《思特威》专题

1.早10点，主要问了我项目的问题（数据传输，数据调试中犯过什么错误） 2.问了我数据库的问题group by;having;left join多表连接 3.问我数据库视图知道吗？ 4.数据库存储结构了解吗？ 5.如何删除大量的数据 6.问我可不可以来个英文自我介绍，栓q(踩雷，我说不好意思，我没有准备，可能讲不好) 7.英语怎么样，学过日语吗？ 8.反问公司，实习生主要做什么（进项目，分个小模块

lsb_release -a，查看发行代号 cat /etc/issue，查看 Ubuntu 发行版本 sudo ufw disable，禁用防火墙 sudo ufw enable，开启防火墙 apt-get remove iptables，卸载防火墙 `` `` `` `` `` ``

1 Python的函数参数传递 看两个例子: a = 1 def fun(a): a = 2 fun(a) print a # 1 a = [] def fun(a): a.append(1) fun(a) print a # [1] 所有的变量都可以理解是内存中一个对象的“引用”，或者，也可以看似c中void*的感觉。 通过id来看引用a的内存地址可以比较理解： a = 1

跟踪钩子宏是一个很强大的功能，用来收集嵌入式应用的相关数据。freeRTOS提供的源代码中的跟踪宏是空的，因此开发者可以根据自己的需求设计宏需要跟踪的数据，不使用的空的宏不会影响应用程序的时序。 如下几个使用跟踪宏的例子： 设置一个数字输出，用来表明当前执行的任务。可以使用逻辑分析仪来观察、记录、分析任务的执行序列及时序 相似的，可以设置模拟输出，比如电压，则可以使用示波器来观察时序 记录任务的执

Xdebug的基本功能包括在错误条件下显示堆栈轨迹，最大嵌套级别和时间跟踪。 相关设置参数 xdebug.default_enable 类型：boolean，默认值：1 参数设置为1时，在错误事件中会显示堆栈跟踪信息。您可以使用xdebug_disable()来禁用显示你的代码的栈跟踪。由于这是Xdebug的基本功能之一，建议将此设置设置为1。 xdebug.force_display_error

Hprose 2.0 for JavaScript 新增了许多特征： 增加了数据推送的支持。 oneway 调用支持。 增加了对幂等性（idempotent）调用自动重试的支持。 增加了（伪）同步调用支持。 客户端增加了负载均衡，故障切换的支持。 对客户端调用的 API 进行了优化，将多余的位置参数改为命名参数。 增加了新的中间件处理器支持，可以实现更强大的 AOP 编程。 增强了批处理功能。 新

这个文档是 session 独立模块，即你单独拿这个模块应用于其他应用中，如果你想在 beego 中使用 session，请查看文档session 控制 session 模块是用来存储客户端用户，session 模块目前只支持 cookie 方式的请求，如果客户端不支持 cookie，那么就无法使用该模块。 session 模块参考了 database/sql 的引擎写法，采用了一个接口，多个实现

目标 在这一章中， 我们将看到如何将一个图片上的特征和其他图片上的特征匹配起来。 我们将使用 OpenCV 中的蛮力匹配器和 FLANN 匹配器。 蛮力匹配器基础 蛮力匹配器很简单。 它采用第一组中的一个特征的描述符并且使用一些距离计算与第二组中的所有其他特征匹配。 返回最接近的一个。 对于BF匹配器，首先我们必须使用 cv2.BFMatcher() 来创建 BFMatcher 对象。 它需要两个

目标 在这一章中，我们将会试着理解什么是特征，为什么它们很重要，为什么边角很重要等等。 详细解释 大家一定都玩过拼图。你会拿到到一张图片的许多小的部分，然后你需要把它们拼成一个大的图片。问题是，你是怎么做到的？我们能否将同样的方法应用到计算机程序中，让计算机也会玩拼图？如果计算机会玩拼图，为什么我们不能给它一些真实生活中的风景图片然后让它将这些图片拼成一张大的图片？如果计算机能将自然风景图片拼成一

6.2 功能特性 SpEL支持以下的一些特性： 字符表达式 布尔和关系操作符 正则表达式 类表达式 访问properties，arrays，lists，maps等集合 方法调用 关系操作符 赋值 调用构造器 Bean对象引用 创建数组 内联lists 内联maps 三元操作符 变量 用户自定义函数 集合投影 集合选择 模板表达式

Spark特征提取（Extracting）的3种算法（TF-IDF、Word2Vec以及CountVectorizer）结合Demo进行一下理解 TF-IDF算法介绍： 词频－逆向文件频率（TF-IDF）是一种在文本挖掘中广泛使用的特征向量化方法，它可以体现一个文档中词语在语料库中的重要程度。 词语由t表示，文档由d表示，语料库由D表示。词频TF(t,,d)是词语t在文档d中出现的次数。文件频率D

基于SparkML的特征选择（Feature Selectors）三个算法（VectorSlicer、RFormula以及ChiSqSelector）结合Demo进行一下理解 VectorSlicer算法介绍： VectorSlicer是一个转换器输入特征向量，输出原始特征向量子集。VectorSlicer接收带有特定索引的向量列，通过对这些索引的值进行筛选得到新的向量集。可接受如下两种索引： 1

生成包含可执行安装程序的外壳； 支持 ZLIB、BZIP2 和 LZMA 数据压缩 (文件可个别压缩或同时)； 支持卸载 (安装程序可以生成卸载程序)； 可自定义的用户界面 (对话、字体、背景、文本、检测标记、图像等等)； 典型和新式向导界面； 完整的多语言，支持一个安装程序有多个语言。自带超过 35 种语言翻译，但是你也可以建立你自己的； 页面系统：你可以添加标准向导页面或自定义页面； 用户可以

本节介绍 GDI+的几个主要新增特性与功能，说明 GDI+在编程模式上的改变。 1.2.1 GDI+新增特性 与 GDI 相比，GDI+新增的特性主要有渐变画刷、样条和贝塞尔曲线、持久路径、矩阵 变换、伸缩区域、α 混色和对多种图像格式的支持。 （1）渐变画刷 GDI+中新增加的渐变画刷（gradient brush，梯度刷），通过提供用于填充图形、路径和 区域的颜色线性渐变和路径渐变的画刷，扩展