- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
Unity3D学习路线与学习经验分享
Unity3D学习路线与学习经验分享//最后一次更新为2019.7.22日，更新了一些废掉的链接 作者：15游02 丁祺 你好，这篇文档是我的导师孙老师（以下简称老孙）指名我 书写给新手、初学者以及技能有些许缺陷的人的一篇经验分享的文档 那接下来我就分享一下我的学习经验。 我分享两个链接给你，这是英文演讲与纯英文文档的网页链接，如果有兴趣测试一下自己的英语实力的可以打开看一下。 如何开始学习Unity3d？ 我要变学霸_如何写笔记？ 这里放上的视频链接为3D模型的动画系统） 需要学习的量有点大，有一定难度。不过我还是那句话，不要用脑子记，抄笔记。
1.7K21编辑于 2022-09-01 c语言指针学习心得与分享（3）
作者简介： 一个平凡而乐于分享的小比特，中南民族大学通信工程专业研究生在读，研究方向无线联邦学习 擅长领域：驱动开发，嵌入式软件开发，BSP开发 作者主页：一个平凡而乐于分享的小比特的个人主页 文章收录专栏 ：C语言指针总结,C语言指针是C语言部分重难点，也是编程笔试和面试的重灾区，本专栏旨在总结C语言学习过程中的易错点，通过调试代码，分析原理，对指针有更清晰的理解 欢迎大家点赞 收藏 ⭐ 加关注哦！ ==str4) printf("str3 and str4 are same\n"); else printf("str3 and str4 are not same 所以str1和str2不同，str3和str4相同。 2.指针数组 在上一次分享当中我们也学了指针数组（http://t.csdn.cn/eIVY4），指针数组是一个存放指针的数组。 10])[5];//parr3是一个数组，该数组有10个元素，每个元素是一个数组指针，该数组指针指向的数组有5 个元素，每个元素是int int (*parr3
11910编辑于 2026-02-02- 来自专栏开发运维工程师
学习分享｜初入Anaconda3以及实践
Anaconda3Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。我当初安装这个是为了学习人工智能和算法。 /anaconda3/86插件所在路径，， /data/_software/_pack/_python/，anaconda3的home路径，/data/_software/python/anaconda3 /96插件所在路径，/data/_software/_package/，anaconda3的home路径，/data/_software/python/anaconda3/经过插件列表比对并排查，发现96 3）安装依赖库安装插件的命令使用pip，此命令在已经内置在anaconda3的依赖插件中，具体位置为home/lib/python3.7/site-packages。 cd /data/_software/_package解压arvo_python3-1.8.2.tar.gz，会自动创建并解压到arvo_python3-1.8.2tar -zxvf arvo_python3
79120编辑于 2023-11-27 - 来自专栏finleyMa
docker学习系列3 提交并分享自己的镜像
docker有个类似 github的平台，叫 https://hub.docker.com 可以 pull 官方或第三方提供的镜像，当然也可以发布自己的镜像供别人下载，互相学习。
81450发布于 2018-09-10 - 来自专栏Sign
数据分享3
这个算是最后一篇了，后续不打算再分享数据了。 原因后面说。 首先，小卜，out。 ? 这个世界真是残酷啊。 小卜巅峰的时候达到dau 8k+，眼看着就要越过1w的槛了，然后，被人拉下来，踢出去了。 甚至可能有这种想法『如果当时我出的游戏也是弹一弹，加入诱导分享，现在排在前排的就是我了~』 嗯，小卜曾经出现在稍微前排一点点的位置…… 最后还不是被拉下来？ 是因为小卜玩法比弹一弹差？
43830发布于 2018-07-23 - 来自专栏猿码优创
学习layui分享
下面继续跟大家分享一下弹出层。 ? ---- 这就是layui学习分享，哪里不懂可以私信我哦！下一篇文章给大家分享layui动态三级菜单展示。
2.2K20发布于 2019-07-28 - 来自专栏JAVA葵花宝典
ES学习分享
当然可以写入数据后refresh,但是会重新打开所有索引文件，需要解压和刷缓存等等，性能影响极大 3、ES不是一个强一致性的系统。也就是说同样的query多次查询的数据可能会不一致。 另外一种是单播方式，可以跨网络组建集群 2、主节点选举 所有配置有master:true的节点，根据节点id进行排序，然后取出第一个作为主节点 3、存活检测 有两种错误检测方式，一种是master节点ping character -> tokenizer -> token filer，当text不需要进行 tokenizer时，需要设置index:not_analyzed(5.X版本设置为type:keyword) 3、 因为相同的routing key都在同一个shard 3、定期创建索引 有些业务需要定期创建索引，比如日志等 4、索引数据删除 建议基于索引删除数据，新版本已不推荐使用type，应考虑多建索引 scatter)，进行真正的查询之前，先把各个分片的词频率和文档频率收集一下，然后进行词搜索的时候，各分片依据全局的词频率和文档频率进行搜索和排名,查询效率慢但是精度高 2、尽可能的用filter，它快 3、
62941发布于 2019-09-17 - 来自专栏松华说
ES学习分享
当然可以写入数据后refresh,但是会重新打开所有索引文件，需要解压和刷缓存等等，性能影响极大 3、ES不是一个强一致性的系统。也就是说同样的query多次查询的数据可能会不一致。 另外一种是单播方式，可以跨网络组建集群 2、主节点选举 所有配置有master:true的节点，根据节点id进行排序，然后取出第一个作为主节点 3、存活检测 有两种错误检测方式，一种是master节点ping character -> tokenizer -> token filer，当text不需要进行 tokenizer时，需要设置index:not_analyzed(5.X版本设置为type:keyword) 3、 因为相同的routing key都在同一个shard 3、定期创建索引 有些业务需要定期创建索引，比如日志等 4、索引数据删除 建议基于索引删除数据，新版本已不推荐使用type，应考虑多建索引 scatter)，进行真正的查询之前，先把各个分片的词频率和文档频率收集一下，然后进行词搜索的时候，各分片依据全局的词频率和文档频率进行搜索和排名,查询效率慢但是精度高 2、尽可能的用filter，它快 3、
1.2K20发布于 2019-07-16 - 来自专栏社区的朋友们
HBase 学习分享
访问hbase table中的行，只有三种方式： 1 、通过单个row key访问 2 、通过row key的range 3、 全表扫描 Row key行键 (Row key)可以是任意字符串 2、负责整个集群的负载均衡 3、维护集群中的元数据 4、负责监控整个集群，发现失效的Region Server，并重新分配其上的Region RegionServer节点主要负责： 1、管理 3、负责和底层的HDFS交互，存储数据。 Zookeeper节点功能： 1、保证集群中仅仅存在一个Master能够运行。 3、存储寻址的入口地址。 上述就是我总结的一些HBase知识小结，希望大家积极分享、拍砖共同学习。
2.4K00发布于 2017-09-22 - 来自专栏yuyy.info技术专栏
学习分享一
StringUtils.equals在比较时，还做了很多工作，例如长度判断，是否能转String类型，是否为null，判断每一个字符是否相等 在一些String常量与非空String比较时，尽量直接equals 3.
21700编辑于 2022-06-28 - 来自专栏杨同学technotes
学习分享（第3期）：你所理解的架构是什么？
当然也听说过数据架构，但大数据领域超出了我的知识范围，并不打算作深入的学习。 我们来理解一下业务架构、应用架构和技术架构。 在需求初期，业务的需求描述往往比较模糊。 一个商品业务，可能对应 3 个应用，一个前台商品展示应用、一个后台商品管理应用，以及一个商品基础服务。
78241编辑于 2023-03-14 - 来自专栏CreateAMind
自律、分享、学习——打卡群内容分享
现在我们将为读者奉上三篇打卡群内的学习笔记： 笔记一： 笔记二： 笔记三： 笔记四： 笔记五：
1.4K30发布于 2019-04-28 - 来自专栏阮一峰的网络日志
每周分享第 3 期
这里记录过去一周，我看到的值得分享的东西。 （题图：杭州的一家画廊，2017） 本周开始，这个专栏每周五发布，希望为大家的周末提供一些阅读材料。 3、福建启用个人身份二维码 目前在福州，通过数字公民身份码可以在人社窗口刷码识别社保卡，办理业务，还可以在部分药店刷码关联社保卡进行医保结算。 从零基础开始，到Canvas API，再到基本动画与高级动画的实现，还会介绍视音频的处理、移动应用，最后如果有时间会扩展说一说3D、多人应用、游戏制作等。 更重要的，是激活了原本习惯"等活儿干"的团队----之前更多是自上而下的任务布置，而现在，"这些小朋友会主动去看别人做的好的地方，来要活、找活干，"最近的一次，2月27日到3月3日连续5天，小程序每天都有一个新版本上线 （《我上班的500强，在北京CBD待不下去了》一文的网友留言） 3、 习惯外企宽松氛围的人，可能很少能适应国内民企，因为民企往往是以老板意志为主。（同上）
1.1K20发布于 2018-06-13 - 来自专栏量子化学
MECP简介(3)——实例分享
Demo Ozone (O3) ? From Wikipedia O3的基态是单重态（事实上是一个单重态双自由基），三重态略高于单重态（约20 kcal/mol），键长键角都略有不同。 ? 这里想要找的MECP是单重态和三重态的交叉点，所以自旋多重度的地方写为{1,3}，easyMECP会自动成两个高斯输入文件，自旋多重度分别为1和3，其它多重度的计算也是类似的。 但是对于特殊情况，比如这里的O3，因为单重态最稳定的电子结构事实上是一个双自由基结构，需要事先用broken symmetry的计算算好，所以guess=read是必须的。 因为MECP在两个自旋态势能面（3N-6维）的交叉面（3N-7维）上是最低点，只在一个维度上不是，所以我们可以在3N-7维的子空间内计算振动频率，而只忽略反应坐标(reaction coordinate
3.2K30发布于 2020-07-27 - 来自专栏Python和安全那些事
3.安全领域中的机器学习及机器学习恶意请求识别案例分享
《当人工智能遇上安全》系列博客将详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。只想更好地帮助初学者，更加成体系的分享新知识。 这篇文章将分享机器学习在安全领域的应用，并复现一个基于机器学习（逻辑回归）的恶意请求识别。本文参考学习了大神们的总结，并复现总结相关知识，参考文献见后。基础性入门文章，只希望对初学者有所帮助。 2.基于机器学习的恶意代码检测 3.机器学习在安全领域的特点及难点 三.逻辑回归识别网站恶意请求 1.数据集 2.N-grams和TF-IDF结合构造特征矩阵 3.训练模型 4.检测新数据集是恶意请求还是正常请求 浙大团队分享AI对抗样本技术 [当人工智能遇上安全] 2.清华张超老师 GreyOne和Fuzzing漏洞挖掘各阶段进展总结 [当人工智能遇上安全] 3.安全领域中的机器学习及机器学习恶意请求识别案例分享 ：论文之基于机器学习算法的主机恶意代码 3.机器学习在安全领域的特点及难点 机器学习是个多元学科，其本质是在数据中进行学习，通过合适的算法建模，最终在无规则的情况下，实现分类、聚类或是预测。
2.3K30编辑于 2021-12-03 - 来自专栏白驹过隙
Python - 学习经验分享
执行方式： 直接输入python进入命令行，进行单行输入执行，退出后不保存。 python filename.py或./filename.py 直接执行脚本文件 脚本格式： #！/usr/bin/python 指定脚本由python解释器执行（头部） #-*-coding:utf-8-*- 指定脚本使用utf-8编码格式（头部） if __name__ == "__main__": 脚本独立运行时执行后续代码，模块调用不执行（尾部） 数据类型： 数字，包括整形和浮点型 num = xx
1K120发布于 2018-05-18 - 来自专栏安恒网络空间安全讲武堂
学习分享 | Padding Oracle
Encrypt the message' puts '3. Decrypt the message.' encode64(data_enc) puts "Encrytion Done" STDOUT.flush elsif op==3 填充，如缺少10位则用 10 个 '\x10'填充 然后生成初始向量IV(这里的初始向量如果未特定给出则随机生成)和密钥 将初始向量与第一组明文异或生成密文A 用密钥加密密文A 得到密文A_1 重复3 将密文A_1与第二组明文异或生成密文B 重复4 用密钥加密密文B_1 重复3-6 直到最后一组明文 将IV和加密后的密文拼接在一起，得到最终的密文(也可以不拼接) - 解密过程 ! //如果加密时没有加入IV则不用提取 将密文分组 使用密钥对第一组密文解密得到密文A，然后用IV进行异或得到第一组明文 使用密钥对第二组密文解密得到密文B，然后用A与B进行异或得到第二组明文 重复3-
1.2K91发布于 2018-02-06 - 来自专栏业余草
敏捷开发学习分享
敏捷不是快，而是拥抱变化(不断反馈的一个过程)。
70420发布于 2019-01-21 - 来自专栏share ai happiness
深度学习资源分享
此文是给想要学习深度学习的小伙伴们一个学习线路吧。 机器学习基本概念 机器学习是从人工智能中产生的一个重要学科分支，是实现智能化的关键。概念网上也挺多的。 【深度学习数学基础-深度学习大讲堂】 https://study.163.com/course/introduction/1005022007.htm 【神经网络与深度学习-附录《数学基础》】 https 什么是深度学习的框架呢？ 深度学习框架是一种接口、库或工具，利用预先构建和优化好的组件集合定义模型。 发展历程： 主流框架： 就先不在这里分享框架过多的东西了，因为东西太多了。 分享几个学习的链接，有的我也没看过，不过应该不错。
67440发布于 2021-05-18 - 来自专栏AI人工智能
深度学习知识分享
又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。 对于在深度神经网络应用传统的BP算法的时候，DBNs遇到了以下问题： （1）需要为训练提供一个有标签的样本集； （2）学习过程较慢； （3）不适当的参数选择会导致学习收敛于局部最优解。 刚才说C3中每个特征图由S2中所有6个或者几个特征map组合而成。为什么不把S2中的每个特征图连接到每个C3的特征图呢？原因有2点。第一，不完全的连接机制将连接的数量保持在合理的范围内。 例如，存在的一个方式是：C3的前6个特征图以S2中3个相邻的特征图子集为输入。接下来6个特征图以S2中4个相邻特征图子集为输入。然后的3个以不相邻的4个特征图子集为输入。 （3）如何对于一个给定的深度学习架构，融合多种感知的信息？ （4）有什么正确的机理可以去增强一个给定的深度学习架构，以改进其鲁棒性和对扭曲和数据丢失的不变性？
1.2K40发布于 2019-03-22
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