Framework

关注本人的同学可能发现，我最近点评的文章都是关于"GNN在推荐系统应用"方向的。这当然与现如今这个方向非常火有关，但是作为一个合格的炼丹师+调参侠，总要搞清楚一门技术为什么火？这么火的技术对于自己是否有用？根据我的理解，由“传统机器学习→深度学习→图计算或知识图谱”这一路下来的发展脉络如下： 一切技术的目标都是为了更好地“伺候”好“ 推荐系统的一等公民 — ID类特征 ”。用户购买过的商品、光顾过的店铺、搜索过的关键词、商品的分类与标签，都是这样的ID类特征 传统的机器学习只会“ 严格匹配 ”。用户喜欢喝可口可乐，算法不会给他推百事可乐，因为“可口可乐”与“百事可乐”是两个不同的概念，占据了两个不同的ID。这时的推荐算法只有“ 记忆 ”功能。 深度学习的特点是， 一切皆可embedding 。通过将“可口可乐”与“百事可乐”都扩展成embedding向量，发现这两个“概念”不是正交的，反而在向量空间里非常相近，从而推荐系统有机会给一个只喝过可口可乐的用户推荐百事可乐。这时的推荐算法不再只能记忆，而是有了举一反三的“ 扩展 ”功能。 而到了“图计算”或“知识图谱”的阶段，ID类特征换了个名字，变成图上的节点或者知识图谱中的entity。换名字是小事，关键是 这些ID不再是孤立的，而是彼此关联，从而带来了信息的传递 。之前，小明喝过“可口可乐”，只有“可口可乐

导读： 在《会展云技术解读》专题中，我们先发推出了 5 篇文章，分别从安全、设计、智能推荐系统、移动监控、视频直播等维度深入解读会展云背后的技术能力： 安全篇——多重安全保障护航云上会展 设计篇——基于服务设计的线上展览 智能推荐篇——深度解读智能推荐系统搭建之路 移动监控篇——面对突发事故，APP如何做好崩溃分析与性能监控？ 后疫情时代的会展云，如何打造一场完美视频直播？ 本篇文章我们将继续介绍会展云中的Flutter技术应用。 会展云解决方案覆盖了业务，技术，平台，应用四个层面，业务层面提供科技感十足的云上展厅、多种模式的论坛会议等；应用层面有多种解决方案，直播解决方案、视频会议解决方案、移动研发解决方案等；技术层面依托海量弹性云计算能力和充足可扩展的云存储及带宽资源，集成了多种京东中台平台的能力，有技术中台、数据中台、智能中台及业务中台能力，可快速响应前台应用的需求。 作为云上展会，最终呈现给广大参会者的对外窗口必然是网站、APP、H5、小程序等线上系统，移动开发必然是重中之重。 众所周知，Flutter是谷歌公司提供的跨平台UI工具包，支持跨Android、iOS等多个平台复用代码，同时允许应用程序直接与基础平台的服务交互。其设计目的是使开发人员能够在不同平台上尽量复用代码，交付高性能的应用。 作为可扩展的分层系统，Flutter有一系列独立的库，每一个库都依赖于更底层的库

友情提醒： 阅读此文需要java、Maven环境搭建技能，关于java开发环境及maven环境搭建请咨询谷哥和度娘 。 搭建TinyWeb工程环境 搭建一下TinyWeb的开发环境，是非常简单的 如果你没有下载过Tiny框架，请在命令行中输入下面的命令： mvn archetype:generate -DarchetypeGroupId=org.tinygroup -DarchetypeArtifactId=webappproject -DarchetypeVersion=0.0.13-SNAPSHOT -DgroupId=org.tinygroup -DartifactId=webhello -Dversion=1.0-SNAPSHOT 中间会让你确认一下输入是否正确，回答Y即可，运行完毕之后，就会在当前目录中生成一个webhello的目录，里面包含了tiny的web工程目录。 如果你已经在本地安装过tiny框架，那么请在命令行中简单输入下面的命令： mvn archetype:generate -DarchetypeCatalog=local 这时会显示一个菜单，如下： D:\studytiny>mvn archetype:generate -DarchetypeCatalog=local D:\studytiny>set MAVEN_OPTS= -Xms2560m

欢迎点击上方蓝字，关注啦~ 相关阅读： 容颜渐失！GAN来预测？ GAN整整6年了！是时候要来捋捋了！ 弱水三千，只取你标！AL（主动学习）结合GAN如何？ 异常检测，GAN如何gan ? 虚拟换衣！速览这几篇最新论文咋做的！ 脸部妆容迁移！速览几篇用GAN来做的论文 【1】GAN在医学图像上的生成，今如何？ 01-GAN公式简明原理之铁甲小宝篇 001 (2019-12-18) Unsupervised Adversarial Image Inpainting https://arxiv.xilesou.top/pdf/1912.12164.pdf 002 (2019-12-10) Bias Remediation in Driver Drowsiness Detection systems using Generative Adversarial Networks https://arxiv.xilesou.top/pdf/1912.12123.pdf 003 (2019-12-27) Graduate Employment Prediction with Bias https://arxiv.xilesou.top/pdf/1912.12012.pdf 004 (2019-12-26) Towards Better Understanding of Adaptive

今天从杭州到重庆，登机时间晚了20分钟，又晚了20分钟，又晚了20分钟，尼玛，这和我们软件实现的进度有得一比，总是他妈的延迟、延迟再延迟。 终于登机了，可能是MH17的事情影响了我的心情，上了飞机先仔细观察了一下，嗯嗯，看到一个空姐，比较漂亮，心情好了一点；又看到一个空姐，更漂亮，心情更好了；又看到一个空姐，依然漂亮，心情舒畅多了。 往窗外看看，发现我窗外就正好是发动机，上面刷了一行字：“The power of flight”，于是我就想：The power of Tiny是啥呢？。飞机起飞了，在云里雾里穿行，我的思绪也云里雾里的乱想，想想云计算，想想软件架构，想想系统整合，想想UFO，总之乱78糟的想。再看看云，有远的，有近的，近的快速的闪过，远处的缓慢移动。而云层又分成好多层，上面好多层，下面好多层，中间也不少层。确实与在地面看云有完全不同的感觉。有的时候，在密密的云层中，有一个小的洞，从洞里可以看到后面的云层又快速闪过，别有一番景象，而我的思绪又在Tiny框架的不同层次之间来回穿行，一会儿清晰，一会模糊。 最近写得比较多，想得比较少。从杭州到重庆，大概两个小时的航程，是不错的可以来想一想的时间，于是闭着眼睛，一块一块的缕起来： Tiny平台的进展情况：仔细考虑了一下Tiny框架的进度，整体来说已经比较完善了，但是还有如下内容没有完成： 一个HTML UI展现框架

1. 什么是Adorner 装饰器是一种特殊类型的 FrameworkElement ，可用来向用户提供可视提示。 装饰器有很多用途，可用来向元素添加功能句柄，或者提供有关某个控件的状态信息。 2. 使用Adorner实现Popup的原因 1. 通过AdornerLayer存在与独立的布局系统，不会与界面布局环论 2. 使用过WPF中的Popup就可以知道Popup中有许多的限制（例如需要实现某些效果比较麻烦) 3. 效果 4. 主要实现 1. Popup中当StaysOpen为False的情况下，当打开Popup后如果再点击其他区域时将会关闭Popup的实现（实现方法参考自Popup, 但是不采用Mouse.Capture(element)，因为会导致其他控件无法收到鼠标实现 if (StaysOpen) return ; Point pos = e.GetPosition(ListenMouseElement); HitTestResult hitResult = VisualTreeHelper.HitTest(ListenMouseElement, pos); if (hitResult == null ) { IsOpen = false ; return ; } // 如果点击对象对Child则返回 if (TreeHelper.IsDescendantOf

之前部署tars是自己编译安装的，最近想把原来的tars集群迁移到新的版本，打算用docker部署的方式，所以搞了台服务器试了下，发现docker的方式安装还是很方便的，所以把过程记录下来 1. 安装docker 这个去网上找相关文档吧，这里就不细说了 2. 创建虚拟子网 # 创建一个名为tars的桥接(bridge)虚拟网络，网关172.25.0.1，网段为172.25.0.0 docker network create -d bridge --subnet=172.25.0.0/16 --gateway=172.25.0.1 tars 3. 运行mysql sudo docker run -d -p 3306:3306 \ --net=tars \ -e MYSQL_ROOT_PASSWORD="tars123" \ --ip="172.25.0.2" \ -v /data/framework-mysql:/var/lib/mysql \ -v /etc/localtime:/etc/localtime \ --name=tars-mysql \ mysql:5.6 4. 运行tars框架 sudo docker pull tarscloud/framework:v2.4.10 sudo docker run -d \ --name=tars-framework \ --net

本篇是论文Wide & Deep Learning for Recommender Systems的阅读笔记，这是谷歌的一篇发表在2016的论文。 ABSTRACT 对于解决regression和classification问题，有两类方法，一种是wide的一种是deep的。wide，通常是linear model，输入特征很多，带有能够实现非线性的交叉特征（所以wide。）。deep，主要就是基于神经网络的模型啦。 任何事情都有两面性，有利就有弊。wide的模型有什么好处呢？特征之间是如何相互作用的，是一目了然的，也就是可解释性好。缺点呢？特征工程很费劲，而且历史数据中没有的模式是学不到的。deep的模型有什么好处呢？更加general，可以学到一些没见过的特征组合（因为是基于对query和item做embedding的）。缺点呢？过分general了，可能会推荐出一些不相关的东西。 这篇论文提出的模型，就是把wide的模型和deep的模型融合到一起，让两种模型相互制约，取两种模型的优点。 如何融合？如何联合训练？为什么效果比单独的linear model或者deep model效果好。是这篇论文最值得研究的点。 这篇论文还从工程的角度，描述了如何部署，这也是值得学习借鉴的。 INTRODUCTION 这个部分作者进一步解释了abstract中提到的几个点。 One

Flutter 的 生命周期 说到 Flutter 的生命周期，其实就是说 StatefulWidget 的生命周期，因为 StatelessWidget 是静态控件。 StatefulWidget，通过借助于 State 对象，处理状态变化，并体现在 UI 上。这些阶段，就涵盖了一个组件从加载到卸载的全过程，即生命周期。 而一个应用的生命周期，包括了页面组件的生命周期和整个 app 的生命周期。我们分别了解下。 State 生命周期 首先我们看下 State 里面的这几个方法： @override void initState() { super.initState(); print('MyHomePage==initState'); } @override void didChangeDependencies() { super.didChangeDependencies(); print('MyHomePage==didChangeDependencies'); } @override void didUpdateWidget(MyHomePage oldWidget) { super.didUpdateWidget(oldWidget); print('MyHomePage==didUpdateWidget'); } @override void reassemble()

前言 首先我们来了解一下什么是Coscheduling和Gang scheduling。Wikipedia对 Coscheduling 的定义是“在并发系统中将多个相关联的进程调度到不同处理器上同时运行的策略”。在Coscheduling的场景中，最主要的原则是保证所有相关联的进程能够同时启动。防止部分进程的异常，导致整个关联进程组的阻塞。这种导致阻塞的部分异常进程，称之为“碎片（fragement）”。 在Coscheduling的具体实现过程中，根据是否允许“碎片”存在，可以细分为Explicit Coscheduling，Local Coscheduling和Implicit Coscheduling。 其中Explicit Coscheduling就是大家常听到的 Gang Scheduling 。Gang Scheduling要求完全不允许有“碎片”存在， 也就是“All or Nothing”。 我们将上述定义的概念对应到Kubernetes中，就可以理解Kubernetes调度系统支持批任务Coscheduling的含义了。 一个批任务（关联进程组）包括了N个Pod（进程），Kubernetes调度器负责将这N个Pod调度到M个节点（处理器）上同时运行。如果这个批任务需要部分Pod同时启动即可运行，我们称需启动Pod的最小数量为min-available。特别地