Pull to refresh
0
0
psycho @psycho

User

Send message
от mosh остается собственный протокол (собственно он особенно ни на что большее и не претендует), который, как вы правильно заметили, позволяет делать автоматический реконнект (что по-моему уже является огромным плюсом), но и еще заметно уменьшать лаги при нестабильном подключении.
я конечно могу говорить только по собственному опыту, но работать с mosh при среднего качества WIFI намного приятнее чем с ssh. то же самое верно если вы часто переключаетесь между разными сетями. на страничке проекта авторы приводят результаты более объективных бенчмарков.
это параллельные вещи. mosh — замена ssh. все что Вы перечислили, работает и там и там.
совместно с tmux или emacs в качестве мультиплексера скроллинг работает. плюс, они обещали допилить это в будущих релизах.
спасибо за пост. стоило упомянуть, что подобное аналитическое решение (Tomasi-Kanade factorization) только возможно если предполагать модель с ортографической проекцией, что _далеко не всегда_ верно. именно поэтому и существует bundle adjustment алгоритмы, которые как правило не решают системы уравнений «в лоб», а по возможности используют их разреженную структуру.
интересно!
наверное, можно было бы взять более серьезный classifier и фичи (SVM+HOG) и не мучиться с определением местоположения циферблата и тп.
class Foo
{
...
  unique_ptr<SomeType> m_foo;
...
};

...
m_foo = new SomeType;
// instead of
// m_foo = unique_ptr<SomeType>(new SomeType);
// m_foo.reset(new SomeType);
...


чтобы меньше печатать)
ок, переформулирую :) тут нам это описали для containee, а не container'a (например unique_ptr). почему бы не сделать то же самое (или нечто похожее) один раз для unique_ptr, вместо того чтобы для каждого нового кастом класса переопределять стратегию владения?
спасибо! особенно интересен пример с unique_ptr, т.к. порой раздражает boilerplat-ные make_ptr.
Но все же это для кастомных типов, а возможно ли такое же, но для конструкторов самих *_ptr?
Может быть «байесовы»?
P.S.
Очень круто людей заинтересовывать конечно, спасибо автору. Но вообще кому интересно советую полноценную книгу взять и почитать.
Эмпирические можно получить самим, поварьировать параметры (например макс.глубина и минимальное кол-во элементов в листе), и посмотреть производительность с учетом сложности модели (советую почитать про bayesian information criteria и model selection в общем).
А можно еще дальше обобщить — factor graphs, не только kalman filtering, но и много других GM и все в едином фреймворке.

Information

Rating
Does not participate
Location
Lausanne, Vaud, Швейцария
Registered
Activity