lars

[TOC] 定义 蒋新松[1]在文献中为路径规划作出了这样的定义：路径规划是自治式移动机器人的一个重要组成部分，它的任务就是在具有障碍物的环境内按照一定的评价标准，寻找一条从起始状态（包括位置和姿态）到达目标状态（包括位置和姿态）的无碰路径。障碍物在环境中的不同分布情况当然直接影响到规划的路径，而目标位置的确定则是由更高一级的任务分解模块提供的。 [1]蒋新松著.机器人学导论[M].辽宁科学技术出版社，1994：511-554 分类 路径规划分为依据已获取的全局环境信息，给机器人规划出一条从起点至终点的运动路径的全局路径规划方法（GlobalPath Planning）和侧重考虑机器人探知的当前局部环境信息，这使机器人具有较好的避碰能力的局部路径规划方法（LocalPath Planning）。 全局路径规划 全局路径规划规划方法的精确程度取决于获取环境信息的准确程度。通常可以寻找最优解，但需要预先知道准确的全局环境信息。 局部路径规划 局部规划仅依靠传感系统实时感知的信息，与全局规划方法相比，局部规划更具实时性和实用性；对动态环境具有较强适应能力；但是由于仅依靠局部信息，有时会产生局部极值点或振荡，无法保证机器人能顺利地到达目标点。 方法 传统规划算法 人工势场法 最初是1986年出Khatib提出，其基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动

点击上方蓝色字关注我们~ 0x00 前言 下面的内容，是笔者在学习和工作中的一些总结，其中概念性的内容大多来自书中，实践性的内容大多来自自己的工作和个人理解。由于资历尚浅，难免会有很多错误，望批评指正！ 概述 数据仓库包含的内容很多，它可以包括架构、建模和方法论。对应到具体工作中的话，它可以包含下面的这些内容： 以Hadoop、Spark、Hive等组建为中心的数据架构体系。 各种数据建模方法，如维度建模。 调度系统、元数据系统、ETL系统、可视化系统这类辅助系统。 我们暂且不管数据仓库的范围到底有多大，在数据仓库体系中，数据模型的核心地位是不可替代的。 因此，下面的将详细地阐述数据建模中的典型代表：维度建模，对它的的相关理论以及实际使用做深入的分析。 文章结构 本文将按照下面的顺序进行阐述： 先介绍比较经典和常用的数据仓库模型，并分析其优缺点。 详细介绍维度建模的基本概念以及相关理论。 为了能更真切地理解什么是维度建模，我将模拟一个大家都十分熟悉的电商场景，运用前面讲到的理论进行建模。 理论和现实的工作场景毕竟会有所差距，这一块，我会分享一下企业在实际的应用中所做出的取舍。 0x01 经典数据仓库模型 下面将分别介绍四种数据仓库模型，其中前三种模型分别对应了三本书：《数据仓库》、《数据仓库工具箱》和《数据架构 大数据 数据仓库以及Data Vault》，这三本书都有中文版

在12月初举行的CoNEXT 2018 EPIQ研讨会上来自Facebook的Subodh Iyengar详细介绍了Facebook如何在其基础设施中使用IETF-QUIC，并且通过Android和iOS设备上的Facebook应用程序在移动客户端上进行实验。本文来自QUIC-Tracker的博客，LiveVideoStack进行了翻译。 文 / QUIC-Tracker 译/ 元宝 原文 https://quic-tracker.info.ucl.ac.be/blog/epiq-2018/2018/12/10/epiq-2018-keynote-facebook.html 在12月的第一周，第一届QUIC的演变，性能和互操作性研讨会在克里特岛Heraklion的CoNEXT 2018上举行。我们展示了我们的论文，观察了QUIC实现的演变，并与参加研讨会的研究人员和工程师进行了讨论。在这一系列的博客文章中，我们报告了研讨会每个会议的摘要以及我们做的一些笔记。 主题演讲：大规模快速移动 在Facebook上部署IETF QUIC的经验（Subodh Iyengar - Facebook） 经过两位主持人约尔格·奥特(Jorg Ott，慕尼黑TU)和拉尔斯·埃格特(Lars Eggert, NetApp)简短的介绍，当天的第一位主讲人是来自Facebook的Subodh Iyengar

在网上看到的一篇文章，看了以后感触颇深。他讲述了线性代数的本质，对线性空间、向量和矩阵做了直觉的描述。 线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。 比如说，在全国一般工科院系教学中应用最广泛的同济线性代数教材（现在到了第四版），一上来就介绍逆序数这个古怪概念，然后用逆序数给出行列式的一个 极不直观的定义，接着是一些简直犯傻的行列式性质和习题——把这行乘一个系数加到另一行上，再把那一列减过来，折腾得那叫一个热闹，可就是压根看不出 这个东西有嘛用。 大多数像我一样资质平庸的学生到这里就有点犯晕：连这是个什么东西都模模糊糊的，就开始钻火圈表演了，这未免太无厘头了吧！于是开始有人逃课，更多的 人开始抄作业。这下就中招了，因为其后的发展可以用一句峰回路转来形容，紧跟着这个无厘头的行列式的，是一个同样无厘头但是伟大的无以复加的家伙的出 场——矩阵来了！多年之后，我才明白，当老师犯傻似地用中括号把一堆傻了吧叽的数括起来，并且不紧不慢地说：“这个东西叫做矩阵”的时候，我的数学生涯 掀开了何等悲壮辛酸、惨绝人寰的一幕！自那以后，在几乎所有跟“学问”二字稍微沾点边的东西里，矩阵这个家伙从不缺席。对于我这个没能一次搞定线性代数 的笨蛋来说，矩阵老大的不请自来每每搞得我灰头土脸，头破血流。长期以来，我在阅读中一见矩阵，就如同阿Q见到了假洋鬼子，揉揉额角就绕道走。 事实上

这个 Python 模块可以以多种格式收集网站使用日志并输出良好结构化数据以进行分析。 是否想知道有多少访问者访问过你的网站？或哪个页面、文章或下载最受欢迎？如果你是自托管的博客或网站，那么无论你使用的是 Apache、Nginx 还是 Microsoft IIS（是的，没错）， lars 都可以为你提供帮助。 Lars 是 Python 写的 Web 服务器日志工具包。这意味着你可以使用 Python 通过简单的代码来回溯（或实时）解析日志，并对数据做任何你想做的事：将它存储在数据库中、另存为 CSV 文件，或者立即使用 Python 进行更多分析。 Lars 是 Dave Jones 写的另一个隐藏的宝石。我最初是在本地 Python 用户组中看到 Dave 演示 lars。几年后，我们开始在 piwheels 项目中使用它来读取 Apache 日志并将行插入到我们的 Postgres 数据库中。当树莓派用户从 piwheels.org 下载 Python 包时，我们会记录文件名、时间戳、系统架构（Arm 版本）、发行版名称/版本，Python 版本等。由于它是一个关系数据库，因此我们可以将这些结果加入其他表中以获得有关文件的更多上下文信息。 你可以使用以下方法安装lars： $ pip install lars 在某些系统上，正确的方式是 sudo pip3 install

AI 前线导读 ：随着技术、算力的发展，在 ImageNet 上训练 ResNet-50 的速度被不断刷新。2018 年 7 月，腾讯机智机器学习平台团队在 ImageNet 数据集上仅用 6.6 分钟就训练好 ResNet-50，创造了 AI 训练世界纪录；一周前，壕无人性的索尼用 2176 块 V100 GPU 将这一纪录缩短到了 224 秒；如今，这一纪录再次被谷歌刷新…… 深度学习非常依赖于硬件条件，它是一个计算密集型的任务。硬件供应商通过在大型计算集群中部署更快的加速器来做出更快的相应。在 petaFLOPS（运算能力单位，每秒千万亿次浮点数运算）规模的设备上训练深度学习模型需要同时面临算法和系统软件两方面的挑战。Google 于近日推出了一种大规模计算集群的图像分类人物训练解决方案，相关论文发表于 Arxiv： Image Classification at Supercomputer Scale 。本文的作者使用 Google TPU v3 Pod 训练 ResNet-50，在识别率没有降低的情况下，仅使用了 2.2 分钟的时间。 背景 深度神经网络的成功应用与发展离不开疯狂增长的算力，在许多领域，深度学习的发展可以说是由硬件驱动的。在深度网络的训练过程中，最关键的部分就是使用随机梯度下降算法（SGD）优化网络权重。通常情况下，模型需要使用 SGD

Here is my code to conver between OpenXML units. Define If you use csharp language version lower than 7.0, please remove the readonly keyword from the C# code below public readonly struct Cm { public Cm(double value) { Value = value; } public double Value { get; } } public readonly struct Dxa { public Dxa(double value) { Value = value; } public double Value { get; } } public readonly struct Emu { public Emu(double value) { Value = value; } public double Value { get; } } public readonly struct FiftiethsOfAPercent { public FiftiethsOfAPercent(double value) { Value = value; } public double Value

Groovy. This article gives a short overview of the Groovy language including collections, loops, gstrings, MOP, closures, operator overloading, XML handing and using Groovy together with Java class. It also describes how to use the Eclipse IDE for developing Groovy. This article assumes that you have already Eclipse installed and that you have used Eclipse for Java development. This article was written using Groovy 2.4, Eclipse 4.4 (Luna) and Java 1.8. 1. Groovy 1.1. What is Groovy? Groovy is an optionally typed, dynamic language that runs on the JVM. It is tightly integrated with the Java