- 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
75030发布于 2020-08-11 - 来自专栏mysql
hhdb数据库介绍(10-3)
雷达图： 雷达图展示体检中五个维度的扣分情况，若该维度扣分越少即高亮部分越接近雷达图边界代表该维度体检良好。鼠标移入雷达图内可查看每个维度的详细扣分以及该维度所有体检项的占比总分。
62910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。
2.1K30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。
2.4K20发布于 2020-07-16 - 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 因此，特征图的Output_shape = (8,8,1) model1=keras.models.Sequential() model1.add(Conv2D(filters=1,kernel_size 因此，特征图的Output_shape = (8,8,5) model2=keras.models.Sequential() model2.add(Conv2D(filters=5,kernel_size 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 因此，特征图的Output_shape = (8,8,5) model3=keras.models.Sequential() model3.add(Conv2D(filters=5,kernel_size
1.2K30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
图9-1 从图9-1中可以看出AMQP的性能要比REST的快近一倍，可以我们就可以做出一些选择了，在什么场景下应该用什么协议，另外在选择协议时性能并不是唯一的考虑因素，在第十章将会为大家介绍除了性能还需要考虑的点是什么 图10-1 使用异步方式的好处不仅提升了整体性能，还增加了一些可靠性的因素，另外也不需要担心超时问题和在程序中设置断路器模式。 图10-2 10.3 事务请求 消息系统需要支持事务消息的概念，这意味着如果消息被发送到多个队列或Topic中，在发送方对该事务进行提交之前， 这些消息实际上不会被接收方所接收。 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。
71620发布于 2018-08-22 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图9-3 为辅助虚拟机选择数据存储 （4）在”选择主机”对话框，为辅助虚拟机选择主机，如图9-4所示。辅助虚拟机、主机要运行在不同的主机上。 图10-1 启动容错虚拟机 （2）打开控制台，可以看到虚拟机正在启动，如图10-2所示。 图10-2 容错虚拟机正在启动 （3）在vSphere Web Client控制台中，在”摘要”选项卡中可以看到当前容错虚拟机，所在的主机为192.168.80.11，如图10-3所示。 图10-3 容错虚拟机所在主机 （4）在左侧选择另一个ESXi主机192.168.80.12，在”Virtual Machine”列表中可以看到正在运行的辅助虚拟机，如图10-4所示。 图10-5 父资源池中可用内存资源不足 11 其他 vSphere Web Client控制台中，各个窗口可以向四个方向拖动，如图11-1所示。 图11-1 拖动窗口 图11-2 拖动到指定位置
1.5K40编辑于 2021-12-23 - 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10-1展示了深度学习模型的训练流程图。深度学习模型的训练是一个迭代的过程。 深度学习模型训练流程图 异步模式深度学习模型训练流程图 然而使用异步模式训练的深度学习模型有可能无法达到较优的训练结果。图10-3中给出了一个具体的样例来说明异步模式的问题。 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。
1.3K70发布于 2018-05-02 - 来自专栏CSDN技术头条
实战Google深度学习框架：TensorFlow计算加速
图10-1 深度学习模型训练流程图 ? 图10-2 异步模式深度学习模型训练流程图 然而使用异步模式训练的深度学习模型有可能无法达到较优的训练结果。 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 ?
1.5K80发布于 2018-02-12 - 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。
97210发布于 2020-09-15 - 来自专栏气象学家
Science Advances | 清华大学团队揭示气候变化下全球中低纬度海洋绿度和藻类暴发频率下降趋势
BGC-Argo浮标实测数据，并结合海表温度、盐度、气压、混合层深度、光合有效辐射等关键环境因子作为输入，成功构建了2001–2023年全球海洋表层日尺度、0.25°×0.25°空间分辨率的叶绿素a浓度数据集(图1 图1 OCNET模型重构全球海洋叶绿素a浓度数据流程图 研究表明，全球中低纬度海洋的“绿度”整体呈现显著衰减，叶绿素a浓度以(-0.35±0.10)×10-3 mg·m-3·yr-1的速率下降。 沿海区域降幅更为显著，达每年(-0.73±0.22)×10-3 mg·m-3(图2)。其中，北半球的叶绿素a浓度显著衰退的区域面积约为增长区的4.4倍(图2A)。 同时，沿海区域高叶绿素a极端事件发生频率明显降低，约73%的沿海区域呈下降趋势，全球年平均降幅为1.78%(图2B，E)。 进一步分析表明，海表温度升高对叶绿素a浓度变化具有显著抑制作用。 图2 2001–2023年中低纬度海洋叶绿素a浓度和 沿海叶绿素a极端事件的变化趋势 本研究在技术层面突破了海洋水色遥感的缺值瓶颈，实现海洋大数据与人工智能方法的深度融合。
7910编辑于 2026-03-25 - 来自专栏小鹏的专栏
CNN图图图
? ?
1.2K50发布于 2018-01-09 - 来自专栏人工智能头条
实战Google深度学习框架：TensorFlow计算加速
图10-1 深度学习模型训练流程图 ? 图10-2 异步模式深度学习模型训练流程图 然而使用异步模式训练的深度学习模型有可能无法达到较优的训练结果。 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 ?
1K50发布于 2018-06-06 - 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）
从图9-1中可以看出AMQP的性能要比REST的快近一倍，可以我们就可以做出一些选择了，在什么场景下应该用什么协议，另外在选择协议时性能并不是唯一的考虑因素，在第十章将会为大家介绍除了性能还需要考虑的点是什么 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。
98050发布于 2018-02-01 - 来自专栏作图丫
6分+的m6A修饰+ceRNA分析，用在线工具就能完成！
图1 为了进一步评估GLUT1在ESCA中的表达，使用TCGA RNA-seq数据和GEO数据集进行分析，发现肿瘤组织中GLUT1 mRNA水平显著升高(图1C)。 热图显示了与GLUT1分别呈正相关(图2B)和负相关(图2C)的前50个显著基因。 GO功能富集显示，GLUT1共表达主要参与细胞骨架的结构成分、中间丝结合、细胞-细胞粘附连接、表皮发育(图2D)。 如图3A所示，GLUT1的表达与B细胞(P=8.65×10-6)、CD4+T细胞(P=5.02×10-3)、巨噬细胞(P=2.53×10-3)和树突状细胞(P=3.81×10-2)的水平呈负相关。 维恩图显示了在PITA、miRanDa和TargetScan软件中GLUT1靶标miRNA的预测结果。3个数据库共预测了14个靶miRNAs（图5A）。 图5 作者使用miRNet和starBase在线数据库进一步预测可能与三个靶miRNA结合的lncRNA，并通过维恩图展示它们(图6A-C)。
93520编辑于 2022-04-28 - 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
图（五）- 10-2 图（五）- 10-3 图（五）- 10-4 工厂的信息很少改变，所以可能希望在一个CSV文件里提供任何关于工厂的最新信息。 执行清单（五）- 10-3里的脚本创建过渡表。 factory_zip_code INT(5), factory_city VARCHAR(30), factory_state VARCHAR(2) ); 清单（五）- 10 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 图（五）- 10-12 图（五）- 10-13 图（五）- 10-14 图（五）- 10-15 图（五）- 10-16 图（五）- 10-17
62020编辑于 2022-12-02 - 来自专栏全栈程序员必看
latex中插入图片[通俗易懂]
第四行表示图题。 （2）并排插入两张图片（每张图片有自己的图题），这种方法会使latex中图片的编号顺序向后增加。 minipage}[t]{0.45\linewidth} \centering \includegraphics[width=5.5cm,height=3.5cm]{10} \caption{第一张图片的图题 \end{minipage} \end{figure} （3）并排插入两张图片，公用一个大的图题，图片的编号只增加一个 \begin{figure}[ht] \centering \subfigure [width=4cm]{11-2}} \caption{两张图片公用的图题} \end{figure} 这里第二中方法和第三种方法的不同之处在于第二种方法中排版两张图片后图片的图题编号会向后增加2个，而第三种只会增加一个 { \includegraphics[width=2.5cm]{10-2}} \hspace{0in} { \includegraphics[width=2.5cm]{10-3}} \hspace{0in
3.9K20编辑于 2022-09-06 - 来自专栏各类技术文章~
vue图片加载（默认图、小图、加载图、大图、加载失败图）
但是对于一些特殊场景就需要对图片特殊处理，比如：默认图、大小图、加载图等。 在此介绍一下图片处理涉及到的情况：图片使用阿里云OSS图片，里面有涉及到对原图（会大于20兆）处理为小图，但是阿里云最大只支持20兆的图片进行处理，因此有些图片无法使用小图；如果对那部分图片直接使用原图会对性能有很大影响 为了解决上述问题，如果小图可以加载，则直接使用小图，如果小图不能加载，则先使用加载中的图片去渲染，当原图加载成功以后，渲染上对应的原图，如果当原图也渲染失败（比如服务器响应客户端最大时间为30秒，网速过慢导致该时间内未完成 ", // 小图加载失败，会先使用loading图片占位，避免页面卡顿，等待大图加载完成使用大图 small: "https://xixixi.net.cn/resources/images ，大图可以使用时返回大图地址 } } bigImage.onerror = function() {
4.8K00发布于 2021-10-31 - 来自专栏数据小魔方
旋风图（蝴蝶图）
今天要给大家分享的图表是旋风图！ ▽▼▽ 其实我更喜欢叫这种图为蝴蝶图，因为图表两侧像一对翅膀一样，这种图表多用于某个事物的两种不同指标对比，如同一个年龄段两种产品的用户比例，同一种产品在接连两年的销量或者利润等指标。 ►然后利用原数据做簇状柱形图： ? ►由于条形图默认图表的固有缺陷，我们需要设置逆序类别，将条形图数据条顺序调整至与原数据区域相同（回复036查看反转条形图数据序列） ?
2.3K50发布于 2018-04-10 - 来自专栏代码生涯
UML图之类图
对UML图的记录，只为更好 学习和理解程序 一、UML图 UML 又称 统一建模语言，是用来设计软件的可视化建模语言。它的特点是简单、统一、图形化、能表达软件设计中的动态与静态信息。 UML 从目标系统的不同角度出发，定义了9 种图： 用例图 类图 对象图 状态图 活动图 时序图 协作图 构件图 部署图 本文记录的是UML图中的类图。 二、类图 类图 是显示了模型的静态结构，特别是模型中存在的类、类的内部结构以及它们与其他类的关系等。类图不显示暂时性的信息。类图是面向对象建模的主要组成部分。 2.1 类图的作用 在软件工程中，类图是一种静态的结构图，描述了系统的类的集合，类的属性和类之间的关系，可以简化了人们对系统的理解； 类图是系统分析和设计阶段的重要产物，是系统编码和测试的重要模型。 例如，汽车和船实现了交通工具，其类图如图 9 所示。
60940编辑于 2023-10-21
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