• 17

    AUG

    @xzdbd

    ARTS 第十七周

    TL;DR

    • 使用 FFmpeg 来实现直播推流
    • 56. Merge Intervals
    • 手动 attach chrome.debugger
    • 福乐欢欣的生活不到终结便无可传述 ...
  • 16

    APR

    @xzdbd

    为了「略懂」Rust,开始学习 Rust 的官方教程

    引用自《RUST 语言的编程范式》

    Java 与 Rust 在改善C/C++上走了完全不同的两条路,他们主要改善的问题就是C/C++ Safety的问题。所谓C/C++编程安全上的问题,主要是:内存的管理、数据在共享中出现的“野指针”、“野引用”的问题。

    • 对于这些问题,Java用引用垃圾回收再加上强大的VM字节码技术可以进行各种像反射、字节码修改的黑魔法。

    • 而Rust不玩垃圾回收,也不玩VM,所以,作为静态语言的它,只能在编译器上下工夫。如果要让编译器能够在编译时检查出一些安全问题,那么就需要程序员在编程上与Rust语言有一些约定了,其中最大的一个约定规则就是变量的所有权问题,并且还要在代码上“去糖”,比如让程序员说明一些共享引用的生命周期。

    • Rust的这些所有权的约定造成了很大的编程上的麻烦,写Rust的程序时,基本上来说,你的程序再也不要想可能轻轻松松能编译通过了。而且,在面对一些场景的代码编写时,如:函数式的闭包,多线程的不变数据的共享,多态……开始变得有些复杂,并会让你有种找不到北的感觉。

    • Rust的Trait很像Java的接口,通过Trait可以实现C++的拷贝构造、重载操作符、多态等操作……

    • 学习Rust的学习曲线并不平,用Rust写程序,基本上来说,一旦编译通过,代码运行起来是安全的,bug也是很少的。

  • 24

    FEB

    @xzdbd

    Review

    安装部署 Minikube 和 Istio

    环境:AWS EC2, Amazon Linux 2, 16G RAM, 2 CPUs

  • 20

    JAN

    @xzdbd

    Review

    日子竟然晃晃悠悠已经来到了 2020 年。好久没有更新这个版块了。断断续续的终于看完了《Deep Learning with Python》。

    稍微总结下吧。

  • 24

    SEP

    @xzdbd

    Deep Learning with Python 第五章:Deep learning for computer vision

    主要讲以下几部分内容

    • 理解卷积神经网络(convolutional neural networks)
    • 使用数据增强(data augmentation)来避免过拟
    • 使用预训练的卷积神经网络模型来做特征提取(feature extraction)
    • 优化预训练的模型
    • 可视化
E