博客折腾记录
自动备份Hexo博客源文件
hexo 事件

chatGPT官网
discord官网
midjourney官网

wireshark 常见的命令

数采、DNC等

名词解释和一般核心结构

蓝卓开发者社区

APP集成 ∣ 深度集成方案

supOS SDK for Java 开发指南

简单说下RNN与 LSTM 有什么区别？lee:写的太好，强推：如何简单的理解LSTM——其实没有那么复杂 RNN与LSTM的区别 指 LSTM 与标准 RNN的区别， LSTM 是一种使用细胞状态的特殊 RNN。 RNN处理一定的短依赖，但 LSTM 可以处理短期、长期依赖。 序列长时，序列 ...

【题外话】机器学习论文怎么写：

很大一部分论文描述或研究了新的机器学习方法或理论。这类论文的例子可能包括: 一篇提出新的学习算法的论文; 一篇描述困难应用的解决方案的论文; 或者一篇证明某种学习方法的错误的界限的论文。这些论文有望作出重要的(i)算法，(ii)应用，或(iii)理论贡献。NIPS 寻求发表在世界上有很高影响力的论文——不仅在我们的研究社区，而且在其他领域。因此，在适当的情况下，将根据以下五个标准对文件进行评价:

1. 算法的新颖性。例如，一篇论文给出了一个算法的优雅的新推导; 或者一篇论文提出了一个解决现有问题的新方法。
2. 应用/问题的新颖性。例如，一篇论文提出了一个重要的应用，迄今为止很少在 NIPS 研究。或者，引入一个新的机器学习问题(过去的一些例子包括独立分量分析和结构预测) ，并提出一个算法。
3. 应用的难度。例如，将机器学习应用于一个困难的、重要的、“真实”的应用程序，它考虑到让一个非琐碎的系统工作的全部复杂性。
4. 结果的质量。该算法是否经过严格论证，能够对所考虑的任务给出良好的经验性表现(在这里，“真实”数据或“真实”实验可能比“人工”或“玩具”实验更有效) ，或者理论结果是否强大和有趣等等。
5. 洞察力传达。论文是否传达了对算法性质的洞察力; 实际应用或问题的性质; 学到的一般经验教训; 以及/或其他人今后工作可能使用的理论或数学工具。

论文的类型：

1. 为该模型提出了一种新的自然学习模型和算法(例如: 贝叶斯学习、统计学习、 PAC 学习、在线学习、 MDP 学习、 Boosting)。
2. 在一些标准设置中提出了一种改进的算法并进行了分析。
3. 证明一些人一直在尝试的学习任务是困难的或不可能的。
4. “其他”。学习定理的元定理等。技术上的困难或新奇不是目标。影响学习的过程和实践是目标。实验结果是好的，但一般来说是不必要的。

本文为 presto & Alluxio & 缓存白名单策略的技术综述，摘录自各处最佳实践。

链接：Alluxio 应用实践- 贝壳找房

基于Alluxio与HDFS支撑Presto和TPC-DS查询场景的性能测试

基于Presto+Alluxio的adhoc查询方案在网易游戏的实践

唯品会实践案例：基于Alluxio优化电商平台热点数据访问性能

本文主要学习参考自“拉勾教育”《打造千万级流量秒杀系统》，作者易乐天，链接点此.

对于秒杀系统来说，它的核心非功能需求主要有：高可用指标、高性能指标、高并发指标，比如可用性方面要高于 99.99%，高性能方面要求请求延迟小于 100ms，高并发方面要求QPS 大于 10万。这三个指标俗称“三高”要求，公司不同，指标大小要求也会有所不同。