- 综合排序
- 最热优先
- 最新优先
- 来自专栏镁客网
印度拟要求数据资料共享，全球多家企业集体反对
据外媒报道，印度正在大力推广监管收集和使用个人数据的“强制数据共享”计划，但日前遭到亚马逊、Facebook和谷歌等美国多家科技巨头的强烈抵制。
43610发布于 2020-08-11 - 来自专栏数据结构与算法
1675 大质数 2
1675 大质数 2 时间限制: 1 s 空间限制: 1000 KB 题目等级 : 钻石 Diamond 题目描述 Description 小明因为没做作业而被数学老师罚站，之后数学老师要他回家把第 样例输入 Sample Input 233 样例输出 Sample Output 2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 79 =0) 15 { 16 if(b%2! =0) 31 { 32 if(b%2! 45 if(n<2&&(n%2==0)) 46 { 47 return 0; 48 } 49 for(ll i=0;i<11;i++) 50 {
60560发布于 2018-04-13 - 来自专栏科技记者
大更新，QIIME 2 2023.5
抱歉，竟然比发布日期一个月才发现QIIME 2 2023.5 版本更新了！计划的下一个QIIME 2版本计划于2023年8月发布（QIIME 2023.8)。 有关如何在 QIIME 2 中执行此操作的更多文档可以在上面链接的开发文档中找到。 流程恢复 中途失败的 QIIME 2 流程现在可以从其故障点恢复，而无需从头开始重新启动。 Q2 类型 添加了ImmutableMetadata类型，该类型旨在将 QIIME 2 元数据存放在工件中。 在QIIME 2的未来版本中，我们将不再在Silva分类器中包含物种水平的信息。这在QIIME2论坛上讨论过（见物种标签：警告！ qiime2 修复了将parallel/parsl 配置中的值设置为 None 时的弃用警告。 q2-cutadapt 添加了demux-paired对混合方向读取的支持
89820编辑于 2023-08-26 - 来自专栏前端技术地图
2B or not 2B: 前端大泥球
今天给大家带来的是 2B 领域的一个架构难题，我们最终也没有找到一个较好「解决」方案， 或者说它本来就是一个伪命题。 让我慢慢跟你道来… 软件的划分模式 首先从软件系统的划分模式讲起。 多业态 在 2B 领域，让我们更棘手的是，还要面临多业态问题。 什么是多业态？ 如果说分层是 1D、 垂直划分是 2D、再加上多业态，就是 3D 了！ 这些行业多态会横向击穿垂直拆分后的模块壁垒，行业的多样性会渗透到程序的各个角落，开闭原则形同虚设。 不管是前端还是后端，这是都是一个非常大的挑战。 现状就是本文标题中讲的，多了一个维度之后，对开发而言是灾难性性，整个项目就是一个大泥球。 确立共建的范围和上下游的协作关系 即定义了一些团队之间的协作规范，比如： 上下游团队之间责任划分、共建的范围 沟通机制 发布更新的频率和形式 分支规范等等 宏观上：行业隔离/业务聚合 在宏观的层面上，定义了两大措施或建议
41620编辑于 2023-10-20 - 来自专栏图像处理与模式识别研究所
实现模块化操作，将节点和边数值进行转化写入数据资料。
1、点击[设置] 2、点击[平均路径长度] 3、点击[确定] 4、点击[模块化] 5、点击[确定] 6、点击[关闭] 7、点击[Ranking] 8、点击[选择一种渲染方式] 9、点击 [Modularity Class] 10、点击[数据资料] 11、点击[Modularity Class] 12、点击[删除列] 13、点击[Modularity Class] 14、点击[
45820编辑于 2022-05-28 - 来自专栏python3
cocos2dx(3) ——大
setTexParameters(const ccTexParams& texParams); // ---- 3、新的渲染器 3.1、自动批处理 自动批处理功能意味着 渲染器将会把 多次绘制调用 打包为一次 大的绘制调用 总结: > 保持将所有的精灵放在一张大的 spritesheet 中。 V2F_C4B_T2F || ccV2F_C4F_T2F | V2F_C4F_T2F || ccV3F_C4B_T2F | V3F_C4B_T2F || ccV2F_C4B_T2F_Triangle | V2F_C4B_T2F_Triangle || ccV2F_C4B_T2F_Quad | V2F_C4B_T2F_Quad || ccV3F_C4B_T2F_Quad | V3F_C4B_T2F_Quad || ccV2F_C4F_T2F_Quad | V2F_C4F_T2F_Quad
1.1K20发布于 2020-01-07 - 来自专栏大前端开发
《大前端开发》培训2周小结
在讲课的过程中，我觉得自己也得到了非常大的成长，比如当同学们遇到比较难理解的知识点，我会想方设法、不断的组织自己的语言、编制各种容易理解的例子，让自己能将它们解释清楚；以及在课程内容上，我会不断的去思考如何将前一天课和后一天课的内容更好的衔接起来
72920发布于 2018-08-21 - 来自专栏大模型成长之路
【大模型学习 | BERT 量化实战（2） 】
BERT 量化实战分析前言：在【大模型学习 | 量化实战（1）】-腾讯云开发者社区-腾讯云中基于BERT实现了情感分析系统以及量化的实现，但是量化的结果导致了模型的精确度急剧下降，从90%降到了54%， p_bert_embeddings_layernorm_weight', 'p_bert_embeddings_layernorm_bias', #⚠️ BERT 模型包含了 nn.Embedding 层，而当前 PT2E 未出现截断情况（即分布区域超过量化上下限）、分布近似 scale过大scale的计算如下所示：scale=\frac{max(w)-min(w)}{255} , 个别层的权重有离群值，会导致scale非常大， .4f} | ΔAcc: {delta:.4f}") results.append((name, acc, delta)) results.sort(key=lambda x: x[2] Sensitive Layers:") for r in results[:5]: print(f"{r[0]:40s} | Acc: {r[1]:.4f} | ΔAcc: {r[2]
78710编辑于 2025-06-27 - 来自专栏数据结构与算法
学大伟业 国庆Day2
设p1={2*(a[i]-a[1])|i>1}的最大公约数，设p2={2*(a[i]-a[j])}的最大公约数，易知p1>=p2（因为p1比p2约束宽松）。 而对于任意i,j由于p1同时是2*(a[i]-a[1])、2*(a[j]-a[1])的约束，那么p1也一定是任意2*(a[i]-a[1])-2*(a[j]-a[1])=2*(a[i]-a[j])的约数， sum[1]=x1+x2+x3+x4 sum[2]=x1x2+x1x3+x1x4+x2x3+x2x4+x3x4 sum[3]=x1x2x3+x1x2x4+x1x3x4+x2x3x4 sum[4]=x1x2x3x4 (x3+a)(x4+a) =x1x2x3+a(x1x2+x1x3+x2x3)+a^2(x1+x2+x3)+a^3 + x1x2x4+a(x1x2+x1x4+x2x4)+a^2(x1+x2+x4)+ a^3 + x1x3x4+a(x1x3+x1x4+x3x4)+a^2(x1+x3+x4)+a^3 + x2x3x4+a(x2x3+x2x4+x3x4)+a^2(x2+x3+x4)+a^3
1.1K40发布于 2018-04-11 - 来自专栏大模型成长之路
【大模型学习 | BLIP2原理】
BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models 一、预训练方法这种预训练方法分为了两个阶段 （1）视觉语言特征表示学习阶段 （2）视觉到文本的生成学习阶段 1.1 Q-Former主要作用就是对齐两个不同模态的冻结预训练模型 Q-Former包含了两个 transformer子模块：（1）Image Transformer （特征提取） （2） Text transformer (作为文本编码器和解码器) ; 一组可学习的查询嵌入向量作为 Image 作者尝试了两种LLM冻结模型：(1) decoder-based LLMs : query 表征作为 LLM 的输入前缀（prefix） → LLM 自己完成文本生成(2) encoder-decoder-based
1.1K00编辑于 2025-07-01 - 来自专栏IT大咖说
草裙舞No.2 | IT大咖撩段子
这一次，国庆佳节来临之际，小编再给大家送上草裙舞No.2~~希望听到这首歌，你能再次看到，海浪、美女、比基尼…… 01 iPhone XS/XS Max发布会之前，我的手机好卡啊，想着明天就换新手机了。 06 南韩第一大行动电信商SK Telecom，于15日宣布已选择三星、爱立信和诺基亚作为5G设备首选投标企业，华为则被踢走。
70630发布于 2018-10-23 - 来自专栏腾讯企点
趋势快报 | 智能客服：2大挑战与4大完善目标
除了巨头外，这个市场里面还有一大群创业企业。 01.智能客服为企业极大节约成本 客户群体数目大、咨询频次高、问题重复度高的话，引入高性能的智能客服机器人能极大地节省人工成本。 智能客服:2大的挑战与4大完善的目标 人工客服在今天被视为是“最没有技术含量”的一个工种，也是被视为是人工智能可能会全面颠覆和取代的一个职业。 但人工智能客服真正取代人力，目前还是不太现实。 当前智能客服4大完善的目标： 01.在技术层面，完善系统技术应用，让系统更智能 建立智能客服系统不单单只是IT建设的问题，如果还停留在用传统IT的思维模式去做机械化的分词、关键字搜索、匹配，这样的方式远远谈不上智能 原文标题《智能客服：2大挑战与4大完善目标》。我们尊重著作权所有人的合法权益，如涉及版权争议，请著作权人告知我方删除，谢谢。
3.2K20发布于 2020-06-10 - 来自专栏新智元
PyTorch 2.2大更新！集成FlashAttention-2，性能提升2倍
新智元报道 编辑：alan 【新智元导读】新的一年，PyTorch也迎来了重大更新，PyTorch 2.2集成了FlashAttention-2和AOTInductor等新特性，计算性能翻倍。 新的版本集成了FlashAttention-2，使得scaled_dot_product_attention （SDPA）相较于之前的版本有了约2倍的性能提升。 FlashAttention-2 FlashAttention-2通过优化GPU上不同线程块和warps之间的工作分区，来解决占用率低或不必要的共享内存读写。 在FlashAttention-2的加持之下，torch.nn.functional.scaled_dot_product_attention的速度提升了大约2倍，在A100 GPU上达到了理论计算峰值的 参考资料： https://pytorch.org/blog/pytorch2-2/
99410编辑于 2024-02-06 - 来自专栏Python编程爱好者
PyTorch 2.2大更新！集成FlashAttention-2，性能提升2倍
新的版本集成了FlashAttention-2，使得scaled_dot_product_attention （SDPA）相较于之前的版本有了约2倍的性能提升。 FlashAttention-2 FlashAttention-2通过优化GPU上不同线程块和warps之间的工作分区，来解决占用率低或不必要的共享内存读写。 在FlashAttention-2的加持之下，torch.nn.functional.scaled_dot_product_attention的速度提升了大约2倍，在A100 GPU上达到了理论计算峰值的 如上图所示，当你的并行解决方案需要跨主机和每个主机内部进行通信时，可以创建一个2D网格，用于连接每个主机中的设备，并以同构设置将每个设备与其他主机上的对应设备连接起来。 参考资料： https://pytorch.org/blog/pytorch2-2/
1.2K10编辑于 2024-02-04 - 来自专栏Python大数据分析
使用Python爬虫的2大原因和6大常用库
爬虫其实就是请求http、解析网页、存储数据的过程，并非高深的技术，但凡是编程语言都能做，连Excel VBA都可以实现爬虫，但Python爬虫的使用频率最高、场景最广。
98910编辑于 2025-04-13 - 来自专栏Visual Codex
STL学习笔记（2）STL 三大组件
广义而言，我们所编写的每个程序都是一个算法，其中的每个函数也都是一个算法，毕竟它们都是用来解决或大 或小的逻辑问题或数学问题。 : int age; }; void test02() { vector<Teacher> v; //存储 Teacher 类型数据的容器 Teacher t1(10), t2( 20), t3(30); v.push_back(t1); v.push_back(t2); v.push_back(t3); vector<Teacher>::iterator < endl; } //容器嵌套容器 void test04() { vector<vector<int>> v; vector<int> v1; vector<int> v2; vector<int> v3; for (int i = 0; i < 5; i++) { v1.push_back(i); v2.push_back
65220发布于 2021-04-13 - 来自专栏Soul Joy Hub
【大模型AIGC系列课程 3-2】国产开源大模型：ChatGLM
这个图示说明了GLM预训练的过程，具体解释如下： a) 原始文本：给定一个原始文本，例如[x1, x2, x3, x4, x5, x6]。
76020编辑于 2023-08-28 - 来自专栏张善友的专栏
国内2大Git代码托管网站
可以说GitHub的出现完全颠覆了以往大家对代码托管网站的认识。GitHub不但是一个代码托管网站，更是一个程序员的SNS社区。GitHub真正迷人的是它的创新能力与Geek精神，这些都是无法模仿的。在GitHub出现后，国内也出现了大量的代码托管网站，国内外有的代码托管网站也都开始引入GitHub的某些元素。 京东代码托管平台 作为京东电商云生态的重要一环，京东云汇中的代码托管平台(https://code.jd.com/) 2013年7月份起全面对外开放，用户只要拥有京东账号即可使用的代码托管服务。此外
4.3K80发布于 2018-01-30 - 来自专栏网站漏洞修复
渗透测试中网站代码漏洞审计服务
通常这类系统漏洞，存有全部都是许多非常大的系统漏洞。 因为应对不一样的系统漏洞其本身特性，漏洞扫描方法也不尽同，漏洞扫描考察一人对系统漏洞掌握的深层情况，与系统漏洞找到有非常大的不一样，要想在网站渗透测试环节中可以合理的对目标开展攻击，须要多方面掌握每一个系统漏洞的运用方法 管理权限维系、内网渗透：进到目标信息，开展横纵扩展，向渗透目标靠进，目标获得、清理痕迹：获得渗透目标管理权限或数据资料，发送数据资料，开展清理痕迹。 之上，便是有关渗透测试流程小编的许多小结。 特别注意的是：1.在网站渗透测试环节中不必开展例如ddos攻击，不损坏数据资料。2.检测以前对关键数据资料开展自动备份。一切检测实行前务必和用户开展沟通交流，以防招来很多不必要的不便。
87210发布于 2020-10-26 - 来自专栏网站漏洞修补
渗透测试中网站代码漏洞审计服务
通常这类系统漏洞，存有全部都是许多非常大的系统漏洞。 因为应对不一样的系统漏洞其本身特性，漏洞扫描方法也不尽同，漏洞扫描考察一人对系统漏洞掌握的深层情况，与系统漏洞找到有非常大的不一样，要想在网站渗透测试环节中可以合理的对目标开展攻击，须要多方面掌握每一个系统漏洞的运用方法 管理权限维系、内网渗透：进到目标信息，开展横纵扩展，向渗透目标靠进，目标获得、清理痕迹：获得渗透目标管理权限或数据资料，发送数据资料，开展清理痕迹。 之上，便是有关渗透测试流程小编的许多小结。 特别注意的是：1.在网站渗透测试环节中不必开展例如ddos攻击，不损坏数据资料。2.检测以前对关键数据资料开展自动备份。一切检测实行前务必和用户开展沟通交流，以防招来很多不必要的不便。
98030发布于 2020-09-08
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