- 综合排序
- 最热优先
- 最新优先
- 来自专栏初见Linux
10-3 信号
三、信号 kill 命令通常用来“ 杀死 ”（终止）进程，它可以用来终止运行不正常的程序 或 拒绝终止的程序。如下例： kill命令示例.png 我们首先在后台启动了 xlogo 程序。She
96330发布于 2020-08-11 - 来自专栏mysql
hhdb数据库介绍(10-3)
单机部署为管理平台为用户提供单个组件安装部署的功能，弥补集群部署功能中无法单独安装某个组件的缺陷。具体功能说明与操作步骤请参考安装部署文档。
1.5K10编辑于 2025-03-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-3 实现混淆矩阵，精确率和召回率
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节首先通过具体的编程实现混淆矩阵进而计算精准率和召回率两个指标，最后使用sklearn中封装的库函数实现混淆矩阵、精准率以及召回率。
2.3K30发布于 2020-04-08 - 来自专栏完美Excel
VBA专题10-3：使用VBA操控Excel界面之设置工作表（续）
要隐藏其他工作表中的行，只需使用该工作表代替ActiveSheet，例如使用Sheets(1)代表第1个工作表，或者使用Worksheets(1)代表第1个标准工作表。隐藏所有行后，行标题几乎被隐藏，但列标题仍然在工作表中。
3.1K20发布于 2020-07-16 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-3 递归实现指数函数
习题10-3 递归实现指数函数 本题要求实现一个计算xn（n≥1）的函数。
1.1K10发布于 2020-09-15 - 来自专栏DeepHub IMBA
计算卷积神经网络参数总数和输出形状
S→stride, p→padding, n→input size, f→filter size 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积滤波器对输入图像应用卷积后，输出将是一个特征映射 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积核对输入图像应用卷积后，输出将是一个特征映射
1.5K30发布于 2021-08-20 - 来自专栏微服务生态
微服务反模式与陷阱翻译终结篇
服务消费者发送一个消息到第一个服务，然后发送另一个消息的第二个服务，如图10-3所示。在服务使用者执行提交之前，这些消息都保存在队列中。一旦服务使用者执行提交，两个消息就会被释放。 ? 图10-3 在图10-3中，服务消费者将消息发送到第一个队列中，然后服务消费者业务报错， 这时可以在消息事务中进行回滚，从消息系统的队列中删除掉刚才发的消息。
88720发布于 2018-08-22 Go内存原理-GC原理
前几章我们学习了Golang内存管理的基本原理(还不清楚内存管理的童鞋请移步看内存管理系列)。现在我们来看GC的基本原理是什么? 防止内存泄漏GC的算法随着go语言版本的更新而不断变化 goV1.3之前标记-清除(mark and sweep)算法 goV1.5三色标记法 goV1.8三色标记法+混合写屏障法 我们将对以上算法进行原理剖析触发
50010编辑于 2025-06-26- 来自专栏深入理解Android
Flutter原理—深入Widget原理
事实上在 Flutter 中渲染是经历了从 Widget 到 Element 再到 RenderObject 的过程。
1.2K10编辑于 2022-06-22 - 来自专栏Java技术栈
卧槽！Dozer 宣布停止维护，不要再用了。。
www.baeldung.com/java-performance-mapping-frameworks 实测结果： Framework Name p0.90 p0.999 p1.0 JMapper 10 -3 0.008 64 MapStruct 10-3 0.010 68 Orika 0.006 0.278 32 ModelMapper 0.083 2.398 97 Dozer 0.146 4.526
1.3K10编辑于 2022-03-03 - 来自专栏北京马哥教育
实战Google深度学习框架：TensorFlow计算加速
图10-3中给出了一个具体的样例来说明异步模式的问题。其中黑色曲线展示了模型的损失函数，黑色小球表示了在t0时刻参数所对应的损失函数的大小。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 异步模式训练深度学习模型存在的问题示意图 同步模式深度学习模型训练流程图 为了避免更新不同步的问题，可以使用同步模式。
1.6K70发布于 2018-05-02 - 来自专栏黎鹤舞的编程技术栏
常用的数据单位符号
负数单位符号 十进制（SI） 二进制（计算机存储） 数据速率单位 d = 10-1 1 KB = 1,000(103) B 1 KB = 1,024 (210)B 1 Kbps = 1,000 bps m = 10
57500编辑于 2024-05-27 - 来自专栏CSDN技术头条
实战Google深度学习框架：TensorFlow计算加速
图10-3中给出了一个具体的样例来说明异步模式的问题。其中黑色曲线展示了模型的损失函数，黑色小球表示了在t0时刻参数所对应的损失函数的大小。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 ? 图10-3 异步模式训练深度学习模型存在的问题示意图 ?
1.7K80发布于 2018-02-12 - 来自专栏用户1175783的专栏
# 原理
原理 定义一个同样大小数组来存方排序结果，并定义最小/最大值变量用来记录索引。 原理图 暂无 实现 inputArr = [199383, 10, 34, -1,-32,-29, 4, 0, 34, 5, 4, 36, 1, 8, 123, 453, 1008] length =
76220编辑于 2021-12-24 - 来自专栏Linux内核那些事
GDB原理之ptrace实现原理
本文不是介绍 GDB 的使用方式，而是大概介绍 GDB 的实现原理，当然 GDB 是一个庞大而复杂的项目，不可能只通过一篇文章就能解释清楚，所以本文主要是介绍 GDB 使用的核心的技术 - ptrace ，所以这里为了填补这个空缺，下面就详细介绍一下 ptrace 的原理与实现。 ptrace实现原理 本文使用的 Linux 2.4.16 版本的内核 看懂本文需要的基础：进程调度，内存管理和信号处理相关知识。 PTRACE_TRACEME、PTRACE_SINGLESTEP、PTRACE_PEEKTEXT、PTRACE_PEEKDATA 和 PTRACE_CONT 等，而其他的操作，有兴趣的朋友可以自己去分析其实现原理 access_process_vm() 函数的实现主要涉及到 内存管理 相关的知识，可以参考我以前对内存管理分析的文章，这里主要大概说明一下 access_process_vm() 的原理。
5.3K21发布于 2020-11-05 - 来自专栏程序猿DD
都在说微服务，那么微服务的反模式和陷阱是什么（三）
服务消费者发送一个消息到第一个服务，然后发送另一个消息的第二个服务，如图10-3所示。在服务使用者执行提交之前，这些消息都保存在队列中。一旦服务使用者执行提交，两个消息就会被释放。 ? 在图10-3中，服务消费者将消息发送到第一个队列中，然后服务消费者业务报错， 这时可以在消息事务中进行回滚，从消息系统的队列中删除掉刚才发的消息。
1.2K50发布于 2018-02-01 - 来自专栏后端从入门到精通
Join原理(2)--连接原理（四十)
Join，left join，right join(1)--连接原理（三十九) Join原理 明白了左连接还右连接内连接之后，下面介绍他的原理 嵌套循环连接（Nested-Loop join） 上篇文章我们说的其实就是嵌套循环查询方法
87020编辑于 2022-07-26 - 来自专栏北洋csdn
看懂编译原理：优化范围 & 原理
优化目标原理分别是什么？ 可以分为本地优化，全局优化，过程间优化 本地优化是_**针对基本快进行的（针对顺序的执行顺序）优化。 可以看到这三个范围越来越大：一个函数里面的一个基本快，一个函数里的多个基本快，多个函数 常见的本地优化场景有哪些，原理和做法是什么？ 有些基本快分支一直不会运行，删除 公共子表达式删除：对于同一个表达式的变量，可以直接使用结果删除不必要的重复计算 删除无用变量和无用表达式（这里的无用表达式指的和上面不一样，这里特殊指代无用变量的表达式） 原理和做法是什么 删除不可达基本快和子表达式还有常熟折叠，代数优化的原理 是顺序遍历程序指令。 做法就是顺序遍历指令（如一图的子表达式删除和拷贝传播技术） 活跃性分析：删除无用变量和无用变量的计算表达式的原理是利用变量的活跃度分析进行检测。
2.1K10编辑于 2023-12-07 - 来自专栏SmartSi
Spark内部原理之运行原理
Spark核心原理透视 4.1 计算流程 ?
1.7K51发布于 2019-08-08 - 来自专栏coolblog.xyz技术专栏
AbstractQueuedSynchronizer 原理分析 - Condition 实现原理
本篇文章是上一篇文章AbstractQueuedSynchronizer 原理分析 - 独占/共享模式的续篇，在学习 Condition 的原理前，建议大家先去了解 AbstractQueuedSynchronizer 同步队列相关原理。 关于Condition的简介这里先说到这，接下来分析一下Condition实现类ConditionObject的原理。 2. 总结 到这里，Condition 的原理就分析完了。分析完 Condition 原理，关于 AbstractQueuedSynchronizer 的分析也就结束了。 总体来说，通过分析 AQS 并写成博客，使我对 AQS 的原理有了更深刻的认识。AQS 是 JDK 中锁和其他并发组件实现的基础，弄懂 AQS 原理对后续在分析各种锁和其他同步组件大有裨益。
2.5K100发布于 2018-05-05
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