下面是老早看到的一个关于十二生肖的故事,这个故事的真实性我认为不太重要,而其中对先人的理解却是超出我们常人的生活常识.有人会说,这是胡说,祖先哪有那个智慧,等等,再举出无数的学术考证,最后得出祖先关于十二生肖的解释就是逗小孩子玩儿的,等等诸如此类的结论.但是我要说,这样的解读先人虽然没有错误,也是建立在研究证据基础上的,作为科学研究很是不错,但是作为人文研究,作为传统发扬,那就缺乏了该文作者的开拓和思辨.其实,现实社会中,就是缺乏作者这样善于思考的智慧的闪
系统 2019-08-29 22:02:03 2118
TestBird自2013年创建以来得到了各方的关注，其首创的游戏对象识别技术突破了行业技术难题，带领行业走出测试结果不精确、费人费力的僵局。2014年，TestBird继续发力，先后在Chinajoy、GMIC、TFC、GMGDC四大游戏盛会上展示了自己最新的研发成果，获得业内高度好评。TestBird西南区负责人刘箫介绍表示TestBird自对外推出手游测试服务以来，业务增长量一直非常可观，而在几次展会后行业对TestBird的关注更是有了更明显的增加
系统 2019-08-12 09:30:27 2118
本文将总结SeleniumWebDriver中的一些鼠标和键盘事件的使用，以及组合键的使用，并且将介绍WebDriver中没有实现的键盘事件（Keys枚举中没有列举的按键）的扩展。举例说明扩展Alt+PrtSc组合键来截取当前活动窗口并将剪切板图像保存到文件。概念在使用SeleniumWebDriver做自动化测试的时候，会经常模拟鼠标和键盘的一些行为。比如使用鼠标单击、双击、右击、拖拽等动作；或者键盘输入、快捷键使用、组合键使用等模拟键盘的操作。在Web
系统 2019-08-12 09:27:24 2118
使用WinPcap编程创建一个使用wpcap.dll的应用程序用MicrosoftVisualC++创建一个使用wpcap.dll的应用程序，需要按以下步骤：在每一个使用了库的源程序中，将pcap.h头文件包含(include)进来。如果你在程序中使用了WinPcap中提供给Win32平台的特有的函数，记得在预处理中加入WPCAP的定义。如果你的程序使用了WinPcap的远程捕获功能，那么在预处理定义中加入HAVE_REMOTE。不要直接把remote-e
系统 2019-08-12 09:27:12 2118
GitHub可以托管各种git库，并提供一个web界面，但与其它像SourceForge或GoogleCode这样的服务不同，GitHub的独特卖点在于从另外一个项目进行分支的简易性。为一个项目贡献代码非常简单：首先点击项目站点的“fork”的按钮，然后将代码检出并将修改加入到刚才分出的代码库中，最后通过内建的“pullrequest”机制向项目负责人申请代码合并GitHub有170万名软件开发人员的忠实用户，他们平均每天更新8万个并新建7千个软件库。对G
系统 2019-08-12 09:27:11 2118
撰文/MartinFowler编译/透明Java社群近来掀起了一阵轻量级容器的热潮，这些容器能够帮助开发者将来自不同项目的组件组装成为一个内聚的应用程序。在它们的背后有着同一个模式，这个模式决定了这些容器进行组件装配的方式。人们用一个大而化之的名字来称呼这个模式：“控制反转”（InversionofControl，IoC）。在本文中，我将深入探索这个模式的工作原理，给它一个更能描述其特点的名字——“依赖注入”（DependencyInjection），并将
系统 2019-08-12 09:26:49 2118
python自带的pip管理依赖库太麻烦，pip很多库不存在，或者一些库并不支持window系统。而且每次用pip下载库经常不成功，结果还是要手动下载跟自己python对应的whl包安装库。遇到了很多坑之后，发现神奇anaconda，便查阅资料，整理好记录到这里1、下载anacondaanaconda可以提供了python的很多库管理，支持多个系统下载地址：https://www.anaconda.com/download/这里我下载了python3.6，
系统 2019-09-27 17:57:26 2117
冻结的集合前面一节讲述了集合的基本概念，注意，那里所涉及到的集合都是可原处修改的集合。还有一种集合，不能在原处修改。这种集合的创建方法是：>>>f_set=frozenset("qiwsir")#看这个名字就知道了frozen，冻结的set>>>f_setfrozenset(['q','i','s','r','w'])>>>f_set.add("python")#报错Traceback(mostrecentcalllast):File"",line1,in
系统 2019-09-27 17:56:34 2117
生成列表l1=[1,2,3]l2=[4,5,6]增：1.append()#在列表最后插入元素l1.append(7)print(l1)2.insert()#在指定位置插入元素l1.insert(0,8)print(l1)3.extend()#将一个列表中的所有元素放到另一个列表后面l1.extend(l2)print(l1)4.直接相加print([1]+[2])查统计个数print(l1.count(1))l1.append(1)print(l1.cou
系统 2019-09-27 17:55:54 2117
本章包括：1、了解卷积神经网络（convnets）2、使用数据增强来减轻过度拟合3、使用预训练的convnet进行特征提取4、微调预训练的信号5、可视化回馈学习的内容以及他们如何做出分类决策一、引言一个简单的convnet示例。第二章中的密接网络的测试精度为97.8%，而convnet的测试精度为99.3%：我们将错误率降低了68%（相对）。为什么这个简单的convnet比一个紧密连接的模型工作得那么好呢？为了回答这个问题，让我们深入研究conv2d和ma
系统 2019-09-27 17:55:54 2117
