Pseudo

通配选择符( * ) 通常不建议使用通配选择符，因为它会遍历并命中文档中所有的元素，出于性能考虑，需酌情使用 相邻选择器（+） 会选择相邻的下一个的元素（不包括自己） 兄弟选择器（~） 会选择相邻的后面的所有兄弟元素（不包括自己） 属性选择器 E[att] { sRules } 选择具有att属性的E元素。 E[att="val"] { sRules } 选择具有att属性且属性值等于val的E元素 E[att~="val"] { sRules } 选择具有att属性且属性值为一用空格分隔的字词列表，其中一个等于val的E元素（包含只有一个值且该值等于val的情况）。 E[att^="val"] { sRules } 选择具有att属性且属性值为以val开头的字符串的E元素 ;(包括)，如果有多个值，则写在开头的一个包括val则可以； E [att$="val"] { sRules } 选择具有att属性且属性值为以val结尾的字符串的E元素。 (包括该字符串)，如果有多个属性值，则不可以！ E[att*="val"] { sRules } 选择具有att属性且属性值 有 val 字母 的字符串的E元素。 如果属性有多个属性值，但属性值中包含有val的字符串，也可以。 E[att|="val"] { sRules } 选择具有 att 属性，其值是以 val 开头并用连接符"-

https://www.csee.umbc.edu/~hpirsiav/papers/cascade_cvpr17.pdf Weakly Supervised Cascaded Convolutional Networks, Ali Diba, Vivek Sharma, Ali Pazandeh, Hamed Pirsiavash and Luc Van Gool 亮点 通过多任务叠加（分类，分割）提高了多物体弱监督检测的正确率 通过利用segmentation筛选纯净的proposals，得到了更鲁棒的结果 为弱监督分割任务设计比较鲁棒的loss 只考虑全局的分类结果和置信度对高的部分 通过loss的weights关注到最需要关注的部分 相关工作 One of the most common approaches [7] consists of the following steps: generates object proposals, extracts features from the proposals, applies multiple instance learning (MIL) to the features and finds the box labels from the weak bag (image) labels. 弱监督物体检测难点:

<div id="article_content" csdn-tracking-statistics"="" data-pid="blog" data-mod="popu_307" data-dsm="post" style="box-sizing: inherit; outline: 0px; padding: 0px; margin: 0px; word-break: break-all;"><div style="box-sizing: inherit; outline: 0px; padding: 0px; margin: 0px; font-family: -apple-system, "SF UI Text", Arial, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "WenQuanYi Micro Hei", sans-serif, SimHei, SimSun; word-break: break-all;"><p style="box-sizing: border-box; outline: 0px; padding: 0px; margin: 0px 0px 16px; font-size: 16px; color: #4f4f4f; line-height: 26px; text-align:

来源：机器之心 本文约3000字，建议阅读10+分钟Quoc Le：“我原本以为 ImageNet 的 top-1 准确率 85% 就到头了，现在看来，这个上限难以预测。” 近日，谷歌大脑研究科学家、AutoML 鼻祖 Quoc Le 发文表示，他们提出了一种新的半监督学习方法，可以将模型在 ImageNet 上的 top-1 准确率提升到 90.2%，与之前的 SOTA 相比实现了 1.6% 的性能提升。 这一成果刷新了 Quoc Le 对于 ImageNet 的看法。2016 年左右，他认为深度学习模型在 ImageNet 上的 top-1 准确率上限是 85%，但随着这一数字被多个模型不断刷新，Quoc Le 也开始对该领域的最新研究抱有更多期待。而此次 90.2% 的新纪录更是让他相信： ImageNet 的 top-1 还有很大空间。 Quoc Le 介绍称，为了实现这一结果，他们使用了一种名为「元伪标签（Meta Pseudo Label）」的半监督学习方法来训练 EfficientNet-L2。 和伪标签（Pseudo Label）方法类似，元伪标签方法有一个用来在未标注数据上生成伪标签并教授学生网络的教师网络。然而，与教师网络固定的伪标签方法相比，元伪标签方法有一个从学生网络到教师网络的反馈循环，其教师网络可以根据学生网络在标记数据集上的表现进行调整

@argyleink在第四次的伦敦（LondonCSS 2020）CSS活动中分享了一个有关于CSS特性相关的话题。看了一下这个主题的PPT，里面有些新东西还是蛮有意思的。基于该PPT，我稍微整理近24个CSS方面的新特性，感兴趣的同学可以继续往下阅读。 接下来的内容我将分为： Web动效 、 Web排版 、 Web性能 、 Web可访问性 、 Web美化 和 其他 等六个部分。 下面聊的CSS新特性当中，有部分还处于实验阶段，如果您感兴趣的话，并不会影响你阅读。你也可以选择你感兴趣的部分阅读。（^_^） NO.1 伦敦CSS 2020 伦敦CSS 2020 (https://www.londoncss.dev/) 并不是一次性的活动，到我写这篇文章为止已经是第四届 (https://www.londoncss.dev/events/event4) 了,每届的话题都不同。在这次活动中主要有三个话题： @argyleink的WHAT'S NEW WITH CSS? @Stephanie Eckles的STYLE STAGE AND MODERN CSS：Style Stage堪比现代版的CSS禅意花园（CSS Zen Garden），允许任何级别的CSS从业者重新设计基于相同HTML的样式，同时提高他们地现代CSS特性的熟悉程度 @Cassie Evans的PAINTING WITH

@argyleink在第四次的伦敦（LondonCSS 2020）CSS活动中分享了一个有关于CSS特性相关的话题。看了一下这个主题的PPT，里面有些新东西还是蛮有意思的。基于该PPT，我稍微整理近24个CSS方面的新特性，感兴趣的同学可以继续往下阅读。 接下来的内容我将分为： Web动效 、 Web排版 、 Web性能 、 Web可访问性 、 Web美化 和 其他 等六个部分。 下面聊的CSS新特性当中，有部分还处于实验阶段，如果您感兴趣的话，并不会影响你阅读。你也可以选择你感兴趣的部分阅读。（^_^） NO.1 伦敦CSS 2020 伦敦CSS 2020 (https://www.londoncss.dev/) 并不是一次性的活动，到我写这篇文章为止已经是第四届 (https://www.londoncss.dev/events/event4) 了,每届的话题都不同。在这次活动中主要有三个话题： @argyleink的WHAT'S NEW WITH CSS? @Stephanie Eckles的STYLE STAGE AND MODERN CSS：Style Stage堪比现代版的CSS禅意花园（CSS Zen Garden），允许任何级别的CSS从业者重新设计基于相同HTML的样式，同时提高他们地现代CSS特性的熟悉程度 @Cassie Evans的PAINTING WITH

1. Math.random() 静态方法 产生的随机数是 0 - 1 之间的一个 double，即 0 <= random <= 1。 for (int i = 0; i < 10; i++) { System.out.println(Math.random()); } 结果： 0.3598613895606426 0.2666778145365811 0.25090731064243355 0.011064998061666276 0.600686228175639 0.9084006027629496 0.12700524654847833 0.6084605849069343 0.7290804782514261 0.9923831908303121 实现原理： When this method is first called, it creates a single new pseudorandom-number generator, exactly as if by the expression new java.util.Random() This new pseudorandom-number generator is used thereafter for all calls to this method and is used nowhere else.

docker是一个云计算平台，他利用了linux的lxc、AUFU、Go语言、cgroup实现了资源的独立，可以很轻松的实现文件、资源、网络等隔离，他最终的目标是想实现类似PAAS平台的应用隔离，据说将要开源，希望大家关注 Notable features Filesystem isolation: each process container runs in a completely separate root filesystem. Resource isolation: system resources like cpu and memory can be allocated differently to each process container, using cgroups. Network isolation: each process container runs in its own network namespace, with a virtual interface and IP address of its own. Copy-on-write: root filesystems are created using copy-on-write, which makes deployment extremeley fast, memory-cheap and

线程是mysql一个很重要的概念。线程用来处理来自客户端的连接，线程和连接是1:1的关。线程和THD对象也是1:1对应的关系，有些线程会被设置为优先，而有些线程没有优先级，而线程的优先级设置在sql/mysql_priv.h #define INTERRUPT_PRIOR -2 #define CONNECT_PRIOR -1 #define WAIT_PRIOR 0 #define QUERY_PRIOR 2 (THD是mysql线程描述符类) 线程初始化工作： void THD::init(void) { pthread_mutex_lock(&LOCK_global_system_variables); plugin_thdvar_init(this); variables.time_format= date_time_format_copy((THD*) 0, variables.time_format); variables.date_format= date_time_format_copy((THD*) 0, variables.date_format); variables.datetime_format= date_time_format_copy((THD*) 0, variables.datetime_format); /* variables= global

本文介绍一下Css伪类:is和:not，并解释一下is、not、matches、any之前的关系 :not The :not() CSS pseudo-class represents elements that do not match a list of selectors. Since it prevents specific items from being selected, it is known as the negation pseudo-class. 以上是MDN对not的解释 单从名字上我们应该能对它有大概的认知，非选择，排除括号内的其它元素 最简单的例子，用CSS将div内，在不改变html的前提下，除了P标签，其它的字体颜色变成蓝色， <div> <span>我是蓝色</span> <p>我是黑色</p> <h1>我是蓝色</h2> <h2>我是蓝色</h2> <h3>我是蓝色</h3> <h4>我是蓝色</h4> <h5>我是蓝色</h5> </div> 之前的做法 div span,div h2,div h3, div h4,{ color: blue; } not写法 div:not(p){ color: blue; } 从上面的例子可以明显体会到not伪类选择器的作用 下面升级一下，问：将div内除了span和p，其它字体颜色变蓝色 div:not