墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.1k累计阅读
1.1k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
长连接和短连接的区别
请求有哪几种方式
客户端向服务端请求的过程
jvm的内存结构，垃圾回收算法。新创建的对象是放在新生代还是老年代
排序算法有哪些、快速排序的思想，快排的时间复杂度
创建索引，索引的结构，事务默认是什么状态
锁有哪几种
Sychorinized和volitile的本质区别
多线程种类，底层
集合的种类，List和Set是类还是接口，hashMap和hashTable的区别
java异常的类型
springMvc的流程，适配器的作用
Spring Aop面向切面，日志的使用
git的命令
优惠券管理
（请设计一个优惠券兑换码生成方案，可以支持20亿以上的唯一兑换码，兑换码长度不超过10，只能包含字母数字，并且要保证生成和校验算法的高效）最后把签名值的后14位、新鲜值（4位）、自增序列（32位）拼接，得到一个50位二进制数，然后与一个较大的质数做异或运算加以混淆，再基于Base32或Base64转码，即可的对兑换码。现在，就剩下防止爆刷了。自增id从1增加到Integer的最大值，可以达到40亿以上个数字，而占用的字节仅仅4个字节，也就是32个bit位，距离50个bit位的限制还有很大的剩余，符合要求！
电话面试实习生之感
最近公司要招一批实习生，所以最近领导安排我去电话面试一批实习生 看着现在即将毕业的学生的简历，觉得大学真的有必要开一门课程 就是如何写好一份简历， 有很多问题的存在。当然这也许就是人与人的差距吧。 为什么要招实习生？ 主要公司想要提前招些不错的苗子 ，进入公司培养，然后表现优秀的话，可以直接转正，对于公司而言，也可以较低成本吸纳人才。 来谈谈 为什么电话面试？ 一般都是去学校进行宣讲，然后HR收...
国内合规开通ChatGPT Plus实操指南：银行卡绑卡与支付全解析
ChatGPT Plus 是 OpenAI 官方推出的高级订阅服务，基于 GPT-4o 多模态大模型提供语音交互、图像理解与长上下文处理能力。其核心使用前提在于完成合规的国际支付绑定，而非网络接入方式。技术原理上，OpenAI 采用 Stripe 支付网关进行风控校验，重点匹配银行跨境权限、卡片类型（仅支持 Visa/Mastercard/Amex 信用卡）、BIN 号段及地理位置一致性。该机制决定了95%的绑卡失败源于银行端配置缺失或卡片不兼容，而非网络问题。实际应用中，PayPal 作为中间支付层可显著
【游戏开发面经汇总】- 图形学基础篇
图形学知识，对于图形开发、游戏引擎开发和技术美术岗位几乎是必考的知识点，对于客户端开发岗位来说，也是经常考察的进阶知识。不可否认，图形学的确是一个具有一定门槛、难度较高的领域，很多时候，我们面试的评价，往往也是是通过图形学的掌握程度来划分的。因此，掌握图形学基础知识，无论对于游戏开发的哪个岗位都是具有重要意义的。
vue2/3 - 详细对接海康监控实时视频预览和录像回放功能，vue接入使用海康视频监控播放器实时推流等功能，支持hik/rtsp/rtmp/hls/ws取流协议（详细教程与示例代码，一键复制开箱即用
vue2，vue3，海康，vue海康视频监控，海康开放平台，如何接入海康的实时监控，海康威视，Vue实现海康监控视频播放，vue3对接海康视频监控播放、回放的方法流程，实现海康H5视频插件播放视频的实例，web网页接入海康，海康威视的视频vue的录像回放和实时预览，前端vue3项目接入海康威视h5player.js播放器，vue2接入海康威视视频监控平台，使用海康监控H5视频播放，对接海康视频监控，海康视频web插件，web前端在vue中通过海康插件嵌入视频,实现实时预览，vue3海康监控播放器组件，vue
Qt Installer Framework 简单使用
qt installer framework 简单使用
2020届盛趣游戏现场面试（凉经）
时间：2019.9.17 18:30 地点：武汉 面试岗位：C++游戏服务器开发 问题： 1、自我介绍一下； 2、简历上说你会Qt，说一下Qt的通信机制？ 3、Const加在函数后面表示什么意思？ 4、你是学过啥课程？ 5、介绍一下动态规划算法？ 6、网络编程会不会？ 7、你喜欢玩什么游戏？ 8、为什么想加入游戏公司？ 结果：可能你做的方向和我们公司的业务不是很合适，不过...
LVGL v8学习笔记 | 09 - 进度条控件的使用方法（bar）
lv_bar_set_range必须放在lv_bar_set_mode前面，否则不生效。bar对象的API在lv_bar.h中声明，以lv_bar_xxx命名。此事件可以用来在进度条更新值之后更新别的控件（比如进度条旁边的文字）。可以看到，默认创建的进度条值是0到100。（3）设置进度条的范围值（最大值和最小值）（2）获取进度条的起始值。（3）获取进度条的最小值。（4）获取进度条的最大值。（1）设置进度条的当前值。（2）设置进度条的起始值。（1）获取进度条当前值。（5）获取进度条的模式。
【程序人生】盛趣游戏 U3D 面经（已拿 offer ）
2020秋招，有幸拿到了盛趣游戏公司的 U3D 开发的 Offer。 面试共有两面，技术面试和HR面。 话说我一开始以为至少也有两轮技术面吧，于是第一轮技术面通过后，我在牛客上连着刷了一周的题目，C++，C# 基础，数据结构，算法，计算机网络，操作系统原理等等，刷了一千多题。结果，第二轮面试，我信心满满的打开视频面试链接时，对面居然是一个可爱而漂亮的小姐姐，然后告诉我这是 HR 面。。。内心，...
「UG/NX」多功能dll集成一个dll的三种方法
C++多功能集成一个dll的三种方法。
GPU硬件架构与微架构深度解析28-稀疏计算：稀疏矩阵计算的硬件支持
本文介绍了GPU加速稀疏计算的关键技术。主要内容包括：1）稀疏数据的存储格式（COO、CSR、CSC）及其特点；2）现代GPU的稀疏计算硬件优化，如NVIDIA的稀疏张量核心和内存访问优化；3）稀疏计算在推荐系统、NLP和科学计算等领域的应用案例；4）性能优化技巧，包括存储格式选择、硬件特性利用和混合精度计算等。文章指出，专用稀疏计算技术可显著提升AI和大规模科学计算的效率，相比传统方法可获得5-10倍的性能提升。
我所见过的盛大
好像不需要物理学家再来证明了，现在我们似乎就生活在一个个平行的分裂世界中。再没有什么是理所当然应该知道的消息，天经地义无须怀疑的标准。在圈子里轰轰烈烈，出了圈子却好像什么也没发生过一样。就像今天惊奇的看到盛大收购新浪，给几个同是IT行业的朋友发消息，都是茫然不知，呵呵，免费给keso作了作推广。 对事情本身，我是觉得挺好的，呵呵，从最低程度而言，至少是有热闹可看了。而且至少盛大比那一代泡沫里的精英
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
[面经]盛大/盛趣 C++服务端 offer√
秋招面 盛趣 C++服务端 记录
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
盛大网路
盛大网路求职干货目录1. 公司介绍 1.1 盛大网络概况 1.2 盛大网络历史 1.3 盛大主营业务/品牌 1.4 盛大组织结构 1.5 盛大集团文化/价值观 2. 校招介绍 2.1 盛大网络2014校园招聘介绍 2.2 盛大网络校园招聘流程 3. HR答疑 3.1 盛大网络校园招聘FAQ 3.2 盛大网络官方网申答疑 4. 薪酬待遇 4.1 盛大网络职业发展 4.2 盛大网...
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
面试总结(php)
为什么80%的码农都做不了架构师？>>> ...
转：我通过微软亚洲研究院面试的经历
转：我通过微软亚洲研究院面试的经历 我是广州大学新闻学院广播电视新闻系01级1班的，05年7月走出广大校门。今年3月，我有幸地被推荐到了微软亚洲研究院，应聘图形学助理研究员，经过三个月的漫长progress，终于在6月初收到了口头offer。但很可惜的是，7月初，正在我踌躇满志地准备向北京进发的时候，因为部门调整，IG暂停招收新员工，我的offer也必须回收。离MSRA只有一步只遥，尽管最后还是
网易游戏
1.C++对象的内存分布？2.STL的底层机制？3.OS的原理坑定会问的，以及物理内存和虚拟内存？4.数据结构肯定会问的？通过题目穿插的方式？5.常用的算法也会问道？6网络方面，udp与TCP的区别，三次握手画图，阻塞窗口？ 面试过程： 电话面试主要问专业基础知识，包括C++，STL，网络，数据结构，算法题目之类的。 面试官问的问题： C++让写类的get和set函数，STL问了...
黑马-面试经历2
本人一名硕士，不可思议吧！其实只有自己清楚研究生三年的日子怎么过的，各种dota玩过来的，用三年时间验证了一个错误，自己最后在一家不起眼的小公司做web，技术也很一般，干了不到半年，果断辞职来黑马学习android，入学流程是在工作中挤出时间来完成的，一个月时间，坚持努力学习，顺利拿到分配名额，从那之后，自己彻底改变了自己的价值观、人生观、世界观，总结出一句话——努力的男人最自信！:lol
创业12年 最野蛮的屌丝创业者
2009年他混进站长大会想找陈一舟谈合作，结果与周鸿祎聊上了天…… 口述 | 刘亮 文字整理 | 沈凌莉 30出头，360游久的CEO刘亮，被《非你莫属》里的观众认为说话很本色，为游戏行业代言，被某著名媒体人称为“屌爆了”的大屌丝。骨灰级游戏玩家、跑步进深圳的退伍兵、站长、做魔兽游戏社区、第一个做私服，且看他与盛大、腾讯，与周鸿祎
对于IT职场的一点思考
晚上七点多下班，刚上地铁没多久，突然接到一个杭州淘宝那边一淘搜索的一个电话，无非就是聊聊一淘内部的hadoop分布式岗位的一个需求，以及了解下我个人情况。不过凑巧的是，这位一淘的面试官以前也是ASK搜索的中国团队一员，看我曾经和他很多的ASK同事都共事过，顿时来了点亲切感，寒暄了几句顿时想起了刚毕业时进入的那个搜索部门，转眼间感慨自己来了上海也一年了。当然跟这位面试官还是聊的一些分布式技术上相关的
唐骏....
1980年，因高考语文一分之差，唐骏没有考上理想的大学和专业，这时的唐骏有些失落与苦闷，甚至有些自暴自弃； 1985年的唐骏不仅找到自己的终身伴侣，还考上了热门专业的研究生，并靠着努力“钻营”获得留学日本的机会； 1990年，唐骏赴美攻读博士，并先后创立了三家小型公司； 1994年，抱着“偷师学艺”的本意，唐骏放弃自己的“皮包公司”，加入微软成为一名软件工程师； 1
创业的人格
==不要规矩，学会放养，知道自己要什么，没路造路，留心机会和敢于把握机会，会积攒能力和学识。谈判能力超强，执行能力超强！！！ 兼职就是战斗属性牛逼人物。 为什么他游戏打得那么好 为什么他学会开车 为什么他没有证会翻过去 为什么他发传单会发第一 为什么他没再回深圳 为什么他做广告会赚钱 为什么他第一个做挂QQ 为什么他第一个做私服 为什么他第一个做电脑代购 这个...
快排时间复杂度_我的2018春招实习时间线/面经/感悟
从最早2月开始投递简历，到现在5月底终于收到了offer，春招总算是画上了句号。在这里写一写自己的一些经验和感悟吧。背景：BNU计算机科班大三，专业排名约20%，ACM区域赛银，无项目经历。时间线：2.13: Google Summer Internship 填表2.22: 阿里(Java开发)网申3.5: 旷视内推3.6: Google一面(电话面试)3.7: 网易网申(音乐事业部-杭州)3.1...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2204
扫一扫
