精华内容
下载资源
问答
  • “游泳”会一直持续到到达一个完整圆圈(即找到一个之前已经找到页面),直到出现错误(遗憾是这种情况经常发生),或者直到点击“ctrl c”。 为什么? 我真不知道。 该程序灵感来自人们玩“维基...
  • 在全球海洋采样项目中搜索Steamer序列 介绍 关于在全球海洋采样 (GOS) 数据中搜索Steamer逆向元件序列初步报告。 受到启发:“软壳蛤中一种传染性肿瘤,与蛤基因组中逆转录病毒样元件相关。...来自全球海洋采样项
  • 实际上,我们能够看到地上互联网基础设施都只是冰山一角,还有无数光缆铺设在冰冷的海洋深处。 比如,这个叫做“海底光缆”家伙造吗?相比频频在我们生活中刷屏电缆、光纤,这类电信基础设备比较低调...

    盘点关于海底光缆的冷知识。

    如今,我们随时随地都可以通过互联网了解来自世界各地的资讯。不过,构成互联网的基石你了解吗?实际上,我们能够看到的地上互联网基础设施都只是冰山一角,还有无数光缆铺设在冰冷的海洋深处。

    作为互联网的基石之一,海底光缆小公举你造吗?1

    比如,这个叫做“海底光缆”的家伙你造吗?相比频频在我们的生活中刷屏的电缆、光纤,这类电信基础设备比较低调,但这并不代表它就不重要!要想把来自远洋的信息传达到彼岸,它发挥着至关重要的作用。

    据官方介绍,海底光缆又称海底通讯电缆。它是用绝缘材料包裹的导线,铺设在海底,用以设立国家之间的电信传输。海底光缆系统主要用于连接光缆和Internet,它分为岸上设备和水下设备两大部分。岸上设备将语音、图象、数据等通信业务打包传输。水下设备负责通信信号的处理、发送和接收。

    现在明白它到底是什么了吧。不过,它的日常可比这种正式的介绍更为有趣!

    一、海底光缆是身价不菲的“小公举”

    一条跨洋光缆的铺设成本可达到数亿美元!这么高的身价也是有原因的。要知道,一般海底光缆的长度达到数十万英里,一些光缆的深度相当于珠穆朗玛峰的高度。并且海底光缆由铺设船铺设,铺设过程也并不简单。通常情况下,光缆必须穿过海底的平坦表面,还得小心翼翼,避开珊瑚礁、沉船、鱼类栖息地以及其他生态栖息地和常见障碍物。

    此外,就算是土豪也不能随随便便“包养”海底光缆。如果你认为换根网线是件麻烦事,不妨想一想更换一段海底光缆所要面临的难度。当海底光缆出现破损,专业的维修船便会赶赴现场。如果光缆位于浅水区,可以派遣机器人下水,将光缆拖到水面。如果是6500英尺以上的深海区,维修船会使用专门制造的抓钩抓住光缆,而后提升至水面进行维修。有时候,抓钩会切掉受损光缆,维修船会让两端升出水面再进行修复。

    二、海底光缆的烦恼:鲨鱼喜欢撕咬 

    海底光缆与地下光缆一样脆弱,海洋中虽然没有工程机械破坏光缆,但也存在威胁,比如鲨鱼。鲨鱼很喜欢撕咬海底光缆,原因众说纷纭,有的说与电磁场有关,有的说只是因为好奇,更有人开玩笑地说它们有意破坏我们的通讯基础设施,而后发动地面攻击。不管原因是什么,鲨鱼撕咬光缆是一个不争的事实,有时会破坏互联网通讯。为了解决这个问题,谷歌等公司为他们的光缆采取了防护措施,即使用抗鲨鱼撕咬包皮。

    除了鲨鱼外,海底光缆还受到船锚、渔船拖网和自然灾害的威胁。多伦多的一家公司提议铺设一条穿过北极的光缆,将东京和伦敦连接在一起。在此之前,这种设想不可能实现,但由于气候变化导致冰盖消融,只要拥有雄厚的资金,铺设这样一条光缆的想法便可以成为现实。

    三、情报机构喜欢窃听海底光缆

    在冷战高潮时期,苏联经常在两个主海军基地之间传输经过简单加密的信号。当时的苏联官员认为深度加密很麻烦没有必要,因为两座基地使用一条海底光缆连接,穿过布满感应器的苏联领海,美国人不可能冒着点燃第三次世界大战的风险破坏光缆。

    此外,他们也不认为美军的“大比目鱼”号潜艇能够突破苏联防御部队的监视。然而,就是这艘被他们忽视的美国潜艇发现了光缆并安装了一个巨大的窃听器,窃听器每月传回一次收集的信息。这次行动被称之为“常春藤之铃”。直到前美国国安局分析师罗纳德-佩尔顿向苏联出卖情报,苏联才知道了“常春藤之铃”行动的秘密。现在,窃听海底光缆已经成为情报机构的一种“标准作业”。

    美国热爱电子间谍活动已经是个公开的秘密了。美国的科学家、工程师和企业在发明和建造全球通讯基础设施方面扮演了重要角色。大型数据线路往往穿过美国边境和海域,降低了美国人进行窃听的难度。在前国安局雇员爱德华-斯诺登曝光机密文件之后,很多国家了解到美国情报机构在截获外国数据方面达到怎样的恶劣程度,陷入无比愤怒之中。现在,一些国家正在重新考虑互联网基础设施。巴西启动了一项计划,铺设一条通往葡萄牙的通讯光缆,这条光缆不仅绕过美国,同时还特意将美国的公司排除在计划之外。

    四、海底光缆比卫星性价比高,寿命长达25年

    你也许会认为利用卫星连接互联网比海底光缆更为理想,卫星一定胜过海底光缆这个在电话诞生前发明的技术。事实上,光缆和通讯卫星都是上世纪60年代问世的。

    按目前的情况,可以说海底光缆完胜卫星!后者存在一大劣势,即发送和接收的信号需要穿过太空,耗时较长。光缆能够以达到光速99.7%的速度传输数据。如果没有海底光缆,互联网绝不会是今天这个样子。南极洲是唯一一个没有实体线路连接互联网的大陆,依靠卫星进行数据传输,带宽非常珍贵。在南极洲进行的是非常重要的气候研究,会产生大量数据,带宽绝不是个小问题。现在,南极考察站产生的数据远远超过通过卫星传输的数据。

    另外,海底光缆的寿命为25年。从容量的角度上说,海底光缆在服役期内具有经济上的可行性。过去10年时间里,全球数据消费量呈爆炸性增长趋势。


    原文发布时间:2015-11-11 16:31
    本文作者:Berry
    本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
    展开全文
  •  “水中油”是指水体中油分,主要来自工业废水、生活污水排放、动物分解等方法。 由于交通运输、工业、石油化工生产等原因,排放废水中含有许多残留石油产品–,统称为油分,对环境造成了污染。  资料显示...

    水中油检测仪快速检测和测定原油、精制油、燃料、润滑油或液压油,以及水中芳烃通量。
      “水中油”是指水体中的油分,主要来自工业废水、生活污水的排放、动物的分解等方法。 由于交通运输、工业、石油化工生产等原因,排放的废水中含有许多残留石油产品–,统称为油分,对环境造成了污染。
      资料显示,全世界每年有5-10w吨石油及其制品排入水体,可能是各种程度的污染、石油泄漏和战争因素造成的。 海洋水体中矿物油污染的来源约占60% :工业废水、城市生活污水、港口设施泄漏船舶行业作业排放量约10%; 运输事故、井喷事故、采油废水排放约10%; 其他工业、车辆及燃烧废气的沉降占18%。
      水中油的主要危害
      1 .消耗水中的DO,使水质恶化。 分散在水中的油会部分吸附在悬浮粒子上,或者以乳物质的状态存在于水体中,或者部分溶解于水中,水中的油在被微生物分解氧化的过程中消耗DO,导致水质恶化。 同时,漂浮在水体表面的油影响空气-水体界面的气体交换,形成油膜,结果水体无法及时从空气中补充O2,促进了水质恶化。
      2 .毒害鱼类,破坏渔业生产。 石油化工企业排放的污水中的油阻碍空气和水体界面的氧气交换,水面形成的油膜阻隔空气中的氧气进入水体导致鱼因缺氧死亡。 空气分散在水体中的油被微生物分解,消耗水中的溶解氧,减少植物营养所需的微生物,溶解氧下降会导致鱼类等水生动物因缺氧而死亡,恶化水质,甚至发臭。 一旦粘在水生植物的根系上,就会影响植物的蒸腾、呼吸、光合作用,从而影响生长。 一旦附着在水生生物的器官上,就会附着在鱼的鳃上,影响呼吸作用等,引起生物窒息死亡。
      3 .油中的多环芳烃类污染水源,有致癌作用。 它们多来源于烃的不完全燃烧和高温分解,通过自然和人为因素排放到环境中。 多环芳烃类气体排放到大气中会影响环境温度,传播到很远的地方,这些芳烃物质也污染土壤和水源,石油类物质危害人类消化系统,引起急性中毒。 严重的腹泻同时会引起手脚麻木、头晕、昏迷、神经紊乱等症状,对人的血液、免疫系统、肺、皮肤、眼睛等也有一定的毒害作用。

    展开全文
  • 在日常生活中,如果想要表达具有普遍性真理,到哪里都适用,会怎么说?放之四海而皆准。那如果想表达大家都是讲义气重感情人,会怎么说?四海之内皆兄弟。一群互不认识人因为某种机缘巧合聚在一起,会...

    在日常生活中,如果你想要表达具有普遍性的真理,到哪里都适用,你会怎么说?放之四海而皆准。那如果你想表达大家都是讲义气重感情的人,你会怎么说?四海之内皆兄弟。一群互不认识的人因为某种机缘巧合聚在一起,会说他们什么?来自五湖四海的朋友。那么,问题来了!五湖是哪五湖?四海是指四个海洋吗?其实,在中国历史上,他们所指代的内容古今还不大相同呢!
    五湖四海的由来在这里插入图片描述

    五湖、四海这两个词都是有历史典故的,他们分别来自于《周礼》和《论语》。《周礼·夏官·职方氏》中有:“其浸五湖。”“五湖”在《水经注·沔水》记载:“五湖乃长荡湖、太湖、射湖、贵湖、滆湖”。这个说法被唐代的司马贞反驳了,他认为:“具区(即太湖)、洮滆、彭蠡、青草、洞庭湖这才是五湖。”到了近代,我们一般认为五湖是指“洞庭湖”、“鄱阳湖”、“巢湖”、“洪泽湖”、“太湖”。历史上对于五湖的争议还没有那么大,都是对于四海,就有很多不同的意见了。
    《论语·颜渊》说:“四海之内,皆兄弟也。”翻阅我国第一部词典《尔雅》,对于“四海”有这样的解释:“东至泰远,西至邠国,南至濮铅,北至于祝栗,谓之四极;觚竹,北户,西王母,日下,谓之四荒;九夷,八狄,七戎,六蛮,谓之四海”。用现在的话说,“四海”指的就是夷、狄、戎、蛮四方。现在我们中国的四大领海,东海,南海,渤海,黄海也被称为四海。在这里插入图片描述

    在中国古代的世界观中,古人一直都认为天圆地方,陆地的周围是被大海所包围的,作为四海,就是根据东南西北四大方位,每一个方位指代一片海洋,围绕着我国四周的就是四海,也就是东南西北海。我们自古也自称是“海内”,对其他国家称为“海外”,这个叫法也沿用至今。
    现在我们所说的四大领海——东海,南海,渤海,黄海在古代可不是这么说的。今天的渤海,在先秦时期叫做北海。春秋战国时期,齐国要讨伐楚国,楚王知道后跟齐桓公说,“君处北海,寡人处南海,惟是风马牛不相及也。”在这个故事里我们可以知道,齐国北面的渤海在当时被称为北海,另一个可以佐证北海一说的是,汉朝时期北海郡的设立就是在渤海西侧。但是随着我们疆土的不断扩大,到了汉代,北海就已经变成了今天的贝加尔湖。《汉书·苏武传》中提到,苏武奉命持节出使匈奴被扣留。匈奴贵族多次威胁利诱,想要苏武投降,后来还将他流放到“北海”边牧羊。这里的北海说的就是贝加尔湖。
    在《孟子·离娄》写道:“太公避纣,居东海之滨。”东海之滨在哪里呢?就是今天的山东省莒县东的黄海。在秦汉时期,东海郡也是设立在了今天黄海之滨江苏海州一带地区。在这里插入图片描述

    那古时候的东海叫东海,今天的东海叫做什么呢?南海。在先秦时期,北方的国家把荆楚一带视为蛮夷之地,(地域歧视不可取啊喂!)吴越一带的海域被称为南海,在上面楚王对齐桓公说的话中我们也能够知道,楚王也认为自己所处的楚国地区属于南海。现在的南海在时候叫什么呢?在公元前214年大秦帝国统一了岭南地区,并设置了南海郡,也就是从那个时候开始,今天的南海才拥有了南海的名字。
    其他三个海还好说,西海在哪里呢?至于古代所指的“西海”的位置就更加无法确定了,因为,在不同的历史时期,西海所指的位置完全不同。西海有时指的是青海湖、罗布泊、博斯腾湖、咸湖、波斯湾,有时甚至是指远在西方的红海、地中海。也有说西海是指位于哈萨克斯坦境内的巴尔喀什湖。

    展开全文
  • 来自法国 Capgemini Invent 公司高级数据科学家 Ahmed BESBES 三个月前参加了一个其公司内部比赛:使用机器学习方法帮助海洋科学家更好识别鲸鱼,根据鲸尾页突...

    来自法国 Capgemini Invent 公司的高级数据科学家 Ahmed BESBES 三个月前参加了一个其公司内部的比赛:使用机器学习方法帮助海洋科学家更好的识别鲸鱼,根据鲸尾页突的外观作为主要特征。

    比赛要求对于每一幅测试图像模型要给出最相似的前20幅图像,这不是一个简单的分类任务而是相似检索任务。

    最终,Ahmed获得了第三名,他把在此过程中搭建模型的全过程详细分享了出来,并附上了其在各个步骤使用的开源工具,相信对那些想要使用深度学习解决实际问题的朋友肯定有帮助。

    01

    问题定义和选择正确的损失函数

    第一种方法:分类

    简单的做法是使用分类分数作为相似性排序的依据,但很不幸的是,这样做难以得到好的相似性排序结果。

    这提醒我们,如果要体现个体之间的相似性,必须在训练阶段对样本进行显式学习和排序。

    第二种方法:度量学习

    学习有效的嵌入特征用于样本相似度比较和排序属于度量学习的范畴。

    好在这是一个成熟的技术领域,对于想要入门的朋友可以看看:

    https://gombru.github.io/2019/04/03/ranking_loss/

    https://omoindrot.github.io/triplet-loss

    作者使用了两种损失函数:

    • Triplet loss

    • ArcFace loss

    Ⅰ、Triplet loss来自谷歌2015年论文 FaceNet。

    使用Triplet loss 时作者又加入了如下训练tricks:

    1. 硬采样,即triplet (a, p, n) 满足不等式 d(a, n) < d(a, p)

    2. PK采样,保证每一个batch来自P个不同的类,每一类K幅图像

    3. 在线生成triplets

    了解执行细节可以查看作者代码:

    https://github.com/ahmedbesbes/whales-classification/tree/master

    学习更多这些技术推荐阅读论文:

    https://arxiv.org/pdf/1703.07737.pdf

    Ⅱ、ArcFace loss 来自CVPR 2019。

    论文中该算法在人脸识别问题中打败了 triplet loss, intra-loss, 和 inter-loss等。

    ArcFace loss  相比 triplet loss有更好的特性:

    1. 对于类别很多的问题也表现的很好;

    2. 消除了训练triplet loss中的难样本挖掘的问题;

    3. 提供了漂亮的几何解释;

    4. 能够稳定训练;

    5. 收敛更快;

    6. 更重要的,实验发现仅需要一个ArcFace loss训练的单模型打败了5个triplet loss训练的模型的融合。

    02

    小心研究数据

    功夫再高也怕菜刀!模型再好,数据质量不高也白搭!

    作者花费了大量心思在数据上:

    • 去除噪声和已经损坏的图像,比如分辨率很低的,或者鲸鱼的尾巴根本看不见的图像。

    • 去除那些只含有一幅图像的类别,这被证明非常有效。因为度量学习需要类别内部的上下文信息,所以只含有一幅图像的类别是信息不足的。

    • 检测并提取鲸尾页突的图像,以去除大海、水花等的干扰,这一步扮演了注意力机制的角色。作者标注了大约300幅鲸尾页突的图像,训练了一个YOLOv3检测器,使用的标注工具来自:https://www.makesense.ai/ ,YOLOv3的训练代码来自:https://github.com/ultralytics/yolov3

    学习要点:我们应该在合适且干净的数据上赢得更多的精度提升,而不是努力做花里胡哨的模型。

    03

    不要忽视迁移学习

    作者最开始使用ImageNet数据集上的预训练模型(renset34, densenet121等)作为骨干网,后来发现了一个类似比赛 Kaggle Humpback Whale Identification ,尽管两个比赛中鲸鱼属于不同种,但将ImageNet预训练模型在Humpback数据集上微调后获得了巨大的精度提升!使作者的方案一下跳到了前几名,而且收敛更快(减少了30%的epochs)。

    学习要点

    • 迁移学习往往是有效的,且很少会带来伤害,如果可以请把ImageNet预训练模型在与你的问题相似的数据集上进行微调是很有必要的;

    • 迁移学习是增加训练样本的间接方式。

    04

    输入图像分辨率影响很大

    在该问题中因为拍摄的设备很专业,很多图像很大,可以达到3000x1200像素或者更大。

    作者首先使用224 x 224分辨率的图像,后来改成大一些分辨率的图像,得到了明显的精度提升,最后发现 480x480是对这个问题最好的输入大小。

    学习要点

    • 如果你在处理高分辨率图像,尝试较大的分辨率是不错的选择,大分辨率能够让模型学到特别小的细节特征,有助于样本个体间的区分;

    • 并不是越大越好,过大会使得训练收敛更慢,且如果原来数据中图像较小,resize到过大分辨率会带来精度下降,因为原有信号被破坏了。

    05

    网络结构的选择

    业界有很多流行的深度学习架构如 VGG 或 ResNet,还有很多新出的复杂架构 ResNet-Inception-V4 、 NASNet等。到底如何选择呢?

    作者经过三个月实验,作者总结出如下结论:

    学习要点

    • 大而深的SOTA骨干网并不总是最优选择,如果你的数据量不大,这些模型会快速过拟合,而且如果你计算资源有限,你也不能训练它们。

    • 一种比较好的做法是,最开始选择简单的网络,在验证集上监控性能变化,逐步增加模型复杂度。

    • 如果你计划把你的方案部署到网页端,则必须要考虑模型大小、内存消耗、推断时间等。

    06

    设计一个鲁棒的流程

    作者模型训练的5个步骤如下:

    特别值得一提的是,作者使用了种类繁多的增广方法:高斯噪声和模糊、运动模糊、模拟随机下雨、颜色偏移、随机颜色(亮度、饱和度、色度)改变、锐化、随机透视变换、伸缩变换、随机旋转、仿射变换、随机遮挡。

    具体细节可以在代码中查看:

    https://github.com/ahmedbesbes/whales-classification

    07

    通用训练技巧

    • 固定种子保证模型可重复性

    在PyTorch中可以使用如下代码:

    import random
    import numpy as np
    import torch
    random.seed(seed)
    torch.manual_seed(0)
    np.random.seed(0)
    torch.backends.cudnn.deterministic = True
    torch.backends.cudnn.benchmark = False
    
    • Adam是安全的优化器,但不要忘记把weight decay 设置为非0值。作者使用了1e-3。

    • 大量的数据增广确实改进了模型精度,强烈推荐使用:albumentations
      (https://github.com/albumentations-team/albumentations)

    • 选择合适的学习率调度方案,避免模型陷入局部极小值。作者使用了warmup 调度机制后面加cosine退火的方法。

    • Loss 和其他度量结果的监控,作者使用了 Tensorbaord。

    • 使用伪标签往往可以带来精度提升。这在kaggle竞赛中经常被使用,它使用训练好的模型预测测试数据的类别,将置信度很高(比如大于0.9概率)预测结果的样本加入训练样本,重新训练模型。

    • 最好有强大的硬件支持,训练速度快,可以快速验证改进策略。

    • 保存训练好的模型,跟踪并记录模型的表现。

    08

    最终方案:从嵌入到元嵌入

    作者训练了两个模型,如下:

    作者将此二模型联合起来,使用元嵌入的方法,这是一种在NLP中经常使用的方法。

    学习要点:

    • 元嵌入特征连接的方式在模型差异比较大的时候能够提供有意义的结果,比如:骨干网不同(resnet34 vs densenet121), 图像输入大小不同 (480 vs 620), 正则化模式不同 (dropout vs no dropout)的模型;

    • 每一个不同的基模型看到不同的事物,把它们联合能够产生新的增强混合模型(这个解释太朴素了——CV君)。

       传送门

    原文链接:

    A Hacker’s Guide to Efficiently Train Deep Learning Models

    https://towardsdatascience.com/a-hackers-guide-to-efficiently-train-deep-learning-models-b2cccbd1bc0a

    开源地址:

    https://github.com/ahmedbesbes/whales-classification

    更多阅读:

    文中作者使用了ArcFace Loss,今年一种新的更好的Loss出现了:

    旷视提出Circle Loss,革新深度特征学习范式 |CVPR 2020 Oral

    如备注:目标检测

    细分方向交流群

    专业包括目标检测、目标跟踪、图像增强、强化学习、模型压缩、视频理解、人脸技术、三维视觉、SLAM、GAN、GNN等,

    若已为CV君其他账号好友请直接私信。

    我爱计算机视觉

    微信号:aicvml

    QQ群:805388940

    微博知乎:@我爱计算机视觉

    投稿:amos@52cv.net

    网站:www.52cv.net

    在看,让更多人看到  

    展开全文
  • 美丽梭罗河- 尤尼西亚民歌

    千次阅读 2007-10-14 08:17:00
    尤尼西亚民歌美丽梭罗河我为歌唱你的光荣历史我永远记在心上旱季来临轻轻流淌雨季使波滔滚滚流向远方你的源泉是来自梭罗万丛山送一路前往滚滚波滔流向远方一直流入海洋你的历史就是一只船商人们乘船远航...
  • 根据这个建议,应该先学习如何去完善你的半成品设计,简而言之,应该是去学习,而不是在想象的海洋中盲目挣扎。下面设计中国小编就教把设计半成品变专业九种方法: 1、不要用花哨字体 字体种类...
  • 第一篇博客

    2018-04-19 21:23:10
    姓名:栾彦钊来自西安工程大学,从小喜欢打羽毛球,自认为玩还可以,最近迷上了两样东西,代码和桌球。编程目标:先是代码量积累,更好提升自己,希望自己可以找到一份好工作,真心希望以后会拥有自己想...
  • 软件知识原创基地简介

    千次阅读 2013-05-29 22:31:22
    互联网是知识的海洋,但也是抄袭之地,网络上一旦有了...我们“逆流而上“,精心为准备原创内容,为分享实践大师来自工作第一线实践经验,让可以系统地、循序渐进地掌握实用知识。 宁愿“被抄“也不要”抄
  • 来自另外一个世界人吗为何只用眼睛来说话柔弱得像初生绵羊一样期望只是一双温柔可以倚靠肩膀这样事我无法去对别人说说拒绝我给所有一切却只因为看见海洋就兴奋想对海神祭酒并且高声叫说...
  • 来自亲戚,遗嘱和文件方面一些麻烦,敏感而艺术天性,会吸引许多不平常友谊.01.21很重感情,会从给阻难人那儿得到利益.亲友欺骗会阻碍你的进步,不过有料想不到财务上成功.01.22理想主义者,长於外交,富...
  • 第一次hk行

    2012-05-07 17:03:00
    原文地址:我第一次hk行 (来自@轻博客) 作者:别拿你的贞操说烁 一直计划着要去hk却总是阴差阳错去了别地方,这次时间选在了元旦,尽管各项旅行费用猛涨 还是坚持了下来,早早订了机票,趁着元旦放假开开...
  • Fugawi4.5.50.5002 破解

    2010-09-03 16:44:20
    FUGAWI GPS Mapping Software 这个程序把你的个人计算机,便携式计算机或者个人数字助理转换为实时全球定位系统图表绘图仪,让预先计划旅行,从你的来自你的手提家用计算机,上载和下载地点,路线和轨迹打印...
  • 从2000年开始,没有更多奇怪颜色和振动 - 现在有整个网站动态填充大部分屏幕,一切都处于漂亮的海洋蓝色。 没有更令人讨厌广告,用你的耳机上最大体积吓死! 功能: - 网站现在根据屏幕尺寸缩放(在它在...
  • 设计师该如何面对来自别人评论和指点?灵感枯竭了怎么办?初入职场设计师应该怎么跟客户沟通? 如果是刚入行朋友或初学设计学生,或是非设计专业但对设计感兴趣人士,但愿我这些经验和思考能替解开...
  • 目标很简单:用行之有效办法来尽量避免让自己淹没在数据的海洋里,或是陷入分析泥潭中。 经验来自现实世界,通过利用现成方法,加快得出深入分析见解过程。这些方法经常会遭到网络市场营销方面困难。 要想...
  • 有技术培训需求/技术交流/代码审计需求/朋友可以联系QQ547006660 ...——来自seacms官网(简而言之就是专门搭建看片网站cms) 呵呵,安全有保障??头都给打爆掉,百度搜索seacms。。漏洞信息...
  • 岛屿

    2017-07-03 14:09:00
    本题来自hihocoder#1310 时间限制:10000ms 单点时限:1000ms 内存限制:256MB ...其中海域照片如下,"."表示海洋,"#"表示陆地。在"上下左右"四个方向上连在一起一片陆地组成一座岛屿。 .###...
  • ”安东尼·德·圣-埃克苏佩里笔下“小王子”这样说到,这个来自于童话故事《小王子》中充满想象力“孩子”虽然诞生于76年前,但他却无意中诉说了一个非常重要观点:想象力比雄心更重要,如果只有雄心,那...
  • 题目来自洛谷 雷达覆盖题目描述描述:假设海岸线是一条无限延伸直线。它一侧是陆地,另一侧是海洋。每一座小岛是在海面上一个点。雷达必须安装在陆地上(包括海岸线),并且每个雷达都有相同扫描范围d。你的...
  • 来自拥有多年丰富工作经验和学习经验美国硅谷先进技术团队和国内资深项目经理,一支理论和技术都是一流团队,多年实战经验积累和总结创造出一套针对C/C++具有实用性、技术性、理论性、灵活性于一体...
  • 今天这里此起彼伏9oal,但是却真真切切地融入于我们9oal生活,一株株嫩嫩小草,我眼中油菜花油菜花那么平凡,当走在大街上,我想这时那来自底层光芒则会更加闪耀吧,打到别人同学,有9oal同学把教室...
  • 通过熟悉技术领域,他开发出了一种产品,“咔嚓”一声,就能够了解到所需要所有信息,不再迷失在来自全球各国千万酒庄产品的海洋当中。 服务葡萄酒消费者App“酒咔嚓”今年刚刚拿到海尔...
  • 本节书摘来自异步社区《设计工作室生存手册》一书中第1章1.1节为何这个神话如此可畏,作者【美】Mike Monteiro,更多章节内容可以访问云栖社区“异步社区”公众号查看。 第1章 什么是设计师设计工作室生存手册“给...
  • 本节书摘来自华章出版社《Flume日志收集与MapReduce模式》一书中第1章,第1.1节,作者 [美] 史蒂夫·霍夫曼...概览与架构如果在阅读本书,那就说明正在数据的海洋中遨游。创建大量数据是非常简单事情,...
  • Avizo三维数据重构软件

    千次阅读 2015-10-08 15:40:26
    Avizo是一套可进行三维数据可视化,分析以及建模软件系统,能够让探索和分析来自不同领域数据集,包括: 科学可视化,物理,化学,天体物理,考古学以及其他 材料科学,无损检测,断层成像和显微镜 ...

空空如也

空空如也

1 2
收藏数 40
精华内容 16
关键字:

来自海洋的你