1;===============================2;循环程序设计3;loop指令实现4;冒泡排序5;for(inti=0;i<N;i++){6;for(inth=0;j<N-1-i>;j++){7;if(array[j]>array[j+1]){8;exchange(array[j],array[j+1]);9;}10;}11;}12DATASSEGMENT13bufferdb12,3,6,23,54,121,99,100,46,23;待排序的10个数14DATASends15CODESSEGMENT16ASSUMECS:CODES,DS:DATAS17START:18movAX,DATAS;待排序的内容的段地址19movDS,AX2021movbx,offsetbuffer;待排序的内容的偏移地址22movsi,0;外层循环起始下标023xorcx,cx24movcl,10;设置外层循环次数2526flag1:27movdi,0;内层循环起始地址下标028pushcx;cx次数压栈29flag2:30moval,[bx+di]31cmpal,...

1;===============================2;循环程序设计3;模拟C语言实现break与continue4DATASSEGMENT5idw06sumdw07DATASends8CODESSEGMENT9ASSUMECS:CODES,DS:DATAS10START:11movAX,DATAS;待排序的内容的段地址12movDS,AX1314movdi,i;di存放i15movsi,sum;si存放sum16flag:;循环开始17incdi;i++1819cmpdi,3020jbflag;if(i<30)continue21addsi,di;sum+=i2223cmpsi,100024jaexit;if(sum>1000)break25jmpflag2627exit:28movbx,offseti29mov[bx],di3031movbx,offsetsum32mov[bx],si33;赋回34movah,4ch35int21H36CODESends37endSTART ...

//待实现的C程序1voidmain()2{3intgrade=90;4switch(grade/1-0)5{6case9:7printf("excellence");8break;9case8:10printf("good");11break;12case7:13printf("average");14break;15case6:16printf("pass");17break;18default:19printf("fail");20}21} 汇编代码:1;采用地址表的方法编写汇编程序实现以下的C程序的功能2DATASSEGMENT3gradedw904ComTabdwcoma,comb,comc,comd5g1db'excellent','$'6g2db'good','$'7g3db'average','$'8g4db'pass','$'9g5db'fail','$'10DATASends11CODESSEGMENT12ASSUMECS:CODES,DS:DATAS13START:14movAX,DATAS15movDS,AX;把需要比较的两个数字放入两个寄存器中161...

;C程序转汇编(或运算链接)DATASSEGMENTaDw5bdw6ccdw7ddw8mdw2ndw2stringdb6dup(?)DATASendsCODESSEGMENTASSUMECS:CODES,DS:DATASSTART:movAX,DATASmovDS,AX;把需要比较的两个数字放入两个寄存器中movax,amovbx,bcmpax,bxjbRm;当a<B时跳转到rmmovm,0;当a>b时为假所以m赋值为0;上述内容给等价于m=a<>>bmovax,ccmovbx,dcmpax,ccjaRnmovn,0;上述内容给等价于n=c>djmpexitRm:movm,1jmpexitRn:movn,1jmpexitexit:movsi,offsetstringmovAX,mandAL,0FHaddal,30Hmov[si],al;把m转化为ASCII码并存入string中xorcx,cxmovcl,3;上述两句设置循环次数lp:incsimovbyteptr[si],20H;20H代表空格looplp;利用循环添加3个空格代替incsimovA...

 ，包括MaskR-CNN。它是用Python编写的，支持Caffe2深度学习框架。 不久前，FAIR才开源了语音识别的工具wav2letter，戳这里看大数据文摘介绍《快讯|Facebook开源语音识别工具包wav2letter》。这一系列工具的开源，将使更多研究人员能使用到Facebook的平台，进一步扩大Facebook人工智能实验室的影响力。针对Detectron的开源，研究员RossGirshick发表了一篇博客，具体介绍了该开源平台的性能。 Detectron项目于2016年7月启动，旨在创建一个基于Caffe2的快速、灵活的物体检测系统。经过一年半的发展，Detectron的代码库已趋于成熟，并支持了很多内部项目，比如：MaskR-CNN和FocalLossforDenseObjectDetection（ICCV2017-Marr奖项和最佳学生论文获奖项目）。 Detectron支持的算法为计算机视觉关键任务（比如实例分割）提供了直观的模型，并在近年来社会上取得的视觉感知系统的巨大成果中发挥了关键作用。除了研究，Facebook许多...

 前两篇文章分别简单介绍了tushare这个财经数据接口包的使用，用起来很简单顺手，一两句代码就可以获取到你想的要的数据，但是有在群里经常看到说获取数据经常挂，延迟很严重等等，其实那是因为使用者没有好好去领悟和了解工具。片面两篇文章已经对tushare如何获取股票的历史数据和实时数据有过简单的介绍，没看过的朋友可以到微信公众号【数据之佳】点击往期文章就可以查看。上两篇文章只是向大家介绍了tushare这个工具，相信有不少对量化投资感兴趣，却不知道如何获取数据的朋友已经尝试过使用他来获取数据，但遗憾的是，如果不注意使用的技巧，你获取数据的脚本即使不经常挂，得到的数据质量也不高，尤其是实时分笔数据，上一篇文章展示的代码，获取一次所有股票的实时数据整整花了20秒的时间，遇到这种情况，可能很多人会想，是不是我的网速的问题，或者是数据服务器限制访问的频次导致的？所以只能退而求其次，自我安慰，有总比没有好。其实不然，我们使用tushare来获取数据，器数据也是通过爬虫从各个数据服务器爬下来的，那么在代码访问数据的过程中，每一次访问都需要经过验证，就好像你需要从仓库中取一万个零件，你每一次...

 numpy提供了数组对象，面向的任何使用者。scipy在numpy的基础上，面向科学家和工程师，提供了更为精准和广泛的函数。scipy几乎实现numpy的所有函数，一般而言，如果scipy和numpy都有这个函数的话，应该用scipy中的版本，因为scipy中的版本往往做了改进，效率更高。但是，有一些同名函数，却有着不同的行为，比如log10，linalg.solve。这些不同的行为，最需要我们的注意。scipy对numpy的“覆盖”是怎么样的？用SciPyReferenceGuide中的话说，“alloftheNumpyfunctionshavebeensubsumedintothescipynamespacesothatallofthosefunctionsareavailablewithoutadditionallyimportingNumpy.”同时，在scipy的__init__.py中，找到了这个：importnumpyas_num​linalg=Nonefromnumpyimport*fromnumpy.rand...

转载2017年11月01日00:00:00 人脸识别很难吗？--Kangvcar本文导航◈ 环境要求00%◈ 环境搭建03%◈ 实现人脸识别19%◈ 示例一（1行命令实现人脸识别）：19%◈ 示例二（识别图片中的所有人脸并显示出来）：31%◈ 示例三（自动识别人脸特征）：49%◈ 示例四（识别人脸鉴定是哪个人）：65%◈ 示例五（识别人脸特征并美颜）：81%转载自　|　http://www.jianshu.com/p/281aa6a3823a　作者　|　简书/Kangvcar环境要求◈ Ubuntu17.10[1]◈ Python2.7.14[2]环境搭建1、安装 Ubuntu17.10[1] >安装步骤在这里[3]。2、安装Python2.7.14(Ubuntu17.10默认Python版本为2.7.14)3、安装git、cmake、python-pip#安装git$sudoapt-getinstall-ygit#安装cmake$sudoapt-ge...

 2018年02月01日16:09:06阅读数：1757在领导发红包的时候，看到有些同事在1s、2s抢到红包，为什么他们能够这么快？一定是“开挂”的想法立马浮现出来。做一个程序猿，为什么不自己写一个呢？借助Android的辅助功能的AccessibilityService服务就能够做到。  检测当前界面是否有红包（未拆开的红包）让手机自动点击发现的红包（未拆开的红包）检测拆红包弹出窗口上那个“开”的按钮，并让手机自动点击进入红包详情界面，检测到返回按钮，自动点击返回到聊天界面，继续抢红包一、创建AndroidProject后，先来编辑AccessibilityService的配置accessible_service_config.xml <?xmlversion="1.0"encoding="utf-8"?> <accessibility-service xmlns:android="http://schemas.android.com/apk/res/andr...

Python实现MapReduce下面使用mapreduce模式实现了一个简单的统计日志中单词出现次数的程序: fromfunctoolsimportreducefrommultiprocessingimportPoolfromcollectionsimportCounterdefread_inputs(file):forlineinfile:line=line.strip()yieldline.split()defcount(file_name):file=open(file_name)lines=read_inputs(file)c=Counter()forwordsinlines:forwordinwords:c[word]+=1returncdefdo_task():job_list=['log.txt']*10000pool=Pool(8)returnreduce(lambdax,y:x+y,pool.map(count,job_list))if__name__=="__main__":rv=do_task()2017年05月13日21:42:12 阅读数...

  各位晚上好，首先感谢大家参与我的这次主题分享，同时也感谢InfoQAI前线组织这次瀚思科技主题月！瀚思科技成立于2014年，按行业划分我们是一家安全公司。但和大家熟知的卖杀毒软件或者防火墙的传统安全公司不同。瀚思科技帮助各种中大型企业搭建安全大数据的分析平台，平台上应用的安全分析策略深度结合了多种机器学习算法，最终帮助企业定位与揭示各种安全问题。所以我们自己定位是一家安全+大数据+AI的公司。言归正传，今天的分享主题是：基于Flink流处理的动态实时大规模用户行为分析今天的分享主要包括四大部分：1）网络安全中的用户行为分析（简称UBA）；2）实时超大规模用户行为分析的技术挑战；3）Drools规则引擎在CEP中的应用；4）Flink原生CEP组件。首先，我们先明确一个概念，什么是网络安全中的用户行为分析？简而言之，用户行为分析是通过分析用户数据（例如交易数据，用户登录数据），找出异常行为以检测外部及内部人士的攻击活动。举例来说，外部攻击通常是由外部黑客通过破解VPN密码并夺取员工帐户的方式实现。而内部攻击则往往表现为心存不满的或者即将离职的员工对敏感信息的窃取。...

 作者：字体：[增加 减小]类型：转载 获取客户端的一些信息，如IP和MAC，以结合身份验证，相信很多人都会这样做吧，我们这里用Javascript，这样做的好处是不需要服务器端进行处理，有客户端自行获取，感兴趣的你可以参考下哈  在做B/S结构的系统时，我们常常需要获取客户端的一些信息，如IP和MAC，以结合身份验证。要获取服务器端的MAC很容易，但是要获取客户端的MAC的地址确要花费一翻心思，通常的做法是调用Win32API或直接调用nbtstat命令，这样做有很多问题，而另一种方法就是直接用客户端脚本，我们这里用Javascript，这样做的好处是不需要服务器端进行处理，有客户端自行获取，传递到服务器端，且速度和可靠性都比在服务器端获取好。 具体实现的html和javascript如下： 复制代码 代码如下:<HTML> <HEAD> <TITLE>WMIScriptingHTML</TITLE> <METAhttp-...

 06年的一篇blog，转到这个博客上：        很早之前写的，后来由于这个功能模块取消，最终没有上线，所以与Server交互的那部分还没有写，不过那部分方案我也已经出来了，而且现在客户端这一部分已经通过了比较完备的测试。大家看看这一部分的代码，应该一看就懂。 那时候也不知道那么多js的UI库，所以全部都是自己绘制的，界面有点简陋，希望凑或者看吧，再就是我们这个项目是局域网项目，所以大家用的都是IE，没有考虑跨浏览器的因素。发出来希望对做同样应用的同志少走点弯路，我写的时候，网上没有这方面的代码，现在有没有就不知道了。 网页代码：<%@pagecontentType="text/html;charset=gb2312"pageEncoding="GB2312"%><%@pagelanguage="java"%><%@pageimport="java.util.List"%><style>th.timem{font-size:...

http://blog.csdn.net/vencent7/article/details/76849849自己一直用的pyenv和pyenv-virtualenv管理不同的python环境。昨天朋友推荐我安装一个Anaconda（通过官网下载安装带有图形界面AnacondaNavigator的版本，并非通过pyenv安装），结果安装之后似乎与原来的pyenv不太兼容，在网上搜了一下，有遇到类似情况的：https://stackoverflow.com/questions/40944277/pyenv-and-anaconda-issue-with-export-path经过尝试，我找到的解决方案如下：解决PATH环境变量的问题anaconda安装的时候会在 .bash_profile 的最后一行把自己的PATH加到最前，正是因为这个原因导致pyenv失效了（pyenv也是通过把自己的PATH加到最前来“劫持”python等命令实现多版本的管理），因为按照官方的安装说明，pyenv的几行命令应该放置在.bash_profile的最后。因此，编...

https://baijiahao.baidu.com/s?id=1591987712899539583选自arXiv作者：RzaAlpGüler,NataliaNeverova,IasonasKokkinos机器之心编译参与：Panda 实现从2D图像到3D表面的对应在很多方面都有极具价值的应用前景。近日，FAIR发布了一篇研究论文，介绍了他们通过人工方式标注的图像到表面密集对应数据集DensePose-COCO以及基于此训练的DensePose-RCNN架构，得到了一个能实时地得到高准确度结果的系统。该研究发布后得到了广泛的关注，机器之心在此对该论文进行了摘要介绍，更多详情请参阅原论文和项目网站。 论文地址：https://arxiv.org/abs/1802.00434项目网站：http://densepose.org 03:49 本研究的目标是通过建立从人体的2D图像到基于表面的3D表征的密集对应（densecorrespondence）来进一步推进人类对图像的理解。我们可以认为这个任务涉及到一些其它问题，比如物体检测、姿态估计...