- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术集锦
练习9—数据计算
解题步骤 （1）定义变量； （2）接收用户输入； （3）函数计算； （4）输出结果； Java import java.util.Scanner; public class E20210814 d-division]:"); getchar(); scanf("%c", &c); calculate(a, b, c); return 0; } 说明 因为有四种计算类型 ，所以我们使用switch-case语句解决，注意除法计算中除数不为 0 的条件判断，且case后需为常量，这里使用字符做判断条件，加上单引号‘’变为字符常量。
30720编辑于 2022-06-03 - 来自专栏NebulaGraph 技术文章
图计算 on nLive：Nebula 的图计算实践
图计算之 nebula-plato [图计算 on nLive：Nebula 的图计算实践] nebula-plato 的分享主要由图计算系统概述、Gemini 图计算系统介绍、Plato 图计算系统介绍以及 图计算系统 图的划分 [图计算 on nLive：Nebula 的图计算实践] 图计算系统概述部分，着重讲解下图的划分、分片、存储方式等内容。 [图计算 on nLive：Nebula 的图计算实践] （图：以顶点为中心的编程模型） [图计算 on nLive：Nebula 的图计算实践] （图：以边为中心的编程模型） 这两种模式以顶点为中心的编程模型比较常见 Gemini 图计算系统 Gemini 图计算系统是以计算为中心的分布式图计算系统，这里主要说下它的特点： CSR/CSC 稀疏图/稠密图 push/pull master/mirror 计算/通信 协同工作 Nebula 图计算 [图计算 on nLive：Nebula 的图计算实践] 目前 Nebula 图计算集成了两种不同图计算框架，共有 2 款产品：nebula-algorithm 和 nebula-plato
2.3K40编辑于 2022-02-22 - 来自专栏Android-薛之涛
Android-.9图详解
Android设备适配，图片方面很重要的一部分就是.9图的使用了，我们今天就来记录一下。 1. 什么是.9.png图片，和普通png图片的区别？ .9.png图片本质上还是png图片，区别是.9.png图比正常的png图片在最外围多了1px的边框，这就允许我们在这个1px的边框上定义图片的可拉伸区域以及图片的内容区域。 这也就是说.9.png的制作实际上就是我们在这1px的边框上按我们的需求,把对应位置设置为黑线，然后系统帮我们自动拉伸了。 2. .9图四个边的黑线(黑点)的意义？ 正常显示 可以看到，如果我们的文字少还可以，如果文字过多，就会出现背景图不能随文字的增多而自动拉伸，真丑。 开始制作.9图 先说一下底部复选框的含义： ? 3.如果发现你的点9图片太小或者极小，可以拖动图片下方的zoom放大图片，然后就可以精确操作了。 .9图各边框含义 ? image.png 处理为.9图之后 ? .9图显示 完毕！
3.9K20发布于 2018-10-09 - 来自专栏Python与算法之美
动态计算图
Pytorch底层最核心的概念是张量，动态计算图以及自动微分。 本节我们将介绍 Pytorch的动态计算图。 包括： 动态计算图简介 计算图中的Function 计算图和反向传播 叶子节点和非叶子节点 计算图在TensorBoard中的可视化 一，动态计算图简介 ? Pytorch的计算图由节点和边组成，节点表示张量或者Function，边表示张量和Function之间的依赖关系。 Pytorch中的计算图是动态图。这里的动态主要有两重含义。 第一层含义是：计算图的正向传播是立即执行的。无需等待完整的计算图创建完毕，每条语句都会在计算图中动态添加节点和边，并立即执行正向传播得到计算结果。 第二层含义是：计算图在反向传播后立即销毁。 下次调用需要重新构建计算图。
2.5K30发布于 2020-07-20 - 来自专栏前端知识分享
第9天：CSS精灵图
今天重点学习了CSS精灵图。 “CSS精灵”，英语css sprite，所以也叫做“CSS雪碧”技术。 但是用了css精灵，小图片变为了一张图，http请求只有1个了。 DOCTYPE html> 2 <html lang="en"> 3 <head> 4 <meta charset="UTF-8"> 5 <title>精灵图练习</title> 6 <style> 7 .box{ 8 height:138px; 9 } 10 .box span{ 11
1.2K30发布于 2018-09-11 - 来自专栏运维之美
9 张图带你搞懂 Istio
图 1 显示了一个 Kubernetes 集群，该集群有两个节点和 4 个 Pod，每个 Pod 都有一个容器。 我们可以在图 2 中看到更多细节: 图 2 显示了与图 1 相同的示例，只是更详细一些。Kubernetes 中的服务是由运行在每个节点上的 Kube-proxy 组件实现的。 在图 2 中，我们看到 Kubernetes API 对每个 Kube-proxy 进行编程。每当服务配置或服务的 Pods 发生更改时，就会发生这种情况。 Kubernetes Istio 现在我们来看一个配置了 Istio 的相同示例: 图 3 显示安装了 Istio，它随 Istio 控制平面一起提供。 这里发生了什么图 1-5 显示了使用 Nginx 和 Python Pod 的 Kubernetes 应用程序的相同示例。
3.5K21发布于 2020-12-08 - 来自专栏GiantPandaCV
回炉重造：计算图
有的，那就是我们需要说的计算图 计算图 我们借用「图」的结构就能很好的表示整个前向和后向的过程。形式如下 ? 我们再来看一个更具体的例子 ? （这幅图摘自Paddle教程。 9个梯度，分别对应着3x3卷积核每个权重的梯度 卷积层求导的延申 其实卷积操作是可以被优化成一个矩阵运算的形式，该方法名为img2col 这里简单介绍下 ? torch import numpy as np inputv = np.array( [ [1, 2, 3, 4], [5, 6, 7, 8], [9, 静态图 在tf1时代，其运行机制是静态图，也就是「符号式编程」，tensorflow也是按照上面计算图的思想，把整个运算逻辑抽象成一张「数据流图」 ? 在静态图里我们可以优化到同一层级，乘法和加法同时做到 总结 这篇文章讲解了计算图的提出，框架内部常见算子的反向传播方法，以及动静态图的主要区别。
3.3K20发布于 2020-08-10 - 来自专栏技术成长
图的排序计算和传播计算
图片图的排序计算一种流行的拓扑排序算法是Kahn算法，具体步骤如下：统计每个顶点的入度（即有多少个顶点指向该顶点）。将入度为0的顶点加入到一个队列中。 处理有环图的拓扑排序问题：如果一个图存在环，那么无法进行拓扑排序。在Kahn算法中，如果最后还存在入度不为0的顶点，那么说明图中存在环。 图的传播计算一种常见的图传播模型是SIR模型，该模型描述了病毒传播的过程。下面是对SIR模型的简要介绍：SIR模型SIR模型将一个图表示为一个网络，网络中的节点代表个体，边表示节点之间的联系。 预测信息在网络中的传播路径可以基于以下的图算法：广度优先搜索 (BFS)：该算法从某个指定的节点出发，在图中逐级扩展搜索，以找到特定节点或满足特定条件的节点。 DFS通常比BFS更适用于探索图的整个结构，而不仅仅是在最短路径上进行搜索。PageRank算法：PageRank算法是一种将节点排名按照重要性进行排序的算法。
84861编辑于 2023-10-29 - 来自专栏技术成长
图的社区计算和嵌入计算
图片图的社区计算社区发现是指在一个图中，将节点分割成若干个互不相交的子集，使得子集内节点之间的连接更加密集，而子集之间的连接较为稀疏。 以上是一种用于发现社区的算法，但并不是唯一的方法，还有许多其他的社区发现算法可以应用于不同的情况和图结构。图的嵌入计算图嵌入是将一个图映射到低维空间中的过程。 MDS可以用于对图的邻接矩阵计算节点的向量表示。局部线性嵌入（LLE）：LLE是一种非线性降维方法，它通过将每个节点表示为其邻居节点的线性组合的方式来进行降维。 Isomap可以用于计算图中节点的向量表示。图卷积神经网络（GCN）：GCN是一种基于深度学习的图嵌入方法，它通过在每个节点上应用卷积操作来学习节点的向量表示。 图注意力网络（GAT）：GAT是一种使用注意力机制的图嵌入方法，它能够自适应地学习每个节点与其邻居节点之间的关系。GAT可以通过多层注意力操作来计算节点的向量表示。
93792编辑于 2023-10-30 - 来自专栏数据小魔方
sparklines迷你图系列9——Composition(Pareto)
今天继续跟大家分享sparklines迷你图系列9——Composition中的Pareto。 其实就是在很久以前分享过的帕累托图，当时分享的时候是通过一个柱形图+折线图（柱形图是按照指标大小从左至右降序排列的，折线图是累计百分比）来完成的。 这里所要分享的帕累托图，省掉了柱形图，只剩累计百分比系列。 具体的参数及含义如下： ? ? ?
67470发布于 2018-04-11 - 来自专栏Postgresql源码分析
Postgresql源码（9）PinUnpinBuffer流程图
流程图 私有缓存的维护 等待进程唤醒 拿的锁在state中的一位，原子操作 spin等锁 PinBuffer static bool PinBuffer(BufferDesc *buf, BufferAccessStrategy
29120编辑于 2022-05-12 - 来自专栏机器学习/数据可视化
Highcharts-9-双饼图绘制
Highcharts-9-双饼图制作 本文中只介绍一种和饼图相关的图形：双饼图 双饼图 效果 代码 # -*- coding: utf-8 -*- """ 说明：制作双饼图 作者：Peter """ # 'drilldown': { 'name': 'Opera versions', 'categories': ['Opera 9. color': 'Highcharts.getOptions().colors[4]' } }] options = { 'chart': { # 图表类型：饼图
1.6K20发布于 2021-03-07 - 来自专栏java工会
9张图带你认识SpringCloud框架
9、分布式事物，我认为这是分布式最困难的，因为不同的业务集群都对应自己的数据库，互相数据库不是互通的，互相服务调用只能是相互接口，有些甚至是异地的，这样造成的结果就是网络延迟造成的请求等待，网络抖动造成的数据丢失 跨域时序图 ? Eureka与Ribbon整合工作原理 ? 解决分布式一致性 ? 级联故障流程 ? 断路器组件Hystrix工作原理 ? 分布式追踪Sleuth工作原理 ?
1.1K10发布于 2019-10-15 - 来自专栏机器学习/数据可视化
pyecharts-9-绘制桑基图
pyecharts-9-桑基图绘制 本文详解地介绍了如何制作桑基图，使用的可视化库是强大的Pyecharts(版本1.7.1，版本一致很重要)。 文章将从如下几个方面进行介绍： 什么是桑基图 2个官网demo 原始数据整理 绘图数据生成 桑基图绘制 ? 什么是桑基图 桑基图（桑葚图），也叫桑基能量分流图或者桑基能量平衡图，里面的桑基其实是一个人名，全名是马修·亨利·菲尼亚斯·里尔·桑基（Matthew Henry Phineas Riall Sankey 绘制桑基图 我们通过官网的2种不同方式来绘制桑基图 方式1 这种方式比较简单：直接将上面得到的nodes_list和links_list整体放入绘图的代码中： # 需要事先导入，否则jupyter notebook 得到的桑基图在notebook中是动态的图形： ?
2.6K31发布于 2021-03-01 - 来自专栏TechBlog
PyTorch: 计算图与动态图机制
文章目录 计算图 PyTorch的动态图机制 计算图 计算图是用来描述运算的有向无环图 计算图有两个主要元素： 结点 Node 边 Edge 结点表示数据：如向量，矩阵，张量 边表示运算：如加减乘除卷积等 用计算图表示：y = (x+ w) * (w+1) a = x + w b = w + 1 y = a * b 计算图与梯度求导 y = (x+ w) * (w+1) a = x + w 计算图与梯度求导 y = (x+ w) * (w+1) 叶子结点 ：用户创建的结点称为叶子结点，如 X 与 W is_leaf: 指示张量是否为叶子结点 叶子节点的作用是标志存储叶子节点的梯度，而清除在反向传播过程中的变量的梯度 根据计算图搭建方式，可将计算图分为动态图和静态图 动态图 运算与搭建同时进行 灵活 易调节 例如动态图 PyTorch： 静态 先搭建图， 后运算 高效 不灵活。 静态图 TensorFlow
2.9K10编辑于 2022-11-13 - 来自专栏技术成长
图的度计算和相似度计算
图片图的度计算对于一个无向图，节点的度数表示该节点连接的边的数量。 可以通过以下公式计算某个节点的度数：度数 = 与节点相连的边的数量对于一个有向图，节点的出度表示从该节点出发的边的数量，入度表示指向该节点的边的数量。 可以通过以下公式计算某个节点的出度和入度：出度 = 从节点出发的边的数量入度 = 指向节点的边的数量图的相似度计算一种用于计算节点相似度的算法是节点结构相似度算法。 该算法基于两个节点之间的结构相似性来计算节点的相似度。首先，将每个节点的邻居节点及其边的类型记录下来，构建节点的邻接矩阵。对于两个节点i和j，分别计算它们的邻居节点集合Ni和Nj。 计算节点i的邻居节点与节点j的邻居节点的交集大小，记为A。计算节点i的邻居节点与节点j的邻居节点的并集大小，记为B。计算节点j的邻居节点与节点i的邻居节点的交集大小，记为C。
1.7K61编辑于 2023-10-29 - 来自专栏AI系统
AI框架跟计算图什么关系？PyTorch如何表达计算图？
本节将会以AI概念落地的时候，遇到的一些问题与挑战，因此引出了计算图的概念来对神经网络模型进行统一抽象。接着展开什么是计算，计算图的基本构成来深入了解诶计算图。 因此派生出了目前主流的深度学习框架都选择使用计算图来抽象神经网络计算。图片计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 $$ x_{mat} = \begin{bmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 \end{bmatrix} $$x_mat = [[1, 2, 3], [4 , 5, 6], [7, 8, 9]]图中对标量、向量、矩阵进行形象化表示：图片张量张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。 PyTorch计算图动态计算图在Pytorch的计算图中，同样由节点和边组成，节点表示张量或者函数，边表示张量和函数之间的依赖关系。其中Pytorch中的计算图是动态图。这里的动态主要有两重含义。
1.7K30编辑于 2023-07-23 - 来自专栏腾讯技术工程官方号的专栏
娓娓道来图模型、图查询、图计算和图学习知识
图计算可以作为对图查询的一个补充，图查询是直接获取关联的信息，而图计算的目标则是计算出基于关联结构蕴藏在点边中的信息，而且，图计算结果本身可以再存储到图数据库中作为图查询的查询目标。 对于希望借力图计算提升业务效果的同行来说，重点要关注两个方面，首先是图计算的结果怎么用，其次是如何高效算出图计算的结果。 对于图计算能起到多大作用问题，难以一概而论。 鉴于图计算任务大都是计算和资源均密集型的，明确图计算对业务助力的效果应该优于图计算在计算效率上的提升。图计算算法可达数十种，每种有各自适用的场景。 已有的图计算工作的宣传也侧重计算效率的提升，并没有很全面地解答图计算对业务的提升效果如何。例如，对于连通分量来说，作为经典的图计算的问题，在各大公司内部什么场景，起到多大的业务提升作用？ 值得注意的是，目前图计算对异构图的支持有限，针对异构图的计算优化与实际图数据的构图形式有较大的关联，因此难以有通用的图计算系统或算法，但实际业务中的图计算往往更关注异构图。
4.2K33发布于 2021-01-26 - 来自专栏进击的Coder
计算图演算：反向传播
计算图 谈及计算，有人可能又要为烦人的计算公式头疼了，所以本文用了一种思考数学表达式的轻松方法——计算图。以非常简单的e=(a+b)×(b+1)为例，从计算角度看它一共有3步操作：两次求和和一次乘积。 为了计算图中的偏导数，我们先来复习这两个求和规则和乘积规则： ? 已知a=2，b=1，那么相应的计算图就是： ? 如上图所示，X到Y有3条路径，Y到Z也有3条路径，如果要计算∂Z/∂X，我们要计算的是3×3=9条路径的偏导数的和： ? 这还只是9条，随着模型变得越来越复杂，相应的计算复杂度也会呈指数级上升。 通过分解路径，这个式子能更高效地计算总和，虽然长得和求和等式有一定差异，但对于每条边它确实只计算了一次。 前向模式求导从计算图的输入开始，到最后结束。 虽然你以前可能没想过从计算图的角度来进行理解，但这样一看，其实前向模式求导和我们刚开始学微积分时接触的内容差不多。 另一方面，反向模式求导则是从计算图的最后开始，到输入结束。
2K21发布于 2019-09-04 - 来自专栏AI科技大本营的专栏
TensorFlow中的计算图
计算图表现为有向无环图，定义了数据的流转方式，数据的计算方式，以及各种计算之间的相互依赖关系等。 2 计算图的基本组成 TensorFlow的计算图粒度比较细，由节点和有向边组成（后来也加入了层）。相比之下，腾讯的开源机器学习平台Angel，其计算图的粒度较粗，由层（Layer）组成。 3 计算图的运行 TensorFlow中可以定义多个计算图，不同计算图上的张量和运算相互独立，因此每一个计算图都是一个独立的计算逻辑。 3.1 图的启动 启动计算图的第一步是创建一个会话（Session）对象，如果没有任何的创建参数，会话构造器将启动默认图。 一个Session可以运行多个计算图，一个计算图也可以在多个Session中运行。
2.7K10发布于 2019-10-13
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