有些markdown支持流程图、时序图，比如马克飞象。
实际上，这部分的渲染并非markdown引擎(后端渲染)做的，而是采用的第三方前端渲染引擎。其原理类似公式渲染引擎mathjax。
因此，这种流程图和时序图很容易嵌入到hexo博客中，而且已经有了相关的插件。
非对称加密 - RSA
令人费解的"公钥加密算法"
【RNN系列】SRU
RNN、LSTM、GRU都存在一个严重的问题: 前后两个时刻 $t-1$ 和 $t$ 的计算存在完全的依赖性。这种自回归结构无法并行，不能充分利用GPU计算资源。
the sequential dependencies that are central to recurrent architectures limit parallelization potential
 |
GRU对LSTM进行了简化，详见GRU。
注意观察$c _ {t-1} $ 和 $ h _ {t-1}$的流向。很容易发现，这两个信息几乎影响每一个节点，因此LSTM和GRU是严重的autoregressive，严重的时序依赖。
【比特币源码】交易 transaction
名词 术语
- 交易: 简单地说，交易指把⽐特币从⼀个地址转到另⼀个地址。更准确地说，⼀笔“交易”指⼀个经过签名运算的，表达价值转移的
数据结构。每⼀笔“交易”都经过⽐特币⽹络传输，由矿⼯节点收集并封包⾄区块中，永久保存在区块链某处。 - 交易验证: 被验证成功的交易放入本地内存交易池中（Local Memory Tx Pool，交易池是存储在本地内存中，并不是存储在硬盘里，因此不同节点的两池内容可能有很大差别。原则是，要保证任何在本地内存交易池中的交易均是未确认的。
- 交易确认: 当⼀项交易被区块收录时，我们可以说它有⼀次确认。矿⼯们在此区块之后每再产⽣⼀个区块，此项交易的确认数就再加⼀。当确认数达到六及以上时，通常认为这笔交易⽐较安全并难以逆转。
- 确认数+1什么意思？
- 交易权重: 挨个打包进入到区块体中；优先处理权重最高的交易；偶尔会出现提示：”当前网路交易拥堵，建议提高交易费用”。正是因为按照优先级处理，所以在网络交易拥堵的时候，有可能造成低优先级的交易“永远”不会被打包。交易的权重大小取决于三个因素：1）交易创建时间越早；2）交易UTXO大小越大；3）交易费用越高，则权重越大。
- ⼯作量证明: ⼯作量证明指通过有效计算得到的⼀⼩块数据。具体到⽐特币，矿⼯必须要在满⾜全⽹⽬标难度的情况下求解SHA256算法
- 难度: 整个⽹络会通过调整“难度”这个变量来控制⽣成⼯作量证明所需要的计算⼒。难度怎样调整的，见。。
- 难度⽬标: 使整个⽹络的计算⼒⼤致每10分钟产⽣⼀个区块所需要的难度数值即为难度⽬标。
- 难度调整: 整个⽹络每产⽣2,106个区块后会根据之前2,106个区块的算⼒进⾏难度调整。
ss
⽐特币交易是⽐特币系统中最重要的部分。根据⽐特币系统的设计原理，系统中任何其他的部分都是为了确保⽐特币交易可
以被⽣成、能在⽐特币⽹络中得以传播和通过验证，并最终添加⼊全球⽐特币交易总账簿（⽐特币区块链）。⽐特币交易的
本质是数据结构，这些数据结构中含有⽐特币交易参与者价值转移的相关信息。⽐特币区块链是全球复式记账总账簿，每个⽐特币交易都是在⽐特币区块链上的⼀个公开记录。
python c java 的变量、堆、栈
背景知识
- 栈: 是向
低地址扩展的数据结构，是一块连续的内存区域。 栈顶的地址和栈的最大容量是系统预先规定好的，在 WINDOWS 下，栈的大小是 2M （也有的说是 1M ，总之是一个编译时就确定的常数），如果申请的空间超过栈的剩余空间时，将提示 overflow 。因此，能从栈获得的空间较小。- 由系统自动分配，速度较快。但程序员是无法控制的
- 堆：是向
高地址扩展的数据结构，是不连续的内存区域。这是由于系统是用链表来存储的空闲内存地址的，自然是不连续的，而链表的遍历方向是由低地址向高地址。堆的大小受限于计算机系统中有效的虚拟内存。由此可见，堆获得的空间比较灵活，也比较大。- 堆是由 new 分配的内存，一般速度比较慢，而且容易产生内存碎片 , 不过用起来最方便 。
- 变量
- 二进制存储，数值在内存中的表示
many languages have “variables”
计算机内存就像是很多盒子的集合体，每个盒子都有地址。
在很多语言中，给变量赋值可以理解成把value放入盒子，比如：
int a = 1; |  |
递归
数学体系架构
softmax的困扰、改进
简介
数学上的softmax
在数学，尤其是概率论和相关领域中，Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量 ${\displaystyle \mathbf {z} }$“压缩”到另一个K维实向量 ${\displaystyle \sigma (\mathbf {z} )}$ 中，使得每一个元素的范围都在 ${\displaystyle (0,1)}$ 之间，并且所有元素的和为1。该函数的形式通常按下面的式子给出：
$${\displaystyle \sigma (\mathbf {z} ) _ {j}={\frac {e^{z_ {j}}}{\sum _ {k=1}^{K}e^{z_ {k}}}}} \quad j = 1, …, K.$$
softmax的应用
python collection
collections — High-performance container datatypes¶
collections是Python内建的一个集合模块，
在2.4版本开始被引入，该模块实现了专用容器数据类型来替代python的通用内置容器：dict（字典），list（列表）， set（集合）和tuple（元组）。
| 容器 | 中文名 | 简介 | 引入版本 |
|---|---|---|---|
| namedtuple() | 命名元组 | 使用工厂方法创建带有命名的字段的元组的子类 | 2.6 |
| deque | 双向队列 | 类似列表的容器，能够快速响应在任何一端进行pop | 2.4 |
| Counter | 计数器 | 字典子类，为可以进行哈希的对象计数 | 2.7 |
| OrderedDict | 有序字典 | 字典子类，记录了字典的添加次序 | 2.7 |
| defaultdict | 字典 | 字典子类，调用一个工厂方法来提供缺失的值 | 2.5 |
除了具体的容器类，collections模块还提供了abstract_base_classes来测试一个类是否体用了一个特定的接口，例如，这是可哈希的还是一个映射。
在2.4版本中新加入，。