- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
86910发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
49330发布于 2020-01-14 - 来自专栏人工智能
多模态大模型的涌现能力：视觉-语言对齐的认知机制探析
多模态大模型的涌现能力：视觉-语言对齐的认知机制探析引言：从单一模态到跨模态理解的飞跃近年来，多模态大模型如CLIP、DALL-E、Flamingo等展现出了令人惊叹的涌现能力——它们不仅能够分别处理视觉和语言信息 这种"视觉-语言对齐"能力为何能够涌现？其背后的认知机制是什么？本文将深入探讨这一前沿问题，并通过完整的代码实例揭示多模态对齐的技术本质。视觉-语言对齐的神经基础与认知机制1. 对比学习的认知原理多模态对齐的核心机制是对比学习，这与人脑通过对比不同感官输入来学习世界的方式高度相似：class CognitiveContrastiveLearning: """模拟认知对比学习机制 计算认知对齐指标 metrics = self.compute_cognitive_alignment_metrics( text_features, image_features 通过深入分析可以发现：对齐的涌现本质：当模型规模、数据质量和训练策略达到临界点时，对齐能力会非线性涌现认知机制的模拟：对比学习、注意力机制、符号接地等都与人类认知过程高度相似跨层级的对齐：从特征层到语义层的多层次对齐是实现真正理解的关键多模态对齐不仅让
49410编辑于 2025-12-11 - 来自专栏python3
3-4 文件读写例子
n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法
1.1K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
49310发布于 2020-01-08 - 来自专栏架构师成长之路
认知系列2：认知半径认知系列2：认知半径
善于总结、不断反思做更好的自己 认知系列1：认知是什么 认知系列2：认知半径 认知系列3: 说说我们研发的认知思维方式 一、认知半径 美国气象学家J·马歇尔·谢博德（J. Marshall Shepherd）就在TED的舞台上，提出一个“认知半径”原理，把人的认知范围比作一个圆圈，认知半径越大，人的认知范围也就越广，也就是对事物的认识更清晰，掌握事物的本质更深入。 认知半径，决定了一个人能力的大小人的认知是会受到很多因素限制的，包括信仰、偏见、文化素养和错误信息等等。人们很容易高估了自己所掌握的知识，或者低估了自己的无知。 误区三：认知失调 二、认知半径，决定了一个人能力的大小 认知半径，决定了一个人能力的大小。 那么，应该如何扩大自己的认知半径？ 对应的是“认知半径” 那在外面呢？
90020编辑于 2022-04-14 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
52530发布于 2020-01-14 - 来自专栏架构师成长之路
认知系列1：认知是什么认知系列2：认知半径
善于总结、不断反思做更好的自己 认知系列1：认知是什么 认知系列2：认知半径 认知系列3: 说说我们研发的认知思维方式 认知是近几年很火的一个词汇，特别是罗振宇们的贩卖焦虑后，认知升级频繁被各种鸡汤提到 一、认知是什么：信息加工的工程 百度名词解释是这样说： 认知指通过思维活动（如形成概念、知觉、判断或想象）获取知识。习惯上将认知与情感、意志相对应。认知是个体认识客观世界的信息加工活动。 三、知识和认知的区别 1、知识是别人的，认知是自己的。 2、知识都是语言文字，认知还有形象体验。 3、知识不能转化为认知，知识就无效。认知不能形成为体系，行为就混乱。 知识只是认知形成的工具：只是事实的语言文字表述方式，不要误以为知识就是认知。 认知都是基由体验形成：知识如果只是停留在学习层面，不在事实中去接触形成感受，就没办法形成理解，也就形成不了清晰的认知体系。
64910编辑于 2022-04-14 - 来自专栏python3
3-4 文件流类FileStream
nFileMode和FileAccess，FileShare方法基本介绍及注意事项
93520发布于 2020-01-07 - 来自专栏CSDN博客专家-小蓝枣的博客
PyQt5 技术篇-设置alignment对齐方式。Qt Designer设置文本对齐方式。居中、左对齐、右对齐、上对齐、下对齐。
通过alignment设置，展开后可以设置水平方向或垂直方向的对齐方式。 PyQt5设置文本对齐方法： self.label.setAlignment(QtCore.Qt.AlignRight|QtCore.Qt.AlignVCenter) 两个参数一个是横向靠右，一个是纵向居中 Qt Designer设置文本对齐方法： 如图，水平默认的左对齐我改为了右对齐。 ?
10.8K30发布于 2020-09-23 - 来自专栏韩曙亮的移动开发专栏
【CSS】vertical-align 垂直对齐 ( 块级元素对齐 | 行内元素 行内块元素对齐 | 基线对齐 | 垂直居中 | 顶部对齐 | 底部对齐 )
可以设置四种对齐 : baseline 基线 / top 顶线 / middle 中线 / bottom 底线 ; 基线对齐 : 图片底部位置 与 文字基线 对齐 ; 这是默认的对齐方式 , 如果是 : 图片顶部 与 文字顶线 对齐 ; vertical-align: top; 底部对齐 : 图片底部 与 文字底线 对齐 ; vertical-align: bottom; 二、vertical-align 垂直对齐代码示例 ---- 代码示例 : <! ; } .three { /* 顶线对齐 - 图片顶部与文字顶线对齐 顶部对齐*/ vertical-align: top; } .four { /* 底线对齐 - 图片底部与文字底线对齐 ="one"> 基线对齐 : 图片底部与文字基线对齐
中线对齐 : 图片中心与文字中心对齐
5.4K30编辑于 2023-04-24 - 来自专栏超级架构师
【认知计算】认知风险管理
IBM DSE 风险控制加速器中的认知技术使我们能够构建风险控制、推荐以自然语言表述的风险控制、识别控制中的重叠以及分析控制的质量。 该加速器提供了一个认知控制分析应用程序，该应用程序集成了已开发的模型并将其应用于非结构化风险控制内容。 使用 IBM Cloud Pak for Data 实施认知风险控制 从逻辑上讲，认知风险控制加速器包含几个组件： 第一个是所谓的认知助手——它是一个应用 ML 模型来促进内容处理的应用程序，例如，通过识别风险控制优先级 作为产品化的一部分，认知助理成为企业信息系统的一部分。 结论 本文介绍了机器学习在当代商业中不断增长的应用领域之一——认知风险控制。访问我们的加速器目录，了解有关认知控制加速器的更多信息。
1.1K20编辑于 2022-05-05 - 来自专栏架构师成长之路
认知系列2：认知半径
一、认知半 美国气象学家J·马歇尔·谢博德（J. Marshall Shepherd）就在TED的舞台上，提出一个“认知半径”原理，把人的认知范围比作一个圆圈，认知半径越大，人的认知范围也就越广，也就是对事物的认识更清晰，掌握事物的本质更深入。 认知半径，决定了一个人能力的大小人的认知是会受到很多因素限制的，包括信仰、偏见、文化素养和错误信息等等。人们很容易高估了自己所掌握的知识，或者低估了自己的无知。 误区三：认知失调 二、认知半径，决定了一个人能力的大小 认知半径，决定了一个人能力的大小。 那么，应该如何扩大自己的认知半径？ 对应的是“认知半径” 那在外面呢？
1.1K20编辑于 2022-05-09 医疗认知引擎的结构化重塑：基于实体对齐与 GEO 架构的 RAG 深度实践
这种现象在技术本质上是知识图谱（KG）与向量检索（VectorSearch）缺乏对齐导致的“语义漂移”。 我们通过在RAG流路中引入硬约束层（HardConstraintLayer），确保所有生成的回答都必须挂载在经过身份核验与资质对齐的实体之上。 VanillaRAG)Experimental(GEOOptimized)提升/下降幅度Recall@10(Top-10召回率)48.2%89.6%+85.8%EntityAlignmentScore(实体对齐 六：基础设施即信誉：从向量检索走向认知共鸣在AI驱动的2026年，医疗行业的竞争已经从流量的博弈进化为“语料主权”的博弈。 通过GEO技术，我们实际上是在为LLM建立一套“认知防火墙”与“信任导航仪”。
21810编辑于 2026-02-26- 来自专栏用户画像
4.4 文件系统疑难点 3-4
为了创建一个文件，应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件，把相应目录读入内存，用新的文件名更新该目录和FCB，并将结果写回到磁盘。
68010发布于 2018-08-24 - 来自专栏三丰SanFeng
字节对齐
对齐的实现： 通常，我们写程序的时候，不需要考虑对齐问题。编译器会替我们选择适合目标平台的对齐策略。当然，我们也可以通知给编译器传递预编译指令而改变对指定数据的对齐方法。 3.结构体或者类的自身对齐值：其成员中自身对齐值最大的那个值。 4.数据成员、结构体和类的有效对齐值：自身对齐值和指定对齐值中小的那个值。 第一个成员变量b的自身对齐值是1，比指定或者默认指定对齐值4小，所以其有效对齐值为1，所以其存放地址0x0000符合0x0000%1=0.第二个成员变量a，其自身对齐值为4，所以有效对齐值也为 4，所以只能存放在起始地址为 指定对齐值：#progma pack (value)时的指定对齐值value。 结构体或者类的自身对齐值：其成员中自身对齐值最大的那个值。 数据成员、结构体和类的有效对齐值：自身对齐值和指定对齐值中小的那个值。
2.8K50发布于 2018-01-16 - 来自专栏架构师成长之路
认知系列1：认知是什么
认知是近几年很火的一个词汇，特别是罗振宇们的贩卖焦虑后，认知升级频繁被各种鸡汤提到： “认知升级改变命运”，“认知升级带来自我突破”等等，如果我们只是停留在模糊概念层面，阅后即焚或者只保留在收藏夹里面 一、认知是什么：信息加工的工程 百度名词解释是这样说： 认知指通过思维活动（如形成概念、知觉、判断或想象）获取知识。习惯上将认知与情感、意志相对应。认知是个体认识客观世界的信息加工活动。 三、知识和认知的区别 1、知识是别人的，认知是自己的。 2、知识都是语言文字，认知还有形象体验。 3、知识不能转化为认知，知识就无效。认知不能形成为体系，行为就混乱。 知识只是认知形成的工具：只是事实的语言文字表述方式，不要误以为知识就是认知。 认知都是基由体验形成：知识如果只是停留在学习层面，不在事实中去接触形成感受，就没办法形成理解，也就形成不了清晰的认知体系。
1.3K10编辑于 2022-05-09 - 来自专栏架构师成长之路
认知系列4: 《认知突围》笔记
认知突围里面从认识自己讲到知识，从金钱讲到时间再讲到关系， 这些都决定着我们的人生质量。大概花了半个月的的空闲时间看完的，虽然没能做到大彻大悟，但将我的认知和价值观提了一个层次。 认识自己 ---- 1、思维固化或者僵化，形成定式思维，导致我们自己在有错误的认知体系，以致进步变得极其困难。 懒惰、 放纵、 自制力不足， 根源都在于认知能力受限， 看不到某事能带来的巨大收益， 因此就不足以产生足够的动力。 广义上来讲， 认知也是一种智慧。 也许这些认知大都跟你目前头脑中的认知相悖， 不要紧， 用逻辑的方法去审视总是正确的，不要受到世俗教育的迷惑。 人是功利的， 这个无须回避， 生活中也到处充满了算计和谎言。 认知清单： 行善或者关心他人， 本质上都是为了自己。 划清自己的界限， 尊重他人的界限。 父母并不总是为子女好。
81210编辑于 2022-05-09 - 来自专栏golang分享
内存对齐
每种类型的对齐边值就是它的对齐边界。int16（2），int32（4），内存对齐要求数据存储地址以及占用的字节数都是它对齐边界的倍数。 内存对齐的收益 提高代码平台兼容性 优化数据对内存的使用 避免一些内存不对齐带来的坑 有助于一些源码的阅读 为什么要对齐 列举一些常见的单位 位 bit 计算机内存数据存储的最小单位 字节 byte 接下来是c，它要对齐到4字节。所有成员放好还不算完，内存对齐的第二个要求是结构体整体占用字节数需要是类型对齐边界的整数倍，不够的话要往后扩张。所以要扩充到相当地址23这里。 golangci-lint run –disable-all -E maligned 结论 内存对齐是为了cpu更高效的访问内存中的数据 结构体对齐依赖类型的大小保证和对齐保证 地址对齐保证是: Golang 是否有必要内存对齐？ Go 的内存对齐和指针运算详解和实践
5.2K21编辑于 2023-07-30 - 来自专栏初学C++
内存对齐
内存对齐应用于三种数据类型中：struct、class、union；为什么要内存对齐：提高内存访问效率，减少cpu访问内存次数用sizeof运算符可以得到整个结构体占用内存的大小。 内存对齐：#pragma pack(字节数) 如果用1，那么内存之间就没有空隙了合理使用内存对齐规则，某些节省内存的做法可能毫无意义。 位域：位域定义与结构体定义相仿，其形式为：struct 位域结构名{ 位域列表 }其中位域列表的形式为：type [member_name] : width;图片结构体内存对齐规则：1、首先看有没有 自动补齐，b从4开始，到7结束，然后看c，c中最大是a，4字节，a从下标8开始，到11结束，b从12开始，到13结束，arr从14开始，到33结束，此时stu有26个大小，但是不是4的整数倍，所以内存对齐 ；当结构体中的最大的数据类型的大小 小于 宏定义的大小时，就会以结构体中最大的数据类型的大小来进行内存对齐#pragma pack(8) struct test { char a; int
88840编辑于 2023-09-02
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