scratch

香橙派Orange Pi 系列开发板是开源的单板电脑，新一代的arm开发板,可以运行Android、Ubuntu、Debian等操作系统。CPU使用全志H3系、RK3399等芯片，拥有多种内存规格提供选择。我们可以用它搭建： 一台计算机 一个无线网络服务器 游戏机 音乐播放器 高清视频播放器 扬声器 Android Scratch 更多的各种功能，因为 Orange Pi 开发板 是开源的。 Orange Pi 开发板可以选择连接显示器、串口登录，如果使用Linux 系统，还可以选择SSH远程登录开发板，下面就来介绍下如何使用SSH远程登录香橙派开发板。 工具/原料 香橙派开发板（本文以Orange Pi PC Plus开发板为例） 烧好Ubuntu系统的TF卡（内存8G以上class10级别的正规品牌TF卡） 交叉或直联网线 安装有 ssh 登录软件的笔记本电脑 1、查看 IP 地址 为了远程登录香橙派开发板，首先需要获取开发板的 IP 地址。我们可以通过串口来查看 2、使用 xshell 新建一个 ssh 连接 名称：输入这个 ssh 连接的名字，比如板子的名字 OrangePi 主机：输入板子的 IP 地址 然后按确定就可以了 3、打开刚才新建 ssh 连接 提示是否接受主机的密钥，这里我们选择接受并保存即可 4、然后会提示输入登录的用户名，我们可以输入 root 5

Vulkan(1)用apispec生成Vulkan库 我的Vulkan.net库已在（ https://github.com/bitzhuwei/Vulkan.net ）开源，欢迎交流。 apispec.html 在Vulkan SDK的安装文件夹里，有一个Documentation\ apispec.html 文件。这是一个由代码 生成 的对Vulkan API的说明。它包含了Vulkan API的枚举类型、结构体、函数声明以及这一切的详细 注释 。 由于它是自动生成的，所以其格式非常规则。只需将少数几处<br>改为<br />，几处<col .. >改为<col .. />，就可以直接用 XElement 来加载和解析它。 由于它包含了每个枚举类型及其成员的注释，包含了每个结构体及其成员的注释，包含了每个函数声明及其参数的注释，我就想，如果我能将它转换为C#代码，那会是多么美妙的一个Vulkan库啊！ 我在网上找到的几个Vulkan库，基本上都没有什么注释，这让我使用起来很不方便，严重妨碍了学习速度。很多结构体的成员类型都是粗糙的 IntPtr ，而不是具体类型的指针，这也使得用起来很麻烦。 那么就动手做自己的Vulkan库吧！ 分类 首先，要将巨大的apispec.html文件里的内容分为几个类别，即C宏定义、Command（函数声明）、Enum、Extension、Flag

今天推荐的这个项目是「 Bringing-Old-Photos-Back-to-Life 」，是一个修复旧照片的项目，让旧照片重现生机。 这个项目提供了一个 Colab Demo，可以在这个 Demo 上使用你的旧照片尝试恢复一下，看看效果。 Colab Demo 地址： https://colab.research.google.com/drive/1NEm6AsybIiC5TwTU_4DqDkQO0nFRB-uA?usp=sharing 要求： 代码在安装了 Nvidia GPUs 和 CUDA 的 Ubuntu 上进行测试。 运行该代码需要 Python >= 3.6。 如何使用： 1、 Full Pipeline 你可以通过一个简单的命令，安装和下载预训练模型，轻松恢复旧照片。 对于没有划痕的图像： python run . py -- input_folder [ test_image_folder_path ] \ -- output_folder [ output_path ] \ -- GPU 0 对于有划痕的图像： python run . py -- input_folder [ test_image_folder_path ] \ -- output_folder [ output_path ] \ -- GPU 0 \ -- with_scratch 2、

时下，少儿编程非常火热。网络上不时可以看到各类编程广告，前2天刚看到张泉灵、李开复等大咖都为某少儿编程培训站台代言，市面上各类机器人培训、少儿编程培训也是异常火爆。前不久，工信部推出了中国首个AI等级考试“青少年人工智能技术水平 测试”。可见，知识焦虑已经由中年大叔蔓延到了下一代的少年儿童。 之前，有朋友问我会不会给自己儿子报编程培训？这个答案我目前不好直接回答，一是要看小孩有没兴趣,当然这个可以引导。二是要看有没有合适的培训机构，再好的东西如果没有好的教授者和讲授方法，小孩是不容易接受的。总的来说，小孩的培训应该在轻松前提下，加上兴趣的推动（至少不排斥），如果再能碰上良师+好友，那这个培训就是值得的。 少儿编程，通常针对的是6岁以上，12岁以下（即小学年龄阶段）的儿童。 这个年龄阶段的儿童，已经有了基本的数理逻辑能力，是可塑 性 很强的群体。 因此，单从年龄段上来看， 少儿时期是培养逻辑思维能力的重要时期。 工具上看，目前比较适合少儿学习的工具是scratch。Scratch是一款由麻省理工学院(MIT) 设计开发的一款面向少年的简易编程工具。在2012年在中国得到普及，2013在上海举行比赛。针对 8 岁以上孩子们的认知水平，以及对于界面的喜好，MIT 做了相当深入研究和颇具针对性的设计开发。对于这款软件，我没有深入去使用过，仅在网页上做了粗粗的了解。 下面

特 点 数字星球正向人类走来，全球的“编程风”愈刮愈烈，已有24个国家在基础教育中设立了编程课程。对于提高我国少儿教育质量而言，少儿编程教育亦有非常大的优势。具体表现为： 1.少儿编程教育并非是要求几岁的孩子学习C语言、Java等工业级开发语言，而是通过编程游戏启蒙、可视化图形编程等课程，培养孩子的计算思维和创新解难能力。 2.不仅可以帮助孩子迅速了解计算机、机器人的运作方式，也能激发其学习兴趣，对自我探索、设计思维都有提升。 3.编程教育是一个多学科的大融合，涵盖科学、技术、数学等，注重知识的灵活运用，比学科分离、注重知识点记忆的传统教育更适应现实需要。 4.可培养孩子的观察能力、动手能力、应变能力、表达能力、团结协作能力、社交能力等，让孩子全方位发展。相比于传统应试教育注重考试和升学，通过标准答案限制学生的思想，少儿编程教育更注重锻炼学生的创造力和想象力，培养摸索和创新的精神，启发孩子独立思考。 现阶段，市面上 儿童 学习编程的模式主要有两种。 一种是脚手架模式，借助游戏闯关的形式，就像造房子一样，通过脚手架辅助搭建小程序，从而让孩子学习编程。这些小游戏因为是图形显示，非常直观，很容易激发孩子对编程的兴趣，典型的代表有Tynker、CodeMonkey。 另一种是PBL模式(Project Based Learning)，该模式强调学生的主动学习，将学习与任务挂钩

翻译：陈丹 校对：车前子 本文 约5400字 ，建议阅读 15 分钟 本文是一个教授如何优化神经网络模型的基础教程，提供了具体的实战代码供读者学习和实践。 深度学习的神经网络是采用随机梯度下降优化算法对训练数据进行拟合。 利用误差反向传播算法对模型的权值进行更新。优化和权值更新算法的组合是经过仔细挑选的，是目前已知的最有效的拟合神经网络的方法。 然而，也可以使用交替优化算法将神经网络模型拟合到训练数据集。这是一个有用的练习，可以了解更多关于神经网络的是如何运转的，以及应用机器学习时优化的中心性。具有非常规模型结构和不可微分传递函数的神经网络，也可能需要它。 在本教程中，您将了解如何手动优化神经网络模型的权重。 完成本教程后，您将知道： 如何从头开始开发神经网络模型的正向推理通路。 如何优化二值分类感知器模型的权值。 如何利用随机爬山算法优化多层感知器模型的权值。 我们开始吧。 图源土地管理局，权利归其所有 教程概述 本教程分为三个部分：它们是： 优化神经网络 优化感知器模型 优化多层感知器 优化神经网络 深度学习或神经网络是一种灵活的机器学习。 它们是受大脑结构和功能的启发而来的，由节点和层次组成的模型。神经网络模型的工作原理是将给定的输入向量传播到一个或多个层，以产生可用于分类或回归预测建模的数值输出。 通过反复将模型暴露在输入和输出示例中

zookeeper（下文简写为zk）大家都不陌生。但是，看到很多同学对zookeeper的理解过于程式化，有些地方甚至需要背，是大可不必的。把本质理解了，概念性和功能介绍都可以推出来的，而且架构要活学活用，透过现象看本质，才能对技术和技术领悟有大的提升。下面来看下zk的功能及本质。 zookeeper的定义及用途 我们先了解官方的定义。 Apache ZooKeeper is an effort to develop and maintain an open-source server which enables highly reliable distributed coordination. Apache ZooKeeper 是一个致力于开发和维护开源服务器，该服务器实现高可用的分布式协调框架。 ZooKeeper is a high-performance coordination service for distributed applications. It exposes common services - such as naming, configuration management, synchronization, and group services - in a simple interface so you don't have to write them

翻译：陈丹 校对：车前子 本文 约5400字 ，建议阅读 15 分钟 本文是一个教授如何优化神经网络模型的基础教程，提供了具体的实战代码供读者学习和实践。 标签：神经网络优化 深度学习的神经网络是采用随机梯度下降优化算法对训练数据进行拟合。 利用误差反向传播算法对模型的权值进行更新。优化和权值更新算法的组合是经过仔细挑选的，是目前已知的最有效的拟合神经网络的方法。 然而，也可以使用交替优化算法将神经网络模型拟合到训练数据集。这是一个有用的练习，可以了解更多关于神经网络的是如何运转的，以及应用机器学习时优化的中心性。具有非常规模型结构和不可微分传递函数的神经网络，也可能需要它。 在本教程中，您将了解如何手动优化神经网络模型的权重。 完成本教程后，您将知道： 如何从头开始开发神经网络模型的正向推理通路。 如何优化二值分类感知器模型的权值。 如何利用随机爬山算法优化多层感知器模型的权值。 我们开始吧。 图源土地管理局，权利归其所有 教程概述 本教程分为三个部分：它们是： 优化神经网络 优化感知器模型 优化多层感知器 优化神经网络 深度学习或神经网络是一种灵活的机器学习。 它们是受大脑结构和功能的启发而来的，由节点和层次组成的模型。神经网络模型的工作原理是将给定的输入向量传播到一个或多个层，以产生可用于分类或回归预测建模的数值输出。 通过反复将模型暴露在输入和输出示例中

北京时间2019年5月16日凌晨，国际顶级学术期刊《自然》（Nature）在线发表了一篇来自中国科学家的成果：中国的嫦娥四号月球探测器2019年1月3日在月球背面的冯卡门陨石坑（Von Kármán crater）着陆，并部署了玉兔二号月球车对南极-艾托肯盆地（South Pole-Aitken）进行探测，科学家利用可视-近红外成像光谱仪（VINS）的光谱初始观测结果推断出，月球表面存在的低钙辉石和橄榄石矿物可能起源于月球地幔。这也是人类首份月球背面幔源物质初步证据。 0 1 先来两张今天案例效果的剧照镇楼，后边在一步步刨析知识点。 上图因为制作gif月球公转有点不协调请忽略 我们先来了解一些天文常识：地球和月球都会自转的，并且地球还围绕太阳公转一圈365个地球日，月球绕地球转一圈的公转周期为27.3个地球日，月球在绕地球公转的同时进行自转，周期为27.3个地球日，都正好是一个恒星月，这种现象我们称“同步自转”；【公众号： Scratch 青 少儿编程 课堂】 这里大家估计就会疑问了，为啥月球会有一面永远背对着地球？我们一直看不到它，它为何如此神秘，下面小编就一步步揭开它神秘的面纱。首先来了解一下潮汐锁定：一个天体在另一个天体的引力作用下自转与公转同步的一种常见天体运行方式！上图即为月球在地球冲力梯度内同步公转的情况，为方便理解，在月球上朝向地球的 方向 标记乐一个小白点

在科学计算领域，使用最多的Linux发行版应该就是RedHat和CentOS了。而CentOS相当于是RedHat的免费版，所以一般安装CentOS。本文将详细介绍如何从U盘安装CentOS 7.4版本。前提是已经制作好安装U盘。 机器从U盘启动后将看到如下界面： 选择 Install CentOS 7 。如果直接按回车，一般会无法继续安装程序，其解决办法见“ 集群管理笔记（二） ”(使用光盘或在虚拟机中安装一般没有这个问题）。需要将下图中LABEL后面的参数改为U盘的名称，然后继续 下一步是选择安装程序的语言，选英语或中文都无所谓，笔者选择了英文。 接下来就进入安装界面的汇总，也就是下面我们要完成这个界面上的9项设置。 1 日期和时间 在地图上点到中国，设定好时区，再把日期和时间调好。不设置或设置错了也不用担心，后面安装完进入系统后还可以修改时间。 2 键盘 一般选择英文美式键盘。 3 语言支持 这里我一般把中文勾上。虽然一般也用不上。 4 安装源 一般默认的就是插进去的U盘。可以不做修改。 5 软件选择 这一步选择需要安装的软件，可以根据各自的需要选择。我一般选择最后一个Development and Creative Workstation，并把右边可选的都勾上。如果看不懂，勾上反正无所谓。如果有组件没安装上也不用担心，后面还可以进入系统再手动安装。 6 安装位置