尤雨溪Vue登榜GitHub之路看似不难

Vue3:集成wangEditor富文本编辑器 webpack的loader到底是什么样的?两小时带你写一个自己loader。打开全栈工匠技能包-1小时轻松掌握SSR。谁说前端不用懂安全,XSS跨站脚本的危害。网易内部VUE自定义插件库NPM集成。生产环境下如歌部署Node.js。两小时精通jq+bs插件开发。服务器端图片上传接口。 阅读详情
AI摘要

本文讲述了Vue.js的作者尤雨溪的职业生涯,从Google到Meteor,再到全职投入Vue.js的开发。尤雨溪在GoogleCreativeLab工作期间开始开发Vue,并在Meteor工作时提出了拥抱npm生态圈的建议,但未被采纳。离职后,他凭借GitHub平台推动Vue.js发展,最终成为全球知名的前端框架。尤雨溪重视开源社区的活力和贡献,认为参与者的自主性和项目本身的质量是关键。

本文为《新程序员004》内容,与Vue.js作者尤雨溪畅谈他的程序人生。《新程序员004》即将上市,敬请期待。从MySQL之父、MariaDB创始人Michael “Monty” Widenius,到PostgreSQL全球开发组联合创始人Bruce Momjian、阿里巴巴副总裁贾扬清、指令集创始人兼 CEO潘爱民、著名科技作者吴军,再到 Vue.js作者尤雨溪……《新程序员004》以「我们的技术时代,我的程序人生」为主题,与多位国内外知名的技术先锋和新生代程序员代表进行了深度对话,希望行业优秀人物的技术之路与人生感悟给大家带来启发。

作者 | 刘韧、谷磊
责编 | 田玮靖
出品 | 《新程序员》编辑部

2016年2月,新泽西,29岁的尤雨溪着手在Patreon众筹平台开设账号。接着,他呼吁Vue.js(以下简称Vue) 用户赞助Vue全面开源。尤雨溪好友郭达峰立即响应,使用其公司开源基金,向Vue提供了为期6个月、每月3000美元的支持。尤雨溪的月收入很快达到4500美元,但依然不到供职Meteor公司时月工资的一半。
在这里插入图片描述

图1 Vue.js作者尤雨溪

2014年10月,Meteor邀请尤雨溪到硅谷分享他的个人作品Vue,随即便邀请尤雨溪加入公司。“Meteor是第一个用JavaScript做全栈的公司,概念很超前,当时JavaScript生态正在npm带动下快速爆发。”不想再在Google做颗螺丝钉的尤雨溪欣然接受邀请,开始在新泽西远程为Meteor工作。

尤雨溪愿意从Google离职,更多是为了诞生于2014年2月的Vue能在专注做框架的Meteor公司得到更好地发展。Vue是创建用户界面的JavaScript框架,也是创建单页Web应用的框架。互联网UI设计师要想让自己设计的页面生动起来,就需要学JavaScript编程,Vue提供的JavaScript框架,能帮助没有经过太多编程训练的UI设计师,快速接受并理解规范的编程理念,减少底层编程的工作量。

刚到Meteor,尤雨溪就建议Meteor拥抱npm生态圈,“把整个框架改造成一个能直接使用npm生态的包。”当时Meteor自己有一套包管理系统,与npm并不兼容。Meteor认为尤雨溪的建议是一次成本很高的重构,风险太大,没有采纳。直到后来尤雨溪的建议被市场证明,Meteor才开始拥抱npm,但为时已晚。

对于尤雨溪来说,在Meteor工作的这一年,Vue演进顺利,他也对前端框架的架构有了自己的理念。但Meteor却是个极端一体化的框架,前端、后端、数据通信甚至数据库都要特别指定。“指定数据库这一点极大限制了它作为一个全栈框架的适用范围,把自己的市场份额压缩得非常小,是个败笔!”尤雨溪在Meteor没有技术决策话语权。后来,Meteor竟选择押注Facebook的React,而不是尤雨溪的Vue。

判断出Meteor框架没有前途,尤雨溪一下子失去了动力。“我做的这些事也不能让Meteor起死回生,还不如辞职,全职去做Vue。”“我宁愿快乐地工作12个月,也不愿不快乐地赚11个月的高薪,然后休1个月假,花钱买快乐。”2016年2月尤雨溪毅然从Meteor离职,开始凭一己之力挑战Facebook的React、Google的Angular。时间轴拉到2021年,Vue在全球最佳Web前端框架中排名第二,成为GitHub上最受欢迎的项目之一。

GitHub是尤雨溪的办公室和杠杆。尤雨溪一直认真阅读GitHub上对Vue提交的Pull Requests(PR),以此判断提交PR的用户对Vue的理解,如果这个用户所发的PR和尤雨溪的想法重合两三次,尤雨溪就会邀请他加入Vue开源团队。GitHub不仅是尤雨溪找用户的地方,还是尤雨溪找团队的地方。那些在GitHub上活跃的Vue成员不一定非要写代码以及做技术上的贡献。“发现问题、回答问题、帮助社区新人上手或修改文档等,都是非常有价值的贡献。”Vue团队成员因迫于生活压力或技术兴趣转移等因素离开,也很正常。“一个开源社区想要有活力地延续下去,就要不断发掘、吸纳新鲜血液,更要给新人成长空间。”“开源的活力就在于每个参与者都在真正自主地做事,大家都希望项目变得更好。”

Vue诞生在Google

2013年,纽约,Google Creative Lab。Google很多项目在这里实验、诞生。尤雨溪在用Google的Web前端框架Angular 1(现在叫 AngularJS)实现各种新奇、非传统的交互创意。他一边快速完成创意总监交派的工作,一边从设计师角度简化AngularJS,就此埋下一颗颗替代AngularJS的种子。

时间倒回2012年,Facebook的一位团队负责人在网上看到尤雨溪用JavaScript在Web实现Clear App滑动操作的视频,立即邀请尤雨溪到Facebook面试。此时Facebook对Web的兴趣比App大,认为用户在移动端会延续PC端的网络使用习惯,更多地使用手机浏览器,而非App。尤雨溪能在浏览器复刻App效果,很合Facebook胃口。

四、五轮面试后,一位华裔工程师面试尤雨溪,他问“JavaScript原型链是什么?”尤雨溪完全回答不上来。“之前只学了实现目标任务的技术,并没有对JavaScript进行系统学习。”从Facebook败下阵来,尤雨溪重新啃JavaScript教材。“把JavaScript语言的每个细节都过了一遍。之后,别人再问,JavaScript是怎么回事?我总能说得头头是道。”

几个月后,当尤雨溪正为硕士毕业后的工作着落发愁时,意外收到了Google Creative Lab猎头的邮件,问他有没有兴趣聊聊?尤雨溪当时就兴奋地回邮件说好!电话即刻响起,猎头在电话那边说明项目后,没提面试的事,直接问尤雨溪是否有兴趣加入。Google Creative Lab每年招5个应届生:项目经理、文案、平面设计、动画设计、交互技术各一人,组成The Five团队,尤雨溪负责交互技术。此刻的尤雨溪感到了天生我才必有用:“程序员最讲究的就是作品,光说没用,代码要拿出来溜溜!所以现在程序员都得有自己的GitHub。”

兴奋的尤雨溪赶紧通知远在中国的爸爸,自己被Google录取了。尤雨溪爸爸却纳闷了:儿子,一个艺术生,怎么能去Google?但他还是非常、非常地高兴!

Google Creative Lab是个非常有意思的地方,这里以做创意类的东西为主,延续了Google早期奔放的做事风格。“不少搞技术的都是创意领域的精英,拿过很多大奖。”Creative Lab工作节奏非常快,创意总监出一个想法,俩小时后,平面设计师就做出一个工作流程,紧接着就需要尤雨溪当天把原型在Web上实现。“哇!这么酷的东西,居然让我来做!”Google Creative Lab 80%~90%的项目都是保密的,是Google的内部产品,属于团队内部探索。“一个产品现在是这个样子,5年后和10年后它可以变成什么样?10年后的交互还是不是这个形态······”

工作之余,尤雨溪开始开发自己的“玩具框架”Seed。Google的工作内容偏重开发速度,而尤雨溪想沉淀一些更工程化的技术能力,另外,每次都靠作品获得机会的尤雨溪单纯觉得“要有作品可以开源,作品才是成就感”。Seed便是Vue的雏形。

创意行业,设计师非常看中技术人员还原设计稿意图的能力,要求技术人员首先能很好地理解设计意图,其次要有审美能力。尤雨溪在团队的头衔叫Creative Technologist,负责把创意转换成看得见、摸得着,能够交互的程序。Google看重尤雨溪用技术手段将创意展现出来的能力和细节方面的执行力,在Google,像尤雨溪这样的人不多。

但尤雨溪在Google Creative Lab做了两年多就离开了,他不想总在不同的项目间跳来跳去。“在这里,我们做了好多内部原型,用来反馈各种各样的创意想法。一般1~2周做完,先是内部讨论,觉得这东西有意思,然后把狂放的想法中比较实际的东西提取出来,交给产品团队。产品团队看到我们的东西通常会说:‘很棒,不过有点太酷了,我们可以把里面的一些东西搬到现实的产品中来。’然后就没下文了。”

尤雨溪渴望做出来的东西能传达到用户手里,更想看到它能在世界上产生些影响。当然,现在Google的产品中,有些能看到当年他们所做东西的影子,但这个反馈周期太长了······

尤雨溪离开Google没立刻告诉爸爸,他怕爸爸担心他的未来······全职做Vue,尤雨溪又瞒了爸爸一年……

被爸爸逼到失去学习热情

最小玩家尤雨溪躲在老家旁边的网吧玩《红色警戒》。爸爸冲进来,揪着耳朵把他拎回家!

1987年,尤雨溪出生在无锡一户注重教育的家庭,爸爸是公务员,妈妈在大学教书,后来去了银行。上小学时,按照惯例,10月及以后出生的适龄儿童要等下一年才入学,而尤雨溪的爸爸不这么做,相当于让尤雨溪提前一年上了小学。

小学的尤雨溪,虽有一台486,但并不用它学编程,而是经常缠着表哥帮他装游戏,一次,看到表哥在家里玩《无悔的十字军战士》,感觉很酷,就让表哥也帮他装一个。但自己的486只有4MB内存,没法装。后来表哥帮他升级了8MB内存条,才装上了他心爱的游戏,尤雨溪因此超级崇拜表哥。尤雨溪经常去家旁边的网吧玩,一来二去,跟网吧老板混熟了,人少时,老板免费让他玩。慢慢地,网吧为大众接受,尤雨溪再去网吧,家里人也就不管他了。
在这里插入图片描述

图2 486前的尤雨溪

当时奥数风潮正兴,小学快毕业时,为稳妥进入当地最好的初中,对数学没太大兴趣的尤雨溪参加了奥数比赛并且拿到了奖。爸爸兑现奥数拿奖承诺,在小学升初中的暑假,奖励了尤雨溪一台奔腾2(奔腾2GB台式电脑),尤雨溪非常开心,终于可以玩《帝国时代》了!游戏之余,尤雨溪开始用Windows自带的画图工具,在电脑上画画,积攒了30多幅画作。这是尤雨溪最早的作品。

大桥中学一直是无锡最好的民办初中,师资力量很强。在这里的三年是尤雨溪学生时代压力最大的时期。“学校课程排得非常满,早上6点就要吃早饭准备上学。”班里竞争激烈,全班40个学生,尤雨溪成绩一直是中上游水平。“考进前10名就算很好的了。”

尤雨溪爸爸人大毕业,考过托福,但专业所限没能出国,出于这份执念,从初一开始,爸爸就一直逼尤雨溪背单词。尤雨溪在校学习强度本来就很大,双重压力之下,尤雨溪失去了学习的热情,可他还是很听话,一切尽力为之。

申请到美国本科“全奖”

周末,上海到无锡回家的火车上,尤雨溪还在背《新概念英语》。到家,爸爸会抽查,背不出来就要挨骂,尤雨溪因此恨过爸爸。《新概念英语》从第三册起难度陡然增加,需理解文章逻辑才容易背诵。背完《新概念英语》第四册后,尤雨溪英语水平到达了新高度。平时英语课不太认真,考试同样能拿高分,到此尤雨溪又开始感谢爸爸逼了自己一把。

2002年,复旦附中还在面向全国招生,1000多人参考,招50名外地学生。“大我一岁的好友先考进了复旦附中。他将这个消息告诉了我。”“可想而知,信息差对一个人的影响有多大。如果当时不知道外地生能考复旦附中,我就错过了一次重要的机会。”

在复旦附中的三年,尤雨溪过得很开心,没有初中那么大压力,有时下午四点多就放学了,尤雨溪就会和几个同学去网吧打游戏。复旦附中有各种社团,是国外通识教育的氛围。“学校生活开销也不大,食堂的伙食很便宜,偶尔会租一些漫画、小说来看,玩游戏会花一点钱。”

复旦附中一位学长被哈佛录取,触动尤雨溪开始申请美国本科,但时间有些晚了。当时国内无法考SAT,要到香港去考,可尤雨溪还要上课,根本来不及安排去香港,更别说备考了。因此,尤雨溪考了托福,却因没请中介,自己拿托福成绩“裸申”而均以失败告终,这些学校根本不考虑没有SAT成绩的学生。尤雨溪也尝试性地申请了哈佛大学,拒绝信寄到了复旦附中门卫,大家看到,以为尤雨溪也被哈佛录取了,尴尬的他,只能告诉大家自己是被拒了。

万般无耐之下,尤雨溪去请教那位考上哈佛的学长,学长告诉他:第二年三月还有一批常规录取。另外,可以多逛逛留学美国本科的交流平台CUUS论坛。在CUUS论坛,尤雨溪了解到美国文理学院(Liberal Arts College)以本科教育为主,规模小而精,顶尖文理学院的学术声誉完全不输常春藤名校。在三月第二次申请后,尤雨溪很快拿到了两三个录取通知书,都有全额奖学金,他选择了离纽约比较近的学校Colgate。

拿到Offer后,尤雨溪就不想国内高考的事了,开始在附中混日子。爸爸警告他签证还没下来,如果最后拿不到,高考又考砸了,那就完了。尤雨溪就很不情愿地继续备战高考,结果考上了复旦大学。

让艺术插上技术的翅膀

尤雨溪学会ActionScript 3后,开始做带互动的实验性网站。一做就是一个通宵,第二天出去吃个饭,回来睡俩小时继续干。尤雨溪庆幸自己具备这种长时间保持专注的能力。

2005年,18岁的尤雨溪踏上了美国征程。已在波士顿的表哥开了好几个小时车将他送到学校。尤雨溪完全没想到Colgate在纽约郊区一个几千人的小镇里,虽然像个世外桃源,但没车寸步难行。“本科四年过得比较憋屈。”

学金融,一方面是爸爸的主意;另一方面,“那时计算机专业还没有后来这么热门,大部分同学都会选择数学、金融这样的专业,因为这些领域更容易找到H-1B(工作签证)的工作。”Colgate培养了很多金融领域的人才,每年会有一些金融企业来学校做宣讲招聘。

尤雨溪很早就玩Flash动画制作,还做了一个作品集,他随意把一些作品发到网上的互动设计论坛里,结果被北京一家公司的创意总监看中,邀请他到北京实习。尤雨溪的作品和作品意识一直是他人生的杠杆,为他创造机会,放大效益。

在Colgate大二快结束时,尤雨溪当面跟爸爸讨论了专业问题,他对金融不感兴趣。尤雨溪要用一年时间在艺术设计方面做出点成绩来,这是他第一次说服爸爸。

北京的半年实习彻底改变了尤雨溪,他决定要做一名设计师。再回到Colgate,尤雨溪放弃金融坚定地选择了艺术专业(Studio Art)。遗憾的是Colgate严格说只有一个老师真懂数字艺术,尤雨溪需要自己摸索专业知识。当Flash可以用ActionScript语言写脚本时,尤雨溪开始做一些简单的互动,接着尝试实现复杂场景。学到ActionScript 3时,尤雨溪对编程就有了些概念。但凡基于实践需要,再难,尤雨溪都会主动去学。

“好在并不是所有类型的编程都需要数学功底 ” ,因为尤雨溪的数学学得不算好,对他感兴趣的方向来说,“编程更需要逻辑分析能力”,而他在Colgate逻辑课拿了A+。尤雨溪学编程出于视觉驱动,他看到别人做出了一个很酷的东西,就开始想,怎么写代码才能做出这种效果?当然也会尝试反向编译别人的源码。GitHub的出现让他十分开心,他天天在上面看别人的源码,看到源码,就能弄明白一个东西是怎么运作的。尤雨溪的编程一直是结果导向。

尽管如愿以偿,开始数字艺术专业学习,但尤雨溪知道数字艺术专业找不到工作,他必须读硕士,将艺术插上技术的翅膀。在四、五个Offer中,尤雨溪选择了Parsons(帕森斯设计学院),因为他还是想留在纽约。Parsons的同学非常跨界,有的同学是工作了几年的设计师想学编程,有的是经验丰富的软件工程师想搞艺术,他们来自不同的国家和地区。纽约是个大熔炉。
在这里插入图片描述

图3 Parsons校园里的尤雨溪

硕士阶段没有奖学金,“花了家里不少钱。”所以尤雨溪很拼,努力学到了很多东西。“这么多花销,如果再不努力,最后再找不到工作,就太说不过去了。”在此期间,尤雨溪不仅学习了openFrameworks、动画算法等技术,还接触到了JavaScript编程语言,并在JavaScript这条路上越走越深。

后来的事情大家都知道了,正如文章开头所说,尤雨溪在硕士毕业后,先后供职于Google Creative Lab、Meteor,全职做Vue后,他逐渐找到了适合自己的工作与生活节奏,也将Vue送入了GitHub TOP3 Repo。这一切看似不难,如同每一次人生选择,之后的发展轨迹便顺理成章一样。尤雨溪本人则认为,时机、坚持、基于用户去思考,三者缺一不可。

后记:本文第一次全面实践了像写程序一样写文章的理想。优快云班实验了,集体远程采访、集体整理采访录音、主题和框架构思、模块写作、集体修改编辑校对。如果你也想加入优快云班,请从向本文提修改意见开始。
录音整理:谷磊、周扬、林兴陆、鲁飞龙
编辑/校对:田玮靖、萧少聪、王雪艳、李欣欣、张淑娴

关于《开源英雄》

《开源英雄》是由 优快云 创始人&董事长、极客帮创投创始合伙人蒋涛发起,中国著名 IT 记者、DoNews 创始人刘韧领衔,优快云、《新程序员》联合出品的专访栏目。通过开源开放的 优快云 写作班,深入访谈全球顶尖开源人物,为广大开发者传递更多、更高质量的信息,透过他们的人生及成长寻找共鸣、共舞开源世界。

自栏目推出至今,我们专访了 Vue 作者尤雨溪、LVS 创始人章文嵩、Linux 内核守护者吴峰光、中国 Linux 第一人宫敏、小米开源奠基者崔宝秋、Caffe 作者贾扬清,如果你有想让我们报道的开源人物,欢迎在 GitCode 上提交 Issues 或 PR。

地址:https://gitcode.net/programmer_editor/Open-Source-Heroes​​​​​​​


在《新程序员:开发者黄金十年》中,尤雨溪分享Vue项目从零成长为业界主流框架八年间鲜为人知的心路历程,点击订阅 《新程序员:开发者黄金十年》。

在这里插入图片描述

尤雨溪:优秀的前端产品经理 他的贡献不仅体现在技术层面,更在于推动了前端开发的进步和发展。我们可以通过学习和应用Vue.js和Vuex等工具,提高自己的前端开发能力,并为构建现代化的Web应用做出更好的贡献。尤雨溪在设计Vue.js时,参考了Angular和React等框架的优点,并结合自己的理念,创建了一个简单、灵活且高效的框架。Vue.js提供了一个响应式的数据绑定系统,使得数据的变化可以自动更新对应的视图,大大简化了前端开发的复杂性。尤雨溪的贡献不仅止于Vue.js框架本身,他还致力于推广Vue.js的生态系统的发展。 阅读详情

相关推荐

Vue框架背后的故事

Vue作为当下主流的框架,让我们一起走进尤大大对Vue的构建历程吧

商务合作欢迎私信我 11万+

尤雨溪-基本介绍

总之,Vue.js框架的出现,为前端开发者们提供了一个全新的选择。作为Vue.js框架的主要开发者,尤雨溪不仅提供了一个高效、易上手的开发工具,还通过丰富的社区贡献,积极推动了前端技术的发展。自 Vue.js 框架发布之后,尤雨溪积极参与社区的建设和维护,并在GitHub上建立了Vue.js的官方仓库。作为Vue框架的作者和主要维护者,尤雨溪为开发者们提供了一个实用、灵活的前端框架,赢得了广大开发者的青睐。同时,Vue.js的文档详细易懂,提供了丰富的案例和实战指南,使得不同层次的开发者都可以轻松上手。

qq_28400607的博客 1万+

利用GBD数据库做未来疾病负担预测

最近看到一篇文献,利用GBD数据库中的数据对疾病负担的发展趋势进行预测。觉得很有趣,就抽空用R语言复盘了一下里面关键的方法。 参考文献: Changing trends in the disease burden of esophageal cancer in China from 1990 to 2017 and its predicted level in 25 years DOI: 10.1002/cam4.3775 1. 相关R包的安装 主要用到的R包有3个,一个一个讲: 1.1 Nordpred

NickyCat的博客 5万+

【前端Vue男神尤雨溪传奇】

本文探寻尤雨溪的成才之路,解密vue背后的动人故事。尤雨溪以一介文科生,而成长为计算机界的大拿,成功之道何在?我虽乏史迁笔法,但有史迁雄心,搜罗网络,荟集成文,以飨读者。话说,尤大的英语口语让我辈仰止。

wyhwust的博客 8169

ENVI5.6 批量处理GF-2/GF-6/GF-7:从安装到融合的完整自动化流程

本文详细介绍了ENVI5.6环境下批量处理GF-2/GF-6/GF-7卫星数据的完整自动化流程,包括环境配置、工具安装、正射校正、图像融合等关键步骤。通过实战案例和优化技巧,帮助用户高效完成高分卫星影像处理,提升工作效率。特别针对GF-6和GF-7的特殊处理要点进行了深入解析。

weixin_42546392的博客 179

从零到一:华为iMaster NCE-Campus部署中的Euler OS与FusionInsight深度解析

本文深入解析华为iMaster NCE-Campus部署中Euler OS与FusionInsight的关键技术要点,包括RAID配置、网络绑定技术、安装避坑指南及性能调优方案。通过实战经验和详细配置示例,帮助工程师提升部署效率与系统稳定性,确保华为企业级解决方案的高效运行。

f6g7h8i9j的博客 550

Vue 作者尤雨溪,引路中国程序开发

image 我采访了尤雨溪,著名渐进式 JavaScript 框架 vuejs.org 的创造者。尤雨溪现通过 Patreon 平台众筹全职开发 Vue 的资金。他还曾在 Google 和 Meteor 工作过。 这篇文章 最初 发布在 Between the Wires,这是一个采访系列,专门采访那些为程序员开发产品的人。 和我们讲讲你的童年和你的家乡吧 好的,我出生在中国,我的家乡叫无锡,一个中等规模的城市,离上海很近。然后我在上海念了三年高中,因此经常两地来回跑。高中毕业后我去了美国念大学..

书写人生 1万+

豆包大模型API调用两种方法

ps: 因为是自用,所以这里图方便采用硬编码密钥的形式;如果有需求/安全风险,建议参考官方教程设置ARK_API_KEY环境变量的方式。坏处是:看别人的教程走了一大圈弯路hh;基础调用的话方法一就可以满足了,也比较方便快捷,容易上手。将 <Model> 替换为 Endpoint ID即可。创建就按照提示填写信息就行,需要实名认证,有免费额度。绿框框里就是Endpoint ID。

kkkkkkkkkasey的博客 1万+

尤雨溪的成神之路

loonggg读完需要6分钟速读仅需 2 分钟前几天,有一个计算机专科毕业的读者,加我微信,聊了聊自己的困惑。专科学校,大学没怎么好好学,毕业的时候,花了好几万,贷款上的 Java 培训班,然后被坑了,学的都是非常老的框架的知识,反正,最后工作也不怎么顺利。再加上现在的大环境也不好, IT 行业裁员也挺严重的,程序员确实挺饱和的,所以,比较焦虑。其中,有一件事,让我印象深刻,我感觉这可能是我们大多...

非著名程序员 3537

二、TCP/IP协议之网络层(IP地址的格式、分类、报文格式)

数据报每经过一个路由器,路由器都要重新计算一下首部检验和,若首部未发生变化,则此结果必为 0,于是就保留这个数据报。对于网络号相的设备,无论实际所处的物理位置如何,它们都是处在同一个网络中。在首部的固定部分的后面是一些可选字段,其长度是可变的。IPv4 软件在存储器中维持一个计数器,每产生一个数据报,计数器就加 1,并将此值赋给标识字段。表示数据报在网络中的寿命,英文缩写是 TTL(Time To Live),功能是“跳数限制”。地址的网络号码字段用来标识一个网络,网络号码字段的前几位用来区分。

锦慈的技术博客 185

AEJoy —— 表达式之仅限在某一维摆动【JS】

效果图 wiggle() 的作用仅限于水平方向 想法 wiggle() 确实是一个非常方便的工具,但有时您希望对它有更多的控制。在本例中,我们希望仅将摆动限制在水平方向。 设计 要理解 wiggle() 最重要的一点是,它生成的结果与应用它的属性具有相同的维度。例如,如果你将 wiggle() 应用于 3D 层的 position 属性,结果将是一个由三个元素组成的数组(x、y 和 z 各一个)。我们需要做的就是将 wiggle() 的结果捕捉到一个变量(我们称之为 “w” ),然后从这个变量中提取我们想

ShaderJoy 的兴趣技术杂货铺 2095

尤雨溪-vue

文章目录 前言 成长之路 从小学到初中 高中三年 大学六年 入职Google 加盟Meteor vue创世纪 尤雨溪给我们的启示 英语是敲门砖,绝不可放过 兴趣是最好的老师,非科班出身一样能做好编程 要学编程,先要有定力 信息差很重要,影响着我们的决策 本文参考 前言 本文探寻尤雨溪的成才之路,解密vue背后的动人故事。尤雨溪以一介文科生,而成长为计算机界的大拿,成功之道何在?我虽乏史迁笔法,但有史迁雄心,搜罗网络,荟集成文,以飨读者。话说,尤大的英语口语让我辈仰止。成长之路 从小学到初中 1987年,尤雨

wwf1225的博客 4379

从数字后端角度谈谈occ电路(一)

摘要:本文介绍了芯片测试中OCC(On-Chip Clock Control)电路的设计与应用。随着工艺进步,芯片制造面临Stuck-at、Bridging和Delay等故障类型,需要不同时钟频率进行测试。OCC电路通过Clock Selection、Clock Chopping Control和Clock Gating三个模块,实现ATE时钟与PLL时钟的切换控制,支持慢速时钟检测Stuck-at故障和快速时钟检测Delay故障。文章详细解析了OCC电路结构及各模块功能,包括同步单元、移位寄存器等关键组件

芯冰乐 587

前端男神尤雨溪传奇

解密vue作者的成功之路。

曲折旅程,艰难人生 1万+

【数据分析】比较SparCC、Pearson和Spearman相关性估计方法在合成组学数据上的表现

【数据分析】比较SparCC、Pearson和Spearman相关性估计方法在合成组学数据上的表现

专注生信领域 666

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

有哪些顶级水平的中国程序员?最后一个,我愿称之为神

我们熟知的很多程序员都是国外的。那我们中国有没有顶尖级的程序员,出于好奇,我全网进行了搜罗,这里把我认为比较厉害的一些程序员展示给大家。 篇幅有限,很多程序员我也没听过,所以就没有展示。排名顺序也没什么特别的,先看上谁,谁就排第一。 比如,第一的尤雨溪单纯就是因为他长的帅 如果你认为还有哪位大咖是你心目中的神,可以列出来,如果列的人多的话,我再搞一期给大家介绍介绍。 一、尤雨溪 江湖流传一个小故事: 一款名叫Clear的软件,在正式推出的第一天,就登场了Apple Store付费榜和总榜第二。 而身在美国的

jinmu520的博客 1万+

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

代码之外的尤雨溪:在新加坡的生活,以及如何面对黑粉

如何面对黑粉[2],和以往对于尤雨溪的访谈都是围绕着 Vue、Vite 等工作展开不同,这期关于尤雨溪的访谈,更多的侧重点放在了生活和一些精神层面的探讨上,也让我们在代码以外,从为人处世、心态、亲子关系、成长历程等方面了解尤雨溪这个人。这样的访谈内容也是为我们每个普通人提供了宝贵的人生启迪,让我们在各自奋斗的道路上,也要注意维护内心的平衡,保持一颗积极向上的心态。尤雨溪保持着与年轻一代同频的能力,不断学习新知识来跟上孩子的兴趣,我们在快节奏的职场生活中,不要忘记内心的那个纯粹的自己。

Web面试那些事儿的博客 1798

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

为什么Vue在国际上越来越没影响力?

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 这种问题问得真是糟心,下面有些回答更糟心,最糟心的是我其实无视了这个问题很久,懒得回答,但知乎还 tmd 老推给我。 “越来越没影响力“ 这个是怎么定义的?npm 下载量下降了?没有啊,去年这个时候周下载 189 万,现在是 285 万,一年增长了 50%,好像没啥问题吧。 整体占有率也没下降,甚至还提升了。npm 的数据跟 React 比维持在 1:4 左右的比例。react 的 npm 数据有相当一部分来自 React Na..

a1472750149的博客 1927

Vue 框架涉及国家安全?前端框架也会有漏洞?尤雨溪郑重回应:前端框架并不存在渗透功能...

作者 | Tina、万佳转自 |InfoQ无论是前端还是后端,只要有代码存在,就会出现漏洞。最近,有两幅关于 Vue 安全问题的截图在业界广为传播,截图内容表明目前有多家公司统计软件...

前端达人 3079

为什么中国没有很多优秀的开源?看VUE的作者收入百万

个 一直以来,我们中国从来不缺优秀的程序员,或顶级程序员。但中国确一下很缺优秀的开源。我们很多项目都是使用开源的,why? 两个字:温饱 做开源,一样的需要大量的精尽投入的,但是我国的程序员都是很忙的,995,996,物价房价高,一天不上班,就可能断粮。 不说了,看看VUE作者吧。 以前看到看到VUE作者的照片,是一个很年青的照片,这里照片有了岁月的痕迹!作者也当爹了 9 月 19 日,VUE 终于迎来了3.0 正式版。 众所周知,VUE 的作者尤雨溪是一个资深的二次元爱好者...

过客2019 1万+

2024年尤雨溪对 2022 Web前端生态趋势是这样看的_vapor mode,2024年C C++面经分享

7/22 尤大大在直播中就 2022 Web前端生态趋势 做了分享,本博主作为尤大大的忠实粉丝,也决定将这些干货通过文字形式呈现出来,传播给更多前端爱好者、从事者!随着主持人的一句“欢迎尤雨溪先生“ 尤大大又一次以线上的方式与大家见面。开发范式&底层框架(注:大家比较熟悉的Vue、React这些框架层面)工具链(注:像webpack这样的构建工具)上层框架(注:例如Next.js、Nuxt.js)

2401_84976700的博客 1480

vue框架简介_vue作者尤雨溪

简介著名渐进式 JavaScript 框架 vue 的创造者。尤雨溪现通过 Patreon 平台众筹全职开发 Vue 的资金。他还曾在 Google 和 Meteor 工作过,江湖人称尤大大;大学本科专业是室内艺术和艺术史,根据作者讲述是因为这个专业很难找到工作,所以就选择了美术设计和技术的继续深造;这个专业可以接触到设计和编程;因为开发类似 Chrome experiments 的项目,被 Go...

weixin_39814093的博客 1万+
上一篇: 2021年度IT图书评选开启,快来Pick你的心仪好书
下一篇: 《新程序员》杂志的一个新功能悄然上线
评论 52
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值