Posts
发信人: biye (早点找到工作吧), 信区: History 标 题: Re: 文化有高低, 人种有优劣? 发信站: BBS 未名空间站 (Fri Apr 5 16:10:01 2019, 美东) 说说我的看法 如果泛泛的说，文化很难说哪个优哪个劣 但放在某个具体环境下，文化就有优劣了 或者如果不喜欢“优越”这样的表达，用“更适应”好了 现代化之前中国农业地带，中国传统文化更为优越 草原上，游牧文化更优越 青藏高原上，藏传佛教更优越 热带的非洲，食物丰富，不需要勤劳 快乐的多造人可能更利于族群的生存，所以非洲人的传统文化更优越 文化相对主义强调泛泛的说，文化没有优劣，这或许是对的 但套在现代就有问题，因为现代人仍然生活在一个具体环境下 这个环境就是以海洋贸易为核心的世界贸易体系 在这个环境下，西方文化确实更有优势 至于人种，不敢妄加评论 我只坚信，或许西方文化是白人发明的 但亚洲人一定能掌握它，至少不比别人差
在 计算机科学 中，最大子数列问题的目标是在数列的一维方向找到一个连续的子数列，使该子数列的和最大。例如，对一个数列 −2, 1, −3, 4, −1, 2, 1, −5, 4，其连续子数列中和最大的是 4, −1, 2, 1, 其和为6。 该问题最初由 布朗大学 的 Ulf Grenander 教授于1977年提出，当初他为了展示数字图像中一个简单的 最大似然估计 模型。不久之后 卡内基梅隆大学 的 Jay Kadane 提出了该问题的线性算法。（ Bentley 1984 ）。 Kadane算法 Kadane算法扫描一次整个数列的所有数值，在每一个扫描点计算以该点数值为结束点的子数列的最大和（正数和）。该子数列由两部分组成：以前一个位置为结束点的最大子数列、该位置的数值。因为该算法用到了“最佳子结构”（以每个位置为终点的最大子数列都是基于其前一位置的最大子数列计算得出），该算法可看成 动态规划 的一个例子。 算法可用如下 Python 代码实现： def max_subarray ( A ): max_ending_here = max_so_far = A [ 0 ] for x in A [ 1 :]: max_ending_here = max ( x , max_ending_here + x ) max_so_far = max ( max_so_far , max_ending_here ) return max_so_far 该问题的一个变种是：如果数列中含有负数元素，允许返回长度为零的子数列。该问题可用如下代码解决： def max_subarray ( A ): max_ending_here = max_so_far = 0 for x in A : max_ending_here = max ( 0 , max_ending_here + x ) max_so_far = max ( max_so_far , max_ending_here ) return max_so_far 这种算法稍作修改就可以记录
Before you start # Make sure that: You are working with PyCharm version 4.0.0 or higher. If you still do not have PyCharm, download it from this page . To install PyCharm, follow the instructions, depending on your platform. You have at least one Python interpreter properly installed on your computer. You can download an interpreter from this page . Downloading and installing IdeaVim plugin # On the toolbar of the PyCharm main window, press Ctrl+Alt+S to open the Settings/Preferences dialog, and then click Plugins . You see the list of plugins currently installed on you computer. However, the IdeaVim plugin is not among them. Click the Marketplace tab, type the word "vim" in the search field to narrow down the list, and select IdeaVim plugin: After installing the plugin, it actually becomes available after PyCharm restart. What happens to P
阅读本文，您将了解到心流与人体工效的重要性，并使自己变得更强大，文章将从以下几点展开： ◈ InteliJ IDEA 当前的市场情况与表现； ◈ IntelliJ IDEA 成功的原因； ◈ IntelliJ IDEA 在 IDE 设计器领域胜出的两个关键点； ◈ IntelliJ IDEA 对现实工作的启示； InteliJ IDEA 的市场情况与表现 2012 年开始，IntelliJ IDEA 便迅速崛起，到了 2016 年，就占领了开发者市场的 46% 分额。直至 2018 的最新结果：IntelliJ IDEA 的市场份额增长到了 55.4％，显然赢得了 18 年 Java 领域的 IDE 王者之战，甚至还有重构大师 Martin Fowler 在其著名的博客上，对 IntelliJ IDEA 赞誉有加。而且根据 IDEA 的产品满意度调查，其满意度竟高达 98%。 IntelliJ IDEA 为何能成功？ 很多国外学者也研究了 IDEA，它的成功之处归结起来有以下两点： 1. 产品功能上的成功： ◈ 代码的智能提示：IDEA 自主开发语言解释器，做了深度的静态分析，让编程更加智能与高效，这是一项杀手级的特色功能； ◈ 没有保存按钮：每一个你想使用的功能，都有快捷键； ◈ 性能非常好，用户的体验极其流畅； ◈ IDEA 不仅对核心插件进行维护, 还提供了优秀的工具集，给予用户一致的 UX 范式体验； 2. 营销策略上的成功： ◈ 以产品为核心和根本，以 "更好用" 的设计理念和原则打败了很多竞争者； ◈ IDEA 没有销售团队，但是霸气的营销口号体现了其内容营销的核心逻辑：”Try it. Test it. If you feel its better, use it“ ，没有多余的营销，真正做到了用产品说话； 相信大部分程序员，对 IDEA 的特性已经非常熟悉了。 接下来，我们将分析其真正强大的原因。 IntelliJ IDEA 为何能胜出？ IDEA 的风靡与崛起，在于它遵从了两个关键的设计哲学： 1. 不断打心流 Every aspect of IntelliJ IDEA is designed with ergonomics in mind.
开源之道引言：为什么要翻译十一年前的一份白皮书？ （本白皮书发表于 2008 年。）答案很简单，就是要学会算经济账，一个开源项目，尤其是大型的、经过多年开发的，企业利用该项目就要在开始的时候算好一笔经济账，它不是零成本，它像一个快速向前滚动（发展）的巨大磁石，如果你没有投入，那么很快便失去了任何的话语权，经过一段时间，则会被狠狠的甩下，体无完肤！不仅失去了创新的能力，而且成为了自己最大的负担。最后以失败而告终。 如果单单的只是将项目的某个时间的临时性成果来作为自己的产品或服务，那么就要想好要不要跟上步伐，要怎么跟？不过这些都要基于一个基础：这个阶段性的成果总成本是多少？该如何评估？于是就有了这篇文章。 介绍 Linux 操作系统是历史上最为成功的开源项目，但是一个 Linux 发行版中的软件究竟“价值”多少钱？2002 年，David A. Wheeler 发表了一份备受后人推崇的研究，其指出典型的 Linux 发行版中软件代码行数的意义所在。那么他的发现是什么？结果令人震惊：典型的 Linux 发行版中的总开发成本高达 12 亿美元。我们将基于 Wheeler 先生的发现而继续挖掘。使用相同的工具，我们重新以当前的美元来计算，构建 Fedora 9 发行版的成本需要大约 108 亿美元。另外，仅内核一项的开发需要约 14 亿美元，本论文概述了我们研究过程中使用的技术，并指出开发 Linux 的成本计算模式。 Linux 操作系统是当今计算中最流行的开源操作系统，在 2008 年，它意味着是一个价值 250 亿美元的生态系统。 1 自 1991 年创建以来，它已发展成为计算机领域的一支重要力量，为纽约证券交易所、移动设备、超级计算机、消费设备提供重要的驱动力量。 作为一款开放的操作系统，Linux 是协同开发的，这意味着没有任何一家公司对其开发或持续的支持负全部责任。参与 Linux 开发的公司与其合作伙伴、竞争对手分担着研发成本。这样的开发模式进一步发展为个人和公司共同承担，进而成为一个超大型的、生机勃勃的生态系统，而且驱动着无穷的创新力量。 超过 1000 多名的开发者，他们来自不同的公司，公司数量至少在 100 家左右，仅在过去两年中，来自 200 家公司的 3200 多名开发人员就为内核做出了贡献。 2
一行代码引发的恐惧 大飞码字 程序员的那些事 Yesterday （给 程序员的那些事 加星标 ） 转自：大飞码字，作者：大飞 １ 我工作的前 5 年，都是从事基础系统研发相关的工作。做过后台的接入层，后台的存储系统，RPC 框架。说来不怕你笑话，那个时期里面，我对代码一直有一种恐惧感。这种恐惧是怎么来的呢？且让我慢慢说来。 我们所构建的基础系统，都是使用在亿级甚至十亿级用户产品的业务系统之上的。从客户端（前端）到后台业务逻辑层，再到基础架构层，所写的代码是跑在整个调用链路的最后端的。 你可以认为，几乎每个用户的每个请求都会跑到我们写得那部分的代码。 这个对系统带来的影响是： 一，代码出问题后，影响的用户范围会很大；二，在这亿级甚至十亿级用户量的情况下，每天所带来的请求可能是千亿级，万亿级的，在如此庞大请
当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有经过处理和分析，提高图像的质量，从中提取出有效地信息，才能利用到这些图像数据。 常见的图像处理操作包括显示图像，基本的图像操作，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python 作为一种日益风靡的科学编程语言，是这些图像处理操作的最佳选择。同时，在 Python 生态当中也有很多可以免费使用的优秀的图像处理工具。 下文将介绍 10 个可以用于图像处理任务的 Python 库，它们在编辑图像、查看图像底层数据方面都提供了简单直接的方法。 1、scikit-image scikit-image [1] 是一个结合 NumPy [2] 数组使用的开源 Python 工具，它实现了可用于研究、教育、工业应用的算法和应用程序。即使是对于刚刚接触 Python 生态圈的新手来说，它也是一个在使用上足够简单的库。同时它的代码质量也很高，因为它是由一个活跃的志愿者社区开发的，并且通过了 同行评审 peer review 。 资源 scikit-image 的 文档 [3] 非常完善，其中包含了丰富的用例。 示例 可以通过导入 skimage 使用，大部分的功能都可以在它的子模块中找到。 图像滤波 image filtering ： import matplotlib . pyplot as plt % matplotlib inline from skimage import data , filters image = data . coins () # ... or any other NumPy array ! edges = filters . sobel ( image ) plt . imshow ( edges , cmap = 'gray' ) Image filtering in scikit-image 使用 match_template() [4] 方法实现 模板匹配 template matching ： Template matching in scikit-image 在 展示页面 [5] 可以看到更多相关的例