首页 文章 精选 留言 我的

精选列表

搜索[系统工具],共10000篇文章
优秀的个人博客,低调大师

Android 和 Ubuntu 被评去年最易受攻击操作系统

CVE Details 提供的统计数据显示,Android,Debian Linux 和 Ubuntu Linux 是 2016 年最易受攻击的三种产品。 在这一年中,Android 的漏洞数量最多,达到 523 个,其次是 Debian Linux,有 319 个,Ubuntu Linux 为 278 个。令人惊讶的是,Adobe Flash Player 排位第四,有 266 个漏洞。 就去年的漏洞 ”大王“ Android 而言,2016 年拒绝服务漏洞的数量令人担忧,但其内存缺陷漏洞数量也在下降。具体来说,拒绝服务漏洞的数量从 2015 年的 56 个跃升到去年的不少于 104 个,而内存缺陷漏洞从 46 个下降到 38 个。 Android 去年还曝光了 99 个漏洞,允许泄漏信息,2015 年这些漏洞只有 19 个,以及 250 个可以提升权限的安全漏洞,提高了权限,2015 年这类漏洞只有 17 个。 这份列表显示 Windows 10 去年存在 172 个漏洞,其次是 Windows Server 2012,存在 156 个漏洞。CVE Details 还创建了一个图表,显示供应商产品中漏洞数量排名,谷歌位居第一,存在 695 个漏洞,其次是 Debian 和 Canonical,分别有 319 个和 278 个漏洞。 文章转载自 开源中国社区 [http://www.oschina.net]

优秀的个人博客,低调大师

一大波新表情即将登陆 Android 系统

Android部门的行政主管Hiroshi Lockheimer日前在推特中宣布,Android的研究小组正在准备把新的emoji表情添加到安卓设备中。但是Hiroshi Lockheimer并没有再透露任何关于emoji表情的细节或是它们什么时候才会被添加进去。无论如何,这些表情一定会在不久的将来进入到我们的安卓 设备中。 “我有一种预感——你们都希望能拥有新的emoji表情。” ——Hiroshi Lockheimer 这 是Hiroshi Lockheimer所发送的推文内容。这个推文看起来并不像是他随意发的。因为就在前几天,苹果为iOS9.1加入了184个新的emoji表情,从玉 米饼到竖中指应有尽有。而这就会出现一个问题,那就是在聊天过程中如果对方的手机并没有编入这些emoji表情的话,那么在接收到这些表情的时候会显示为 乱码。现在,使用Android手机的朋友们,你们知道了为什么最近总会收到朋友所发来的乱码了吧。 无论何时这些emoji表情才会真正进入到我们的Android手机之中,这种为Android emoji库添加新的表情的行为都是对用户负责的表现。这也让我们能够通过这些小表情更好的表达或接收到双方相互发送信息时的情感和思想。 文章转载自 开源中国社区[https://www.oschina.net]

优秀的个人博客,低调大师

《Arduino家居安全系统构建实战》——1.7 我们学到了什么

本节书摘来异步社区《机器学习项目开发实战》一书中的第1章,第1.7节,作者:【美】Mathias Brandewinder(马蒂亚斯·布兰德温德尔),更多章节内容可以访问云栖社区“异步社区”公众号查看 1.7 我们学到了什么 我们在本章中介绍了许多基础知识!在机器学习方面,你现在已经熟悉了一些关键概念和方法学。如果你是F#的新手,现在也已经编写了第一段F#代码! 下面回顾一些要点,先从机器学习方面开始。 首先,我们讨论了交叉验证——使用不同数据集进行训练和验证,留出某些数据评估预测模型质量的过程。这从许多方面看都是关键的过程。首先,它为你提供一个基准——指导试验的“真实状态”。没有验证集,就无法判断特定模型是否比另一个模型好。交叉验证可以科学地计量质量,它的作用类似于自动化测试套件,可以在开发工作偏离方向时提出警告。 建立了交叉验证机制,就可以在可量化的基础上试验、选择模型或者方向。反复尝试方法是“进行机器学习”的关键部分。没有一种方法能够事先知道特定的方法是否有效,所以必须在数据上尝试,自行观察,因此为成功做好准备,接受“可复制研究”的思路非常重要。尽可能用脚本使你的研究过程自动化,大量使用源代码控制,以便在任何时点、没有人工干预的情况下复制模型的每一步。总而言之,做好准备,使自己能够轻松地更改和运行代码。 1.7.1 在好的距离函数中能找到什么 在数字识别器的探索中,我们发现所使用的距离中的小小变化就能显著地改进模型,大部分(所有?)机器学习模型的核心中都有一个距离函数。所有学习过程归根结底都是计算机找出为特定问题搭配已知数据的最佳方式的尝试——“最佳搭配”的定义完全封装在距离函数中。 在某种程度上,距离函数的作用是利用数学方法,将你的目标从人类理解的形式转换成机器理解的语句。距离函数也常常被称作代价函数,从代价上考虑更多地强调了“坏”解决方案之所以不好的原因——所招致的惩罚,帮助我们避免选择不好的解决方案。 在我的经验中,花时间思考代价函数总是值得的。不管使用的算法有多巧妙,如果代价函数有缺陷,结果就很糟糕。想象一个包含两个计量值的个人数据集:以英尺为单位的身高和以磅为单位的体重。如果我们按照图像识别中使用的方法,在数据集中搜索“最相似的人”,就会发生这样的情况:身高的范围通常在5~6英尺(1英尺0.3048米)之间,而体重的范围更广,差别更大,例如100~200磅(1磅=0.4536千克)。因此,直接根据两个计量值之间的差值计算距离实际上将忽略身高的差别,因为1英尺的差别等价于1磅的差别。解决这个问题的方法之一是转换所有身体特征,确保它们处于一致的比例——这一过程称作“规格化”,是后面将要详细讨论的一个主题。幸运的是,所有像素都在相同的标度上编码,在本章中可以忽略这个问题,但是我希望这个“距离产生错误”的例子能够让你认识到,为什么距离函数需要深思熟虑! 这也是正确的数学定义真正起作用的情况之一。如果你翻起在学校时的数学笔记,就会看到距离函数(数学家们有时候称之为“度量标准”)由几个属性定义: Distance(A,B) > 0(距离不能为负数)。 当且仅当A=B时,Distance(A,B) = 0(只有A和自己的距离为0)。 Distance(A,B) = Distance(B,A)(对称性:从A到B的距离等于从B到A的距离)。 Distance(A,B) <= Distance(A,C) +Distance(C,B)(“三角不等式”:两点之间直线最短)。 在本章中我们只关注两种距离,但是满足上述属性的函数多种多样,每一种都以不同的方式定义了相似性。因此,模型中的代价函数不需要满足所有属性,但是一般来说,如果不满足某些属性,你应该问问自己可能会因此引起什么意外的副作用。例如,在曼哈顿距离的第一个例子中,如果我们忽略了绝对值,就明显地违反了规则1(距离非负)和规则3(对称性)。在某些情况下,随意使用不为度量指标的函数有充足的理由,但是发生这种情况时,应该多花一点时间思考可能出现问题的地方! 1.7.2 模型不一定要很复杂 最后,我希望强调的是,有效的模型并不一定很复杂!不管在C#还是F#中,两个分类器都很小,使用的是相当简单的数学方法。当然,有些复杂模型也能提供惊艳的结果,但是如果能用容易理解和修改的简单模型得到相同的结果,那么为什么不省点事呢? 这一原则称作“奥卡姆剃刀”,名称来源于中世纪哲学家“奥卡姆的威廉”。奥卡姆剃刀遵循经济原理。试图解释某一事物时,在多个可能合适的模型中选择最简单的一个。只有在简单的解释无法奏效时,才选择复杂的模型。 同理,我们首先实施“可能有效的最简方法”,我很鼓励你遵循这一方法。如果不这样做,可能会发生这样的情况:你开始实施几个可能有效的方法,它们激发出新的思路,因此很快你将有许多不成熟的原型,在丛林中越陷越深,而没有清晰的过程或者方法。突然之间,你将意识到自己已经为编码花费了几周,却还没有确定任何有效的方法或者前进的方向。这不是一种好的感觉。管理自己的时间,花费一天(或者一周、一小时——任何对你的问题来说切合实际的时间)用能够想到的最蠢、最简单的预测模型建立一个端到端模型。这个模型可能已经足够好了,这样的情况下就不会浪费任何时间。如果它不够好,此时你已经有了合适的机制,准备了数据集成和交叉验证,也很有可能已经发现了数据集中存在的意外问题。你将从合适的位置进入丛林。 1.7.3 为什么使用F#? 如果这是你第一次遭遇F#,开始时可能会觉得奇怪:我为什么介绍那种语言,而不坚持使用C#? 我希望书中的例子清楚地说明了原因!在我看来,C#虽然是一种很出色的语言,但是F#和机器学习及数据探索的搭配简直不可思议!在接下来的几章中将看到F#的更多特性,但是我希望这些理由在本章中就已经很清晰。 首先,F#的交互执行和脚本环境绝对可以节约时间。在开发机器学习模型时,快速试验、更改代码、查看效果是至关重要的,因此需要一个脚本环境。我的典型F#工作流是在每天开始时将数据加载到交互执行环境中。我不需要再次加载它们——数据已经在内存中,可以自由地摆弄模型。相比之下,在C#中测试新思路迫使我重建代码并重新加载数据,这最终会成为一个巨大的时间陷阱。 而且,F#的一些语言特性使其极适合于数据操纵。它聚焦于函数而非对象,擅长将函数应用到数据,以任何需要的方式组成函数。管道向前操作符|>对组合这些转换很方便,创建了一个管道,以非常容易理解的方式表现数据转换工作流。结合将数据打包为元组和用模式匹配解包元组的能力,以及Array、List和Seq模块中大量的内建函数,就可以得到和LINQ一样的增强功能,以任何方式转换和改造数据。

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册