- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端
学习通高效学习教程
点击获取后点击添加扩展可能有打不开或者打开后不是此画面的，可以直接跳到获取这一步 二.安装脚本 这里直接使用大佬已经写好的脚本https://gaoxiaobang.vip/111607.html安装好后可以打开学习通或智慧职教有些课程有大量的题
1K00编辑于 2025-08-15 - 来自专栏云头条
叫板博通！Marvell 斥资 11 亿美元收购 Innovium
Marvell Technology宣布计划以11亿美元的全股票交易收购芯片制造商Innovium，以补充其以太网产品。 一旦收购完成，这家半导体公司将更有能力与主要竞争对手博通展开正面交锋，博通目前称霸云数据中心交换机芯片市场。 就在几年前，几乎所有这些专用芯片都是由博通公司生产的；据估计，2017年博通占有的市场份额超过90%。 Innovium总部位于加利福尼亚州圣何塞，专门生产用于数据中心交换机的与博通竞争的芯片。 根据交易条款，上市公司Marvell将完全以普通股的形式支付11亿美元，同时接过Innovium的资产负债表上的1.45亿美元现金，因此这笔交易的总净成本将达到9.55亿美元。 相关阅读 · 思科杀入芯片市场，为微软和 Facebook 供货：与博通、英特尔竞争 博通 189 亿美元收购冠群（CA） 又一重大半导体交易！
47020编辑于 2022-03-18 - 来自专栏python3
python学习(11)
位置参数 传入参数顺序 、个数必须一致 def add(a,b): return a + b
44110发布于 2020-01-14 - 来自专栏布衣者博客
python项目-学习通剩余作业
目前问题 1.当短时间内多次请求会造成学习通403拒绝请求，导致无法获取到作业或考试。 自己正好要学python就想自己练练手也写一个，因此我就需要完成一部分知识的学习才能开始： 1.抓包：尝试去抓取学习通app的包，用更少的请求去获取到链接。其中原作者也采用该方式。 3.查询端和服务端要分离开：因为从原作者中的文章中表示，学习通会对请求多或异常的ip进行封ip，后续也从自己同学的服务器了解到了，他原本用服务器爬取学习通，最后导致ip被封。 项目及免责 项目目前部署在自己的服务器上：链接为：学习通剩余作业 免责： 1.本站不记录、不保存学习通密码及cookie,全部保存在你的本地浏览器上，使用时才会调用。 使用地址：学习通剩余作业
2.2K30发布于 2021-09-07 - 来自专栏mac软件推荐
MacOS 11-13.x 11.7.612.6.513.3.1通用版
MacOS 11-13.x 11.7.6/12.6.5/13.3.1通用版图片邮件• 撤销发送、定时发送、提醒我和跟进等功能，让你更轻松掌控电子邮件• 改进后的搜索功能会给出更为精确完整的结果，并在开始键入时即会提供建议聚焦 支持 iPhone 在靠近 Mac 并放在支架上时用作 Mac 的网络摄像头（iPhone XR 及后续机型）• 视频效果和光效，包括人像模式（iPhone XR 及后续机型）、人物居中（iPhone 11 及后续机型）和摄影室灯光（iPhone 11 及后续机型）• “桌上视角”使用 iPhone 超广角相机在视频会议中展示你桌上的内容（需要 iPhone 11 及后续机型）本更新还包括其他功能和改进：
1.1K30编辑于 2023-04-20 - 来自专栏计算机工具
深度学习11：Transformer
和经典的 seq2seq 模型一样，Transformer 模型中也采用了 encoer-decoder 架构。上图的左半边用 NX 框出来的，就代表一层 encoder，其中论文里面的 encoder 一共有6层这样的结构。上图的右半边用 NX 框出来的，则代表一层 decoder，同样也有6层。
58810编辑于 2024-12-14 - 来自专栏张俊红
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
65010编辑于 2022-07-19 - 来自专栏Soul Joy Hub
《机器学习技法》学习笔记11——GBDT
http://blog.csdn.net/u011239443/article/details/77435463
84620发布于 2019-02-13 - 来自专栏全栈程序员必看
高通msm8937的BLSP学习
Peripheral (BLSP)，低速接口的总线访问模块 (3) QUP：Qualcomm Universal Peripheral，高通统一的外设 2.Msm8937 BLSP BLSP是高通对于低速接口的一种管理方式 status register in the peripheral core allows software to distinguish between interrupt sources 参考： 高通无人机 8074 BLSP接口说明 http://huaqianlee.github.io/2016/04/27/Uav/Qualcomm-uav-blsp-port/ 高通APQ8074 spi 接口配置 https
2.1K20编辑于 2022-11-04 - 来自专栏与前端沾边
react 学习（11）高阶组件
react 中的高阶组件主要是对于 hooks 之前的类组件来说的，如果组件之中有复用的代码，需要重新创建一个父类，父类中存储公共代码，返回子类，同时把公用属性传到子类中的形式。当然对于现在的 hooks 来说基本用不到了。但是 HOC 的形式也是对应 react 而衍生出来的一种设计形式。我们仅需了解一下它的形式，你可能不会在工作中用到，但是当你维护老的项目时，也可能会接触到。本节只了解简单的使用（小编也没有深入使用过），不做深入探讨。
60510编辑于 2022-06-12 - 来自专栏程序员小航
Spring 源码学习 11：invokeBeanFactoryPostProcessors
invokeBeanFactoryPostProcessors 会执行 BeanFactory 的后置处理器。看到这里会有疑问：
97710发布于 2021-01-12 - 来自专栏折影轻梦
学习通加Anki光速逃离挂科
学习通加Anki光速逃离挂科 2021年11月26日 216 字 大概 1 分钟 为了防止挂科，写了个脚本，可以将你的超星学习通里的作业数据、随堂练习导出成为 Csv 文件，方便导入 Anki 背题 Anki Anki让记忆更轻松 - ankichina 二 下载 Anki 选择题模板 anki 选择题❤️猪猪.apkg 模版下载 下载 感谢 @GJade 提供的模板 下载后双击即可导入模板 三 导出学习通作业 、随堂练习数据 安装油猴或脚本猫 油猴脚本安装 “超星 To Csv” 脚本 https://scriptcat.org/script-show-page/219 打开学习通作业或随堂练习页面，点击“下载题目数据
1.3K30发布于 2021-11-29 - 来自专栏软件测试经验与教训
Python学习笔记（11）递归
y==0: return 1 else: return x*power(x,y-1) res=power(3,0) print(res) 往期笔记 Python学习笔记 （1） Python学习笔记（2） Python学习笔记（3） Python学习笔记（4） Python学习笔记（5） Python学习笔记（6） Python学习笔记（7） Python学习笔记（8） Python学习笔记（9） Python学习笔记（10）
72950发布于 2018-05-15 - 来自专栏weixuqin 的专栏
redis 学习（11）-- redis pipeline
所以可以看到，如果执行 n 次的话（比如 n 次 set 操作），时间开销是非常大的。
94320发布于 2019-06-02 - 来自专栏米扑专栏
Python 学习入门（11）—— 排序
Python的内置dictionary数据类型是无序的，通过key来获取对应的value。可是有时我们需要对dictionary中 的item进行排序输出，可能根据key，也可能根据value来排。
54360发布于 2019-02-19 - 来自专栏WD学习记录
机器学习 学习笔记（11） 贝叶斯分类器
与朴素贝叶斯分类器相似，AODE无需模型选择，既能通过预计计算节省预测时间，也能采取懒惰学习方式在预测时再进行计数，并且易于实现增量学习。 贝叶斯网络学习的首要任务是根据训练数据集来找出结构最恰当的贝叶斯网。“评分搜索”是求解这一问题的常永方法。 常用评分函数通常基于信息论准则，此类准则将学习问题看做一个数据压缩任务，学习的目标是找到一个能以最短编码长度描述训练数据的模型，此时编码的长度包括了描述模型自身所需的字节长度和使用该模型描述数据所需的字节长度 对贝叶斯网学习而言，模型就是一个贝叶斯网，同时每个贝叶斯网描述了一个在训练数据集上的概率分布，自有一套编码机制能使哪些经常出现的样本有更短的编码。 》 《统计学习方法》 《机器学习实战》
1.7K30发布于 2018-09-04 - 来自专栏MiningAlgorithms
机器学习11：机器学习算法目录（前）
机器学习算法目录： 一、模型选择与评价： 1，误差：误差由偏差(bias)、方差(variance)和噪声(noise)组成； 2，多分类学习：一对一、一对其余、多对多（参考：西瓜书p63）；单标签二分类 10，概率图模型（参考邱老师的PPT） 11，降维学习：主成分分析（PCA），线性判别分析（LDA）、特征选择；特征降维可分为有监督（LDA）和无监督（LSA、NMF）；主题模型（LDA、LSA） 要点 12，集成学习（已整理为：机器学习5-8）：随机森林（Extra tree、Totally Random Trees Embedding、Isolation forest）、Adboost、GBDT、XGBoost ，既降低泛化误差中的方差；多样性：要求集成学习中不同的个体学习器之间具有足够的差异性； 三、神经网络部分： 1，Neural network基础（batch normalization，dropout， ： 1，马尔科夫决策过程（MarkovDecision Processes）： 2，Q-Learning： 3，Sarsa： 五、迁移学习：多模态学习 六、按监督，非监督分类： 1），监督学习： 1.1
99620发布于 2019-08-08 - 来自专栏从零学习云计算
kubernetes学习记录（11）——深入学习Service
在之前的周会上汇报Kubernetes学习结果的时候，被问到一个问题：“一个Service能否提供多种服务，能否代理多组Pod副本？”这里来做一定的研究。 name: shutdown-port nodePort: 30002 selector: app: myweb 试验Service代理多组Pod 在kubernetes学习记录
91500发布于 2017-12-28 基于yolov11+pyqt5通用检测系统框架设计
YOLOv11目标检测系统 这是一个基于YOLOv11和PyQt5开发的目标检测系统，具有美观的登录界面和功能完善的检测界面。 原始图像/视频显示 检测结果图像/视频显示 实时检测信息（检测总数、平均置信度、检测类别） 检测信息实时更新 支持停止检测功能 环境要求 Python 3.8+ PyQt5 OpenCV YOLOv11 其他依赖包（见requirements.txt） 安装步骤 克隆或下载项目代码 安装依赖包： pip install -r requirements.txt 下载YOLOv11模型文件（默认使用YOLOv11n.pt : YOLOv11模型文件 注意事项 首次运行需要下载YOLOv11模型文件 使用摄像头检测时需要确保摄像头可用 视频检测支持常见视频格式 检测参数可以根据需要实时调整 开发说明 使用PyQt5构建图形界面 采用YOLOv11进行目标检测 使用OpenCV处理图像和视频 界面设计采用现代化的科技风格 更新日志 v1.0.0 初始版本发布 实现基本登录和检测功能 支持图片、视频和摄像头检测 添加参数调节功能
31400编辑于 2025-07-17- 来自专栏算法与编程之美
Python|自动化实现学习通登录
前言 最近小编在学习python自动化处理网页，因为一直在使用学习通，因此写了一个python自动化网页登录学习通的简单程序，因为才入门，不足之处希望读者能够提出。 from selenium import webdriver class Webdriver: def main(self): user = input('请输入学习通账号 :') password = input('请输入学习通密码:') global wb # 申明全局变量防止Chrome浏览器运行时闪退 wb ) # 定位点击登录 if __name__ == '__main__': s = Webdriver() s.main() 我们启动程序输入账号和密码就可以直接登录超星学习通的个人空间 总结 体验下来就是selenium模块就是用程序去模仿人去对网页的操纵，例如输入，鼠标点击，等操作，如果结合爬虫等数据挖掘的话，会起到很好的作用；在后续的学习中，我会去尝试写一个学习通自动签到的程序，希望这篇文章对读者有所帮助
1.6K20发布于 2020-09-24
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