NEXT:努力积累100篇
访问量
171.1K
文章数
75
运行天
412
前言Lua是目前最流行的轻量级脚本语言,在很多嵌入式设备上已经广泛应用。不仅如此,某些应用程序、网页脚本、游戏开发、数据库等等都使用Lua来对功能进行扩展,比如Redis就能用Lua脚本灵活操作。记得以前博哥也提到过Lua脚本,说明Lua真的值得一学。接下来主要讲述Lua的特别之处,更加详细的语法细节已经记录在wiki上,只需用到的时候查找文档即可。推荐教程:菜鸟教程 | 易百教程一、Lua背景介绍Lua于1993年开发,名字的原意是“Moon”,是一个名词而不是缩写,所以作者建议写为“Lua”,不要写成“LUA”。Lua由标准C语言编写,最大的特点是轻量,在64位Linux下,Lua的解释器247K(最新的版本)、Lua库421K,所有的脚本引擎中Lua是最快的。Lua
前言github上项目可以选择的协议有很多,相信大家都选择或者看见过None、GNUGPLv3、MITLicense、ApacheLicense2.0,平时懒得选就点个MIT开源共享,但github提供了更多的协议可供选择,那么接下来仔细地分析每个协议的作用吧。一、协议分析1、None/NoLicenseNone并不是所谓的“不注明就放弃所有权利”哦,而是“保留所有权利”。也就是作者完全保留这个源码的所有权,不允许他人进行复制、分发、使用和修改。但是如果你把它上传到了github,那么默认允许他人查看(view)源码、分叉(fork)到自己的仓库,只是不能使用、修改而已。2、GNUGPLv3GNUGPLv3(GeneralPublicLicensev3.0),开源正是由于GPL而变得越来越强
一、什么是openLDAPLDAP(LightweightDirectoryAccessProtocol,轻型目录访问协议),是一种基于TCP/IP的访问在线目录服务的协议,有V2和V3版本,其中现在用得最多的都是V3版本。而openLDAP则是这种协议的开源的实现,被广泛应用于“目录访问权限控制”这一目的。举个例子,假设公司有很多个服务系统,包括个人信息系统、文档协作系统、生产环境系统、工资发放系统等等,如果每个系统都独立使用一个账号,当有人入职或者离职的时候,每个系统都得注册,维护起来异常麻烦;而一些通用信息比如员工姓名等等,会存储很多份,要修改的话需要每个系统都得修改。那么openLDAP就可以干这么一件事,只要你的账号在openLDAP上,那么所有的系统通过接入openLDAP就能够
前言最近发现小伙伴们写的API不仅仅有Get/Post,还有大量的Put/Patch/Delete,其实是有点疑惑的:所有的这些操作使用Post不就都能搞定吗?​事实确实如此,Post能够搞定一切的需求。那为什么还要使用专门的Put、Patch、Delete呢?理由就是为了构建Restful架构。HTTP/1.1的八种方法HTTP(HyperTextTransferProtocol,超文本传输协议)是应用层的无状态网络协议,2015年提出了HTTP2.0,但是目前用得最多的还是HTTP1.1。HTTP1.1定义了八种方法来操作资源:方法 初始来源作用描述 Get HTTP1.0请求指定的页面信息,并返回实体主体。 Post HTTP1.0向指
前言之前一直使用搬瓦工+SSR,然而发现总是被封……无论修改什么参数,或者是深入地理解原理,仍然会被抓到。后来总算被同学点醒,和SSR无关,和服务器IP有关啊。每次被Q后我都使用它的5周免费更换IP功能来更换新的IP,逐渐发现这种更换IP只是更换了最后几位,如果GFW按照IP的规则来进行过滤,判断是不是搬瓦工的服务器IP地址段,当然就会被抓到了(只是猜测)。所以趁着这次搬瓦工解封+双11打折购买了同学之前使用过的一直没有被封的ShadowSocks——它直接以这个协议来命名的网站。购买地址ShadowSocks(嗖嗖搜里有)条件准备由于ShadowSocks网站也是被Q的,所以需要有一个基础的梯子来访问网站。价格、功能和体验产品版本选择一共有5个版本:版本 价格 同时连接
前言《百面》第二章「类别型特征」,提出一个问题:在对数据进行预处理时,应该怎样处理类别型特征?仔细研究才发现,这里面竟然有很多以前从未听过的知识——毕竟研究生不会有人手把手教你这么系统地去学,只有老板给什么就去实现什么而已……那么开始吧~什么是类别型特征看名字就知道,是机器学习的输入数据中,表示类别的特征。比如:数据ID|性别|学历|出生城市|10年内深圳买房(y)1|男|博士|深圳|是2|女|硕士|重庆|否3|男|大学|哈尔滨|否4|女|高中|成都|是5|男|初中|湖南|是这些数据需要被通过某种方法转换为数字,也就是所谓的编码,才能更好地被那些机器学习算法中建立的各种数学模型来使用。我以前的转换手段就是暴力的:女=0,男=1初中=0,高中=1,大学=2,硕士=3,博士=4深圳=0,重庆=1
前言百度云、腾讯云、阿里云服务器在双11又搞活动啦,仔细分析后总结一句话就是:【百度云】便宜又好用【腾讯云】土豪专场——小伙子该充Q币啦~【阿里云】学霸专场——最终的优惠价格是:112+(291/(10*30%)+187*10+25-(192*0.1)) 百度云服务器活动信息【活动地址】购买页面【活动对象】百度云实名认证用户且首次购买(BCC、BCH、CDN、BOS)产品的用户【活动时间】2018年10月24日~11月30日(每日9:30开启秒杀);【活动内容】活动期间,同一百度云用户可以购买每款秒杀活动产品套餐各1次(同一手机号、同一认证证件、同一accountID或经百度云排查
前言买了本《百面机器学习》看着玩,虽然已经毕业了,机器学习还是放不下吧,希望以后新的机会出现能够及时抓住。书中第一章「特征工程」的“01特征归一化”(第002-003页)提到:对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值区间内。最常用的方法主要有以下两种。(1)线性函数归一化(Min-MaxScaling)。它对原始数据进行线性变换,使结果映射到[0,1]的范围,实现对原始数据的等比缩放。归一化公式如下其中,X为原始数据,Xmax、Xmin分别为数据最大值和最小值。(2)零均值归一化(Z-ScoreNormalization)。它会将原始数据映射到均值为0、标准差为1的分布上。具体来说,假设原始特征的均值为μ、标准差为σ,那么归一化公式定义为:我平时使用的全是线性函数归
12345... 8下一页