layer

原文 Draw a smooth curve through a set of 2D points with Cubic Spline I would like to provide you with the code to draw a smooth curve through a set of 2D points with cubic spline. If we have some tabulated function y i =f(x i ) it's easy to get its cubic spline interpolant with some library code. For example, you could use the code from "Numerical Recipes in C, 2-nd Edition" book - proved source of a lot of math algorithms. Cubic spline gives an excellent interpolation in the most cases. Cubic spline is comprised from a sequence of cubic polynomials, so to draw the curve we have to approximate

本文转载自知乎，已获作者 授权转载。 https://zhuanlan.zhihu.com/p/148782886 前言 自监督的表征学习领域近几个月来获得了显著的突破，特别是随着Rotation Prediction, DeepCluster, MoCo, SimCLR等简单有效的方法的诞生，大有超越有监督表征学习的趋势。 然而，相信做这个领域的研究者都深有感触： 1）自监督任务复杂而多样，不同方法各有各的专用训练代码，难以结合、复用和改进； 2）评价方案不统一，不同的方法难以在公平环境下对比； 3）动辄百万千万的训练数据量，训练效率是个大问题。 针对这些问题，我们（香港中文大学多媒体实验室和南洋理工大学）开源了一套统一的自监督学习代码库：OpenSelfSup， 链接如下： https://github.com/open-mmlab/OpenSelfSup OpenSelfSup 统一的代码框架和模块化设计 OpenSelfSup使用PyTorch实现，支持基于分类、重建、聚类、memory bank、contrastive learning的多种自监督学习框架， 目前收录了Relative Location, Rotation Prediction, DeepCluster, OnlineDeepCluster, NPID, MoCo, SimCLR

https://mapserver.org/ MapServer是一个开放源代码平台，用于将空间数据和交互式地图应用程序发布到Web。由OSGEO批准的MapServer项目指导委员会（PSC）负责管理和管理由世界各地的开发人员和用户维护、改进和支持的项目。有关邮件列表等，请参阅社区活动页。 About： MapServer是一个用C语言编写的开源地理数据呈现引擎。除了浏览地理信息系统数据之外，MapServer还允许您创建“地理图像地图”，即可以引导用户访问内容的地图。例如，明尼苏达州的dnr娱乐指南针通过一个应用程序为用户提供超过10000个网页、报告和地图。同一个应用程序充当站点其他部分的“地图引擎”，在需要时提供空间上下文。有关更多实时示例，请参阅MapServer 网站库 。 MAPServer最初是由明尼苏达大学（UMN）Fornet项目与美国宇航局和明尼苏达自然资源部（MNDNR）合作开发的。后来，它由Terrasip项目主办，这是一个由美国国家航空航天局赞助的UMN和一个土地管理利益联盟之间的项目。 MAPServer是 OsGeo 基金会的创始项目之一，并由越来越多的开发者（从世界各地接近20）维护。它得到了各种组织的支持，这些组织为增强和维护提供资金，并且由由开发人员和其他贡献者组成的MapServer 项目指导委员会 在OSGEO内进行管理。所有源代码都是通过

MapServer Tutorial——MapServer7.2.1教程学习——第一节用例实践：Example1.3 Displaying Classes in a Layer 一、前言 　　关于第一节的案例，分别介绍了一个基本的地图站点应用程序创建和多图层地图站点 应用程序创建。这个案例 主要来介绍一下mapfile文件中 LAYER 对象里面，CLASS对象的应用。 　　同时还有如何根据CLASSITEM、EXPRESSION等配置去修改地图的显示方式。 　　最后还有一个很酷炫的方法一次性读取shp文件中的数据信息。 　　当前案例官网： https://www.mapserver.org/tutorial/example1-3.html#example1-3 　　附带一点其他的，当前系列博客的大纲博文《 MapServer Tutorial——MapServer7.2.1教程学习（大纲） 》，我会持续更新。 　　以及我所写博文的应用环境 《 MapServer Configuring with IIS 》。 　　希望能够给新手带来帮助。 二、创建 Example1.3 Displaying Classes in a Layer站点 　　 老规矩，按照先前的创建站点规则。 　　在cmd中输入：cd /d E:\SvnWorkspace\LY_WEB_GIS\branches

前言 最近准备开始认真的梳理一下目标检测的相关算法，组合成一个目标检测算法系列。之前看到了一张特别好的目标检测算法分类的甘特图，但忘记是哪里的了，要是原始出处请提醒我标注。 我也会按照这个图来讲解目标检测算法。 背景介绍 什么是目标检测 所谓目标检测就是在一张图像中找到我们关注的目标，并确定它的类别和位置，这是计算机视觉领域最核心的问题之一。由于各类目标不同的外观，颜色，大小以及在成像时光照，遮挡等具有挑战性的问题，目标检测一直处于不断的优化和研究中。 目标检测算法分类 上面那张甘特图已经说明了目标检测算法主要分为两类，即： Two Stage目标检测算法。这类算法都是先进行区域候选框生成，就是找到一个可能包含物体的预选框，再通过卷积神经网络进行分类和回归修正，常见算法有R-CNN，SPP-Net，Fast-RCNN，Faster-RCNN和R-FCN等。 One Stage目标检测算法。这类算法不使用候选框生成，直接在网络中提取特征来预测物体的分类和位置。常见的One-Stage算法有：YOLO系列，SSD，RetinaNet。 RCNN算法 贡献 RCNN是第一个使用卷积神经网络来对目标候选框提取特征的目标检测算法。同时，RCNN使用了微调(finetune)的技术，使用大数据集上训练好的分类模型的前几层做backbone，进行更有效的特征提取。 RCNN总览 看下图： 首先

今天第二篇（最近更新的都是Deep模型，传统的线性模型会后面找个时间更新的哈）。本篇介绍华为的DeepFM模型 (2017年)，此模型在 Wide&Deep 的基础上进行改进，成功解决了一些问题，具体的话下面一起来看下吧。 原文：Deepfm: a factorization-machine based neural network for ctr prediction 地址： http://www.ijcai.org/proceedings/2017/0239.pdf 1、问题由来 1.1、背景 CTR 预估 数据特点： 输入中包含类别型和连续型数据。类别型数据需要 one-hot, 连续型数据可以先离散化再 one-hot，也可以直接保留原值。 维度非常高。 数据非常稀疏。 特征按照 Field 分组。 CTR 预估 重点 在于 学习组合特征。注意，组合特征包括二阶、三阶甚至更高阶的，阶数越高越复杂，越不容易学习。Google 的论文研究得出结论：高阶和低阶的组合特征都非常重要，同时学习到这两种组合特征的性能要比只考虑其中一种的性能要好。 那么关键问题转化成：如何高效的提取这些组合特征。一种办法就是引入领域知识人工进行特征工程。这样做的弊端是高阶组合特征非常难提取，会耗费极大的人力。而且，有些组合特征是隐藏在数据中的，即使是专家也不一定能提取出来，比如著名的“尿布与啤酒”问题。

趁着学习Cadence的时间，写一篇关于元器件的原理图封装、PCB封装和3D封装制作的文章分享给大家。个人能用有限，有不足的地方，欢迎大家指出。我使用的是Cadence 16.6版本。这里以MP2359为例，先看技术手册，封装为SOT23-6，如下图所示。 一、焊盘制作 打开Pad Designer软件 因为我们做的是表贴焊盘，在Parametes选项卡中我们只修改Units为Millimeter，即单位修改为毫米。 选择Layers选项卡，勾选SIngle layer mode，表示我们使用的是表贴焊盘模式，选择BEGIN LAYER层，在Geometry中选择Rectangle焊盘，再根据手册输入Width 0.6mm和Height 1.2mm。在BEGIN LAYER层前单击鼠标右键，选择Copy，粘贴到SOLDERMASK_TOP层和PASTEMASK_TOP层，即阻焊层和钢网层。 由于阻焊层要求要比实际焊盘边距大0.1mm，所有我们还要修改阻焊层，选择SOLDERMASK_TOP层，修改Width 0.8mm和Height 1.4mm。 到这里我们焊盘制作完成，点击菜单栏File，选择Save as，命名s_rect_x0_6_y1_2.pad，我这里使用的规则s表示表贴，rect表示矩形，x为宽，y为高，点击保存即可。 注意命名除了数字、字母、下滑杠和中杆以外

原文地址https://blog.csdn.net/yyw_0429/article/details/82320409 好记性不如烂笔头，学过的知识就要记下来，否则没过多久就忘得一干二净，又要重新学习。最新使用Allegro的Orcad画了一块板子，并用Allegro设计PCB。为了避免忘记，在此记个笔记吧！ 本文使用的是Cadence 16.6，使用Orcad画原理图，导出网表在Allegro中画PCB。Allegro PCB封装设计要用的工具有Pad designer和PCB editor。 PCB封装是PCB设计的第一步，PCB封装设计错误，后果不堪设想，所以如果有现成的经过验证的封装，尽量用现成的，尤其是对新手来说。Allegro提供了可以从PCB图中提取封装的强大功能，所以在设计时如果有PCB图，可以直接提取封装。利用Allegro提取封装的方法如下： （１）首先利用PCB　Editor打开一个PCB图，点击File，再选择Export，选择Library，打开如下界面，默认全部输出，不用更改，选择一个输出路径后，点击Export，就成功将PCB图中的封装导出了。 如果没有现成的封装，那就只能自己设计了。Allegro的PCB封装设计和AD不同，将焊盘设计独立出来，使用Pad Designer设计焊盘，然后在PCB editor中调用设计好的焊盘，组成元件的封装

打造用户态存储利器，基于SPDK的存储引擎Blobstore & BlobFS https://community.mellanox.com/s/article/howto-configure-nvme-over-fabrics SPDK自动精简配置的逻辑卷使用 construct_lvol_bdev https://www.sdnlab.com/21098.html spdk 块设备层bdev https://www.cnblogs.com/whl320124/p/10064878.html https://spdk.io/doc/bdev.html#bdev_ug_introduction 转自 spdk中nvmf源码 https://mp.weixin.qq.com/s/ohPaxAwmhGtuQQWz--J6WA https://spdk.io/doc/nvmf_tgt_pg.html nvmf的spec http://nvmexpress.org/resources/specifications/ 总的知识点+较详细不同bdev配置 https://www.jianshu.com/p/b11948e55d80 https://www.gitmemory.com/issue/spdk/spdk/627/478899588 SPDK NVMe-oF target 多路功能介绍

点击按钮向div中写入Html代码 点击div代码 <div th:text="${floorMap.floor}" th:onclick="'javascript:qiehuan(\''+${floorMap.floor}+'\')'">1层</div> <input type="text" id="floorQie"> <!--读取数据input --> 将要写入Html样式的代码 <div id="renshuInner"></div> 点击写入div事件 function qiehuan(name) { $('#floorQie').val(name); $.ajax({ type: "POST", url: '../test/api',//接口请求的地址 data: {'id': id, 'name': name},//接口请求的参数 dataType: "json", success: function (data) { if (data.code == 0) { //获取接口返回的JSON数据 var peoplemap = data.data; var roomStr = ""; //循环样式加入 for (var i = 0; i < peoplemap.length; i++) { roomStr = roomStr + " <div class=\