拉拉源碼

⑴ 如何做好外鏈呢

外鏈時網站推廣中一個很重要的東西，外鏈是每一位站長在優化網站的過程中必不可缺的工作，當然，從目前的網路搜索引擎來說，外鏈對網站的效果沒有以前那麼大了，但是為什麼網路會弱化外鏈呢?
就是因為外鏈對於網站的影響很大，越大搜索引擎就越重視，並且外鏈越來越泛濫，所以准確的說應該是網路消弱了垃圾外鏈，高質量鏈接仍是網站不可缺少的。
很多SEO行業的從業者，特別是新人或專門的外鏈專員被當成外鏈機器，每天的工作就是不停的發外鏈，也沒個計劃沒個統計沒個分析總結歸納，反正就是不停的發就行了，網站被發的降權了還在發。更有甚者就那幾十篇內容每天交換著發，發來發去都是那幾十個，也有很多直接群發，反正是各種絕技都用上，結果反而是一團糟，為什麼?因為不了解外鏈，盲目的做外鏈機器人，做的外鏈效果不大，看看這些外鏈標准，可能對你有用：
1、所有的外鏈應該自然，不能是黑帽和作弊手段而來的。
2、必須手動建設的外鏈，不能用群發軟體。
3、外鏈頁面必須相關的，越相關，外鏈推薦意義越大，也越有分量。
4、鏈接的位置，正文中的鏈接效果最好，但也不可局限於此，要有廣泛性
5、外鏈頁面最好是靜態頁面。
6、單純優化來講最好是做文字外鏈，如果做圖片鏈接要加上ALT屬性，但是從整個運營上來講，圖片鏈接更有優勢，更能吸引點擊，問題是能做圖片外鏈的地方少。
7、外鏈頁面最好不能有20個以上的外站導出鏈接，導出鏈接越多，傳遞權重越少，不過這不是問題，外鏈頁面權重高，流量大，夠權威，推薦意義強，導出鏈接多點也不是問題。
8、鏈接的錨文本分散自然，不能完全集中在某一個關鍵詞，錨文本過於集中可能被搜索引擎認為是作弊。
9、外鏈不局限於首頁，目錄頁甚至文章頁也要有外鏈的分布，不僅關鍵詞需要廣泛，鏈接對象也需要平衡。
10、做外鏈不能每天就是復制粘貼，也需要和網站內容一樣的建設，長期的復制粘貼用處不大。
11、挖掘出大量外鏈關鍵詞，並規劃內容，通過外鏈為網站帶來更多流量。
12、鏈接的要有廣泛性，既有來自論壇，也有來自博客，新聞網站，社會化媒體，不要一直都是在一個地方做外鏈，1個人給你投100票肯定不如100個人各給你投一票。
13、所有的鏈接必須遵循質量高於數量的原則，寧缺毋濫。
14、要記得越難得到的鏈接往往越有價值，能做別人做不了的肯定就是優勢，不過這一點也不要刻意的強求，不要因為只追求別人做不了的而忽略了基礎的。
15、鏡像站點，鏈接工廠之類的堅決不做外鏈，除非你覺得你夠擅長做這一類。
16、友情鏈接是把雙刃劍，務必定期檢查友情鏈接的情況，不要僅僅站長工具查一下就OK了，定期也要檢查一下對方源碼或者快照裡面是否有你。
17、做得好的外鏈可以繼續加強，給質量高流量大的外鏈繼續做外鏈，一方面增強這一外鏈的效果和曝光，另一方面延長其周期。
18、不要因為一些水貨網站可以做錨文本鏈接就偏愛這些網站，就算是錨文本外鏈，本身網站質量太低意義也不大，同時被搜索引擎k掉的，降權的，黑名單的網站不做外鏈。
19、不要外鏈一做就想著效果，外鏈也是需要時間來生效的，不是一發就有效果。
20、做外鏈之前先觀察對方網站鏈接是否加了nofollow，是否robots屏蔽了搜索引擎，你懂的。
21、盡可能從各種不同的域名獲得鏈接，.com，.net，.org，還可以是來自不同國家的域名，總域名數量越多越好。
22、外鏈來自各種不同歷史的網站，有新也有舊的。：
23、外鏈來自各種不同級別的網站，有來自高權重的，也有來自低的，不要全部是特別牛的外鏈，特別是新站，這樣搜索引擎會懷疑鏈接的可信度。
24、不要忽略競爭對手，很多時候好的外鏈資源都是來自於競爭對手，要時常關注競爭對手的外鏈策略，判斷是否能為我所用。
25、觀察外鏈所在平台是否有經常刪帖，刪文章的情況，頻率很高的你做起來就太虧了。
26、可以買賣鏈接，不過不要做得太離譜，適當買一點還是可以接受的，這就相當於選舉的時候拉拉票還是可以的。
27、鏈接必須要平穩持續的增加，注意頻率和時間，並持之以恆。
28、注意交換友情鏈接的時候，很多人會做交叉鏈接，這個時候一定要檢查清楚，並且以後也一定得經常注意。
29、做完外鏈記錄包括外鏈url，瞄文本，著陸url等，之後對外鏈收錄情況以及流量來源，推薦能力等情況做分析和判斷，觀察各平台外鏈效果，統計出每個平台的不同外鏈優勢和劣勢。
30、不斷的收集外鏈資源，不斷的篩選，選擇網站最合適的外鏈實施策略。
轉載自：http://www.houseseo.com/thread-5441-1-1.html

⑵ 數字簽名/數字證書/對稱/非對稱加密/CA 等概念明晰

此次不深入源碼、不分析原理、只釐清一些易混淆概念及其關聯。
本次將從通信演變歷史的角度出發，一步步闡述概念及其作用。
通過本篇文章，你將了解到：

大部分時候，咱們交流都是靠嘴對嘴，信息完全暴露在他人的耳朵里。

拉拉家常無關緊要，但要是涉及重要、私密的信息就不能這樣子了。
此時可能想到，那我們就說悄悄話吧。

悄悄話只能是倆人近距離才能實現，若是天各一方怎麼才能將信息安全送給對方呢？
大家或多或少地看過諜戰片，那會兒卧底如何將信息傳給組織呢？答案是通過密碼本。

雙方約定好用一個密碼本，密碼本其實是個映射關系：

此時雙方通信是經過加密的，我們稱為密文通信。第三者想要破解信息，就需要拿到密碼本或是破譯出密碼本映射關系，從而將密文轉為明文。

隨著科學技術的發展，人們的交流由書信逐漸過渡為電子通信。

當我們在鍵盤上敲擊一段文字後，這段信息會通過網路發送給對方，怎麼保證這段信息不被別人輕易知道呢？
我們想到了加密，雙方在傳輸信息前商量好一個密鑰，發送方用密鑰將信息進行加密形成密文後再發送，接收方在收到密文後使用之前協商的密鑰進行解密。

舉個簡單例子：

小明現在將信息進行對稱加密：

那麼將明文hello，每個字元+1，得出如下結果：
hello--->ifmmp

小紅拿到密文ifmmp後，她知道密鑰X=1，因此她將密文每個字元-1，得出如下結果：
ifmmp--->hello

至此，小明和小紅成功進行了交流。

此時小剛想知道小明和小紅聊了啥，於是截獲了信息：

但是由於小剛拿到的是密文信息：ifmmp。因為不知道密鑰，因此無法反推出明文：hello。因此小明和小紅的信息交流安全得到了保證。

當然對稱加密演算法沒那麼簡單，常見的對稱加密演算法有如下幾種：

似乎使用對稱加密就可以解決咱們通信安全問題，但引入了另一個問題：

是否有種方式可以光明正大地傳遞信息呢？
答案是：非對稱加密。

接著來看看小明和小紅如何使用非對稱加密來實現安全通信。
小明和小紅分別生成自己的公私鑰：

由上可知，用小紅的公鑰加密的信息只能由小紅的私鑰解開，只要小紅的私鑰沒有泄漏，那麼小明和小紅的通信是安全的。
當然了，真正非對稱加密演算法並沒有那麼簡單，常見的幾種非對稱加密演算法：

小明和小紅的通信真是安全的嗎？
此時小剛又來搞事情了：

以上信息表明：

小明和小紅一合計，想出來了一個辦法：

消息摘要(Message Digest)特點：

常見的消息摘要演算法：MD5、SHA1。

雖然採用了消息摘要，但是小剛依然能夠自己偽造信息，並生成對應的消息摘要，小紅收到後驗證摘要是正確的，便認為是小明發的，這種做法還是有漏洞。
在前邊用到了小紅的公鑰、私鑰，而沒用到小明的公鑰、私鑰。
在消息摘要的基礎上，想辦法讓小明的公私鑰也參與到通信過程中來：

與消息摘要過程對比，此時多了一個步驟：

用私鑰加密的信息的過程我們稱之為：數字簽名
數字簽名具有不可抵賴性的特點。根據前面的描述，用私鑰加密的信息，只有對應的公鑰才能解開。
因此，若是小紅使用了小明的公鑰解開了密文，那麼說明該消息肯定是小明發過來的。反之，小明使用私鑰加密後發出去，代表這信息是確認是自己發的，這就是他的簽名。

常見的數字簽名演算法：RSA、DSA、ECDSA。
老規矩，用圖來看看小明與小紅如何使用數字簽名的。

小明發送信息過程：

小紅處理信息過程：

由上可知：
數字簽名有兩個作用：

整個流程小明的公私鑰、小紅的公私鑰都參與了。
因為小剛沒有小明的私鑰，所以他無法生成小明的數字簽名，最終無法通過小紅對數字簽名的驗證。

這么看來小剛是無能無能為力了？非也！
回顧一下之前說的對稱加密的痛點：如何傳遞對稱密鑰？
實際上非對稱加密也存在問題：如何傳遞公鑰？
可見，無論是對稱加密還是非對稱加密都需要解決密鑰傳遞問題。

若是小剛偽造了小紅的公鑰，情況如下：

因為公鑰被偽造了，所以小剛可以為所欲為。
小明如何才能知道自己收到的公鑰是小紅的呢？
這時候就需要引入權威機構：CA(Certificate Authority) 證書授權中心

有了CA，小紅發布公鑰的流程變了：

用圖表示如下：

圖上5個步驟，有些同學對第4步不太理解：

似乎又回到了原點：如何安全傳遞公鑰的問題。
其實，信任是有起點的。
CA 不僅為他人生成證書，也生成自己的證書，CA 為自己生成的證書里包含了CA的公鑰。
CA 的證書在電腦、手機等設備出場的時候就會預置在系統里、瀏覽器里。

因此，當小明驗證小紅的證書時，會在系統里尋找能夠解開小紅證書的CA 公鑰，若是找到則說明小明證書的頒發機構是可信任的，既然信任了該證書，那麼從證書里取出的公鑰，小明也認可是小紅的。
至此，小紅的公鑰就安全地傳給了小明，後面就可以愉快地通信了。

系統里找不到對應的證書會有什麼影響？大家還記得12306網站剛開始運行的時候，用瀏覽器訪問時瀏覽器會提醒說該網站不受信任，12306提示用戶安裝自己的根證書。
這也從側面說明了，咱們不要輕易更改系統里的證書。

對稱加密存在密鑰傳送被泄漏的風險，非對稱加密雖然不需要傳遞私鑰，但是需要傳遞公鑰，也存在被中間人攻擊的風險。
為此，引入了CA 生產證書解決了非對稱加密公鑰傳遞問題。

然後非對稱加密速度慢，適合加密數據量少的信息，對稱加密速度快，適合加密數據量大的信息。
如何將對稱加密與非對稱加密結合起來打造一個安全的通信鏈路，下篇我們將重點分析其中的典型：SSL/TLS 的原理與應用。

⑶ 日文亂碼解決辦法

在WORD文檔中日文亂碼處理，選擇日文，進入菜單欄上審閱視圖，點擊翻譯，選擇目標語言為中文，將所選日文翻譯成中文。
因為IE默認日文亂碼處理的編碼格式為簡體中螞坦宏文日文亂碼處理，當出現日文日文信滲亂碼處理的時候就會顯示亂碼，在菜單欄中的查悶冊看中有編碼的選項，選到日文的話應該可以正常顯示日文了。
日文亂碼可能是由於您的電腦沒有安裝日文字體導致的，您可以嘗試安裝一個日文字體，或者使用一些文本編輯軟體，如Notepad，將文本編碼轉換為正確的編碼格式，以解決亂碼問題。

⑷ 深度學習caffe的代碼怎麼讀

1．學習程序的第一步，先讓程序跑起來，看看結果，這樣就會有直觀的感受。
Caffe的官網上Caffe | Deep Learning Framework 提供了很多的examples,你可以很容易地開始訓練一些已有的經典模型，如LeNet。我建議先從 LeNet MNIST Tutorial開始，因為數據集很小，網路也很小但很經典，用很少的時間就可以跑起來了。當你看到terminal刷拉拉的一行行輸出，看到不斷減少的loss和不斷上升的accuracy，訓練結束你得到了99+%的准確率，感覺好厲害的樣子。你可以多跑跑幾個例子，熟悉一下環境和介面。

2．單步調試，跟著Caffe在網路里流動
當玩了幾天之後，你對Caffe的介面有點熟悉了，對已有的例子也玩膩了，你開始想看看具體是怎麼實現的了。我覺得最好的方法是通過單步調試的方式跟著程序一步一步的在網路里前向傳播，然後再被當成誤差信息傳回來。

Caffe就像一個你平常編程中Project,你可以使用IDE或者GDB去調試它，這里我們不細說調試的過程。你可以先跟蹤前向傳播的過程，無非就是從高層次到低層次的調用Forward函數，Solver->Net->Layer->Specific Layer (Convolution等...).後向傳播也類似，但因為你對Caffe裡面的各種變數運算不熟悉，當你跟蹤完前向傳播時可能已經頭暈眼花了，還是休息一下，消化一下整個前向傳播的流程。

剛剛開始你沒有必要對每個Layer的計算細節都那麼較真，大概知道程序的運算流程就好，這樣你才可以比較快的對Caffe有個大體的把握。

3．個性化定製Caffe
到這里，你已經可以說自己有用過Caffe了，但是還不能算入門，因為你還不知道怎麼修改源碼，滿足自己特定的需求。我們很多時候都需要自己定義新的層來完成特定的運算，這時你需要在Caffe里添加新的層。

你一開肯定無從下手，腦子一片空白。幸運的是Caffe github上的Wiki Development · BVLC/caffe Wiki · GitHub已經有了教程了，而且這是最接近latest Caffe的源碼結構的教程，你在網上搜到的Blog很多是有點過時的，因為Caffe最近又重構了代碼。你可以跟著它的指導去添加自己的層。

雖然你已經知道要在哪裡添加自己的東西了，但你遇到最核心的問題是如何寫下面這四個函數。

forward_cpu()
forward_gpu()
backward_cpu()
backward_gpu()
你可以先模仿已有的層去實現這四個函數，而且我相信forward函數很快就可以寫出來了，但backward的還是一頭霧水。這時我們就要補補神經網路里最核心的內容了——Backpropagation.

4．理解並實現Backpropagation
這個我覺得是與平台無關的，不管你是使用Caffe、Torch 7,還是Theano,你都需要深刻理解並掌握的。因為我比較笨，花了好長時間才能夠適應推導中的各種符號。其實也不難，就是誤差順著Chain rule法則流回到前面的層。我不打算自己推導後向傳播的過程，因為我知道我沒有辦法將它表達得很好，而且網上已經有很多非常好的教程了。下面是我覺得比較好的學習步驟吧。

從淺層的神經網路（所謂的全連接層）的後向傳播開始，因為這個比較簡單，而且現在我們常說的CNN和LSTM的梯度計算也最終會回歸到這里。
第一個必看的是Ng深入淺出的Ufldl教程UFLDL Tutorial，還有中文版的，這對不喜歡看英語的同學是個好消息。當然你看一遍不理解，再看一遍，忘了，再看，讀個幾遍你才會對推導過程和數學符號熟悉。我頭腦不大行，來來回回看了好多次。
當然，Ufldl的教程有點短，我還發現了一個講得更細膩清晰的教程, Michael Nielsen寫的Neural networks and deep learning。它講得實在太好了，以至於把我的任督二脈打通了。在Ufldl的基礎上讀這個，你應該可以很快掌握全連接層的反向傳播。
最後在拿出standford大牛karpathy的一篇博客Hacker's guide to Neural Networks，這里用了具體的編程例子手把手教你算梯度，並不是推導後向傳播公式的，是關於通用梯度計算的。用心去體會一下。
這時你躍躍欲試，回去查看Caffe源碼里Convolution層的實現，但發現自己好像沒看懂。雖說卷積層和全連接層的推導大同小異，但思維上還是有個gap的。我建議你先去看看Caffe如何實現卷積的，Caffe作者賈揚清大牛在知乎上的回答在 Caffe 中如何計算卷積？讓我茅塞頓開。重點理解im2col和col2im.
這時你知道了Convolution的前向傳播，還差一點就可以弄明白後向傳播怎麼實現了。我建議你死磕Caffe中Convolution層的計算過程，把每一步都搞清楚，經過痛苦的過程之後你會對反向傳播有了新的體會的。在這之後，你應該有能力添加自己的層了。再補充一個完整的添加新的層的教程Making a Caffe Layer • Computer Vision Enthusiast。這篇教程從頭開始實現了一個Angle To Sine Cosine Layer，包含了梯度推導，前向與後向傳播的CPU和GPU函數，非常棒的一個教程。
最後，建議學習一下基本的GPU Cuda編程，雖然Caffe中已經把Cuda函數封裝起來了，用起來很方便，但有時還是需要使用kernel函數等Cuda介面的函數。這里有一個入門的視頻教程，講得挺不錯的NVIDIA CUDA初級教程視頻。
作者：Gein Chen
來源：知乎

⑸ 如何增加百度收錄

網路收錄規則不像谷歌，谷歌是你網站有多少內容，它就有可能收錄多少內容，而且在收錄的速度上也是比網路快上不少，雖然這樣說是誇張了點，但卻也是個不爭事實。但網路就不同了，對於網站的內容卻是拖拖拉拉的，而且在收錄數量上也是不太穩定，可是想要不管它收錄多少嘛又不行，畢竟網站收錄的多寡關系著我們的網站能從網路那裡獲得多少流量，那我們站長到底要怎麼樣才能提高網路的收錄量呢?以下則是本人對於如何提高網路收錄量的一些經驗，現在正式向各位站長們分享一下!
首先)我們要提高網站的內容質量，並且還有定時更新網站!
站長想要提高網站在網路的收錄量，那麼站長首先要做的事情就是提高網站的內容質量，為什麼呢?因為高質量的內容對於提高網路收錄的重要性不用本人多說，想必各位站長都已經知道，只要你的內容原創質量夠高，那麼網路就會收錄你網站更多的內容。因此，要是可以的話，站長平常在更新內容的時候不妨多發些原創內容，要是實在是沒辦法找到原創內容，那麼在採集其他網站內容的時候，最好是對其修改下，盡量讓這些採集而來的內容達到偽原創的效果!
另外，站長除了要提高網站的內容質量之外，其實對於網站的更新時間，最好是每天找個固定的時間來更新網站，因為網路喜歡更喜歡更新有規律的網站，只要你的網站堅持定時更新，變成了網路喜歡的有規律的網站，那麼網路自然是會大大提升對你網站內容的收錄速度與數度量了!
其次)多添加些優質的外鏈，以便提高網站在網路搜索中的權重!
有時候網路收不收錄網站，或是收錄網站多少內容都是根據這個網站的權重來決定的，當你的網站權重高些，網路對你網站收當的內容自然也就會期2些;相反，要是你的網站權重低些，那麼網路收錄你的網站內容自然是只會少而不會多;因此，想要提高網路收錄量，站長只有多多發布些優質的外鏈，或是多多添加些高質量的友情鏈接以此來提升網站的權重，只要你的網站權重升上去了，我們站長自然不用擔心網路收錄問題了!
再者)盡量保證網站使用的空間主機質量，從而避免降低用戶體驗感!
作為用戶體驗的范圍之一，網站使用的空間主機好壞一直都是網路評估網站的重要數據，畢竟一個質量上佳且又穩定的空間絕對可以提高用戶對網站的體驗，而用戶體驗感好了，作為模擬用戶的網路蜘蛛來說，它自然樂意收錄你的網站更多內容。所以，站長想要網路收錄你的網站更多內容，最好是盡自已的最大能力保證網站使用的空間主機質量，對於時常出現打不開或是訪問地極慢的空間主機也及早更換才行!
最後)不要做網路不喜歡的事：例如修改關鍵詡，更換網站模板源碼...
當站長外鏈發了，內容也是每天更新了，那麼站長接下來的事情就是盡量保持網站的穩定運行，不要做網路不喜的事情，那什麼事情是網路不喜歡，並且還會影響到網站的呢?其實站長只要做到下面兩點就行了，一是不要隨便修改網站的關鍵片語，因為網路就是靠關鍵詞要辨識網站的，要是你更改了網站的關鍵詞，那麼網路又要重新開始認識你了，這一來而去肯定會花上不少的時間，極大的影響了網路收錄;二是不要隨便更換網站模板，又或者是網站目前使用的源碼，畢竟每個源碼模板都不是完全一樣，而你更換了模板或是源碼勢必會，到時別說提高網路對你網站的收錄量了，網站能不被網路K掉或是拉進沙盒就算萬幸了!

⑹ 買過的老玩家來說一說，玩物得志的貨到底好不好

玩物得志的貨不好，不一定是真的，它提供的電子報告僅僅作為參考，請仔細甄別。我咨詢過玩物得志的客服人員，他們表示鑒定師是平台授權認證的，能夠出具電子鑒定報告。

但鑒定結果只能作為參考，如果有專業的鑒定訴求，或者出現商品描述不符等糾紛，需要到專業鑒定機構出具紙質版鑒定報告。

直播就是近幾年興起的風口之一。短短數年時間，直播已經滲透到了秀場、社交、娛樂、電商等諸多層面，甚至催生出了更多新的商業模式和玩法，而關於文物藝術品的直播鑒定就是其中一種。

運用直播或者其他新媒體技術來普及藝術品鑒賞知識，這是值得肯定的，但對於平台和專家的要求會更高，鑒定專家除了有真才實學，還要有一定的職業操守。

(6)拉拉源碼擴展閱讀：

玩物得志對玩家的要求不是很高，入門的門檻比較低。玩物得志會選商家的資質，而且通過專業的買手進行篩選，對品控的管理也比較嚴格。

特別是現在互聯網是比較透明的，玩物得志對賣假貨或不發貨以及虛擬發貨的情況，屬於零容忍的態度。

其實只要別太貪小便宜，找官方推薦的信譽比較好的店鋪入手的貨都很不錯。如果是新手而且比較猶豫的話，可以先挑選一下評價比較好或者是銷量比較高的產品。