hugo

前言：之前我一直使用的是wordpress搭建的博客，由于是在某云搞活动时买的最低配置服务器，而wordpress又需要安装很多组件，网站变得越来越慢。最近发现了Hugo 是 Go 编写的静态网站生成器，速度很快，依赖于 Markdown 文件， 非常适合博客，索性就把之前的全部干掉了。 看了一些帖子，大部分是在本地编辑好，然后转化为html文件扔到Github，然后通过 Github Page的方式访问，我也测了下感觉访问Github还是太慢了，并且最近GIthub也不稳定，所以我就直接在我Linux服务器上部署了，使用个人域名访问还是挺快的。我的博客 本问部署方式是使用Nginx作为Web服务器，代理Hugo和Gitbook的静态网页，通过个人域名访问。 一、部署hugo 在Github上下载Hugo的Release包上传到Linux服务器 $ yum -y install git golang $ mkdir -p /app/hugo_0.74.3 $ tar xf hugo_0.74.3_Linux-64bit.tar.gz -C /app/hugo_0.74.3 $ cp /app/hugo_0.74.3/hugo /usr/local/bin/ $ hugo version Hugo Static Site Generator v0.74.3-DA0437B4

一文道尽Flutter最新最全的学习资料。 WARNING:内容较长建议收藏以便后续的查找和学习。 目录 文章 视频 组件 导航 模板 插件 框架 实验性 游戏 开源App 实用工具 社区 书籍 福利 文章 介绍 Google IO 2018 [1.1K👏] - 构建美观灵活的用户界面。 Presentation - 为什么我会选择Flutter 由 Helio S. Junior 提供。 Flutter Web - Flutter Web的来龙去脉 by Nash 提供. 网站/博客 Flutter技术专栏 Welcome to Flutter - 英文和法文博客致力于为Ditter Boelens提出的有关Flutter的最常见问题提供实用的解决方案。 SZAŁKO-BLOG - 渐进式高级设计由 Marcin Szalek 提供。 Flutter by Example - 基于ReduxFirebase自定义动画和UI的教程。 Flutter Institute - 非常原创的内容和教程由 Brian Armstrong 提供。 Iirokrankka.com - 关于FlutterDart和任何相关的文章和教程由 Iiro Krankka 提供。 Norbert - 深度文章、特色与应用创建由 Norbert515 提供。 Flutter Tips -

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ AI初创企业主要分为两种风格，我们将在今天的文章中，对二者做出分析与展望。 当下，AI初创企业正在快速涌现。根据斯坦福大学AI指数报告数据，自2014年以来，已经有超过15798家AI初创拿到超过40万美元的投资。正如CB Insights公布的结果，AI初创企业在2019年吸引到创纪录的266亿美元投资。鉴于统计数据的指数级增长，投资者与企业家都迫切希望借AI的东风扶摇直上。 图片来源/斯坦福大学AI指数报告，88页 然而，AI初创企业拥有自己的分类方式。本文将主要研究垂直与横向AI初创企业之间的区别与共性。以下提出的见解，基于一家硅谷风险投资商、一家柏林AI风投工作室以及一位AI创业者的共同讨论。 要理解垂直与横向AI产品，我们首先需要明确AI产品的开发主题。 开发AI产品 每一款基于AI技术的产品，都拥有大致相同的工作流程。在各个机器学习项目中，团队都需要收集及准备数据、开发模型、部署模型、监控模型性能等。以下列出的CRISP-DM模型描述了机器学习的一般工作流程。 图片来源/Uni Dresden 要辨别垂直与横向AI初创企业的区别，首先要对数据科学工作流拥有清晰的了解。垂直AI初创企业需要拥有「完整的工作流」以交付最终产品，横向AI初创企业则专注于打造

作者 | Hugo Rocha 译者 | Sambodhi 策划 | Tina 本文最初发表在 Medium 博客上，经原作者 Hugo Rocha 授权，InfoQ 中文站翻译并分享。 这种尴尬和紧张的关系，一方面是在完成赫拉克勒斯（Hercules，希腊神话最伟大的半神英雄，男性的杰出典范，伟大的赫拉克勒斯后裔祖先）的 12 项“不可能完成的”任务后成为英雄，另一方面是在马戏团训练过的动物毫无意义地连续跳呼啦圈，我们轻描谈写地称之为求职面试。我们都讨厌面试，然而，面试却是我们职业生活中无法回避的事实。 当我第一次天真地、冒险地进入软件工程面试这一令人不舒服的、不友好的世界时，没过多久，我就觉得我在 2~3 个小时内判断软件工程师的能力就像法医一样精准。 然而，我总是想知道坐在另一边的人是什么样的人，需要什么才能知道一个工程师是否适合这个角色。在过去的几年里，我进行了 100 多次软件工程技术面试，尽管每家公司都有自己独特的面试流程，但还是有一些人们容易犯的常见错误。下面是我关于如何避免犯下这些错误的忠告。 优秀的软件工程师 成功之路和失败之路几乎一样。（The road to success and the road to failure are almost exactly the same.） ——科林・雷克斯・戴维斯（Colin R. Davis，英国指挥家）

本文非原创，而是节选自微信公众号AmazingRobot +的文章：《解决最优路径问题的算法》 遗传算法の解决最优路径问题 旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 — Edited By Hugo 1、遗传算法与生物进化学说： 遗传算法(Genetic Algorithm)遵循『适者生存』、『优胜劣汰』的原则，是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 遗传算法模拟一个人工种群的进化过程，通过选择(Selection)、交叉(Crossover)以及变异(Mutation)等机制，在每次迭代中都保留一组候选个体，重复此过程，种群经过若干代进化后，理想情况下其适应度达到《近似最优》的状态。 自从遗传算法被提出以来，其得到了广泛的应用，特别是在函数优化、生产调度、模式识别、神经网络、自适应控制等领域，遗传算法发挥了很大的作用，提高了一些问题求解的效率。 2、遗传算法是一类模拟自然界遗传进化规律的仿生学算法，它不是一个具体的算法，而是一个算法簇。遗传算法是演化算法的一个分支