首 页 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 尾 页

服务器上使用 git 更新 wordpress 内核方案

发布者: superzhang | 发布时间:2017-11-13

目录结构、场景设想

推荐目录架构结构:

/opts/mysite/ —/wordpress/ —/wp-config.php —/index.php

*wordpress 要加入到 .gitignore 中,/mysite/index.php 需要修改加载 wordpress 的路径

-场景 I 如果网站目录 mysite 是一个 repo(比如有 mysite/.git 目录) -场景 II 网站目录不是 repo ,而是部署为 detached worktree,即不存在 mysite/.git

方案 I(适用场景 I)

把 wordpress 当成 git submodule 加入到 repo 中。http://blog.g-design.net/post/60019471157/managing-and-deploying-wordpress-with-git

方案 II(适用场景 II)

此时可以把 wordpress 子目录设置成 git repo(即存在 mysite/wo

想读更多 ->

DB-Engines最新11月数据库排名:MariaDB助力,MySQL流行度超越Oracle

发布者: superzhang | 发布时间:2017-11-13

在 DB-Engines 的最新11月排名中,MySQL 和 Oracle 已经相差无几,这得益于2017年10月MySQL的增长强劲,可是要知道MySQL的另外一个重要分支,MariaDB已然跃升至第 18 位,如果将 MySQL + MariaDB 作为 MySQL 的核心,事实上MySQL的流行度已经超过了 Oracle 数据库。

几乎全过程皆大欢喜全民丰收!

然而,还有两个小槽点。。

_v2

想读更多 ->

锋锐程序:为服装业提供解决方案

发布者: superzhang | 发布时间:2017-11-13

提起电子支付,大多数人首先想到的往往是网购。但是,CEO关国光说出“我们是独立第三方电子支付企业,不是网上支付企业,致力于促进社会各行业各领域电子支付应用”这句话的时候,实体零售行业必定大为释然。原来,电子支付并不仅是网店资金处理的有力工具,而且同样也可以成为线下企业最亲密的伙伴。 众所周知,在传统行业中,以服装零售实体店面受到的网购冲击最大。而这块未垦之地也是对第三方支付企业最有诱惑力的蛋糕之一。作为国内领先的电子支付服务企业,快钱凭借对服装行业发展趋势的敏锐嗅觉,不断推出具有针对性的金融创新业务。 据了解,大型服装企业的连锁店面往往遍布全国各地,并已经局部呈现出同地域多家门店,旗舰店与加盟店、直营店并存的局面。面对连锁规模的快速增长,资金的统一管理及快速回流成为了发展的困扰。为此,服装企业在高速扩张门店的同时,对连锁店的统一管理投入了高度重视。 针对这种情况,锋锐开创性地为连锁服装企业定制了“连锁门店支付解决方案”。引入了快钱的解决方案后,通过财务后台,总部能清晰地了解到每个店面的销售情况,甚至实时了解每笔交易情况,强化了总部财务的控制力;同时,实现了电子化的财务管理,做到了销售信息流和资金流的完全匹配,从而极大地提升财务管理效率。更重要的是,无论店开在哪里,所有门店的销售收入隔日就能归集到总部,从而提升资金运作效率。可以说,快钱帮助连锁服装企

想读更多 ->

NLP专题论文解读:从Chatbot、NER到QA系统...

发布者: superzhang | 发布时间:2017-11-13

本期NLP 专题论文笔记,涵盖对话系统、命名实体识别(NER)和QA系统,希望对你有所帮助。

一、对话系统

论文 | Affective Neural Response Generation

链接 | http://www.paperweekly.site/papers/1043

2017年11月12日上午,第二届中国数据标准化与治理大会在北京万寿宾馆隆重举行。本届会议旨在持续汇集专家人才和经验,促进领域发展和提升业界实践水平。大会由中国工业和信息化部和国家标准化管理委员会指导,中国电子技术标准化研究院、中国科学技术部高技术研究发展中心、中国行政体制改革研究会、清华大学、国际数据管理协会中国分会(DAMA China)联合举办。

前几日李飞飞发了一条推文:

 0?wx_fmt=gif&tp=webp&wxfrom=5&wx_lazy=1

想读更多 ->

深度学习界明星:生成对抗网络与Improving GAN

发布者: superzhang | 发布时间:2017-11-13

2014年,深度学习三巨头之一IanGoodfellow提出了生成对抗网络(Generative Adversarial Networks, GANs)这一概念,刚开始并没有引起轰动,直到2016年,学界、业界对它的兴趣如“井喷”一样爆发,多篇重磅文章陆续发表。2016年12月NIPS大会上,Goodfellow做了关于GANs的专题报告,使得GANs成为了当今最热门的研究领域之一,本文将介绍如今深度学习界的明星——生成对抗网络。

1何为生成对抗网络

生成对抗网络,根据它的名字,可以推断这个网络由两部分组成:第一部分是生成,第二部分是对抗。这个网络的第一部分是生成模型,就像之前介绍的自动编码器的解码部分;第二部分是对抗模型,严格来说它是一个判断真假图片的判别器。生成对抗网络最大的创新在此,这也是生成对抗网络与自动编码器最大的区别。简单来说,生成对抗网络就是让两个网络相互竞争,通过生成网络来生成假的数据,对抗网络通过判别器判别真伪,最后希望生成网络生成的数据能够以假乱真骗过判别器。过程如图1所示。