richtext

深色模式是 Ubuntu 20.04 最受瞩目的新功能之一了。任何版本的 Ubuntu 都可以通过安装深色主题让用户界面拥有一个深色的外观，但在 Ubuntu 20.04 中，这个过程变得更简单。 -- Abhishek Prakash（作者） 在 Ubuntu 20.04 中，无需额外安装主题，默认主题（称为 Yaru）本身就带有三种模式，其中就包括深色模式。 下面我会展示如何将 Ubuntu 系统完全设置为深色模式。 在 Ubuntu 20.04 打开深色模式 https://www.zhihu.com/video/1232401133236064256 这个步骤是在 GNOME 桌面上进行的，如果你 使用的是其它桌面 ，你看到的可能会和下面的截图不一样。 按下 super 键（或 Windows 键），然后输入 “settings”，就可以找到系统设置。 Search for Settings 在系统设置中，进入“ 外观(Appearance) ”部分，就可以看到 浅色(light) 、 标准(standard) 和 深色(dark) 三个选项。既然要使用深色模式，那自然而然要选择“深色”这个选项了。 Enable Dark Theme in Ubuntu 完成设置以后，使用了 GTK3 的应用程序都可以跟随深色模式。因此你会看到系统中包括文本编辑器、终端

带鱼，明明出身深海，为什么却成了中国最平民的海鲜？ https: // zhuanlan.zhihu.com/p/126338272 好多东西不知道啊 说起带鱼，似乎很难跟海鲜扯上关系。 人们心目中的海鲜，一般是鲍鱼、海参、大龙虾，再不济也得是螃蟹、扇贝、皮皮虾。 而带鱼，它实在是太过于平民了，就如同萝卜、土豆、大白菜一样，即便是离海边最远的中国人，大概也尝过带鱼的滋味。 事实上，带鱼是正儿八经的深海鱼，而且，我们现在吃到的带鱼，至今也无法实现养殖。 然而，汇集了“深海”“野生”“天然”……广告里一切高大上词汇的带鱼，怎么就成了最平民的海鲜？ 目录 01 | 什么是带鱼？ 带鱼、大黄鱼、小黄鱼、乌贼，中国四大海产 02 | 带鱼为什么如此平民？ 带鱼，中国捕获量最大的海鱼 03 | 中国哪里产的带鱼最好吃？ 带鱼好吃的秘诀，新鲜 04 | 最最关键的，带鱼怎么做才最好吃？ 鲜美的食材不需要复杂的烹饪 01什么是带鱼？ 在中国，带鱼与大黄鱼、小黄鱼、乌贼一起，并称为“四大海产”（四大海洋经济鱼类）。 图/pixabay 带鱼的分布也极广，渤海、黄海、东海、南海都能见到它的踪影。 虽然各地出产的带鱼看起来长得差不多，但并非全是一个物种。 带鱼的种类很多，全世界一共有9个属44种带鱼，仅在中国沿海，就有带鱼属、小带鱼属、沙带鱼属和窄颅带鱼属等4个属的带鱼。 平时被我们食用的国产带鱼有4种

数据分析行业，可谓门派众多，高手林立 我身边很多想要入门数据分析或者要转行的，往往对自己的职业规划一无所知，十分迷茫，经常来问我该怎么办？ 今天，为了方便大家理解，我把数据分析比作武侠小说里的门派，让大家能够轻松地对数据分析行业有个认知，也能走好自己的职业发展之路。 那么，话不多说，且来看看数据分析里的四大门派！ 丐帮——取数派 所谓人多势众，以力取胜 想必数据分析行业里最常见的就是做取数的了，尤其是当数据分析火了之后，因为入行门槛比较低，也就造成了像丐帮一样的 “三百六十行、鱼龙混杂” ，而且工作相对不累，导致大量人士涌入，但实际岗位其实没那么多 但事实上，很多人都是被HR“骗”到公司来做取数机器的，很多公司名义上打着数据分析的额旗号，但实际招来的人就是做取数的 工作内容： 取数派每天的工作内容也比较简单、重复和机械，就是写SQL取数，根据业务的需求做数据统计、简单报表制作，总体上说价值感比较低，基本都是新人在做。 但是，取数派也并非一事无成。因为取数的能力是数据分析和后面一系列建模工作的基础，能够高效的完成取数，以及对于数据的底层架构的深入了解，也不是一件很容易的事情，这也就是“以力取胜”。 好好打好这个取数基础，有利于后面更高效的做分析和建模的工作，同时这也是了解业务方关心的数据和问题的机会。 必备技能： Excel（如果会VBA就更好了） SQL取数（核心技能） 数据库

在本篇中，我们将展示使用 Python 统计学模型进行时间序列数据分析。 问题描述 目标：根据两年以上的每日广告支出历史数据，提前预测两个月的广告支出金额。 原始数据：2017-01-01 到 2019-09-23 期间的每日广告支出。 数据准备：划分训练集和测试集。 df1 = data[['Date','Spend']].set_index('Date') train = df1.iloc[:933,:] test = df1.iloc[933:,:] test.shape,train.shape 测试集大小：(63,1)；训练集大小：(933,1)。 1、综述 时间序列分析常用统计模型 单变量时间序列统计学模型，如：平均方法、平滑方法、有/无季节性条件的 ARIMA 模型。 多变量时间序列统计学模型，如：外生回归变量、VAR。 附加或组件模型，如：Facebook Prophet、ETS。 结构化时间序列模型，如：贝叶斯结构化时间序列模型、分层时间序列模型。 在本篇文章中，我们主要关注 SARIMA 和 Holt-winters 方法。 单变量时间序列统计学模型的关键要素 如果我们想要对时间序列数据进行上述统计学模型分析，需要进行一系列处理使得： (1)数据均值 (2)数据方差 (3)数据自协方差 这三个指标不依赖于时间项。即时间序列数据具有平稳性。

这个仅 7M 大小的人脸监测模型几乎监测出了世界最大自拍照中的所有人像！ 项目简介 之前机器之心报道过一个跨平台人脸检测项目，在 CPU 上就能轻松跑出 1000FPS。这次介绍的项目也是一个轻量级人脸检测项目。不同的是，该项目在保持较小参数量的前提下，检测精度要高很多，并且只需要 OpenCV 和 PyTorch 就能运行。 DBFace 是一个轻量级的实时人脸检测方法，其有着更快的检测速度与更高的精度。下图展示了多种人脸检测方法在 WiderFace 数据集上的测试效果。可以看到不仅 DBFace 模型的大小最小，其在 Easy、medium、Hard 三个测试任务中均取得了最高的检测精度。 项目地址： https:// github.com/dlunion/DBFa ce WiderFace 是一个关于人脸检测的基准跑分数据集，其中包含 32,203 张图片以及在各方面剧烈的 393,703 张人脸，数据集具有从简单到困难等不同难度的任务。下图是改数据集中一些样本的展示，可以看到，要想准确地检测出图中所有人脸还是很有挑战的。DBFace 在该数据集的不同任务上分别取得 0.925、0.920、0.847 的准确率，实属不易。 有关 WiderFace 的详细介绍请读者移步其官网： http:// shuoyang1213.me/WIDERFA CE/ 效果展示

在 Linux 上，有很多种音频编辑器可供你选用。不论你是一个专业的音乐制作人，还是只想学学怎么做出超棒的音乐的爱好者，这些强大的音频编辑器都是很有用的工具。 -- Ankush Das（作者） 在 Linux 上，有很多种音频编辑器可供你选用。不论你是一个专业的音乐制作人，还是只想学学怎么做出超棒的音乐的爱好者，这些强大的音频编辑器都是很有用的工具。 对于专业级的使用，我总是建议使用 DAW （数码音频工作站）。但并不是每个人都需要全部的功能，所以你也应该了解一些最简单的音频编辑器。 在本文中，我们将讨论几款 DAW 和基础的音频编辑器，而且它们都是在 Linux 和（可能）其它操作系统上可以使用的 自由开源 的解决方案。 Linux 上的最佳音频编辑器 我们不会关注 DAW 提供的所有功能，而只是关注基本的音频编辑功能。不过，你仍然可以把以下内容看作是 Linux 的最佳 DAW 名单。 安装说明： 你可以在 AppCenter 或软件中心中找到所有提到的音频编辑器或 DAW。如果你在这两个地方没有找到它们，请前往它们的官方网站获取更多信息。 1、Audacity Audacity audio editor Audacity 是 Linux 中最基本音频编辑器之一，但是它也很强大。它是一个自由开源的跨平台工具。肯定已经有很多人了解这个软件了。

作者|谢明宏 编辑|李春晖 过了一年，再看高伟光的“鹧鸪哨”，依然很香。盗取殓服的片段，除了对喵星人甚不友好，业务素质可以说是“搬山、卸岭、发丘、摸金”四家魁首里数一数二的了。 关键是人家还老实，对了尘坦白：“鸡鸣灯灭的同时才取得殓服，不知道算不算坏了规矩。”《龙岭迷窟》的7-9集，在Shirley杨的回忆中，完成了与《怒晴湘西》的联动。 事接瓶山元墓后，又在远行美国前。如此大篇幅的闪回，没有让人不耐烦，也算是《龙岭迷窟》叙事的圆熟了。说到鹧鸪哨和红姑娘的感情线，虽然老妈一直不吃辛芷蕾的颜，但也对两人的境遇扼腕。 造化弄人，雮尘珠在献王墓，而鹧鸪哨去黑水城断了臂。去了献王墓的陈玉楼，又坏了一双招子，变成了陈瞎子。看到《龙岭迷窟》招待所那段，硬糖君的母亲大人更是惊呼：“啊！看陈瞎子自己给自己摸骨算命啦！” 导演应该是故意的。陈瞎子对着潘粤明还说：“你跟老夫年轻的时候颇有几分相似。”以往对于《鬼吹灯》动不动就换主演的操作，观众是很不买账的。但从“陈瞎子”变成“胡八一”，老潘咋就成了意外呢？ 而在所有《鬼吹灯》网剧中，评分排前三的是8.2的《龙岭迷窟》、8.0的《精绝古城》、7.1的《怒晴湘西》，垫底的是5.2的《黄皮子坟》、3.0的《牧野诡事》。口碑差距足以说明，“鬼吹灯”宇宙里，最吃香的还是老男人。 靳东、潘粤明的大叔流，完全秒了阮经天、王大陆的鲜肉派（误）。尤其是老潘和姜超的组合

最近，谷歌大脑团队和 DeepMind 合作发布了一篇论文，利用 AutoML 技术实现了归一化激活层的进化，找出了 BatchNorm-ReLU 的替代方案 EvoNorms，在 ImageNet 上获得 77.8% 的准确率，超越 BN-ReLU（76.1%）。 选自arXiv，作者：Hanxiao Liu，等机器之心编译，机器之心编辑部。 论文地址： https:// arxiv.org/abs/2004.0296 7 视频： https:// youtu.be/RFn5eH5ZCVo 批归一化和激活函数是深度神经网络的重要组成部分，二者的位置常常重合。以往的神经网络设计中通常对二者分别进行设计，而最近谷歌大脑和 DeepMind 研究人员合作提出了一种新方案： 将二者统一为一个计算图，从低级原语开始进行结构进化。研究者利用层搜索算法发现了一组全新的归一化-激活层 EvoNorms 。这些层中的一部分独立于批统计量（batch statistics）。 实验证明，EvoNorms 不仅在包括 ResNets、MobileNets 和 EfficientNets 在内的多个图像分类模型上效果显著，它还能很好地迁移到 Mask R-CNN 模型（进行实例分割）和 BigGAN（用于图像合成）。在多种情况下，EvoNorms 的性能显著优于基于 BatchNorm 和

序言 802.11g是一个非常经典的802.11版本了，我们大部分人接触Wi-Fi网络其实都是从802.11g的世代开始的。不过802.11g的世代其实协议还是挺繁杂的，本文笔者就是做一个个人笔记。记录经典的Wi-Fi协议版本实际上就是为了更好的读懂协议，毕竟现在802.11协议的内容量确实很大，而且很多都是历史问题了。 另外值得一提的是，802.11g有时候我也喜欢称之为802.11-2003版本。在802.11的发展历史中，初代是802.11-1997，然后后来有其了一个任务组TGm，TGm是用来整理协议总章的，每一个协议制定完后，隔一段时间会被并入总章， 之后协议的单行本就失效了。第一个总章实际上是TGma，a代表第一个，对应的是802.11-2007版本，然后是TGmb，对应的是802.11-2012版本，然后最新的是TGmc，对应的是802.11-2016版本。802.11g的协议实际上是单行版，但是其却是有总章的体量和框架，导致802.11g的制式是整个802.11协议里面最多的一个了。 802.11g的发展历程 这个部分参考TI的一份早期文档《 IEEE 802.11g - New Draft Standard Clarifies Future of Wireless LAN 》。802.11g是802.11a/b的一个正统续作。 在802.11g的设计中

或许是上了年纪，对选秀节目敬而远之，也就没有下载爱奇艺。 最近流行的“淡黄的裙子，蓬松的头发”和“虞书欣”，源自爱奇艺的自制选秀节目，这两年优酷、腾讯视频、爱奇艺，定位是“电视台挑战者”，爱奇艺，应该算是娱乐立台的湖南卫视，不过，湖南卫视也在推它的芒果TV，虽然与爱奇艺还相差甚远。 4月7日晚，爱奇艺遭遇Wolfpack Research做空，Wolfpack Research在其网站发布的报告显示，爱奇艺早在IPO之前便存在欺诈行为，且涉嫌财务造假。 这份报告， 有不少硬伤，有兴趣的同学不妨自己去看。 国内电视台确实经济不景气，电视台广告收入下降，人才流失，湖南经视去年借了几亿发工资。全国电视台那么多，集中在互联网视频领域，也就第一梯队腾讯视频、爱奇艺，还有第二梯队的优酷、搜狐视频、芒果TV等。 大众看综艺影视剧大都通过互联网，或是用手机APP，或是投影到电视机上，这样听起来确实是不错的。如果没记错的话，湖南卫视广告收入顶峰是110亿，是2016年，湖南卫视2018年的广告收入是86.6亿。爱奇艺，2019年营收290亿，不过，爱奇艺官方给出的数据是，会员服务144亿，广告84亿。2018年，爱奇艺的广告收入是93亿，会员服务106亿。 从广告收入上来说，爱奇艺超过了湖南卫视。并且，会员服务上比传统电视台更有前景——在爱奇艺官方的宣传中，刻意强调它们收入的多元化，强调会员费。