Yan Zhong's blog

a blog


  • 首页

  • 关于

  • 归档

  • 标签

Hello Libra

发表于 2019-06-22   |   阅读次数

开始使用Facebook的Libra语言编程

img

Facebook推出了一个全新的全球化的加密货币和编程环境,叫做Libra。在Libra作用下,我们可以零费用手续费购买东西或者汇款。

Facebook也给了我们一些代码,所以让我们试一试。 我们将深入研究技术部分。

Libra 是一种货币,而Move是Libra的编程语言。移动端Move是基于Rust编写的。

为什么Move要基于Rust?我猜是Rust已经被证明是一种设计精良,功能强大,快速,安全且有趣的语言。

Move是一种新的编程语言,用于在Libra Blockchain上实现自定义事务逻辑和“智能合约”。 由于Libra的目标是每天为数十亿人提供服务,因此Move的设计以安全性和安全性为最高优先级。

img

https://github.com/libra/libra

幸运的是,我们不用了解Rust也可以开始使用Move。以下是我们开始使用Libra语言编程所需要的。

前提条件:

  • 您运行的是Linux(基于Red Hat或Debian)或macOS系统。
  • 您可以稳定地连接到互联网。
  • git已安装在您的系统上。
  • Homebrew安装在macOS系统上。
  • yum或apt-get安装在Linux系统上。
阅读全文 »

broad learning

发表于 2019-05-05   |   阅读次数

宽度学习

如今的神经网络越来越复杂,层数也是越来越深。由此带来的弊端是训练时间越来越久,当需要更改模型时,又必须重新训练,耗费时间和资源。澳门大学教授陈俊龙老师提出了一种宽度学习的方法,通过增加网络宽度、减少网络深度,以此减少训练时间,这种别样的设计思路,让人眼目一新。

论文解读

阅读这个论文一周有余,其中查阅论文官网、网络相关资料,阅读论文代码,甚至与陈老师论文组成员交流,在经过一番自我消化后,最终对这篇论文有了深刻的理解。

根据我本人的理解,此论文的解读,主要分为以下三个方面。

  1. 论文所涉及知识点的前期学习与准备
  2. 论文本身的解读与自我理解
  3. 结合论文源码的解读

接下来,我们循序渐进、逐步学习和认识这个崭新的学习模型。

阅读全文 »

Say Somethings

发表于 2017-12-13   |   阅读次数

第一学期总结

前天晚上,考完了最后一门exam,标志着final结束,其实这学期也就选了三门课,但是学业压力不容小觑,也许是因为初来乍到。

​ 而如今,初来乍到已经结束,自己已经慢慢适应了这边的节奏。回顾这五个多月的生活与学习,通过这次记录做个自我总结吧。

阅读全文 »

Shortest Path Queries

发表于 2017-09-05   |   阅读次数

最短路径算法

  • 最短路径算法

在日常生活中,我们经常会想从A地到达B地,但是A->B的路线有非常多,我们通常是希望选择最短的那一条路线,因为人都是懒的~,于是就出现了一个常谈的问题——最短路径问题。谈到最短路径,又会常联系到一种数据结构,那就是图。所以,在图(graph)中探讨最短路径是一个经典的问题。

  • Dijkstra算法,A*算法

经典的问题自然有经典的解法,Dijkstra算法就是一个经典。Dijkstra算法求出的结果,是原点到图中所有点的距离,从单对单扩展多了单对多的距离。A*算法更是一种聪明的算法,它常常应用在游戏中,避开障碍物找到最佳路劲达到终点。

Dijkstra算法

概述:

Dijkstra算法是典型最短路算法,用于计算一个节点到其他所有节点的 最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法能得出最短路径的最优解。

缺点:

但由于它遍历计算的节点很多,所以效率比较低。

算法思想:

每次找到离源点最近的一个顶点,然后以该顶点为中心进行扩展,最终得到源点到其余所有点的最短路径。听起来太简单了?实践操作一下就懂了

阅读全文 »

Linear Regression

发表于 2017-08-29   |   阅读次数

Linear Regression(线性回归)

​ 线性回归的目的,就是从一堆已知数据和结果中,模拟出一条合适的函数线,之后再对这个函数输入新数据,便能产生出新的预测结果。

​ 线性回归假设特征和结果满足线性关系。其实线性关系的表达能力非常强大,每个特征对结果的影响强弱可以由前面的参数体现,而且每个特征变量可以首先映射到一个函数,然后再参与线性计算。这样就可以表达特征与结果之间的非线性关系。

​ 从二维空间中引入问题,例如房屋的价格和房屋的面积是有一定关系的,以下是一些房屋的数据

QQ截图20170829180302

​ 我们可以把这些数据绘制成二维图

2png

​ 还记得我们一开始说的,就是要从已知数据中,进行回归绘制,产生一条回归函数,用来预测新的房屋价格,这里先给出对应的回归函数图形。

31

这个过程就是线性回归,那么我们如何进行线性回归呢?在二维上,我们已经在高中就学会了,因为二维的线性回归方程就是y = kx +b ,这个函数的求解我们再熟悉不过了。可是如果在三维、四维、N维中如何求解,回到这个例子,这里只描述一个feature,就是房屋大小,如果还有影响房屋价格的因素,比如房屋的朝向、房屋的地理位置等,也就是说feature有多个,整个数据模型处于多维度空间中了。

不要怕,细细分析。😀

阅读全文 »

spring boot 热部署

发表于 2017-04-17 | 分类于 后台开发   |   阅读次数

Spring boot 热部署

每次修改代码后都要重启tomcat感觉很麻烦,于是找了下资料,发现spring boot1.3以上就有热部署功能,我用的是1.4版本,此时不用待何时。

环境信息

  • idea
  • spring boot 1.4

废话不多说,直接使用教程。

阅读全文 »

测试

发表于 2017-04-12   |   阅读次数
Yan Zhong

Yan Zhong

show me the code

7 日志
1 分类
6 标签
GitHub 简 书
© 2019 Yan Zhong
由 Hexo 强力驱动
主题 - NexT.Mist