面向对象设计原则0
目的:应对变化、提高复用;寻找变化点;将设计原则提升为设计经验;
大写 | 小写 | 国际音标 | 英文读音 | 中文读音 | 含义 | |
---|---|---|---|---|---|---|
1 | $\Alpha$ | $\alpha$ | a:lf |
alpha | 阿尔法 | 角度;系数 |
2 | $\Beta$ | $\beta$ | bet |
beta | 贝塔 | 磁通系数;角度;系数 |
3 | $\Gamma$ | $\gamma$ | ga:m |
gamma | 伽马 | 电导系数(小写) |
4 | $\Delta$ | $\delta$ | delt |
delta | 德尔塔 | 变动;密度;屈光度 |
5 | $\Epsilon$ | $\epsilon$ | ep'silon |
epsilon | 伊普西龙 | 对数之基数 |
6 | $\Zeta$ | $\zeta$ | zat |
zeta | 截塔 | 系数;方位角;阻抗;相对粘度;原子序数 |
7 | $\Eta$ | $\eta$ | eit |
eta | 艾塔 | 磁滞系数;效率(小写) |
8 | $\Theta$ | $\theta$ | θit |
Theta | 西塔 | 温度;相位角 |
9 | $\Iota$ | $\iota$ | aiot |
Iota | 约塔 | 微小,一点儿 |
10 | $\Kappa$ | $\kappa$ | kap |
kappa | 卡帕 | 介质常数 |
11 | $\Lambda$ | $\lambda$ | lambd |
lambda | 兰布达 | 波长(小写);体积 |
12 | $\Mu$ | $\mu$ | mju |
mu | 缪 | 磁导系数;微(千分之一);放大因数(小写) |
13 | $\Nu$ | $\nu$ | nju |
nu | 纽 | 磁阻系数 |
14 | $\Xi$ | $\xi$ | ksi |
xi | 克西 | |
15 | $\Omicron$ | $\omicron$ | omik'ron |
omicron | 奥密克戎 | |
16 | $\Pi$ | $\pi$ | pai |
pi | 派 | 圆周率 |
17 | $\Rho$ | $\rho$ | rou |
rho | 肉 | 电阻系数(小写) |
18 | $\Sigma$ | $\sigma$ | sigma |
sigma | 西格马 | 总和(大写),表面密度;跨导(小写) |
19 | $\Tau$ | $\tau$ | tau |
tau | 套 | 时间常数 |
20 | $\Upsilon$ | $\upsilon$ | jup'silon |
upsilon | 宇普西龙 | 位移 |
21 | $\Phi$ | $\phi$ | fai |
phi | 佛爱 | 磁通;角 |
22 | $\Chi$ | $\chi$ | phai |
chi | 西 | |
23 | $\Psi$ | $\psi$ | psai |
psi | 普西 | 角速;介质电通量(静电力线);角 |
24 | $\Omega$ | $\omega$ | o'miga |
omega | 欧米伽 | 欧姆(大写);角速(小写);角 |
多节点的时间同步问题:不同机器上的物理时钟难以同步,导致无法区分在分布式系统中多个节点的事件时序。1978年Lamport在《Time, Clocks and the Ordering of Events in a Distributed System》1中提出了逻辑时钟的概念,来解决分布式系统中区分事件发生的时序问题。
1. Easily Confused Words: Distain vs. Disdain ↩
Distain (pronounced “dihs-tane”) is a verb. It means to soil one’s clothes, furniture, or another surface. [Yes, this is one of those odd times in English where “stain” and “distain” mean basically the same thing.]
翻译:Tensorflow Tutorial 2: image classifier using convolutional neural network
在这个Tensorflow教程中,我们将使用Tensorflow构建一个基于卷积神经网络的图像分类器。如果您刚刚开始使用Tensorflow,那么最好阅读这里的Tensorflow基本教程。
为了演示如何构建基于卷积神经网络的图像分类器,我们将构建一个6层神经网络来识别和分离狗和猫的图像。我们将要构建的这个网络是一个非常小的网络,可以在CPU上运行它。传统的神经网络在图像分类中有较多的参数,如果在CPU上进行训练,会花费大量的时间。然而,在本文中,我是向您展示的是如何使用Tensorflow而不是参与ILSVRC来构建一个真实的卷积神经网络。在开始学习Tensorflow教程之前,让我们先介绍一下卷积神经网络的基础知识。如果您已经熟悉卷积神经网(conv-nets),您可以转到第2部分,即Tensorflow教程。
背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。