周报汇总地址：嵌入式周报-uCOS&uCGUI&emWin&embOS&TouchGFX&ThreadX-硬汉嵌入式论坛-PoweredbyDiscuz!视频版：https://www.bilibili.com/video/BV1ju4y1D7A8/《安富莱嵌入式周报》第321期：开源12导联便携心电仪，PCBAI设计，150M示波器差分探头，谷歌全栈环境IDX，微软在Excel推出Python1、开源12导联便携心电仪PSoC–DesignandImplementationofa12LeadPortableECG|Voltage|Divide这个开源有完整的上位机，下位机和原理图，并且有一个

作者丨MohitPandey编译丨千山桌面应用、App、小程序、物联网终端设备......面对业务日益复杂的终端适配需要，跨平台应用开发框架的使用趋势只增不减。它允许开发人员使用一套代码，一次性编码即可在多个端侧平台上运行，极大降低了开发周期，是实现快速交付的利器。但同样不可否认的是，在不断发展的软件开发环境中，构建无缝跨平台的应用程序一直是一项艰巨的挑战。多年来，谷歌一直致力于通过Angular，Flutter，GoogleCloud和Firebase等产品简化多平台应用程序开发。随着人工智能热潮的来袭，谷歌日前又推出了新工具——ProjectIDX，该计划将AI集成到其基于云的多平台应用程

从零开发应用是怎样一个概念？有人将它比作建造鲁布・戈德堡机械（RubeGoldberg）。鲁布・戈德堡机械现在常用于教育和娱乐环境，例如在工程和物理课堂上，用于教授基本机械原理和问题解决技能。有时，这种机械的创造也成为竞赛的主题，参赛者被要求用最复杂的方式执行最简单的任务。汤姆猫为了捕鼠准备了复杂的鲁布・戈德堡机械开发应用的难度丝毫不低于建造鲁布・戈德堡机械。开发者要将各种技术栈粘合起来，进行引导、编译、测试、部署和监控，才能获得在移动、网络和桌面平台上都能良好运行的应用程序。谷歌刚刚推出了IDX。这是一个全新的浏览器内代码编辑器+开发环境。它将支持多种框架，如Angular、Next.js、

8月9日消息，谷歌今天揭开了“ProjectIDX”项目的面纱，官宣这是一款融合了AI技术的代码编辑器。IT之家援引谷歌项目描述，官方表示开发人员当前面临的一个痛点就是，很难配置运行特定项目的技术环境和堆栈。开发者如果想要从台式机切换到笔记本电脑，就需要同步各个版本，而且可能会出现两台设备部分代码行为不一致的问题。谷歌的ProjectIDX项目希望缓解这个问题，项目无缝衔接了关键技术，基于CodeOSS（微软VSCode的开源版本），意味着开发者可以快速上手。ProjectIDX项目基于云端的Linux虚拟机运行，并提供了Flutter、Angular、React和 Next.js 等框架模板

我有一个非常大的Android项目，其中包含多个大型第3方jar(如Android库)。我相信我已经达到了Dex的最大方法限制(通过eclipse编译):[2012-11-1802:28:45-FindInFiles]Dxprocessingclasses.dex...[2012-11-1802:28:48-DexLoader]Unabletoexecutedex:Cannotmergenewindex66774intoanon-jumboinstruction![2012-11-1802:28:48-FindInFiles]ConversiontoDalvikformatfailed

关闭。这个问题不符合StackOverflowguidelines.它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭去年。Improvethisquestion是否有任何免费的IDX(互联网数据交换)或MLS(多重列表服务)集成脚本可用？这些服务允许网站根据用户搜索条件显示房地产列表。我想做一个可以将MLS数据集成到站点数据库中的网站，但是如果没有看到某种类型的工作脚本，我不知道如何去做。任何帮助或指导将不胜感激。

我想了解如何打开thisversionoftheMNISTdataset.例如训练集标签文件train-labels-idx1-ubyte定义为:TRAININGSETLABELFILE(train-labels-idx1-ubyte):[offset][type][value][description]000032bitinteger0x00000801(2049)magicnumber(MSBfirst)000432bitinteger60000numberofitems0008unsignedbyte??label0009unsignedbyte??label........xx

似乎普遍认为使用np.take比数组索引要快得多。例如http://wesmckinney.com/blog/numpy-indexing-peculiarities/,Fastnumpyfancyindexing,和Fast(er)numpyfancyindexingandreduction?.也有人建议np.ix_在某些情况下更好。我做了一些分析，在大多数情况下这似乎是正确的，尽管随着数组变大，差异会减小。性能受数组大小、索引长度(对于行)和所采用的列数的影响。行数似乎影响最大，即使索引为1D，数组中的列数也有影响。更改索引的大小似乎不会对方法之间产生太大影响。所以，问题有两个方面