介绍 最近几个月忙得实在是不可开交,终于把《深入理解JavaScript系列》的最后两篇“补全”了,所谓的全是不准确的,因为很多内容都没有写呢,比如高性能、Ajax安全、DOM详解、JavaScript架构等等。但因为经历所限,加上大叔希望接下来写点其它东西,所以此篇文字就暂且当前完结篇的总结吧,以后有时间的话,可以继续加上一些未涉及的专题内容。 网络文章来源 本系列文章参考了大量的互联网网站,在
7.3.5 深度图像转激光数据 本节介绍ROS中的一个功能包:depthimage_to_laserscan,顾名思义,该功能包可以将深度图像信息转换成激光雷达信息,应用场景如下: 在诸多SLAM算法中,一般都需要订阅激光雷达数据用于构建地图,因为激光雷达可以感知周围环境的深度信息,而深度相机也具备感知深度信息的功能,且最初激光雷达价格比价比较昂贵,那么在传感器选型上可以选用深度相机代替激光雷达吗
看完 public channel 的流程,我们该来说说怎么跑通 private channel 了。 本文结合之前使用的 JWT 来做身份认证。 但这个流程,我们要先从前端说起。 socker.io 我们先写一个 demo: window.Echo.private('App.User.3') .listen('RssCreatedEvent', (e) => { that.names.p
看源代码,解析一次完整的 public channel 下发流程。 此图来自网上,如有侵权,通知我删除 通过上图,我们至少要知道两件事: Laravel 和我们的前端 (vue) 没有直接关联,它们通过 Socket.io Server 来做中转,这是怎么做到的呢? 怎么发送 Brocadcasted Data? 下面来一一解析。 BroadcastServiceProvider Broadcas
深度神经网络的工作地点、原因和方式。从大脑中获取灵感。卷积神经网络(CNN)和循环神经网络(RNN)。真实世界中的应用。 使用深度学习,我们仍然是习得一个函数f,将输入X映射为输出Y,并使测试数据上的损失最小,就像我们之前那样。回忆一下,在 2.1 节监督学习中,我们的初始“问题陈述”: Y = f(X) + ϵ 训练:机器从带标签的训练数据习得f 测试:机器从不带标签的测试数据预测Y 真实世界很
深入了解文本处理流程 用ElasticSearch进行开发时,你可能会被ElasticSearch提供的不同的搜索方式和查询类型所困扰。每种查询类型的运行机制都不尽相同,我们不能浮于表面,比如,比较区间查询和前缀查询之间的不同点。理解query的工作原理并知晓它们之间的区别是至关重要的,特别是基于ElasticSearch进行业务开发时,比如,处理多语言的文本。 不是所有的输入都会被分析 在探讨查
语言的内存管理是语言设计的一个重要方面。它是决定语言性能的重要因素。无论是C语言的手工管理,还是Java的垃圾回收,都成为语言最重要的特征。这里以Python语言为例子,说明一门动态类型的、面向对象的语言的内存管理方式。 对象的内存使用 赋值语句是语言最常见的功能了。但即使是最简单的赋值语句,也可以很有内涵。Python的赋值语句就很值得研究。 a = 1 整数1为一个对象。而a是一个引用。利用赋
上下文管理器(context manager)是Python2.5开始支持的一种语法,用于规定某个对象的使用范围。一旦进入或者离开该使用范围,会有特殊操作被调用 (比如为对象分配或者释放内存)。它的语法形式是with...as... 关闭文件 我们会进行这样的操作:打开文件,读写,关闭文件。程序员经常会忘记关闭文件。上下文管理器可以在不需要文件的时候,自动关闭文件。 下面我们看一下两段程序: #
小插曲,在等待被call的过程中无意间碰到一位正在吃饭的工作人员,聊着聊着发现他是二面面试官,是所有一面面试官的leader,今天是他带着团队过来面试,直接中大奖了,还以为有机会二面见面的没想到一面就挂了,然后简单分享下跟这位leader的谈话内容吧 1、刚开始我问他说今天来面试技术岗的人多吗 他跟我说其实还挺多的 2、然后我跟他聊了一些关于我在学校的事情,说今年Java真的很卷,很多92硕士在和
电话面,周一上午给我打电话约的周二下午 面试官拷打的挺多的,我还是第一次遇到这么不温柔的面试官 问题一个接着一个的抛 我太菜了给我问蒙了都 对深蓝汽车了解吗 接受工作地点在重庆吗 ==和equals的区别 Integer a=200和Integer b=200用equals比较和用==比较分别是true还是false等等一系列(接连拷打) 迭代器模式,为啥不用for循环 工厂模式和抽象工厂模式 r
全程拷打项目(因为项目是和tf与机器学习相关的) 手写conv2D的计算函数(因为项目里有个conv3D相关的tf算子,但是没有写出来) 手写nms算法(写得很慢,之前又因为也是做项目,没有仔细研究源码) 之前使用opencl比较多,cuda使用得比较少,而且机器学习相关的算法也不是很精通,第二天就挂了
主要内容:1.什么是双亲委派机制,2.类加载器,3.类加载器的加载路径,4.源码了解,5.双亲委派机制的作用1.什么是双亲委派机制 当某个类加载器需要加载某个.class文件时,它首先把这个任务委托给他的上级类加载器,递归这个操作,如果上级的类加载器没有加载,自己才会去加载这个类。 2.类加载器 BootstrapClassLoader(启动类加载器) c++编写,加载java核心库 java.*,构造ExtClassLoader和AppClassLoader。由于引导类加载器涉及到虚拟机本地实
在这里,我们将探索一类基于决策树的算法。 最基本决策树非常直观。 它们编码一系列if和else选项,类似于一个人如何做出决定。 但是,从数据中完全可以了解要问的问题以及如何处理每个答案。 例如,如果你想创建一个识别自然界中发现的动物的指南,你可能会问以下一系列问题: 动物是大于还是小于一米? 较大:动物有角吗? 是的:角长是否超过十厘米? 不是:动物有项圈吗? 较小:动物有两条腿还是四条腿? 二:
约1小时 1.自我介绍 2.挖掘项目,做过啥问啥,面试官有引导这部分面试体验不错 3.手撕算法,找数组内所有和为目标值的组合 4.反问环节 我太菜了,手撕代码太难了,没有debug环境我就是个废物后面只让我讲了思路,但是没写出来内心很不好受估计凉了 面试总结:面试官人不错,心平气和的,我写代码写的慢也没催我,讲项目内容的时候我有的地方磕磕绊绊的没答好甚至帮我回答了总之没有对我这没捋清算法思路,回答
8.26 测评 9.14 笔试 9.21 一面 自我介绍 项目介绍(细节深挖) BN层参数的作用 吸BN操作 样本不均衡问题 小目标问题 双线性插值(边界考虑) GAN网络能否落地 怎样提高特殊目标(电线杆、树)等目标的检测精度 反问 9.22 二面 自我介绍 项目介绍 编程能力和管理能力打分 团队管理方面(好多问题) 责任心考虑 地点考虑 期望薪资 offer考虑 互联网公司投递情况 为找工作做