- 综合排序
- 最热优先
- 最新优先
- 来自专栏初见Linux
10-2 控制进程
① 语法格式 xlogo 输入该命令后，包含 X 标识的一个小窗口将在屏幕的某个地方出现。 这条信息是 shell 的一个称为作业控制的特性表现。 Shell 通过这条信息来显示已经启动的作业编号为 1 （[1]）,其对应的PID是4514。 如果执行 ps 命令可以查看当前运行的进程， ps （4）jobs命令 Shell的作业控制特性也提供了一种方式来查看从终端提供的所有作业。使用 jobs 命令可以得到如下列的信息。 用户可以使用 fg 或 bg 命令操作继续前台或后台的任务，fg命令重新启动前台被中断的任务，bg命令把被中断的任务放在后台执行。 (该命令的运行效果与在指令后面添加符号&的效果是相同的，都是将其放到系统后台执行。) 参数: ① 作业编号: 指定需要放到后台的作业标识号。
1K40发布于 2020-08-05 - 来自专栏嵌入式音视频
10-2 判断是否为素数
预览图如下 #include<stdio.h> #include <windows.h> int main() { int prime(int x); int n; system("color f0"); printf("请输入一个正整数\n该正整数要求大于1\n程序目的:判断这个数是否为素数\n"); scanf("%d",&n); if(prime(n)) printf("这个数是素数!\n"); else printf("这个数不是素数!\n"); return 0
30630编辑于 2022-12-01 - 来自专栏mysql
hhdb数据库介绍(10-2)
管理端口：计算节点对外提供监控管理查询的端口，可在server.xml配置文件中修改。 类型：主备节点模式下的计算节点集群可标识计算节点的主备角色，在单节点与多节点模式的集群中该字段意义不大。 高可用组件：在主备节点模式的集群中该字段主要展示Keepalived组件运行状态，在多节点模式的集群中展示LVS组件运行状态；同时会展示LVS的虚拟IP地址（VIP）。 部署环境得分：成功进行过“部署环境体检”功能的计算节点集群会显示最新体检的得分。 当前主备计算节点服务器的SSH连接用户必须为root或具有sudo操作权限的用户。 当前主备计算节点服务器的SSH连接用户必须为root或具有sudo操作权限的用户。
47210编辑于 2025-03-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-2 精准率和召回率
这一小节我们将介绍通过混淆矩阵才能得到的精准率和召回率两个非常重要的指标。 上一小节的最后我们举了一个小例子：在癌症预测系统中对1万个人进行是否患有癌症的分类任务。 对于精准率来说，它的分母相当于是算法预测值为1的这一列的总和，也就是算法预测样本为1的样本数量，而分子是指算法预测样本为1真实的样本也为1的样本数量，也就是算法预测为1时预测正确的样本数量。 比如在医疗中我们将类别1表示为患病的病人，对于上面癌症预测系统对应的混淆矩阵来说，这个精准率就是指算法预测患有癌症预测成功的概率，上面得到的精准率为40%（0.4），可以解释为算法每做100次的癌症预测 总的来说对于这种有偏数据的分类问题，通常将类别1作为我们关注的那个事件，精准率就是算法预测为我们关注的事件（预测值为1），算法预测正确的概率。 与精准率相对应的另外一个指标叫做召回率。 ? 召回率就是我们关注的那个事件真实的发生了（真实值为1），在真实发生的这些样本中，算法预测正确的概率。
1.8K30发布于 2020-03-27 - 来自专栏完美Excel
VBA专题10-2：使用VBA操控Excel界面之设置工作表
本文主要讲解操控工作表中一些界面元素的VBA代码。 名称框 名称框中的名字是为单元格区域定义的名字，可以由用户定义名称，或者由Excel自动创建，例如Print_Area和表1。 ，那么行或列的滚动的效果是明显和清楚的。 和ScrollColumn属性将把冻结的区域排除在外，仅影响没有被冻结的区域。 工作表索引值（即在工作簿中该工作表标签的位置）。即使工作表被隐藏，其索引值不会改变。如果没有被隐藏的工作表，那么最左侧的工作表标签是工作簿中的第1个工作表，其索引值为1。 3. 工作表代码名称（在VBE编辑器的属性窗口中可以看到） 下面的代码展示了隐藏工作表之前引用工作表的3种不同的方法： '隐藏名为Sheet3的工作表 Sheets("Sheet3").Visible= xlSheetHidden
6.9K41发布于 2020-07-02 - 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10-2 递归求阶乘和
习题10-2 递归求阶乘和 本题要求实现一个计算非负整数阶乘的简单函数，并利用该函数求 1!+2!+3!+…+n! 的值。 函数接口定义： double fact( int n ); double factsum( int n ); 函数 fact 应返回 n 的阶乘，建议用递归实现。 的值。题目保证输入输出在双精度范围内。 printf("fact(%d) = %.0f\n", n, fact(n)); printf("sum = %.0f\n", factsum(n)); return 0; } /* 你的代码将被嵌在这里
2.1K20发布于 2020-09-15 - 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
（1）选中要启用FT的虚拟机，右击在弹出的对话框中选择”Fault Tolerance→打开Fault Tolerance”，如图9-1所示。 图9-1 打开容错功能 （2）由于我们是在虚拟机中做的这个测试，在打开FT时会有个故障提示”与主机关联的虚拟网卡宽带不足，无法用于FT日志记录”，如图9-2所示。实际上这个提示不影响后期的测试。 在新版本的FT中，主虚拟机与辅助虚拟机可以放置在不同的数据存储中，这进一步提高了”容错”的安全性，如图9-3所示。在此为辅助虚拟机选择另一个共享存储。 （1）右击容错虚拟机，在弹出的对话框中选择”启动→打开电源”，如图10-1所示。 图10-1 启动容错虚拟机 （2）打开控制台，可以看到虚拟机正在启动，如图10-2所示。 图10-2 容错虚拟机正在启动 （3）在vSphere Web Client控制台中，在”摘要”选项卡中可以看到当前容错虚拟机，所在的主机为192.168.80.11，如图10-3所示。
1.5K40编辑于 2021-12-23 - 来自专栏福大大架构师每日一题
文心一言 VS 讯飞星火 VS chatgpt （105）-- 算法导论10.1 3题
三、用go语言，仿照图 10-2，画图表示依次执行操作 ENQUEUE(Q，4)、ENQUEUE(Q，1)、ENQUEUE(Q，3)、DEQUEUE(Q)、ENQUEUE(Q，8)和 DEQUEUE(Q 图 10-2 展示了队列在每一步操作后的状态，但是由于我不能直接画图，我将用文字描述每一步的结果。 然后，它依次执行了添加元素和删除元素的操作，并打印出每一步的结果。 在这里插入图片描述 在这里插入图片描述 chatgpt： 以下是使用Go语言实现图10-2中操作的示例代码： package main import "fmt" const MaxSize = 6 ： DEQUEUE(Q): 4 DEQUEUE(Q): 1 这样就仿照了图10-2中的过程，并打印了每一步操作的结果。
34550编辑于 2023-10-05 - 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
可以使用清单（五）- 10-2里的脚本初始装载工厂数据。 factory_city , factory_state , 1 , CURRENT_DATE , '2200-01-01' FROM 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）- 10-4所示。 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。 之后，执行清单（五）- 10-2里的脚本或对应的Kettle初始装载转换向factory_dim表装载factory_master表里的四个工厂信息。
62320编辑于 2022-12-02 - 来自专栏hadoop学习
Hadoop伪分布式环境搭建之Linux操作系统安装
在文章开头就已经说明了，hadoop安装会在后面写到，因为整个系列的文章涉及到每一步的截图，导致文章整体很长。 （三节点的DKHadoop发行版可以自己去大快网站页面下载，目前是开放所有权限的，也就是免费版本和付费版本的权限一样，不知道以后会不会限制权限，至少目前是没有的） Hadoop安装的分享最迟下周可以整理完 ，整理好便会分享给大家的。 本篇重点分享的是hadoop运行操作系统的安装说明，还是以图文的形式，步骤比较多，看完需要耐心的！ ： image.png 图10-1 如果出现以下提示（见图10-2） 选择“无论如何都要使用” image.png 图10-2 11、选择第五项(创建自定义布局)、查看并修改分区布置，点击下一步
1.1K00发布于 2018-10-26 - 来自专栏实战docker
LeetCode279:完全平方数，动态规划解法超过46%，作弊解法却超过97%
本篇概览 这是道高频面试题，值得一看 首先，这道题的难度是中等 来看题目描述： 给你一个整数 n ，返回 和为 n 的完全平方数的最少数量 。 ，核心解法有两点： 数字i，可能是某个数字的平方，例如数字9是数字3的平方 数字i，如果不是某个数字的平方，该数字能用此表达式表达：i = i - j*j + j*j 对于上述第二种情况，就是动态规划状态转移方程的核心啦 以10为例，10=(10-3*3) + 3*3，但是这不是唯一，还有10=(10-2*2) + 2*2，所以到底j等于几？ 根据题意，应该是dp[10-3*3]和dp[10-2*2]中最小的那个 至此，分析完毕，可以愉快的写代码了 编码 完整源码如下所示，可见，对应前面分析的j的多种可能，要取最小值 class Solution 于是，我想到了一种可能：说不定可以作弊… 理由有二 首先，这道题的输入是个数字，输出也是个数字，那就存在提前算好的可能，然后按输入返回提前算好的记过 其次，也是最关键的，就是题目要求中的那句提示，如下图
64520编辑于 2022-09-29 - 来自专栏算法channel
Tensorflow|Session和InteractiveSession
01 Session 每一个Session都维护各自变量的副本。 等号8，sess1和sess2各自维护W，所以sess1中W增加10，不会影响sess2的W，所以它等于10-2=8. 02 Session vs InteractiveSession 有时候我们会看到
76070发布于 2018-04-02 - 来自专栏爬蜥的学习之旅
分治法(Divide and Conquer)怎么用？
分治法的思想是什么？ 给定一个问题集合，大小为n,将它划分成a个大小为 n/b 的小问题，然后组合每个子问题的结果，递归的解决每个小问题，直到最后的问题被解决 a >=1 b>1 。 C(A)和CH(B) 怎么去合并 同样的可以按照粗暴的思路来解决，就是去看所有的两个CH的所有顶点连线，然后看是否所有的点都在它的一侧。 将S分成5列，这样它就是有多行数据，一共5列的二维数组，把每列进行排序，最大的元素在上头，最后x的取值为所有列中间取值的中间的值 image.png 方便画有行列交换 经过这么划分，可以看到 小于 X的取值元素数量至少为：3(n/10-2) 大于X的取值元素数量至少为：3(n/10-2) 这里取 n/10的上边界。 可以看到一共有 n/5 行，而有一半的行都会存在小于X的数，每行都会有3个，除了包含X的那一行和不足5个元素的最后一行 可以得到整个的耗时为 image.png 所有的除法全部上取整 T(
87910发布于 2019-07-09 - 来自专栏Brian
Scala Turtuial-基本语法
今天是Scala Turtuial系列的基本语言的介绍，废话少说直接撸代码。 入门 在详细讲解Scala的基本特性之前，我们需要搭建Scala的开发环境和编译环境，基本语法推荐大家使用scala自带的交互式环境来学习，随着学习的深入和代码量大的增多，后续可以选择Idea、Eclipse 基本数据类型 1.Byte 8位有符号的整数 2.Short 16位有符号的整数 3.Int 32位有符号的整数 4.Long 64位有符号的整数 5.Char 16位无符号数 6.String 7.Float String = HELLO scala> x.reverse res16: String = olleh scala> "hello".drop(3) res17: String = lo scala> 1*10 scala> 1*10-2::2::Nil:::List(89,89) res20: List[Int] = List(8, 2, 89, 89) 元组类型 scala> val test = ("hello
80140发布于 2018-04-03 - 来自专栏算法修养
ZOJ 3203 Light Bulb
All numbers are in range from 10-2 to 103, both inclusive, and H - h >= 10-2.
68570发布于 2018-04-27 - 来自专栏码上积木
再也不用担心面试官问RecycleView了
于是，我又去淘了一些关于RecyclerView的面试真题，大家一起看看吧，这次的问题如果都弄懂了，下次面试再遇到RecyclerView应该就没啥可担心的了。 4）所以这个问题就得出结论了（假设mCacheViews容量为默认值2）： 如果一开始滑动的是新数据，那么滑动10个，就会走10个bindview方法。然后滑回去，会走10-2个bindview方法。 如果一开始滑动的是老数据，那么滑动10-2个，就会走8个bindview方法。然后滑回去，会走10-2个bindview方法。一共16次调用。 「但是但是」，实际情况又有点不一样。 但是滑回去的时候不影响，因为就算提前取了一个缓存数据，只是把bindview方法提前了，并不影响总的绑定item数量。 所以滑动的是新数据的情况下就会多一次调用bindview方法。 缓存的其实就是缓存item的view，在Recyclerview中就是viewholder。 cachedView就是mCacheViews缓存区中的view，是不需要重新绑定数据的。
1.9K20发布于 2020-12-11 - 来自专栏微服务生态
微服务反模式与陷阱翻译终结篇
毫秒（初始请求+四个服务的调用时间），这个只是远程访问的时间，还不算实际业务代码的执行时间，这是大多数应用系统都不能接受的时间。 9.2 通信协议比较 不同协议的延迟响应时间其实在不同的环境中表现的差异很大，因此我们也需要在不同的业务请求下建立一些测试基准。 ? 你应该考虑两种类型的消息标准作为微服务架构中的消息传递：特定平台的标准和平台无关的标准。特定平台的标准比如 JMS for java、MSMQ for .net。平台无关的比如 AMQP。 10.2 广播能力 这个最典型的就是消息的“发布-订阅”，如图10-2所示。 ? 图10-2 10.3 事务请求 消息系统需要支持事务消息的概念，这意味着如果消息被发送到多个队列或Topic中，在发送方对该事务进行提交之前， 这些消息实际上不会被接收方所接收。
71820发布于 2018-08-22 - 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
Java的所有垃圾回收器都使用追踪式回收，只是具体的算法细节不尽相同。本章将讨论HotSpot VM中现存的所有垃圾回收器，在这之前，有必要先了解下垃圾回收的一些基础知识。 安全点本质上是一页内存，如代码清单10-2所示： 代码清单10-2 安全点创建 void SafepointMechanism::default_initialize() { if (ThreadLocalHandshakes 开启安全点的核心是线程状态的转换，不同线程进入安全点的方式也不尽相同。 3）执行编译后的代码的线程：开启安全点后，执行编译后的代码的线程使用test指令访问安全点，此时安全点不可读，所以引发异常信号，异常信号会被虚拟机的信号处理器（在Linux平台上是handle_linux_signal 线程局部握手 上节节的代码清单10-2展示的代码中有一个线程局部握手（ThreadLocal Handshakes）标志，它是JEP 312引入的特性。
50030编辑于 2022-10-31 - 来自专栏小黑博客
子网划分
已知地址信息 172.16.0.0/18 (1) 可以划分几个子网，子网的网络地址 (2) 子网掩码 (3) 每个子网的主机地址范围 image.png image.png 有一个网段：200.1.18.0 /24 现有四个部门 项目部：100台主机 财务部：60台 市场部：30台 预算部：16台 要求：每个网段之间不允许互通（VLSM） 要求：请将这些VLSM之后的网络CIDR为一个网络来代表 划分4个子网 ，从最大的开始划分：2的几次方大于等于100 2的7次方-2（主机位保留7位） 项目部： image.png 财务部： image.png 市场部： image.png 预算部： image.png 已知一个局域网中有1000台客户端，如果把它放在同一个网段中，请问用什么子网掩码比较合适 2^x-2 >=1000 2^10-2>=1000 保留10位主机位 /22 192.168.1.100 000 00000 000 =0 00001 000 =8 00010 000 =16 00011 000 =24 ........ 2^主机位数=8=256-掩码 从以上得到一个规律就是8的倍数
1.5K30发布于 2021-06-16 - 来自专栏思影科技
深度学习在静息态功能磁共振成像中的应用
对从人脑功能磁共振成像(fMRI)数据中获得的丰富的动态的时空变化特性进行建模是一项具有挑战性的任务。 对于KRR方法，超参数网格被扩展为核映射函数(线性核/多项式核等)，正则化参数的范围为([10-3,10-2,10-1,1])，核映射函数中的gamma参数(范围为[−4,2])。 对于EN回归方法，将调优参数alpha乘以惩罚项(在[10-1、10-2、10-3、10-4、10-5、10-6]范围内)和凸组合惩罚参数(在[0,1]范围内均匀采样的10个值)也视为超参数。 此外，对于3D CNN DL模型，作者使用的批量大小为16，初始学习率设置为10-2并通过在[10-1,10-2,10-3,10-4,10-5,10-6]范围内进行调优。 两层双向LSTM模型和graph-CNN均使用了Adam优化器，并对学习率在[5×10-2,10-2,5×10-3,10-3,10-4]范围内和对批量大小在(16,32,64,128)范围内进行了调整。
1.8K30编辑于 2022-06-13
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