 seaborn.pointplot @FindNorthStar
20 seaborn.barplot @melon-bun
21 seaborn.countplot @Stuming 100%
22 seaborn.jointplot @Stuming
23 seaborn.pairplot @Stuming
24 seaborn.distplot @hyuuo 100%
25 seaborn.kdeplot @hyuuo 100%
26 seaborn.rugplot @P3n9W31 100%
27 seaborn.lmplot @P3n9W31 100%
28 seaborn.regplot @P3n9W31 100%
29 seaborn.residplot @P3n9W31 100%
30 seaborn.heatmap @hyuuo 100%
31 seaborn.clustermap
32 seaborn.FacetGrid @hyuuo 100%
33 seaborn.FacetGrid.map
34 seaborn.FacetGrid.map_dataframe
35 seaborn.PairGrid
36 seaborn.PairGrid.map
37 seaborn.PairGrid.map_diag
38 seaborn.PairGrid.map_offdiag
39 seaborn.PairGrid.map_lower
40 seaborn.PairGrid.map_upper
41 seaborn.JointGrid
42 seaborn.JointGrid.plot
43 seaborn.JointGrid.plot_joint
44 seaborn.JointGrid.plot_marginals
45 seaborn.set
46 seaborn.axes_style
47 seaborn.set_style
48 seaborn.plotting_context
49 seaborn.set_context
50 seaborn.set_color_codes
51 seaborn.reset_defaults
52 seaborn.reset_orig
53 seaborn.set_palette @Modrisco 100%
54 seaborn.color_palette @Modrisco 100%
55 seaborn.husl_palette @Modrisco 100%
56 seaborn.hls_palette @Modrisco 100%
57 seaborn.cubehelix_palette @Modrisco 100%
58 seaborn.dark_palette @Modrisco 100%
59 seaborn.light_palette @Modrisco 100%
60 seaborn.diverging_palette @Modrisco 100%
61 seaborn.blend_palette @Modrisco 100%
62 seaborn.xkcd_palette @Modrisco 100%
63 seaborn.crayon_palette @Modrisco 100%
64 seaborn.mpl_palette @Modrisco 100%
65 seaborn.choose_colorbrewer_palette @Modrisco 100%
66 seaborn.choose_cubehelix_palette @Modrisco 100%
67 seaborn.choose_light_palette @Modrisco 100%
68 seaborn.choose_dark_palette @Modrisco 100%
69 seaborn.choose_diverging_palette @Modrisco 100%
70 seaborn.load_dataset @Modrisco 100%
71 seaborn.despine @Modrisco 100%
72 seaborn.desaturate @Modrisco 100%
73 seaborn.saturate @Modrisco 100%
74 seaborn.set_hls_values @Modrisco 100%

UCB CS61b:Java 中的数据结构

参与方式:https://github.com/apachecn/cs61b-textbook-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/cs61b-textbook-zh/issues/1

项目仓库:https://github.com/apachecn/cs61b-textbook-zh

认领:10/12,翻译:9/12

标题 译者 进度
一、算法复杂度 @leader402 100%
二、抽象数据类型 @Allenyep 100%
三、满足规范 @renyuhuiharrison 100%
四、序列和它们的实现 @biubiubiuboomboomboom 100%
五、树 @biubiubiuboomboomboom 100%
六、搜索树 @yongfengyan 100%
七、哈希 @Abel-Huang 100%
八、排序和选择 @Rachel-Hu 100%
九、平衡搜索 @Abel-Huang
十、并发和同步 @Ruffianjiang 100%
十一、伪随机序列
十二、图

Git 中文参考(校对)

参与方式:https://github.com/apachecn/git-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/git-doc-zh/issues/1

项目仓库:https://github.com/apachecn/git-doc-zh

认领:10/83,校对:4/83

序号 章节 贡献者 进度
1 git
2 git-config @honglyua 100%
3 git-help @honglyua 100%
4 git-init @honglyua 100%
5 git-clone @honglyua 100%
6 git-add @yulezheng
7 git-status @honglyua
8 git-diff @honglyua
9 git-commit @yulezheng
10 git-reset
11 git-rm
12 git-mv
13 git-branch
14 git-checkout
15 git-merge
16 git-mergetool
17 git-log
18 git-stash
19 git-tag
20 git-worktree
21 git-fetch
22 git-pull @Mrhuangyi
23 git-push @Mrhuangyi
24 git-remote
25 git-submodule
26 git-show
27 git-log
29 git-shortlog
30 git-describe
31 git-apply
32 git-cherry-pick
34 git-rebase
35 git-revert
36 git-bisect
37 git-blame
38 git-grep
39 gitattributes
40 giteveryday
41 gitglossary
42 githooks
43 gitignore
44 gitmodules
45 gitrevisions
46 gittutorial
47 gitworkflows
48 git-am
50 git-format-patch
51 git-send-email
52 git-request-pull
53 git-svn
54 git-fast-import
55 git-clean
56 git-gc
57 git-fsck
58 git-reflog
59 git-filter-branch
60 git-instaweb
61 git-archive
62 git-bundle
63 git-daemon
64 git-update-server-info
65 git-cat-file
66 git-check-ignore
67 git-checkout-index
68 git-commit-tree
69 git-count-objects
70 git-diff-index
71 git-for-each-ref
72 git-hash-object
73 git-ls-files
74 git-merge-base
75 git-read-tree
76 git-rev-list
77 git-rev-parse
78 git-show-ref
79 git-symbolic-ref
80 git-update-index
81 git-update-ref
82 git-verify-pack
83 git-write-tree

HBase 3.0 中文参考指南(校对)

参与方式:https://github.com/apachecn/hbase-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/hbase-doc-zh/issues/1

项目仓库:https://github.com/apachecn/hbase-doc-zh

认领:18/31,校对:14/31

章节 贡献者 进度
Preface @xixici 100%
Getting Started @xixici 100%
Apache HBase Configuration @xixici 100%
Upgrading @xixici 100%
The Apache HBase Shell @xixici 100%
Data Model @Winchester-Yi
HBase and Schema Design @RaymondCode 100%
RegionServer Sizing Rules of Thumb
HBase and MapReduce @BridgetLai 100%
Securing Apache HBase
Architecture @RaymondCode
In-memory Compaction @mychaow 100%
Backup and Restore @mychaow 100%
Synchronous Replication @mychaow 100%
Apache HBase APIs @xixici 100%
Apache HBase External APIs @xixici 100%
Thrift API and Filter Language @xixici 100%
HBase and Spark @TsingJyujing 100%
Apache HBase Coprocessors @TsingJyujing
Apache HBase Performance Tuning
Troubleshooting and Debugging Apache HBase
Apache HBase Case Studies
Apache HBase Operational Management
Building and Developing Apache HBase
Unit Testing HBase Applications
Protobuf in HBase @TsingJyujing
Procedure Framework (Pv2): HBASE-12439
AMv2 Description for Devs
ZooKeeper
Community
Appendix

UCB Prob140:面向数据科学的概率论

参与方式:https://github.com/apachecn/prob140-textbook-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/prob140-textbook-zh/issues/2

项目仓库:https://github.com/apachecn/prob140-textbook-zh

认领:22/25,翻译:19/25

标题 译者 翻译进度
一、基础 飞龙 100%
二、计算几率 飞龙 100%
三、随机变量 飞龙 100%
四、事件之间的关系 @biubiubiuboomboomboom 100%
五、事件集合 >0%
六、随机计数 @viviwong 100%
七、泊松化 @YAOYI626 100%
八、期望 50%
九、条件(续) @YAOYI626 100%
十、马尔科夫链 喵十八 100%
十一、马尔科夫链(续) 喵十八 100%
十二、标准差 缺只萨摩 100%
十三、方差和协方差 缺只萨摩 100%
十四、中心极限定理 喵十八 100%
十五、连续分布 @ThunderboltSmile
十六、变换 @hellozhaihy
十七、联合密度 @Winchester-Yi 100%
十八、正态和 Gamma 族 @Winchester-Yi 100%
十九、和的分布 平淡的天 100%
二十、估计方法 平淡的天 100%
二十一、Beta 和二项 @lvzhetx 100%
二十二、预测 50%
二十三、联合正态随机变量 @JUNE951234
二十四、简单线性回归 @ThomasCai 100%
二十五、多元回归 @lanhaixuan 100%

Machine Learning Mastery(校对)

参与方式:https://github.com/apachecn/ml-mastery-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/ml-mastery-zh/issues/1

项目仓库:https://github.com/apachecn/ml-mastery-zh

Keras:认领:0/46,校对:0/46

XGBoost:认领:0/18,校对:0/18

章节 贡献者 进度
深度学习与 Keras - -
Keras 中神经网络模型的 5 步生命周期
在 Python 迷你课程中应用深度学习
Keras 深度学习库的二元分类教程
如何用 Keras 构建多层感知器神经网络模型
如何在 Keras 中检查深度学习模型
10 个用于 Amazon Web Services 深度学习的命令行秘籍
机器学习卷积神经网络的速成课程
如何在 Python 中使用 Keras 进行深度学习的度量
深度学习书籍
深度学习课程
你所知道的深度学习是一种谎言
如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型(分步)
神经网络中批量和迭代之间的区别是什么?
在 Keras 展示深度学习模型训练历史
基于 Keras 的深度学习模型中的dropout正则化
评估 Keras 中深度学习模型的表现
如何评价深度学习模型的技巧
小批量梯度下降的简要介绍以及如何配置批量大小
在 Keras 中获得深度学习帮助的 9 种方法
如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数
用 Keras 在 Python 中使用卷积神经网络进行手写数字识别
如何用 Keras 进行预测
用 Keras 进行深度学习的图像增强
8 个深度学习的鼓舞人心的应用
Python 深度学习库 Keras 简介
Python 深度学习库 TensorFlow 简介
Python 深度学习库 Theano 简介
如何使用 Keras 函数式 API 进行深度学习
Keras 深度学习库的多类分类教程
多层感知器神经网络速成课程
基于卷积神经网络的 Keras 深度学习库中的目标识别
流行的深度学习库
用深度学习预测电影评论的情感
Python 中的 Keras 深度学习库的回归教程
如何使用 Keras 获得可重现的结果
如何在 Linux 服务器上运行深度学习实验
保存并加载您的 Keras 深度学习模型
用 Keras 逐步开发 Python 中的第一个神经网络
用 Keras 理解 Python 中的有状态 LSTM 循环神经网络
在 Python 中使用 Keras 深度学习模型和 Scikit-Learn
如何使用预训练的 VGG 模型对照片中的物体进行分类
在 Python 和 Keras 中对深度学习模型使用学习率调度
如何在 Keras 中可视化深度学习神经网络模型
什么是深度学习?
何时使用 MLP,CNN 和 RNN 神经网络
为什么用随机权重初始化神经网络?
XGBoost - -
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
如何在 Python 中调优 XGBoost 的多线程支持
如何配置梯度提升算法
在 Python 中使用 XGBoost 进行梯度提升的数据准备
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
如何在 Python 中使用 XGBoost 评估梯度提升模型
在 Python 中使用 XGBoost 的特征重要性和特征选择
浅谈机器学习的梯度提升算法
应用机器学习的 XGBoost 简介
如何在 macOS 上为 Python 安装 XGBoost
如何在 Python 中使用 XGBoost 保存梯度提升模型
从梯度提升开始,比较 165 个数据集上的 13 种算法
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
如何使用 Amazon Web Services 在云中训练 XGBoost 模型
在 Python 中使用 XGBoost 调整梯度提升的学习率
如何在 Python 中使用 XGBoost 调整决策树的数量和大小
如何在 Python 中使用 XGBoost 可视化梯度提升决策树
在 Python 中开始使用 XGBoost 的 7 步迷你课程

Pytorch 1.0 中文文档

参与方式:https://github.com/apachecn/pytorch-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/pytorch-doc-zh/issues/274

项目仓库:https://github.com/apachecn/pytorch-doc-zh

翻译活动:认领:76/76,翻译:69/76

校对活动:认领:13/76,校对:

章节 贡献者 进度 校验者 进度
教程部分 - - - -
Deep Learning with PyTorch: A 60 Minute Blitz @bat67 100% @AllenZYJ
What is PyTorch? @bat67 100% @AllenZYJ
Autograd: Automatic Differentiation @bat67 100% @AllenZYJ
Neural Networks @bat67 100% @AllenZYJ
Training a Classifier @bat67 100% @AllenZYJ
Optional: Data Parallelism @bat67 100%
Data Loading and Processing Tutorial @yportne13 100%
Learning PyTorch with Examples @bat67 100% @Smilexuhc
Transfer Learning Tutorial @jiangzhonglian 100% @infdahai
Deploying a Seq2Seq Model with the Hybrid Frontend @cangyunye 100%
Saving and Loading Models @bruce1408 100%
What is torch.nn really? @lhc741 100%
Finetuning Torchvision Models @ZHHAYO 100%
Spatial Transformer Networks Tutorial @PEGASUS1993 100% @Smilexuhc
Neural Transfer Using PyTorch @bdqfork 100%
Adversarial Example Generation @cangyunye 100% @infdahai
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX @PEGASUS1993 100%
Chatbot Tutorial @a625687551 100% @enningxie
Generating Names with a Character-Level RNN @hhxx2015 100%
Classifying Names with a Character-Level RNN @hhxx2015 100%
Deep Learning for NLP with Pytorch @bruce1408 100%
Introduction to PyTorch @guobaoyo 100%
Deep Learning with PyTorch @bdqfork 100%
Word Embeddings: Encoding Lexical Semantics @sight007 100% @Smilexuhc
Sequence Models and Long-Short Term Memory Networks @ETCartman 100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF @JohnJiangLA
Translation with a Sequence to Sequence Network and Attention @mengfu188 100%
DCGAN Tutorial @wangshuai9517 100% @infdahai
Reinforcement Learning (DQN) Tutorial @friedhelm739 100% @infdahai
Creating Extensions Using numpy and scipy @cangyunye 100%
Custom C++ and CUDA Extensions @P3n9W31
Extending TorchScript with Custom C++ Operators @sunxia233
Writing Distributed Applications with PyTorch @firdameng 100%
PyTorch 1.0 Distributed Trainer with Amazon AWS @yportne13 100%
ONNX Live Tutorial @PEGASUS1993 100%
Loading a PyTorch Model in C++ @talengu 100%
Using the PyTorch C++ Frontend @solerji 100%
文档部分 - - - -
Autograd mechanics @PEGASUS1993 100%
Broadcasting semantics @PEGASUS1993 100%
CUDA semantics @jiangzhonglian 100%
Extending PyTorch @PEGASUS1993 100%
Frequently Asked Questions @PEGASUS1993 100%
Multiprocessing best practices @cvley 100%
Reproducibility @WyattHuang1
Serialization semantics @yuange250 100%
Windows FAQ @PEGASUS1993 100%
torch @yiran7324
torch.Tensor @hijkzzz 100%
Tensor Attributes @yuange250 100%
Type Info @PEGASUS1993 100%
torch.sparse @hijkzzz 100%
torch.cuda @bdqfork 100%
torch.Storage @yuange250 100%
torch.nn @yuange250 100%
torch.nn.functional @hijkzzz 100%
torch.nn.init @GeneZC 100%
torch.optim @qiaokuoyuan
Automatic differentiation package - torch.autograd @gfjiangly 100%
Distributed communication package - torch.distributed @univeryinli 100%
Probability distributions - torch.distributions @hijkzzz 100%
Torch Script @keyianpai 100%
Multiprocessing package - torch.multiprocessing @hijkzzz 100%
torch.utils.bottleneck @belonHan 100%
torch.utils.checkpoint @belonHan 100%
torch.utils.cpp_extension @belonHan 100%
torch.utils.data @BXuan694 100%
torch.utils.dlpack @kunwuz 100%
torch.hub @kunwuz 100%
torch.utils.model_zoo @BXuan694 100%
torch.onnx @guobaoyo 100%
Distributed communication package (deprecated) - torch.distributed.deprecated @luxinfeng
torchvision Reference @BXuan694 100%
torchvision.datasets @BXuan694 100%
torchvision.models @BXuan694 100%
torchvision.transforms @BXuan694 100%
torchvision.utils @BXuan694 100%

认领完毕

OpenCV 4.0 中文教程

参与方式:https://github.com/apachecn/opencv-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/opencv-doc-zh/issues/1

项目仓库:https://github.com/apachecn/opencv-doc-zh

认领:51/51,翻译:26/51。

关于我们

我们是一个大型开源社区,旗下 QQ 群共一万余人,订阅用户至少一万人。Github Star 数量超过 40k 个,在所有 Github 组织中排名前 150。网站日 uip 超过 4k,Alexa 排名的峰值为 20k。我们的核心成员拥有 CSDN 博客专家简书程序员优秀作者认证。我们与 DatawhaleAI 有道黄海广博士等国内知名开源组织和大 V 合作,组织公益性的翻译活动、学习活动和比赛组队活动。 ‍
与商业组织不同,我们并不会追逐热点,或者唯利是图。作为公益组织,我们将完成项目放在首要位置,并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西,打造真正有价值的长尾作品。

赞助我们

转载于:https://my.oschina.net/wizardforcel/blog/3062669

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/cheqieshi4150/article/details/100848691

智能推荐

linux启动mysql_linux如何启动mysql服务_linux启动mysql服务命令是什么-系统城-程序员宅基地

文章浏览阅读1.9k次。mysql数据库是一种开放源代码的关系型数据库管理系统,有很多朋友都在使用。一些在linux系统上安装了mysql数据库的朋友,却不知道该如何对mysql数据库进行配置。那么linux该如何启动mysql服务呢?接下来小编就给大家带来linux启动mysql服务的命令教程。具体步骤如下:1、首先,我们需要修改mysql的配置文件,一般文件存放在/etc下面,文件名为my.cnf。2、对于mysql..._linux中 mysql 启动服务命令

php实现在线oj,详解OJ(Online Judge)中PHP代码的提交方法及要点-程序员宅基地

文章浏览阅读537次。详解OJ(Online Judge)中PHP代码的提交方法及要点Introduction of How to submit PHP code to Online Judge SystemsIntroduction of How to commit submission in PHP to Online Judge Systems在目前常用的在线oj中,codeforces、spoj、uva、zoj..._while(fscanf(stdin, "%d %d", $a, $b) == 2)

java快捷键调字体_设置MyEclipse编码、补全快捷键、字体大小-程序员宅基地

文章浏览阅读534次。一、设置MyEclipse编码(1)修改工作空间的编码方式:Window-->Preferences-->General-->Workspace-->Text file encoding(2)修改一类文件的编码方式:Window-->Preferences-->General-->content Types-->修改default Encoding(..._java修改快捷缩写内容

解析蓝牙原理_蓝牙原理图详解-程序员宅基地

文章浏览阅读1.4w次,点赞19次,收藏76次。1.前言市面上关于Android的技术书籍很多,几乎每本书也都会涉及到蓝牙开发,但均是上层应用级别的,而且篇幅也普遍短小。对于手机行业的开发者,要进行蓝牙模块的维护,就必须从Android系统底层,至少框架层开始,了解蓝牙的结构和代码实现原理。这方面的文档、网上的各个论坛的相关资料却少之又少。分析原因,大概因为虽然蓝牙协议是完整的,但是并没有具体的实现。蓝牙芯片公司只负责提供最底层的API_蓝牙原理图详解

从未在一起更让人遗憾_“从未在一起和最终没有在一起哪个更遗憾”-程序员宅基地

文章浏览阅读7.7k次。图/源于网络文/曲尚菇凉1.今天早上出门去逛街,在那家冰雪融城店里等待冰淇淋的时候,听到旁边两个女生在讨论很久之前的一期《奇葩说》。那期节目主持人给的辩论题是“从未在一起和最终没有在一起哪个更遗憾”,旁边其中一个女生说,她记得当时印象最深的是有个女孩子说了这样一句话。她说:“如果我喜欢一个人呢,我就从第一眼到最后一眼,把这个人爱够,把我的感觉用光,我只希望那些年让我成长的人是他,之后的那些年他喝过..._从未在一起更遗憾

【CSDN精选】基于龙芯1B200的rt-thread基础_龙芯1b200参数-程序员宅基地

文章浏览阅读927次,点赞15次,收藏13次。龙芯是中国的一款自主设计的处理器架构,由中国科学院计算技术研究所(ICT)主导研发。龙芯处理器最早的版本为Loongson-1,其后发展出Loongson-2、Loongson-3等系列。这些处理器主要用于高性能计算、服务器、嵌入式系统等领域。Loongson架构具有独立知识产权,是中国自主研发的一种指令集架构。龙芯的设计旨在实现对计算机体系结构的自主掌握,减少对外部知识产权的依赖。RT-Thread(Real-Time Thread)是一个开源的实时嵌入式操作系统。_龙芯1b200参数

随便推点

Spring Cloud Alibaba 介绍_sprngcloud alba-程序员宅基地

文章浏览阅读175次。Spring Cloud Alibaba 介绍Sping体系Spring 以 Bean(对象) 为中心,提供 IOC、AOP 等功能。Spring Boot 以 Application(应用) 为中心,提供自动配置、监控等功能。Spring Cloud 以 Service(服务) 为中心,提供服务的注册与发现、服务的调用与负载均衡等功能。Sping Cloud介绍官方介绍​ Tools for building common patterns in distributed systems_sprngcloud alba

测试 数据类型的一些测试点和经验_基础字段的测试点-程序员宅基地

文章浏览阅读3.2k次,点赞4次,收藏21次。我这里是根据之前在测试数据类项目过程中的一些总结经验和掉过个坑,记录一下,可以给其他人做个参考,没什么高深的东西,但是如果不注意这些细节点,后期也许会陷入无尽的扯皮当中。1 需求实现的准确度根据产品需求文档描述发现不明确不详细的或者存在歧义的地方一定要确认,例如数据表中的一些字段,与开发和产品确认一遍,如有第三方相关的,要和第三方确认,数据类项目需要的是细心,哪怕数据库中的一个字段如果没有提前对清楚,后期再重新补充,会投入更大的精力。2 数据的合理性根据业务场景/常识推理,提..._基础字段的测试点

一文看懂:行业分析怎么做?_码工小熊-程序员宅基地

文章浏览阅读491次。大家好,我是爱学习的小xiong熊妹。在工作和面试中,很多小伙伴会遇到“对XX行业进行分析”的要求。一听“行业分析”四个字,好多人会觉得特别高大上,不知道该怎么做。今天给大家一个懒人攻略,小伙伴们可以快速上手哦。一、什么是行业?在做数据分析的时候,“行业”两个字,一般指的是:围绕一个商品,从生产到销售相关的全部企业。以化妆品为例,站在消费者角度,就是简简单单的从商店里买了一支唇膏回去。可站在行业角度,从生产到销售,有相当多的企业在参与工作(如下图)在行业中,每个企业常常扮._码工小熊

LLaMA 简介:一个基础的、650 亿参数的大型语言模型_llma-程序员宅基地

文章浏览阅读1.6w次,点赞2次,收藏2次。还需要做更多的研究来解决大型语言模型中的偏见、有毒评论和幻觉的风险。我们在数万亿个令牌上训练我们的模型,并表明可以仅使用公开可用的数据集来训练最先进的模型,而无需诉诸专有和不可访问的数据集。在大型语言模型空间中训练像 LLaMA 这样的小型基础模型是可取的,因为它需要更少的计算能力和资源来测试新方法、验证他人的工作和探索新的用例。作为 Meta 对开放科学承诺的一部分,今天我们公开发布 LLaMA(大型语言模型元 AI),这是一种最先进的基础大型语言模型,旨在帮助研究人员推进他们在 AI 子领域的工作。_llma

强化学习在制造业领域的应用:智能制造的未来-程序员宅基地

文章浏览阅读223次,点赞3次,收藏5次。1.背景介绍制造业是国家经济发展的重要引擎,其产能和质量对于国家经济的稳定和发展具有重要意义。随着工业技术的不断发展,制造业的生产方式也不断发生变化。传统的制造业通常依赖于人工操作和手工艺,这种方式的缺点是低效率、低产量和不稳定的质量。随着信息化、智能化和网络化等新技术的出现,制造业开始向智能制造迈出了第一步。智能制造的核心是通过大数据、人工智能、计算机视觉等技术,实现制造过程的智能化、自动化...

ansible--安装与使用_pip安装ansible-程序员宅基地

文章浏览阅读938次。系列文章目录文章目录系列文章目录 前言 一、ansible是什么? 二、使用步骤 1.引入库 2.读入数据 总结前言菜鸟一只,刚开始使用,仅作以后参考使用。边学习,边记录,介绍一下最基础的使用,可能会有理解不到位的地方,可以共同交流,废话不多说,走起。一、ansible 简介?ansible是自动化运维工具的一种,基于Python开发,可以实现批量系统配置,批量程序部署,批量运行命令,ansible是基于模块工作的,它本身没有批量部署的能力,真正.._pip安装ansible