垃圾回收算法垃圾回收算法的实现设计到大量的程序细节，并且每一个平台的虚拟机操作内存的方式都有不同，所以不需要去了解算法的具体实现。复制算法将可用内存按容量划分为大小相等的两块，每次只使用其中的一块。当这一块的内存用完了，就将还存活着的对象复制到另外一块上面，然后再把已使用过的内存空间一次清理掉。这样使得每次都是对整个半区进行内存回收，内存分配时也就不用考虑

随着BERT等预训练模型横空出世，NLP方向迎来了一波革命，预训练模型在各类任务上均取得了惊人的成绩。随着各类预训练任务层出不穷，也有部分研究者考虑如何在BERT这一类模型中引入或者强化知识图谱中包含的信息，进而增强BERT对背景知识或常识信息的编码能力。本文主要关注于如何在BERT中引入知识图谱中信息，并survey了目前已公布的若干种方法，欢迎大家批评和

 近期略有点诸事不顺，趁略有闲余之时，玩起D3.js。之前实际项目中主要是用各种chart如hightchart、echarts等，这些图形库玩起来貌都是完美的，一切皆可配置，但几年前接触了D3之后，觉得前面那chart类库局限的地方在于，基本不可定制；而D3呢，你说了算，你想画出什么样的图，你说了算，自由度很大，当时就有点膜拜和仰慕，小打小闹的玩了几下，没

根据DX摄象机D3DXMatrixLookAtRH(LH)摄象机主要有lookat坐标、eye坐标、up向量3部分组成，按照lookat和eye的关系我个人将摄象机分成2类：第一种lookat绕eye旋转我称他为“第一人称”摄象机；第二种eye绕lookat旋转我称他为“第三人称”摄象机。第二种摄象机比较适合一般的RPG游戏，也被称为跟随摄象机。第一种摄象机

Lua的函数的定义、math数学函数定义函数function\functionname\(param1，param2)\functioncode\\定义一个函数用来求的两个数字的和functionplus(num1,num2)

SAPI是一个及其精简的RestfulAPI输出工具，诞生的背景是基于目前微服务开发接口，很多中小型项目开发人员在对接口测试时不仅需要使用JUnit等进行业务接口测试，还需要对API进行自测。所以SAPI很好的解决了开发人员需要一个一个参数的往接口测试工具填写调试的反复过程。目前SAPI只需要开发人员引入stater后再启动类加入一行文件即可。下面我们

重载和重写重载：同一个类中定义名字相同的方法，但是参数类型或者参数个数必须不同。重载的方法在编译过程中就可完成识别。具体到每一个方法的调用，Java编译器会根据所传入参数的生命类型来选取重载方法。选取的过程分以下三个阶段：1：在不考虑对基本类型自动装拆箱，以及可变长参数的情况下选取重载方法。2：如果第1个阶段未找到，那么在允许自动

Categraf是一个监控采集Agent，类似Telegraf、GrafanaAgent、DatadogAgent，希望对所有常见监控对象提供监控数据采集能力，采用Allinone的设计，不但支持指标采集，也希望支持日志和调用链路的数据采集。相比于其他采集器，Categraf的优势在于：支持remote_write写入协议，支持将数据写入promethues、M3DB、VictoriaMetrics、InfluxDB；指标数据只采集数值，不采集字符串，标签维持稳态结构；采用allinone的设计，所有的采集工作用一个agent搞定；未来也可以把日志和trace的采集纳入agent；纯Go代码编写，静态编译依赖少，容易分发，易于安装。

深入了解神经网络本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：详解神经网络的不

深入了解神经网络本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：详解神经网络的不