<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[如雨繁辰‘s  blog]]></title><description><![CDATA[长夜太冷，不如加以繁辰]]></description><link>https://blog.youkuaiyun.com/u013166171</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u013166171]]></copyright><item><title><![CDATA[妈妈再也不担心博客多地发布，typora upic 图床实践]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/127201835</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/127201835</guid><author>u013166171</author><pubDate>Sat, 08 Oct 2022 02:18:22 +0800</pubDate><description><![CDATA[写博客的时候经常遇到一个问题，本地typora博客在上传网上时候，写的 markdown 博客图片难以拷贝，需要一个一个手工拷贝（因为使用本地存储，依靠直接网络图片链接不靠谱），这时候就需要应用到图床大法。]]></description><category></category></item><item><title><![CDATA[go 源码工具解析-英文单复数变化 Inflection]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/123026830</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/123026830</guid><author>u013166171</author><pubDate>Sun, 20 Feb 2022 02:22:29 +0800</pubDate><description><![CDATA[Inflection 拐点
资源
Inflection
20220219该库状况




属性
内容




star
381


fork
59


famous used
grom


dependence
go 1.15 regexp


licence
MIT


功能：
英文名词单数转复数，复数含义转单数
结构
CI 工具：wercker
wercker.yml
代码结构
文件简单基础，所有主逻辑都在infection中，且使用方式直接在readme中说明
#mermaid-svg-iAmVSRH]]></description><category></category></item><item><title><![CDATA[防刷逻辑小总结]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/122872493</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/122872493</guid><author>u013166171</author><pubDate>Fri, 11 Feb 2022 01:51:35 +0800</pubDate><description><![CDATA[前言
防刷是互联网中高可用服务中需要考虑的重要一环，尤其是在有利益纠葛的，比如活动等页面，对应的后台需要根据需求有充分防刷能力。以下进行简要总结
有效方案
提高并发以弱化被刷的伤害
后端：

索引和表分区建立合适，选择合适的分布式存储组件
完善监控、限流降级功能
分库分表
热点数据缓存
网络层过载保护

前鍴：


静态化处理，尤其访问量比较大的首页，例如中心首页、活动首页等。每隔一定时间去更新静态文件（3分钟或者更长）。


本地缓存，前鍴的部分数据缓存，降低对后台的访问量


分流组件，（比如随机）一部]]></description><category></category></item><item><title><![CDATA[远程日志 es elastic search vs clickhouse]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/122872465</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/122872465</guid><author>u013166171</author><pubDate>Fri, 11 Feb 2022 01:28:47 +0800</pubDate><description><![CDATA[前言
远程日志是能切实提升程序员定位问题效率的工具，目前已经有成熟的方案es elastic search，也就是elk。在实际使用的过程中，存储时间短，可能会丢少量条目消息的问题会出现，跟同事调研探讨以下解决方案。
问题：远程日志定位问题，有无更多方案
1.辅助以离线数仓
日志统一上报，落库kafka分流处理，一道进入elk，一道通过小时级别的大数据数仓，通过hive presto 对小时落库的hdsf数据大表做二次搜索，可以极大拉长可检索时间，简易检索的速度也很快，非常方便。缺点是定位时长需要等小时级别]]></description><category></category></item><item><title><![CDATA[go生僻语法学习二（接口与断言）]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/122831594</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/122831594</guid><author>u013166171</author><pubDate>Tue, 08 Feb 2022 21:30:08 +0800</pubDate><description><![CDATA[前言
在应用go语言开发中，有一些概念其实比较少用到，这里单独提出来方便温习学习,这里强烈推荐以下书书籍
资料来源：Go语言圣经（中文版）
go 接口
在Go语言中还存在着另外一种类型：接口类型。接口类型是一种抽象的类型。它不会暴露出它所代表的对象的内部值的结构和这个对象支持的基础操作的集合（集合含义：相同的方法实现，不同的输入类型）；它们只会表现出它们自己的方法。
fmt.Printf，它会把结果写到标准输出，和fmt.Sprintf，它会把结果以字符串的形式返回。得益于使用接口，我们不必复制一份。fmt]]></description><category></category></item><item><title><![CDATA[go生僻语法学习一（可变参数）]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/122817273</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/122817273</guid><author>u013166171</author><pubDate>Tue, 08 Feb 2022 01:54:38 +0800</pubDate><description><![CDATA[前言
在应用go语言开发中，有一些概念其实比较少用到，这里单独提出来方便温习学习,这里强烈推荐以下书书籍
资料来源：Go语言圣经（中文版）
go 可变参数
参数数量可变的函数称为可变参数函数。典型的例子就是fmt.Printf和类似函数。Printf首先接收一个必备的参数，之后接收任意个数的后续参数。
在声明可变参数函数时，需要在参数列表的最后一个参数类型之前加上省略符号“…”，这表示该函数会接收任意数量的该类型参数。
限制：最后一个参数，类型相同（若不同可使用interface），可构建切片
func s]]></description><category></category></item><item><title><![CDATA[go规范编程必备工具（代码规范与单测）]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/122817036</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/122817036</guid><author>u013166171</author><pubDate>Tue, 08 Feb 2022 00:46:21 +0800</pubDate><description><![CDATA[go 开发中使用好工具可以极大方便规范化开发，最开始需要做到的就是规范和单测。]]></description><category></category></item><item><title><![CDATA[1080ti 和 2080ti 深度学习显卡价值对比]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/89479687</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/89479687</guid><author>u013166171</author><pubDate>Tue, 23 Apr 2019 19:54:16 +0800</pubDate><description><![CDATA[如果是单玩游戏，那么2080ti最好，光线追踪，而且双卡复用需要游戏支持，所以一般只能发挥单卡性能，那自然2080ti。

如果是深度学习的话，那就有的谈了，

结论：纯综合算力而言1080ti,单卡算力2080ti，性价比1080ti.

float16算力而言：两个1080ti不如2080ti(以两个1080ti并行算力达1.8算)

float32算力而言：能并行任务两个1080ti(以两个...]]></description><category></category></item><item><title><![CDATA[华为招聘状态码RSA解密方法]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/89398669</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/89398669</guid><author>u013166171</author><pubDate>Fri, 19 Apr 2019 14:14:34 +0800</pubDate><description><![CDATA[2019年4月15号时候华为还能通过这种方法查询应聘状态https://www.cnblogs.com/Mufasa/p/10291251.html



结果4月17日突然将状态加密了（后面估计还会换）



那该怎么办呢？细心的人会浏览对应网页所包含的js文件（毕竟前端内容可以得到）



用chrome打开会发现带了以下js文件，其中绿红键头的最为关键

、

绿色是获取的密文json

红...]]></description><category></category></item><item><title><![CDATA[faster RCNN 快速理解]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/89321784</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/89321784</guid><author>u013166171</author><pubDate>Mon, 15 Apr 2019 22:18:16 +0800</pubDate><description><![CDATA[今天复习详细读了Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks，大致简单梳理下



rcnn 到fast rcnn 到 faster rcnn演变：https://www.cnblogs.com/skyfsm/p/6806246.html

简单说就是这一类都是在一张图中取多个候选图，...]]></description><category></category></item><item><title><![CDATA[数据帧，数据报，数据包相互关系包含关系的理解]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/89214098</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/89214098</guid><author>u013166171</author><pubDate>Thu, 11 Apr 2019 16:46:20 +0800</pubDate><description><![CDATA[这段地方究竟谁包含谁有些不太理解，所以整理了下

数据帧（Frame）：是一种信息单位，它的起始点和目的点都是数据链路层。数据包（Packet）：也是一种信息单位，它的起始和目的地是网络层。数据报（Datagram）：通常是指起始点和目的地都使用无连接网络服务的的网络层的信息单元。段（Segment）：通常是指起始点和目的地都是传输层的信息单元。消息（message）：是指起始点和目的地都在网络层...]]></description><category></category></item><item><title><![CDATA[Ray强化学习分布式框架及RLlib]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/89139756</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/89139756</guid><author>u013166171</author><pubDate>Tue, 09 Apr 2019 11:39:38 +0800</pubDate><description><![CDATA[最近阅读了

Ray: A Distributed Framework for Emerging AI Applications 

RLlib: Abstractions for Distributed Reinforcement Learning 

两篇文章，然而发现对应的博客解读还是比较少，所以简单总结下这两篇文章。

首先这是一个开源项目，相关的文档已经可以轻松在网上获得。分布式框架

...]]></description><category></category></item><item><title><![CDATA[大数据零基础入门学习 topk与词频统计]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/87878337</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/87878337</guid><author>u013166171</author><pubDate>Fri, 22 Feb 2019 15:05:39 +0800</pubDate><description><![CDATA[词频统计与取前k内容

 

比如百度搜索如何取前k条符合的内容呢，最基础的方法是先算出每个内容的匹配值然后取前k位。词频类似，统计词对应频率然后取前k位

 

Topk 求取算法

TopK Elements 问题用于找出一组数中最大的 K 个的数。



此外还有一种叫 Kth Element 问题，用于找出一组数中第 K 大的数。



其实要求解 TopK Elements，可以先求解 ...]]></description><category></category></item><item><title><![CDATA[大数据零基础入门学习 最原始基础的解决算法]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/87869761</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/87869761</guid><author>u013166171</author><pubDate>Thu, 21 Feb 2019 22:29:13 +0800</pubDate><description><![CDATA[在解决问题之前，要先计算一下海量数据需要占多大的容量。常见的单位换算如下：


估算是做大数据架构必须会的手段。
	 
	机器问题基本解法：
	如果数据量很大，无法放在一台机器上，就将数据拆分到多台机器上。这种方式可以让多台机器一起合作，从而使得问题的求解更加快速。但是也会导致系统更加复杂，而且需要考虑系统故障等问题；
 

      内存问题基本解法：

如果在程序运行时无法直接加载一个大文件...]]></description><category></category></item><item><title><![CDATA[强化学习-APEX-分布式优先经验回放DISTRIBUTED PRIORITIZED EXPERIENCE REPLAY-强化replaymemory方法]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/84256404</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/84256404</guid><author>u013166171</author><pubDate>Mon, 19 Nov 2018 19:51:54 +0800</pubDate><description><![CDATA[这是一篇论文，https://arxiv.org/abs/1803.00933

其概念主要是对传统DQN ,DDPG使用分布式actor获取replay memory数据并进行优先经验回放方法，从而使强化学习网络训练得更有效率（现在强化学习NN训练难度确实很高，效率低，所以要尽可能提升效率，所以这篇文章还是有帮助的），作者主要以atari训练实验来证明其方法的优越性。（毕竟并行化获取经验）

主...]]></description><category></category></item><item><title><![CDATA[pycharm应用git及github以及git工具的学习和理解]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/83383546</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/83383546</guid><author>u013166171</author><pubDate>Thu, 25 Oct 2018 17:53:13 +0800</pubDate><description><![CDATA[之前一直没认真对github进行了解，只当成下载和上传代码的工具使用，最近认真过了一遍git 的知识，感觉功能使用起来方便了不少，更能掌握真正的github应用姿势。

git 就是个分布式版本管理工具，github就是提供git存放及交流服务的平台，应用pycharm这款强大的ide也可以在配置后直接图形化使用。具体的配置方法感觉多篇博客这篇最简洁易懂https://www.cnblogs.co...]]></description><category></category></item><item><title><![CDATA[安装Airsim并在Airsim仿真环境下进行DDPG DQN强化学习算法无人机训练]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/82997394</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/82997394</guid><author>u013166171</author><pubDate>Wed, 10 Oct 2018 15:44:22 +0800</pubDate><description><![CDATA[微软开源了基于虚幻4引擎的一款用于模拟无人机飞行的工具AirSim。用户可以用在虚幻引擎下模拟无人机的飞行并进行数据采集。非常适合做视觉算法的测试以及仿真环境的训练等等，下面介绍如何快速使用次仿真环境完成project的运行和使用。

首先是要虚幻4引擎和airsim的安装，两篇讲得比较好的

https://blog.youkuaiyun.com/Michael_Bzw/article/details/80...]]></description><category></category></item><item><title><![CDATA[策略梯度学习整合与理解]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/82980806</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/82980806</guid><author>u013166171</author><pubDate>Tue, 09 Oct 2018 13:13:11 +0800</pubDate><description><![CDATA[强化学习是一个通过奖惩来学习正确行为的机制. 家族中有很多种不一样的成员, 有学习奖惩值, 根据自己认为的高价值选行为, 比如 Q learning, Deep Q Network（value based）, 也有不通过分析奖励值, 直接输出行为的方法, Policy Gradients （policy based）. 甚至我们可以为 Policy Gradients 加上一个神经网络来输出预测的...]]></description><category></category></item><item><title><![CDATA[Learning Transferable UAV for Forest Visual Perception 的理解（一）]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/82594255</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/82594255</guid><author>u013166171</author><pubDate>Mon, 10 Sep 2018 19:06:25 +0800</pubDate><description><![CDATA[这篇文章本质上就是结合了两篇文章，一篇Learning Transferable Features with Deep Adaptation Networks（有关卷积网络与迁移学习的），通过使用多核最大均值差异成为正则化项从而在有监督样本和无监督样本间实现迁移学习，达到无监督样本分类准确率提升。



一篇A Machine Learning Approach to Visual Percept...]]></description><category></category></item><item><title><![CDATA[netbeanJDBC连接mysql8.0.12数据库方法]]></title><link>https://blog.youkuaiyun.com/u013166171/article/details/81368969</link><guid>https://blog.youkuaiyun.com/u013166171/article/details/81368969</guid><author>u013166171</author><pubDate>Thu, 02 Aug 2018 22:51:16 +0800</pubDate><description><![CDATA[首先需要在官网上下载最新的mysql server 以及对应的jdbc驱动文件（如果不用对应的驱动文件可能会无法连接）,

https://www.cnblogs.com/kawask/p/9171966.html

可以按照以上超链接设置密码，

注意下面这段：（否则jdbc连接会有问题）

在MySQL 8.04前，执行：SET PASSWORD=PASSWORD('[新密码]');但是MyS...]]></description><category></category></item></channel></rss>