为了使用Node.js创建UDP服务器，首先要调用require('dgram')加载dgram模块。调用dgram模块中的createSocket()方法来创建一个UDP服务器。这个方法接收一个必需参数和一个可选参数，必需参数是一个表示UDP协议的类型，可指定为udp4或者udp6，代码如下：这个方法中的可选参数为一个回调函数，是UDP服务器接收数据时触发的回调函数，可接收两个参数，一个为接收到

8.1.1　Vue.js数据同步对于Vue.js框架编程而言，当创建一个新的Vue实例对象时，其会将数据（data）对象中的所有的property属性?入到Vue.js框架的响应式系统当中去。该操作带来的最直接效果就是，当这些property属性值发生改变时，视图（View）将会随之发生“响应”——也就是同时更新为新匹配的属性值。以上关于Vue.js数据的描述听起来会感觉比较晦涩，下面我们通过具体

目前，有多种开发工具可以支持Node.js应用的开发，比如：jetBrains WebStorm、Eclipse、Visual Studio Code等。这些开发工具原则上是“条条大路通罗马”，相互间各有优势、并无优劣之分。在本书中，我们选择Visual Studio Code开发工具，之所以选择该工具也是为了配合后面关于Vue.js的内容。接下来，通过Visual Studio Code打开刚刚

Redis集群由于自身的分布式特性，相比单机场景在开发和运维方面存在一些差异。本节我们关注于常见的问题进行分析定位。10.7.1　集群完整性为了保证集群完整性，默认情况下当集群16384个槽任何一个没有指派到节点时整个集群不可用。执行任何键命令返回（error）CLUSTERDOWNHash slot not served错误。这是对集群完整性的一种保护措施，保证所有的槽都指派给在线的节点。但是当

9.1.1 三个臭皮匠赛过诸葛亮中国有句俗语叫“三个臭皮匠赛过诸葛亮”。意思是三个才能平庸的人，若能同心协力，比诸葛亮还要厉害！这就是我们常说的“博采众长”。在机器学习领域，也有这么一种算法，它本身不是一个单独的学习算法，而是一种构建并结合多个学习器来完成学习任务的算法。这种算法被称为“集成学习”（Ensemble Learning）。集成学习已经成为各类机器学习竞赛的首要选择，也可以说是人工智能

在前面的章节中，提到了mongoose模块是基于node-mongodb-native开发的MongoDB的Node.js驱动，同样使用node-mongodb-native这个原生MongoDB驱动也可以对MongoDB进行相应的操作。node-mongodb-native 模 块 的 GitHub 地 址 是https://github.com/mongodb/node-mongodb-nat

13.1.1 猫和老鼠的游戏在2016年7月，一款国外的照片处理软件火遍了全世界，同时也引爆了国人的朋友圈。这款产品就是Prisma。Prisma可以按照你提供的图片内容和指定的风格，生成一副指定风格的图片，如图13-1所示。 如此神乎其神的技术是怎么做到的呢？其背后的关键技术就是接?来我们要讲解的生成对抗网络。在讲解之前我们先来了解一部电影的故事。同样在2016年，莱昂纳多凭借《荒?猎人》中出色

2.2.1 如何进行特征工程.用于机器学习的数据源一般有两种：一种是业务部门直接提供的数据，或者根据需要在网络上爬取的数据。这种数据称为原始数据，通常存在较多的问题，需要通过数据预处理整理数据并且找出解决问题所需要的特征；另一种是对原始数据进行组合加工构建的高级特征数据，构建高级特征的过程称为特征工程。接?来我们学习如何挖掘特征与特征之间的联系，组合出高级特征。特征工程的本质是数据转化。原始数据通

11.2.1 卷积运算因为运算能力受到了限制，所以只有运算量小的方法才有可能提取图像的特征。仔细思考我们会发现，图像特征的表现有一个很显然的特点，就是在图像中特征边缘的像素点的颜色通常都是变化较大的 。实际上我们没有必要扫描整幅图像来学习特征，只需要找到这些边缘变化大的地方就能够发现物体的特征。于是我们从数学领域寻找有没有合适的方法能够帮助我们表达像素变化较大的边缘，如果能找到这样的方法就能够通过

9.3.1 Bagging是什么Bagging是Bootstrap aggregating的缩写，翻译成中文为“套袋”，其同样是一类算法的统称。这类算法的主要特点是采用随机、可被重复选择的方式挑选训练集，然后“并行”构造弱学习器，最后通过结合方式生成强学习器。在 Boosting 算法中，各个弱学习器之间存在依赖关系，?一个学习器依赖上一个学习器的学习结果去调整参数，是一种“串行”结构；但是在Ba