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Hank’s Blog

    3-3 数据框的子集

    > x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[

    98100发布于 2020-09-16
  • 来自专栏python3

    3-3 SQL Server 2005数

    3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置

    1K20发布于 2020-01-07
  • 3-3日志

    NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe

    21700编辑于 2026-06-17
  • 来自专栏叽叽西

    lagou 爪哇 3-3 dubbo 笔记

    Apache Dubbo是一款高性能的 Java RPC 框架。其前身是阿里巴巴公司开源的一个高性能、轻量级的开源 Java RPC框架,可以和 Spring 框架无缝集成。

    79510编辑于 2022-05-17
  • 来自专栏悟道

    3-3欧几里得求最大公因子

    最大公因子,指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }

    58620发布于 2021-03-16
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 3-3 NumPy数据基础

    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NumPy模块的一些基础知识。

    1K00发布于 2019-11-13
  • 来自专栏python3

    34补3-3 rhcs集群基础应用

    [root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'

    1.1K00发布于 2020-01-15
  • 来自专栏python3

    3-3 File类的常用操作的静态方法练

    文本文件是我们接触频繁的一类文件,记事本程序经常操作的文件就是文本文件,很多应用程序会保存一些记录到日志文件里,这种日志文件也可以是文本文件。通过本小节的学习,可以掌握对文本文件的简单读写方法。

    1K20发布于 2020-01-14
  • 来自专栏cwl_Java

    C++编程之美-结构之法(代码清单3-3)

    代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer

    30020编辑于 2022-11-30
  • 来自专栏WebJ2EE

    React:Table 那些事(3-3)—— 列宽自适应、列宽拖动

    《React:Table 那些事》系列文章,会逐渐给大家呈现一个基于 React 的 Table 组件的定义、设计、开发过程。每篇文章都会针对 Table 的某个具体功能展开分析:

    10.2K41发布于 2019-07-19
  • 来自专栏云上计算

    CDH迁移 | CDHHDP迁移之路

    兼容性 兼容性,直接决定迁移成本。 星环科技TDH 1)TDH基础存储和计算组件兼容CDH/HDP,迁移成本低; 2)TDH提供迁移工具,数据一键迁移; 3)大量迁移成功案例,不存在迁移风险。 数据分片恢复或数据分片迁移时,需要消耗大量资源,数据恢复以及迁移过程中不能对外提供服务。当集群机器数量大幅增加时,故障发生频率大幅增加,扩展性低。 企业业务迁移成本高 •支持的存储过程编译技术主要是HPL兼容的语法比较有限•支持SQL 2003标准与存储过程,降低开发难度;兼容Teradata,Oracle,DB2等方言,方便业务平滑迁移,降低迁移成本 最终星环科技一期项目用TDH成功迁移了客户HDP集群,由于TDH对HDP的兼容性高,全部数据+业务迁移不到5个月时间(包含1个月并行运行测试)。

    3.5K30编辑于 2022-04-04
  • 来自专栏运维小路

    kvm-虚拟机迁移(冷迁移&故障迁移)

    :冷迁移,热迁移和故障迁移。 冷迁移,主要指的是虚拟机在处于关机状态下的迁移。热迁移则说的是虚拟机在运行中的迁移。故障迁移则说的是虚拟机所在节点故障以后触发的迁移。 由于为了演示热迁移,所以迁移将分两小节来讲解,本小节将主要介绍冷迁移和故障迁移。 那么故障迁移肯定是无法做到的,因为虚拟机因为机器故障已经失联,我们无法操作该虚拟机对应的文件和配置文件。 冷迁移 冷迁移是指在虚拟机关机的状态下进行的迁移。 前面说过,使用本地数据是没有办法故障迁移的,所以故障迁移的前提条件是镜像文件和配置文件都不保存在本地。

    1.8K10编辑于 2024-11-04
  • 来自专栏方丈的寺院

    数据迁移(2) - 如何快速迁移

    摘要 在上一篇中我们介绍了数据迁移的套路,但是没有介绍具体的方案,这篇着重介绍下具体的数据迁移方案 一. 设计目标 设计一个数据迁移的方案,需要实现以下目标 迁移速度 qps 需要达到1k,这样能保证1亿的数据能够在1~2天内跑完 迁移qps可控 迁移有可能对线上服务有影响,需要可动态调整qps 数据完整, 不丢失 不能遗漏数据,虽然事后我们有数据校验的过程,但是设计数据迁移方案时,需要尽可能的包装数据不丢失。 进度可控 迁移过程可中断,可重试。比如先迁移10分之一的数据,再继续来 二. 架构设计 数据迁移任务大致分为3个步骤,如下图所示 ? 因为有迁移速度的要求,我们将每个步骤进行分解,确保每个部分可以异步化,并发处理。这样可以提升速度。 遍历数据 完整遍历老的数据库。

    5K10发布于 2020-05-20
  • 来自专栏Go语言指北

    账号迁移-迁移确认成功

    最近几天在开通留言的功能,因为微信设定的在18年之后注册的个人号,没有留言功能,要想开通,只能通过账号迁移来实现(具体实现细节,感兴趣的可以找我私聊)。截止到昨天,账号算是迁移完毕。 等迁移结束,就迫不及待的登上后台看了看,还好诸位老朋友都在,在此再次感谢各位的厚爱。 后续会接着分享Go技术相关的文章,欢迎大家与我交流啊~ ? ? ?

    1.4K30发布于 2021-08-18
  • 来自专栏脑机接口

    迁移学习中的负迁移:综述

    今天介绍的是华中科技大学伍冬睿教授团队关于迁移学习中的负迁移领域进行的一个综述。 虽然这篇综述的主要内容讲述的是迁移学习与负迁移的研究进展,然而将迁移学习应用于脑机接口、脑电数据处理时也必须考虑到训练和测试样本往往来自不同分布的问题。 关于脑机接口中的迁移学习综述可以查看:《华中科技大学伍冬睿教授:非侵入式脑机接口中的迁移学习综述(2016-2020)》、《伍冬睿教授:脑机接口中迁移学习的完整流程》、《脑机接口中的流形嵌入知识迁移学习 当这些假设不满足时,负迁移就会产生,即使用源域的数据或知识反而会让学习性能变差,不如直接用目标域的数据进行训练,如下图所示: ? 可靠的迁移学习需要同时考虑3个问题: 迁移什么? 如何迁移? 何时迁移? 然而大多数迁移学习研究只考虑了前2个问题。 尽管负迁移是个很常见和严重的问题,人们也提出了很多克服负迁移的方法,但是目前并不存在关于负迁移的详尽的综述。

    3.2K30发布于 2020-11-11
  • 来自专栏信息化漫谈

    原来我不懂热迁移、冷迁移

    客户的原有认知是vmware私有云,因此会自然将vmware中的冷迁移、热迁移套用至公有云中的相应功能。接下来我们就讲一讲相应的区别。 一、冷迁移,实际是关机迁移 冷迁移的应用场景主要是当虚拟机之下的物理机故障时,通过共享存储中的客户操作系统及数据在另一台物理机主机中将业务进行重新加载。 二、热迁移,实际是将内存数据与硬盘数据同步迁移 热迁移的应用场景主要是:1、硬件或系统的主动升级但又不希望中断虚机上的重要业务 2、某台物理机的负载太重,进行主动的虚拟机迁移 热迁移的好处是对用户业务的非常小,中断时间可到ms级,ping一般中断在2-6个包中断;用户内存数据进行了迁移,对业务应用无感知。 坏处是迁移过程不可中断,操作复杂。 因热迁移主要场景是服务商后端运维使用,因此在公有云中一般不提供热迁移功能。 图一,采用共享存储,只需要保存内存数据或同步内存数据 ?

    9K41发布于 2019-09-24
  • 来自专栏腾讯云迁移服务平台团队

    MSP迁移实践-对象存储迁移篇

    常见的迁移场景中,通常用户需要先了解源和目标两端的访问方法,自己开发脚本实施迁移。这使得迁移的难度高、周期长,并且由于迁移并非用户熟悉的常规操作,经常会遇到意料之外的问题。 为方便用户迁移,腾讯云建立了MSP迁移服务平台,目标是通过全界面化的操作为用户提供快速简便和高效的迁移能力。 本篇针对对象存储迁移场景中的不同情况进行分析,说明如何针对不同的迁移类型和条件,基于MSP平台建立最合适的迁移方案并实施迁移。 计划迁移的数据量 数据量的大小直接影响到对迁移资源的需求,并且影响迁移时间。 是否需要增量迁移 因为迁移前后需要保障文件的完整性和一致性,如果迁移过程中迁移源有持续增加的新文件,需要根据客户的具体情况针对这些增量文件制定双写或增量迁移方案 是否存在低频、冷数据 如果迁移源存在低频和冷数据

    2.9K312发布于 2019-07-03
  • 来自专栏PPV课数据科学社区

    迁移学习

    摘要: 到底是迁移学习?什么时候使用它?如何使用它? 所谓迁移学习是指针对新问题重新使用预先训练的模型。由于它能用较少的数据训练深度神经网络,这使得目前它在深度学习领域非常流行。 通过这篇文章您将会了解什么是迁移学习,它是如何工作的,为什么应该使用它以及何时可以使用它。同时这篇文章将向您介绍迁移学习的不同方法,并为您提供一些已经预先训练过的模型的资源。 ? 目录: 1. 迁移学习的方法(训练一个模型以重用它,使用预训练模型,特征提取) 5. 受欢迎的预训练模型 它是什么? 在迁移学习中,能够使用预先训练模型的问题只能是与之不同但相类似的问题。 迁移学习的总体思路是利用已有知识,即一个模型从一项任务中学到的很多被标记的训练数据可以用在另外一个我们没有很多数据的新任务中。 迁移学习的方法 1. 训练一个模型并运用它 举个例子,你想解决任务A,但没有足够的数据来训练深度神经网络。

    1.4K21发布于 2018-07-24
  • 来自专栏cuijianzhe

    Gitlab迁移

    docker-compose 创建的 gitlab 迁移到 ECS 安装 gitlab 需要的组件: ssh-copy-id -i ~/.ssh/id_rsa.pub backup_ip #授信免密登陆 gitlab-ce/yum/el7/gitlab-ce-11.8.1-ce.0.el7.x86_64.rpm rpm -ivh gitlab-ce-11.8.1-ce.0.el7.x86_64.rpm 进行备份迁移 -p /data/gitlab/git-data [root@iZ2zed92f8g67tyf26ql2wZ ~]# chown git:git /data/gitlab/git-data/ # 进行迁移 storing-git-data-in-an-alternative-directory https://www.cnblogs.com/ssgeek/p/9392104.html ---- 标题:Gitlab迁移

    1.1K10编辑于 2022-06-14
  • 来自专栏sofu456

    迁移学习

    迁移学习 from __future__ import print_function import torch import torch.nn as nn from torch.autograd

    1.1K20发布于 2019-07-09
领券