第三方的app，引用作者的描述：“最近一直在利用空余时间开发一个完整的App，名字就叫“专栏”。开发这个App的目的主要是为了练练手，熟悉开发一个完整App的流程。就像造房子，亲手打地基，搬砖头，垒砖头，还自己装修（虽然装修的不好看）”Dependency-依赖JavaDevelopmentKit(JDK)7+com.android.tools.build:gradle:1.0.0AndroidSDKAndroidSDKBuild-tools21.1.2B
系统 2019-08-12 09:29:50 2050
1、使用SQL2005的XML类型分拆字符串。DECLARE@TagNamesXML;SET@TagNames='asp.net<
系统 2019-08-12 09:27:42 2050
上来先来一个图：在使用webdriver操作Firefox浏览器的时候，一路顺畅。可是在最后关闭浏览器后，出现了如上面图示的警告！这个警告很早就出现了，因为也不影响测试结果，也就一直没理。后来新搭建了一个windows虚拟机，也遇到了同样的问题。但是这次出现警告后，会阻塞住webdriver继续执行。一直到手动关闭了这个警告框才能继续执行。不得不处理一下。我处理的办法是：直接把PluginContainerforFirefox.exe删除或是重命名。让他直
系统 2019-08-12 09:27:35 2050
一、获取当前sessionID。selectsidfromv$mystatwhererownum<2;二、执行如下步骤1.altersessionsetstatistics_level=all;2.altersessionsettracefile_identifier='ORGPERF';3.altersessionsetevents'10046tracenamecontextforever,level12';4.Executetheproblematic
系统 2019-08-12 09:27:26 2050
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 2050
(1)枚举默认为unsignedint类型，我们可以手动为枚举指定类型，如：enumAttr:char{ATTR_LV=120,};(2)我们可以使用泰勒展开式快速计算两点间距离：intfastDistance2D(int_nX1,int_nY1,int_nX2,int_nY2){//thisfunctioncomputesthedistancefrom_nX1,_nY1to_nX2,_nY2with3.5%error//firstcomputetheab
系统 2019-08-12 01:53:24 2050
游戏下个大版本的其中一个内容是对一个系统进行操作简化：几个界面的操作整合在一个界面，操作步骤简化等。我是负责该系统的逻辑流程代码编写。原以为只是UI那边的大改，但回看逻辑模块的旧代码时，发现和UI交互部分过度耦合，独立性过低，很多地方UI那边改了逻辑这边也跟着改。UI的界面整合，导致逻辑也要大改，叫苦不迭。由此，一个深刻的教训：不要过度依赖自己控制之外的东西。例如：在引用外部的模块或接口时，如果用到的地方超过两处，则在自己模块编写一个接口，给自己模块调用，
系统 2019-08-12 01:33:13 2050
第3章存储管理3.1无存储器抽象3.2一种存储器抽象：地址空间3.3虚拟内存3.4页面置换算法3.5分页系统中的设计问题3.6有关实现的问题3.7分段3.8有关存储管理的研究3.9小结存储管理中概念之间的关系
系统 2019-08-12 01:32:31 2050
闭包作为对象被返回时，它的引用变量就已经确定（已经保存在它的__closure__属性中），不会再被修改，它的所有变量就已经固定，形成了一个封闭的对象，这个对象包含了其引用的所有外部、内部变量和表达式。闭包内部函数对外部函数变量的引用，则将该函数与用到的变量称为闭包。闭包定义：闭包是指可以包含自由（未绑定到特定对象）变量的代码块；这些变量不是在这个代码块内或者任何全局上下文中定义的，而是在定义代码块的环境中定义（局部变量）。“闭包”一词来源于以下两者的结合
系统 2019-09-27 17:57:26 2049
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 2049
