新年已经过了几天了，现在20考研的同学们也已经开始准备复习了吧，下面启航君给大家分享一位考清华的计算机的学长的初试复试经验，希望能给大家一些帮助。 @烟雨任平生 自己考研之前也和大家一样在知乎、王道等各大平台调研，受益于各位学长内容丰富详实的经验贴，在此也写一点自己的经历，就当为这经验之海中增添几点水滴了。本人能力有限，经验贴内容难免有所偏颇和遗漏，请各位同学自行取舍，不胜感激！ 既然你看到了这篇帖子，那么首先说明你有报考清华计算机系的想法。我们知道，一切入学考试其实都是一个问题：“why you，why me”。“why you”，就是为什么选择清华计算机系，这个无需多言。另一个“why me”，即为什么是你能上清华计算机系而不是别人？这就要求我们首先对you（报考学校）和me（自己）的基本情况做一个评估，比如报考学校的分数，考试方式、面试以及自己的专业经历、成绩、本科院校及专业等等。 说这个问题是因为两个原因：1.我看到好多经验贴都是说各门功课如何复习之类，却没有说明为什么报考以及对是否能考上的估计，这就使得好多同学一心只埋头学习而对学习的意义、方向没有一个深刻而全面的认识。2.选择好方向，继而为之奋斗才能达到目标。但好多同学其实对考研的基本情况没有清晰的认识，只是因为对名校的憧憬，或者听到某某大神考研奇迹的传说就选择考研。这是很不现实的。既然要考研，首先就是要认清自己，认清学校，全面评估之后选择自己最有可能考上的学校并为之努力。不可无理性思考就下功夫，那样只是无用功。 说完废话。那我简单说一下我的情况和初试复试经历。 我来自北航计算机系，今年大四，学业成绩还可以，学院排名前25%，选择报清华是因为一点学术追求和一点换个学习环境的愿望。初始分342比较低。做过一点数据挖掘和NLP项目，写过CPU和编译器，专业实践能力在校内算中等。 初试 这个大家都一样，好好复习就可以，具体怎么复习我后面有写，也可以去知乎搜索各路大神复习经验。初始分数尽量高，但比较低也不虚，因为初始分数仅仅决定你是否有面试资格，对复试几乎无影响，对你是否被录取也没影响。 决定你是否被录取在于复试 复试分为三个部分：机试，笔试和面试。机试，三道题4小时，采用oj实时评测，你可以看到自己过了多少个测试点。据说今年机试简单，平均分有140？但我机试很菜，就不多说了。笔试，我报考的软理方向，考编译原理和数据库。数据库是往年原题，好多帖子有回忆版，王道论坛自行查找。编译是新题，但也不难，一般考点都在文法，自动机，正则表达式，LL文法和LR文法这几点，认真复习一下也不难。面试最重要，面试分为综合面试和专业面试。 综合面试 8分钟，三个学长面试，先英文自我介绍，再英文两个小问题，中文谈谈人生就完了。 以下为对话实录。 我：Dearteachers，my name is xxx，。。。。。。。 学长：yoursay you attend the project XXX,what did you do? 我：mymain mission is xxxx 学姐：haveyou used neural network? 我：no，but I used some ML algorithms such as SVM, logistics regression 学长：你目前遇到过最大的困难是什么？ 我：。。。。。 综合面试结束。 专业面试 15分钟。主要形式为先做5分钟ppt个人展示，然后老师提问。 专业面试是面试的重中之重，能直接决定你是否被录取。通过专业面试的关键我认为是个人专业能力。个人专业能力，就是让老师觉得录取你能做项目、做科研的经历。包括学业成绩、科研实践情况、专业竞赛、机试成绩，本科院校及专业，初试成绩等等。如果把这些因素排序，我觉得应该是科研实践情况>本科院校>机试成绩=学业成绩>初试成绩。所以说这对双非考生、跨考生、无科研经历考生都很不利。如果你现在在大三下甚至大二，那么多参加一些科研实践、科研竞赛，取得能让老师认可的成绩（项目要有含金量），对面试很有帮助。 以下是专业面试对话记录。 我：各位老师好，我叫xxx。。。。。。。，本科成绩。。。做过xxxx项目，取得xxx奖项。 老师1：你xxx项目主要是怎么做的？ 我：主要用了xxx技术，技术过程xxxx 老师2：本科排名怎么样？ 我：50/220（好多老师埋头写了点东西，不知道是啥。。。） 老师3：你xxx比赛是怎么做的？ 我：主要用了xxx技术，技术过程xxxx（老师点头） 老师4：你说你xxx比赛进了复赛，后面还参加了吗？ 我：当时大三在做编译课设，时间比较紧，所以后面就没有再参加了。 老师5：你说你大一参加了校xx队，是大一刚开学还是什么时候？ 我：是大一暑假，当时有个xxx项目，所以xxx。 老师6：你机试成绩不太高啊？（鄙视的眼神）

1.template {{ scope.row.PRICE}} {{ scope.row.WEIGHT}} 2.method handleSortChange(val){ console.log(val) if(val.column==null){ this.Sort('','',this.pageNo) return } if(val.column.label=='产品价格(元/g)'&&val.order=='descending'){ this.Sort('PRICE',"desc",this.pageNo) this.productType='PRICE'; this.sortOrder="desc"; } if(val.column.label=='产品价格(元/g)'&&val.order=='ascending'){ this.Sort('PRICE',"asc",this.pageNo) this.productType='PRICE'; this.sortOrder="asc"; } if(val.column.label=='产品规格(g)'&&val.order=='descending'){ this.Sort('WEIGHT',"desc",this.pageNo) this.productType='WEIGHT'; this.sortOrder="desc"; } if(val.column.label=='产品规格(g)'&&val.order=="ascending"){ this.Sort('WEIGHT',"asc",this.pageNo) this.productType='WEIGHT'; this.sortOrder="asc"; } console.log(val,'val>>>>>>>>>>>>>>') }, Sort(x,y,pageNO,pageSize){ console.log(x,y,pageNO,pageSize) this.keepX=x this.keepY=y console.log(this.material) let parames = { "functionName": "preciousmetalbiz.service.PrdMetalService", "methodName": "selectPmList", "pageNo":pageNO, "pageSize":10, "data": { // 查询条件 prdCode: this.prdCode, // 产品代码 prdName: this.prdName, // 产品名称 weightStart: this.weightStart, // 规格（开始） weightEnd: this.weightEnd, // 规格（结束） priceStart: this.

我们还记得初中的时候有一个非常经典的生物实验，就是观察洋葱表皮细胞，这个生物实验主要是通过显微镜观察洋葱表皮细胞结构，了解细胞壁和细胞核，这或许是你第一次使用显微镜观察微观生物世界。 现在，我们通过荣耀V20的4800万像素摄像头，加上一个外接的微距镜，尝试重现这个经典的生物课实验。 荣耀V20采用索尼最新的IMX586传感器，提供4800万像素的摄像头，加上荣耀V20拥有4800万像素AI高清拍摄模式，带来非常好的拍照解析力，现在我们再向难度挑战，让荣耀V20实现显微镜的功能。 无可否认荣耀V20的4800万像素摄像头解析力非常好，在外接微距镜头下能实现显微镜功能，能观察到洋葱的表皮细胞的完成结构。 荣耀V20的4800万像素摄像头能带我们观察到微距的世界，重现经典的初中生物课实验。 我们之前已经使用荣耀V20拍摄货币的细节、拍摄芯片内部机构和实现海报级的打印效果，现在更进一步实现显微镜功能，荣耀V20的4800万像素高清拍摄在生活中确实带来更好的实用性. 原文来自：https://news.mydrivers.com/1/616/616549.htm 本文地址：https://www.linuxprobe.com/980-rongyao-nice.html编辑：小默，审核员：逄增宝 转载于:https://www.cnblogs.com/elsa-66/p/10544293.html 点赞 收藏 分享 文章举报 dengtan4987 发布了0 篇原创文章 · 获赞 0 · 访问量 4744 私信 关注

Deep & Cross Network for Ad Click Predictions 摘要 作者起草了DCN，该网络可以保持DNN的优点（隐式地生成特征之间的交互），同时又利用交叉网络来对特征进行显式的交叉计算。这也不要求手工的特征工程，同时只是在DNN的基础上加了一些可容忍的复杂度。实验证明DCN已经在CTR预估与分类问题上超过了sota。 介绍 对于web伸缩型的推荐系统，因为其产生的数据较为稀疏，对于线性模型来说已经不太好处理了。因此交叉特征变得很重要，但是这经常要求我们手动特征工程，为了减少这方面的工作，交叉网络应运而生。同时联合DNN，发挥两者的共同优势。 嵌入和堆叠层 对于离散数据，一般处理时会被编码成one-hot向量，对于实际应用中维度会非常高，因此使用 来将这些离散特征转换成实数值的稠密向量，最后将嵌入向量和连续特征向量堆叠在一起形成一个向量。 交叉网络 对于每层的计算，使用下述公式： 一层交叉层的可视化如下图所示： 该网络可以使交叉特征的次数随着层数的增加而不断变大，对于l层其最高多项式次数为l+1。 计算的时间与空间复杂度都是线性，因此DCN的效率与DNN是一个量级的。 深度网络 深度网络就是一个全连接的前馈神经网络，每个深度层具有如下公式： 链接层 将两个网络的输出联合，送进标准的logits层。 正则化的log loss函数： 实验 比较DCN，DC，DNN，FM，LR模型的最好的logloss 比较实现对应的logloss，DNN和DCN需要的参数数量 在固定参数下实现最好的logloss所需要的内存 在层数与结点一致的情况下，比较DNN与DCN的logloss(X 1 0 − 2 10^{-2} 10−2)差距，负值代表DCN表现好于DNN 最后展示了不同设置的变化趋势。 可以参考我的github来看看源代码，如有错误，欢迎交流。

一、简介 图像归一化是计算机视觉、模式识别等领域广泛使用的一种技术。所谓图像归一化, 就是通过一系列变换, 将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。 近年来, 基于矩的图像归一化技术受到了人们的普遍关注, 其基本工作原理为: 首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数, 然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)。一般说来, 基于矩的图像归一化过程包括 4 个步骤，即坐标中心化、x-shearing 归一化、缩放归一化和旋转归一化。 基本上归一化思想是：利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。以下你要知道的： 1、归一化处理并没有改变图像的对比度 2、归一化处理很简单，假设原图像是8位灰度图像，那么读入的像素矩阵最大值为256，最小值为1，定义矩阵为I，J＝I／256，就是归一化的图像矩阵，就是说归一化之后所有的像素值都在［0，1］区间内。 二、什么是归一化 归一化就是通过一系列变换（即利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响），将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。 基于矩的图像归一化技术基本工作原理为：首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数， 然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)。 一般说来，基于矩的图像归一化过程包括4个步骤，即坐标中心化、x-shearing 归一化、缩放归一化和旋转归一化。 图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。 三、为什么归一化 1、基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。 2、matlab里图像数据有时候必须是浮点型才能处理，而图像数据本身是0-255的UNIT型数据所以需要归一化，转换到0-1之间。 3、归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。目的是为了： (1)、避免具有不同物理意义和量纲的输入变量不能平等使用 (2)、bp中常采用sigmoid函数作为转移函数，归一化能够防止净输入绝对值过大引起的神经元输出饱和现象 (3)、保证输出数据中数值小的不被吞食 3、神经网络中归一化的原因： 归一化是为了加快训练网络的收敛性，可以不进行归一化处理； 归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1–+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，归一化是同一在0-1之间的统计概率分布；当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。为了避免出现这种情况，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。 归一化是因为sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用[1 0 0]要好。 但是归一化处理并不总是合适的，根据输出值的分布情况，标准化等其它统计变换方法有时可能更好。

if (this.isJudge) {//如果是H5+ if (this.currentItem == 11) { //朋友 plus.navigator.setStatusBarStyle('dark'); } else { plus.navigator.setStatusBarStyle('light'); } } 设置了很长时间没效果 后来才知道 只支持两种颜色

一直在找能够通过软件来调节笔记本外接显示器亮度的工具，终于发现了一款很好的软件：护眼宝，在此处推荐。 护眼宝官网：http://huyanapp.com/portal.php 在附两张截图：

mysql数据库的安装分为解压版和msi文件安装，msi的就不在赘述，本文只针对解压版的安装进行讲解。 注：所有的命令行操作都是在管理员模式下进行 首先从mysql官网进行下载所需要的数据库版本，点我去官网下载 把下载好的压缩包解压到本地磁盘，解压位置自行设置 配置mysql的路径 配置mysql系统的环境变量 管理员模式下进入cmd，切换到解压后的bin目录的路径下，使用mysqld -install命令进行安装 提示Service successfully installed则安装成功，然后输入net start mysql进行服务的启动 **~~至此数据库安装完成~~** mysql的卸载 先关闭mysql的服务，然后切换到bin目录的路径下，使用命令mysqld -remove进行卸载 修改root账户的密码 使用mysqladmin -u root-p password 123456命令即可强制修改 其中root代表root账户，123456为需要设置的密码

【2013年4月19日】 【出现问题】 3dsMax烘焙贴图时，纹理模糊。 【问题原因】 UV分布不合理；渲染器设置问题。 【解决方案】 1、合理分面，合理展UV，烘焙UV通道中的面的大小比例应与实际一致。 2、Vary渲染器设置： 1）全局开关中，关闭默认灯光。 2）环境设置中，GI天光使用“天蓝色”。 3）间接照明中，打开折射、反射；一次反弹0.5，二次反弹0.3. 4）发光贴图，预设为高。 5）光缓存，细分为600. 6）系统，渲染区域细分，X为30。 【备注说明】 很久之前整理的了，有待实践考证。。。

为什么？ 微信被封？ 被秒封？ 本人也是做防封的 所以总结一些小经验 一 服务器 服务器方面 是目前很多大家在做的 很多做防封的朋友都一样这种经历 例如把自己的域名 解析到 防封平台的服务器上 很诡异的是 确实被封的概率确实降低了很多 这种形式操作的防封平台有很多 最早以前做的是微盾一批人是这么做的 而微盾现在已经不做了 为什么不做 我会在下面和大家说 而这种技术我们叫做反向代理 但是不持久 本人经历过。 二 域名 域名也是一个很关键的问题 很多客户 都喜欢买备案域名 认为能很好的防止被封 认为已经很高端了 其实往往不是 一个抗压的域名不是根据备案不备案 就这么说 你不备案的域名不一定持续时间短 这个是有一个强大的分析域名的各种衡量标准 其中一个标准首先是 要检测的 改域名备案资质 是否 备案过N个域名 这是其中一个检测的标准 而真正一个抗压域名 内部价格是500左右 但是不了解的人 一般在1000左右 这都是一个非常昂贵消费 所以上面做反向代理防封的客户 是不提供域名的 就是抗压域名的昂贵型 三 代码 市面上的平台 是没有采取代码加密做防封的 但是经常用的是一个加载镜像但是加载镜像这一块 但是一样容易被微信检测到 甚至过分的 秒封 真正通过代码加密的 几乎没有任何防封平台来做 因为操作很麻烦 虽然没有防封平台做 但是有部分网站已经做了甚至做的非常不错 都是一些自己私人的网站 我也是通过对他们网站进行代码抓包和分析出来的一种特殊 加密方式 四 举报 不管怎么说举报是一个很伤人的事情，因为同行竞争么很正常，这块防止举报 甚至已经有人研究出微信举报按钮通过底层技术破解 让对方无法举报 但是听说效果都不怎么样 也是会莫名奇妙被封 所以一般 逃避举报的方式 最简单粗暴的方式是跳转 所以现在 都是防止举报是 加密+跳转形式 这样被举报的概率几乎 很小