重构

背景 项目需要把bert-serving-client由python用java实现，因为java比python快一些，于是就开始了尝试 先上bert-as-service的github地址： https://github.com/hanxiao/bert-as-service 其中client的init.py文件地址： https://github.com/hanxiao/bert-as-service/blob/master/client/bert_serving/client/__init__.py 主要实现其中encode、fetch、fetchAll和encodeAsync 导包 bertClient主要用到zeroMq和json，前者用来提供和服务端的连接，后者格式化传输数据。两者pom依赖如下 <dependency> <groupId>org.zeromq</groupId> <artifactId>jeromq</artifactId> <version>0.5.1</version> </dependency> <!-- for the latest SNAPSHOT --> <dependency> <groupId>org.zeromq</groupId> <artifactId>jeromq</artifactId> <version>0.5.2

本文链接：https://blog.csdn.net/weixin_43013761/article/details/102869562 以下链接是个人关于MVSNet(R-MVSNet)-多视角立体深度推导重建 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 3D点云重建0-00：MVSNet(R-MVSNet)–目录-史上最新无死角讲解：https://blog.csdn.net/weixin_43013761/article/details/102852209 前言 在进行论文翻译和讲解之前，我要给大家说清楚一些事情MVSNet（2018），R-MVSNet（2019）分别各自都对应有自己的论文，也就是有两篇，我首先为大家讲解的是第一篇，也就是MVSNet，后面再给大家讲解R-MVSNet。那么我们就开始把。 摘要 他讲他们提出了一种，从多个视觉图片进行深度图推导的方法，并且可以进行端到端的学习训练。再这个网络中，他们首先从输入图像提取特深度图特征，然后结合多个稍微有点不同的，单应性锥形特征图去构建3D cost volume（这里保存的信息，主要是视觉差的信息），下面就是对这个立体特征进行3D卷积，让立体特征更加有序，并且生成最初始的深度图

https://blog.csdn.net/niiick/article/details/81952126 https://www.cnblogs.com/ZegWe/p/6243883.html Kruskal重构树—性质 1.是一个小/大根堆(由建树时边权的排序方式决定) 2.LCA(u,v)的权值是 原图 u到v路径上最大/小边权的最小/大值(由建树时边权的排序方式决定) Kruskal重构树—建树 模仿kruskal的过程 先将边权排序 (排序方式决定何种性质接下来说明) 依次遍历每条边 若改变连接的两个节点u和v 不在一个并查集内 就新建一个结点node 该点点权为这条边的边权 找到u，v所在并查集的根ui,vi u_i,v_iu i ​ ,v i ​ 连边(node,ui)(node,vi) (node,u_i)(node,v_i)(node,u i ​ )(node,v i ​ ) 并更新并查集fa[ui]=node,fa[vi]=node fa[u_i]=node,fa[v_i]=nodefa[u i ​ ]=node,fa[v i ​ ]=node 遍历完原图所有边后 我们建出来的必定是一棵树 也就是我们要的kruskal重构树 注意这棵树是以最后新建的结点为根的有根树 若原图不连通，即建出的是一个森林 那么就遍历每个节点，找到其并查集的根作为其所在树的根 1

读《重构-改善既有代码的设计》 断断续续，加上过年，花了快2个月吧，把《重构-改善既有代码的设计》读完了，这里总结下。 发现此书背景 读的感觉 知识感触 发现此书背景 这本书是从同事的桌子上发现的，读了三四页之后就被吸引住了。现在想来，主要是因为作者写的简洁明了，上来第一章就使用了一个简洁而不简单的示例，讲述了重构的过程，而不是一上来就长篇大论，而且作者运用了对比的方式，左侧是重构前的代码，右侧是重构后的代码。一下子就吸引住了我的目光，然后当晚就在办公室读起来，读了很多页。下面就是这货… 读的感觉 读到大半截，发现里面使用的技术虽然是java1.1 1.2，但是还是像封面上讲的依旧是经典，而且真是开发者进阶的书目。 书上叙述的的东西，工作几年后，你可能平时中都有使用，但是作者却是形成了一个体系，以分片段，用对比，讲述这样做重构后的好处及步骤。 同时作者也不会硬性的要求你这样那样去做，他会直接了当的列出各种情况，在哪些情况下，你适合这样去做，以及作者有时候也会说他也分辨不出，让你击节赞叹，你才发现原来我的疑惑是正常的现象，这真是一个很真实很严谨的作者。 知识感触 1.第一个示例完成后，作者开始长篇论，这里很重要。其中的内容解决了大家对重构的各种问题。 我感触很深的有以下几点 重构与设计的关系，开始做设计，很多人会做过度设计，因为设计者为了后续的扩展需要，但是他也知道现在设计多了

IDEA Rider2019.2月版本相比之前2018版本多了新功能，又支持Edit and Continue，所以准备试用一段时间，最喜欢它的两个功能 1、占内存小，重构功能强大，Resharper插件占资源较多，会拖慢整个电脑，毕竟不是亲生的。 2、强制运行跳转到某个位置功能，vs需要手动拖，不方便，并且catch了还能指定跳转，vs catch之后就不能再从上面开始了，必须从新执行。 3、错误提示功能强大，但也有弊端，不想看的错误提示一堆，强迫症不能忍。 4、IDEA和其它同类工具操作习惯一致，用了这个，写Android,Java应用不至于不习惯。 来源： https://www.cnblogs.com/zhaogaojian/p/11917861.html

Mallet小波在小波届的地位类似fft在傅立叶变化中的地位，在分解过程中先滤波后抽取，重构过程中先插值后滤波，可以操作正交小波变换和双正交小波变换。 本文中的程序是对构造的信号进行高低通滤波，之后再进行高低频重构，实现matlab中Mallet小波的基本操作。 %% 本程序采用Mallat算法对信号进行小波分析 clc;clear; close all; % 1 正弦波定义 f1= 50; % 频率1 f2= 100; % 频率2 fs= 2*(f1+f2); % 采样频率 Ts= 1/fs; % 采样间隔 N= 120; % 采样点数 n= 1:N; y= sin(2*pi*f1*n*Ts)+ sin(2*pi*f2*n*Ts); % 正弦波混合 figure(1) subplot(2,1,1) plot(y); title('原始信号'); subplot(2,1,2) stem(abs(fft(y))); title('原始信号频谱'); % 2 小波滤波器 h= wfilters('db30', 'l'); % 低通 g= wfilters('db30', 'h'); % 高通 h= [h,zeros(1,N-length(h))]; %补零（圆周卷积，且增大分辨率便于观察） g= [g,zeros(1,N-length(g))]; %补零（圆周卷积，且增大分辨率便于观察

一、重构原则 1、何谓重构 对软件内部结构的一种调整，目的是在不改变软件可观察行为的前提下，提高其可理解性，降低其修改成本。 另一种解释是：使用一系列重构手法，在不改变软件可观察行为的前提下，调整其结构。 重构不止是代码整理，它提供了一种高效且受控的代码整理技术 2、为何重构 改进软件设计：如果没有重构，程序的设计会逐渐变质，重构很像是在整理代码，你所做的就是让所有的东西回到应处的位置上。 帮助找到bug：对代码进行重构，可以深入理解代码的作为，在搞清楚程序结构的同时，想不把bug揪出来都难。 提高编程速度： 良好的设计是快速开发的根本 ，改善设计、提高可读性，减少错误，这些都是提高质量。 3、何时重构 任何情况下我都反对专门拨出时间进行重构。重构本来就不是一件应该特别拨出时间做的事情， 重构应该随时随地的进行。 三次法则 第一次做某件事情是只管去做；第二次做类似的事情会产生反感；第三次再做类似的事，你就应该重构 最常见的重构时机是想给软件添加新特性的时候； 重构的另个一原动力是：代码的设计无法帮助我轻松的添加所需要的特性 修改错误的时候 review代码的时重构 间接层和重构 计算机科学是这样一门科学：它相信所有的问题都可以通过增加一个间接层来解决。 大多数重构都为程序引入了更多的间接层，重构往往把大型的对象拆成多个小型的对象，把大型的函数拆成多个小型的函数。 但是

简单的求取下灰度图像的幅度谱和相位谱并进行双谱重构： 直接上代码： clear all Picture = imread('E:\others\Picture\Library.jpg'); Picture_Gray = rgb2gray(Picture);%灰度处理 Picture_FFT = fft2(Picture_Gray);%傅里叶变换 Picture_FFT_Shift = fftshift(Picture_FFT);%对频谱进行移动，是0频率点在中心 Picture_AM_Spectrum = log(abs(Picture_FFT_Shift));%获得傅里叶变换的幅度谱 Picture_Phase_Specture = log(angle(Picture_FFT_Shift)*180/pi);%获得傅里叶变换的相位谱 Picture_Restructure = ifft2(abs(Picture_FFT).*exp(j*(angle(Picture_FFT))));%双谱重构 figure(1) subplot(221) imshow(Picture_Gray) title('原图像') subplot(222) imshow(Picture_AM_Spectrum,[])%显示图像的幅度谱，参数'[]'是为了将其值线性拉伸 title('图像幅度谱')

原来项目比较古老，前台是用delphi，后台有用Ejb做……这货已经很少有人见过了……，现在公司主要项目都转到play上，所以这个项目也重构。 第一阶段是将SSE 迁移到play，尽量不改动代码，只要能运行即可。 需求就是这样，要做的工作不少，因为play是类Rails的框架，与传统的SSH2不在一条线上。 大致步骤如下： 第一步，去掉多余的注解，包括spring的，Struts2的，EJB的。 第二步，将原来用spring的注入的对象new出来。 第三步，将play的请求转发到原来action层。 前两步这里不讨论，重点在第三步。 在请求-响应的实现模式上，play属于参数-返回模式，而struts2属于Pojo模式。前者将请求参数封装在响应方法的参数列表中，后者将请求封装在响应类的类变量中。原始http请求数据在play与struts2中传输就是一个大问题。因为我们不能用play框架自动地将请求表单参数反序列化成对象。 如： student.id=1&student.name=zhangshan&student.friends[0].id=2&student.friends[0].name=lisi 一般转换工作都是MVC框架帮我们做的，如果没有框架帮忙，会比较麻烦，我原本打算用ognl做这个工作的，但是后来发现有ognl不能初始化数组，导致数组越位问题，所以就放弃了。 针对

20182301 2019-2020-1 《数据结构与面向对象程序设计》实验7报告 课程：《程序设计与数据结构》 班级： 1823 姓名： 赵沛凝 学号：20182301 实验教师：王志强 实验日期：2019年11月1日 必修/选修： 必修 1.实验内容 定义一个Searching和Sorting类，并在类中实现linearSearch,SelectionSort方法，最后完成测试。要求不少于10个测试用例，提交测试用例设计情况（正常，异常，边界，正序，逆序），用例数据中要包含自己学号的后四位，提交运行结果图。 重构你的代码 把Sorting.java Searching.java放入 cn.edu.besti.cs1823.（姓名首字母+四位学号） 包中（例如：cn.edu.besti.cs1823.G2301）把测试代码放test包中，重新编译，运行代码，提交编译，运行的截图（IDEA，命令行两种） 参考http://www.cnblogs.com/maybe2030/p/4715035.html ，学习各种查找算法并在Searching中补充查找算法并测试，提交运行结果截图 补充实现课上讲过的排序方法：希尔排序，堆排序，二叉树排序等(至少3个) 测试实现的算法（正常，异常，边界），提交运行结果截图（如果编写多个排序算法，即使其中三个排序程序有瑕疵，也可以酌情得满分）