首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 5-8 实现多元线性回归

    其中θ包含(θ0~θn)一共(n+1)个参数值,但是对于实际的样本来说,一共有n个维度,其中θ0是截距intercept,在有的时候在进行线性回归的时候,最终返回给用户的时候,有可能不是将整个θ返回给用户的,而是将截距和下面的θ1 ~ θn(称之为系数coefficients)分开,这样做的原因在系数部分,每个θ值都对应着原来样本中的一个特征,这些系数从某种意义上来讲可以描述这些特征对于最终样本相应贡献程度是怎样的,而θ0截距和我们的样本特征是不相干的,只是一个偏移,所以把这两个部分分开。所以在我们自己封装多元线性回归的时候就采用分开的方式。当然在sklearn中也是采用这样的封装方式。

    53900发布于 2019-11-13
  • 2025年容器安全防护系统选购指南:主流产品全方位对比与腾讯TCSS深度解析

    Cloud)以及国内服务商(腾讯/阿里/华为)。 支持 中等 等保2.0 3-5% 混合计费模式 Prisma Cloud Palo Alto高级 高级 多标准 5-8% 年度订阅制 Aqua SecurityAqua 高级 高级 多标准 5-8% 节点年度订阅 二、容器安全服务(TCSS )核心优势解析基于腾讯最新产品说明 轻量级高性能Agent实测数据显示,TCSS的轻量级Agent在主流Linux系统上CPU占用率低于3%,内存消耗小于100MB,显著低于行业平均5-8%的占用标准,真正实现安全防护"零感知"。 (TCSS )等厂商原生解决方案,其开箱即用的特性和与平台深度集成的优势可显著降低运维复杂度。

    55810编辑于 2025-10-11
  • 来自专栏云头条

    江苏移动 1 亿元桌面大单:酷栈科技、英仕全、亚信网、度特信息、知游、铁马信息、盛佳建业、莎普信息、智创网络中标

    即: 标包1:VDI-超融合一体化桌面服务; 标包2:VDI-开放式桌面服务; 标包3:IDV桌面服务; 标包4:VDI+IDV融合架构桌面服务; 标包5:VDI-微架构桌面服务; 标包6 :WDI架构桌面服务; 标包7:DDP架构桌面服务; 标包8:VOI架构桌面服务。 协议期6年(1年采购期+5年服务期),每类服务内容包括:基础桌面服务、可选桌面服务、现场服务。 其中标包1-4每个标包入围2家供应商,标包5-8每个标包入围1家供应商。 中标候选人公示 2021年11月22日中标候选人公示发布,详情如下。 标包1:VDI-超融合一体化桌面服务 标包2:VDI-开放式桌面服务 标包3:IDV桌面服务 标包4:VDI+IDV融合架构桌面服务 标包5:VDI-微架构桌面服务 标包6:

    70120编辑于 2022-03-18
  • 来自专栏云服务业务

    腾讯渠道商:如何在腾讯 Linux 服务器上快速部署 LNMP 环境(镜像版)

    本文由枢国际yunshuguoji撰写。一、引言LNMP(Linux + Nginx + MySQL + PHP)是当前最流行的 Web 服务环境组合之一,广泛应用于各类网站和应用部署。 对于腾讯用户而言,通过官方镜像市场快速部署 LNMP 环境,比手动搭建效率提升 80% 以上,且能获得更稳定的运行环境。本文将介绍如何通过腾讯镜像市场一键完成 LNMP 环境部署。 登录腾讯控制台,创建服务器时选择「镜像市场」2. 搜索关键词:LNMP3. 推荐选择官方认证镜像(如「LNMP 环境 (CentOS7.6)」)4. 启动实例后自动完成环境部署(约 5-8 分钟)环境验证与使用# 连接服务器后验证组件nginx -v # 查看Nginx版本mysql -V # 验证MySQL安装php -v # 检查PHP版本1. 数据库默认账号:root,密码见镜像说明文档三、总结通过腾讯镜像市场部署 LNMP 环境,无需手动编译安装,避免了依赖包冲突、配置错误等常见问题。

    29310编辑于 2025-12-25
  • 来自专栏JAVA

    Mysql高低版本切换需要修改的配置5-8(此处以aicode为例)(WARN: Establishing SSL connection without server‘s identity veri)

    我这边出现此种报错的原因是我本地的数据在后面升级为了8.0版本的数据库,然后代码得到配置依照5.7的版本进行配置,因为升级数据库导致很多代码都出现了问题,故做此记录;希望可以帮助到大家

    47610编辑于 2024-11-20
  • 来自专栏OpenCV与AI深度学习

    趣味应用 | 用OpenCV自动给图片添加彩虹特效---平淡的生活需要技术的点缀

    4/5), 180, 0, 180, Scalar(255,0,128), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8+100,row*4/5- 8), 180, 0, 180, Scalar(255,0,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*2+100,row*4/5-8 2), 180, 0, 180, Scalar(255,255,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*3+100,row*4/5- 8*3), 180, 0, 180, Scalar(0,255,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*4+100,row*4/5- 4), 180, 0, 180, Scalar(0,255,255), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*5+100,row*4/5-

    61710发布于 2021-12-01
  • 来自专栏腾讯云智能·AI公有云

    智慧上 | 腾讯大数据人工智能产品48元起

    微信图片_20191127175053.png 腾讯11.11智慧上活动(点击前往) 仅剩6天 你有可能错过的福利是: ① 人脸识别、文字识别OCR、语音识别等产品,开通即送免费送次数! ②人工智能类产品5-8折都有! ③大数据产品首次限时折扣,低至350元/月 这么诱人?怎么弄! 点击查看《产品动态 | 腾讯AI 10月产品更新》。 以人脸识别100万次的资源包为例,原价31元/万次,活动期间仅需15.5元/万次,打五折!打五折!省下来的钱四舍五入一个亿!! 剧透一下:语音识别和人脸核身都有赠送一定的免费次数,赶紧登陆腾讯官网控制台查收吧~ 大数据专场(点击前往) 0 (1).png 腾讯 Elasticsearch Service(ES)是基于开源搜索引擎 使用腾讯 ES,您可以快速部署、轻松管理、按需扩展您的集群,简化复杂运维操作,快速构建日志分析、异常监控、网站搜索、企业搜索、BI 分析等各类业务。     

    8.1K62发布于 2019-11-28
  • 腾讯开发者工具实战指南

    摘要 本文将系统解析EdgeOne Pages的核心功能,结合腾讯生态产品矩阵,为开发者提供从零搭建全栈应用的完整解决方案。 通过对比主流服务部署方案,展现EdgeOne Pages在效率提升、成本优化及全球化部署方面的独特优势。 正文 随着原生技术普及,传统开发模式已无法满足企业对敏捷迭代与全球化部署的需求。 腾讯推出的EdgeOne Pages平台,依托边缘计算与Serverless架构,重新定义了全栈开发的标准流程。 本文将手把手演示如何利用该平台实现「一键部署全球」的开发体验,并推荐配套腾讯产品构建完整技术栈。 一、EdgeOne Pages核心能力解析 1. 极致部署效率 部署方式 传统模式耗时 EdgeOne Pages耗时 Git集成部署 15-30分钟 30秒内完成 CLI工具部署 5-8分钟

    59310编辑于 2026-01-16
  • 无人机航测技术

    4200万像素,全局快门,机械快门像素数决定GSD,全局快门避免运动模糊POS系统单频GNSS+IMU,定位精度±10cm双频RTK-GNSS+IMU,定位精度±1cmPOS精度直接影响空三精度与控制点数量台两轴增稳 ,精度±0.1°三轴增稳,精度±0.01°台精度避免影像旋偏角过大2.2系统性能指标指标工业级高精度级作业效率0.5km²/架次(GSD=5cm)5km²/架次(GSD=5cm)最大作业高度500m1000m OSGB转3DTiles3.4核心工具参数COLMAP空三:SIFT特征,匹配阈值0.7,平差迭代次数100OpenMVS重建:分辨率级别1,最小可见视角3,纹理分辨率40963DTiles转换:LOD层级5- ;使用SIFT特征模型加载慢数据量过大分块处理,块大小≤1km×1km;进行LOD分级与轻量化6.数字孪生集成规范输入:JPEG影像、POS数据(CSV)、控制点数据(CSV)中间:COLMAP稀疏点、 OpenMVS密集点、OBJ网格输出:3DTiles、OSGB、glTF/GLB坐标:EPSG:4490(CGCS2000)数据要求:3DTilesLOD层级5-8级,纹理分辨率≤4096×4096集成

    18010编辑于 2026-05-13
  • 来自专栏Python进阶之路

    Python编程 基础练习(二)

    随机生成由2个大写字母(前2位)+2个小写字母(第3、4位)+4个数字(第5-8位)组成的密码(字符串) import random # 大写字母的ASCII码范围 a = [chr(i) for i s += random.choice(a) # 3、4位 小写字母 elif 2 < x <= 4: s += random.choice(b) # 5- 1], nums[n] flag = False if flag: break print("排序后:{}".format(nums)) 作者:叶庭

    99520发布于 2020-09-17
  • 告别低效创作!AI 文章搬运工助力内容多平台快速出圈

    今天为大家介绍一个腾讯智能体开发平台(TencentCloudADP)构建的解决方案——“文章搬运工”,这是一个基于AI技术的智能内容创作与多平台分发系统。 个改写案例输出内容:●具体的写作技巧和句式建议●常用短语和表达方式●实际改写示例展示步骤4:多平台内容生成系统并行处理四个不同的输出分支:4.1小红书内容生成特色功能:●温暖友好的写作风格●自动添加相关表情符号●生成5- 8个SEO标签●口语化表达优化输出格式:[吸睛标题]⭐️[开头段落][分步说明][互动提问]#标签1#标签2#标签34.2Twitter线程生成特色功能:●自动拆分为5-8条推文●每条推文不超过280字符 4.4配图自动生成特色功能:●基于原文内容生成图像描述●调用TextToImageAPI自动生成配图●支持多种视觉风格●提供高清图片下载链接快速上手在ADP平台创建类似工作流1.创建新工作流a.登录腾讯智能体开发平台 节点配置:{"ModelName":"Deepseek/deepseek-r1-250528","Temperature":0.6,"TopP":0.6,"MaxTokens":4000}总结基于腾讯智能体开发平台

    37410编辑于 2026-03-09
  • 来自专栏云鼎实验室的专栏

    Top 30 战队揭晓,GeekPwn 云安全挑战赛第一阶段收官

    今天的推送,相信经常关注云安全的粉丝们,已经搓手手期盼很久了~ 腾讯安全与GeekPwn联合举办的GeekPwn云安全挑战赛,作为国内首个基于真实平台的安全挑战赛,在报名阶段就吸引了众多出类拔萃的云安全精英 采用开放模拟计算环境的开放赛将在7月陆续公布开放环境信息,供参赛队伍研究。 再度开启的云端对决,主办方将选出5-8支超强战队登上GeekPwn1024的舞台,与国内顶级云安全专家当面切磋交流。 此次由腾讯安全与GeekPwn团队共同推出的GeekPwn云安全挑战赛,其意义不仅仅在于发现计算体系的安全漏洞,更多的是为应对多元化的云安全挑战展开的前沿探索,以进一步地提升技术基础能力与平台的安全性

    63040发布于 2019-06-05
  • 来自专栏区块链大本营

    ​浓情七夕,有礼相送!

    《新程序员003:原生和全面数字化实践》是写给所有关注原生和数字化的开发者们的一本技术精选图书,内容既有发展趋势及方法论结构,更包含了华为、阿里、字节跳动、网易、快手、微软、亚马逊、英特尔、西门子、 施耐德等 30 多家知名公司的原生和数字化一手实战经验。 本书还附赠了《原生技术全景图》,极具收藏价值。 《原生技术全景图》,全图纸质版0.6米正反面,可见原生技术正趋向成熟 《新程序员004:我们的技术时代,我们的程序人生》则把目光聚焦在了用代码改变世界的程序员身上,邀请了四十多为程序员出身,在各自领域取得卓越成就的高手 目前,《新程序员》已上线4期,第5-8期也正在加班加点制作当中。 遇见你,陪伴你,便是《新程序员》最大的心愿,七夕节,愿《新程序员》助你在技术进阶之路上披荆斩棘,乘风破浪!

    38120编辑于 2022-08-26
  • 以下是对上传PPT文档《智慧零售》的详细解析,涵盖核心模块、技术亮点和行业价值:

    一、整体架构 智能零售技术矩阵 AI生成技术 文生图:25种风格/5-8秒出图/支持自定义参数 图生图:5种风格化转换 专项应用 线稿生图(设计灵感生成) 背景替换(营销物料批量生成) 模特换装 (降本案例:某品牌月省6000张拍摄成本) 基础服务 全球覆盖:26地区/70可用区 企业级认证:ISO 27001等400+合规认证 自研技术栈:TDSQL数据库/EdgeOne安全加速 二、核心场景解决方案 (一)渠道数字化 全渠道整合 业务中台统一管理:商品通/会员通/促销通 O2O模式支持:扫码购+Mall 大促保障 流量治理:EdgeOne(DDoS防护+Bot管理+全球加速) 弹性扩容:TKE MA联动) 五、服务保障 铁三角体系 售前架构师:解决方案定制 商务经理:客户关系维护 技术经理:7×24小时护航 安灯平台:ITIL服务管理流程 混沌演练:故障模拟测试 总结:腾讯智慧零售通过AI+原生技术矩阵

    16310编辑于 2026-03-31
  • 来自专栏大数据仓库建设

    我国大陆地区的手机号正则匹配

    ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$

    2.2K20发布于 2019-03-14
  • 来自专栏大数据仓库建设

    我国大陆地区的手机号正则匹配

    ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$

    66030发布于 2019-03-12
  • TCHouse-P性能飞跃:为何原生数据仓库完胜传统方案?

    2026年,腾讯数据仓库TCHouse-P凭借其创新的原生架构,在性能上实现了对传统数据仓库的全面超越,成为企业数字化转型的利器。 性能对比实测数据 在相同硬件配置下,TCHouse-P处理TPC-H基准测试的查询性能比传统关系型数据仓库平均提升5-8倍。特别是在复杂多表关联和海量数据聚合场景下,优势更为明显。 三、腾讯数据仓库产品矩阵对比 为满足不同业务场景需求,腾讯提供了完整的数据仓库产品矩阵。 同时支持与腾讯COS对象存储、TencentDB、Elasticsearch等数据引擎无缝集成,实现对多源异构数据的统一分析。 腾讯数据仓库TCHouse-P凭借其卓越的MPP架构性能、经济高效的计费模式、无缝集成的生态系统,为企业提供了从传统数据仓库向原生架构升级的最佳路径。

    15910编辑于 2026-04-02
  • 数据湖如何成为企业数据敏捷度的加速器?

    腾讯DLC采用原生对象存储实现无限扩展,计算资源即用即毁,真正实现了"数据就绪即分析"。 二、腾讯数据湖计算DLC:提升敏捷度的三大核心能力 1. 多源数据统一分析,打破数据孤岛 DLC支持对象存储、数据库、数据仓库等多种数据源联合查询,无需数据迁移即可实现统一分析。 成本对比示例(以典型企业月数据处理量计算): 资源模式 月均成本 峰值处理能力 资源利用率 自建集群 5-8万元 固定,易过载或闲置 通常40-60% DLC Serverless 2-4万元 自动扩容 腾讯DLC内置的智能优化器自动优化查询性能,即使非技术人员也能快速上手。 腾讯数据湖计算DLC通过原生、Serverless和标准化的技术路径,帮助企业构建面向未来的数据能力。在数据驱动决策的时代,投资数据湖就是投资企业的响应速度和竞争力。

    24410编辑于 2025-11-06
  • Java工程师:构建跨平台应用的基石

    :Docker / KubernetesJava 工程师的发展路径阶段年限核心能力初级0-2年能够完成模块开发,掌握常用框架,具备基本调试能力中级2-5年独立负责子系统设计,优化性能,解决复杂问题高级5- GraalVM 原生镜像、Loom 虚拟线程、Valhalla 值类型 等新特性让 Java 在原生和超高并发场景下焕发新生。 给 Java 工程师的几点建议:深入理解 JVM:这是区分水平高低的关键分水岭关注原生技术:学习 Spring Native、Quarkus 等适应时代的框架掌握一门其他语言:如 Python(数据分析

    14610编辑于 2026-05-08
  • 原生场景下Prometheus指标采集异常的深度排查与架构修复》

    原生监控体系中,Prometheus作为核心指标采集工具,其稳定性直接决定监控数据的可靠性。 本文聚焦某生产环境中Prometheus采集K8s容器指标时的“间歇性无数据”问题,从技术环境还原到底层逻辑拆解,再到架构级修复方案,完整呈现问题解决全链路,为原生监控运维团队提供可复用的实践思路,避开那些文档未明说 某企业基于Kubernetes 1.28.3集群构建原生监控系统,采用Prometheus 2.45.0(通过Prometheus Operator 0.66.0部署)采集容器、节点及业务指标,配置kube-state-metrics kubelet的“cadvisor指标生成”日志出现延迟——正常情况下,kubelet处理Prometheus的/metrics/cadvisor请求时,会在100ms内生成指标响应,而故障时延迟增至5- kubelet的整体状态正常,CPU、内存使用率均低于60%,无资源过载迹象;通过 curl 在故障节点本地访问 http://localhost:10250/metrics/cadvisor ,发现请求同样存在5-

    52100编辑于 2025-09-11
领券