首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏大前端_Web

    javascript高级程序设计(4-5)章笔记

    https://blog.csdn.net/wkyseo/article/details/51234909 之前看过一遍js高程,有些基础还不牢固,单身狗周末又没地方去,开始重新撸一遍JS高程,写点笔记

    75240发布于 2018-09-27
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程4-5:LM模型+数值+因子+PCA协变量

    第一列为FID 第二列为ID 第三列以后为协变量(注意,只能是数字,不能是字符!)

    4.5K40发布于 2020-05-29
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 4-5 超参数

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍超参数相关的概念。 ?

    76630发布于 2019-11-13
  • 来自专栏Hank’s Blog

    4-5 R语言函数 split

    #split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.

    93440发布于 2020-09-16
  • 来自专栏运维之路

    【每日一思】2022年第4-5

    一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标(至少到带有主题的流水)-》洞察-》决策-》执行”的路线,这样才能减少返工的重复性工作量。

    28520编辑于 2022-03-07
  • 来自专栏iOS面试

    iOS 面试策略之算法基础4-5

    前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构:二叉树。本节主要包括以下内容:

    1.1K60发布于 2021-04-20
  • 来自专栏NetCore 从壹开始

    4-5 安装并迁移数据库:mysql

    docker volume create volume_name命令新建一个数据卷

    88420编辑于 2023-01-09
  • 来自专栏AI SPPECH

    IO竞赛2025年题目解析:基础级难度(4-5

    2025年的IO竞赛基础级(难度系数4-5)题目开始涉及更多的数据结构和算法思想,对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ) ├── 第四章:基础级题目解题技巧总结 └── 第五章:从基础到提高的学习建议 第一章:2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲,基础级(CSP-J提高)的知识点难度系数为4-

    36110编辑于 2025-11-13
  • 来自专栏跟着官方文档学小程序开发

    第二章 小程序开发指南4-5

    小程序经常需要向服务器传递数据或者从服务器拉取数据,这个时候可以使用wx.request这个API,在本章节会重点讨论wx.request的使用和注意事项。

    72610编辑于 2025-08-25
  • 来自专栏前端说吧

    flag - 4-5月份预整理总结的文章目录

    关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时,动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装, 一个基于promise的ajax异步请求函数封装,不用再写那么多遍的if result === 1啦! css-移动端h5在iphonex的适配 vuex的使用步骤梳理,轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios,实现向请求头中传递cookie值 vue中,mode为history时,build打包后页面空白

    75230发布于 2018-06-25
  • 来自专栏前端说吧

    flag - 4-5月份预整理总结的文章目录

    1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中,mode为history时,build打包后页面空白的解决方法 3.vue中使用axios,实现向请求头中传递cookie值 4.js-sdk微信分享时,动态url的设置 5.vuex的使用步骤梳理,轻松掌握。 6.一个基于promise的ajax异步请求函数封装,不用再写那么多遍的if result === 1啦! 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装, 9.

    88250发布于 2018-05-17
  • 来自专栏晓飞的算法工程笔记

    简单的特征值梯度剪枝,CPU和ARM上带来4-5倍的训练加速 | ECCV 2020

    方法计算过滤阈值,再结合随机剪枝算法对特征值梯度进行裁剪,稀疏化特征值梯度,能够降低回传阶段的计算量,在CPU和ARM上的训练分别有3.99倍和5.92倍的加速效果undefined  来源:晓飞的算法工程笔记 如果本文对你有帮助,麻烦点个赞或在看呗~undefined更多内容请关注 微信公众号【晓飞的算法工程笔记

    85320发布于 2020-09-08
  • 来自专栏MySQL参数系列

    win10 centos 双系统安装

    为了方便自己学习,我决定在我的破笔记本上装个双系统玩玩,这一玩就是4-5天。最终搞定。中间遇到不少坑,这里总结一下分享给大家。 01 — 准备材料 硬件:笔记本一台;U盘2个(最少8G以上); 软件:UItraISO,老毛桃pe系统,centos镜像,Windows镜像,easyBCD 02 — 过程 制作centos系统刻录 注意事项:1.分盘之前做好原来笔记本的数据备份,防止数据丢失。

    3.8K30发布于 2021-07-06
  • 来自专栏Java实战博客

    应用宝上传自己应用

    (2021年12月3日) 应用简介 提供测试账号 应用小图标 16*16 大小20K以内,PNG格式的图片 应用图标 512*512 大小200K以内,PNG格式,使用直角图标, 应用截图 官方要求:4- 以上文章,均是我实际操作,写出来的笔记资料,不会出现全文盗用别人文章!烦请各位,请勿直接盗用!

    2.6K20编辑于 2022-03-17
  • 来自专栏机器学习初学者精选文章

    数据分析的必备材料:学完可以解决90%以上的数据分析问题

    作者认为本版内容4-5年内不过时。 ? 本站搜集的本书的原版代码进行中文翻译和注释,并作了一定的笔记。 文末提供下载。 代码笔记目录 CHAPTER 1:Preliminaries(预备知识) Chapter 2: Python Language Basics, IPython, and Jupyter Notebooks

    85310发布于 2020-04-17
  • 来自专栏鱼皮客栈

    学习计划,该怎样做呢?

    的基础,大二开学跟着完成了 redis 的实战),谷粒学院(在校完成的),学成在线(寒假完成的),期间学完了设计模式和 rabbitmq,以及并发 juc 的学习,之后去刷了 jvm,中间记录了许多学习笔记 预计 17 天,目前进度第 7 天) coderwhy 体系课之 Vue3 部分复习(预计 15 天,目前进度第 5 天) uniapp 和 taro 的学习(6 天) 中途有一个竞赛去福州可能会停止 4- 5 天左右 如果停止4-5天好像时间是不够了,但其实学习速度应该是会更快的,因为Vue3 部分是不写笔记的,因为已经写过一份小满 zs 课程中 vue 详细笔记,然后 CSS3 由于大部分属性都是可以在 W3C 和 MDN 中查到权威的解释的,所以笔记也能够省略掉其中的一部分 4 月份计划: coderwhy 体系课之 react 学习(15 天) coderwhy 体系课之 TypeScript 复习 持续半个月 以上的 coderwhy 体系课内容规划天数跟他们培训每天上课学习速度保持一致,每天视频内容大概在 7-8 小时左右,会进行部分的倍数播放,但也会写部分笔记,所以每天学习时间需要保持在 9

    1.2K20编辑于 2023-03-29
  • 4月25日华东地区天气预报

    15蚌埠阴东南风<3级28晴南风<3级14芜湖阴东风<3级25多云南风<3级17淮南多云东南风<3级28晴东南风<3级15马鞍山阴东风<3级25多云东南风<3级16安庆小雨西南风3-4级26多云西南风4- 25日)夜间天气现象风向风力最高气温天气现象风向风力最低气温江苏南京阴东南风3-4级25多云东风<3级16无锡阴东南风<3级25多云东南风<3级15镇江阴东南风<3级25多云东风<3级15苏州多云东南风4- 5级19晴南风3-4级13淄博多云无持续风向<3级30晴无持续风向<3级16德州晴南风3-4级29晴南风3-4级17烟台晴南风4-5级26晴南风4-5级14潍坊多云南风3-4级29晴南风3-4级16济宁多云无持续风向 5级23小雨东风3-4级16湖州小雨东南风4-5级21小雨东南风4-5级16嘉兴小雨东南风4-5级23小雨东南风5-6级15宁波小雨东南风4-5级22大雨东南风4-5级14绍兴多云东南风4-5级24小雨东南风 4-5级16台州小雨东风5-6级21中雨西北风4-5级15温州中雨东南风4-5级22小雨西风3-4级17丽水小到中雨东风4-5级24小到中雨西北风3-4级16金华小到中雨东风4-5级24大到暴雨东风3-

    32110编辑于 2024-04-25
  • 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
  • 来自专栏大数据杂货铺

    RAG-Fusion 提高 LLM 生成文本的质量和深度

    检索增强生成(RAG)和 RAG-Fusion都是旨在通过集成基于检索和生成组件来增强大型语言模型(LLM)能力的方法[4-5]。 响应质量:RAG-Fusion 中的附加步骤,例如查询生成和重新排名结果,旨在提高生成文本的质量和深度[4-5]。 总之,虽然 RAG 和 RAG-Fusion 旨在增强大语言模型的能力,但 RAG-Fusion 在工作流程中引入了额外的步骤,以提供更精细和更全面的文本生成[4-5]。 6. RAG-Fusion 在实践中如何工作的示例 在此笔记本中,我们展示了如何使用 mistra[13] AI 模型来使用 RAG-Fusion 的示例。

    1.9K10编辑于 2024-04-15
领券