GX

自己安装时候遇到很多问题，接下来把这些问题写出来希望对大家有所帮助 搭建环境： 1、下载安装 java 8 SDK (不要安装最新的10.0) 并配置好环境变量（环境变量的配置就不做介绍了） 2、下载安装 Elasticsearch 5.X 这里注意 只能下载 5.X版本 请勿使用其他版本（ 但我们用Exceptionless的时候，会出现如下错误） 3、下载4.1的Exceptionless 发布包 部署安装到本地IIS （也可以在github上拉源码处理） https://github.com/exceptionless/Exceptionless Elasticsearch 5.X安装说明 运行elasticsearch.bat文件 可以看到启动起来了，访问9200端口 已经ok了 Exceptionless的配置 解压文件可以看到 Start.bat这个文件你可以不用，自己已经安装elasticsearch 如果你没用安装elasticsearch，执行Start.bat会安装（但是这里会遇到一个问题就是PowerShell的问题） 设置下如下就行了，允许（Y）下就会自动下载安装 进入wwwroot文件夹 设置一下 App_Data文件夹的权限 可以添加IIS_User的写权限 这两个文件中需要根据需求配置修改下，这里我只修改下elasticsearch地址和

Delphi在数据库操作是非常好用的,delphi把ADO一些方法属性都集成了,以下是我的一些总结: ******************************* 通过sql的存储过程来实现: 添加 With ADOQuery1 do begin Close; SQL.Clear; SQL.Add(' Insert Into Table1(Field1,Field2)') SQL.Add(' Values(10,20)'); ExecSQL; end; 修改 With ADOQuery1 do begin Close; SQL.Clear; SQL.Add(' Update Table1 Set Field1=20,Field2=30)') ExecSQL; end; 删除 With ADOQuery1 do begin Close; SQL.Clear; SQL.Add(' Delete From Table1') SQL.Add(' Where Field1=20 and Field2=30'); ExecSQL; end; 查询 With ADOQuery1 do begin Close; SQL.Clear; SQL.Add(' Select Field1,Field2 From Table1') SQL.Add(' Where Field1=20 and Field2

一、win10专业版产品密钥 NXRQM-CXV6P-PBGVJ-293T4-R3KTY DR9VN-GF3CR-RCWT2-H7TR8-82QGT 步骤：开始--设置--更新和安全--激活--更改产品密钥。 二、win10 1083专业版KMS客户端安装密钥： Windows 10 Professional(专业版)：W269N-WFGWX-YVC9B-4J6C9-T83GX Windows 10 Professional N(专业版N)：MH37W-N47XK-V7XM9-C7227-GCQG9 三、win10 KMS客户端安装密钥 永久有效： Operating system edition(操作系统版本)：KMS Client Setup Key(KMS客户端安装序列号) Windows 10 Professional(专业版)：W269N-WFGWX-YVC9B-4J6C9-T83GX Windows 10 Professional N(专业版N)：MH37W-N47XK-V7XM9-C7227-GCQG9 Windows 10 Enterprise(企业版)：NPPR9-FWDCX-D2C8J-H872K-2YT43 Windows 10 Enterprise N(企业版N)：DPH2V-TTNVB-4X9Q3-TJR4H-KHJW4 Windows 10

一直不在状态…… 想着各种事情…… A. 正常的方法是预处理k!和inv(k!)，然后每次询问O(1)。 然后某同学的方法是dp，O(n*m)也能过。 f(i,j,0)和f(i,j,1)吗？i<=n,j<=m,0和1分别代表是否已经选择F吗。 B. 对于a，是x的倍数，且不是y的倍数(其中p%x==0,y%x==0,p%y==0) x乘上某个数，这个数除以z(z为不可以使用的约数的乘积，详见代码)为r（计算0~z-1）。 则对于b，是(p/x)的倍数 不好写。。。 时间复杂度： 预处理：k个质因数(<=6)，2^k * 对应的大小(<=p) 约数的个数*(k+k) 还有更快的方法 题解：数论方式分析。 a=px+y y*b=p的倍数 则b是p/y的倍数。 然后枚举y。 写得很快。。。 看群里还有使用mobius的，比赛时想过，但没想到。 对于数字a,b gcd(a,p)=d 然后b为p/d的倍数即可。 1 #include <cstdio> 2 #include <cstdlib> 3 #include <cmath> 4 #include <cstring> 5 #include < string > 6 #include <algorithm> 7 #include <iostream> 8 using namespace std; 9 #define ll long long

3788字13图，预计阅读需要23分钟 红色华诞68周年 National Day of the People's Republic of China 作 者：张 旭 编 辑：李文臣 R-CNN提出于2014年，应当算是卷积神经网络在目标检测任务中的开山之作了，当然同年间还有一个overfeat算法，在这里暂不讨论。 在之后的几年中，目标检测任务的CNN模型也越来越多，实时性与准确率也越来越好，但是最为经典 的模型还是很值得学习的。 那么下面就正式开始吧 对于R-CNN模型，个人是这样理解，它其实是将4个应用于不同任务的已有的算法很好的结合了起来，最终在目标检测任务中取得了不错的效果，这种结合更像是偏向于工程的方法，而不是在算法上的一种突破，当然在后续的Fast-RCNN与Faster-RCNN中模型逐步完善并整合成为一个模型，但是在R-CNN中是没有的。 所以R-CNN由4个部分构成，它们分别是： 1 .区域建议算法（ss） 2 .特征提取算法（AlexNet） 3 .线性分类器（线性SVM） 4 .边界框修正回归模型（Bounding box） 区域建议算法 首先是区域建议（Region Proposal）算法，这个东西在CNN之前就已经有了，而且算法不止一种，ss（selective search）算法是比较著名的一个，此外还有EdgeBox，MSER，MCG等等算法

本博客只用于学习，如果有错误的地方，恳请指正，如需转载请注明出处。 看机器学习也是有一段时间了，这两天终于勇敢地踏出了第一步，实现了HOG+SVM对图片分类,具体代码可以在github上下载， https://github.com/subicWang/HOG-SVM-classifer 。大家都说HOG+SVM是在行人检测中很合拍的一对。至于为啥，我也讲不清楚。我猜想这么合拍的一对应用在图片分类上效果应该也不错吧，事实证明确实还行，速度挺快，分类正确率还行。我用的数据集是 http://www.cs.toronto.edu/~kriz/cifar.html 。图片特征HOG的提取过程，本文不做讲解，很多博客也肯定比我讲得清楚。那我就直接粘出我的代码吧，方便需要的人参考。 def getHOGfeat( image,stride = 8, orientations=8, pixels_per_cell=(8, 8),cells_per_block=(2, 2)): cx, cy = pixels_per_cell bx, by = cells_per_block sx, sy = image.shape n_cellsx = int(np.floor(sx // cx)) # number of cells in x n_cellsy = int(np.floor(sy // cy)

Problem Description Last night, little erriyue had a horrible nightmare. He dreamed that he and his girl friend were trapped in a big maze separately. More terribly, there are two ghosts in the maze. They will kill the people. Now little erriyue wants to know if he could find his girl friend before the ghosts find them. You may suppose that little erriyue and his girl friend can move in 4 directions. In each second, little erriyue can move 3 steps and his girl friend can move 1 step. The ghosts are evil, every second they will divide into several parts to occupy the grids within 2 steps to

CF Round #466的最后一题，颇有难度，正解是带修改莫队算法。 【题意】 给定一个长度为\(n\)的数组\(a\)，并且要求执行\(q\)个操作，有两种不同的操作： ①询问一个区间\([l,r]\)中集合\(\left\{c_{0},c_{1},c_{2},\cdots,c_{10^9}\right\}\)的 Mex ，而\(c_i\)表示数值\(i\)在\([l,r]\)中的出现次数。 ②把\(a_p\)修改成\(x\)。 对每一个询问输出答案。 【题解】 典型的区间问题，不要求在线，可以考虑莫队。 有时间轴影响，故使用带修改莫队，时间复杂度应为\(O(n^{\frac{5}{3}})\)。 先对区间的移动进行分析： 使用离散化技巧，把输入数据压缩至\(n+q\)的范围内。 维护两个数组\(count1,count2\)，\(count1\)记录(离散后的)每个数的出现次数，\(count2\)记录\(count1\)中的数的出现次数。 那么所求为\(count2\)中第一个为0的下标位置。 对于\(count1,count2\)，我们都可以\(O(1)\)维护每个操作对数组的影响，接下来考虑如何计算答案。 \(count2\)数组的变动，让第一个为0的下标位置可能会有很大的跳跃，不好维护，那么我们注意到一个性质： 答案不会超过\(O(\sqrt{n})\)，为什么呢？

文章总结不错，特此转载。20181121 原文见于： https://www.jianshu.com/p/d3b1c3d307e0 卡尔曼滤波在我当学生的时候就用过，但是当年我似乎就是套公式，没有理解其精髓，加之时间久了有点模糊，突然需要指导学生使用，有了强烈的陌生感觉，不得不逼自己再一次捡起。自己学会和教会别人是学习的两个层次，为了自我提高，也为了更好得指导学生。于是，我又翻出自己当年写的算法以及在网上找了些大神写的资料，进行融会贯通，总结提炼，希望稍微有点大学概率论的人能够看懂此文并熟练使用。 为了可以更加容易得理解卡尔曼滤波器，我们先回顾了基础的数学知识，然后采用形象的描述方法来讲解其算法本质，接着利用数学符号抽象出数学公式并进行归纳总结，最后给出计算机程序实现。希望初学者从头看到尾，循序渐进，具有较好数学功底者可直接看数学公式，实用主义者可直接拷贝源代码。 1．卡尔曼与其提出的滤波器 在学习卡尔曼滤波器之前，先搞懂“卡尔曼”是什么鬼？其实卡尔曼是人，而且还是一个现代的牛人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。 我们现在要学习的卡尔曼滤波器，正是源于他的博士论文和1960年发表的论文《A New Approach

sdfsdf 服务网格作为一个改善服务到服务通信的专用基础设施层，是云原生范畴中最热门的话题。随着容器愈加流行，服务拓扑也频繁变动，这就需要更好的网络性能。服务网格能够通过服务发现、路由、负载均衡、心跳检测和支持可观测性，帮助我们管理网络流量。服务网格试图为无规则的复杂的容器问题提供规范化的解决方案 将供应链搬出中国，似乎成了过去两三个月新冠肺炎疫情衍生出的热门话题。 年初新冠肺炎疫情爆发，让中国供应链的生产活动几乎完全停顿，影响席卷全球：苹果的新 5G 有可能因疫情而延期推出，特斯拉新款芯片无法及时交付、陷入“芯片门”纠纷。其余像三星、小米、索尼等著名跨国企业，均受到供应链停摆的影响。 因此，rdwveen.gravatar.com/hhxjhsdsj?EE2=62ubg=58o en.gravatar.com/jhjhjdfs9?CX6=02bjj=05u en.gravatar.com/dahezi3?KS5=31fpc=89k gravatar.com/heziyuya?ZP7=66kzy=03c gravatar.com/pmpp36685955?ND7=89dgs=88z en.gravatar.com/xzpb87?GN4=13htv=00t en.gravatar.com/licc65?HN6=37jkg=33u gravatar.com/ejhl14?CV1