- 教程 | 详解如何使用Keras 10-06
- 干货|必读的JAVA学习资料,赶 10-06
- 史上被骂最多的编程语言——Jav 10-06
- 使用Java API的5个技巧 10-06
- 解构TensorFlow, 学习 10-06
- 程序员中的老司机们,30 后的路 10-06
- 安卓单元测试全攻略,让代码测试一 10-06
- CovertUtils:一个用于 10-06
- Java 面试参考指南( 一 ) 10-06
- 基于神经网络的高性能依存句法分析 10-04
教程 | 详解如何使用Keras实现Wassertein
发布者: super | 发布时间:2017-10-06
选自Deeply Random
参与:晏奇、李泽南
在阅读论文 Wassertein GAN 时,作者发现理解它最好的办法就是用代码来实现其内容。于是在本文中,作者将用自己的在 Keras 上的代码来向大家简要介绍一下WGAN。
何为 GAN?GAN,亦称为生成对抗网络(Generative Adversarial Network),它是生成模型中的一类——即一种能够通过观察来自特定分布的训练数据,进而尝试对这个分布进行预测的模型。这个模型新获取的样本「看起来」会和最初的训练样本类似。有些生成模型只会去学习训练数据分布的参数,有一些模型则只能从训练数据分布中提取样本,而有一些则可以二者兼顾。
目前,已
干货|必读的JAVA学习资料,赶快收藏!
发布者: super | 发布时间:2017-10-06
不论你是刚接触Java,还是已经对学习Java有了自己的一些见解,也不管是Java 8还是未来的Java 9,是否牢牢掌握了Java的根本对以后从事于这方面乃至有所建树都是很重要的。
虽然现在可以很容易地通过网上的一些文档掌握语法,但还是应该准备几本书,好对一些概念进行深入的研究。
小编在一些IT资讯网上为大家整理出一些干货,内容不全但求基础实用,小伙伴们赶紧收藏咯!
《Head First Java》
(第2版 ·中文版)
史上被骂最多的编程语言——JavaScript
发布者: super | 发布时间:2017-10-06
文章作者:金旭亮(http://my.csdn.net/bitfan)原文链接:http://blog.csdn.net/bitfan/article/details/10362461
一、世无英雄,遂使竖子成名
1 Web客户端编程语言事实上的王者
(1)Java为何成功?
几乎所有的Java书都会先介绍一番Java的历史,比较有趣的是我在资料中看到这样一句话:
Java的设计者Brendan Eich曾在一次采访中说,Java“几天就设计出来了”。
Ruby的设计者——松本行弘为此感叹:
“这样的出身,得到这样的成功,还真让人出乎意料,……”,
“但由于开发周期短,确实也存在着不足……”。
确实,作
使用Java API的5个技巧
发布者: super | 发布时间:2017-10-06
本文介绍了一些关于Java API安全和性能方面的简单易用的技巧,其中包括保证API Key安全和开发Web Service方面中在框架方面选择的一些建议。
程序员都喜欢使用API!例如为app应用构建API或作为微服务架构体系的一部分。当然,使用API的前提是能让你的工作变得更轻松。为了简化开发和提高工作效率所作出的努力,有时也意味着需要寻找新的类库或者过程(或者减少过程)。对于很多开发团队来说,对于其APP和API进行管理认证和访问控制要耗费很多的时间,因此我们需想分享一些技巧,它们能节约你的时间,减少代码编写量,并能让你的应用更加安全和易于维护。
先介绍下本文提及的背景知识:Okta是一个基于REST、JSON API构建的Java应用,使用Spring框架构建。我们公司的应用,是保存用户的身份凭证和其他公司的敏感数据,所以对我们来说,安全是最重要的。因此,我对这些技巧的第一个要求是,它们能帮助令到你的Java应用更安全。
这些建议应该是任何类型的Java应用都是通用的。它们会帮助你更快地编写代码,但代码量更少了,同时又更安全:这真的是
解构TensorFlow, 学习MXNet -- 新一代
发布者: super | 发布时间:2017-10-06
作者:陈天奇
这是一个以标题党风格的科普文。深度学习工具潮流滚滚,各种工具层出不穷。也有各种文章从易用性,可移植性,灵活性和效率方面对于各个系统进行比较。这篇文章希望从系统设计上面来讲来回答这个讨论这个问题:如果想到从头设计一个TF一样的新一代深度学习系统,到底需要把握哪些要点。
计算单元:从layer abstraction到operator
大家熟悉的第一代深度学习系统,以cuda-convnet2和caffe为代表。这些系统主要的一大特点是提出了一个以深度学习计算层次layer为基本单元的计算单位。不同的layer可以包含权重,并且相互组合。因为有了可以被组合的概念,不同的层次可以被组合在一起,从而可以比较灵活地尝试各种网络结构。
包括Tensorflow在内的比较新的系统一般都采用了和layer稍微有一些区别的模式: operator。operator和layer最大的差别就是不再区分参数和数据,并且参数本身不再是la
程序员中的老司机们,30 后的路该开向哪里?
发布者: super | 发布时间:2017-10-06
我是程序员,也是老司机。我已过而立之年,也还没过而立之年——年纪是到了,却还没有立,不论是立德、立言还是立功。你问我慌不慌,我问你路在何方。
我当程序员数数日子,八年有余,自封老司机也不算太过分,至少写过的代码比吃过的盐多。那些碰到过的臭虫,被指派的需求,请求的网页,搜索的问题,都是沿路的风景。你问我风景美不美,我问你前路在何方。
我写过客户端、做过网站、写过后端服务,踩过的坑,多过别人埋过的地雷。网页开发很无聊,客户端适配也枯燥,服务器高并发只能靠重启。你问我焦虑不焦虑,我问你午夜加班键盘声,是不是如同窗外蛙鸣焦躁不安。
你问我迷茫不迷茫,我问你前方该左移还是右移。
30 了,写代码十年八年了,老司机们 coding 的时候很熟悉左移和右移,但是开车到这个年纪……想想当年读着侯捷的书,看着人家
安卓单元测试全攻略,让代码测试一劳永逸
发布者: super | 发布时间:2017-10-06
前言
安卓单元测试,只看这一篇就足够啦。真正的完全解析,真正的从0到1,Junit结合Mockito与Robolectric实现从M到V再到P,Jacoco扫描函数、逻辑、代码行数单元测试覆盖率100%的全面测试。你是否还在为了验证联网与未联网状态而频繁的开关WiFi开关?或者你是否还在为一个switch判断而频繁的使用debug断点setValue来观测代码的逻辑判断情况?又或者你是否还在为了校验某个UI文案的正确性而反复的比对UI稿?可能你会反问,难道写完代码自测也有错?当然不是,自测是一个良好的习惯,不过作为一名工程师,你要做的不应该只是看看点点的黑盒测试,而是应该设计出一套能够让代码测试代码,一劳永逸的测试工程。
正文
首先我们从Model层开始,通过具体代码来详尽说明一下一个单元测试覆盖率100%的测试工程是如何建立的。严格意义上讲,Model数据层负责数据加载与储存,是游离于安卓环境之外的存在,所以它可以不需要借助安卓SDK的支持。使用Junit结合Mockito即可做到100%条件分支覆盖率的单元测试。如果项目的Mode
CovertUtils:一个用于设计和创建后门的Pyth
发布者: super | 发布时间:2017-10-06
我在GitHub也混迹多年了,GitHub上眼花缭乱的后门项目也是令我印象非常深刻的。但是每一个项目似乎都有其自身的短板和优点,因此我打算创建一个项目,而这个项目将包含所有与后门有关的部分。
CovertUtils
在奋斗了好几个月之后,CovertUtils-一款用于后门编程的专用Python框架终于问世了!
这个Python模块可以自动化地处理所有的通信信道选项,例如加密、分块和隐写等等。虽然本项目的代码行数非常少,但它的功能却非常强大,这也是Python的特性之一。它允许编程人员花较少的时间开发出针对实际情况的Payload、shellcode以及更多具有创造性的东西。除此之外,安全研究人员也不必再重复造车轮了。
Python
没错,本项目采用Python语言开发,目前可支持的版本为Python 2.7。
完全不需要任何的外部依赖组件
是的,你没听错!本项目采用纯净的Python进行开发,目前你在使用CovertUtils的时候完全不需
Java 面试参考指南( 一 )
发布者: super | 发布时间:2017-10-06
来源:ImportNew - darthy,
Java面向对象相关概念
Java是一种基于面向对象概念的编程语言,使用高度抽象化来解决现实世界的问题。 面向对象的方法将现实世界中的对象进行概念化,以便于在应用之间进行重用。例如:椅子、风扇、狗和电脑等。
Java里的类(Class)是一个蓝图、模板,或者称之为原型,它定义了同一类事物的相同属性和行为。实例(Instance)是某个类的一个具体实现,同一个类所有的实例拥有相同的属性。举例来说,你可以定义一个类叫做“房子(House)”,这个类拥有一个属性叫做“房间数(number of room)”,这样你就可以创建一个“房间数”为2的“房子”实例,你还可以创建一个“房间数”为3的“房子”实例,等等等等。
优点:
面向对象软件开发的若干优点在于:
模块化,维护成本低;
更好的代码重用,具备继承性,开发更为敏捷;
更好的代码可靠性和灵活性;
对现实世界进行建模,易于理解;
基于神经网络的高性能依存句法分析器
发布者: super | 发布时间:2017-10-04
一、依存句法分析器综述
谈起依存句法分析,主流的统计句法分析一般分为两大流派——生成式和判决式。
1、生成式句法分析
生成式就是生成一系列句法树,从里面挑选出概率最大的那一棵作为输出。在具体实现的时候,可以选择最大熵等模型去计算单条依存边的概率,利用最大生成树算法来挑选最佳句法树,比如《最大熵依存句法分析器的实现》。
其优点是效果好,但开销大。训练的时候常常要用一份巨大的特征模板,得到的模型中含有大量复杂的特征函数。在解码的时候,这些特征函数的储存和运算成本很高。由于是全局最优,所以可以取得较高的准确率,还可以很方便地处理非投射的句法树。不过也由于搜索的全局性和特征函数的复杂度,模型常常会过拟合,在训练集和测试集上的准确率差别很大。
2、判决式句法分析
判决式一般是基于动作(或称转移)和一个分类器实现的,仿照人类从左到右的阅读顺序,判决式句法分析器不断地读入单词,根据该单词和已构建的句法子树等信息建立分类模型,分类模型输出当前状态下的最佳动作,然后判决式分析器根据最佳动作“拼装”句法树。
