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mysql

    hhdb数据库介绍(10-5)

    管理用户界面的审计日志主要用来查看管理用户对管理平台的操作记录,同时可查看所有纳管的计算节点集群内普通用户的基本操作。

    67910编辑于 2025-03-13
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 10-5 精确率和召回率的平衡

    ▲逻辑回归算法 逻辑回归算法的原理:通过训练模型找到一组参数θ,θ的转置与某个样本特征Xb进行点乘运算,最终的运算结果和0进行比较: 如果θT点乘Xb的值大于等于0的话,经过Sigmoid函数计算的结果 因此算法将这个样本分类为1; 如果θT点乘Xb的值小于0的话,经过Sigmoid函数计算的结果p_hat就小于0.5,样本分类为1的概率值小于0.5,因此算法将这个样本分类为0; 基于逻辑回归算法的基本原理

    4.6K51发布于 2020-04-26
  • 来自专栏完美Excel

    VBA专题10-5:使用VBA操控Excel界面之隐藏取消隐藏及最小化功能区

    可以重命名和隐藏内置选项卡和内置组,改变其在功能区中的顺序。然而,不能重命名和隐藏内置控件,修改内置控件的图标,修改功能区内置组中内置控件的顺序。

    4.3K30发布于 2020-08-17
  • 来自专栏前端知识分享

    第27天:js-表单获取焦点和数组声明遍历

    45

  • 46
  • 47 上证指数364110 48
  • 49
  • 50 上证指数364110 51
  • 52
  • 53 上证指数364110 54
  • 55
  • 56 上证指数364110 57
  • 58
  • 59 上证指数364110

4.6K20发布于 2018-09-11
  • 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10-5 递归计算Ackermenn函数

    习题10-5 递归计算Ackermenn函数 本题要求实现Ackermenn函数的计算,其函数定义如下: ?

    84410发布于 2020-09-15
  • 来自专栏Hadoop数据仓库

    维度模型数据仓库(十五) —— 多重星型模式

    实际生产环境每天定期装载应该共用一个调度,也即应该把清单(五)- 10-5里的脚本并入每天定期装载脚本中,并且针对使用cdc_time表做相应的修改。 -5         Kettle定期装载工厂维度表和产品事实表如图(五)- 10-5到图(五)- 10-22所示。 图(五)- 10-5 图(五)- 10-6 图(五)- 10-7 图(五)- 10-8 图(五)- 10-9 图(五)- 10-10 图(五)- 10-11 运行完清单(五)- 10-5里的脚本以后,需要把系统日期设置成任意晚于上一篇“杂项维度”设置的日期。这里设置系统日期为2015年3月18日。 先把系统日期设置为2015年3月19日,然后执行清单(五)- 10-5里的脚本或对应的Kettle定期装载作业。

    65520编辑于 2022-12-02
  • 来自专栏Java技术圈子

    编译与优化

    Javac编译动作的入口是 com.sun.tools.javac.main.JavaCompiler类,上述3个过程的代码逻辑集中在这个类的compile()和compile2() 方法里,其中主体代码如图1010-5 Javac编译过程的主体代码 10.2.3 注解处理器 JDK 5之后,Java语言提供了对注解(Annotations)的支持,注解在设计上原本是与普通的Java代 码一样,都只会在程序运行期间发挥作用的 在本章之前的内容里出现过许多优化措施的专业名词, 有一些是编译原理中的基础知识,譬如方法内联,只要是计算机专业毕业的读者至少都有初步的概念;但也有一些专业性比较强的名词,譬如逃逸分析,可能不少读者只听名字很难想象出来这个优化会做什么事情

    66720编辑于 2023-02-28
  • 来自专栏机器学习与自然语言处理

    Stanford机器学习笔记-10. 降维(Dimensionality Reduction)

    在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维),投影结果为图10-5的(1)所示,这样似乎还不错。那为什么不用蓝色线所画平面(不妨称之为平面s2)进行投影呢? 可以想象,用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出,对当前样本而言,s1平面比s2平面的最近重构性要好(样本离平面的距离更近);由图10-5可以很明显的看出,对当前样本而言,s1平面比

    1K80发布于 2018-03-13
  • 来自专栏wujunmin

    Power BI自定义业绩达成华夫饼图

    /生成1-100的序号 VAR tWaffle=ADDCOLUMNS(tPlusPlus,"circle","<circle cx='"&[Value]*10-5&"' cy='"&[Value1]*<em>10</em> 100,0)&"%"&"</text> </svg> " Return IF(HASONEVALUE('业绩表'[店铺]),Chart,BLANK()) 设置为图像URL并放入矩阵即可正常显示: 原理是生成两个

    1.2K30编辑于 2021-12-27
  • 来自专栏全栈程序员必看

    ping原理和Traceroute原理

    ping原理 ping主要是用来探测主机和主机之间是否可以进行通信,如果不能ping到某台主机,表示不能与这台主机建立连接。ping使用的是ICMP协议,他发送ICMP回送请求消息给目的主机。 Traceroute原理 Traceroute是用来侦测由源主机到目的主机所经过的路由的情况的重要工具,也是最简洁的工具,尽管ping可以进行侦测,但是ping受到IP头的限制(IP首部字段最多只能放9 Traceroute原理:其实Traceroute的原理很简单,他收到目的主机IP后,首先给目的主机发送一个TTL=1(TTL指生存时间)的udp数据包,而经过的第一个路由器收到这个数据包之后,自动把TTL

    1K20编辑于 2022-09-16
  • 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

    31110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。

    1K10编辑于 2022-06-22
  • 来自专栏全栈程序员必看

    bert原理详解(duhamel原理)

    一文读懂BERT(原理篇) 2018年的10月11日,Google发布的论文《Pre-training of Deep Bidirectional Transformers for Language Understanding 明白每一个节点是怎么获取hidden state之后,接下来就是decoder层的工作原理了,其具体过程如下: 第一个decoder的节点初始化一个向量,并计算当前节点的hidden state,把该hidden BERT原理详解 从创新的角度来看,bert其实并没有过多的结构方面的创新点,其和GPT一样均是采用的transformer的结构,相对于GPT来说,其是双向结构的,而GPT是单向的,如下图所示

    1.6K10编辑于 2022-08-01
  • 来自专栏全栈程序员必看

    fastdfs工作原理(技术原理)

    本次分享的主要内容包含:FastDFS各角色的任务分工/协作,文件索引的原理设计以及文件上传/下载操作的流程。

    1.8K30编辑于 2022-07-28
  • 来自专栏机器学习算法与Python学习

    机器学习(8) -- 降维

    在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维),投影结果为图10-5的(1)所示,这样似乎还不错。那为什么不用蓝色线所画平面(不妨称之为平面s2)进行投影呢? 可以想象,用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出,对当前样本而言,s1平面比s2平面的最近重构性要好(样本离平面的距离更近);由图10-5可以很明显的看出,对当前样本而言,s1平面比

    1.1K100发布于 2018-04-04
  • 来自专栏全栈程序员必看

    Feign原理 (图解)_feign原理

    为了清晰的介绍SpringCloud中Feign运行机制和原理,在这里,首先为大家梳理一下Feign中几个重要组件。 在原理上,简单的使用了delegate包装代理模式:Ribben负载均衡组件计算出合适的服务端server之后,由内部包装 delegate 代理客户端完成到服务端server的HTTP请求;所封装的

    5.3K40编辑于 2022-11-10
  • 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 =

    61820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

    5.1K20发布于 2020-11-05
  • 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。

    2K10编辑于 2023-12-07
  • 来自专栏全栈程序员必看

    RXJava原理_JavaScript的执行原理

    既然rxjava是基于观察者来组建自己的逻辑的,那么我们就来创建观察者(Observer/Subscriber),被观察者(Observable),然后二者建立订阅的关系(就好像那根电线连接台灯和开关)实现台灯观察开关的具体模式,并且在传递过程中对事件进行处理(比如:降低电压)。 Tips: Observer是观察者的接口,Subscriber是实现该接口的抽象类,因此这两个类都可以作为观察者,只是Subscriber在Observer的基础上加入了一下拓展,加入了新的一些方法,所以一般更倾向于Subscriber作为观察者,下面我们就来敲一遍:

    98620编辑于 2022-11-01
  • 领券