richtext

https://zhuanlan.zhihu.com/p/107548889 入院的第六天，一名肺炎病人的症状加重，胸腔影像也显示出明显的浑浊。他的体温升高至39.4度，氧饱和度下降至90%，需要供氧才能维持呼吸。 紧急之下，医护人员决定尝试使用一种还在开发中的新药。注射后，病人未发生不良反应，并逐渐恢复自主呼吸直至出院。 在上述《新英格兰医学期刊》（NEJM）披露的美国首例新冠肺炎患者治愈过程中，最出名的便是新药瑞德西韦（Remdesivir）。 历史上任何一次传染病的爆发，必然伴随着社会对于治疗方法的渴求。尽管论文对于新药瑞德西韦的评价是“使用新药是出于患者情况恶化考虑，后续仍需大规模临床试验确认其安全性和有效性”，但这仍然不妨碍它被一部分人称为“神药”，甚至音译成“人民的希望”。 目前这款药物在中国仍然处于试验阶段，“人民的希望”什么时候才能真正给患者带来希望，还需要再等等看。 随着疫情发展，大家普遍关心，特效药到底什么时候会出现？ 我们整理了过往传染病以及此次疫情爆发以来药物研发进展的时间线，还研究了药物研发的流程、研究人员是如何实现药物筛选等细节，希望帮助各位更好地理解，一款药物真正上市前，到底有多“耗时耗力”。 1 成功研发一款新药有多难？ 事实上，一款药物从实验室研究到最后成功上市销售，对于研究人员来说好像是买彩票，充满了偶然性。 成功的概率有多低呢？ 某种新药上市前

一、出现问题原因，说明 昨天系统关机更新后，今天连接服务器出现 远程连接错误，“ 出现身份验证错误 ” 对应的win10 更新版本， 2018-适用于 Windows 10 Version 1709 的 05 累积更新，适合基于 x64 的系统 ( KB4103727 ) 二、解决方案 使用微软官方建议修改本地组策略： 命令：gpedit.msc 计算机配置>管理模板>系统>凭据分配>加密Oracle修正 选择启用并选择易受攻击。 易受攻击– 使用 CredSSP 的客户端应用程序将通过支持回退到不安全的版本使远程服务器遭受攻击，但使用 CredSSP 的服务将接受未修补的客户端。 PS:该操作仅用于专业版，如果是家庭版请考虑升级至专业版或卸KB4103718 。 原文参考 ：http://www.soncs.com/News/3.html 更多： 微信小程序下拉刷新使用整理 微信小程序rich-text富文本图片自适应处理 微信小程序中打开其他小程序、小程序之间跳转 来源： oschina 链接： https://my.oschina.net/u/2332115/blog/1810702

https://zhuanlan.zhihu.com/p/104210726 武汉新型肺炎让这个春节变得痛心和揪心，也打乱了不少人的计划。我老家就在湖北，虽然本人并没有回老家，但是有不少亲朋好友在那边。此外，因为项目合作关系，我过去两年也差不多有一半的时间呆在武汉。 但是，作为一个普通人，既非政府官员又非医护人员，或是可以直接提供贡献的相关工作人员，如果没有被感染，那么不管是不是在武汉，春节期间唯一能做的就是，老老实实做个宅男宅女，为2020年重新做一下规划，顺便给自己充充电。 《银河系漫游指南》中的一句话曾经风行整个宇宙，那就是"Don't panic"，”不要恐慌“。 另外，在我们这个星球上也有一个勇敢的人反复说过，我们无论面对任何困难，都不要害怕，微笑着面对它，奥利给！ 欢迎继续我们的学习。 更改欢迎的文字内容 虽然“Hello World”足够经典，但是似乎有点过于无趣。接下来我们可以尝试着更改一下要显示的文本内容。 1.在Canvas中，点击”Hello World”。 当你选中这段文本时，会看到在Canvas视图和代码编辑器中相应的文本都会被高亮。 在Canvas视图中： 在代码编辑器中： 之所以”Hello World”在两个地方同时被高亮，是因为它们代表着同一个事物的两种观察方式。 代码编辑器中使用代码的形式显示了用户界面的内容

https://zhuanlan.zhihu.com/p/106015466 编者按 在对数据处理的过程中，除了前期对数据的清洗，更多的工作是需要根据不同的分析需求对数据进行整合。比如需要统计某类数据的出现次数，或者需要按照不同级别来分别统计等等。为满足这些需求，比较常用的方法即分组和聚合。幸运的是，pandas中完美支持了这样的功能，掌握好pandas中这些功能，可以使数据处理的效率大大提高。这篇文章就通过一些基础而又十分扎实的例子带大家一起学习一下这些方法。 文章作者：周岩 王转转 责任编辑：周岩 @书生 文章发表于 微信公众号【运筹OR帷幄】： 数据科学|pandas教程--分组和聚合 欢迎原链接转发，转载请私信 @运筹OR帷幄 获取信息，盗版必究。 敬请关注和扩散本专栏及同名公众号，会邀请 全球知名学者 发布运筹学、人工智能中优化理论等相关干货、 知乎Live 及行业动态 更多精彩文章，欢迎访问我们的机构号： @运筹OR帷幄 数据的分组与聚合是关系型数据库中比较常见术语。使用数据库时，我们利用查询操作对各列或各行中的数据进行分组，可以针对其中的每一组数据进行各种不同的操作。 pandas的DataFrame数据结构也为我们提供了类似的功能，可以非常方便地对DataFrame进行变换。我们可以把生成的数据保存到python字典中，然后利用这些数据来创建一个python

https://zhuanlan.zhihu.com/p/107350079 作者：Xu LIANG 编译：ronghuaiyang (AI公园) 介绍最基本的XLNet的原理，理解XLNet和BERT的直觉上的不同点。 在发布后不到一周，我周围的NLP领域的每个人似乎都在谈论XLNet。 是的，“ 在20个任务上比BERT做得更好 ”确实吸引了我们的眼球。但更重要的是理解它是如何工作的，以及为什么它比BERT表现得更好。所以我写了这个博客来分享我读了这篇文章后的想法。 内容结构如下。 什么是XLNet？ XLNet和BERT有什么不同？ XLNet是如何工作的？ 什么是XLNet？ 首先，XLNet是一个类似于bert的模型，而不是一个完全不同的模型。但它是一个非常有前途和潜力的。总之， XLNet是一种广义的自回归预训练方法 。 那么，什么是 自回归(AR)语言模型 ？ AR语言模型 是利用上下文单词预测下一个单词的一种模型。但是在这里，上下文单词被限制在两个方向，要么向前，要么向后。 GPT和GPT-2都是 AR语言模型 。 AR语言模型的优点是擅长NLP生成任务。因为在生成上下文时，通常是正向的。AR语言模型在这类NLP任务中很自然地工作得很好。 但是AR语言模型有一些缺点，它只能使用前向上下文或后向上下文，这意味着它 不能同时使用前向上下文和后向上下文 。 XLNet