《中电十四所》专题

通常当我们谈到开发网站时，主要谈论的是HTML。 当然，Web远不只有HTML，我们在Web上用多种格式来发布数据： RSS、PDF、图片等。 到目前为止，我们的注意力都是放在常见 HTML 代码生成上，但是在这一章中，我们将会对使用 Django 生成其它格式的内容进行简要介绍。 Django拥有一些便利的内建工具帮助你生成常见的非HTML内容： RSS/Atom 聚合文件 站点地图 （一个XM

第二章中介绍了 PHP 下的各种黑客技术，相信已经对 PHP 下的常见黑客技术都有了一个基本的了解，至少在漏洞的利用和操作上有了一定的认识。而在第九章中，为大家介绍了 PHP 的基础知识，对于 PHP 中与安全相关的知识点基本上都讲解到了。所以本章就是在前面这两章的基础上，开始着 PHP 程序漏洞的分析与利用之旅！ 学习完了本章，我们就能够分析 PHP 系统中的漏洞了。有的时候，我们虽然发现了 P

内容提要 本章以及接下来的十三章都是介绍了http验证用户身份的一些机制！本章介绍一下基本认证，首先得这是一种简单的认证，并不能用于复杂、保密的业务逻辑环境中，它只能做到一般的保护，比如防止某个好心人查看你的个人信息！ 基本认证概述 基本认证描述的就是用户第一次访问服务器的时候，服务器返回401状态码和WWW-Authenticate响应首部，并在首部中描述了密码编码算法和对应要使用密码的安全域，

1 引言 Django 中的模板系统可以被自由扩展，如自定义 filter, 自定义 Tag 等。其中 filter 用于对变量的处理。而 Tag 则功能强大，几乎可以做任何事情。我认为 Tag 的好处有非常多，比如： 可以简单化代码的生成。一个 Tag 相当于一个代码片段，把重复的东西做成 Tag 可以避免许多重复的工作。 可以用来组合不同的应用。将一个应用的展示处理成 Tag 的方式，这样就可

1 引言 经过一段时间的学习，我想大家对于 Django 的一些基础的东西已经有所了解，但 Django 本身的内容不仅仅如此，它还在发展中，还有许多的专题是我还没有向大家介绍的。因此，随着我和大家一同地学习，我会继续向大家介绍一些更高级的话题。 随着对于web的了解越来越多，我对于 web 上的开发也越来越有兴趣。的确，在实际的工作中我也发现，现在越来越强调团队的管理，许多事情单纯搞一两个人是很

1 引言 如果通讯录中的记录很多，我希望有一种搜索的方法，下面就让我们加一个搜索功能吧。当然，这个搜索功能是很简单的。在 第九讲介绍过的generic view来显示结果，因为列表页面的处理非常简单： class IndexView(generic.ListView): model = Address template_name = 'address/list.html'

1 引言 现在我们看一看所展示出来的页面，你满意吗？还有可以改进的地方。比如性别，它显示出来的直接是数据库的值，而不是对应的“男”，“女”，怎么办。还有表格显示也不是很好看。没说的，改！ 最初我想使用 CustomManipulator (Manipulator 是 Django 中用来自动生成元素对应的 HTML 代码的对象，你可以定制它)，但使用 Manipulator 的话，你不能再使用 g

第 10 章介绍了人工神经网络，并训练了第一个深度神经网络。 但它非常浅，只有两个隐藏层。 如果你需要解决非常复杂的问题，例如检测高分辨率图像中的数百种类型的对象，该怎么办？ 你可能需要训练更深的 DNN，也许有 10 层或更多，每层包含数百个神经元，通过数十万个连接相连。 这可不像公园散步那么简单，可能碰到下面这些问题： 你将面临棘手的梯度消失问题（或相关的梯度爆炸问题）：在反向传播过程中，梯度

第 10 章介绍了人工神经网络，并训练了我们的第一个深度神经网络。 但它是一个非常浅的 DNN，只有两个隐藏层。 如果你需要解决非常复杂的问题，例如检测高分辨率图像中的数百种类型的对象，该怎么办？ 你可能需要训练更深的 DNN，也许有 10 层，每层包含数百个神经元，通过数十万个连接来连接。 这不会是闲庭信步： 首先，你将面临棘手的梯度消失问题（或相关的梯度爆炸问题），这会影响深度神经网络，并使较

本章的代码位于chap10.ipynb中，它是本书仓库中的 Jupyter 笔记本。使用此代码的更多信息，请参见第？节。 10.1 交通堵塞 是什么导致交通堵塞？在某些情况下，有明显的原因，如事故，车速监视或其他干扰交通的事情。 但其他时候，交通堵塞似乎没有明显的原因。 基于智能体的模型有助于解释自发性交通拥堵。 例如，我根据 Resnick，海龟，白蚁和交通堵塞模型实现了一个简单的高速路模拟。

在本章中，我展示了上一个练习的解决方案，并分析了 Web 索引算法的性能。然后我们构建一个简单的 Web 爬虫。 15.1 基于 Redis 的索引器 在我的解决方案中，我们在 Redis 中存储两种结构： 对于每个检索词，我们有一个URLSet，它是一个 Redis 集合，包含检索词的 URL。 对于每个网址，我们有一个TermCounter，这是一个 Redis 哈希表，将每个检索词映射到它出

本章我们来研究应用程序构建相关的标准库，包括用于命令行参数解析的 flag 包，简单的日志记录包 log（以及 syslog)，公共变量标准接口 expvar 包，以及运行时的调试工具 runtime/debug 包。

到目前为止我们实现的延迟渲染效果还算不错，但是当你将相机靠近物体观察时会出现在上一课的结尾提到的问题。第一个问题就是由于背面剔除的存在，当相机进入到光源体之后这个光源的光照效果就会消失。第二个问题则与光源的范围有关，这是因为在将光源的包围球投影到屏幕坐标系之后，我们会对被这个球体覆盖的所有像素都进行光照计算，即使这个像素离光源很远（也就是位于光源体之外）。 OpenGL 中的模板缓存可以帮助我们解

在前面的课程中我们学习了延迟渲染的基础部分，而且将几何阶段的结果输出到了 G-Buffer 中。如果你运行了演示程序你就知道 G-Buffer 里面的内容是什么了。今天我们将完成延迟渲染的基本实现，并且使得最后渲染出来的场景看起来和使用正向渲染的结果一样！在这一课的最后会有一个问题显现出来，这个问题将在下一课中解决。 现在 G-buffer 中已经存放和合适的数据，我们要借助于它们来进行光照计算。

从第十七课起到目前为止，我们所做的光照计算都叫做前向渲染（着色），这是一个十分直接的方式，我们在 VS 中对所有对象的顶点进行一系列的变换（这些变换通常是将顶点法线和顶点位置变换到裁剪空间中），之后在 FS 中逐像素进行光照计算。由于每个像素都只调用 FS 一次，所以当我们逐像素的计算每个像素的光照效果时，我们需要将所有的光照信息都传递到 FS 中。这个方法十分简单但是却有一些缺陷，如果场景十分复