这个不好修改，百度地图好像没有提供修改加载范围的功能，不过你可以尝试将地图改成离线的方式，这样就不用加载了，修改资料参考这篇教程

https://www.cnblogs.com/Joanna-Yan/p/5822231.html

很多开发的小伙伴在开发页面的时候会遇到这个问题，有些页面使用 file:// 协议直接预览页面的话会出现图片找不到，或者ajax不能正常使用的情况

这种情况大家都会使用一个服务器来启动这个网页，有的小伙伴用nginx、有的用阿帕奇这类服务器来启动，这种方式启动服务器有一个比较麻烦的地方就是服务器的web目录和咱们开发的项目目录不是一个，设置软连接比较麻烦

今天我给大家分享一个用nodejs快速搭建静态服务器的方法

首先，在node官网上下载nodejs并安装到电脑里面（大部分开发前端的小伙伴电脑里面应该都有这个，安装前可以使用node -v命令在cmd上测试一下命名是否有效，如果命令可用，那可以直接忽略node的安装）

打开node官网，点击左边按钮下载稳定版本

https://nodejs.org/en/

下载完成后，直接点击运行，步骤一直点下一步就可以了

打开 cmd ， 运行 npm install -g anywhere 全局安装 anywhere

安装完成后，接下来随便找个目录测试一下效果，cmd 进入想要启动服务起的路径下运行

anywhere 3069

如果看到图中的效果，说明服务器启动已经成功啦！

注：

anywhere 是启动命令

3069 是端口

Prophecis 是微众银行自研的一站式机器学习平台，集成多种开源机器学习框架，具备机器学习计算集群的多租户管理能力，提供生产环境全栈化容器部署与管理服务。

Prophecis主要包含5个关键服务：Prophecis Machine Learning Flow：机器学习分布式建模工具，具备单机和分布式模式模型训练能力，支持Tensorflow、Pytorch、xgboost等多种机器学习框架，支持从机器学习建模到部署的完整Pipeline；

Prophecis MLLabis：机器学习开发探索工具，提供开发探索服务，是一款基于Jupyter Lab的在线IDE，同时支持GPU及Hadoop集群的机器学习建模任务，支持Python、R、Julia多种语言，集成Debug、TensorBoard多种插件；

Prophecis Model Factory：机器学习模型工厂，提供机器学习模型存储、模型部署测试、模型管理等服务；

Prophecis Data Factory：机器学习数据工厂，提供特征工程工具、数据标注工具和物料管理等服务；

Prophecis Application Factory：机器学习应用工厂，由微众银行大数据平台团队和AI部门联合共建，基于青云(QingCloud)开源的Kubesphere定制开发，提供CI/CD和DevOps工具，GPU集群的监控及告警能力。

全生命周期的机器学习体验：Prophecis的 MLFlow 通过 AppJoint 可以接入到 DataSphere Stdudio 的工作流中，支持从数据上传、数据预处理、特征工程、模型训练、模型评估到模型发布的机器学习全流程。

机器学习应用部署、运维、实验的综合管理平台：基于社区开源方案定制，提供完整的、可靠的、高度灵活的企业级机器学习应用发布、监控、服务治理、日志收集和查询等管理工具，全方位实现对机器学习应用的管控，满足企业对于机器学习应用在线上生产环境的所有工作要求。

一个设计完善的机器学习平台可以在 AI 应用全生命周期的开发和管理过程起到作用。具体而言，设计完善的机器学习平台具备六大能力：一是统一的存储空间，支持多数据源导入。二是 Pipeline 可视化工作流管理与执行，支持数据科学家从数据建模阶段开始的可视化管理，节省成本，快速体现数据科学家的价值；三是基于容器的计算资源分配和软件库安装，支持 TensorFlow、PyTorch 等各种框架；四是支持 GPU、TPU、CPU 框架和异构计算硬件和框架；五是模型管理，支持新手快速上手，无需通过自己实现原始算法，只需要理解算法原理就可以通过调参实现；六是 AI Serving，模型一键封装为 API，一键部署。

相对重要的部分是数据接入、开发环境、分布式训练以及模型管理，其他环节都可以慢慢加进来，但这四个是基础组件。

项目地址： https://gitee.com/WeBank/Prophecis

Shepher 是一款 ZooKeeper 的管理工具。在小米公司，我们用它作为配置管理中心。

特点具有：ZooKeeper节点的可视化操作；ZooKeeper 节点的快照管理；ZooKeeper节点修改的Diff和 Review功能；ZooKeeper 节点操作邮件通知；集成 CAS 和 LDAP 登录。

与常见的管理员统一管理所有权限不同，本项目将权限以小组为单位授权，采用管理员管理小组，小组的组长管理组内成员的方式。这种分级的权限管理模式大大减少了管理员的审核负担，组内自治也增加了灵活性。

权限管理结构图中，zookeeper的权限以节点为单位，小组向管理员申请权限，由超级管理员负责审核和授权。小组成员由用户组成，用户可以选择创建新的小组或者加入已有的小组。

项目地址： https://gitee.com/zhannngchen/shepher

请求服务器接口的时候，服务端已经设置了跨域，但是请求一直提示有跨域问题，排查了很久，没找到原因，但是发现设置cookie这里有警告，不知道是不是和这个有关

Talk 是由 Mozilla 打造的一个开源评论平台，Talk 具有许多优点，但其在隐私方面最值得称道 —— 它不会追踪用户，也不包含监视功能。Mozilla 介绍了 Talk 系统的诸多优点，比如：

突出优秀评论，忽略特定的用户，查找最佳评论，给工作人员贴徽章过滤不可靠的标记，以及一系列的网友反应。

所有这些特性都能以闪电般的速度交付，Mozilla 表示，Talk 仅需加载大约 300kb 的数据。在初步展示评论之后，用户还可以加载更多内容，且都可以实时响应、无需不断地重新载入页面。

此外，Talk 还可以保护用户数据。因其未采用单账户连接所有 Web 服务（比如 Disqus）的方式，而是让每个网站都运行各自的 Talk 节点，以充分保障隐私。

项目地址： https://gitee.com/mirrors/Talk

Ubuntu for Android 是一个在 Android 手机上运行的完整的 Ubuntu 桌面系统。

Ubuntu发布Android版系统，使用户可以在Android系统中运行一个全功能的桌面操作系统，同时不影响手机功能的正常使用。

在安装Ubuntu for Android后，用户可正常使用Google应用、应用市场、联系人以及打电话等，对手机的日常功能没有任何影响。在需要的时候，你可以使用支持HDMI接口的配件与显示器连接，这样就可以获得完整的Unity大屏体验。

当手机与显示器连接后，并不会影响信息的收发等手机正常功能的使用。但是你可以通过它进行图片编辑或展示，并且可以播放存储在手机中的视频等。

不过目前该应用的外接硬件是个问题，同时只能通过HDMI输出也限制了其应用范围。另外还对手机本身的处理能力提出更高的要求。但是如果巨头都能参与其中，或是运营得当，或许这也将开辟出一片新的市场。

项目地址： https://www.ubuntu.org.cn/phone

spp是一个简单强大的网络代理工具。

spp的功能：支持的协议：tcp、udp、rudp(可靠udp)、ricmp(可靠icmp)、rhttp(可靠http)、kcp、quic；支持的类型：正向代理、反向代理、socks5正向代理、socks5反向代理；协议和类型可以自由组合；外部代理协议和内部转发协议可以自由组合；支持shadowsocks插件，spp-shadowsocks-plugin，spp-shadowsocks-plugin-android。

首先需要知道为什么需要SPP。我们都知道卷积神经网络(CNN)由卷积层和全连接层组成，其中卷积层对于输入数据的大小并没有要求，唯一对数据大小有要求的则是第一个全连接层，因此基本上所有的CNN都要求输入数据固定大小。

项目地址： https://gitee.com/mirrors/spp

LuatOS 是运行在嵌入式硬件的实时操作系统，只需要少量内存的 flash 空间就能运行，用户编写 lua 代码就可完成各种功能。

LuatOS 是运行在嵌入式硬件的实时操作系统，只需要少量内存的 flash 空间就能运行，用户编写 lua 代码就可完成各种功能。

本项目立足于批量生产的物联网模块, 开源且商用免费, 当前已支持多款NBIOT/WIFI/4G模块(介于芯片与最终产品之间的形态), 价格低廉, 稳定可靠.

特征：基于 Lua 5.3.5；低内存需求，最低 32kb, 96kb flash 空间；硬件抽象层兼容 M3/arm/risc-v 等；可测试，可模拟(qemu)；支持在线升级；可裁剪，可扩展。

wifi版固件与mcu版固件的区别：wifi版带wifi功能, lua vm内存64kb, 可实现airkiss配网,联网, 串口透传等物联网应用发；mcu版不带wifi功能,lua vm内存176kb, 依托原芯片低廉的价钱, 禁用wifi功能后有大量可用内存, 适合做主控。硬件上均为Air640W(芯片为联德盛W600), 均提供240kb的文件系统, 固件均可互刷。

项目地址： https://gitee.com/openLuat/LuatOS

贪婪算法（greedy algorithm）是另一种经典搜索方法，这种方法也是先将一个问题分成几个步骤进行操作。贪婪算法总是包含了一个已优化的目标函数（例如，最大化或最小化）。典型的目标函数可以是行驶的距离、消耗的成本或流逝的时间。
贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。也就是说，不从整体最优上加以考虑，做出的只是在某种意义上的局部最优解。
贪心算法是一种对某些求最优解问题的更简单、更迅速的设计技术。贪心算法的特点是一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况，省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪心算法采用自顶向下，以迭代的方法做出相继的贪心选择，每做一次贪心选择，就将所求问题简化为一个规模更小的子问题，通过每一步贪心选择，可得到问题的一个最优解。虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的，所以贪心算法不要回溯。
贪心选择性质在于一个问题的整体最优解可通过一系列局部的最优解的选择达到，并且每次的选择可以依赖以前作出的选择，但不依赖于后面要作出的选择。这就是贪心选择性质。对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解。
Dijkstra的算法是贪婪算法的一个例子。使用贪婪算法求解问题效率很高但不幸的是，计算机科学中的一些问题不能使用这种范式求解。