Uniform

网络的基本概念 客户端:应用 C/S（客户端/服务器） B/S（浏览器/服务器） 服务器：为客户端提供服务、数据、资源的机器 请求：客户端向服务器索取数据 响应：服务器对客户端请求作出反应，一般是返回给客户端数据 URL Uniform Resource Locator（统一资源定位符） 网络中每一个资源都对应唯一的地址——URL IP 、子网掩码 、路由器 、DNS IP地址 IP地址是IP协议提供的一种统一的地址格式，它为互联网上的每一个网络和每一台主机分配一个逻辑地址，以此来屏蔽物理地址（每个机器都有一个编码，如MAC上就有一个叫MAC地址的东西）的差异。是32位二进制数据，通常以十进制表示，并以“.”分隔。IP地址是一种逻辑地地址，用来标识网络中一个个主机，在本地局域网上是惟一的。 IP IP（网络之间互连的协议）它是能使连接到网上的所有计算机网络实现相互通信的一套规则，规定了计算机在因特网上进行通信时应当遵守的规则。任何厂家生产的计算机系统，只要遵守IP协议就可以与因特网互连互通。IP地址有唯一性，即每台机器的IP地址在全世界是唯一的。这里指的是网络上的真实IP它是通过本机IP地址和子网掩码的"与"运算然后再通过各种处理算出来的（要遵守TCP协议还要加报文及端口什么的，我没有细追究，现在还用不上，反正暂时知道被处理过的就行了），顺便教大家查自己真实IP的方法： 子网掩码

网络的基本概念 客户端:应用 C/S（客户端/服务器） B/S（浏览器/服务器） 服务器：为客户端提供服务、数据、资源的机器 请求：客户端向服务器索取数据 响应：服务器对客户端请求作出反应，一般是返回给客户端数据 URL Uniform Resource Locator（统一资源定位符） 网络中每一个资源都对应唯一的地址——URL IP 、子网掩码 、路由器 、DNS IP地址 IP地址是IP协议提供的一种统一的地址格式，它为互联网上的每一个网络和每一台主机分配一个逻辑地址，以此来屏蔽物理地址（每个机器都有一个编码，如MAC上就有一个叫MAC地址的东西）的差异。是32位二进制数据，通常以十进制表示，并以“.”分隔。IP地址是一种逻辑地地址，用来标识网络中一个个主机，在本地局域网上是惟一的。 IP IP（网络之间互连的协议）它是能使连接到网上的所有计算机网络实现相互通信的一套规则，规定了计算机在因特网上进行通信时应当遵守的规则。任何厂家生产的计算机系统，只要遵守IP协议就可以与因特网互连互通。IP地址有唯一性，即每台机器的IP地址在全世界是唯一的。这里指的是网络上的真实IP它是通过本机IP地址和子网掩码的"与"运算然后再通过各种处理算出来的（要遵守TCP协议还要加报文及端口什么的，我没有细追究，现在还用不上，反正暂时知道被处理过的就行了），顺便教大家查自己真实IP的方法： 子网掩码

IPython 交互式的python命令行 可以直接粘贴代码到命令行 安装: pip install ipython TAB键: 自动补全 ?: (内省、命名空间搜索。a.a *? # 补全命令,a? #查看变量详情，func??查看函数详情) !: 执行cmd系统命令 (!ipconfig) %run: 执行文件代码(% run test.py) %paste,% cpaste: 执行剪贴板代码 %timeit: 计算函数运行的时间。% timeit func(a,b) %pdb: 进入调试模式，(%pdb on/% pdb off).会停在错误代码的地方,不报错。p a 打印a变量 历史命令: _,__,_2,_i2 # 例子 a+b,a*b, _代表a*b的结果,__代表a+b的结果，_2代表命令行上的num，显示2的结果，_i2显示2的代码 % bookmark: 目录标签系统 Ipython Notebook : pip install jupyter # 是一个代码编辑器 运行: jupyter notebook View Code NumPy 数据计算模块 NumPy是高性能科学计算数据分析的基础包，它是pandas等其他各种工具的基础 NumPy的主要功能: ndarray ，一个多维数据结构，高效且节省时间 无需循环对整组数据进行快速运算的数学函数

你每天都在使用的HTTP协议，到底是什么鬼？ 投稿作者 | Jeskson 了解HTTP HTTP是什么呢？它是超文本传输协议，HTTP是缩写，它的全英文名是HyperText Transfer Protocol。 那么什么是超文本呢？ 超文本指的是HTML，css，JavaScript和图片等，HTTP的出现是为了接收和发布HTML页面，经过不断的发展也可以用于接收一些音频，视频，文件等内容。 HTTP协议是用于客户端和服务器端之间的通信，用于客户端和服务器端之间的通信有HTTP协议和TCP/IP协议族在内的其他众多的协议。 请求访问文本或图片等资源的一方，我们叫做客户端；负责接收，提供响应的一方称为服务器端。 Client客户端请求Server服务端，Server服务端响应给Client客户端。HTTP是基于客户端/服务端的架构模型，浏览器或其他任何客户端都可以用HTTP协议的，通过URL地址向HTTP的服务器即Web服务器发送所有请求，Web服务器端在接收到请求后会做出反应，响应给对方，就是向客户端回传响应的信息。 《图解HTTP》 注意：在使用HTTP协议的时候，我们一端必定是客户端，另一端必定是服务器端。 有时候服务端和客户端是可以互换的，如果要决定谁是服务器端和谁是客户端，单就一条通信路线来讲，是可以确定的，因为由HTTP协议就可以区分谁是客户端，和谁是服务器端了。

　　NumPy是高性能科学计算和数据分析的基础包，它是pandas等其他各种工具的基础 　　NumPy的主要功能 ndarray，一个多维数组结构，高效且节省空间 无需循环对整组数据进行快速运算的数学函数 线性代数、随机数生成和傅里叶变换功能 　　安装：pip install numpy 　　引用：import numpy as np ndarray-多维数组对象 创建ndarray:np.array(array_like) 数组与列表的区别 数组对象内的元素类型必须相同 数组大小不可修改 应用实例1：已知若干家跨国公司的市值（美元），将其换算成人民币 In [8]: import numpy as np In [9]: import random In [10]: a = [random.uniform(100.0,200.0) for i in range(20)] In [11]: a Out[11]: [136.2570275865808, 151.38290478605188, 149.40015231576714, 179.46370837535062, 138.01630196014202, 115.81947317917567, 185.2180195622318, 193.57586013677022, 102.9291187837209, 156

我们如果留意的话，可能经常会听到什么 x86/x86_64、ARM、RISC-V 等关键词，但是很多人并不知道指的是什么。比如：Java 程序员在下载官方 JDK 时，如果对这个概念不了解的话，只知道选 x64 那个东西下载就好，其他一脸懵逼。所以有必要了解一下 CPU 的相关知识。 这篇主要讲解一下三个知识点： CPU 内部结构 CPU 指令集 SMP 和 NUMA 1.CPU 内部结构 CPU 内部有很多组件，比如 MMU/TLB 等，但是主要的部件主要有三类： 控制单元、存储单元、运算单元 。 控制单元由程序计数器（PC）、指令寄存器（IR）、指令译码器（ID）等控制器组成 ，很多同学应该对程序计数器（PC）比较耳熟。控制单元主要功能有： 从内存中获取指令 对指令进行译码，译码得到电气信号用来控制 CPU 的操作 控制 CPU 与内存的数据流动 运算单元主要部件是算术逻辑单元（ALU） 。控制单元会将对应的数据输入到这个部件，让它进行数据的运算。它能支持的运算主要是 加减乘除、移位、逻辑 。 存储单元它主要 用来暂时存放 cpu 将要获取的数据或者刚产生的数据 ，它由 专用寄存器和通用寄存器 两个部分组成。通用寄存器是可以由程序员进行控制的，一般可用汇编语言来控制。那专用寄存器和通用寄存器都有哪些呢？这个问题就比较专业了，我也记不住那些 AX、BX、CX、DX、BP、SP

1）初始化阶段-提取跟踪目标特征 该阶段要人工指定跟踪目标，程序计算跟踪目标的特征，比如可以采用目标的颜色特征。具体到Rob Hess的代码，开始时需要人工用鼠标拖动出一个跟踪区域，然后程序自动计算该区域色调(Hue)空间的直方图，即为目标的特征。直方图可以用一个向量来表示，所以目标特征就是一个N*1的向量V。 2）搜索阶段-放狗 好，我们已经掌握了目标的特征，下面放出很多条狗，去搜索目标对象，这里的狗就是粒子particle。狗有很多种放法。比如，a)均匀的放：即在整个图像平面均匀的撒粒子(uniform distribution)；b)在上一帧得到的目标附近按照高斯分布来放，可以理解成，靠近目标的地方多放，远离目标的地方少放。Rob Hess的代码用的是后一种方法。狗放出去后，每条狗怎么搜索目标呢？就是按照初始化阶段得到的目标特征(色调直方图，向量V)。每条狗计算它所处的位置处图像的颜色特征，得到一个色调直方图，向量Vi，计算该直方图与目标直方图的相似性。相似性有多种度量，最简单的一种是计算sum(abs(Vi-V)).每条狗算出相似度后再做一次归一化，使得所有的狗得到的相似度加起来等于1. 3）决策阶段 我们放出去的一条条聪明的狗向我们发回报告，“一号狗处图像与目标的相似度是0.3”,“二号狗处图像与目标的相似度是0.02”,“三号狗处图像与目标的相似度是0.0003”,

在介绍美颜定制之前，我们先来复习一下OpenGL中图像绘制原理。OpenGL的图像绘制，是由许许多多三角形构成的。OpenGL的绘制离不开三角形的绘制。通常对于不需要对图像细节进行处理的时候，我们一般会使用glDrawArrays方法将整张图片绘制处理。但如果要对图像的某一个部分进行形变等微调，这时候通常将图像划分为许许多多的三角形。比如MLS算法原理就是通过调整三角形的顶点位置实现图像形变的。将一张图像划分为许许多多的三角形之后，使用glDrawArrays就不够划算了，由于glDrawArrays在图像有多个连续的三角形构成的时候，会出现许多重复的边，这里面不仅仅产生比较大的内存开销，也对CPU到GPU传递数据的带宽造成一定的影响，对于移动端来说，内存和带宽都比较受限。这时候，使用glDrawElements是一个比较好的方式。 人脸三角形索引构建 本人将结合美颜类相机的美型处理用到的技术，详细介绍glDrawElements的用法。 我用的是Face++免费提供的人脸关键点检测SDK，虽然免费使用有设备和次数限制，但对于验证来说，足够了，在此感谢Face++的帮助。根据Face++的SDK的文档，106个关键点如下图所示： 我们在得到人脸关键点后，需要对关键点进行三角划分，三角剖分算法通常是Delaunay Triangulation，关于Delaunay

pk哥肝了一个月，从两本书《Python基础教程（第3版）》和《流畅的Python》里把知识点进行了汇总，整理成了 100 道 Python习题， Python 100题我已经整理成了 PDF 文档，需要文档的可以关注下方公众号「Python知识圈」并回复：“ 100 ” 获取文档。 关注后回复：“ 100 ” 获取 pdf 文档 作者：pk哥 公众号：Python知识圈 Python基础习题 怎么计算2的3次方 解法1:直接用运算符 ** >>> 2**3 8 解法2:用函数 pow >>> pow(2,3) 8 怎么找出序列中的最大最小值？ 用内置函数 max 和 min >>> l = (123, 888, 666) >>> max(l) 888 >>> min(l) 123 怎么将字符列表转为字符串 用 join 方法，合并序列的元素 >>> l = [ 'Python' , 'Circle' , 'is' , 'ok' ] >>> j = ' ' .join(l) >>> j 'Python Circle is ok' 怎么快速打印出包含所有 ASCII 字母（大写和小写）的字符串 用 string 模块的方法 >>> import string >>> string.ascii_letters

APoT 本文是电子科大&哈佛大学&新加坡国立联合发表在 ICLR2020 上的一篇非均匀量化（APoT）的工作。本文，在非均匀量化中通过采用Additive Powers-of-Two（APoT）加法二次幂量化，综合考虑了计算上有效性，低比特量化导致的模型精度下降问题。并实现了不错的量化效果！ 论文题目：Additive Powers-of-Two Quantization: A Non-uniform Discretization for Neural Networks 论文链接：https://arxiv.org/pdf/1909.13144v2.pdf 论文代码：https://github.com/yhhhli/APoT_Quantization 摘要 本文首先提出了 Additive Powers-of-Two（APoT）加法二次幂量化 ，一种针对 钟形和长尾分布 的神经网络权重，有效的 非均匀性量化 方案。 通过将所有量化数值限制为几个二次幂相加，这APoT量化有利于提高计算效率，并与权重分布良好匹配 。其次，本文通过 参数化Clipping函数以生成更好的更新最佳饱和阈值的梯度 。最后，提出对 权重归一化来调整权重的输入分布，使其在量化后更加稳定和一致 。实验结果表明，本文提出的方法优于最先进的方法，甚至可以与全精度模型竞争，因此证明了本文提出的APoT量化的有效性