面向其它公司和团队以及政府组织等准备参观龙芯展厅的人，里面包含对展厅的全面梗概和介绍有关信创、龙芯中科的部分信息和成果。

云里云外，凝心聚力，筑梦未来

太原理工大学-云顶书院旗下的新型社交电商平台项目

基于混凝土搅拌罐内监控视频，对其状态的识别分类，分类测试结果得到了高于95%的准确度。

云顶书院知识检索系统

本节是CSW224第一部分的最后一节（semi-supervised node classification），用一部分已知标签的节点去预测剩下的未知标签的节点。注意：半监督与监督学习不同，这里将已经学到的模型泛化到上，仅仅是对原图的剩余节点进行分类，因为在学习模型时，原图的未知标签的节点也可能用于训练。这种被称为，与之相对应的是。对于图神经网络，是可以做到归纳式学习。

《关于JavaScript的对象的知识》

关于SQL的基础语法（DDL、DML、DQL、DCL）

图机器学习主要是将各种适合用图表示的数据信息，这些信息有明显特征，有众多节点，节点之间有错综复杂的连接关系。由于计算机并不能直接识别图，所以根据任务的类别，从全图、子图、连接、节点层面将图中元素转换为D维向量，转换过程可以分为人工特征工程、图嵌入、矩阵分解和深度学习

已将百度收入本人公司库（bushi）

从内联汇编语法的介绍窥探编译器的门径

搭建图床

自己整理了一篇博客，线程池知识点都在这儿了，从入门到精通，找工作什么的想学线程池的就看这儿吧！

在无法使用学校邮箱的情况下，使用学信认证JetBrains的学生身份

提到了优雅的代码、CS自救指南以及资源分享。

用简单的node.js实现一个图片爬虫

一个月高强度前端面试的复盘总结

本文是斯坦福大学CSW224图机器学习的学习笔记。DeepWalk将Word2Vec的思想引入到图中，以图中任意一个结点为起始，按照节点间的连接，随机游走到其他节点形成节点的随机游走序列，进而解决节点层面的一系列问题。是图表示学习的开山之作，也是图机器学习的必读论文

从今天开始，大家就正式进入后端框架学习阶段。希望大家继续加油！(ง •_•)ง。

在框架下逐步实现JOS内核-文件系统

如何使用报告厅

前后端分离，前端vue+axios。后端Tomcat服务器，mysql数据库。采用SpringMVC模式。servlet中用post方式接受前端传递的json数据并返回。完整解决方案，附带前端小姐姐方案链接

本文主要介绍云服务器LAMP（Ubuntu 18.04）安装jdk13和Tomcat的详细步骤。其中Tomcat安装不需要手动配置环境变量

新的开始！第一周实战，希望大家坚持下去。作业看起来难，但读懂题后会发现很简单。

对AJAX进行简单的封装，实现一个简易的axios