权重

1，添加背景图片时，背景图片无法完全显现（只显示图片的局部） 利用background-size解决； background: url(gray-tunnel-207153.jpg) no-repeat ; background-size: 100% 100%;//可使图片完全显现 no-repeat设置图片形式不重叠，当图片宽度不大时，若不设置no-repeat有可能相当于两张相同图片并列显示。 2.插入背景图片，图片随所在块的文本宽度改变而改变 　　为此块定义指定的 width height; .header{ width:360px; height:300px; background: url(mm.jpg); background-size: 100% 100%; margin-top: 100px; } 3去除链接的下划线 　　text-deceration:none; 4.将图片设置成圆形 　　设置borderr-radius的百分比。要得到圆形，需图片为正方形，若图片为长方形得到的会使之变成椭圆。 5.利用@media实现pc端和手机端两套视口的变化 　　写两套css，一套针对手机端，另一套针对pc端，用media进行选择·。 @media only screen and (max-width:768px){} @media only screen and (min

建站过程中，外链的设置归属于网站运营。自从搜索引擎开始重视外链后，懂运营的网站纷纷试图通过外链来提高自己的搜索排名。这是正确的，因为一个网站外链的多少和其外链质量如何，将极大程度决定了网站权重的高低和流量的大小。所以外链对网站的搜索引擎SEO优化也极为重要。 　　那么，今天讲解下如何设置外链。 　　1、友情链接 　　友情链接是指互相在自己的网站上放对方网站的链接。必须要能在网页代码中找到网址和网站名称，而且浏览网页的时候能显示网站名称，这样才叫友情链接。 　　有些站长认为，一个网站的友情链接可以保持在10个，而这10个网站越优秀越好，那么随着网站权重不断提升，友情链接的质量也逐步攀升，友情链接尽量选择和自己权重相当的网站或者更高权重的网站。 　　在此还建议，将友情链接的锚文字和所指向网站的名称改为一致，同时去掉多余的字，这将更利于搜索引擎的收录。 　　友情链接交换方法：通过站长流置换。过程虽繁琐，但重在免费。 　　2、企业其他网站外链 　　部分企业并非只有一个官网，可能还会开设论坛或其他子品牌网站，这时候，在新站中添加友联的方法也是可行的。 　　风险：会传递网站权重，但影响不大。 　　3、视频网站 　　通过上传视频，并在文本中添加外链。也可在视频留言下添加链接，也可提高网站权重。 　　4、文库类外链 　　文库类网站包括：百度文库、豆丁、道客巴巴等，可准备行业相关知识

　　对于一个用户来说，他们可能有不同的兴趣。就以作者举的豆瓣书单的例子来说，用户A会关注数学，历史，计算机方面的书，用户B喜欢机器学习，编程语言，离散数学方面的书， 用户C喜欢大师Knuth, Jiawei Han等人的著作。那我们在推荐的时候，肯定是向用户推荐他感兴趣的类别下的图书。那么前提是我们要对所有item（图书）进行分类。那如何分呢？大家注意到没有，分类标准这个东西是因人而异的，每个用户的想法都不一样。拿B用户来说，他喜欢的三个类别其实都可以算作是计算机方面的书籍，也就是说B的分类粒度要比A小；拿离散数学来讲，他既可以算作数学，也可当做计算机方面的类别，也就是说有些item不能简单的将其划归到确定的单一类别；拿C用户来说，他倾向的是书的作者，只看某几个特定作者的书，那么跟A，B相比它的分类角度就完全不同了。 　　显然我们不能靠由单个人（编辑）或team的主观想法建立起来的分类标准对整个平台用户喜好进行标准化。 　　此外我们还需要注意的两个问题： 我们在可见的用户书单中归结出3个类别，不等于该用户就只喜欢这3类，对其他类别的书就一点兴趣也没有。也就是说，我们需要了解用户对于所有类别的兴趣度。 对于一个给定的类来说，我们需要确定这个类中每本书属于该类别的权重。权重有助于我们确定该推荐哪些书给用户。 　　下面我们就来看看LFM是如何解决上面的问题的？对于一个给定的用户行为数据集

##1·LinearLayout布局的嵌套 下图为三个线性布局嵌套的结果。最外层为一个水平排列的线性布局，内层为两个垂直排列的线性布局， 其中每个包含两个文本框。 ###1.1·实现： 首先，外层为水平排列的线性布局 <LinearLayout xmlns:android="http://schemas.android.com/apk/res/android" xmlns:tools="http://schemas.android.com/tools" android:layout_width="match_parent" android:layout_height="match_parent" android:padding="10dp" android:orientation="horizontal"> </LinearLayout> 然后在里面添加两个垂直排列的线性布局，每个含两个文本框： 第一个 <LinearLayout android:layout_width="wrap_content" android:layout_height="match_parent" android:layout_margin="10dp" android:padding="5dp" android:background="@drawable/border"<!--给边框设置的颜色

一、 综述 神经网络领域最早是由心理学家和神经学家开创的，旨在开发和测试神经的计算机模拟。粗略地说，神经网络是一组连接的输入/输出单元，其中每个连接都与一个权重相关联。在学习阶段，通过调整这些权重，能够预测输入元组的正确类标号。由于单元之间的连接，神经网络学习又称连接者学习（Connectionist Learning）。 神经网络需要很长的训练时间，对于有足够长训练时间的应用更为合适。需要大量的参数，通常主要靠经验确定，如网络拓扑结构。神经网络常常因为可解释性差而受到批评。例如，人们很难解释网络中学习的权重和“隐含单元”的符号意义。 然而，神经网络的优点包括其对噪声数据的高承受能力，以及对未经训练的数据模式分类能力。在缺乏属性和类之间的联系的知识时可以使用它们。不像大部分决策树算法，它们非常适合连续值的输入和输出。神经网络算法是固有并行的，可以使用并行技术来加快计算过程。 有许多不同类型的神经网络和神经网络算法，最流行的神经网络算法是后向传播，它在20世纪80年代就获得了声望。 二、 多层前馈神经网络（ Multilayer Feed-Forward ） 后向传播算法在多层前馈神经网络上进行学习。它迭代地学习用于元组类标号预测的一组权重。多层前馈神经网络由一个输入层、一个或多个隐藏层和一个输出层组成。多层前馈神经网络的例子如下图所示： 每层由若干个单元组成

这个结构是10年Quoc V.Le等人提出的，这里的tiled，按照 Lecun的解释是Locally-connect non shared.即是局部连接，而且不是共享的，这是针对于权重来说的。本文翻译如有错误，还望指正，谢谢！！这篇论文是10年的，相比较来说四年的东西，比较旧了，可是这个tcnn在ng的ufldl最后也有提及（只有目录部分，ng没写完），而且也算是个cnn的变化，不过看效果没有获得the state of art。因为在cifar-10数据集上当前的效果都达到了91%，而且NIN结构也很不错（还没看）。 Tiled convolutional neural networks 摘要 ：卷积神经网络（cnn）已经成功的应用于许多的任务上，比如数字或者对象识别。使用卷积（tied）权重显然可以大幅度的减少所需要学习的参数的数量，并且可以使得在这个结构中能够硬编码（估计就是结构自身所特有的属性的意思吧）平移不变性。在本文中，我们考虑学习不变性的问题，而不是只依赖于硬编码。我们提出了tiled卷积神经网络，它通过使用一个tied权重的规则‘tiled’模式（个人理解就是在卷积上加个tiled规则），即不需要毗邻的隐藏单元共享同样的权重，而是隐藏单元之间距离k步远的单元有tied权重。通过在邻居单元上进行池化，这个结果能够去学习复杂的不变性（例如缩放和旋转不变性

1. 选择器的类型和用法： 1.id选择器：#id{属性：属性值} 2.class选器 : .classname{属性：属性值} 3.类选择器： 标签名{属性：属性值} 4. 特殊选择器：特殊选择器是除了上面三大类选择器之外的选择器，包括：群组选择，包含选择器，子元素选择器，伪类选择器 群组选择器：选择符1，选择符2{属性：属性值} 包含选择器（后代选择器）：选择符1 选择符2 {属性：属性值} 子元素选择器：选择符1>选择符2{属性：属性值} 伪类选择器： 标签名：后缀{属性：属性值} 例如： a:link{属性：属性值} 2.选择器的权重比较: 类型选择器：0001 class选择器：0010 id选择器： 0100 子元素选择器：0000 伪类选择器： 0010 内联样式权重： 1000 包含选择器权重：包含的选择符权重值之和 注： 通用选择器 用法： {属性：属性值} *{margn:0;padding:0} //去除标签之间的间距 来源： CSDN 作者： 孤浪漂泊 链接： https://blog.csdn.net/jdsfui/article/details/104719839

1 加权轮询算法背景 轮询算法没有考虑每台服务器的处理能力，实际情况是每台服务器的配置、安装的业务应用等不同，其处理能力会不一样。所以，加权轮询算法的原理就是：根据服务器的不同处理能力，给每个服务器分配不同的权值，使其能接受相应权值数的服务请求。 首先看一个简单的Nginx负载均衡配置。 http { upstream cluster { server a weight=1; server b weight=2; server c weight=4; } ... } 　 按照上述配置，Nginx每收到7个客户端的请求，会把其中的1个转发给后端a，把其中的2个转发给后端b，把其中的4个转发给后端c。 2 加权轮询算法描述 假设有 N 台实例 S = {S1, S2, …, Sn}，配置权重 W = {W1, W2, …, Wn}，有效权重 CW = {CW1, CW2, …, CWn}。每个实例 i 除了存在一个配置权重 Wi 外，还存在一个当前有效权重 CWi，且 CWi 初始化为 Wi；指示变量 currentPos 表示当前选择的实例 ID，初始化为 -1；所有实例的配置权重和为 weightSum； 那么，调度算法可以描述为： 初始每个实例 i 的 当前有效权重 CWi 为 配置权重 Wi，并求得配置权重和 weightSum； 选出 当前有效权重 最大 的实例，将

不管是闲鱼的免费送还是卖虚拟资源等等，还是各种玩法。 不要去看别人说的那么简单，很多见的少的，看见一些赚钱的事就激动，大概率会被割韭菜。 就说“免费送”，这个玩法刚出来我接触到了，但是还是没赚钱，那个时候我还是个小白，只知道操作一个账号，而一个账号赚的只有一点点苍蝇肉，选品也一直触犯闲鱼的规则，导致账号接连不断的被降权，又不会养号，遇到一个小坎就起不来了。 我想说是：人家前期的煎熬还是在清楚每一个细节操作的基础上执行的规划的。而大多数人只了解怎么在闲鱼买东西吧，闲鱼的规则，功能，算法分发完全不清楚。 闲鱼玩法真的特别多，引流转化变现都是宝地，但没有细节操作的基础都是扯淡，只谈项目不谈细节都是耍流氓。 我搜索了全网的闲鱼课，总结出用闲鱼赚钱的所有基础操作细节，一篇文章让你在闲鱼上赚到钱： 一，项目分析 · 为什么闲鱼能做?为什么要选择闲鱼? 今年比较火的项目是什么?比如抖音，很多人都一窝蜂的入驻短视频，我也是其中一个，做好物，做书单，俗称抖音淘客。 但是真的好做吗?我想说的是做的比较慢。 从养号到发布，看着别人是几万几十万的收益，而你的播放量才几百上千，甚至都没有，这才是现实。 而闲鱼不会这样，这么说吧，之前我一点都不看好它， 认为在闲鱼上买东西很让人羞耻，很少去看闲鱼。 我也知道上面的套路特别多。 后来发现淘宝上找不到的东西只有闲鱼有，而且闲鱼承接着淘宝的流量。

搜索引擎提交入口：将新网站提交收录 SEO优化三要素：标题 关键词 描述 外链（友情链接） 目的：提高权重 注意事项： 1、和内容相近的网站交换 2、链接交换形式多样 单向链接：别人指向我或我指向别人，而对方不指过来（有利于提高权重，因为进来以后不会再指出去） 双向链接：网站和网站之间相互交换链接 单向直链：站长请求和别人交换网站，别人指向自己的网站，而用自己较差的网站指向对方网站。 3、灌水式外链 在论坛灌水。论坛很头疼就直接屏蔽链接。 内链 内链就是页面中页面和页面的链接 搜索引擎在扒取页面的时候会顺着链接爬来爬去。 不仅可以提高本页面的阅读量（用户转化率），还可以提高下一个页面搜索引擎的抓取率。 内容质量 1、更新 2、文章质量 3、原创文章 4、关键词密度（2%-8%） 近年来搜索引擎的算法优化，不要耍小聪明，否则会带来负面作用。 黑帽和沙盒 1、购买网站（也有可能购买的网站链接质量较差，使自己的网站权重降低） 2、垃圾站 ：和垃圾站做友情链接，网站会被降权惩罚， 甚至不再被搜索引擎搜索到，也就是 被关进了沙盒。沙盒是谷歌反击垃圾站的措施。进了沙盒的网站相当于被关进了小黑屋，如果沙河期表现不好，可是以后不再被收录。 3、黑客行为 ：侵入他人的站点，在其他网站加入单向链接，而其他网站不能及时察觉。竞争性行为：一些黑帽购买一些肉鸡去攻击小网站