- 综合排序
- 最热优先
- 最新优先
- 来自专栏图形视觉
细分网格建模
另外，细分网格表示的数据量非常小，很适合于网络传输。 ---- 细分网格建模 三维公园提供了在线的三维建模工具，用户可以直接在浏览器中进行三维设计。
1.2K11发布于 2019-10-27 - 来自专栏frytea
dnsmasq 多网卡分网段配置
在 dnsmasq 的配置文件 /etc/dnsmasq.conf 中使用类似下面的配置：
1.4K20编辑于 2023-10-21 - 来自专栏JNing的专栏
【pytorch】固定(freeze)住部分网络
因为：即使对bn设置了 requires_grad = False ，一旦 model.train() ，bn还是会偷偷开启update（ model.eval()模式下就又停止update ）。（详见【pytorch】bn） 所以：train每个epoch之前都要统一重新定义一下这块，否则容易出问题。
2.6K10编辑于 2021-12-06 - 来自专栏用户9757876的专栏
没有可网管交换机，怎么分网段？
调试计划：只有一台办公用的交换机是可网管的二层交换机，其他都是非网管交换机，所以放弃用交换机VLAN划分，而是用路由器端口来划分网段，以便接入不同的网络交换机； 调试过程：1、路由器修改为复杂密码；
1.5K10编辑于 2022-12-08 - 来自专栏我爱计算机视觉
ELAN：将超分网络SwinIR高效化，最快可达4.5倍
技术之美 本篇分享论文『Efficient Long-Range Attention Network for Image Super-resolution』，由香港理工大学、OPPO 提出ELAN：将超分网络 通过将两个shift卷积与GMSA模块级联，构建高效的远程注意块(ELAB)，并通过共享注意机制进一步加速该模块的运行，极限情况下能比SwinIR快四倍！ 这表明GMSA比SwinIR小窗口下的SA更有效。共享注意机制，可以在性能下降很小的情况下，进一步加快光的推断时间。 但是因为在SwinIR中SA是一个沉重的计算负担，SwinIR-light的延迟比CNN的方法要慢×10以上。 得益于高效的远程注意力设计，ELAN-light模型不仅在所有五个数据集上获得了较好的指标，而且比SwinIR-light快了×4.5。同时参数和计算复杂度也比SwinIR-light要小。
1.7K20编辑于 2022-09-01 - 来自专栏企鹅号快讯
前端插件以及部分细分网址梳理
图来源网络 前端插件以及部分细分网址梳理 插件 parallel.js: 前后端通用的一个并行库 zepto: 用于现代浏览器的兼容 jQuery 的库 totoro: 稳定的跨浏览器测试工具 TheaterJS
6.8K90发布于 2018-02-05 - 来自专栏全栈程序员必看
教你识別和区分网络及使用者
对组织来说。适当的识别和分类正常流量和用户，可以更easy保护组织的关键数据。眼下。移动设备和BYOD政策趋势。加之企业网络内数据流动的规模大大添加，说明想要进行“正确”的网络区隔变得困难得多。
44730编辑于 2022-07-10 - 来自专栏码客
解决部分网站因DNS无法访问的问题
最近发现Github上的图片都无法加载 域名raw.githubusercontent.com
3K20发布于 2020-05-19 - 来自专栏信数据得永生
【论文笔记】BINE：二分网络嵌入
4.1 建模显式关系 在二分网络中，边存在于两种不同类型的顶点之间，在构建二分网络时提供显式信号。 注意，公式（9）的三个分量具有不同的训练实例定义。 具体来说，第 1-2 行初始化所有嵌入向量和上下文向量；第 3-4 行产生顶点序列的语料库；第8和第12行进行负采样; 第 9-10 行和第 13-14 行使用 SGA 来学习嵌入。 (u[i], u[c]) in the sequence S ∈ D^U do 8 Negative sampling to generate N^{ns}[S](u[i]); 9 where z ∈ {v[c]} ∪ N^{ns}[S](v[j]); 15 return Vertex embeding matrices U and V 4.4 讨论 预训练：BiNE 在公式（9）
66420编辑于 2022-05-07 - 来自专栏数据派THU
比9种SOTA GNN更强！谷歌大脑提出全新图神经网络GKATs
不仅解决了计算复杂度问题，还被证明优于9种SOTA GNN。 从社交网络到生物信息学，再到机器人学中的导航和规划问题，图在各种现实世界的数据集中普遍存在。 该团队证明GKAT比SOTA GNN具有更强的表达能力，同时还减少了计算负担。 在GAT和GKAT中，使用2个注意头，隐层中有h=9个节点。 在GKAT中，使用长度为τ=3的随机游走。 可以看出，GKAT在所有的模体上都优于其他方法。 作者在9个标准和公开的生物信息学和社交网络数据集上测试了GKAT的图分类任务。 对于每个数据集，表现最好的方法被加粗显示，第二的由下划线表示。 训练不同网络的时间，均为双层结构 此外，在达到特定精度水平所需的时间方面，常规的GKAT也比相应的模型（GCN、GAT和SGC）快。
63630编辑于 2023-03-29 - 来自专栏新智元
比9种SOTA GNN更强！谷歌大脑提出全新图神经网络GKATs
不仅解决了计算复杂度问题，还被证明优于9种SOTA GNN。 从社交网络到生物信息学，再到机器人学中的导航和规划问题，图在各种现实世界的数据集中普遍存在。 该团队证明GKAT比SOTA GNN具有更强的表达能力，同时还减少了计算负担。 在GAT和GKAT中，使用2个注意头，隐层中有h=9个节点。 在GKAT中，使用长度为τ=3的随机游走。 ? 可以看出，GKAT在所有的模体上都优于其他方法。 作者在9个标准和公开的生物信息学和社交网络数据集上测试了GKAT的图分类任务。 对于每个数据集，表现最好的方法被加粗显示，第二的由下划线表示。 ? 训练不同网络的时间，均为双层结构 此外，在达到特定精度水平所需的时间方面，常规的GKAT也比相应的模型（GCN、GAT和SGC）快。
58060发布于 2021-07-29 - 来自专栏Debian中国
CPU 漏洞补丁对内核性能影响：4.15 比 4.11 快 7-9%
根据Google+博文显示，最近发布的Linux Kernel 4.15的速度要比4.11快7-9%；在激活内核页表隔离（KPTI）情况下速度仅比4.11慢了1-2%。 ?
61020发布于 2018-12-21 - 来自专栏全栈程序员必看
离心泵CAE_2_ICEM剖分网格_2_叶轮流道
由于三个流道分开来划分网格，所以分三部分来分别讲解，这里是第2篇，叶轮流道的网格剖分，有了上篇进口延伸段的网格剖分的基础，这里就没必要讲得那么事无巨细了。 2.5 划分网格 还是用最简单粗暴的均匀非结构网格粗略来划分。 单击Compute或者OK都行的，让它来划分网格吧。 右下方会有信息冒出来，还有个进度条在走，稍候片刻，妥了，网格画好。
1.7K10编辑于 2022-09-01 - 来自专栏深度学习与python
前阿里 P9：技术专家比架构师差在哪？| 极客时间
顺便分享一份他总结的 架构师技能图谱，把零散的概念系统地整理在一起，是我的压箱底存货： 华仔是前阿里 P9，从事研发架构工作十几年，曾就职于华为、UC、阿里巴巴、蚂蚁金服等公司，先后担任软件开发工程师 限时优惠： 秒杀 + 专属口令「jiagou999」 立省 ¥90，到手仅 ¥109 仅限前 50 个名额 阿里 P9 不常有，系统把自己的精华思考和丰富工作经验分享出来的 P9 则更少。
1.2K10编辑于 2023-04-01 - 来自专栏DotNet NB && CloudNative
C# 9的init魔法：比readonly更优雅的不可变性设计
C#长久以来通过readonly字段支持不可变对象，但C# 9引入的init关键字带来了更灵活的不可变性控制方案。 readonly字段 init属性 赋值时机 仅构造函数内 对象初始化阶段 是否支持初始化器语法 ❌ 不支持 ✅ 完美支持 适用场景 完全不可变的核心字段 需初始化灵活性的模型 与record的黄金组合 C# 9的
33510编辑于 2025-08-14 - 来自专栏芯智讯
2026年美国12吋晶圆产能全球占比将提升至9%！中国大陆占比25%！
其中，美国产能在全球的占比将自 2022年的0.2%，大幅提升45倍至近9%。中国大陆也将自2022年的22%，提升至25%。 SEMI表示，全球12吋晶圆厂产能分别于2021年及2022年强劲成长11%及9%，2023年因存储芯片及逻辑元件需求疲软影响，成长可能趋缓，增幅将降至6%。 去年9月，英特尔又斥资 200 亿美元在俄亥俄州建造两座先进制程晶圆厂，并表示其投资“在未来十年内可能增长到高达 1000 亿美元”。 根据SEMI的预测，美国12吋晶圆产能在全球当中的比重将自2022年的0.2%，跃升至2026年近9%。
99220编辑于 2023-04-11 - 来自专栏新智元
英特尔又被苹果按地摩擦：M1比i9快了30%？
如今又有好事者做了一项有意思的测试，结论是M1比i9处理器快了30%？！ 自苹果的M1芯片发布以来，关于它的性能究竟多强悍激起了所有人的兴趣。 Geerling的日常工作了解一下：没事打造一个Raspberry集群 为了庆祝这个小小的里程碑，他自己定制了红色的纪念T恤，并且还挂在了网上： 之前在基于Docker环境中，他使用自己曾经的那台采用i9处理器的 这台电脑他当时以3000美元（约合人民币19000元）的价格购入，并且还要时刻忍受如飞机起飞般的风扇噪音以及i9那巨大的热量给大腿带来的炙烤（Geerling你为什么不把电脑放在桌子上？）。 以下是测试结果： 其中Mac mini用时不到9分钟，而Macbook Air则由于没有内置风扇导致M1芯片降频，最终比mini慢了将近1分钟。 而作为对比，采用i9的 Pro用时12分半，着实有点拉胯了。 随后Geerling还不忘补一刀：即便mini具有风扇，但是在编译的过程中几乎听不到它的存在，并且机器本身也没有任何发热的迹象。
67320编辑于 2023-05-22 - 来自专栏音视频技术
Facebook：AV1比x264和libvpx-VP9提升至少30%
我们的测试表明AV1超越了预计其规定的压缩率比VP9好30％，参照x264 main profile，x264 high profile和libvpx-vp9相比，分别获得了50.3％，46.2％和34.0 libvpx-VP9 免费视频编码器libvpx库由Google开发，可用作视频编码格式VP8和VP9来参照。 如上所述我们测试使用400个FB视频，以30fps-16：9宽高比-1：1像素长宽比和8 bit位深的不同分辨率（360p / 480p / 720p / 1080p）从每个视频中提取前10秒进行编码测试 另一方面对于CRF / QP模型，AV1与x264 main，x264 high和libvpx-vp9对比的编码计算复杂度（编码运行时间而言）分别增加5721.5倍，5869.9倍和658.5倍 如图4 然而在ABR模式下的x264 main，x264 high和libvpx-vp9相比，AV1的编码计算复杂度有所增加。编码运行时间提升分别为9226.4倍，8139.2倍和667.1倍，如图7所示。
1.1K30发布于 2021-09-01 - 来自专栏程序那些事儿
Saga：比笔记更轻，比知识库更快，比 AI 更自然
在信息工具不断更新的这几年，人们对“笔记软件”的期待已经从简单记录，变成了知识管理、任务管理、写作、协作、甚至构建第二大脑。 但当你真正打开 Saga，你会发现它并不属于任何一个传统分类。
17710编辑于 2026-03-27 - 来自专栏咸鱼学Python
JS逆向 | 【难度0.2】某美妆积分网站 sign 值分析
aHR0cDovL2ppZmVuLmtvdWhvbmdndWkuY29tLyMvcmVnaXN0ZXJob21lP3Rva2VuPTE1NDcxNzcwMzY0MDg0M184MTEzNjEwZjM3MTc0OTI4OTQwNjJhNjc2MWUzZWJmYiZ1c2VySWQ9MTU0NzE3NzAzNjQwODQzJm5pY2tOYW1lPTE1MCUyYSUyYSUyYSUyYTM0MDM
99620发布于 2020-02-26
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