tony

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 转自 | 新机器视觉 1.颜色特征提取 计算机视觉的特征提取算法研究至关重要。在一些算法中，一个高复杂度特征的提取可能能够解决问题（进行目标检测等目的），但这将以处理更多数据，需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换，表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。 在图像处理中，我们可以将一个具体的像素点所呈现的颜色分多种方法分析，并提取出其颜色特征分量。比如通过手工标记区域提取一个特定区域（region）的颜色特征，用该区域在一个颜色空间三个分量各自的平均值表示，或者可以建立三个颜色直方图等方法。下面我们介绍一下颜色直方图和颜色矩的概念。 （1）颜色直方图： 颜色直方图用以反映图像颜色的组成分布，即各种颜色出现的概率。Swain和Ballard最先提出了应用颜色直方图进行图像特征提取的方法[40]，首先利用颜色空间三个分量的剥离得到颜色直方图，之后通过观察实验数据发现将图像进行旋转变换、缩放变换、模糊变换后图像的颜色直方图改变不大，即图像直方图对图像的物理变换是不敏感的。因此常提取颜色特征并用颜色直方图应用于衡量和比较两幅图像的全局差。另外，如果图像可以分为多个区域，并且前景与背景颜色分布具有明显差异，则颜色直方图呈现双峰形。

©PaperWeekly 原创 · 作者｜张玮玮 学校｜东北大学硕士 研究方向｜情绪识别 论文标题： Crystal Graph Neural Networks for Data Mining in Materials Science 论文链接： https://storage.googleapis.com/rimcs_cgnn/cgnn_matsci_May_27_2019.pdf 代码链接： https://github.com/Tony-Y/cgnn OQMD 数据库（这个数据库比较大，提供 python API 与晶体结构可视化，可以使用 MySQL 读入）：OQMD [2] 晶体材料性质一般通过输入晶胞内的原子数目、原子分子坐标、晶格常数利用密度泛函理论（DFT）计算得出。机器学习方法在加速新材料设计方面正变得越来越流行，其预测材料性能的准确性接近从头算计算，但计算速度要快数量级。最近有人提出用称为晶体图来表示晶体材料 [1]，适应于晶体图的卷积神经网络利用平衡键距作为空间信息成功地预测了材料的体积特性。 预备知识 1.1 晶格常数（点阵常数 ） 晶胞三个棱的常数以及这三个棱之间的夹角 6 个参数组成。按晶格常数的不同可以分为七大晶系。在本文中点阵矢量定义为 。 1.2 原子坐标 原子坐标有两种表示形式：分数坐标和笛卡尔坐标

JAVA JavaScript是Web的编程语言，所有现代的HTML页面都使用JavaScript . Java SE (标准版)、JAVA EE (企业版)、Java ME (微型版本) 1 Java 语言特性 简单性、面向对象、可移植性(一次编译，到处运行)JVM、健壮性( 自动垃圾回收机制 GC )、 多线程 2. Java 的加载与执行 Xxxx.java (源文件)——> .class (字节码文件)——> 类装载器——> Java虚拟机 (JVM) ——> 操作系统——> 应用平台 3. 搭建开发环境 a、显示扩展名 b、标题和地址栏最好显示完整路径 c、UltraEdit 最好去除备份 4.J2SE的安装 a、下载J2SE安装程序 2、进行安装 JDK java的软件开发工具包 5.CMD常用命令 1.cd 目录名称，进入目录 2.cd .. 退回上个文件夹 3. Dir, 显示文件或目录 4. Del 文件夹 ，删除文件 5.cls 清除所有 6.exit 退出 第一个Java程序， public class 与 class 的区别 ，JAVA语言基础 编译java文件 ， $javac array.java 运行java 文件 $java Main 编译animals目录下所有文件为.class cd 到 animals目录下执行 javac *.java

导读：本文是“深度推荐系统”专栏的第十篇文章，这个系列将介绍在深度学习的强力驱动下，给推荐系统工业界所带来的最前沿的变化。本文主要根据RecSys 2019中论文《Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Recommendation Approaches》总结的最近三年四大顶会深度推荐系统上的18个最新算法。 欢迎转载，转载请注明出处以及链接，更多关于深度推荐系统优质内容请关注如下频道。 知乎专栏： 深度推荐系统 微博： 深度传送门 公众号：深度传送门 今年RecSys 2019上出现的一篇极具批判性的论文《Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Recommendation Approaches》。灵魂一问深度学习是否在推荐系统已经取得了足够可信的进展？在知乎上也引起了激烈的讨论： 如何看待RecSys 2019上的一篇文章认为现有DNN-based推荐算法带来的基本上都是伪提升？ 作者总结了过去三年四大顶会（KDD、SIGIR、WWW和RecSys）推荐系统上18个最新算法，只有7个能重现效果。而且在不同的测试数据集上它们与浅层经典方法效果对比中经常都败下阵来

考虑到可读性，数据往往不是以最有效的方式编写，但为了存储或传递数据时更加高效，同时不丢失其类型和结构，可以利用序列化和反序列化函数对数据进行处理。 序列化 将特定格式数据转换为可以恢复的字节串序列 什么时候进行序列化？ 1）数据在网络上传输时 2）数据保存到文件中时 (由于序列化返回的是字符串，方便存储于任何地方！) 反序列化 顾名思义，将序列化得出的字符串恢复为原有格式数据的过程 什么时候进行反序列化？ 1）程序读取数据的时候 序列化和反序列化的目的是在不影响数据有效性情况下，更高效地存储和传输数据，使程序更具维护性。 以前流行的序列化方式是生成XML字符串，目前几乎都是生成JSON格式字符串。除了一般数据的序列化外，很多语言都支持对object的序列化和反序列化。 PHP中的序列化与反序列化 函数： serialize/unserialize json_encode/json_decode 序列化 serialize函数 serialize函数是标准的序列化函数，会完整地序列化数据，其中可以修改一个子函数__sleep（），只序列化部分数据，忽略其他数据 __sleep()：是一个钩子函数，默认序列化全部属性，可以修改至只序列化部分属性，没有序列化的属性会被忽略。 示例： 1.NULL NULL被序列化为N！ 2.boolean boolean类型数据被序列化为b：

“毕业工作3年了 明明很努力但依然找不到喜欢的工作” 也许这正是很多年轻人的现状 总觉得觉得眼前的工作无聊、枯燥、疲惫 怀疑自己找错了方向 即使工作并不累，却也没有时间干别的事情 如果一份工作让你开心不开心， 干脆考虑换个老板吧 一份好工作的唯一标准是什么呢？ 那就是自己喜欢且擅长！ 喜欢 ，意味着你知道自己的 兴趣热情所在 。 擅长 ，意味着你非常了解自己的 天赋所在 。 有了这些， 再有压迫感的上司也无法打击你 关注以下 优质公众号 让自己擅长的东西更多 发掘自己的兴趣所在吧 募格科聘 ID：mugekepin 推 荐理由： “募格科聘”是中科院旗下基金投资、立足科研科技领域的专业求职招聘公号，除了专业的资讯和求职干货外，这里有你最需要的职位， 企业、研究所和高校 ，任你挑选！还有不定期免费就业课程等你来领！ 你的性格，告诉你适合什么职业 ! 想拥有专属的职业报告吗？ 关注回复 福利 ，可免费测试。 我们还准备了更多惊喜送给你！长按上方二维码，在 募格科聘微信消息对话框 回复关键词即可获取相关资源： 关注回复 4s ，可免费获取 《工作就业三方协议签约及注意事项》 关注回复 s1 ，可免费获取 《2020年人气求职简历模板110套》 关注回复 x4 ，可免费获取 《如何高效地利用碎片化时间学习英语》 关注回复 q2 ，可免费获取 《230套Excel图表模板大全》 关注回复 1

前言 　　多年前，曾看过此篇文章（内容雷同），以及 BBC 每隔七年跟拍穷人与富人长达 49 年的纪录片： 《人生七年》 　　多年后，再次看到此文，随着人生的成长、学识的增加、阅历的丰富，人生的见解也产生了一些变化，觉得有必要在这里记录下。 原文 　　以下为转载的原文： 25岁前，一定要完成哪些人生规划？ 序言 　　最近在朋友的安利下看了 BBC 一部非常优秀的纪录片 《BBC 跟拍 49 年：穷人与富人的人生七年》 ，完全被震撼到了。 　　导演似乎想要证明： 富人的孩子还将会是富人，穷人的孩子多半还将会是穷人 。导演选择了 14 个不同阶层的孩子进行跟拍，每七年记录一次他们的生活，分别是他们 7 岁，14 岁，21 岁，28 岁，35 岁，42 岁，49 岁，一直到 2012 年他们 56 岁的生活。 　　这部 150 分钟的片子基本上证明了导演的初衷： 社会阶层的鸿沟是很难逾越。 　　是这些穷人不努力么？是他们没有机会么？是他们基因不好么？ 　　这些并不是根本原因。这些穷人孩子里不乏天赋绝佳、工作拼命、机会多多的人，但他们依然过得很不如意。 归根结底是他们没有人帮他们正确的规划人生，在人生的分叉口上没有做出正确选择。 　　那么哪些规划是越早做就越好的呢？ 1、人生路径规划 　　这是非常让人难过却又很现实的问题：这些孩子 7 岁时，富人家长已经告诉孩子 Andrew 和 John

最近遇到比较烦恼的事情，自动关注了Tony老师后，不停的收到他的私发消息，点开一看，全是广告，刚开始还点开看看，发现是收费文章系列和视频系列，后来多了就比较烦恼，我不是他的意向客户呀。 我知道tony老师不是那种不停发消息打扰别人的人，所以就在他博文下面留言咨询了，Tony老师回复说，发送会自动把所有关注他的人都发，他没法设置哪些人不发，建议我选择忽视他的消息。我仔细看了tony老师的博文留言评论，发现我并不是唯一的烦恼人，还有其他的人也有此烦恼： 我把这样的烦恼，汇报给csdn的红月美女小姐姐，美女小姐姐说会研究下，看看怎么优化调整，能让体验更加舒适一些，我就静等佳音了。 来源： oschina 链接： https://my.oschina.net/u/4278787/blog/4702399

全世界只有 3.14 % 的人关注了 爆炸吧知识 你是否时常感觉自己的生活总是不富裕，但工作却越来越忙？那是因为我们想得到的东西太多，但能够燃烧的生命却太少。那些对未来的焦虑、恐惧，说白了，就是想的太多。 随着经历和阅历的增加，越来越多的人清醒的认识到： 改变人生的也从来不是道理，而是习惯。 今天给大家推荐几个有深度、有想法的公众号，希望能够给你带来深刻的思考和最有价值的信息。 长按二维码即可识别关 注 ！ 【关注方式 】 1 - 搜索公众号ID关注 2 - 长按二维码识别关注 爆炸吧知识 ID： superdata1 ▲长按上方二维码识别关注 推荐理由： ???? “爆炸吧知识”是最值得关注的青少年数学科普公众号，它致力于给 全球读者提供数学科普知识，分享数学干货，追逐科技前沿 的微信公众号，崇尚数学之美，被称为全球 3.14159 % 的读者都在关注的公众号。 ????你一定很想知道： 高一被清华姚班录取，高三委拒谷歌offer，一个重度网瘾少年到理论计算机科学家的蜕变 ????关注发送 “网瘾少年 ” 即可阅读文章 14岁上中科大，18岁攻读麻省博士，28岁成为哈佛最年轻副教授，“华人女天才”的开挂人生 ????关注发送 “ 华人女天才 ” 即可阅读文章 网易上流 ID：heyupflow ▲长按上方二维码识别关注 推荐理由： 网易上流工作室，专注研究青年城市文化

基因组选择常见问题FAQ 这是一篇文献, 介绍GS常见的问题, 翻译并学习. 1, 我听说如果有1000个动物的基因型和表型值, 就可以进行全基因组选择, 并且准确性可以保持很多代, 这是真的么? 假的! 随着选择世代的增加, 准确性会下降, 因此需要不断的更新测序群体. 需要不断更新参考群, 可以将上代测序后有表型的个体加进去. 2, 我需要测序多少个体, 才能够达到评估准确性显著的提高? 在奶牛中, 每个公牛有很多后代, 每个组比较大, 测序个体大约是2000. 对于后代比较少, 遗传力比较低的物种, 需要加大群体数. 一般来说, 参考群个数至少要达到600, 才能达到准确性显著的提高. 3, rrBLUP 和GBLUP哪个好, 是使用两步法(先估算SNP效应值, 再计算育种值), 还是使用一步法(直接估计育种值)? rrBLUP和GBLUP两种方法是等价的, 使用rrBLUP估计方差组分比较容易, GBLUP计算比较容易. 当权重(weights)是已知时, 两者是等价的. 4, SNP的权重重要么? 最初的研究表明, SNP的权重很重要, 但随着SNP密度的增加, 将每个SNP的权重设置为一样, 对于大部分性状都是合适的.(即假定SNP都有相同的方差分布, 效应值已知,都是微效多基因控制). 对于只有少数主效基因(QTL)控制的性状, 效果可能不太好. 5,