0x00:前言Base64编码的作用：将一些特殊的字符转换成常见的字符。特殊的字符可能是不可见字符或者是大于ascii码127的，将其变成常见的字符（在base64中为a~zA~Z0~9+/）。Base64特别适合在某些网络协议下快速传输。在学习Base64隐写之前，得先熟悉Base64编码与解码的过程。 0x01:Base64的编码过程    Base64编码后的字符为”a~zA~Z0~9+/“共计64个，每个需要6个比特位进行存储。原本，ASCII编码字符每个字符占8个比特位。Base64编码则是把原来每单位8个比特位的字符序列划分成每单位6个比特位，然后按单位转换成上述中的64个字符。

 0x00:前言Base64编码的作用：将一些特殊的字符转换成常见的字符。特殊的字符可能是不可见字符或者是大于ascii码127的，将其变成常见的字符（在base64中为a~zA~Z0~9+/）。Base64特别适合在某些网络协议下快速传输。在学习Base64隐写之前，得先熟悉Base64编码与解码的过程。 0x01:Base64的编码过程    Base64编码后的字符为”a~zA~Z0~9+/“共计64个，每个需要6个比特位进行存储。原本，ASCII编码字符每个字符占8个比特位。Base64编码则是把原来每单位8个比特位的字符序列划分成每单位6个比特位，然后按单位转换成上述中的64个字符。

1.简介最近有个需求，就是把图片验证码转化为base64格式，tp5框架自带的think-captcha扩展包可以实现。但是，它有个缺点，不能获取验证码的值。在做前后端分离项目的时候，验证码检测有两种方式，各有利弊。方式一：因为session不能共享，所以通过传递唯一uuid，后端用redis存储uuid对应的验证码，验证同理。方式二：直接返回验证码的同时，把验证值也返回给前端，在前端去验证验证码的有效性下面不多说，看代码。（如果你还有第三种方法，欢迎留言，共同学习）2.代码片段$width=100;$height=30;$size=4;$fontSize=10;$image=imagecre

1.简介最近有个需求，就是把图片验证码转化为base64格式，tp5框架自带的think-captcha扩展包可以实现。但是，它有个缺点，不能获取验证码的值。在做前后端分离项目的时候，验证码检测有两种方式，各有利弊。方式一：因为session不能共享，所以通过传递唯一uuid，后端用redis存储uuid对应的验证码，验证同理。方式二：直接返回验证码的同时，把验证值也返回给前端，在前端去验证验证码的有效性下面不多说，看代码。（如果你还有第三种方法，欢迎留言，共同学习）2.代码片段$width=100;$height=30;$size=4;$fontSize=10;$image=imagecre

BASE理论BASE是BasicallyAvailable（基本可用）、Softstate（软状态）和Eventuallyconsistent（最终一致性）三个短语的缩写。BASE理论是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的。BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。基本可用 基本可用是指分布式系统在出现不可预知故障的时候，允许损失部分可用性—-注意，这绝不等价于系统不可用。比如： （1）响应时间上的损失。正常情况下，一个在线搜索引擎需要在0.5

BASE理论BASE是BasicallyAvailable（基本可用）、Softstate（软状态）和Eventuallyconsistent（最终一致性）三个短语的缩写。BASE理论是对CAP中一致性和可用性权衡的结果，其来源于对大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的。BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。基本可用 基本可用是指分布式系统在出现不可预知故障的时候，允许损失部分可用性—-注意，这绝不等价于系统不可用。比如： （1）响应时间上的损失。正常情况下，一个在线搜索引擎需要在0.5

PTS：PresentationTimeStamp。PTS主要用于度量解码后的视频帧什么时候被显示出来DTS：Decode TimeStamp。DTS主要是标识读入内存中的ｂｉｔ流在什么时候开始送入解码器中进行解码也就是pts反映帧什么时候开始显示，dts反映数据流什么时候开始解码怎么理解这里的“什么时候”呢？如果有某一帧，假设它是第10秒开始显示。那么它的pts是多少呢。是10？还是10s？还是两者都不是。为了回答这个问题，先引入FFmpeg中时间基的概念，也就是time_base。它也是用来度量时间的。如果把1秒分为25等份，你可以理解就是一把尺，那么每一格表示的就是1/25秒。此时的ti

PTS：PresentationTimeStamp。PTS主要用于度量解码后的视频帧什么时候被显示出来DTS：Decode TimeStamp。DTS主要是标识读入内存中的ｂｉｔ流在什么时候开始送入解码器中进行解码也就是pts反映帧什么时候开始显示，dts反映数据流什么时候开始解码怎么理解这里的“什么时候”呢？如果有某一帧，假设它是第10秒开始显示。那么它的pts是多少呢。是10？还是10s？还是两者都不是。为了回答这个问题，先引入FFmpeg中时间基的概念，也就是time_base。它也是用来度量时间的。如果把1秒分为25等份，你可以理解就是一把尺，那么每一格表示的就是1/25秒。此时的ti

GraphNeuralTransportNetworkswithNon-localAttentionsforRecommenderSystems用于推荐系统的非局部注意的图神经传输网络来源：WWW2022摘要：通常，GNN通过在本地邻居之间传播和聚合消息来生成用户/项的嵌入。因此，GNN捕获远程依赖关系的能力在很大程度上取决于它们的深度。然而，简单地训练深度gnn会产生瓶颈效应，例如过拟合和过平滑等，无法得到较好的训练效果。为了解决这个问题，作者提出了图最优传输网络(GOTNet)来捕获在不增加GNN深度的情况下的长期依赖关系。GOTNet能够只使用浅层GNN来同时捕获图中的本地和非本地消息，

GraphNeuralTransportNetworkswithNon-localAttentionsforRecommenderSystems用于推荐系统的非局部注意的图神经传输网络来源：WWW2022摘要：通常，GNN通过在本地邻居之间传播和聚合消息来生成用户/项的嵌入。因此，GNN捕获远程依赖关系的能力在很大程度上取决于它们的深度。然而，简单地训练深度gnn会产生瓶颈效应，例如过拟合和过平滑等，无法得到较好的训练效果。为了解决这个问题，作者提出了图最优传输网络(GOTNet)来捕获在不增加GNN深度的情况下的长期依赖关系。GOTNet能够只使用浅层GNN来同时捕获图中的本地和非本地消息，