- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java架构师必看
spring源码分析10
spring源码分析10 强烈推介IDEA2020.2破解激活，IntelliJ
34730发布于 2021-04-13 - 来自专栏学习笔记ol
框架分析（10）-SQLAlchemy
框架分析（10）-SQLAlchemy 主要对目前市面上常见的框架进行分析和总结，希望有兴趣的小伙伴们可以看一下，会持续更新的。希望各位可以监督我，我们一起学习进步。 特性分析 ORM支持 SQLAlchemy提供了一种将数据库表映射到Python类的方式，使得开发者可以使用面向对象的方法来操作数据库。通过定义模型类和属性，可以轻松地进行数据库的增删改查操作。
78020编辑于 2023-10-11 - 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：差异分析（10）
在这里，我们将采用类似于 Diffbind 中的方法，并在 ATACseq 分析中合理建立。1. 图片library(TxDb.Mmusculus.UCSC.mm10.knownGene)toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene DB_ATAC <- as.data.frame(anno_KidneyMinusHindbrain)DB_ATAC[1, ]图片由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析
1.1K20编辑于 2023-01-27 - 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：差异分析（10）
在这里，我们将采用类似于 Diffbind 中的方法，并在 ATACseq 分析中合理建立。 1. library(TxDb.Mmusculus.UCSC.mm10.knownGene) toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene as.data.frame(anno_KidneyMinusHindbrain) DB_ATAC[1, ] DB_ATAC 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析
57220编辑于 2023-02-27 - 来自专栏golang算法架构leetcode技术php
golang源码分析（10）slice
// maxSliceCap returns the maximum capacity for a slice.
30820编辑于 2022-08-02 golang源码分析 ：gopls（10）
分析完一个featureCommands后，其他的22个都是类似的。 （非 LSP 标准） 缓存管理 View（文件快照）、Snapshot（模块状态缓存） 类型检查 Package（集成 go/types 和 x/tools/go/packages） 代码分析
9410编辑于 2026-03-18- 来自专栏golang算法架构leetcode技术php
golang源码分析：etcd(10)
分析完raft算法，回来看etcd server的代码就比较清晰了，我们从入口文件server/main.go开始 func main() { etcdmain.Main(os.Args
41520编辑于 2023-09-09 - 来自专栏IT码农
PHP 性能分析10则
而 require 的每次重新加载，都会从文件系统中去读取分析。因而 require_ once 会比 require 更佳。咱们也使用一个例子来看一下。 但是在平常的 in xxxx/string2.php on line 10 如果把 E_ ERROR 改成 E_ ALL 就能看到大量的上述错误输出。 以上就是关于 PHP 开发的10个方面的对比，这些点涉及到 PHP 语法、写法以及 API 的使用。有些策略随着 PHP 的发展，有的已经不再适用，有些策略则会一直有用。 于是为了做好性能分析，我们需要向 PHP 的上下游戏延伸，比如延伸到后端的服务上去，比如延伸到前端的优化规则。 在这两块，都有了相当多的积累和分析，雅虎也据此提出了多达35条前端优化规则，这些同 PHP 本身的性能分析构成了一个整体，就是降低用户的访问延时。
1K41编辑于 2022-01-10 golang源码分析：langchaingo（10）
除了RAG，我们也可以定义agentTool交给大模型调用，下面我们看一个调用的例子
10110编辑于 2026-03-18- 来自专栏波波烤鸭
【10】Spring源码-分析篇-AOP源码分析
Spring源码-AOP分析 一、手写AOP回顾 本文我们开始讲解Spring中的AOP原理和源码，我们前面手写了AOP的实现，了解和自己实现AOP应该要具备的内容，我们先回顾下，这对我们理解Spring 代理类的结构 在上面的分析中出现了很多代理相关的代码，为了更好的理解，我们来梳理下Spring中的代理相关的结构 2.1 AopProxy 在Spring中创建代理对象都是通过AopProxy这个接口的两个具体实现类来实现的 @Aspect解析 然后我们分析下@Aspect注解的解析过程 @Override protected boolean shouldSkip(Class<?
1.1K50编辑于 2022-10-28 - 来自专栏信数据得永生
精通 NumPy 数值分析：6~10
Signal：此子程序包提供信号处理的函数和算法，例如卷积，B 样条，滤波，连续和离散时间线性系统，波形，小波和频谱分析。 Open'] msft.tail(10) 下图显示了msft.tail(10)的输出： https://gitcode.net/apachecn/apachecn-ds-zh/-/raw/master Close'].rolling(window=50).mean() msft.tail(10) 下表显示了msft.tail(10)的输出： https://gitcode.net/apachecn 您可以使用它执行回归分析，就像在前几章中使用 scikit-learn 库所做的那样。 本章的目的是向您展示这些不同的选项，以及 Python 语言由于其丰富的分析库生态系统而具有的灵活性。
2K20编辑于 2023-04-23 - 来自专栏Postgresql源码分析
Postgresql源码（10）LWLockAcquire流程分析
功能特点： 信号量驱动唤醒，不做spin 等锁形成队列，依次唤醒 与PGPROC结构耦合，多进程协作
29820编辑于 2022-05-12 - 来自专栏数说戏聊
10.RFM分析&矩阵分析1.RFM分析2.矩阵分析
1.RFM分析 根据客户活跃程度和交易金额贡献，进行客户价值细分的方法。 高价值客户 低 高 高 重点保持客户 高 低 高 重点发展客户 低 低 高 重点挽留客户 高 高 低 一般价值客户 低 高 低 一般保持客户 高 低 低 一般发展客户 低 低 低 潜在客户 1.1 RFM分析过程 2.汇总RFM分值 RFM=100*R_S+10*F_S+1*M_S 3.根据RFM分值对客户划分8种类型 1.2 RFM分析前提 1.最近有过交易行为的客户，再次发生交易的可能性要高于最近没有交易行为的客户 1 153 2 164 3 135 4 153 5 154 6 142 7 151 8 148 2.矩阵分析 根据事物（如产品、服务等）等两个重要指标作为分析依据，进行关联分析，找出解决问题等一种分析方法。
1.1K20发布于 2018-08-02 - 来自专栏python3
我的Python分析成长之路10
matplot数据可视化基础 制作提供信息的可视化（有时称作绘图）是数据分析中最重要任务之一。 False #设置正常符号 5 #没有子图的绘图 6 x = np.arange(0,1,0.01) 7 y = x**2 8 y2 = x**4 9 plt.plot(x,y) 10 x = np.arange(0,1,0.01) 6 y1 = x**2 7 y2 = x**4 8 plt.plot(x,y1,"g--") 9 plt.plot(x,y2,"b-") 10 主要用于分析特征间的相互关系，散点图可以提供两类关键信息。1.特征之间是否存在数值或数量之间的关联趋势，关联趋势是线性还是非线性的。 2.如果从某一个点或者某几个点偏离大多数点，则这些点就是离群值，从而分析这些离群值是否在建模分析中产生很大的关系。散点图通过散点的疏密程度和变化趋势表示两个特征的数量关系。
1.4K20发布于 2020-01-22 - 来自专栏大数据成长之路
Hadoop源代码分析【6-10】
为了分析 Invoker ，我们需要介绍一些 Java 反射实现 DynamicProxy 的背景。 Hadoop源代码分析（八） 一个典型的 HDFS系统包括一个 NameNode和多个 DataNode。 Hadoop源代码分析（九） 在继续分析 DataNode之前，我们有必要看一下系统的工作状态。 下面我们继续分析 DataNode。 文字分析完 DataNode存储在文件上的数据以后，我们来看一下运行时对应的数据结构。 小结 Hadoop源代码分析【6-10】主要为大家科普了RPC实现通信的流程，以及 DataNode在升级 / 回滚/ 提交时底层的变化。
64120发布于 2021-01-27 - 来自专栏极安御信安全研究院
漏洞分析丨HEVD-10.TypeConfusing
作者selph前言窥探Ring0漏洞世界：类型混淆实验环境：•虚拟机：Windows 7 x86•物理机：Windows 10 x64•软件：IDA，Windbg，VS2022漏洞分析老样子，先IDA分析漏洞函数
39520编辑于 2022-08-05 - 来自专栏python编程军火库
10 | Tornado源码分析：Gen 对象(上)
/usr/bin/python """ @File : gen_ll.py @Time : 2020/08/29 15:10 @Author : haishiniu @Software:
79720发布于 2020-09-01 - 来自专栏我还不懂对话
TensorFlow-CIFAR10 CNN代码分析
_input.py 读取本地CIFAR-10的二进制文件格式的内容。 cifar10.py 建立CIFAR-10的模型。 cifar10_train.py 在CPU或GPU上训练CIFAR-10的模型。 cifar10_multi_gpu_train.py 在多GPU上训练CIFAR-10的模型。 cifar10_eval.py 评估CIFAR-10模型的预测性能。 代码分析 由于TensorFlow 1.0有些版本改动，导致新版本和以前代码不兼容，具体bug解决方法见：TensorFlow CIFAR-10训练例子报错解决 下面是其官方的训练效果。 10万步的准确率为86%左右，所以其实并不用训练到100k。
81620发布于 2021-10-19 - 来自专栏生信技能树
拟时序分析的10个步骤
最近刷了刷植物领域单细胞文献，有一个蛮早期的拟南芥根部单细胞研究：《High-Throughput Single-Cell Transcriptome Profiling of Plant Cell Types》对拟时序分析描述的很清楚 降维聚类分群 然后你需要有背景知识才能做 拟时序分析 ：文章是这样描述：focusing on endodermal cells, which have a known trajectory from ，已经针对哪部分细胞亚群进行拟时序分析哦！ 总结一下这10个步骤： 降维聚类分群 提取指定单细胞亚群 运行monocle 判断拟时序分析推断好的发育轨迹 随着轨迹变化的基因获取 获取的基因的生物学功能数据库注释 还有四个步骤在这个文章里面并没有体现 ，这里略 拟时序分析是否可以对全部单细胞亚群呢？
2.6K20发布于 2021-07-06 10X HD数据分析进行COMMOT信号流分析
作者， Evil Genius今天我们更新一个简单的内容，10X HD分析COMMOT。 : 'gene_ids', 'feature_types', 'genome' uns: 'spatial' obsm: 'spatial'超过13万的spot，1万8的基因数量简单的数据分析 , adata.var.highly_variable]sc.tl.pca(adata, svd_solver='arpack')sc.pp.neighbors(adata, n_neighbors=10 sc.pl.spatial(adata,color = 'leiden')plt.savefig('sample.HD.spatial.png',bbox_inches = 'tight')配受体，我们就跑前10
29420编辑于 2025-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号