Pseudo

启动容器有两种方式，一种是基于镜像新建一个容器并启动，另外一个是将在终止状态（stopped）的容器重新启动。 因为 Docker 的容器实在太轻量级了，很多时候用户都是随时删除和新创建容器。 新建并启动 所需要的命令主要为 docker run 。 例如，下面的命令输出一个 “Hello World”，之后终止容器。 $ sudo docker run ubuntu:14.04 /bin/echo 'Hello world' Hello world 这跟在本地直接执行 /bin/echo 'hello world' 几乎感觉不出任何区别。 下面的命令则启动一个 bash 终端，允许用户进行交互。 $ sudo docker run -t -i ubuntu:14.04 /bin/bash root@af8bae53bdd3:/# 其中， -t 选项让 Docker 分配一个伪终端（pseudo-tty）并绑定到容器的标准输入上， -i 则让容器的标准输入保持打开。 在交互模式下，用户可以通过所创建的终端来输入命令，例如 root@af8bae53bdd3:/# pwd / root@af8bae53bdd3:/# ls bin boot dev etc home lib lib64 media mnt opt proc root run sbin srv sys tmp usr

CH57x 的蓝牙中,为了方便其协议栈自身的管理,以及用户的使用,使用一个非常轻量级的操作系统"TMOS", TMOS 实际上就是OSAL的简化版本, [一些常用的API] // tmosTaskID taskID // 以不同的taskid 来区分不同的任务,越小优先级越高 // tmosEvents event // 每个task 下拥有的event,16bit,每bit代表一个event,对于同一个task,一共16个event,其中0x8000为系统使用,剩下15个为用户使用 // 注册task id,一般用于注册任务时候,首先执行的 tmosTaskID TMOS_ProcessEventRegister( pTaskEventHandlerFn eventCb ); // 设置一个event,,根据taskid 和event 来决定具体的事件 bStatus_t tmos_set_event( tmosTaskID taskID, tmosEvents event ); // 清理一个已经超时的event,不能在自己的event 函数内执行 tmos_clear_event( tmosTaskID taskID, tmosEvents event ); // 开始一个定时事件,只执行一次, // tmosTimer具体是 1600 = 1s bStatus_t tmos

在医疗、金融、法律等领域，高质量的标注数据十分稀缺、昂贵，我们通常面临少样本低资源问题。本文从「文本增强」和「半监督学习」这两个角度出发，谈一谈如何解决少样本困境。 正式介绍之前，我们首先需要思考什么才是一种好的解决少样本困境的方案？本文尝试给出了三个层次的评价策略，我们希望采取相关数据增强或弱监督技术后： 在少样本场景下，比起同等标注量的无增强监督学习模型，性能有较大幅度的提升； 在少样本场景下，能够达到或者逼近充分样本下的监督学习模型性能； 在充分样本场景下，性能仍然有一定提升； 基于此，本文首先总结了nlp中的文本增强技术，然后串讲了近年来9个主流的半监督学习模型，最后重点介绍了来自Google提出的UDA（一种文本增强+半监督学习的结合体）。本文的组织结构为： 1、NLP中的文本增强技术总结 谈起文本增强技术，相信NLPer一定不会陌生，相关方法也是数不胜数。我们通常对标注数据集提供附加的感应偏置进行扩充，如何设计增强变换就变得至关重要。本文尝试从一个新角度——是否条件增强，借鉴文献[1]进行了总结归纳： 1.1 无条件增强 定义：既可以对标注数据进行增强（增强后标签不发生变化），又可以针对无标注数据进行增强，不需要强制引入标签信息。 词汇&短语替换 基于词典 ：主要从文本中选择词汇或短语进行同义词替换，词典可以采取 WordNet 或哈工大词林等。著名的 EDA

今天，抽短暂时间实现了一个新的功能，那就是16位图像的读取以及伪彩色视觉效果增强。个人感觉各种语言还是C++好用，PY虽然很火，但是项目中执行效率是真的难受。 --->Today, a new feature has been briefly implemented, which is the ability to read 16-bit images and enhance false-color visuals.I personally feel that various languages are still good for C++,python is very popular, but the execution efficiency in the project is really uncomfortable. 如果你真的了解opencv等，你会发现，opencv默认读取的是8位图像数据，如果需要读取16位深度的图像，你需要进行相应的处理。你会奇怪位深度对于一个图像有什么用，位深度用于指定图像中的每个像素可以使用的颜色信息数量。每个像素使用的信息位数越多，可用的颜色就越多，颜色表现就更逼真。例如，位深度为 1 的图像的像素有两个可能的值:黑色和白色。位深度为 8 的图像有 28(即 256)个可能的值。位深度为 8 的灰度模式图像有 256 个可能的灰色值。RGB

问题： I've been looking for a simple Java algorithm to generate a pseudo-random alpha-numeric string. 我一直在寻找一种 简单的 Java算法来生成伪随机的字母数字字符串。 In my situation it would be used as a unique session/key identifier that would "likely" be unique over 500K+ generation (my needs don't really require anything much more sophisticated). 在我的情况下，它将用作唯一的会话/密钥标识符，在“超过 500K+ 世代中“可能”是唯一的（我的需求实际上不需要任何更复杂的东西）。 Ideally, I would be able to specify a length depending on my uniqueness needs. 理想情况下，我可以根据自己的独特性要求指定长度。 For example, a generated string of length 12 might look something like "AEYGF7K0DM1X" . 例如

即使在大数据时代，获取大批量高质量的标注数据在实际中往往成本高昂。半监督学习技术作为一类可以同时有效利用有标签数据和无标签数据的学习范式，有希望大大降低监督任务对于标签数据的需求。本文从 2013 年所提出的 Pseudo-Label 开始，至 2019 年 Google 所提出的 UDA 技术为止， 详细介绍了半监督学习近年来的发展历程 ，重点关注各技术在核心思想、方法论上的演进。文章最后对半监督学习中涉及到的部分关键细节，如领域外数据等问题进行了详细讨论。 关于作者 李渔，熵简科技联合创始人，博士毕业于清华大学电子工程系，以第一作者身份发表学术论文 10 余篇，申请专利 6 项，致力于将先进的自然语言处理及深度学习技术真正落地于金融资管领域，让科技赋能产业。 目前负责熵简科技 NLP 技术中台的建设，包括层次化的分层架构、大数据泛采体系、持续部署的后台支持以及前沿算法的领域内落地等，为熵简科技的各大业务线提供底层技术支持和可落地的解决方案。 个人知乎专栏： https://zhuanlan.zhihu.com/c_1215573707772649472 目录 1. 为什么要了解半监督学习 1.1 什么是半监督学习 1.2 半监督学习有什么用 2. 典型技术方案的演进历程 3. 部分关键细节的讨论 3.1 类别外数据的处理 3.2 一致性正则的数学选择 3.3 错误标记数据的影响

最近接手一个GIS项目，需要用到 PostGIS，GeoServer，OpenLayers 等工具组件，遇到一堆地理信息相关的术语名词，在这里做一个总结。 1. 大地测量学 (Geodesy) 大地测量学 是一门量测和描绘地球表面的学科，也包括确定地球重力场和海底地形。 1.1 大地水准面 (geoid) 大地水准面 是 海洋表面 在排除风力、潮汐等其它影响，只考虑重力和自转影响下的形状，这个形状延伸过陆地，生成一个密闭的曲面。虽然我们通常说地球是一个球体或者椭球体，但是由于地球引力分布不均（因为密度不同等原因），大地水准面是一个不规则的光滑曲面。虽然不规则，但是可以近似地表示为一个椭球体，这个椭球体被 称为 参考椭球体（Reference ellipsoid） 。大地水准面相对于参考椭球体的高度被称为 Undulation of the geoid 。这个波动并不是非常大，最高在冰岛为85m，最低在印度南部为 −106 m，一共不到200m。下图来自 维基百科 ，表示 EGM96 geoid 下不同地区的 Undulation。 1.2 参考椭球体（Reference ellipsoid） 参考椭球体（Reference ellipsoid） 是一个数学上定义的地球表面，它近似于大地水准面。因为是几何模型，可以用长半轴、短半轴和扁率来确定。我们通常所说的经度

终端登录： init进程知道那些终端设备可用来登录，并且为每个设备生成一个getty进程 网络登录： 为了使同一个软件技能处理终端登录，又能够处理网络登录，系统使用了一种称为伪终端（pseudo terminal)的软件驱动程序。 BSD登录中，有一个inetd进程-->等待大多数网络连接。 inetd等待TCP/IP连接请求到达主机，当一个连接请求到达时，执行一次fork,然后生成的子进程exec执行适当的程序。 进程组 pid_t getpgrp()获取进程组id int setpgid(pid_t pid,pid_t pid);加入一个现有的进程组或者创建一个新的进程组 注意：一个进程只能为它自己或者它的子进程设置进程组ID。在它的子进程调用了exec后，它就不可以更改该孩子进程的进程组了！ 会话： 返回前台进程组GroupID: #include<unistd.h> #include "apue.h" int main(void){ /*returns the process group ID of the foreground process group on the terminal associated to fd, which must be the controlling terminal of the calling process.`*/ printf(

display: contents 是一个比较陌生的属性，虽然属于 display 这个基本上是最常见的 CSS 属性，但是 contents 这个取值基本不会用到。但是它早在 2016 年就已经得到了 Firefox 的支持。 本文将深入一下这个有意思的属性值。 基本用法 根据 W3C 对 display: contents 的定义。 The element itself does not generate any boxes, but its children and pseudo-elements still generate boxes and text runs as normal. For the purposes of box generation and layout, the element must be treated as if it had been replaced in the element tree by its contents (including both its source-document children and its pseudo-elements, such as ::before and ::after pseudo-elements, which are generated before/after the element

定义 存储过程:就是为以后的使用而保存的一条或多条 MySQL语句的集合。可将其视为批文件，虽然它们的作用不仅限于批处理。 个人使用存储过程的原因就是因为 存储过程比使用单独的SQL语句要快 有如下表(名为 a) 其下,所有都可以用一条sql解决,但是我为了熟悉 存储过程,而采用函数式来进行书写 简单案例 1 : 创建函数 name , 需要传入 id值,返回 name值: # 创建一个名为 name的存储过程 DELIMITER // create procedure name ( in _id int ) BEGIN select name from a where id = _id; END // DELIMITER; 其中， DELIMITER //告诉命令行实用程序使用 //作为新的语句结束分隔符， 　　可以看到标志存储过程结束的 END定义为END//而不是END; 。 这样，存储过程体内的 ;仍然保持不动，并且正确地传递给数据库引擎。 最后，为恢复为原来的语句分隔符，可使用 DELIMITER ;。 除\符号外，任何字符都可以用作语句分隔符。如果你使用的是 mysql命令行实用程序，在阅读本章时请记住这里的内容。 在运行此存储函数之后,得到 如下图 简单案例2 创建函数 name_1 　　要求传入id值,返回id对应的name字段,保存到变量