- 综合排序
- 最热优先
- 最新优先
- 来自专栏CDA数据分析师
3个步骤彻底学透Excel
本文为简书作者数据充电宝原创，CDA数据分析师已获得授权 目录 Excel函数学习常见的误区和问题及解决办法 ● 苦恼 ● 原因 ● 解决办法 学习3步法 （重点） ● 探求Excel内含部分 ● 案例学习法 是方法出现了问题，而不是我们不聪明我们看了大部分的教学案例及教程，但一个又一个的教学案例，按部就班的做，学完就学完了（只说了案例，其他的都没说） 而一个好的Excel教程是这样的： 1、列需求2、举例子3、 大家可以动手试一下吧，检验自己创造力的时候到了 3步法（学习重点） 步骤一：探求Excel内含部分 深入问自己如下问题 了解每一个参数的要求(要求的数据类型，边界，特殊情况等） 探索参数超出边界，处理参数类型后的情况 就是别人用这个函数遇到的问题，犯的错误，总结的经验，吸取的教训，积累的注意事项等 这个方法与传统学习的不同 1、大部分人学习1~2个案例就结束了，而这里要学习大量的案例，要学就深入学习，结合大量的案例才能弄透 而正向案例反向案例学习有如下阶段： ● 阶段1：搜索阶段（通过搜索引擎、知乎、Excel垂直网站等来搜索正反向案例） ● 阶段2：记录和整理阶段（把案例分门别类，记录到一个笔记里面，一般一个函数一个笔记） ● 阶段3：
98481发布于 2018-02-24 - 来自专栏Rust语言学习交流
【翻译】200行代码讲透RUST FUTURES (3)
方式#3更多的是理论上的重要性，通常您会很乐意将任务发送到多数运行时提供的线程池。 大多数执行器都可以使用诸如 spawn blocking 之类的方法来完成#1。
1.1K20发布于 2020-07-28 - 来自专栏全栈程序员必看
学习笔记3–车载传感器之毫米波雷达和超声波雷达
---- ---- 2.车载传感器之毫米波雷达和超声波雷达 2.1 毫米波雷达 概述： 毫米波雷达工作在毫米波波段探测的雷达，通过发射无线电信号并接收反射信号来测定与物体间的距离； 毫米波雷达采集的原始数据基于极坐标系 ，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物体环境信息(如：汽车与其他物体之间的相对距离、相对速度、角度、运动方向等)，然后根据所探知的物体信息进行目标追踪和识别分类，结合车身动态信息进行数据融合 ，毫米波雷达的发射机的功率低，波导器件中的损耗大； 行人的后向散射截面较弱，如果需要探测行人，雷达的探测阈值需要设低，其负面效应可能会有更多虚报物体出现； 毫米波器件昂贵； 毫米波雷达在自动驾驶汽车中的应用 ： 2.2 超声波雷达 概述： 超声波雷达是通过发射并接收40kHz的超声波，根据时间差算出障碍物距离，测距精度大约1～3cm； 构造一般分为：等方性传感器和异方性传感器； 等方性传感器为水平角度与垂直角度相同 ，等方性传感器垂直照射角度过大，容易探测到地，无法侦测较远的距离； 异方性传感器水平角度与垂直角度不相同，异方性超声波探头产生的超声波波形强弱较不稳定，容易产生误报警的情况； 常见的超声波雷达： 安装在汽车前后保险杠上
2.2K10编辑于 2022-11-04 - 来自专栏大数据钻研
如何优雅地使用Sublime Text3
原文首链，请移步这里如何优雅地使用Sublime Text;最后更新于2015.12.15晚 (不能为简书文章添加目录？ ，额，折腾不出来，醉了)，但目录结构还是可以有的： 如何优雅地使用Sublime Text 之 目录结构 Sublime Text 2和3的对比 Sublime Text 3安装插件 Sublime Text Python3.3 强烈推荐朋友们使用3! 这个插件通过适当的颜色高亮和其它功能来更好地完成这些任务。 WakaTime -- 记录你的Code时间; WakaTime可以做到精确地统计到你花在某个项目上的时间;WakaTime针对不同的IDE，拥有不同的插件，在Sublime上安装着插件，就能统计到我使用
7.5K60发布于 2018-04-18 - 来自专栏音视频技术
相机+激光雷达重绘3D场景
将激光雷达与相机结合，再通过深度学习的方式获得场景的3D模型——Ouster首席执行官在博客中介绍了相机OS-1，并装有激光雷达。LiveVideoStack对原文进行了摘译。 激光雷达数据具有突出的独特优势，——简举二例，如空间信息丰富、环境光照不敏感，——然而它缺乏类似于传统相机图像的原始（高）分辨率和高效的阵列存储结构，因而3D点云在神经网络学习或处理中迄今缺乏高效快速的硬件算法及实现 v=JxR9MasA9Yc 因为每个像素都提供了所有的数据，所以我们能够无缝地将2D掩码转换为3D帧，以进行额外的实时处理，如边界框估计和跟踪。 v=igsJxrbaejw 仔细检查后，很明显地发现，网络正在拾取每个图像中的不同关键点。任何从事激光雷达和视觉测距的人都会掌握这个结果中所体现的冗余的价值。 以上这些结果令我们相信，融合的激光雷达和相机数据远远超过其各部分的单纯总和，我们期望未来激光雷达和相机之间能够有进一步融合。
57620发布于 2021-09-01 - 来自专栏测试基础
【Mysql进阶-3】大量实例悟透EXPLAIN与慢查询
在看下面内容之前，墙裂建议先看本文姊妹篇：图文并茂说透Mysql索引 EXPLAIN的使用非常简单，在SQL语句前加上EXPLAIN即可，例如： EXPLAIN SELECT * FROM students 3、ref 这意味着WHERE条件是索引前导列，且该索引是普通索引。 EXPLAIN SELECT * FROM student WHERE id > 3 ? Index merges看起来效率不错，但也反映出我们索引有不合理之处，将条件中涉及的列建立联合索引，可以很好地优化。 , '3', '2', '2020-08-03 16:53:02');
1.8K31发布于 2020-09-16 - 来自专栏ThoughtWorks
商业洞见第3期——金融科技雷达及趋势前瞻
正当互联网金融这股洪荒之力无处宣泄之时，FinTech这个泊来的词汇，来地恰逢其时，给互联网金融一个新契机。 我们认为，FinTech的实质在于， “用科技的力量，更好、更快地服务于实体经济”。 《ThoughtWorks金融科技雷达——金融科技趋势前瞻》尝试来分析这些领域的创新技术，并探讨这些技术的市场成熟化发展态势。 金融业总是危机不断。 伴随着以太坊(Ethereum)重新定义区块链应用场景、R3、金链盟等的成立，可信可控云计算、终端安全存户等技术的演进，区块链应用步伐大大加快。
66240发布于 2018-04-17 - 来自专栏ThoughtWorks
商业洞见第3期——金融科技雷达及趋势前瞻
正当互联网金融这股洪荒之力无处宣泄之时，FinTech这个泊来的词汇，来地恰逢其时，给互联网金融一个新契机。 我们认为，FinTech的实质在于， “用科技的力量，更好、更快地服务于实体经济”。 《ThoughtWorks金融科技雷达——金融科技趋势前瞻》尝试来分析这些领域的创新技术，并探讨这些技术的市场成熟化发展态势。 金融业总是危机不断。 伴随着以太坊(Ethereum)重新定义区块链应用场景、R3、金链盟等的成立，可信可控云计算、终端安全存户等技术的演进，区块链应用步伐大大加快。
67940发布于 2018-04-17 - 来自专栏ThoughtWorks
商业洞见第3期——金融科技雷达及趋势前瞻
正当互联网金融这股洪荒之力无处宣泄之时，FinTech这个泊来的词汇，来地恰逢其时，给互联网金融一个新契机。 我们认为，FinTech的实质在于， “用科技的力量，更好、更快地服务于实体经济”。 《ThoughtWorks金融科技雷达——金融科技趋势前瞻》尝试来分析这些领域的创新技术，并探讨这些技术的市场成熟化发展态势。 金融业总是危机不断。 伴随着以太坊(Ethereum)重新定义区块链应用场景、R3、金链盟等的成立，可信可控云计算、终端安全存户等技术的演进，区块链应用步伐大大加快。
75060发布于 2018-04-17 - 来自专栏具身小站
基于 3D 激光雷达的位姿估计
：基本原理是通过不断切割立方体，将大立方体所包含的信息由所分割的小立方体表示，而根据小立方体内是否包含大立方体的信息可在存储数据时将一些未包含信息的小立方体去除，以节省存储空间 点云压缩：将扫描出的3维点云 NDT定位：将多维参照数据正态分布化，通过优化方法求出最优变换参数，使参考系中变换点的概率密度最大，实现激光点云的最优匹配，求解出机器人的准确位姿 广度优先搜索算法：从指定的起始节点开始，逐层地向外扩展 位姿估计 基于 3D 激光雷达扫描匹配的 NDT 定位算法，优化无人车定位精度。 3. 运动搜索使用切比雪夫距离 为代价函数增加动态权重：代价函数的值作为权重系数的判断依据，设定阈值，当代价函数的值大于阈值时，增大权重系数，以偏向快速搜索（在某个实验场景下：经验阈值为 18，权重系数 为 3）
21210编辑于 2025-12-17 - 来自专栏ThoughtWorks
商业洞见第3期——金融科技雷达及趋势前瞻
正当互联网金融这股洪荒之力无处宣泄之时，FinTech这个泊来的词汇，来地恰逢其时，给互联网金融一个新契机。 我们认为，FinTech的实质在于， “用科技的力量，更好、更快地服务于实体经济”。 《ThoughtWorks金融科技雷达——金融科技趋势前瞻》尝试来分析这些领域的创新技术，并探讨这些技术的市场成熟化发展态势。 金融业总是危机不断。 伴随着以太坊(Ethereum)重新定义区块链应用场景、R3、金链盟等的成立，可信可控云计算、终端安全存户等技术的演进，区块链应用步伐大大加快。
76160发布于 2018-04-17 - 来自专栏一点人工一点智能
激光雷达视觉惯性融合框架：R3live++
今天给大家分享一篇多传感融合定位的工作：R3live++。 这是继R3live后的第二个版本。这项工作提出的激光雷达视觉惯性融合框架实现了鲁棒和准确的状态估计，同时实时重建光度地图。 此外，为了演示R3LIVE的可扩展性，我们基于重建的地图开发了几种应用程序，例如高动态范围 (HDR) 成像，虚拟环境探索和3D视频游戏。代码是开源的，文末附源码和文章链接。 更具体地说，我们的 VIO子系统将一定数量的点 (即，跟踪点) 从全局地图投影到当前图像，然后通过最小化这些点的辐射误差来迭代估计相机姿势 (和其他系统状态)。 见图3。 c.
1.4K20编辑于 2023-07-05 - 来自专栏AI那点小事
CCF考试——201703-3地铁修建
样例输入 6 6 1 2 4 2 3 4 3 6 7 1 4 2 4 5 5 5 6 6 样例输出 6 样例说明 可以修建的线路有两种。 第一种经过的枢纽依次为1, 2, 3, 6，所需要的时间分别是4, 4, 7，则整条地铁线需要7天修完； 第二种经过的枢纽依次为1, 4, 5, 6，所需要的时间分别是2, 5, 6，则整条地铁线需要
31610发布于 2020-04-20 - 来自专栏ThoughtWorks
如约而至｜2017年3月期技术雷达正式发布！
技术雷达是什么 技术雷达是由 ThoughtWorks 技术战略委员会（TAB）经由多番正式讨论给出的最新技术趋势报告，它以独特的雷达形式对各类最新技术的成熟度进行评估并给出建议，为从程序员到CIO/CTO 要了解关于雷达的更多背景，请点击［阅读原文］ ? 我们喜欢这样来定义平台：平台应该提供一个自助服务 API，并且使之在团队环境中容易配置和创建——这很好地与“开发者体验”这样一个新兴的主题相呼应。 最近，围绕人工智能商品化及其应用的行业趋势，以及 Python 3 的成熟，给 Python 社区注入了新的活力。 但是,没有制作视频游戏经验的团队不应低估创建一个好的3D模型和纹理所需要的时间和技能。 LINUX 安全模块(LSM) ：“最小权限原则”鼓励我们限制软件只访问他们需要的资源。
70530发布于 2018-04-17 - 来自专栏ThoughtWorks
3分钟视频 | 我们在技术雷达峰会聊什么？
5月13日，由ThoughtWorks主办的2017技术雷达峰会在北京圆满落下帷幕。 我们用1天时间，呈现了13个精彩话题，主要围绕以下三大主题： 最新卷技术雷达解析——技术热点全局认识，了解现在的趋势 从业务与管理视角技术趋势给当今企业带来的影响 具体落地、技术实践 2017技术雷达峰会日程 回到主题，说好的3分钟视频在这里。 3分钟了解技术雷达峰会 ? 更多演讲话题的视频将在本周内陆续上线，未来几周内，ThoughtWorks社区活动中会有更多和技术雷达相关的话题开讲。 最后小编想说，通过对参会者们的调查，我们发现以下三大方面最受大家关注： TOP1 微服务 TOP2 人工智能 TOP3 数字化转型 那你呢？请投票~
82160发布于 2018-04-17 - 来自专栏一点人工一点智能
HGSFusion：用于3D目标检测的雷达-相机融合网络
，旨在更好地融合雷达潜力和图像特征以进行3D目标检测。 2）对雷达点云进行编码，并将其输入到雷达网络中以生成雷达BEV特征和空间模式。 3）将相机图像特征与雷达特征进行融合，并使用融合后的特征进行3D目标检测。 这些策略可以更好地模拟雷达点云的真实分布情况，从而提高系统的性能。 此外，该方法还引入了双同步模块（Dual Sync Module），用于解决图像深度信息不足和低质量特征的问题。 方法创新点 该论文的主要贡献在于提出了HGSFusion网络结构，该网络结构可以有效地融合雷达和图像数据，从而提高三维物体检测性能。 本文提出的HGSFusion网络结构可以有效地融合雷达和图像数据，从而提高三维物体检测性能。未来的研究可以进一步探索如何结合其他传感器（如LiDAR）来提高检测性能，以及如何处理更多的复杂场景。
92910编辑于 2025-01-08 - 来自专栏设计模式
在你的 Android 手机上「云养猫」：Android 11 Beta 3 具透
在 Android 11 Beta 3 之前的版本中，媒体控件卡片一旦出现就会默认占用一部分通知面板和快速设置面板区域，对于强迫症用户有一点不太友好。 ? 不过总的而言，Beta 3 的媒体控件版本其实已经解决了我们在之前 Beta 1/2 中吐槽的各种使用上的不足与 Bug，同时保留了新样式可以更快捷地选择播放设备、控制不同媒体播放的优点。 遗憾的是「流畅画面」选项非常机缘巧合地在 Android 11 Beta 2 中消失了。 COVID-19 的情况有点特殊嘛，Android 11 Beta 3 的做法可以说是一种兼顾用户隐私和实际需要的解决方案。 以上便是本次具透的全部内容，接下来我们正式版再见吧。
2.1K20发布于 2020-12-16 - 来自专栏完美Excel
啰哩啰嗦地讲透VBA中引用单元格区域的18个有用方法--Range属性
更准确地说：Worksheet对象有一个Range属性；Worksheet.Range属性返回Range对象。 也许更准确地说，单元格是一个属性。实际上，可以使用此属性（单元格）来引用单元格区域。上面的示例将Range属性应用于Worksheet对象。 使用Range.Range属性相对于另一个单元格区域引用单个单元格 假设简单地按如下方式使用Selection对象，而不是如上所述指定完全限定引用： Selection.Range(“A1”) 此外，假设当前选择区域是活动工作表的 C3和D5（单元格C3、C4、C5、D3、D4和D5）之间的单元格区域。 换句话说，将Range属性应用于Range对象时，其行为相对于该区域（更准确地说，是其左上角）。将其应用于Worksheet对象时，其行为相对于工作表。
8.7K20编辑于 2022-01-07 - 来自专栏szhshp 的第四边境中转站
优雅地乱玩Linux-3-NodeJS的安装
解决方法见官方 Guide: https://docs.npmjs.com/getting-started/fixing-npm-permissions 系列文章 优雅地乱玩 Linux 参考文献
66740编辑于 2022-09-21 - 来自专栏Yunfeng's Simple Blog
libtorch系列教程3：优雅地训练MNIST分类模型
} test_loss /= dataset_size; std::printf( "\nTest set: Average loss: %.4f | Accuracy: %.3f 这样写当然是可以的，但对于习惯了Pytorch训练的我们来说，这样所有的代码在一个文件中的写法很不易读， 修改数据和网络都相互有影响，且不利用真正严肃地模型训练迭代。 2. 可以看到网络的定义还是比较简单直接，可以直接从Python 网络定义迁移过去，几个核心点： 网络类的定义需要继承torch::nn::Module 类 实现forward 函数来进行网络前项运算，其中每个层需要显式地调用 ` make -j8 # 下载MNIST数据 mkdir data && cd data wget "http://yann.lecun.com/exdb/mnist/train-images-idx3- ubyte.gz" && gunzip t10k-images-idx3-ubyte.gz wget "http://yann.lecun.com/exdb/mnist/t10k-labels-idx1
98641编辑于 2023-10-23
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