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(10-4)

    默认为一分钟 定时检测异常监控 定时检测异常监控主要监控平台数据库数据备份情况和机房切换预检测 开关:默认开启 频率配置:实时通知,仅通知一次短信通知设置管理员可通过此页面配置短信通知的参数信息,包括短信通知基础设置

    76010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 10-4 F1 Score

    该来的自然来,会走的留不住;不违心、不刻意、不必太在乎、放开执念,随缘是最好的生活。

    2K20发布于 2020-04-08
  • 来自专栏完美Excel

    VBA专题10-4:使用VBA操控Excel界面之设置工作簿视图和窗口

    如果活动工作表不是标准工作表,那么上述语句执行时会导致运行时错误,因为图表工作表、宏工作表或对话框工作表没有这些视图选项。

    5K20发布于 2020-08-04
  • 来自专栏Java技术圈子

    编译与优化

    上述3个处理过程里,执行插入式注解时又可能会产生新的符号,如果有新的符号产生,就必须转回到之前的解析、填充符号表的过程中重新处理这些新符号,从总体来看,三者之间的关系与交互顺 序如图10-4所示。 图10-4 Javac的编译过程[2] 我们可以把上述处理过程对应到代码中,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 如果这些插件在处理注解期间对语法 树进行过修改,编译器将回到解析及填充符号表的过程重新处理,直到所有插入式注解处理器都没有 再对语法树进行修改为止,每一次循环过程称为一个轮次(Round),这也就对应着图10 后端编译与优化 11.1 概述 如果我们把字节码看作是程序语言的一种中间表示形式(Intermediate Representation,IR)的话, 那编译器无论在何时、在何种状态下把Class文件转换成与本地基础设施 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
  • 顶刊分享----空间免疫评分系统预测肝癌复发

    REC和非REC HCC之间最显著的差异是非REC HCC IF中NK细胞的富集评分显著高于REC HCC(P = 4.3 × 10-4),表明IF中NK细胞浸润增加的患者复发风险较低。 CD56+ ordinary NK(P = 3.5 × 10-2)、CD3-CD16+CD56+细胞毒性NK(P = 3.0 × 10-3)和CD3-CD57+ mature NK(P = 8.0 × 10 SPON2+ NK:活性和肿瘤浸润为了揭示TIMES预测能力的免疫学基础,研究了这些生物标志物在形成TME中的功能作用。 人外周血的流式细胞术分析进一步证明,SPON2+NK细胞比SPON2-NK细胞表达显著更高水平的IFNγ(P = 1.0 × 10-4)和穿孔素(P = 2.0 × 10-4)。

    25720编辑于 2025-03-17
  • 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10-4 递归求简单交错幂级数的部分和

    习题10-4 递归求简单交错幂级数的部分和 本题要求实现一个函数,计算下列简单交错幂级数的部分和: f(x,n)=x−x​2+x​3​​ −x​4+⋯+(−1)​n−1xn ​​ 函数接口定义: double

    1.5K10发布于 2020-09-15
  • 来自专栏化羽学Java

    Java实用类(五) -Math类和指定范围的随机数

    Math.random() * b )——>[a,a + b) //(int)(a + Math.random() * b )——[a,a + b) //4~9-->(int)(4 + Math.random() * (10 0; i < 20; i++) { int RandomNum = 0; //生成0~9的随机整数 RandomNum = (int)( 4+Math.random() * (10

    81320编辑于 2022-10-28
  • 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10-4 辅助虚拟机运行截图 当ESXi主机内存是4GB、5GB时,尝试启动容错虚拟机,则会弹出”父资源池中可用内存资源不足”的提示,如图10-5所示。

    1.5K40编辑于 2021-12-23
  • 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)

    10-4给出了样本在3维空间的分布情况,其中图(2)是图(1)旋转调整后的结果。 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Hadoop数据仓库

    维度模型数据仓库(十五) —— 多重星型模式

    source.factory_master; COMMIT; 清单(五)- 10-2         使用Kettle转换初始装载工厂数据只需要一个表输入和一个表输出步骤即可,如图(五)- 10-2到图(五)- 10 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)- 10-4里的脚本创建这个表。 product_code INT, production_date DATE, factory_code INT, production_quantity INT ); 清单(五)- 10

    65520编辑于 2022-12-02
  • 来自专栏华章科技

    终于有人把用户画像的流程、方法讲明白了

    它是计算广告、个性化推荐、智能营销等大数据技术的基础,毫不夸张地说,用户画像是大数据业务和技术的基石。 明确用户画像的目标是构建用户画像的第一步,也是设计标签体系的基础。 目标分析一般可以分为业务目标分析和可用数据分析两步。 画像的目标确立要建立在对数据深入分析的基础上,脱离数据制定的画像目标是没有意义的。 标签体系 目前主流的标签体系都是层次化的,如图10-4所示。首先标签分为几个大类,每个大类再进行逐层细分。在构建标签时,只需要构建最下层的标签,就能够映射出上面两级标签。 至此,就完成了对新闻内容从粗到细的“分类-主题-关键词”三层标签体系的内容建模,新闻的三层标签如表10-4所示。 ▼表10-4 三层标签体系 ?

    6.7K44发布于 2021-07-12
  • 来自专栏机器学习算法与Python学习

    机器学习(8) -- 降维

    10-4给出了样本在3维空间的分布情况,其中图(2)是图(1)旋转调整后的结果。 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
  • 来自专栏愿天堂没有BUG(公众号同名)

    深入解析java虚拟机:垃圾回收,垃圾回收基础概述

    垃圾回收基础概述 垃圾回收机制最早诞生于Lisp编程语言,但Lisp的作者McCathy在第一次现场演示Lisp时却因中途耗尽全部32KB内存以及一些其他原因只能草草收场。 本章将讨论HotSpot VM中现存的所有垃圾回收器,在这之前,有必要先了解下垃圾回收的一些基础知识。 GC Root GC Root又叫根集,它是垃圾回收器扫描存活对象的起始地点。 GC屏障 GC屏障即后缀为BarrierSet的一系列类,它们的作用是在字段读操作或者写操作前后插入一段代码,执行某些垃圾回收必要的逻辑,如代码清单10-4所示: 代码清单10-4 GC屏障 public 本文给大家讲解的内容是深入解析java虚拟机:垃圾回收,垃圾回收基础概述 下篇文章给大家讲解的是深入解析java虚拟机:垃圾回收,Epsilon GC; 觉得文章不错的朋友可以转发此文关注小编; 感谢大家的支持

    52130编辑于 2022-10-31
  • 来自专栏新智元

    1780亿个参数,能识别25万个词条,这个语言模型的诞生只为挑战王者GPT-3?

    优化程序方面,研究人员对J1-Large和J1-Jumbo分别使用了1.2×10-4和0.6×10-4的学习率,以及200万和320万个token的批大小。

    71630发布于 2021-08-25
  • 来自专栏芝麻实验室

    基础篇】Tomcat基础

    --百度百科 好的,让我们开始Tomcat之旅~ Tomcat的获取和安装 安装Tomcat的基础环境 [root@server ~]# yum -y install java-1.8.0-openjdk-devel

    63620发布于 2019-03-05
  • 来自专栏WebJ2EE

    【Git】:基础基础

    基础基础。 git status 10. 查看仓库的历史记录 10.1. 显示仓库的 commit git log 命令用于显示仓库中所有 commit 的信息。

    99141发布于 2020-10-26
  • 来自专栏全栈程序员必看

    Window基础(黑客基础

    3.文本传输协议(FTP) 文本传输协议(File Transfer Protocol,简称FTP)是因特网上文件传输的基础,通常所说的FTP是基于该协议的一种服务。

    4K20编辑于 2022-08-15
  • 来自专栏技术进阶之路

    计算机网络总结 8800字

    解:①1Mb/s:传播时延=0.1/(2×108)=5×10-10 比特数=5×10-10×1×106=5×10-4 1Gb/s: 比特数=5×10-10×1×109=5×10-1 ②1Mb/s: 传播时延 /(2×108)=5×10-7 比特数=5×10-7×1×106=5×10-1 1Gb/s: 比特数=5×10-7×1×109=5×102 ③1Mb/s: 传播时延=100000/(2×108)=5×10 -4 比特数=5×10-4×1×106=5×102 1Gb/s: 比特数=5×10-4×1×109=5×105 ④1Mb/s: 传播时延=5000000/(2×108)=2.5×10-2 比特数=2.5 如果在刚才计算出的基础上将信噪比S/N再增大到十倍,问最大信息速率能否再增加20%? 答:C = W log2(1+S/N) b/s -? C3=Wlong2(1+SN3)=Wlog2(1+10SN2) C3/C2=18.5% 如果在此基础上将信噪比S/N再增大到10倍,最大信息通率只能再增加18.5%左右 2-13为什么要使用信道复用技术

    1K10发布于 2020-07-31
  • 来自专栏常用算法模板

    算法基础-基础算法

    这个板子我们让 i = l - 1 , j = r + 1 就从两端开始查找 然后分左右进行递归

    1.8K40编辑于 2022-10-31
  • 来自专栏python3

    Python基础——1基础

    ---- 1.基础 输出 print(‘把子肉爱上热干面’,‘哈哈’)  # ‘,’输出为空格 输人 name = input(‘提示的内容’) /浮点除法  %.6f //地板除法  整除 %  取余

    45010发布于 2020-01-19
领券