- 综合排序
- 最热优先
- 最新优先
- 来自专栏软件深度评测
如何在FlowUs、Notion笔记软件使用设计工具？设计协同+文档协同
以设计行业为例，由于设计对于协作存在天然的内在需求，目前在设计协同赛道已经出现了多款明星产品。国外设计协作平台，除了此次封禁大疆的Figma，还有Canva、Sketch、Visio。 目前，国内这些设计协作平台多数主要对标 Figma.国内设计协作平台包括墨刀、摹客、蓝湖、即时设计、Pixso.在设计行业之外，事实上与绝大多数普通人联系更为紧密的是各种文档类产品。 那么，设计协作和文档协作有无相互整合的可能性？ 为了更好地服务于设计师等群体，FlowUs 目前已经支持主流的各大设计协作平台的网页嵌入，包括Figma、Canva、Sketch、墨刀、摹客，以及专业流程图协作工具 ProcessOn、专业白板协作工具
96700编辑于 2022-06-25 《Netcode框架灵活与性能协同设计指南》
这种协同并非简单的功能叠加，而是通过底层逻辑的“元构化设计”与“智配机制”，让拓扑抽象具备场景自适应能力，让序列化系统实现“动态兼容”与“静态提效”的双向支撑。 ，而是通过元构化设计让核心逻辑具备“以不变应万变”的适配能力。 例如在框架跨版本迭代场景中，V1版本节点仅支持基础位置、操作指令字段，V2版本新增速度、状态描述等扩展字段，V2节点发送数据时，元信息中会明确标注新增字段的属性与兼容规则，V1节点解析时可根据兼容版本号自动忽略新增字段 序列化系统的性能优化，核心在于“高频路径静态固化”与“序列化上下文复用池”的协同设计，在不牺牲灵活性的前提下，最大化数据解析与传输效率。 网络拓扑抽象与序列化系统的协同平衡，是Netcode框架突破性能与灵活边界的核心密钥，其本质在于建立“拓扑-序列化”双向联动适配机制，让二者根据场景需求、网络状态与业务变化动态调整策略，形成1+1>2的协同效应
11610编辑于 2026-02-04- 来自专栏XINDOO的专栏
Agent设计模式——第 13 章：人机协同
人机协同模式概述 人机协同（HITL）模式通过整合人工智能与人类输入来增强 Agent 能力。 生成 AI 完善：当 LLM 生成创意内容（如营销文案、设计理念）时，人类编辑或设计师审查和完善输出，确保其符合品牌指南、与目标受众产生共鸣并保持质量。 2. 指导用户完成基本故障排除步骤。 3. 如果问题持续存在，使用 create_ticket 记录问题。 对于超出基本故障排除的复杂问题： 1. 可视化摘要： 图 1：人机协同设计模式 关键要点 关键要点包括： 人机协同（HITL）将人类智能和判断整合到 AI 工作流中。 它在复杂或高风险场景中对安全性、道德和有效性至关重要。 随着 AI 能力不断进步，HITL 仍然是负责任的 AI 开发的基石，确保人类价值观和专业知识在智能系统设计中保持核心地位。
1K10编辑于 2025-10-27 - 来自专栏刘笑江的专栏
基于word2vec协同过滤推荐
引言 在文章 学习协同过滤推荐 \w 100行Python代码 中，介绍了基于物品的协同过滤推荐，根据 user-item 评分矩阵，找出与给定 item 评分最接近的物品，作为推荐结果。 本文用 Python 60 行代码实现了一个 Demo，得到每本书籍在向量空间的表示，输出基于书籍的协同过滤推荐结果。 =False) model = Word2Vec.load_word2vec_format(model_file, binary=False) print('基于书籍的 word2vec 协同过滤推荐') for item in flatMap(vocab): print('\n根据 %s 推荐：' % item) for item_score 推荐结果： 基于书籍的 word2vec 协同过滤推荐 根据 背包十年:我的职业是旅行 推荐： 迟到的间隔年 0.22 人类简史:从动物到上帝 0.11 失控 0.09
3.5K41发布于 2018-05-28 - 来自专栏项目文章
【基于协同过滤算法的推荐系统项目实战-2】了解协同过滤推荐系统
（以前是人工打标签，现在可以自动打标签了） 基于模型的推荐算法：解决协同过滤算法的数据稀疏性的问题。 2、推荐算法的主要分类 2.1 基于关联规则的推荐算法 应用场景：购物篮分析。 通过放入购物篮的不同商品之间的联系，分析顾客的购物习惯。 另外只需要扫描2次数据集，这是和Apriori最大的两个不同点。 2.2 基于内容的推荐算法 简而言之，就是推荐内容相似的物品。 2.3 基于协同过滤的推荐算法 基于用户的协同过滤：是指兴趣相近的用户会对同样的物品感兴趣。 基于物品的协同过滤：是指推荐给用户他们喜欢的物品相似的物品。 2、数据稀疏 用户-物品矩阵是稀疏矩阵。其解决方案如下： 但降低维度也会有一定丢失属性。
85210编辑于 2024-06-07 - 来自专栏程序猿的大杂烩
表格设计2
使用自表一对多设计这个表格，因为如果使用多个表格的话，需要增删的情况下就需要改动表格的结构了。所以使用自表一对多的方式，自己这张表的主键对应着自己这张表的外建。 代码示例： ? 例题2： ? 表格设计： 在sqlyog里我们可以通过此工具设计表格时建立表格之间的映射关系： ? 点击进入此界面后右键选择Add Tables...或者Create Table可以添加表格和创建表格： ? 一对一： 表格一对一设计方式有两种，一种是主键对应着关系表的主键，另一种方式是主键对应着关系表设置了唯一索引的外建。 一对多： 一对多关系的表格设计也有两种方式，一种是自表的一对多，第二种是主键对应关系表的外键。 自表一对多： ? 主键对应关系表的外键一对多： ? 多对多： 多对多的表格设计方式是使用一张关系维护表来维护其他表之间的映射关系。 ?
73520发布于 2020-09-23 - 来自专栏开源技术小栈
如何在PHP中使用 Caddy2 协同服务
Caddy Server 是一个模块化的现代Web服务器平台，支持自动HTTPS证书，QUIC和HTTP/2，Zstd和Brotli压缩，以及各种现代功能以及经典的Web服务器功能，如可配置的虚拟主机， 本文介绍了如何将PHP与Caddy Web服务器版本2系列集成，以及高级配置。它还将类似的配置与Apache和Nginx配置进行了比较，以简化从Apache和Nginx到Caddy的迁移。 DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>开源技术小栈Caddy2</title> </head > <body>
2024 开源技术小栈Caddy2入门教程，专注于互联网技术分享
</body> </html> 反向代理 proxy-caddy.tinywan.com {83610编辑于 2024-02-21 - 来自专栏huofo's blog
设计模式（07）——设计原则（2）
该原则是作为一个指导思想来做的，其作用就是防止过度设计，但需要注意的是其是让你不做，但需要有可能要做的意识，提前留好拓展点，这样如果要做的时候，也可以快速跟上。 ** 后续会有一篇文章，来专门讲解如何在软件设计中，防止过度设计，但对对应该优化，该留好优化点如何实现。 这样的设计可能会导致以下问题， 当一个不知情的人看到这两段代码完成的任务是一样的，但采用的解决方式却是不一样的，则会想其的设计深意，以及不知道该用哪一个？ true; } return validContainsA(temp); } 上述代码因为举的例子比较简单，应该能很简单的看出有一段代码被执行了两次，那么这样的设计违反了 迪米特原则 定义 迪米特原则是用来指导设计高内聚、低耦合代码的原则，因此我们先看一下什么是高内聚、低耦合。
41620编辑于 2022-03-17 - 来自专栏无原型不设计
产品，设计和开发，高效协同只差一份文档
高效的工作可以是通过并行工作缩短迭代周期，也可以是通过文档方式进行有效协同。但无论采取哪种方式，我们都面临一个现实而又复杂的问题—团队协作。 那么，如何建立起产品、设计和开发人员之间的高效团队协同呢？ 设计图与前端界面是否一致，这是前端工程师与UI设计师的协同工作中最关键的一环。有过经验的产品、设计师和开发人员都知道，设计图与前端界面实现不一致的问题时有发生。 可以说完美解决了产品、设计师和开发人员之间的沟通和团队协同问题。 ? 在产品开发过程中，团队中各参与人员的痛点各不相同。 情形一中设计师和开发之间的“矛盾”迎刃而解。“偷懒的”设计师不再令人讨厌，开发人员也不用叫苦不迭，从此告别手动测量和切图。更重要的是，产品周期不再延误，用户也不用屡屡遭遇各种“跳票”问题啦。 2. 对整个团队—高效协同 告别混乱的文档和各种说明，从产品、设计到开发，一份文档就够 产品经理、设计师、前端开发协同工作 团队、项目均可分组管理，可设定不同身份和权限 ?
1.3K20发布于 2019-01-24 - 来自专栏无原型不设计
总有一款适合你的协同设计工具
协同设计是当下技术行业技术更新的一个重要方向，也是设计类工具软件发展的必然趋势。它，不单是一个设计类的专业术语，更是一种商业化的服务模式。 利用这个设计平台，设计师们可以协同完成多页面的原型设计，也可以更便捷地与他人讨论。 摹客 协同设计平台在国内的发展相对较慢，但摹客设计系统的公布，让我看到了协同设计平台的雏形。 04.png 2、对接开发——自动生成代码 开发人员可以直接从设计系统分享和导出设计规格SVG和CSS等代码样式，也可直接复制设计文件的CSS，省时省力高效编程，降低设计与开发的沟通成本。 本文推荐的4款协同设计工具，其中3款协同设计平台是国外优秀的设计工具，功能比较强大，但费用较高，使用起来也有语言障碍。国内设计类的专业软件发展相对落后，但也终于有一款像样的可以推荐给大家。
1.6K40发布于 2018-08-06 - 来自专栏无原型不设计
总有一款适合你的协同设计工具
协同设计是当下技术行业技术更新的一个重要方向，也是设计类工具软件发展的必然趋势。它，不单是一个设计类的专业术语，更是一种商业化的服务模式。 利用这个设计平台，设计师们可以协同完成多页面的原型设计，也可以更便捷地与他人讨论。 摹客 协同设计平台在国内的发展相对较慢，但摹客设计系统的公布，让我看到了协同设计平台的雏形。 2、对接开发——自动生成代码 开发人员可以直接从设计系统分享和导出设计规格SVG和CSS等代码样式，也可直接复制设计文件的CSS，省时省力高效编程，降低设计与开发的沟通成本。 ? 本文推荐的4款协同设计工具，其中3款协同设计平台是国外优秀的设计工具，功能比较强大，但费用较高，使用起来也有语言障碍。国内设计类的专业软件发展相对落后，但也终于有一款像样的可以推荐给大家。
87620发布于 2019-01-24 - 来自专栏全栈程序员必看
基于协同过滤的电影推荐系统的设计与实现(协同过滤推荐算法伪代码)
2 环境部署 JDK1.8.0_111 MySQL apache-tomcat-8.5.31 mahout-0.3 Eclipse 8.0 3 工程开发 3.1 推荐引擎简介 推荐引擎利用特殊的信息过滤 • 基于协同过滤的推荐引擎：它将推荐给用户一些与该用户品味相似的其他用户喜欢的内容。 •对用户 B，他给物品 A 打分 2，给物品 C 打分 4，根据第一条规律，我们可以推断他对物品 B 的评分是 3；而根据第二条规律，推断出评分是 4。 下图为用户初始登录界面，可供选择的推荐引擎有基于用户、基于物品和基于Slope One的协同过滤推荐算法。 当选择使用基于物品的协同过滤推荐引擎时，结果的显示速度明显上升，而且可以很直观地看出所推荐的电影质量比基于用户的协同过滤要高一些。
3.3K30编辑于 2022-07-28 - 来自专栏软件测试那些事
人工度量与自动化协同-QECon案例点评2
这个7步法，类似一个PDCA循环，通过共识达成，设定指标，建立共同的目标，然后通过协同完成交付，并在这个过程中通过度量和可视化随时进行检查纠偏，然后通过效能运营对结果进行复盘，并最终将组织的效能沉淀进了产品进行固化 包括了协同的自动化和度量数据获取的自动化。 ? 首先是协同的自动化。一次交付过程，涉及到产品、开发、测试、运维等不同的角色。 这样就促进了流水线上上下游工序之间的协同，让价值流动更加地顺畅。 ? 在度量方面，演讲者通过需求价值流和产研工作流两个流水线之间的协同来实现对于需求价值流的自动化度量数据获取。 通过类似这样的设计，让整个交付过程各个节点的起止时间，或者是前置时间得到了自动的统计和计算。 通过协同和度量的自动化来降低交接和切换的浪费，并促进质量内建，演讲者在设计这些时应该是躬身入局，花了心思的。 这样的DevOps，才更容易成功。
41360发布于 2021-06-28 - 来自专栏雪胖纸的玩蛇日常
2.Model设计
Model设计 1.在settings.py中配置： AUTH_USER_MODEL='users.UserProfile' 2.在apps/users/models.py中： from django.db '女'), (3, '不详')), default=3, verbose_name='性别', help_text='1：男，2：女，3：不详 '非农业户口')), verbose_name='户籍性质', default=2, help_text='1：农业户口，2：非农业户口 初中，3：高中，4：中专，5：大专，6：本科，7：硕士，8：博士') hunyin=models.IntegerField(choices=((1, '未婚'), (2, '已婚'), (3, '离异'),(4,'丧偶')), default=2, verbose_name='婚姻状况', help_text='1：未婚，2：已婚，3
49420发布于 2020-06-10 - 来自专栏∑小熊猫的博客
JAVA 设计模式系列(2) —— 设计原则
Java 设计模式的相关原则 一、单一职责原则 单一职责原则： 应该有且仅有一个原则引起类的变更 单一职责可以简答的理解为，一个类或者对象，承担的只能应该尽可能单一。 单一职责用“职责”和“变化原因”来衡量接口或类设计得是否优良。但是“职责”的确定往往是无法度量的。 PS： 子类出现的地方，父类未必可以出现 在类中调用其他类时，务必使用父类或接口，如果不能使用，则说明类的设计已经违背了里氏替换原则(Liskov Substitution Principle，LSP 接口隔离原则需要保证的几个特性： 接口尽量要小： (在保证单一职责的情况小，尽量保证接口不过于臃肿) 接口要高内聚：（尽量减少与外界的交互，少公有，多私有） 定制服务： (为特定的服务对象提供其所需的方法) 接口设计是有限度的
42610发布于 2020-12-31 - 来自专栏一Li小麦
组件设计基础（2）
组件生命周期 早期的react设计了许多的生命周期钩子。 shouldComponentUpdate（根据true or false决定是否更新）->componentWillUpdate（即将feiqis）->render->componentDidUpdate 2. 中间那一层父组件根本用不上这个prop，但是依然需要支持这个prop，扮演好搬运工的角色，只因为子组件用得上，这明显违反了低耦合的设计要求。在flux和redux中我们会探讨如何解决这样的困局。 组件设计方法论 一些指导性原则： •组件尽可能通过props通信。不用context •组件属性需要有默认值，做好类型检查 •组件属性尽可能使用简单值。避免使用对象。
80250发布于 2019-12-04 - 来自专栏雪胖纸的玩蛇日常
2.Models设计
1.Models设计： 1.重构用户表： 1.在users/models.py中： from django.db import models from django.contrib.auth.models 用户' verbose_name_plural = verbose_name def __str__(self): return self.username 2. django.db.migrations.exceptions.InconsistentMigrationHistory: Migration admin.0001_initial is applie 2. 1.将DjangoUeditor包放到extra_apps目录下 2.在settings.py中注册DjangoUeditor ? /', include('good.urls',namespace='goods')), path('ueditor/',include('DjangoUeditor.urls' )) ] 2.
57320发布于 2020-05-18 - 来自专栏AI科技大本营的专栏
AI加速器与机器学习算法：协同设计与进化
现代ML计算模型同样包含两个组成部分：(1)ML算法与软件框架；(2)与AI加速器配合使用的通用处理器。 不同于通用计算模型的开发，ML研发人员会针对特定硬件设计ML算法。 这就是AI加速器和ML算法的协同进化。硬件设计师为AI加速器增加ML算法可以使用的功能，而ML研发人员则利用AI加速器的硬件功能量身设计新的算法。 硬件和软件的协同可以带来更好的性能和更高的能效。 AI加速器与高效ML算法的协同进化 AI加速器分为两类：(1)用于训练的AI加速器；(2)用于推理的AI加速器。 实现混合精度，需要硬件和算法的协同设计。 混合精度训练提升性能与效率 矩阵乘法运算是神经网络训练和推理的基本操作。AI加速器的主要工作即为在神经网络的不同层中将输入数据和权重的大型矩阵相乘。 每一代NVIDIA架构的进步都体现了硬件和算法之间的协同设计和协同发展。 NVIDIA Volta架构（2017）引入第一代Tensor Core，当时仅支持FP16运算和FP32累积结果。
1.4K52编辑于 2022-12-10 - 来自专栏JavaEdge
毕业设计之基于协同过滤算法的电影推荐系统设计(一) - 项目简介
由于本人今年毕业,为完成毕设特地想着实现一个简单的推荐系统设计,思来想去,小电影不就是很好的切入点嘛! 基于需求个性角度来看，基于内容的推荐算法还不够个人化，用户需要的是更加符合个人偏好的推荐结果，可以根据用户之前的打分情况，更有针对性地推荐一些可能喜欢的电影，这种情况下，应用最多的就是协同过滤算法。 本设计着重讨论基于协同过滤算法的电影推荐系统设计。 2 技术要求 (1) 熟悉并掌握爬虫的基本原理。研究内容包括：Scrapy 爬虫框架。 (2) 熟悉并掌握JavaWeb的各种开发工具与框架。 研究内容包括：Spark 基本原理，协同过滤算法，MLlib机器学习算法库。 (4) 设计Web 软件,模拟协同过滤算法下的电影推荐。 3 研究难点 (1) 对协同过滤算法的深入学习和掌握； (2) 通过Spark程序的设计来实现电影的实时推荐。 0 联系我 2.完整博客链接 3.知乎
1.4K40编辑于 2022-11-30 - 来自专栏图灵技术域
随机固定分组合作协同进化NSGA2算法（CCNSGA2）
合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。 合作协同进化算法请见：https://www.omegaxyz.com/2017/10/14/cooperative_coevolution/ NSGA2算法是一种多目标遗传算法。 此文章是随机固定分组的合作协同进化利用NSGA2来优化。 比如有12个决策变量，我们固定随机优化3个决策变量，那么就将决策变量分成了4组。 %迭代次数 global M M = 2; %目标数量 Dim=22; %搜索空间维数（未知数个数） sub_dim= 2 ; global min_range global https://www.omegaxyz.com/2018/01/22/new_nsga2/
1.2K10发布于 2021-05-21
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