2016年2月19日星期五

angularjs image fade in , change

from: http://stackoverflow.com/questions/25719408/angularjs-animate-image-on-src-change

accepted

Thanks for the responses -

I ended up doing this, and it works ;)

--- Directive ---

.directive('fadeIn', function($timeout){
    return {
        restrict: 'A',
        link: function($scope, $element, attrs){
            $element.addClass("ng-hide-remove");
            $element.on('load', function() {
                $element.addClass("ng-hide-add");
            });
        }
    }
})

--- Template ---

<img src="{{program.image}}" class="animate-show" fade-in />

--- CSS ---

.animate-show.ng-hide-add, .animate-show.ng-hide-remove {
    transition: all linear 0.5s;
    display: block !important;
}

.animate-show.ng-hide-add.ng-hide-add-active, .animate-show.ng-hide-remove {
    opacity: 0;
}

.animate-show.ng-hide-add, .animate-show.ng-hide-remove.ng-hide-remove-active {
    opacity: 1;
}

2016年2月16日星期二

vue - component inside component

Peter2.vue

PeterInput.vue

express, angularjs, jsnop

/************************/
/**** back end express ***/
/************************/

router.get('/download', function(req, res) {

  var filename ="";

  if(req.query.type =="interior"){

    filename="right_interior_design.json"

}

  else if(req.query.type =="brand"){

    filename="right_brand.json"

}

  else if(req.query.type =="category"){

    filename="right_category.json"

}

  else if(req.query.type =="type"){

    filename="right_interior_design_type.json"

}

  else if(req.query.type =="space"){

    filename="right_space.json"

}

  else if(req.query.type =="product"){

    filename="right_product.json"

}

  else{

    res.send("file not found");

}

  var filepath = '/home/sig/Archive/' + filename;

  // Tricky: do not awaiting for `downloadFileFromAcerCloud` async  :)

  downloadFileFromAcerCloud(filename);

  fs.readFile(filepath, 'utf8', function(err, data) {

    if (err) {

      res.send(err);

    } else {

      res.header("Access-Control-Allow-Origin", "*");

      res.json(JSON.parse(data));

}

});

})

/************************/
/**** front end angular ***/
/************************/

angular.module('FilterInControllerModule', [])
.controller('Controller', function($scope, $http){

$scope.result

$http.get("http://113.196.236.128:5571/download?type=product").then(
function(resp){
console.log("success");
console.log(resp.data);
// $scope.result=resp.data.results;
$scope.result=resp.data;
},
function(error){
console.log("error");
$scope.result=error;
}
);
/************************/
});

2016年2月14日星期日

2016.2.14 - bayesian, Principle of maximum entropy

Principle of maximum entropy
-熵定义的实际上是一个随机变量的不确定性，熵最大的时候，说明随机变量最不确定，换句话说，也就是随机变量最随机，对其行为做准确预测最困难。

-熵原理本质上仅是“高概率的事物容易出现”

Why maximum entropy

例如，我们只知道一个班的学生考试成绩有三个分数档：80分、90分、100分，且已知平均成绩为90分。显然在这种情况下，三种分数档的概率分布并不是唯一的。因为在下列已知条件限制下

（平均成绩）

（概率归一化条件）

有无限多组解，该选哪一组解呢？即如何从这些相容的分布中挑选出“最佳的”、“最合理”的分布来呢？这个挑选标准就是最大信息熵原理。

Neville's algorithm

$p_{0,0}(x) = y_0 \,$
	$p_{0,1}(x) \,$
$p_{1,1}(x) = y_1 \,$		$p_{0,2}(x) \,$
	$p_{1,2}(x) \,$		$p_{0,3}(x) \,$
$p_{2,2}(x) = y_2 \,$		$p_{1,3}(x) \,$		$p_{0,4}(x) \,$
	$p_{2,3}(x) \,$		$p_{1,4}(x) \,$
$p_{3,3}(x) = y_3 \,$		$p_{2,4}(x) \,$
	$p_{3,4}(x) \,$
$p_{4,4}(x) = y_4 \,$

Lagrange multiplier

a good tool to find maximum entropy

is a strategy for finding the local maxima and minima of a function subject to equality constraints.

For instance (see Figure 1), consider the optimization problem

maximize

f (x, y)

subject to

g (x, y) = 0

We need both

f

and

g

to have continuous first partial derivatives. We introduce a new variable (

λ

) called a Lagrange multiplier and study the Lagrange function (or Lagrangian) defined by

\mathcal{L}(x,y,\lambda) = f(x,y) - \lambda \cdot g(x,y),

Probability axioms

These assumptions can be summarised as follows: Let (Ω, F, P) be a measure space with P(Ω)=1. Then (Ω, F, P) is a probability space, with sample space Ω, event space F and probability measure P.

第一公理[編輯]

對於任意一個集合

E\in \mathfrak{F}

，即對於任意的事件

P(E)\in [0,1]

。

即，任一事件的機率都可以用

0

到

1

區間上的一個實數來表示。

第二公理[編輯]

P(\Omega) = 1

。

即，整體樣本集合中的某個基本事件發生的機率為1。更加明確地說，在樣本集合之外已經不存在基本事件了。

這在一些錯誤的機率計算中經常被小看；如果你不能準確地定義整個樣本集合，那麼任意子集的機率也不可能被定義。

第三公理[編輯]

任意兩兩不相交事件

E_1, E_2, ...

的可數序列滿足

P(E_1 \cup E_2 \cup \cdots) = \sum P(E_i)

。

即，不相交子集的並的事件集合的機率為那些子集的機率的和。這也被稱為是σ可加性。如果存在子集間的重疊，這一關係不成立。

如想通過代數了解柯爾莫果洛夫的方法，請參照隨機變量代數。

從柯爾莫果洛夫公理可以推導出另外一些對計算機率有用的法則。

P(A \cup B) = P(A) + P(B) - P(A \cap B)

，

P(\Omega - E) = 1 - P(E)

，

P(A \cap B) = P(A) \cdot P(B \vert A)

，

這一關係給出了貝葉斯定理。以此可以得出A和B是獨立的若且唯若

P(A \cap B) = P(A) \cdot P(B)

，

Explain why

假如我錯過了看世界盃，賽後我問一個知道比賽結果的觀眾“哪支球隊是冠軍”？他不願意直接告訴我，而要讓我猜，並且我每猜一次，他就要收一元錢才肯告訴我是否猜對了，那麼我需要付給他多少錢才能知道誰是冠軍呢?

我可以把球隊編上號，從 1 到 32，然後提問： “冠軍的球隊在 1-16 號中嗎?” 假如他告訴我猜對了，我會接著問： “冠軍在 1-8 號中嗎?” 假如他告訴我猜錯了，我自然知道冠軍隊在 9-16 中。這樣只需要猜五次，我就能知道哪支球隊是冠軍。所以，誰是世界盃冠軍這條消息的信息量只值五塊錢。
當然，香農不是用錢，而是用 bit的個概念來度量信息量。一個bit是一位元二進位數字，電腦的一個位元組(byte)是八個bit。
上面的例子中，這條消息的信息量是五 bit。如果有六十四個隊進入決賽，那麼“誰世界盃冠軍”的信息量就會是6個 bit。到此我們可以發現：原來香農的信息量( bit數)來自：所有可能結果的 log 函數；log32=5, log64=6。

2016年1月18日星期一

fix: Warning: Running "imagemin:dist" (imagemin) task Fatal error: Cannot read property 'contents' of undefined

Warning: Running "imagemin:dist" (imagemin) task

Fatal error: Cannot read property 'contents' of undefined

https://github.com/gruntjs/grunt-contrib-imagemin/issues/333

changed the grunt-contrib-imagemin version to 1.0.0 and imagemin version to 4.0.0, as below prcture

Undefined mixin 'clearfix' / npm install bower install grunt

    directory .tmp/styles

        error app/styles/main.scss (Line 104 of app/styles/_product.scss: Undefined mixin 'clearfix'.)

@mixin clearfix() {
&:before,
&:after {
content: ' '; // 1
display: table; // 2
}
&:after {
clear: both;
}
*zoom: 1; // Trigger IE6/7 'hasLayout'
}

2016年1月12日星期二

gsutil

gsutil

gsutil ls

gsutil mb gs://abc

gsutil cp infor.html gs://peterbucket/

gsutil acl set acl.txt gs://peterbucket/infor.html

gsutil acl get gs://peterbucket/1.jpg > acl.txt

=====================================================

cal.txt

{

    "entity": "allUsers",

    "role": "READER"

  }

=====================================================

download folder recursively

gsutil -m cp -R gs://bundle_asia_dra/HTC .

=====================================================

copying a folder from A to B

gsutil cp -r  gs://A/ gs://B/

gsutil cp -r  gs://bundle_asia_dra/iStagingFurniture/iOS/single/paint/ChangYuHuai gs://bundle_asia_dra/iStagingFurniture/ios_paint/

=====================================================

share file publicly

gsutil -m acl set -R -a public-read gs://bundle_asia_dra/iStagingFurniture/ios_paint/

=====================================================

Show size of all objects

gsutil du gs://bucketname

=====================================================

Sync two bucket or directory

gsutil rsync -d -r gs://mybucket1 gs://mybucket2

=====================================================

2016年2月19日 星期五

2016年2月16日 星期二

2016年2月14日 星期日

Why maximum entropy

Neville's algorithm

Lagrange multiplier

Probability axioms

第一公理[編輯]

第二公理[編輯]

第三公理[編輯]

Explain why

2016年1月18日 星期一

Warning: Running "imagemin:dist" (imagemin) task

Fatal error: Cannot read property 'contents' of undefined

2016年1月12日 星期二

download folder recursively

copying a folder from A to B

share file publicly

Show size of all objects

Sync two bucket or directory

2016年2月19日星期五

2016年2月16日星期二

2016年2月14日星期日

2016年1月18日星期一

2016年1月12日星期二