原文：血瓶vs蓝瓶：对能量系统设计的思考 血瓶vs蓝瓶：红蓝二元系统让我用这张图来开始这篇文章。这图上画出了一般的MMORPG杀怪升级的循环图，血和魔法值（由于传统上用蓝色表示，所以就是图中的蓝色方块）是玩家的两种资源，击败或被击败的关键在于使生命值（红）降低至0以下，而削弱对方生命值或补充自己生命值（或补充他人生命值）都要靠技能来实现，而技能是消耗魔法值（蓝）这一资源的。我把这种类似的结构统称为

原文：M is for Magic——游戏里“魔法值”的来源 但凡玩过游戏的人，大约都知道“魔法值（Mana Point，有时也写作Magic Point，简称MP）”，没有魔法值，你召唤不了恶魔，搓不了火球，放不出治疗术，就连传送回基地可能都够呛。不过……MP这个概念到底是怎么来的？ 从生命值说起要讲这个概念，首先要从我的男神之一龙与地下城之父加里·盖加克斯（Gary Gygax）说起。 20世

图片缓存分为两种： Memory Cache； Disk Cache。 原生实现123456789101112131415161718class ImageCache { var cache = NSCache<NSString, UIImage>() static let shared = ImageCache() func g

主线程123DispatchQueue.main.async { print("Main")} 主线程延迟123DispatchQueue.main.asyncAfter(deadline: .now() + 1) { print("1s")} 多线程GCD 和 Operation 的区别： GCD

首先需要 Kanna 第三方库解析 HTML。 解析完成后，再根据 XPath 找到指定想要展示的内容进行展示。这里展示网站的名称和 favicon。 代码如下： 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636

目前通过神经网络训练出来的模型准确率并不高，但收敛速度要比线性回归快上很多。 几个类： 12345678910111213141516171819202122232425262728293031323334353637class HumanDataset(Dataset): def __init__(self, features, labels): self.features

从 12 个特征中选择出最优组合。 1234567891011121314151617181920212223242526272829# Datasetclass HumanDataset(Dataset): def __init__(self, features, labels): self.features = features self.labels = l

VO2max 的数据集来自开源项目 MiPace。 其中有提到项目的 dataset 来自 MiPR lab —— This dataset was collected by CPET in the MiPR lab, which was part of the research funded by Apple Inc。 Michigan Performance Research Laborat

项目通过深度学习的方式对 VO2max 进行预测。 具体可分为 2 个板块： 数据集； 模型训练。 数据集 VO2max 数据集 模型训练 PyTorch 回归模型 PyTorch 常用损失函数 sklearn 数据预处理 PyTorch 提示 RuntimeError: expected scalar type Long but found Float Python 报错 RuntimeE

本项目目的是采集 IMU 数据，并对 IMU 的空间轨迹进行复现。 具体可以分为 2 个板块： 数据采集； 轨迹计算。 数据采集iPhone iOS 加速度坐标 Swift 通过 CMMotionManager 获取 iPhone 加速度传感器、陀螺仪等信息 Swift 导出 .csv 文件 WHEELTEC N100 M1 Mac Parallels Desktop Windows11 安