- 综合排序
- 最热优先
- 最新优先
- 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-10)
代码清单3-10 class Queue { public: Type MaxValue(Type x, Type y) { if(x > y)
24340编辑于 2022-11-30 - 来自专栏devops_k8s
Go Protobuf(比xml小3-10倍, 快20-100倍)
protocol buffers 是一种灵活，高效，自动化机制的结构数据序列化方法－可类比 XML，但是比 XML 更小、更快、更为简单。你可以定义数据的结构，然后使用特殊生成的源代码轻松的在各种数据流中使用各种语言进行编写和读取结构数据。你甚至可以更新数据结构，而不破坏根据旧数据结构编译而成并且已部署的程序。
2.5K50发布于 2021-04-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-10 Numpy中的比较和Fancy Indexing
如果我们想索引向量中 "第4,6,9 个元素"，上面的索引和切片操作显然不能满足我们的需求。比较直观的想法是直接将三个位置的元素索引出来，然后再存储到一个新的向量中。
95020编辑于 2022-11-08 从语雀迁移到ima：传统笔记用户的知识库升级实录
一、语雀用户的核心困境：记了很多，用得很少 用语雀三年，我积累了800多篇笔记、40多个知识库。听起来很充实，但真实情况是——大部分笔记写完就再也没有被打开过。 它能帮你找到一条笔记，但没法帮你理解这条笔记和另外三十条之间的关联；它能总结一篇文章，但没法基于你的全部知识库给出深度分析。 二、传统笔记AI化的天花板在哪里 2.1 架构层面的局限 传统笔记软件的底层是"文件夹-文档"模型，AI是在这个模型上叠加的。这意味着AI能做的事情，受限于文档的存储和检索方式。 ima的copilot可以实现一句话生成AI报告（20-40分钟）、AI播客（3-10分钟）、AI PPT（约20-30分钟）。知识从"存进去"到"产出来"，中间几乎不需要人工干预。 4.3 从"写笔记"到"产出成果" 这是最大的变化。以前在语雀里写完笔记，工作就"结束"了。
36510编辑于 2026-06-10- 来自专栏DeepHub IMBA
LMCache：基于KV缓存复用的LLM推理优化方案
KV缓存可以理解为模型"阅读"文本时产生的中间状态，类似于做的笔记。 问题在于传统方案不复用这些"笔记"。同样的文本再来一遍，整个KV缓存从头算。 对于多轮对话、RAG这类prompt重复率高的场景，3-10倍的TTFT优化是实打实的。 LMCache目前主要绑定vLLM生态，Linux优先，AMD GPU支持还在完善中。
92510编辑于 2025-12-24 - 来自专栏素质云笔记
聚类︱python实现 六大 分群质量评估指标（兰德系数、互信息、轮廓系数）
之前关于聚类题材的博客有以下两篇： 1、 笔记︱多种常见聚类模型以及分群质量评估（聚类注意事项、使用技巧） 2、k-means+python︱scikit-learn中的KMeans聚类实现 . 1 R语言中的分群质量——轮廓系数 因为先前惯用R语言，那么来看看R语言中的分群质量评估，节选自笔记︱多种常见聚类模型以及分群质量评估（聚类注意事项、使用技巧）： 没有固定标准，一般会3-10分群
12.1K123发布于 2018-01-02 - 来自专栏新智元
三个LLM顶一个OpenAI？2亿条性能记录加持，路由n个「小」模型逆袭
将大模型路由问题转化为标准的分类任务，使研究者可在单卡甚至笔记本电脑上开展前沿研究。 领域专长等多维度的 Benchmark，为router设计提供了全面的训练与验证数据 研究低门槛化：所有性能记录均已预处理完成，研究者只需训练一个分类器（即router）即可开展实验，支持在单卡GPU甚至笔记本电脑上运行 候选池规模阈值 从Model-level Scaling Up现象示意图可以看到3-10个LLM候选的时候已经可以达到非常不错的性能。而且此时的部署成本并不高，具有很高的性价比。 幸运的是，实验表明仅需部署3-10个LLM即可获得优异性能，这大大降低了实际应用的复杂度。未来研究可借鉴分布式计算领域的技术成果，进一步优化部署方案。
55910编辑于 2025-04-09 - 来自专栏Rust
用OpenClaw最狠的6条赚钱路径
• 另一位直接做小红书笔记矩阵，10天内收入8万（热点挖掘+自动写作+定时发布）。 操作思路： 1. 接入国产模型（Qwen/MiniMax/GLM），成本低到几乎忽略。 2. 配置技能包：热点搜索 → 自动生成笔记 → SEO标题优化 → 定时发布。 3. 变现方式：广告商单 + 知识星球 + 带货佣金。 一句话：你睡觉，它给你打工。醒来账号涨粉、钱包叮叮响。 • 付费技能市场已出现，单Skill卖3-10刀/次，使用量大的月入轻松过万。 一句话：一次开发，无限卖。懂业务+会封装Skill=印钞机。
1.1K10编辑于 2026-04-23 - 来自专栏Rust
AI + 知识复利：2026年，普通人实现能力指数级增长的终极公式
个人知识大脑”： • 它能瞬间整理海量信息、生成结构化知识、模拟真实场景练习 • 它帮助你把碎片化学习变成系统性复利 • 它让“刻意练习”变得前所未有的高效 采用AI辅助学习的人，知识吸收速度和保留率普遍提升3- 打造个人第二大脑（PKM系统） 利用Notion/Obsidian + Claude / ChatGPT/Deepseek ，把每天阅读、听课、思考的内容扔给AI，让它自动总结、建立知识图谱、生成关联笔记 每日小习惯，积累知识复利 • 每天花20-30分钟用AI学习一个具体主题 • 每周做一个“知识输出”（写笔记、发朋友圈、录短视频） • 每月做一次大复盘，让AI生成你的“能力增长曲线” 四、真实案例：AI
29410编辑于 2026-05-26 - 来自专栏freesan44
PTA 1047 编程团体赛 (20 分)
输入样例： 6 3-10 99 11-5 87 102-1 0 102-3 100 11-9 89 3-2 61 结尾无空行 输出样例： 11 176 结尾无空行 解题思路 round = int(input int("6") resDic = dict() for i in range(round): inputList = input().split(" ") # inputList = "3-
43720编辑于 2021-12-06 - 来自专栏华章科技
手把手教你用Python进行帕累托分析（二八定律）
图3-10是某个月中海鲜系列的10个菜品A1～A10的盈利额（已按照从大到小的顺序排序）。 ? ▲图3-10 菜品盈利数据帕累托图 由图3-10可知，菜品A1～A7共7个菜品，占菜品种类数的70%，总盈利额占该月盈利额的85.0033%。
2K10发布于 2020-11-16 - 来自专栏陈黎栋的专栏啦
HugeGraph笔记·OrientDB笔记
https://hugegraph.github.io/hugegraph-doc/
84140发布于 2020-02-18 - 来自专栏HACK学习
Nmap笔记 | 学员笔记
一、主机发现 1. 全面扫描/综合扫描 nmap -A 192.168.1.103 2. Ping扫描 nmap -sP 192.168.1.1/24 3. 免Ping扫描，穿透防火墙，避免被防火墙发现 nmap -P0 192.168.1.103 4. TCP SYN Ping 扫描 nmap -PS -v 192.168.1.103 nmap -PS80,10-100 -v 192.168.1.103 （针对防火墙丢弃RST包） 5. TCP ACK Ping 扫描 nmap -PA -v 1
75231发布于 2019-08-07 - 来自专栏freesan44
PTA 1047 编程团体赛 (20 分)
输入样例： 6 3-10 99 11-5 87 102-1 0 102-3 100 11-9 89 3-2 61 结尾无空行 输出样例： 11 176 结尾无空行 解题思路 round = int(input int("6") resDic = dict() for i in range(round): inputList = input().split(" ") # inputList = "3-
62700发布于 2021-08-22 - 来自专栏啄木鸟软件测试
基于Django的电子商务网站开发（连载20）
如图3-10所示。 ? 图3-10删除选择的商品信息 点击商品名称的链接，就可以修改这条商品信息的记录，如图3-11所示。 ?
96310发布于 2019-12-11 - 来自专栏深度强化学习实验室
笔记 || AlphaStar学习笔记总结
AlphaStar是RL处理复杂决策问题的又一大新闻了。从War3到SC2，RTS一直是我的业余最爱，最近读了一下paper，也share一下里面使用的一些比较有趣的技术。@田渊栋 老师和 @张楚珩。
2.3K11发布于 2020-02-25 - 来自专栏bamboo前端学习记录
vue笔记3，计算笔记
我们己经可以搭建出一个简单的 Vue 应用，在模板中双向绑定一些数据或表达式了。但是表达式如果过长，或逻辑更为复杂时，就会变得臃肿甚至难以阅读和维护 举例
78830发布于 2019-01-29 - 来自专栏北京马哥教育
【笔记梳理】---puppet学习笔记
一、Puppet基础原理: Puppet是一款使用GPLV2X协议授权的开源管理配置工具，用ruby语言开发，既可以通过客户端—服务器的方式运行，也可以独立运行。puppet可以为系统管理员提供方便，快捷的系统自动化管理。 二、puppet工作流程 1. 客户端 puppet-client 向 puppet-master 发起认证请求，或使用带签名的证书。 2. puppet-master 告诉 puppet-client 是合法的。 3. puppet-client 调用 facter， Facter 探
1.7K50发布于 2018-05-03 - 来自专栏嵌入式大杂烩
【C语言笔记】内存笔记
以上是对于C语言内存的一些笔记。如有错误，欢迎指出！
2.3K31发布于 2019-06-26 - 来自专栏云原生技术方案
【笔记归档】shell学习笔记
1.3 登录shell or --login (交互式，非交互) /etc/profile, ~/.bash_profile, ~/bash_login, ~/.profile (~/.bash_logout, 退出时)
1.9K40发布于 2021-08-06
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