在专业人士看来,苹果的每一个部件组成部分都值得细心雕琢和研究,近日曾经拆解并对比过正品和山寨 iPad 电源适配器的 Ken Sheriff 又为我们带来了 MacBook 电源适配器的拆解,让我们看到了内部非常复杂的构成。从拆解的图片可以看出,这款适配器包含了大量的电路,同时还内含了一个微处理器,Sheriff 表示:
什么是SIP?和我们熟知的SoC有何差别?_硬件_cnBeta.COM
自集成电路器件的封装从单个组件的开发,进入到多个组件的集成后,随着产品效能的提升以及对轻薄和低耗需求的带动下,迈向封装整合的新阶段。在此发展方向的引导下,形成了电子产业上相关的两大新主流:系统单芯片SoC(System on Chip)与系统化封装SIP(System in a Package)。
How to build a game like Flappy Bird with Xcode and SpriteKit | digitalbreed
Update Feb. 27th: Fixed a small glitch in the tutorial that DylanYasen pointed out, thanks! (No code change.)
Update Apr. 9th: Sorry, I currently don’t have time to update the tutorial. In the meantime, take a look what reader Daniel Bocksteger built with the learnings from this tutorial: Coin Catcher.
继续阅读“How to build a game like Flappy Bird with Xcode and SpriteKit | digitalbreed”
如何找出被黑客攻击后篡改的WordPress 文件? | DeveWork
如果你的WordPress 站点不幸被某个黑客攻击,那么你有必要找出黑客是否篡改过WordPress 的文件以防止其留下某些后门。本文为你介绍了一些快速查找被黑客攻击后篡改的WordPress 文件的工具。 继续阅读“如何找出被黑客攻击后篡改的WordPress 文件? | DeveWork”
新技术可以使用标准的Wi-Fi路由器充电智能设备_cnBeta 最新消息_cnBeta.COM
华盛顿大学的研究人员,想出了一个巧妙的方法来通过日常的Wi-Fi路由器对电子设备进行充电,他们将这种方法称为PoWiFi,研究人员已经成功地利用该技术对一些低功耗设备计进行充电,包括一个低分辨率灰度摄像头和Jawbone活动跟踪器。
[视频]90000流明的LED手电筒 能将变成黑夜变成白天_硬件_cnBeta.COM
据外媒报道,YouTube 用户rctestflight在上周六发布的一段视频中,展示了他刚刚制成的“世界上最亮的手电筒”,据称能将黑夜变成白天。 Rctestflight自制的“手电筒”并不像常规的手电筒,他使用10个100-watt LED芯片连接而成,每个芯片都搭载了大型的铝制散热片,并使用电池驱动。这款“手电筒”重达4.5kg,连接电池后可持续使用10分钟。
HTML5的视频格式之争 – 阮一峰的网络日志
下一代的网页语言HTML5,提供了一个video标签。它允许开发者直接将视频嵌入网页,不需要任何第三方插件(比如 Adobe公司的Flash)就能播放。
这当然是一大进步。
但是,有一个核心问题,却没有得到解决。HTML5没有规定,浏览器到底应该播放哪一种格式的视频。浏览器厂商可以自行选择支持的格式。 继续阅读“HTML5的视频格式之争 – 阮一峰的网络日志”
iOS弹幕DEMO | iOS开发 – CocoaChina CocoaChina_让移动开发更简单
最近写了个iOS弹幕的DEMO,大家有兴趣可以看一下
https://github.com/panghaijiao/HJDanmakuDemo
可以试试这个:https://github.com/unash/BarrageRenderer
OpenStack Kilo版本新功能分析,openstackkilo_云计算 | 帮客之家
OpenStack Kilo版本已经于2015年4月30日正式Release,这是OpenStack第11个版本,距离OpenStack项目推出已经整整过去了5年多的时间。在这个阶段OpenStack得到不断的增强,同时OpenStack社区也成为即Linux之后的第二大开源社区,参与的人数、厂商众多,也成就了OpenStack今天盛世的局面。虽然OpenStack在今年经历了Nebula的倒闭,但是随着国内的传统行业用户对OpenStack越来越重视,我们坚信OpenStack明天会更好。
OpenStack JUNO版本发布——支持Spark和NFV-CSDN.NET
美国时间2014年10月16日,OpenStack JUNO版本正式发布,这是OpenStack开源云计算项目自2010年创立以来的第10个版本。在过去的6个月里,有18704个代码提交记录,超过133个组织的1419名代码贡献者参与到OpenStack
OpenStack 各个版本的关系_枝叶飞扬_新浪博客
OpenStack调研:OpenStack是什么、版本演变、组件关系(Havana)、同类产品及个人感想 – ZisZ – 推酷
一点调研资料,比较浅,只是觉得部分内容比较有用,记在这里;
首先,关于云计算,要理解什么是SAAS、PAAS、IAAS,这里不述;关于虚拟化,需要知道什么是Hypervisor,这里也不述;
继续阅读“OpenStack调研:OpenStack是什么、版本演变、组件关系(Havana)、同类产品及个人感想 – ZisZ – 推酷”
OpenStack IceHouse版本发布 « OpenStack中国社区
作者:郑晨,OpenStack中国社区,转载请注明出处
美国时间4月17日,OpenStack Icehouse 版本正式发布,这是OpenStack开源云计算项目自2010年创立以来的第9个版本。在过去的6个月里,超过1200名代码贡献者参与到Icehouse的开发当中,比2013年的Havana版本提高了32%,有来自全球超过120家公司与机构的员工参与其中,继续保持快速、和全球化的发展。来自咨询机构Forrester的分析表示,OpenStack已经逐步成为事实上(de facto)的基础架构云(IaaS)标准: 继续阅读“OpenStack IceHouse版本发布 « OpenStack中国社区”
微软给小朋友开发的学习代码中心
https://studio.code.org/
Downloads DMTK(Distributed Machine Learning Toolkit) source and binary
The DMTK framework was build on MPI/ZeroMQ, you should download the libiray from MS-MPI (For Windows), MPICH (For Linux), ZeroMQ.
After installing the library, you should ensure that the path to these dynamic libiries(*.dll or *.so) is defined in your $(PATH) environment variable.
The binary listed below was compile by Visual Studio 2013 (Windows) and g++ 4.8 (Ubuntu 12.04).For more information, please see the Tutorial
Tutorial
继续阅读“Downloads DMTK(Distributed Machine Learning Toolkit) source and binary”
Distributed Machine Learning Toolkit
Distributed Machine Learning Toolkit
#
Distributed machine learning has become more important than ever in this big data era. Especially in recent years, practices have demonstrated the trend that bigger models tend to generate better accuracies in various applications. However, it remains a challenge for common machine learning researchers and practitioners to learn big models, because the task usually requires a large number of computation resources. In order to enable the training of big models using just a modest cluster and in an efficient manner, we release the Microsoft Distributed Machine Learning Toolkit (DMTK), which contains both algorithmic and system innovations. These innovations make machine learning tasks on big data highly scalable, efficient and flexible.
The current version of DMTK includes the following components (more components will be added to the future versions): 继续阅读“Distributed Machine Learning Toolkit”
微软亚洲研究院开源分布式机器学习工具包_Microsoft 微软_cnBeta.COM
为了满足研究人员和开发者日益增长的各种需求,微软亚洲研究院于日前将分布式机器学习工具包(DMTK)通过Github开源。DMTK由一个服务于分布式机器学习的框架和一组分布式机器学习算法构成,是一个将机器学习算法应用在大数据上的强大工具包。
如何评价Google发布的第二代深度学习系统TensorFlow?
Google资深系统专家Jeff Dean在最近的湾区机器学习大会做了 Large-Scale Deep Learning for Inelligent Computer Systems 的演讲。
在大会上,Jeff Dean 解密了谷歌未曾在论文上发表过的第二代深度学习系统TensorFlow。
演讲slides:http://stanford.edu/~rezab/nips2014workshop/slides/jeff.pdf
仔细研读了TensorFlow的开源代码文档和slides,总体感觉是:又一个单机深度学习工具包,并无明显的理论和系统创新,开源版本不支持分布式,所以对大规模深度学习没有用处。
1. 编程模式。采用了一种称作“computation graph”的编程模式,这种模式早在2007年已被微软提出(Dryad, [1]), 后来的Spark采用的也是这种数据流编程模式。这种模式已经在大量实验(如,[2,3])中证明并不非常适合于高效机器学习训练。
2. 数据表示。称作为”Tensor“,统一来表示向量、矩阵、三维及以上张量。这一点也并无新意。大部分机器学习操作的对象(数据或者参数)都是以向量、矩 阵的形式存在的,少部分是张量,这一点做机器学习的人人皆知。Google将它们统一表征成tensor没有问题,但是这里没有任何概念或理论创新。而且 类似的抽象在之前很多系统与工具中已经实现。
3. 开源版本不支持分布式。单机的深度学习工具已经有很多了,Google这次又增加一个。市面上真正缺乏的是能够支持大规模深度学习的分布式框架或系统,而TensorFlow并没有提供。
当然也有值得学习和借鉴的地方: 1)支持多种编程语言; 2)提供了很多深度学习模型库。
[1] Dryad: Distributed Data-Parallel Programs from Sequential Building Blocks
[2] A Comparison of Lasso-type Algorithms on Distributed Parallel Machine Learning Platforms
[3] Petuum: A New Platform for Distributed Machine Learning on Big Data
【重磅】谷歌第二代深度学习系统TensorFlow首次解密(70PDF下载) — 杨静lillian — 传送门
Google资深系统专家Jeff Dean在最近的湾区机器学习大会做了 Large-Scale Deep Learning for Inelligent Computer Systems 的演讲。
在大会上,Jeff Dean 解密了谷歌未曾在论文上发表过的第二代深度学习系统TensorFlow。
继续阅读“【重磅】谷歌第二代深度学习系统TensorFlow首次解密(70PDF下载) — 杨静lillian — 传送门”
什么是 TensorFlow?
TensorFlow 是 Google 开发的用于机器学习/智能的开源软件库
关于 TensorFlow
TensorFlow ™ 是一个开放源码软件库利用数据流图的数值计算。图中的节点表示的数学运算,而图中的边表示多维数据数组 (张量) 传达他们之间。灵活的体系结构允许您将部署到一个或多个 Cpu 或 Gpu 的计算,在桌面、 服务器或移动设备与一个单一的 API。TensorFlow 最初是由研究人员和工程师在谷歌脑团队在 Google 的机器智能研究组织内为进行机器学习和深层神经网络研究,但系统的通用程度足以非常适用于种类繁多的以及其他域。