原创 深入理解Solidity——全局變量

全局變量(Global Variables) abi.encode(...) returns (bytes):對給定的參數進行ABI編碼。 abi.encodePacked(...) returns (bytes): Perfo

原创 深入理解Solidity——運算符優先順序

運算符優先順序(Order of Precedence of Operators) 以下是按evaluation順序列出的運算符優先順序。 優先級 描述 運算符 1 Postfix increment and decr

原创 【Solidity】安全考量

安全考量 儘管在通常情況下編寫一個按照預期運行的軟件很簡單, 但想要確保沒有人能夠以出乎意料的方式使用它就困難多了。 在 Solidity 中,這一點尤爲重要,因爲智能合約可以用來處理通證,甚至有可能是更有價值的東西。 除此之外,

原创 【Solidity】使用編譯器

使用編譯器 使用命令行編譯器 Solidity的其中一個編譯器是solc,即Solidity命令行編譯器。 使用solc --help提供對所有選項的闡述。編譯器可以生成各種類型的輸出,包括簡單的二進制文件、抽象語法樹(解析樹)

原创 【Solidity】internal、private、external、public區別

public與private 對於public和private,相信學過其他主流語言的人都能明白: public修飾的變量和函數,任何用戶或者合約都能調用和訪問。 private修飾的變量和函數,只能在其所在的合約中調用和訪問,

原创 手寫機器學習算法系列01——線性迴歸

引言 線性迴歸是最簡單的機器學習算法,說白了就是構造一元或者多元的線性方程,然後根據現有樣本數據進行函數擬合,求解出線性方程的各個參數,之後就可以通過該線性方程進行相關預測。 模擬場景 根據常識,一個人的工齡越長,那麼這個人的工資

原创 你真的弄懂什麼叫「6次確認」了嗎

引言 「6次確認」是區塊鏈中的一個基本概念,但是很多同學沒弄明白「6次確認」具體的含義,甚至會存在很多錯誤的理解,包括但不限於: 交易經過6人次的礦工確認後才被寫入鏈條 區塊後接上6個後續區塊,區塊中的交易才生效 區塊後接上6個

原创 小白也能看懂——村民告訴你什麼是區塊鏈

01 小村莊的村民們 很久很久以前,有個小村莊,村民之間交易一直都使用現金。 有一天,村民們覺得直接現金太不方便了,隨身攜帶現金怕被偷,找零的時候還得恰好有零錢。於是村民們開了次會,決定使用非現金交易,每個人將自己的現金都如實登記

原创 Spring IOC好神奇?我教你實現一個

目錄 前言 定義註解 實現IOC功能 加載配置文件 掃描包下的.Class文件 初始化IOC容器 裝配bean 測試功能 前言 在閱讀本文之前,你必須: 掌握Java語法 掌握Java反射的用法 掌握IOC的概念,並用

原创 【Solidity】應用二進制接口(ABI)說明

應用二進制接口(ABI) 說明 基本設計 在以太坊生態系統中, 應用二進制接口Application Binary Interface(ABI) 是從區塊鏈外部與合約進行交互以及合約與合約間進行交互的一種標準方式。 數據會根據其類

原创 【Solidity】合約的元數據

合約的元數據 Solidity編譯器自動生成JSON文件,即合約的元數據,其中包含了當前合約的相關信息。 它可以用於查詢編譯器版本,所使用的源代碼,應用二進制接口Application Binary Interface(ABI)

原创 深入理解Solidity——函數可見性定義符、修飾符、保留字和語法

函數可見性定義符(Function Visibility Specifiers) function myFunction() <visibility specifier> returns (bool) { return t

原创 手寫機器學習算法07——支持向量機

引言 支持向量機(SVM,Support Vector Machine)是一種分類算法,其基本思想是在樣本空間中找到一個超平面,在將不同類別的樣本分開的前提下,使超平面離距自己最近的樣本儘可能遠。 如上圖所示二維空間中,支持向量

原创 拉格朗日乘子法

引言 學習支持向量機的原理時,會遇到帶約束條件的極值問題。那麼理解拉格朗日乘子法就很有必要了。 簡單案例 問題1 設有一條繩子有4米長,我們將繩子圍成長爲x,寬爲y的矩形,矩形的最大面積是多少? 大家一看到這個問題,心想這還不簡單

原创 手寫機器學習算法系列06——DBSCAN

引言 我們在上一節手寫機器學習算法系列05——k-means介紹了K-means聚類算法和其python實現。但是世界上沒有完美的算法,k-means也存在着諸如不適用於非凸樣本,超參數簇聚數目不好指定且對結果影響極大等缺點,例如