- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-4)
该功能用来查看和管理所有计算节点集群中存储节点所在实例的主从关系。实例信息可以通过主机名、端口号、和存储节点版本号进行筛选。
76010编辑于 2025-03-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-4 F1 Score
该来的自然来，会走的留不住；不违心、不刻意、不必太在乎、放开执念，随缘是最好的生活。
2K20发布于 2020-04-08 - 来自专栏完美Excel
VBA专题10-4：使用VBA操控Excel界面之设置工作簿视图和窗口
如果活动工作表不是标准工作表，那么上述语句执行时会导致运行时错误，因为图表工作表、宏工作表或对话框工作表没有这些视图选项。
5K20发布于 2020-08-04 - 来自专栏Java技术圈子
编译与优化
上述3个处理过程里，执行插入式注解时又可能会产生新的符号，如果有新的符号产生，就必须转回到之前的解析、填充符号表的过程中重新处理这些新符号，从总体来看，三者之间的关系与交互顺 序如图10-4所示。 图10-4 Javac的编译过程[2] 我们可以把上述处理过程对应到代码中，Javac编译动作的入口是 com.sun.tools.javac.main.JavaCompiler类，上述3个过程的代码逻辑集中在这个类的 如果这些插件在处理注解期间对语法 树进行过修改，编译器将回到解析及填充符号表的过程重新处理，直到所有插入式注解处理器都没有 再对语法树进行修改为止，每一次循环过程称为一个轮次（Round），这也就对应着图10 就是编译执行和解释执行，前面jit的时候介绍过 11.3 提前编译器 就是jot提前也介绍过 11.4 编译器优化技术 经过前面对即时编译、提前编译的讲解，读者应该已经建立起一个认知：编译器的目标虽然是做由程序代码翻译为本地机器码的工作 本节将介绍几种HotSpot虚拟机的即时编译器在生成代码时采用的代码优化技术，以小见大，见微知著，让读者对编译器代码优化有整体理解。
66720编辑于 2023-02-28 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十五） —— 多重星型模式
（五）进阶技术 10. 多重星型模式 从（五）进阶技术1. “增加列”开始，已经通过增加列和表扩展了数据仓库，在（五）进阶技术5. source.factory_master; COMMIT; 清单（五）- 10-2 使用Kettle转换初始装载工厂数据只需要一个表输入和一个表输出步骤即可，如图（五）- 10-2到图（五）- 10 图（五）- 10-2 图（五）- 10-3 图（五）- 10-4 工厂的信息很少改变，所以可能希望在一个CSV文件里提供任何关于工厂的最新信息。 执行清单（五）- 10-4里的脚本创建这个表。 product_code INT, production_date DATE, factory_code INT, production_quantity INT ); 清单（五）- 10
65620编辑于 2022-12-02 - 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10-4 递归求简单交错幂级数的部分和
习题10-4 递归求简单交错幂级数的部分和 本题要求实现一个函数，计算下列简单交错幂级数的部分和： f(x,n)=x−x2+x3 −x4+⋯+(−1)n−1xn 函数接口定义： double
1.5K10发布于 2020-09-15 顶刊分享----空间免疫评分系统预测肝癌复发
REC和非REC HCC之间最显著的差异是非REC HCC IF中NK细胞的富集评分显著高于REC HCC（P = 4.3 × 10-4），表明IF中NK细胞浸润增加的患者复发风险较低。 CD56+ ordinary NK（P = 3.5 × 10-2）、CD3-CD16+CD56+细胞毒性NK（P = 3.0 × 10-3）和CD3-CD57+ mature NK（P = 8.0 × 10 人外周血的流式细胞术分析进一步证明，SPON2+NK细胞比SPON2-NK细胞表达显著更高水平的IFNγ（P = 1.0 × 10-4）和穿孔素（P = 2.0 × 10-4）。
26120编辑于 2025-03-17- 来自专栏化羽学Java
Java实用类(五) -Math类和指定范围的随机数
Math.random() * b )——>[a，a + b) //(int)(a + Math.random() * b )——[a，a + b) //4~9-->(int)(4 + Math.random() * (10 0; i < 20; i++) { int RandomNum = 0; //生成0~9的随机整数 RandomNum = (int)( 4+Math.random() * (10
81320编辑于 2022-10-28 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图10-3 容错虚拟机所在主机 （4）在左侧选择另一个ESXi主机192.168.80.12，在”Virtual Machine”列表中可以看到正在运行的辅助虚拟机，如图10-4所示。 图10-4 辅助虚拟机运行截图 当ESXi主机内存是4GB、5GB时，尝试启动容错虚拟机，则会弹出”父资源池中可用内存资源不足”的提示，如图10-5所示。
1.5K40编辑于 2021-12-23 - 来自专栏编程技术宇宙
嘿嘿，我用代码写了一篇游记！
顺便提前找找感觉，要好好学习技术了！ new Dessert("芒果西露")); day4.eat(new Noodle("重庆小面")); /* * 第五天 */ Holiday day5("10 从 桂林 到 北海 吃海鲜: 皮皮虾 吃海鲜: 生蚝 吃海鲜: 牡蛎煎蛋 坐船，从 北海 到 涠洲岛 游玩: 石螺口海滩 吃甜品: 芒果西露 吃面条: 重庆小面 ---------------假日: 10 是时候展示真正的技术了，快来秀出你的假期！
42010发布于 2021-10-15 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
图10-4给出了样本在3维空间的分布情况，其中图(2)是图(1)旋转调整后的结果。 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1K80发布于 2018-03-13 - 来自专栏全栈程序员必看
计算机网络谢希仁第七版 课后答案
性能指标：具体定量描述网络的技术性能。 1-17 收发两端之间的传输距离为1000km，信号在媒体上的传播速率为2×108m/s。 谢希仁计算机网络第七版课后答案 解：（1）1Mb/s:传播时延=0.1/(2×108)=5×10-10比特数=5×10-10×1×106=5×10-4 1Gb/s: 比特数=5×10-10×1×109 ×108)=5×10-7比特数=5×10-7×1×106=5×10-1 1Gb/s: 比特数=5×10-7×1×109=5×102 (3) 1Mb/s: 传播时延=100000/(2×108)=5×10 -4比特数=5×10-4×1×106=5×1021Gb/s: 比特数=5×10-4×1×109=5×105 (4)1Mb/s: 传播时延=5000000/(2×108)=2.5×10-2比特数=2.5 各层可以采用最合适的技术来实现④易于实现和维护。⑤能促进标准化工作。与分层体系结构的思想相似的日常生活有邮政系统，物流系统。 谢希仁计算机网络第七版课后答案 1-21 协议与服务有何区别？
1.5K30编辑于 2022-08-18 - 来自专栏华章科技
终于有人把用户画像的流程、方法讲明白了
它是计算广告、个性化推荐、智能营销等大数据技术的基础，毫不夸张地说，用户画像是大数据业务和技术的基石。 画像构建中用到的技术有数据统计、机器学习和自然语言处理技术（NLP）等，如图10-3所示。具体的画像构建方法会在本文后面的部分详细介绍。 ? ▲图10-3 用户画像的构建技术 2. 标签体系 目前主流的标签体系都是层次化的，如图10-4所示。首先标签分为几个大类，每个大类再进行逐层细分。在构建标签时，只需要构建最下层的标签，就能够映射出上面两级标签。 其中使用的技术方法主要是机器学习中的分类技术，常用的模型有LR、FM、SVM、GBDT等。 2. 至此，就完成了对新闻内容从粗到细的“分类-主题-关键词”三层标签体系的内容建模，新闻的三层标签如表10-4所示。 ▼表10-4 三层标签体系 ?
6.7K44发布于 2021-07-12 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
图10-4给出了样本在3维空间的分布情况，其中图(2)是图(1)旋转调整后的结果。 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1.1K100发布于 2018-04-04 - 来自专栏新智元
1780亿个参数，能识别25万个词条，这个语言模型的诞生只为挑战王者GPT-3？
优化程序方面，研究人员对J1-Large和J1-Jumbo分别使用了1.2×10-4和0.6×10-4的学习率，以及200万和320万个token的批大小。
71730发布于 2021-08-25 - 来自专栏全栈程序员必看
干货请收好：终于有人把用户画像的流程、方法讲明白了「建议收藏」
画像构建中用到的技术有数据统计、机器学习和自然语言处理技术（NLP）等，如图10-3所示。具体的画像构建方法会在本章后面的部分详细介绍。 ▲图10-3 用户画像的构建技术 2. 标签体系 目前主流的标签体系都是层次化的，如下图10-4所示。首先标签分为几个大类，每个大类下进行逐层细分。在构建标签时，我们只需要构建最下层的标签，就能够映射到上面两级标签。 03 构建用户画像 我们把标签分为三类，这三类标签有较大的差异，构建时用到的技术差别也很大。 其中使用的技术方法主要是机器学习中的分类技术，常用的模型有LR、FM、SVM、GBDT等。 2. 至此我们就完成了对新闻内容从粗到细的“分类-主题-关键词”三层标签体系内容建模，新闻的三层标签如表10-4所示。
3.2K41编辑于 2022-09-05 - 来自专栏华章科技
干货请收好：终于有人把用户画像的流程、方法讲明白了
画像构建中用到的技术有数据统计、机器学习和自然语言处理技术（NLP）等，如图10-3所示。具体的画像构建方法会在本章后面的部分详细介绍。 ? ▲图10-3 用户画像的构建技术 2. 标签体系 目前主流的标签体系都是层次化的，如下图10-4所示。首先标签分为几个大类，每个大类下进行逐层细分。在构建标签时，我们只需要构建最下层的标签，就能够映射到上面两级标签。 03 构建用户画像 我们把标签分为三类，这三类标签有较大的差异，构建时用到的技术差别也很大。 其中使用的技术方法主要是机器学习中的分类技术，常用的模型有LR、FM、SVM、GBDT等。 2. 至此我们就完成了对新闻内容从粗到细的“分类-主题-关键词”三层标签体系内容建模，新闻的三层标签如表10-4所示。
5.6K61发布于 2018-12-10 - 来自专栏技术进阶之路
计算机网络总结 8800字
/(2×108)=5×10-7 比特数=5×10-7×1×106=5×10-1 1Gb/s: 比特数=5×10-7×1×109=5×102 ③1Mb/s: 传播时延=100000/(2×108)=5×10 -4 比特数=5×10-4×1×106=5×102 1Gb/s: 比特数=5×10-4×1×109=5×105 ④1Mb/s: 传播时延=5000000/(2×108)=2.5×10-2 比特数=2.5 C3=Wlong2（1+SN3）=Wlog2（1+10SN2） C3/C2=18.5% 如果在此基础上将信噪比S/N再增大到10倍，最大信息通率只能再增加18.5%左右 2-13为什么要使用信道复用技术 常用的信道复用技术有哪些？答：为了通过共享信道、最大限度提高信道利用率。频分、时分、码分、波分。 2-16共有4个站进行码分多址通信。 答：7D 5E FE 27 7D 5D 7D 5D 65 7D 5E 7E FE 27 7D 7D 65 7E 3-10 PPP协议使用同步传输技术传送比特串0110111111111100。
1K10发布于 2020-07-31 - 来自专栏杨建荣的学习笔记
迁移到MySQL的架构演进（一）
整体的系统现状梳理如下表10-4。 表10-4 数据业务与账单业务的对比 数据业务账单业务数据量400G+1024G+数据特点数据读写（插入，修改，查询)数据写入为主(插入，查询）数据属性事务性数据流水型数据数据保留周期物理备份保留周期
90520发布于 2019-06-18 - 来自专栏愿天堂没有BUG（公众号同名）
深入解析java虚拟机：垃圾回收，垃圾回收基础概述
60年后的今天，垃圾回收技术再也不是一个笑话，它俨然成为诸如Java、C#、Python、Erlang、Golang编程语言的核心组件。 Java最吸引人的特性之一就是它的垃圾回收技术：程序员负责创建对象、使用对象，垃圾回收器负责回收资源，做好善后工作。它从GCRoot出发标记存活对象，清理未被标记的对象，这种方式又被称为追踪式回收。 GC屏障 GC屏障即后缀为BarrierSet的一系列类，它们的作用是在字段读操作或者写操作前后插入一段代码，执行某些垃圾回收必要的逻辑，如代码清单10-4所示： 代码清单10-4 GC屏障 public
52330编辑于 2022-10-31
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