【课程作业】对开源软件开发的疑问

这个作业的要求是: 第一次作业 (看开源的资料,提五个问题)-CSDN社区

1.在从20年开源经历出发,70 后大龄程序员谈成长、困境与突围_IoT物联网技术的博客-CSDN博客导读:在新年前夕的全员总结大会上,涛思数据的一位 70 后研发老将收获了一份名为“最具开源精神奖”的奖项,这不仅是对他在 2021 年基于 TDengine 所做出的开源贡献的认可,更是映射出其长久以来坚持走在开源路上的不变初心。作为老一辈开源人,桑树多以资深的研发技术、乐于分享的精神、无处不传播的毅力,真正践行着开源人的使命。关于如何参与开源社区建设、如何打破 35+ ...https://blog.csdn.net/klandor2008/article/details/124054487我读到:

而对于开源小白来说,你可以从自身的技术兴趣出发来选择想要参与的开源方向,如果对数据库感兴趣,那 TDengine 就是一个非常适合上手学习的开源项目,如果是对消息队列感兴趣可以选择Kafka。

对此我有一个疑问:在确定自己感兴趣的方向后,有什么好的方式去寻找一个合适自己的开源项目来参与?

在这段话中,作者为对数据库和消息队列感兴趣的人提供了两个选择,但我更感兴趣的是有没有这样一个好的寻找手段,能够方便“开源小白”去找到这样的合适自己的开源项目。

2.还是在上面那一篇文章中,我读到:

如果你对 C 语言并不熟悉,那我建议你也可以从学习 TDengine 生态应用软件的源代码开始,还可以通过学习 TDengine 的测试脚本来学习如何对基础软件进行测试。

作者为对C语言不熟悉的“开源小白”提供了开始的思路,也就是在参与开源项目前可以做的事。我还想知道:这种方法是否可以延伸到其它语言或方向,或者说想要参与到某一开源项目中,有哪些工作是最好能提前做好的?

3.在

参与开源,从给RocketMQ提ISSUE开始_不识君的荒漠的博客-CSDN博客_开源项目issue2020年9月份的一天,当时人在郑州的一个公寓的出租屋里。因为晚上约了北京某知名的互联网公司(公司可能不够大,但很多人都听过)的远程面试,所以尽管我当时的工作是997,那天晚上我还是早早就下班回到公寓准备面试。在面试的过程中,面试官提了一个问题:以往的工作经历中,遇到的一个比较难忘的问题。大概是这个意思,因为原话,我也记不太清了。https://blog.csdn.net/x763795151/article/details/122907220我读到:

虽然,第一次提交之后,尽管没有结果,依然让我熟悉了这个流程,后续还是尝试提交了一些pr,大部分没被接受,只有两个后续被接受了。

作者在最初几次pr的时候大部分都没被接受。我对此的疑问是:一般而言代码不被接受是出于什么原因?如果pr被拒项目维护者是否会告知拒绝的理由?以及如何让自己的代码更容易被开源项目接受?

4.在一个补丁迭代了16个版本后被撤,我的 Linux内核之旅!_《新程序员》编辑部的博客-CSDN博客CSDN编者按】一个好的开源项目,能够成长为一个全球性的开源项目,肯定有它的独特魅力所在。Linux内核守护者吴峰光博士特别为《》撰文,生动细致地分享了他早年为LinuxKernel提交I/O预读取算法补丁的经历,过程颇为波折有趣,从中可以一窥Linux成为全球最大开源项目的关键。作者|吴峰光责编|张红月出品|《》编辑部那些充满骄傲的黑客们,四处传颂着他那句“Talkischeap,showmethecode”,昂首挺胸地游走在各个社区之间。.........https://blog.csdn.net/programmer_editor/article/details/125798041我读到:

从这里可以看出,Linux社区最稀缺的资源是两个:代码审查(Review)和测试(Testing)。我也是那个时候才知道,社区鼓励发小而美的补丁——抛出一大坨令人望而生畏的补丁集,很容易劝退查看者(至少会让人产生“等我有大块空闲时间了再来消化”的想法)。

对此我的疑问是:作为开源项目的维护者,如何高效地审查提交的代码?小而美的补丁固然好,但也不总是那么容易得到的,尤其对于一些并不热门的开源项目来说。

5.在上面那篇文章中,我还读到:

Linux现在的主要贡献都来自各家公司的雇员,这可能是世界上最广泛的一个跨公司合作开源项目。那么,Linux社区如何协调和引导如此众多的公司完成协作,避免冲突?这是个不小的挑战,尤其是其中有不少互为竞争对手的公司,在一些热点问题上可能希望竞争主导权、话语权,以及有利于自身的实现。

协调与引导众多开发者并非易事,我好奇这种工作是否也会体现到开源软件开发的进程中来,或者说开源项目和其它一般项目相比,开发流程的区别主要体现在哪里?

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值