Amp | 易学教程

创建第一个AMP页面【英译AMP】

阅读更多关于创建第一个AMP页面【英译AMP】

想创建您的第一个AMP页面又不知道如何开始?在本教程中，您将学习如何创建一个基本的AMP HTML页面，如何对其进行设置并验证它是否与AMP兼容，以及如何为发布和分发做好准备。 Create your first AMP page Not sure how to get started? In this tutorial, you’ll learn how to create a basic AMP HTML page, how to stage it and validate that it’s AMP compliant, and finally how to get it ready for publication and distribution. 下面的代码是一个不错的amp样板，可以做为学习的开始。复制并将其保存到扩展名为.html的文件中。 <!doctype html> <html amp lang="en"> <head> <meta charset="utf-8"> <script async src="https://cdn.ampproject.org/v0.js"></script> <title>Hello, AMPs</title> <link rel="canonical" href="https://amp.dev/documentation

yum安装node.js

阅读更多关于 yum安装node.js

删除旧的 nodejs 版本： yum remove nodejs 第1步 - 添加Node.js Yum存储库首先，您需要在Node.js官方网站提供的系统中启用node.js yum存储库。您还需要开发工具来构建要在系统上安装的本机加载项。稳定发布： $ yum clean all && yum makecache fast $ yum install -y gcc-c++ make $ curl -sL https: //rpm .nodesource.com /setup_10 .x | sudo -E bash - 第2步 - 在CentOS上安装Node.js. 在系统中添加yum存储库后，让我们安装Node.js包。NPM也将与node.js一起安装。此命令还将在您的系统上安装许多其他依赖包。 $ sudo yum install nodejs 第3步 - 检查Node.js和NPM版本安装node.js后验证并检查已安装的版本 node -v 另外，检查npm的版本 $ npm - v 安装wiki http://www.amdoing.com/docsify-is-the-simplest-blog/ 来源： oschina 链接： https://my.oschina.net/wangyunlong/blog/4282726

Java zip压缩及客户端下载

阅读更多关于 Java zip压缩及客户端下载

package cn.jxjycn.ckadmin.core.utils; import java.io.*; import java.net.URL; import java.net.URLEncoder; import java.util.ArrayList; import java.util.List; import java.util.zip.ZipEntry; import java.util.zip.ZipOutputStream; import org.apache.poi.ss.usermodel.Workbook; import org.springframework.beans.factory.annotation.Value; import org.springframework.util.StringUtils; import javax.servlet.http.HttpServletResponse; /** * @program: ckadmin * @description 压缩文件 * @author: ZhangXu * @create: 2020-06-30 16:22 **/ public class ZipUtils { public static void zip(List<String> filePaths,String

ajax标准写法

阅读更多关于 ajax标准写法

ajax 标准写法 $.ajax({ url:"http://www.microsoft.com", //请求的url地址 dataType:"json", //返回格式为json async:true,//请求是否异步，默认为异步，这也是ajax重要特性 data:{"id":"value"}, //参数值 type:"GET", //请求方式 beforeSend:function(){ //请求前的处理 }, success:function(req){ //请求成功时处理 }, complete:function(){ //请求完成的处理 }, error:function(){ //请求出错处理 } }); $.getJSON("http://api.flickr.com/services/feeds/photos_public.gne?tags=cat&tagmode=any&format=json&jsoncallback=?",function(req){ $.each(req.items,function(i, item){ if(i == vnum){ $("<img src="" + item.media.m + "" title="" + item.title + "" />").appendTo("#showjson"); } }); }); JSON

leetcode718(最长重复子数组)--Java语言实现

阅读更多关于 leetcode718(最长重复子数组)--Java语言实现

求：给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。示例 1: 输入: A: [1,2,3,2,1] B: [3,2,1,4,7] 输出: 3 解释: 长度最长的公共子数组是 [3, 2, 1]。说明: 1 <= len(A), len(B) <= 1000 0 <= A[i], B[i] < 100 题目链接： https://leetcode-cn.com/problems/maximum-length-of-repeated-subarray/ 解：思路： 1、暴力破解时间复杂度：O(N^3) 空间复杂度：O(1) 对A数组的每一次遍历，在B数组中寻找和A数组相同的元素，然后A、B同时向后寻找，如果相等当前最大长度+1，得到当次比对的最大长度。所有遍历完成后，每一趟遍历中的最大长度的最大者，就是总的最大长度。 public int findLength ( int [] A , int [] B) { int maxLen = 0 ; for ( int i = 0 ; i < A. length ; i++) { for ( int j = 0 ; j < B. length ; j++) { int k = 0 ; while (i + k < A. length && j + k < B. length && A[i + k] ==

数字货币期货交易逻辑的一点思考

阅读更多关于数字货币期货交易逻辑的一点思考

问题场景长久以来，数字货币交易所持仓API接口的数据延迟问题总是困扰着我。一直没有找到合适的处理方式，这个问题的场景我来复现下。通常合约交易所提供的市价单其实为对手价，所以有时候用这个所谓的“市价单”有些不靠谱。因此我们在写数字货币期货交易策略时，大部分用的是限价单。在每次下单后，我们要检查持仓，看看下单是不是成交了，并且持有了对应的仓位。问题就出在这个持仓信息上，如果订单成交了，交易所持仓信息接口（就是我们调用exchange.GetPosition时底层实际去访问的交易所接口）返回的数据应当是包含新开仓持仓信息的，但是交易所返回的数据如果是旧数据，即刚才下单的订单成交前的持仓信息，这样就出问题了。交易逻辑可能认为订单没有成交，继续下单。但是交易所下单接口并不延迟，反而成交很快，下单就成交。这样会造成一种严重的后果就是策略在一次触发开仓的操作时会不停的重复下单。实际经历因为这个问题，见过一个策略疯狂的开满了多头仓位，幸亏当时行情暴涨，浮盈一度超过10BTC。庆幸是行情暴涨，如果是暴跌，结局可想而知。尝试解决方案1 可以给策略设计下单逻辑为只下一次单，下单价格为当时的盘口对手价格加一个较大的滑价，去吃一定深度的对手单。这样做的好处是只下一次订单，并且不基于持仓信息判断了。这样可以避免重复下单的问题，但是有时可能价格变动比较大的时候下单会触发交易所的限价机制

使用KubeFATE在Kubernetes上部署联邦学习集群

阅读更多关于使用KubeFATE在Kubernetes上部署联邦学习集群

*本文作者系VMware CTO办公室资深研究员彭麟背景及KubeFATE架构之前我们在文章《使用KubeFATE快速部署联邦学习实验开发环境（一）》、《使用KubeFATE快速部署联邦学习实验开发环境（二）》和《使用FATE进行图片识别的深度神经网络联邦学习》中介绍过如何使用KubeFATE部署一个基于Docker Compose的FATE联邦学习集群，以便于快速尝试体验联邦学习。但随着联邦学习的正式投入使用，训练集、模型都会逐渐变大。在生产环境里，我们会遇到以下问题： FATE集群如何适应企业组织内部各种安全、合规要求，以及网络、安全域等IT环境；一台服务器已经无法支撑联邦学习的算力需求，如何部署多计算节点，并易于管理；某些节点出现问题，是否有自愈能力，保证服务的可靠性；能否实现横向扩展，适应业务的成长； FATE版本能否很好的升级管理；一个组织内是否可以有不同的联邦集群，对应不同的业务、合作伙伴、应用场景需要，如何管理多个集群。 Kubernetes是目前最流行的基础设施平台，大量的实践证明，Kubernetes很适合作为企业内部运维大规模分布式系统的平台。根据Ovum的统计，截至2019年底，一半的大数据负载都运行在Kubrenetes之上。我们团队也推荐Kubernetes作为运行FATE联邦学习集群生产环境的平台

C++ 九阴真经之字符串格式化

阅读更多关于 C++ 九阴真经之字符串格式化

提供支持C++字符格式的printf函数虽然C++中提供了iostream进行字符串格式化输出，但日常开发中还是多有不便，比如log的输出，一般还是采用printf格式化输出，但printf不支持C++的std::string, 使用时需要频繁的转换，因此实现了C++字符串自动识别的format函数。使用示例： class TestPrint { public: TestPrint() { std::cout << "TestPrint 构造函数" << std::endl; } ~TestPrint() { std::cout << "TestPrint 析构函数" << std::endl; } friend void operator << (std::iostream& out, const TestPrint& t) { out << t.val << "_" << t.a ; } private: int a = 100; std::string val = "hello"; }; int main() { std::string strMsg("my msg"); std::cout << format("this is %s --> %s", strMsg, TestPrint()) << std::endl; } 输出： TestPrint 构造函数

表格内容后有一个修改按钮，当点击该按钮时，BootStrap摸态框获取表格该行的内容做显示

阅读更多关于表格内容后有一个修改按钮，当点击该按钮时，BootStrap摸态框获取表格该行的内容做显示

摸态框触发按钮：表格行： <td>xxx</td> <td>xxx</td> <td colspan="1" class="valueId"><button class="updateBtn btn btn-primary btn-sm" data-toggle="modal" data-target="# myModal ">修改</button></td> 触发模态弹出窗元素data-target，对应下面弹窗的id 摸态框代码： <form method="post" action="xxx" class="form-horizontal" role="form" id="form_addData" style="margin: 20px;"> <div class="modal fade" id=" myModal " tabindex="-1" role="dialog" aria-labelledby="myModalLabel" aria-hidden="true"> <div class="modal-dialog"> <div class="modal-content"> <div class="modal-header"> <button type="button" class="close" data-dismiss="modal" aria-hidden=

Observablehq 美国 COVID-19 每日检测数曲线

阅读更多关于 Observablehq 美国 COVID-19 每日检测数曲线

Observablehq D3 显示美国 Covid-19每日检测数曲线本线状图用于显示每天美国 COVID-19 的每天测试量的线状图曲线我们使用的是在线 JSON 数据，数据是通过 AWS 进行读取的。你可以直接访问下面的链接来获得我们处理上传的数据。 https://cdn.ossez.com/dataset/json/covid19/covid19-daily-tested-us.json 我们做数据分析的前提是数据来源相对可靠，如果数据来源不可靠，做数据分析也没有什么太大的价值。相对每天的确诊总数来说这个更加有意思。因为用美国的检测量相对比较大，数据的波动也比较剧烈，从上面的曲线就可以看出来了。很多人都说美国疫情比较严重，确实是美国的疫情是相对人数非常多的，但是我们需要看到他们的检测量也是非常高的。从数据分析来看，美国 Covid-19 的检测能力是从 3 月8号左右开始提升的，最开始的提升并不是非常高，但是到了 5 月份以后可以看到美国的检测能力是稳步提升的，一直到 5 月11 号左右，在美国的 Covi-19 检测能力已经接近 40 万每一天。从这个曲线也可以看到，美国问题严重也是因为他们检查的数量多，检测能力比较强。对流行病来说，这种能力不是坏事。虽然我们每天都会自动上传一些数据，但是你可能的更新数据每次都不一样。我们主要也是希望通过这个平台来学习

订阅 Amp