KubeSphere从诞生的第一天起便秉持着开源、开放的理念，并且以社区的方式成长，如今KubeSphere已经成为全球最受欢迎的开源容器平台之一。这些都离不开社区小伙伴的共同努力，你们为KubeSphere提出了很多建设性意见，也贡献了很多代码，非常感谢社区小伙伴们的付出。为了帮助社区的小伙伴们更好地掌握KubeSphere社区的进展，我们决定每两周更新一次周报，即双周报。本双周报主要是整理展示新增的贡献者名单，以及两周内提交过Commit的贡献者，并对近期重要的PR进行解析，同时还包含了线上/线下活动和布道推广等一系列社区动态。贡献者名单新晋贡献者本两周共有8位新晋contributor，
KubeSphere从诞生的第一天起便秉持着开源、开放的理念，并且以社区的方式成长，如今KubeSphere已经成为全球最受欢迎的开源容器平台之一。这些都离不开社区小伙伴的共同努力，你们为KubeSphere提出了很多建设性意见，也贡献了很多代码，非常感谢社区小伙伴们的付出。为了帮助社区的小伙伴们更好地掌握KubeSphere社区的进展，我们决定每两周更新一次周报，即双周报。本双周报主要是整理展示新增的贡献者名单，以及两周内提交过Commit的贡献者，并对近期重要的PR进行解析，同时还包含了线上/线下活动和布道推广等一系列社区动态。贡献者名单新晋贡献者本两周共有8位新晋contributor，
问题背景最近接入微信支付，微信官方并没有提供Python版的服务端SDK，因而只能根据文档手动实现一版，这里记录一下微信支付的整体流程、踩坑过程与最终具体实现。微信支付APP下单流程根据微信官方文档:https://pay.weixin.qq.com/wiki/doc/apiv3/open/pay/chapter2_5_2.shtml下单流程如下：和支付宝不同，微信多了一个预付单的概念，这里把APP下单实际分为四大部分，其中包含请求微信后端需要的首次签名和需要返回给APP的二次支付信息签名--这里踩一个小坑，流程图中并没把第二次签名支付信息需要返回给APP的步骤画出来(即下面的步骤6.5)，因
问题背景最近接入微信支付，微信官方并没有提供Python版的服务端SDK，因而只能根据文档手动实现一版，这里记录一下微信支付的整体流程、踩坑过程与最终具体实现。微信支付APP下单流程根据微信官方文档:https://pay.weixin.qq.com/wiki/doc/apiv3/open/pay/chapter2_5_2.shtml下单流程如下：和支付宝不同，微信多了一个预付单的概念，这里把APP下单实际分为四大部分，其中包含请求微信后端需要的首次签名和需要返回给APP的二次支付信息签名--这里踩一个小坑，流程图中并没把第二次签名支付信息需要返回给APP的步骤画出来(即下面的步骤6.5)，因
大佬的TensorFlow代码：here另一个大佬的Pytorch代码：here注：Pytorch代码只有semanticKITTI的训练，TensorFlow作者本人的代码比较全。keywords高分辨率点云——约\(10^5\)点云语义分割多层次特征在正式开始讲论文之前，我们先看看效果，0.04s的inferencetime那么咱们正式开始相关工作\(_{*篇幅有限，此处不再介绍其他基于投影或基于体素的工作}\)PointNet++网络结构关键组件Samping——FPS(最远点采样)顾名思义，每次在点云中采样的点都应该距其他点的距离最远举个例子，下图，一个二维欧式空间中，我们需要使用FP
大佬的TensorFlow代码：here另一个大佬的Pytorch代码：here注：Pytorch代码只有semanticKITTI的训练，TensorFlow作者本人的代码比较全。keywords高分辨率点云——约\(10^5\)点云语义分割多层次特征在正式开始讲论文之前，我们先看看效果，0.04s的inferencetime那么咱们正式开始相关工作\(_{*篇幅有限，此处不再介绍其他基于投影或基于体素的工作}\)PointNet++网络结构关键组件Samping——FPS(最远点采样)顾名思义，每次在点云中采样的点都应该距其他点的距离最远举个例子，下图，一个二维欧式空间中，我们需要使用FP
本文是阅读LinkedIn公司2020年发表的论文Magnet:Push-basedShuffleServiceforLarge-scaleDataProcessing一点笔记。什么是Shuffle以上图为例，在一个DAG的执行图中，节点与节点之间的数据交换就是Shuffle的过程。虽然Shuffle的过程很简单，但是不同的引擎有不同的实现。以shuffle数据传输的介质来看有基于磁盘的shuffle，例如Map/Reduce，Spark，FlinkBatch中，上下游之前的数据都是需要落盘后来进行传输，这类通常是离线处理框架，对延迟不敏感，基于磁盘更加可靠稳定。有基于内存的pipeline模
本文是阅读LinkedIn公司2020年发表的论文Magnet:Push-basedShuffleServiceforLarge-scaleDataProcessing一点笔记。什么是Shuffle以上图为例，在一个DAG的执行图中，节点与节点之间的数据交换就是Shuffle的过程。虽然Shuffle的过程很简单，但是不同的引擎有不同的实现。以shuffle数据传输的介质来看有基于磁盘的shuffle，例如Map/Reduce，Spark，FlinkBatch中，上下游之前的数据都是需要落盘后来进行传输，这类通常是离线处理框架，对延迟不敏感，基于磁盘更加可靠稳定。有基于内存的pipeline模
转载请注明原文链接：https://www.cnblogs.com/mechanicoder/p/16892989.html1.前言本想通过Context与Viewer的多对一关系尝试实现三维视图图层、图元分类管理的功能，但经过几次验证，尚未找到可行的方法。2.三者之间的关系如下图所示：图1.ContextViewerView三者之间关系图中的各命名分别表示： Context:AIS_InteractiveContextViewer:V3d_ViewerView:V3d_ViewGUI:与实现相关，交互界面，如Qt中的QWidgetOpenGL: OpenGl_GraphicDriver V
转载请注明原文链接：https://www.cnblogs.com/mechanicoder/p/16892989.html1.前言本想通过Context与Viewer的多对一关系尝试实现三维视图图层、图元分类管理的功能，但经过几次验证，尚未找到可行的方法。2.三者之间的关系如下图所示：图1.ContextViewerView三者之间关系图中的各命名分别表示： Context:AIS_InteractiveContextViewer:V3d_ViewerView:V3d_ViewGUI:与实现相关，交互界面，如Qt中的QWidgetOpenGL: OpenGl_GraphicDriver V
