百度机器阅读理解竞赛 3rd 解决方案 百度机器阅读理解竞赛模型核心代码的 tensorflow 实现 ，排行榜上以0.5BLEU-4+0.5ROUGE-L计为总分来排名，一个 epoch 线上成绩可达到 41+； 获得 final 第三名，最终评审得到二等奖。

这里有英语的全文翻译，方便大家对专业英语的理解和掌握

这是一本以程序员的视角，将计算机涉及的各个领域如硬件、操作系统、编译器等以你所编写的程序的执行为主线串了起来。即使你有操作系统、编译器、CPU方面的知识，你未必能真正从程序员的视角程序开发执行过程的细节贯穿起来。本书作者就像一个导游，带你浏览计算机真实世界，串联起了各个领域的技术，而不是像其它作者那样堆砌各种孤立的技术。

狂神说，git讲解笔记，超详细，易理解和上手，也可私信获取

书的配套源码。本书共分16章，全面涵盖了Spring Cloud构建微服务相关的知识点。第1、2章详细介绍了微服务架构和Spring Cloud。第3、4章讲解了用Spring Cloud构建微服务的准备工作。第5～12章以案例为切入点，讲解了Spring Cloud构建微服务的基础组件，包括Eureka、Ribbon、Feign、Hystrix、Zuul、Config、Sleuth、Admint等组件。第13～15章讲述了使用Spring Cloud OAuth2来保护微服务系统的相关知识。第16章用一个综合案例，全面讲解了如何使用Spring Cloud构建微服务，可以作为实际开发的样例工程。 本书既适合Spring Cloud初学者入门使用，又适合正在做微服务实践的架构师或打算实施微服务的团队作为参考用书，同时也可作为高等院校计算机相关专业的师生用书和培训学校的教材。

ndroid Telephorlv作为Aridroid手机中的核心模块，为手机提供了基础的通信能力，其逻辑处理、运行效率和稳定性是Android手机定制开发过程中的重点和难点。为解决这个难题。杨青平编著的《深入理解Android：Telephony原理剖析与最佳实践》由浅入深、非常全面地分析了And roid Telephony模块的实现机制和设计理念，对Call通话、Se rviceState接入网络服务状态、DataConnection手机上网数据连接、SMS&MMS短信和彩信的应用、Android RIL等重要模块进行了详细分析和关键点的总结。 在分析过程中，选择通话作为核心，从通话的流程开始分析和总结。然后逐步解析通话应用在Application、Framework、HAL每层中的处理逻辑，使读者既能够从整体上认识通话流程。同时又能够学习到通话的实现细节。另外，Android Telephony涉及的关键流程和设计思路。本书尽量使用UML图进行展现。并使用文字进行总结和说明，把工作机制尽量说得明白且深入。同时，我们也希望读者能在此基础上继续前行，以开展更加深入和广泛的研究。

（1）学会解决帧的同步和频偏校正问题； （2）理解帧的同步和频偏校正的原理； （3）实现基于训练序列的相关性的帧同步和基于Moose算法的频偏校正。 【实验原理】  数据帧 数据帧的格式为：保护位+帧同步位+信息位+保护位，其中： 保护位：降低前后帧之间的影响，并提高同步质量（本实验没有加保护位）； 同步位：训练序列，本次实验使用巴克码，要求自相关性好； 信息位：有效的发送信息。  训练序列 训练序列的优劣决定了信道均衡性能的好坏，训练序列越长则信道估计效果越好。一般而言， 用来同步的训练序列有着非常强的自相关性（即自相关峰值高，互相关值低）。训练序列常用于参 考信号，帧同步码。其中，常用的训练序列有 Barker 码、Frank 序列、Zadoff-Chu 序列、Gold 序列 （本次实验采用 Barker 码）。  帧同步

学习 Linux ，就要学习 Linux 的精华。而 Linux 的精华，则在于 Linux 的内核。《深入理解 Linux 内核》就是一本辅助学习 Linux 内核的经典书籍。有的初学者，在没有人指导的情况下，就钻入 Linux Kernel代码的海洋中埋头苦学，结果学了半天仍然是一头雾水。当然了，在大师指导下学习就不一样了。本书以最新的 Linux 2.6 版架构为基础，分门别类地向初学者介绍了 Linux 内核的架构、编程思想、以及功能模块。相信你在本书的指导下学习，对于你读懂 Linux 操作系统的精华部分，会取得事半功倍的效果。事实上，不少知名公司招聘的题目里面，很多就出自这本书，可见它真的是论述 Linux 内核的经典书籍。

“MSMARCO passage ranking task”阅读理解任务排名第一的BERT解决方案

本文于译文,卷积神经网络是一种识别和理解图像的神经网络。本文将从不同的层次来介绍卷积神经网络。本文将继续为你介绍关于卷积神经网络的知识。为了保持文章的简洁性和全面性我将为你提供研究论文的链接，里边会有更为详细的解释。让我们看看转换层，还记得滤波器、接受域和卷积吗？现在我们可以改变两个主要参数来修改每层的运行状态。在选择滤波器大小之后，还要选择宽度和填充。用宽度来控制滤波器如何在输入量的上下范围内进行卷积。例如，一个7*7的输入量，一个3*3的滤波器（忽略第三维度的简单性），宽度为1。看看你是否能尽力猜出随着宽度增加到2，输出量会发生什么变化。因此，正如你所看到的那样，接受域现在在两个单元之间来