精华内容
下载资源
问答
  • 均值与期望:傻傻分不清

    万次阅读 多人点赞 2018-05-04 17:01:07
    作者: 一人 ...然而在查阅网上相关讨论时发现很多人对它们是分不清的。后来思来想去,为什么造成如此大的误解?直至近日有了答案。 由于语言等方面的原因,通常人们口中说到均值的时候,是在...

    作者: 一人



    前些日子偶然间听到一位新同事问一位做算法的同事:均值是不是期望?老算法回答说:这是不同的概念。说完之后,由于有事就急匆匆的走了。偶听到之后狐疑了一会,打开了搜索引擎。当然,答案是非常明晰且简单的,均值严格来说就是期望。然而在查阅网上相关讨论时发现很多人对它们是分不清的。后来思来想去,为什么造成如此大的误解?直至近日有了答案。

    由于语言等方面的原因,通常人们口中说到均值的时候,是在谈论平均值。因此,以上的混乱事实上是对平均值和期望的混乱。而平均值属于《数理统计》的范畴,期望属于《概率论》的范畴,因此,这种混淆更深层次的反映出人们对这两门学科理解的混乱。

    众多原因造成平均值与期望的混淆

    通过查阅相关资料,发现混淆平均值和期望的现象并不是个例1,因此有理由怀疑这种现象的存在有着本质的原因,经过多方分析,我发现造成人们混淆两者关系的原因是多个方面的:

    1. 学习与应用过程当中对于二者“不加区分”
    2. 二者都是总体趋势的一种度量
    3. 语言文化的影响

    学习与应用过程当中对于二者“不加区分”

    • 内容安排与课程设置上没有进行隔离

    在学习相关知识的时候教材通常是《概率论与数理统计》,由于概率论与数理统计联系十分紧密,出版社将这两门学科安排在了同一本书中。对于懵懂的大一新生来说,都是一本书、一堂课、一个教学老师,对于习惯了以前不同科目不同老师的划分方式,这样的内容安排以及教学安排是很难接受的。学生在思维上没有及时转变过来,因此,混淆这两者的关系就是情理之中了。

    • 缺少实践机会无法对知识进行修正

    我们说实践是检验真理的唯一标准,如果学习到错误的知识,那么在应用过程中就会出错,进而人们对于以前的概念进行修正,最终吸收的知识就一定是正确的。如果缺乏这种应用,那么就失去了发现错误概念并修正的机会。而且,应用实践相比学习难度大了不止一个量级,很多人往往也仅仅是做到了“学”,而放弃了”习“的过程。在《概率论与数理统计》这门课的学习过程中,在教学过程当中缺乏对于这两门知识的实践应用,安排的只是一些纯理论的计算,没有实验验证环节。因此,混淆知识就是十分普遍的了。

    二者联系十分紧密

    • 二者都是总体趋势的一种度量

    平均值2和中位数、众数、中点距被一起用来描述一组样本的中心趋势,是样本集合的一种中心化趋势的描述。期望的描述引述陈希孺院士《概率论与数理统计》3如下:

    数学期望常称为“均值”,即“随机变量取值的平均值”之意,当然这个平均,是指以概率为权的加权平均。……数学期望是由随机变量的分布完全决定。

    以上表明数学期望是随机变量的一种中心化趋势的描述。如果认为平均值和期望相同,大脑只需对一个点进行记忆;如果不同,就需要对两个点进行记忆,更何况是随机变量这种十分抽象的概念。因此,忽视前面的修饰(样本集合、随机变量)就是十分普遍的事情了。

    • 大数定理将二者连接起来

    大数定理45说明当样本量N趋近无穷大的时候,样本的平均值无限接近数学期望。

    In probability theory, the law of large numbers (LLN) is a theorem that describes the result of performing the same experiment a large number of times. According to the law, the average of the results obtained from a large number of trials should be close to the expected value, and will tend to become closer as more trials are performed.

    这里有一个限定条件“样本量趋近无穷大”,往往人们容易遗忘的就是这个限定条件。如果样本较小的时候,使用平均值来代替期望就要计算它可信程度了(置信水平)。

    语言文化的影响

    前面引文说过,数学期望又叫均值;而我们的平均值和均值只是一字之差,少一个字就是相同的。而在英语中平均值写作average,均值写作mean,这两个字体上就差别比较大。

    我们的目的是更好的应用,纵然有许多困难,还是需要克服。弄明白了混淆的原因,就要想办法将二者清晰的区分开来了。

    区分平均值和期望

    本文开头已经叙述过,平均值属于《数理统计》的范围,期望属于《概率论》的范围。文中又说到大数定理的连接作用。接下来我们将对其展开描述。

    明确平均值的研究范畴-数理统计

    数理统计6是数学的一个分支,通过数据收集、分析、理解来进行推理;应用于科学、工业、社会问题。通常研究的是统计类总体或统计模型的过程。在进行数据普查的时候,统计学家通过设计特定的实验来进行样本收集。其中,典型性抽样假设可以通过合理的方法将基于统计样本的结论和推论应用于整个总体。实验性研究通过设计系统的评价,并对系统进行修改,之后通过相同的过程对系统进行评价,判断通过这种修改系统的方式能否成功的修改系统的测量值。

    数据分析领域有两个主要的统计方法:描述统计和统计推断。描述统计使用一些指标如均值、标准差对数据集合进行总结性描述;而统计推断从数据当中得出关于随机变量的结论,是对随机现象的分析,它的基础是概率论

    标准的统计过程是关于测试两个数据样本之间的关系的,一个是真实的数据样本,一个是从理想模型当中采样得到的虚拟样本。通常人们开始时,都先假设这两个数据集之家没有关联,称关系假设为空。之后通过在数据集上进行统计测验,来对这种假设进行验证,根据验证结果来判断假设是否合理。这种情况下就会容易出现两种错误:“false positive”(假设被错误的拒绝)与“false negative”(假设被错误的接受),引起这些问题的因素非常的多:从获取足够的数据样本到想象够多的假设等。

    对系统进行衡量而产生统计数据的过程也同样会面对误差,这些误差被分为随机误差和系统误差,但是其他类误差如人们无意间犯的错误、数据源错误等也同样重要。数据的丢失和删除可能会导致有偏性的估计值,当然现在已经有以下特定技巧对其进行缓解。

    统计的出现可以追溯到公元前5世纪了,但是直到18世纪才开始了基于计算理论和概率论的理论分析。在近些年,统计已经成为更多的使用统计软件进行统计测试了,例如描述性分析。

    从以上描述中可以看出平均值就是描述统计当中一个描述性指标,是数据集合总体趋势的一种描述指标。

    数理统计以样本数据集合为出发点;概率论则不同,以事件的概率本质为出发点。

    明确期望的研究范畴-概率论

    概率论7是数学的一个分支,主要研究事件的概率。虽然概率论有很多种不同的解释,但对于它的表示则是建立在一组公理之上,这可是非常严谨的。严格讲,它将0与1之间的一个数值分配给输出集合(样本空间),这样在概率空间中形式化的表示概率。输出集合的任意子集就称作为一个事件。

    概率论研究的主题主要包括离散和连续变量、概率分布、随机过程。它是非确定性或者不确定性过程的一个抽象表示,是随机方式出现或运行过程的一种可测性度量。

    虽然不能完美的对随机事件进行预测,但是依然说明了很多规律。概率论有两个主要成果:大数定理和中心极限定理。

    作为统计学的数学基础,概率论在人们关于数据定量分析有关的活动中扮演非常重要的角色。在复杂系统当中,当只提供部分信息时,概率论中的方法也可以用来对其进行描述。二十世纪最伟大的发现之一是在量子力学中,人们发现了在原子空间中物理现象的本质是基于概率的。

    期望就是其中关于随机变量的一种总体性描述,它是事件本质的一种表达。

    丛然,世间事物的本质扑朔迷离,对其进行准确的定量描述十分困难。但是经过众多天才科学家的不懈努力,最终找到了一条通往事物本质的大道,那就是大数定理。

    大数定理的应用与局限

    大数定理将属于数理统计的平均值和属于概率论的期望联系在一起。通过前文描述我们知道,通过收集大量的样本并计算样本集合的平均值可以无限近似期望,而且事物的其他本质属性则可以通过基于期望的变换得来,因此人们可以通过运用大数定律来接近事物本质。

    找到接近事物本质的方法无疑是令人振奋的,其强大的魅力使很多人迷恋。但是,我们知道没有放之四海而皆准的东西,大数定理也不例外。

    样本量很大的要求限制了大数定理的应用。大数定理强调需要当样本量趋近无限大的时候,平均值才可以无限接近期望,此时可以使用平均值代替期望,但是很多时候,样本收集具有很大的成本,或是时间成本或是金钱成本,因此只能收集到小样本量的数据。此时根据大数定理采用平均值代替期望的方法可信度就会下降,例如在医学临床试验中样本量太少;在行星轨迹观测中收集时间过长。

    为了解决这个问题,人们提出了贝叶斯8的方法,此处不再展开,请查阅其他资料。

    学习建议

    当然,知识混乱我私以为大部分的责任是旁人的,个人只是承担很少的责任。倘若开始学习就看的是经典教材而不是为了照顾本校某位老师编著教科书的销量;倘若上课老师直接就是领域内的泰山北斗而不是某位领导的弟子;倘若课程中设计了动手实验环节而不是仅仅读书朗诵,那么我相信这种基础概念的混淆是不会出现的。当然以上阐述是以少看剧、少打游戏为前提的。


    1. zhihu, 随机变量的期望E(x)与X的平均值之间的区别与联系? ↩︎

    2. wikipedia,Average ↩︎

    3. 陈希孺.概率论与数理统计[M]. 中国科学技术大学出版社, 2009. ↩︎

    4. wikipedia,Law of large numbers ↩︎

    5. zhihu, 大数定律是必然的吗? ↩︎

    6. wikipedia,Statistics, 2018-04-12 ↩︎

    7. wikipedia,Probability theory,2018-03-29 ↩︎

    8. wikipedia, Bayes theorem ↩︎

    展开全文
  • VR视频清晰原因

    千次阅读 2019-07-03 19:04:34
    视频清晰几乎是VR用户反馈最多的问题,可是全景视频制作团队明明提供的都是4K超高清视频,为什么还要接受那么多的吐槽,内容小伙伴感觉很糟心。如果可以的话,内容团队为什么不提供更好分辨率,更高清晰度的视频呢...

     

    视频不清晰几乎是VR用户反馈最多的问题,可是全景视频制作团队明明提供的都是4K超高清视频,为什么还要接受那么多的吐槽,内容小伙伴感觉很糟心。如果可以的话,内容团队为什么不提供更好分辨率,更高清晰度的视频呢,原因也是多方面的。

    此4K非彼4K
    其实全景视频的4K跟普通的4K不是一个概念,4K代表视频图像的分辨率是3840×2160。4K电视播放4K视频的时候就是把3840×2160个像素点在屏幕上面显示出来,而VR设备在播放4K全景视频的时候只是把视野范围内的部分在屏幕上面显示出来,参考下图脑补一下。而且全景视频的宽高比例一般是2:1 ,所以4K全景视频球面的分辨率是4096x2048或3840x1920,假设VR头盔的视场角左右上下都是90 度(这也是当前大部分VR头盔的视场角),那么4K的全景视频显示在屏幕上面的原始图像分辨率大约960*540,这个分辨率如果在手机上面正常观看基本是介于标清与高清之间的清晰度。

    VR视频的纱窗效应
    说到这就不得不介绍一下VR头盔的关键结构:透镜+显示屏幕,不管是VR一体机,插头盔式的VR头盔或者PC平台的VR头盔,用户佩戴使用过程中都离不开透镜+显示屏幕的结构。
    透镜其实就是放大镜,为何要放大?因为人有明视距离,太近的东西看不清楚。一般大于25cm的距离才能看清楚。想必你把手机直接放在你眼前5cm,你是看不清屏幕的东西吧。有人就要问了,那可以把手机放到25cm外呀?其实,那更不行了,25cm,意味着这个镜架的长度至少25cm了,这么大,戴到头上如何受得了!既然是放大镜,那根据放大镜原理,屏幕必须放在焦距以内,才能放大。放大以后,人眼看到的虚像位置,符合下面的公式:

    根据公式,假设焦距f=7cm, 物距(屏幕到透镜中心距离)u=6cm, 那么虚像位置就是42cm。满足人的明视距离大于25cm的要求。现在VR设计,一般透镜在眼前1-1.5cm处,屏幕距透镜3-6cm,虚像成像在眼前25cm-50cm左右。在设计VR时,在物距,焦距等几个参数的调整中,基本都是几毫米的微调,需要权衡虚像距离过大(放大倍数大)而带来的像素颗粒感问题和虚像距离过近而带来的不够明视距离、视野较小等问题。根据这些限制条件,设计出来的VR透镜,放大倍数一般在5到7倍之间,所以用VR透镜看视频的时候,相当于拿着一个放大5~7倍的放大镜看手机屏幕,所以很容易看到手机每个像素点的晶格,就是人们常说的纱窗效应,就像隔着纱窗看窗外的物体,根本原因是屏幕的像素密度DPI不够高。理论上视场角中的1°能看到60个像素,才能分辨不出像素感,60°才能达到『视网膜』级别的体验,而现在1080P或者2K手机屏幕只能达到12~13个像素点每度的级别,所以屏幕像素密度低也是全景视频看起来不清晰重要原因之一。

    FOV不是越大越好
    好的VR眼镜设计,就是视场的边缘,接近于屏幕边框,这样沉浸感最好,如下图所示。

    如果FOV偏小,就会导致浪费像素。

    FOV偏大,就更糟糕,可以看到屏幕边缘,那就毫无沉浸感可言了。

    这也是为什么说视场角不是越大越好的原因,要根据显示屏幕的尺寸来调整。对于万能型可以适配各种手机的插手机式VR头盔,面临的一个问题就是要用一款产品适配多种显示屏幕尺寸和分辨率,就很难兼顾产品体验,在当前VR体验不太好的前提下,还要贪大求全的适配各种手机,肯定是以牺牲产品体验为代价的,做出来的产品更是很难有好的体验,所以比较看好针对特定机型做适配的VR头盔,如三星的GearVR和乐视LeVR Pro1等产品。
    视频的码率也很关键
    大家知道视频是由很多连续的画面组成的,画面的分辨率决定了画面的长宽尺寸,而码率则决定了画面的清晰度。码率的技术解释是单位时间内二进制数据量(bit rate),为了节约存储空间和加快传输速度,视频编码的时候都会对视频进行压缩,以减小文件体积,压缩一般是会损失画面细节的,就是会降低视频的清晰度。同样分辨率的视频,码率越高清晰度越高,文件体积也越大,在线观看视频要求的带宽也越高。当码率提高到一定程度时人眼会很难感受到清晰度的提高,所以选择视频码率的时候也会考虑视频的清晰度和用户使用环境的网络带宽。另一方面,同样的码率,分辨率越高,画面越模糊,马赛克的感觉越明显。所以综合用户使用环境的网络带宽,手机的解码能力,现在比较常见的全景视频是4K分辨率,8~10Mbps码率,在VR头盔上面的显示效果跟看手机视频的差距是很明显的。提高视频分辨率,基本超过手机的解码能力,提高视频码率,可能超过大部分家庭的带宽,造成播放卡顿,这样的分辨率和码率,也是由当前的客观环境所决定的。。
    视频制作端才是关键
    另外拍摄技巧和拍摄设备对图像质量的影响也很大,现在很多全景视频是通过大众化的GoPro运动相机拍摄后拼接制作的,成像质量不够,特别是低光照环境下,噪点明显。而现在2D、3D视频拍摄设备后期制作设备都十分专业,全景视频拍摄和制作设备相比不知道差了几个光年。所以现在拍摄的全景视频质量往往不如通过电脑动画制作的全景视频。
    通过以上对VR头盔的成像原理,视频的分辨率,码率,拍摄设备,屏幕显示效果等介绍,大家应该能理解为什么手里的4K视频看起来质量马马虎虎了。总而言之,要改善全景视频的观影体验,从拍摄,制作,传输,到播放各个环节都还有很多需要改善的地方,还有很多的工作可以做。

    展开全文
  • 这一年来的经历,惨,压抑很久,欲哭无泪。既能哭,也能长歌当歌,我只能在最熟悉的步行街,默默发个帖子。喜勿入。 很多人质疑我,说做过“某总”,拿过两万工资的人,可能找到工作要去送外卖。...

     

    外卖跑到凌晨,很累,但还是有一种想诉说的冲动。哪怕让大家觉得已经说得太多了,烦了,都成祥林嫂了,但是,我是真的想说说话啊。这一年来的经历,太苦太惨,压抑很久,欲哭无泪。既不能哭,也不能长歌当歌,我只能在最熟悉的步行街,默默发个帖子。不喜勿入。

     

    很多人质疑我,说做过“某总”,拿过两万工资的人,不可能找不到工作要去送外卖。我只能说,你们都还太年轻了。除了医生、律师这两个越老越吃香的职业,再除去那些施工、海员之类要长年在外面跑无法过正常家庭生活的职业,体制外80%的人,35岁以后都会失业的,我可以很确定地说这句话。不仅仅是我自己,从我同学,我朋友,我前同事们的身上,我都清晰地看到了“35岁现象”是多么真实而残酷。

     

    如果你还是不信,我建议你可以通过三种方式去验证:

     

    第一:观察一下自己的公司,35岁以上的员工有多少(合伙人和高管不算),占多少比例。

    第二:随便找个热门的招聘网站,如51、智联、猎聘,搜一二级城市的职位,看看有几个不限35岁以下的。

    第三:有人说35岁以上都不是靠投简历而是靠人脉找工作,好,我们姑且不细究靠人脉找工作到底在职场所占比例能有多少,有多少人有资格找“只靠圈子推荐”的高端工作。你就试一下,对朋友说你有个35岁的亲戚/朋友,请他帮忙找工作,看看他会怎么说。

     

    虽然不管怎么说都有人不信,但还是有一种,想回顾前尘往事的欲望,不为了让谁相信。

     

    首先是月薪两万:(这是我第一份两万的,后来换了一个小公司做X总,还是两万)

     


     

    然后,我去年以来在猎聘上的简历投递纪录,疯狂地投,1400多次。本来想把51的也截个图,但发现51只保存近60天的,60天前我已经死了心不再投简历,踏入外卖行业成为一名光荣的美团骑手,没纪录了

     



    因为在猎聘有朋友,让他给我开通了VIP金卡会员,有一些特权,好像对外卖699一季,连续让他给我弄了两季,还是没找到工作,也没脸再求他了,自己也死心了

     




    和猎聘上的猎头互动记录(这只是最近的一小部分,金卡会员可以一键群发给2000个猎头,我发了几次)

     



    以下是一些失败的应聘记录

     

    大疆:

    大疆的面试流程很繁琐,首先是电话面试,通过后给我发了一份试题,在线完成,通过这轮后才是现场面试。现场面完第一轮回来,又给我发了几道笔试题,都是针对真实项目阐述思路的,我通过了这关,再去现场面试,当天面试两轮,第一轮过了,倒在第二轮也是最后一轮,很遗憾。不过大疆开出的工资,并没有想象的或说外界传说的那么高。

     


     

     

     

     

    海天盛筳——也就是因为某不可描述事件被大众熟知的那家,其实是一家强大的地产集团旗下子品牌。这家的办公环境非常好,里面的人也给人一种心态平和从容不迫的感觉,这很难得。我去面试了两次共三轮,第二次是从上午谈到下午,中午还在那里的食堂吃了顿饭,和想象中的“未来同事”们相谈甚欢,HR小妹妹都给我详细介绍工资福利工作制度了,以为十拿九稳,工资也达到了街薪,没想到……

     

    点击查看全图 >>


     

    优必选:之前并不知道这家公司,接到面试通知了解之后才知道也算是大有前途的名企。跟用人部门的老大聊了两个小时,面试完他还兴致勃勃地带我在公司转了一圈,给我演示了他们的最新产品,我感觉也是稳了,又是没想到……

     

     

     

     

    饿了么:猎头说觉得我很合适,我看了职位描述也觉得很合适,但简历推过去,同样说我年龄太大

     



     

    华为:面了一次几天无下文,然后就说停止招聘了

     

     

    这一年来,遇到的这种前面说得好好的后面突然说该职位停止招聘或取消的情况很多,可见行业市场之惨淡

     



    联系过我的猎头很多,通讯录里有五六十个,但都没有结果。往往是某一天有几个猎头同时找我,说的都是同一个职位,我就明白了,不是猎头们不帮我推,实在是市场上这样的职位太少,只要出现一个,马上就是几家同时来找,但多数时候都没有真实的需求,网站上挂着一堆都是当广告宣传的。

     

    那些还没到35岁的人,请不要轻易质疑。如果你已经过了35岁还觉得我在胡说,那我也不想跟你争论什么,随便来打我脸吧,我只想恭喜你。

     

     

    展开全文
  • 春天是一年中最好的赏花季节,桃花,杏花,樱花,梨花,李花,海棠花,这么多美丽的花,你还傻傻分不清吗?我们一起来认识一下吧! 手绘版 真图版 桃花 分辨要点: 1、单朵开放,花瓣略尖。 2、花期仲春,边开花边...

    http://blog.csdn.net/pipisorry/article/details/51836821

    发个文艺点的博客。。。哈哈

    又是一个草长莺飞的季节,虽然有些寒冷又有些雨水,但是等待微风徐徐阳光暖人的初春总是一件让人快乐的事情!春天是一年中最好的赏花季节,桃花,杏花,樱花,梨花,李花,海棠花,这么多美丽的花,你还傻傻分不清吗?

      手绘版

      真图版

      桃花

      分辨要点:

      1、单朵开放,花瓣略尖。

      2、花期仲春,边开花边长叶。

      3、颜色红润。

      梅花

      分辨要点:

      1、单朵开放,花瓣接近正圆形。

      2、花期1-3月,花落后再长叶。

      3、凑近闻一般都有梅子的香味。

      梨花

      分辨要点:

      1、成簇开放,花蕊带点红色。

      2、花和叶子都比较大,边开花边长叶。

      3、花瓣洁白如雪,花蕊略带粉红。

      李花

      分辨要点:

      1、成簇开放,花朵小而细碎。

      2、开花同时长叶,花期仲春(3-4月)。

      3、花瓣洁白,花蕊浅黄。

      杏花

      分辨要点:

      1、单朵开放,花朵十分饱满。

      2、花期2-3月,花落后长叶。

      3、初开时花瓣会带一些浅红色,花萼深红色,枝条深红褐色。

      西府海棠

      分辨要点:

      1、成簇开放。

      2、开花同时长叶。

      3、花瓣具有由红到粉,粉到白的层次渐变。

      垂丝海棠

      分辨要点:

      1、成簇开放。

      2、花期3-4月。

      3、叶片卵形或椭圆形,花梗细弱下垂,粉红色。

      贴梗海棠

      分辨要点:

      1、枝紫褐色或黑褐色,叶片卵形至椭圆形。

      2、花先叶开放,花朵簇生。

      3、花梗短粗,花瓣倒卵形或近圆形,猩红色,稀淡红色或白色。

      木瓜海棠

      分辨要点:

      1、枝微屈曲,紫褐色,叶片椭圆形。

      2、花先叶开放,花瓣倒卵形或近圆形,淡红色或白色。

      3、花期3-5月。

      早樱

      分辨要点:

      1、小枝淡紫褐色,叶片椭圆卵形或倒卵。

      2、先叶开放,花期4月。

      3、蕊短于花瓣。花蕾粉色,卵圆形,花粉白色,花丝浅紫红色。

      晚樱

      分辨要点:

      1、叶片为椭圆状卵形,小枝灰白色或淡褐色。

      2、花瓣粉色,倒卵形。

      3、花瓣先端下凹,花期4-5月。

      复习一下

      梅花

      是春天里的第一朵花,等它快败了,桃花才陆续开,所以混淆的机会就少一些。如果开花还没长叶,整朵花圆圆的,闻起来有梅子香味,那一定是梅花。

      桃花

      从花型上来看,桃花和梅花都没有长长的花柄,就像直接贴在花枝上开一样。桃花个头比梅花要大,花瓣软软的,摸起来的质感像纸,梅花摸着则更像蜡。

      杏花

      杏花也没有花柄,但它一般是一簇簇挤在一起贴着花枝开,花瓣圆圆的很像梅花,但是花萼鲜红,颜色分明。

      樱花

      如果树枝有横纹,花瓣顶端有个豁口,花一簇一簇的,那一定是樱花。

      樱花不但有长长的花柄,在花瓣背后还有一个软软的小花托,就好像花瓣是从花托里抽出来一样。

      红叶李和樱花最像,但是它的叶子是紫红色的,这是和樱花最大的不同。

      再来看看读起来很像的李花和梨花。它们都是白色花瓣,但李花的花蕊是黄色,梨花的花蕊是紫红色。而且,梨花开得比较晚,大约要等到4月初。

      李花

      梨花

      最后来看看海棠。

      不同品种差别就很大。

      个子最高、花瓣最大,淡粉色花瓣的是西府海棠;

      个子最矮、一丛丛地贴在地上,花瓣也贴在花梗上长的,是贴梗海棠,有粉白色,也有大红色;

      还有垂丝海棠,粉红色的花朵连着长长的花柄,花儿一朵朵垂下来,因此得名。

      垂丝海棠

      贴梗海棠

    from: http://blog.csdn.net/pipisorry/article/details/51836821

    ref:

    展开全文
  • 近看图灵碗

    万次阅读 2012-06-14 12:13:03
    难看出,诺奖已经彻底符号化了,这个名词本身,就代表着知识界的顶峰,相比之下,其内容 已是次要。用它来形容图灵奖,就暗藏了一个可怕的隐喻,图灵奖也将被符号化,人们只关注它的象征意义,而不是它背后的那些...
  • 段时间在进行服务器某个数据库备份的时候由于原数据备份空间的不足,新申请了一个盘,30G,如果把几个数据库的备份都移过来,备份空间不足。因此就移了一个。在新盘下面创建了一个目录,在维护计划中单独添加了此...
  • 神经网络——最易懂最清晰的一篇文章

    万次阅读 多人点赞 2018-08-24 15:43:20
    神经网络是一门重要的...适合对神经网络了解多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。  神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技...
  • 如何清晰地思考:一年来业余阅读的关于思维方面的知识结构整理(附大幅思维导图)By 刘未鹏(pongba) C++ 的罗浮宫(http://blog.csdn.net/pongba) TopLanguage...完这本书之后对我们如何思维产生了极大的兴
  • 终于把AI换脸的原理搞

    万次阅读 多人点赞 2019-03-09 13:49:54
    近日一段AI换脸视频火爆网络,一个网名叫换脸哥的Geek,将朱茵在94版射雕中的...这起事件起来只是一个娱乐版的头条,但是深入思考一下也会发现,视频换脸技术其实也给金融业普遍使用的如:客户交易视频资料留档、人...
  • 当我把他保存图片文件结果这个文件的大小只有10几KB,然后我使用其他机型的手机来测试结果出乎我的意料居然没问题。百度、谷歌了之后几乎是没有找到答案。最后朋友的一句分辨率有问题没?我想了下不妨设置一下试试...
  • 不过很多刚接触这个领域的同学有点搞不太清楚上面的区别,那么跟我一起来学习一下吧! superpixels(超像素) 第一次听说这个超像素很容易理解错误,以为是在普通的像素基础上继续像微观细分,如果这样理解就...
  • 发现elasticsearch近期索引文件大的吓人,清理了下之前的索引文件,发现服务器性能大大的减轻了一半,想一直保留一个月的索引文件,但是又想每个月手动清楚,在此写了一个小脚本查询索引:curl -XGET '...
  • 在这一点结束再送给大家一句很扎心,同时也很现实的话:“技术宽度决定了你是否能够进入一家公司,技术深度这决定了你offer的等级”,这也就难解释了为什么我们的同学能找到工作,但薪资却不是很高的原因了。...
  • 近日,一部名《哪吒之魔童降世》的国产动画电影上映了,这部作品此前在宣传的时候被观众们喷了个狗血淋头,因为里面哪吒的形象颠覆了。 而在电影上映之后,很多人都没想到这部曾经被喷到狗血淋头的电影竟然...
  • 然而不容忽视的是,这类机构普遍存在“平台统一收款+向下‘二次分’”的结算模式,平台型机构的资金账户上沉淀了巨额客户结算资金,随之伴生了维护客户资金安全的道德风险,而潜在的交易信息篡改、资金挪用风险并...
  • 知道是不是只有我这样子,还是你们也有过类似的经历。 上学的时候总有很多光辉历史,学年名列前茅,或者单科目大佬,但是虽然慢慢地长大了,你开始懈怠了,开始废掉了。。。 什么?你说知道具体的情况是怎么样的...
  • Ubuntu16.04清除旧版本内核

    千次阅读 2018-11-13 20:52:46
    内核清除须谨慎,建议保留两个内核版本 ...我这里因为已删除过了,所以只有两个内核版本,一个是当前使用的版本4.15.0-38-generic,一个是低版本的旧内核。我只保留了两个内核版本,其他都已经删除了。 说明:...
  • solr 实时搜索

    千次阅读 2017-04-22 23:22:02
    摘要: Solr的实时搜索NRT(Near Real Time Searching)意味着文档可以在索引以后马上可以被查询到。Solr不会因为这次提交而阻塞更新操作,不会等待后台合并的完成而直接检索索引并返回数据。参见原文 利用NRT,...
  • 吃饭的时候我仍是不停的咳嗽,哥的皱眉,“东子这家伙也是,我喝醉了知道把我送回宿舍,把我往你那送,知道该说他什么好。” 我飞快的瞟了一眼哥,接着低头吃面,“东子说是你非要来找我的。” 哥半天没吭声,...
  • 如何区别聚合支付“一清二”?

    千次阅读 2017-06-05 09:47:30
    商家该如何区别聚合支付“一清二”行为?...而一些不太规范的聚合支付机构在给商家进行资金清算时,是先把某地区的资金结算给代理商,再由该代理商把资金划给该地区拓展的几百家甚至上千家商户。 两年,不少从
  • 数据预处理_数据清理

    万次阅读 多人点赞 2018-01-11 15:40:53
    实际的数据库极易受噪声、缺失值和一致数据的侵扰,因为数据库大,并且多半来自多个异种数据源。低质量的数据将会导致低质量的挖掘结果。有大量的数据预处理技术: - - 数据清理:可以用来清楚数据中的噪声,...
  • Linux 系统 /var/log/journal/ 垃圾日志清理

    万次阅读 多人点赞 2019-04-26 09:02:49
    Linux到底有没有占用空间的垃圾文件,这个如何判定了,例如好几年前、几个月前的日志文件、系统文件,基本没什么用处,算垃圾文件吗? ls -lhm --full-time /var/log/journal/f9d400c5e1e8c3a8209e990d887d4ac1...
  • 计划制定与管理-日事

    千次阅读 2017-02-03 21:44:58
    经常翻看,迎望星空,不断激励自己朝着梦想前进,哪怕能完全实现,相信未来也会离你的梦想很,而且万一实现了呢。【人生目标计划】作为清单来记录,在日程上显示(添加成员,添加日期),只作为记录的清单...
  • Ubuntu——命令行下清除回收站

    万次阅读 2017-08-01 02:27:58
    几天电脑ubuntu什么都好,就是GUI下的操作接二连三都躺了,没办法,命令行来吧!清除回收站sudo rm -rf ~/.local/share/Trash/*其实如果在GUI里删除文件,一般都会被直接rm删光光。
  • 问题根因在:企业微信在某个版本上了个什么wedriveplugin傻逼插件,一直写日志,导致C盘空间急速减少。 最近C盘空间老是不够用,用Dism++也清理掉C盘空间,动动就空间已耗尽。顺手了下占用情况,发现\Users\...
  • android清除通知栏消息

    万次阅读 2012-01-10 11:10:58
    项目快到结尾了,经理要我处理一个问题,就是我们...,但有出现毛病了,我什么调用通知管理器把通知消除啊,他是开一个一个服务中的,我们能new 这个类,是系统的,当时想了下 决定发送广播清楚, 当程序退出的
  • 我的印度IT之都奈之行

    千次阅读 2014-02-25 11:54:05
    我曾经被公司派去印度的IT之都-奈市,驻ZOHO研发中心工作,负责ZOHO的saas产品引进中国的事务。 ZOHO是全球最大的在线办公供应商,总部在美国,研发中心在印度。 正是我的这段经历,才有我们现在研发的超级表格。...
  • 1.恢复改简单模式 收缩文件 不是收缩数据库 第一种方法:清空日志。 1.打开企业管理器,直接在查询分析器里执行:(如果是FULL完整类型,修改SIMPLE简单类型) alter database [数据库名] set recovery simple ...
  • 自己就一样了,技术甩他八条街都不止,项目遇到的难题都是自己解决的,别人只要有技术上的问题找自己,都能解决,走路都是带风的。 后来有猎头挖他到一家创业公司,薪资涨了一倍,心里高兴的不得了。上班...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 161,355
精华内容 64,542
关键字:

为什么太近了看不清