- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
40140发布于 2020-09-16 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
33310编辑于 2022-06-28 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.2K30发布于 2019-04-24 - 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
虽然移动设备的处理能力和功率都有限。虽然TensorFlow Lite提供了不少的加速途径，比如将机器学习模型转换成定点模型，但总是会在模型的性能或精度上做出让步。
1.8K20发布于 2019-03-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
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网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
84000发布于 2019-11-13 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.8K11发布于 2020-08-14 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
2.3K10发布于 2018-08-22 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
醍醐灌顶到没有，别扭确实存在。当然这需要一段时间来适应，说下这段时间最难接受的点吧。 1、文件的单一职责做不好，一个文件里有多个结构体，想知道某个结构体有哪些方法，需要借助IDE 2、命名使用单字母，特定场景能理解，例如循环里的i，遍历map的k,v，但是很多单字母不是这种常见场景里的。代码整洁之道里说命名要见名知意，宁愿用长命名也不用无法表达清楚的短命名，这点go背道而驰。此书里说有时需要短命名加注释，而代码整洁之道里说注释就不应该存在，如果要用注释，说明写的代码无法准确清晰的表达意思。
1.2K20编辑于 2022-09-21 - 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 练习4-6 猜数字游戏
练习4-6 猜数字游戏 猜数字游戏是令游戏机随机产生一个100以内的正整数，用户输入一个数对其进行猜测，需要你编写程序自动对其与随机产生的被猜数进行比较，并提示大了（“Too big”），还是小了（“Too
1.2K20发布于 2020-09-15 - 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4-6 水仙花数
习题4-6 水仙花数 水仙花数是指一个N位正整数（N≥3），它的每个位上的数字的N次幂之和等于它本身。例如：153=13+53+33。 本题要求编写程序,计算所有N位水仙花数。
93740发布于 2020-09-15 - 来自专栏实战docker
JavaCV的摄像头实战之十三：年龄检测
欢迎访问我的GitHub 这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos 本篇概览 本文是《JavaCV的摄像头实战》系列的第十三篇 如果您看过《JavaCV的摄像头实战》系列的其他文章，就会发现上图中只有蓝色部分是新增内容，其余的步骤都是固定套路，《JavaCV的摄像头实战》系列的每一个应用玩的都是相同套路：别看步骤挺多，其实都是同一个流程 相册，通过从 iPhone5（或更高版本）智能手机设备自动上传组装而成，并由其作者根据知识共享 (CC) 许可向公众发布，共有26580张照片，涉及2284人，这些人的年龄一共被标识成八组：（0-2、4- 设置训练模型时划分的年龄段，所以推理结果也是这样的年龄段 */ private static final String[] AGES = new String[]{"0-2", "4- Point max = new Point(); // 把prob理解为一个数组， // 第一个元素是"0-2"的置信度 // 第二个元素是"4-
79620编辑于 2022-01-06 - 来自专栏深度学习与python
汇总了30余场面试，4-6月Java面经笔记及详解，通用性极强 | 极客时间
最近感慨面试难的人越来越多了，一方面是市场环境，更重要的一方面是企业对 Java 的人才要求越来越高了。 基本上这样感慨的分为两类人，第一，虽然挂着 3、5 年经验，但肚子里货少，也没啥拿得出手的项目，自己还意识不到问题；第二，自身有技术追求，但欠点儿火候，多练习多吸收知识，锤炼一下问题不大。 拿我自己来说，早几年也是心比天高，觉得自己特了不起，结果往往一面试就发虚，大部分人都经历过这样一个不自知的阶段。 后面见识多了，再主动多跟着大佬学习，薪资就能相对顺利地随着经验积累增多一路涨起来。 之前私圈分享过
25510编辑于 2023-03-29 - 来自专栏一心无二用，本人只专注于基础图像算法的实现与优化。
SSE图像算法优化系列四：图像转置的SSE优化（支持8位、24位、32位），提速4-6倍
本文介绍了如何利用SSE/AVX指令集进行CPU并行加速，以解决图像转置中存在的内存访问瓶颈问题。首先介绍了图像转置的算法和实现过程，然后通过具体示例展示了如何使用SSE/AVX指令集进行CPU并行加速，最后给出了针对不同CPU架构的优化策略。
2.5K100发布于 2018-01-03 - 来自专栏新智元
【完全指南】6个月，每周10-20小时，零基础掌握深度学习
这需要花费4-6周的时间。这个课程有一个在云上运行代码的实践。 第4步 “只用功不玩耍，聪明的孩子也变傻” 做一个实战项目。你可以深入钻研一个深度学习库（例如，Tensorflow、PyTorch、MXNet），并针对任何你喜欢的问题，从头开始实现一个架构。 以上每个步骤都大约需要4-6周的时间。总共大约26周的时间，如果你遵循上述步骤的过程，你将获得深度学习的坚实基础。 那么再下一步呢？ 学习斯坦福的CS231n[8]和CS224d[9]课程。
1.1K80发布于 2018-03-20 - 来自专栏程序员
从入门到精通：AI智能体与MCP完整学习路线
第一阶段：基础准备（4-6周）第1-2周：Python编程强化每日学习计划（2小时）：周一、三、五：语法进阶装饰器、生成器、上下文管理器类型提示（TypeHints）的深入使用并发编程：asyncio库的实战练习收起代码语言 第3周：AIAPI深度掌握学习重点：OpenAIAPI完整掌握不同模型（GPT-4o、GPT-4、GPT-3.5）的特性对比调参实战：temperature、max_tokens、top_p的影响流式响应 """returnself.available_cities第三阶段：智能体开发精通（4-5周）第1-2周：LangGraph核心概念学习路径：图（Graph）基础：节点、边、状态的概念ReAct模式实战 关键在于理论与实践相结合，每个阶段都要完成相应的实战项目。 成功秘诀：坚持编码：每天保持编码习惯项目驱动：每个阶段都要有可展示的项目成果社区参与：积极参与开源社区，学习最佳实践持续迭代：AI技术发展迅速，保持学习心态按照这个路线系统学习，4-6个月后您将能够独立开发复杂的
1.7K01编辑于 2025-09-23 数字化转型的 “杠杆”：企业如何借助 MyEMS 在 3-12 个月内收回投资并实现持续节能
优化试点期4-6 个月1. 基于数据生成节能潜力报告；2. 选择 1-2 个车间 / 区域进行优化试点（如空调调控、设备启停优化）；3. 跟踪试点效果，调整优化策略。 四、案例佐证：不同行业，MyEMS 的 “回报实战”案例 1：汽车零部件制造厂（工业领域）背景：某汽车零部件厂年耗电量约 800 万度，人工巡检发现能耗浪费滞后，曾因空压机空载每月多耗电费 3 万元。 MyEMS 实施：1-3 个月完成车间电表、空压机传感器安装，4-6 个月优化空压机启停策略（根据生产计划自动关停），7-9 个月推广至冷却系统、焊接设备。 MyEMS 实施：1-3 个月安装人流传感器、光照传感器，4-6 个月基于人流数据优化空调与照明，7-9 个月接入新能源（如屋顶光伏），实现 “绿电 + 优化” 结合。 MyEMS 实施：1-3 个月完成园区总表与企业分表安装，4-6 个月识别管道泄漏点并维修，7-9 个月优化园区蒸汽供应（按需分配），10-12 个月建立园区碳核算体系。
40010编辑于 2025-11-11AI 工程知识图谱：从 Transformer 到 Agentic AI 的全景地图
进阶路线（4-6 周） 搭建一个 ReAct Agent（LangChain/LangGraph） 实现一个 RAG 系统（Chroma + OpenAI Embedding） 精读模块 4-6（Agent 持续关注AI前沿，AI Agent实战 如果这篇文章对你有帮助 点个赞、收藏起来，或者转发给需要的朋友 点赞 收藏 转发 【历史合集】20+篇openclaw&Agent实战 和 大模型产品解读 AI Agent 实战合集：从入门到高阶，附大模型前沿产品拆解｜收藏
28822编辑于 2026-06-03- 来自专栏人工智能ai相关
商业实战归巢网智能问答系统建设方案对比分析报告03-优雅草卓伊凡
商业实战归巢网智能问答系统建设方案对比分析报告03-优雅草卓伊凡一、项目背景与需求分析1.1 归巢网现状概述截至2025年5月7日，归巢网核心数据指标如下：历史帖子总量：780,476篇注册会员数：3,972 5.1 技术指标对比关键性能矩阵：| 指标 | 自建方案 | DeepSeek-R1 | 阿里云方案 ||——————————|————————|————————|————————|| 初始构建周期 | 4- TCO比阿里云方案低21%硬件投资可复用其他项目演进灵活性：可平滑过渡到完全自主方案兼容未来多模态扩展实施路线图：第1阶段（1-3个月）：部署DeepSeek-R1基础环境完成50%历史数据接入第2阶段（4-
28010编辑于 2025-05-07 - 来自专栏机器之心
PyTorch版《动手学深度学习》开源了，最美DL书遇上最赞DL框架
不论是原书中的示例代码，还是实战项目，原来的 MXNet 都可以无缝转化到 PyTorch 代码。 其实新项目的内容结构与组织方式和原书是一样的，上面展示的 docs 目录主要可以分为三部分：基础知识（1-3 章）、现代深度学习技术（4-6 章）、计算性能与应用（7-10）。 除了内容，另一大部分就是实战代码了，随书代码基本都转化为了 PyTorch，它如同原书一样也是用 Jupyter Notebook 写的，这样更好地展示代码与文字解释。
2.2K21发布于 2019-09-17 手把手教你写Claude Code Skill——从零搭建爆款选题引擎
"，写"抓取多平台热点并生成带爆款评分的公众号选题清单" argument-hint：参数提示——用户输入/topic-finder AI编程时，"AI编程"会替换到指令中的$ARGUMENTS 三、实战 **争议性（权重25%）** - 评论区有明显对立观点：8-10分 - 有讨论但方向一致：4-6分 - 几乎无讨论：1-3分 3. **实操价值（权重20%）** - 有代码/教程/可复现步骤：8-10分 - 有方法论但无代码：4-6分 - 纯观点无实操：1-3分 4. **受众覆盖（权重15%）** - 全栈/架构师都关心：8-10分 - 特定技术栈但人数多：4-6分 - 极度小众：1-3分 5. **标题改造潜力（权重10%）** - 可以写出让人想点的标题：8-10分 - 标题中规中矩：4-6分 - 很难写出吸引人的标题：1-3分 ### 综合得分计算 综合得分 = 时效性
9310编辑于 2026-06-25
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