- 综合排序
- 最热优先
- 最新优先
- 来自专栏Vamei实验室
Python标准库的学习准备
Python标准库是Python强大的动力所在，我们已经在前文中有所介绍。由于标准库所涉及的应用很广，所以需要学习一定的背景知识。 硬件原理 这一部份需要了解内存，CPU，磁盘存储以及IO的功能和性能，了解计算机工作的流程，了解指令的概念。这些内容基础而重要。 Python标准库的一部份是为了提高系统的性能(比如mmap)，所以有必要了解基本的计算机各个组成部分的性能。 操作系统 在了解操作系统时，下面是重点： 1) 操作系统的进程管理，比如什么是UID, PID, daemon 2) 进程之间的信号通信，
83950发布于 2018-01-18 - 来自专栏技术探究
【准备篇】js逆向分析破解之学习准备
最近在公众号后台收到很多私信说，想学习js逆向分析，那么我就选了三个翻译网站案例，这些算是js破解里面的入门级的，不太难但是可以让你掌握方法，以后慢慢深入。
5.8K62发布于 2019-07-10 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-9 使用sklearn解决回归问题
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现多元线性回归和kNN回归。
93320发布于 2019-11-13 - 来自专栏学习成长指南
Anaconda安装和环境配置教程（深度学习准备）
我第一次使用的这个官网上面的邮箱的方式下载的，但是这个方式真的特别慢，于是用了这个清华的镜像网站，网上有很多的介绍，我就不班门弄斧了，建议使用清华的镜像；
4.4K21编辑于 2025-02-24 - 来自专栏牛客网
测试开发：面试真题+学习准备一
岗位：测试开发 我的秋招已经接近尾声了，目前拿到了滴滴，58，链家，电信it研发中心的offer，在等头条、腾讯和百度的结果。秋招面了的公司除了这7家还有搜狐和美团，搜狐面试体验不好，感觉二面面试官不尊重我（不是压力面，就是不尊重），所以我态度也不太好，面完hr说我那天的面试通过了，回去等通知，然后就没有然后了。美团是内推免笔试的，远程面了3轮技术面然后就没消息了，说实话我回想了一下三轮面试基本没什么问题，该答的该写的我都答的不错，就是想不通哪个环节出了问题。现在我就按我面试的顺序跟大家分享一些面经和感悟吧
5.1K70发布于 2018-04-28 - 来自专栏SAMshare
机器学习准备数据时如何避免数据泄漏
本篇文章主要介绍了几种常用的数据准备方法,以及在数据准备的过程中如何避免数据泄露。
2.3K10发布于 2020-09-04 - 来自专栏脑机接口
深度学习准备「爆破」著名的欧拉方程
250 多年来，数学家一直试图「爆破」物理学中一些最重要的方程：那些描述流体如何流动的方程。如果他们成功了，那么他们将会发现一种情况，在这种情况下，这些方程会被打破——可能是一个无限快旋转的漩涡，或者是一个突然停止和开始的电流，或者是一个粒子以无限快的速度掠过它的邻居。超出那个爆炸点——「奇点」——方程将不再有解。它们甚至无法描述我们生活的世界的理想化版本，数学家将有理由怀疑它们作为流体行为模型的普遍可靠性。
1.1K30编辑于 2022-09-22 - 来自专栏人工智能
如何使用 scikit-learn 为机器学习准备文本数据
[如何使用 scikit-learn 为机器学习准备文本数据 Martin Kelly 的照片，部分权利保留。] API TfidfTransformer scikit-learn API HashingVectorizer scikit学习API 概要 在本教程中，你可以了解如何使用scikit-learn为机器学习准备文本文档
3.3K80发布于 2018-02-07 - 来自专栏Bay的专栏
如何使用 scikit-learn 为机器学习准备文本数据
API TfidfTransformer scikit-learn API HashingVectorizer scikit学习API 概要 在本教程中，你可以了解如何使用scikit-learn为机器学习准备文本文档
1.9K50发布于 2018-02-14 - 来自专栏石云升
人生九段算法：用算法经营自己的人生（5-9段）
如果把个人比作一家公司。那么你自己就是这家公司的CEO。对个体而言，最重要的增长不在于工资，而在于能力的提升和个人网络的建立，以及未来赚钱的能力。
72620编辑于 2022-08-25 - 来自专栏机器之心
比标准Attention提速5-9倍，大模型都在用的FlashAttention v2来了
近来，几种长上下文语言模型陆续问世，包括 GPT-4（上下文长度为 32k）、MosaicML 的 MPT（上下文长度为 65k）Anthropic 的 Claude（上下文长度为 100k）。长文档查询和故事写作等新兴用例已经表明扩展语言模型上下文窗口是非常必要的。
1.9K50编辑于 2023-08-08 - 来自专栏木头编程 - moTzxx
手机号段正则表达式 (2019-01 最新)
198 146(物联网) 166 1410(物联网) 199 ✎ 正则表达式 如果根据上文的手机号段，进行严谨的规则匹配，那么得到的结果为： /^[1](([3][0-9])|([4][5- 9])|([5][0-3,5-9])|([6][5,6])|([7][0-8])|([8][0-9])|([9][1,8,9]))[0-9]{8}$/ 如果觉得太过严谨，可以考虑使用 /^[1]([3- 9])[0-9]{9}$/ 举例，在 js 代码中进行应用的一种写法： var telStr = /^[1](([3][0-9])|([4][5-9])|([5][0-3,5-9])|([6][
19.7K60发布于 2019-01-03 - 来自专栏zcqshine's blog
Java 手机号正则
str.trim().equals("") && str.length() == 11) { String regExp = "^((13[0-9])|(14[5-9])|(15 ([0-3]|[5-9]))|(16[5|6])|(17[0135678])|(18[0-9])|(19[8-9]))\\d{8}$"; Pattern p = Pattern.compile
2.5K50发布于 2018-05-11 - 来自专栏大数据仓库建设
我国大陆地区的手机号正则匹配
((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$
71030发布于 2019-03-12 - 来自专栏大数据仓库建设
我国大陆地区的手机号正则匹配
((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$
2.3K20发布于 2019-03-14 - 来自专栏李才哥
手机号码验证
(13[0-9]|14[5-9]|15[012356789]|166|17[0-8]|18[0-9]|19[8-9])[0-9]{8}$/ 这样就可以对手机号码格式进行相对严谨进行校验了。 /^(13[0-9]|14[5-9]|15[012356789]|166|17[0-8]|18[0-9]|19[8-9])[0-9]{8}$/ 由于电信199、移动198、联通166号段刚刚发布，所以很多网站和 let valid_rule =/^(13[0-9]|14[5-9]|15[012356789]|166|17[0-8]|18[0-9]|19[8-9])[0-9]{8}$/;// 手机号码校验规则 if
9.2K20发布于 2019-07-10 - 来自专栏白话互联
AI 时代的开发行业洗牌：为何“中产开发者”最先感受到危机？
中坚力量（5-9 年）：认知溢出的“舒适区陷阱” 最核心的观察在于：工作 5-9 年的开发者，正处于一个危险的认知高地。 中腰部开发者（5-9 年）如果继续沉溺于过往的经验，固守“我很强”的认知假象，最容易被 AI 驱动的高效率新人替代，或被掌握了 AI 的资深架构师所淘汰。
21310编辑于 2025-12-30 - 来自专栏cwl_Java
Java工具集-校验手机号码与网址
// 手机校验 private static final Pattern MOBILE_PATTERN = Pattern.compile("^[1](([3][0-9])|([4][5- 9])|([5][0-3,5-9])|([6][5,6])|([7][0-8])|([8][0-9])|([9][1,8,9]))[0-9]{8}$"); // 网址 private
1K10发布于 2020-06-10 - 来自专栏小王的生信学习
Day1新手上路指南—小王—逢山开路,遇水架桥
专业教程：搜狗vx、搜狗知乎、github峰回路转不见君，转头向他人求助：拍电脑用截屏 but not 拍照，授课内容问在微信群，公众号问题用email学习准备——磨刀不误砍柴功explorer：Google
38220编辑于 2024-03-04 - 来自专栏量子位
AMD深度学习库MIOpen更新，支持CNN加速
此次更新包括： 同时为正向和反向传播优化的深度卷积解算器 优化的卷积算法，包括Winograd和快速傅立叶转换 为深度学习准备的、优化的GEMM 池化、Softmax、激活、梯度算法的批量归一化，以及LR
1.5K120发布于 2018-03-29
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