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
  • 来自专栏云原生安全

    当 ChatGPT 遇上开源容器安全工具集「

    ---- 功能实现 开源容器安全工具集·(VeinMind)已接入 OpenAI, 可以使用 OpenAI 对扫描的结果进行人性化分析,让你更加清晰的了解本次扫描发现了哪些风险。​ scan image --enable-analyze --openai-token <your_openai_key> -p "解析下面的json发生了什么" 当 ChatGPT 遇上开源容器安全工具集「 ---- 项目简介 开源容器安全工具集不仅提供覆盖 镜像/容器 各周期阶段的风险检测,同时致力于为社区用户带来更好的操作体验,如果你在使用过程中有任何问题,可以前往 Github 提交 Issue,

    49210编辑于 2023-03-29
  • 来自专栏云原生安全

    SDK: 云原生安全的最强外挂 (上)

    这个想法一出来,就和公司的小伙伴们一拍即合,决定立刻开始做,这就是 SDK 的由来。 并检测出包含了特定字符串的文件(示例中为  -----BEGIN RSA PRIVATE KEY----- ),简单的运行一下上面这个只有 50 行的小程序,结果如下:图片----结语今天只是给大家简单介绍了一下

    51220编辑于 2023-04-06
  • 来自专栏架构专题

    ThreadLocal夺命4

    连环四: ThreadLocal的原理? 内存泄漏的原因? InheritableThreadLocal用过吗? Netty的FastThreadLocal是什么? 2. 附加:你如何解决的? 阿里这里有个库,https://github.com/alibaba/transmittable-thread-local 专门解决变量跨线程共享。 4. 扩展 「底层」你的也是我的。3例ko多线程,局部变量透传 上面是一篇关于变量透传的文章,比较深入,可以看下。 作者简介:小姐姐味道 (xjjdog),一个不允许程序员走弯路的公众号。

    63420发布于 2021-01-25
  • 来自专栏Python数据科学

    4步打通数据化运营的任督二

    把影响相关数据的行为原因列出来,并验证; 4. 优化具体的行为原因。 03 用户分析 流量和业务目标的数据你可能每天都要关注,因为不少老板就是根据这个给你饭碗的。 被数据打通任督二的运营,更像一个可前知后算的产品“算命师”。

    58030发布于 2019-07-22
  • 来自专栏SAP Technical

    打通S4 HANA之dump的任督二

    武侠中最常提到的就是练就一身武功之前要打通任督二。任督二之所以重要是因为:任脉主血,为阴之海;督脉主气,为阳之海。 也就是说,任督两分别对十二经脉中的手足六阴经与六阳经脉起着主导作用,任督二气机充盈的话,可以灌溉十二经脉。大家可以把任督二想象长江和黄河,十二经脉就是连接着长江黄河的十二条支流。 故曰:任督通则百皆通。所以要练就一身绝世武功,首先要打通任督二。 而在项目上,特别是SAP S/4 HANA项目,要想顺利实施完成,关键就要解决一些阻碍项目进行的问题,清楚路线上的障碍,打通任督二,完成项目上线。所以我们今天依旧讨论技术。 写在前面 在之前我写了不少关于SAP S/4 HANA出现问题的文章,可助你打通任督二,比如你可能会遇到这样的:《S/4 HANA ML error分析》、《S/4 HANA的移动平均价》等是关于SAP

    66710发布于 2020-11-27
  • 来自专栏数据分析1480

    教你4步打通数据化运营的任督二

    把影响相关数据的行为原因列出来,并验证; 4. 优化具体的行为原因。 03 用户分析 流量和业务目标的数据你可能每天都要关注,因为不少老板就是根据这个给你饭碗的。 被数据打通任督二的运营,更像一个可前知后算的产品“算命师”。

    67320发布于 2019-07-15
  • 来自专栏沉默王二

    5 神剑,杀无赦!

    每个人都会有惰性,我也不例外,初学编程的时候我也喜欢同学,老师,总觉得他们掌握了知识的脉搏,问他们,能很快的把问题给解决了。但渐渐地,我就明白,还是“自己动手丰衣足食”香! 4)形成套路,遇到问题的时候第一步做什么,第二步做什么,心里要有数,要有套路,一套程式下来,基本上问题就解决了,哪怕是没有解决,至少也摸清楚了原因,再去寻求新的方案就不会没有头绪了。 打通自己的任督二,让 5 神剑肆意地喷发吧! 我是二哥呀,觉得有帮助的话,点赞和星标吧!我们下期见~

    53130发布于 2021-04-25
  • 来自专栏大数据文摘

    企业安全管理的“六神剑”

    下面一起来看企业安全管理的“六神剑”——六个最佳实践: 实践一:防止权力的滥用行政权力 安全的两个安全原则将帮助你避免权力得滥用:限制权力及职责的分离。

    1K50发布于 2018-05-23
  • 来自专栏C/C++基础

    web前端开发初学者十集锦(4

    4.JS获取可视窗口、html文档、body的高度和宽度 高度的获取: <! var fff = 2; window.ffa = 3; ffb = 4; this.ffc = 4; var ffftx = Object.getOwnPropertyDescriptor 这个很容易犯错,真的,三个按钮都是弹出:”Button4”,你答对了吗? 当注册事件结束后,i的值为4,当点击按钮时,事件函数即function(){ alert(“Button”+i);}这个匿名函数中没有i,根据作用域链,所以到buttonInit函数中找,此时i的值为4 ,所以弹出”button4“。

    1.8K20发布于 2018-08-03
  • 来自专栏计算机视觉

    深度学习500——Chapter10:迁移学习(4

    对 BnB而言,原训练好的 B 模型的前 3 层直接拿来就可以用而不会对模型精度有什么损失到了第4 和第5 层,精度略有下降,不过还是可以接受。然而到了第6 第第7层,精度居然奇迹般地回升了! 原因如下:对于一开始精度下降的第4 第 5 层来说,确实是到了这一步,feature变得越来越specific,所以下降了。那对于第6第7层为什么精度又不变了? 往后,到了第4第5层的时候,精度开始下降,我们直接说:一定是feature不general 了!然而,到了第6第7层,精度出现了小小的提升后又下降,这又是为什么? 就是说,第4第5层精度下降的时候,主要是由于A和B两个数据集的差异比较大,所以会下降;到了第6第7层,由于网络几乎不迭代了,学习能力太差,此时 feature 学不到,所以精度下降得更厉害。 ​

    37210编辑于 2024-06-15
  • 来自专栏计算机视觉

    深度学习500——Chapter09:图像分割(4

    在边框识别的基础上添加分支网络,用于语义Mask 识别; 2)训练简单,相对于 Faster仅增加一个小的 Overhead,可以跑到 5FPS; 3)可以方便的扩展到其他任务,比如人的姿态估计等; 4

    38000编辑于 2024-05-24
  • 来自专栏计算机视觉

    深度学习500——Chapter08:目标检测(4

    如下图所示,在8x8的feature map和4x4的feature map上的每个单元取4个不同的default box。 原文对于 300x300 的输入,分别在conv4_3,conv7,conv8_2,conv9_2,conv10_2,conv11_2的特征图上的每个单元取4,6,6,6,44个default box 由于以上特征图的大小分别是 38x38,19x19,10x10,5x5,3x3,1x1,所以一共得到38x38x4 + 19x19x6 + 10x10x6 + 5x5x6 + 3x3x4 + 1x1x4 ),则每个box需要预测c+4个值。 所以对于某个所选的特征层,该层的卷积核个数为(c+4)x该层的default box个数。最后将每个层得到的卷积结果进行拼接。

    60610编辑于 2024-05-04
  • 来自专栏码洞

    Lucene 高阶查询的六神剑 —— QueryParser

    上篇我们介绍了 Lucene 多样的查询模式,每一种都是相互独立的用来解决特定查询目标的 Query 对象。本节我们要将这些查询模式使用 QueryParser 组合起来进行合并查询 —— 用一个文本字符串表达式来表示所有的查询模式。

    2.9K40发布于 2019-09-17
  • 来自专栏计算机视觉

    深度学习500——Chapter02:机器学习基础(4

    4、相比于其他算法智能分析一种类型变量,决策树算法可处理数字和数据的类别。 5、能够处理多输出的问题。 6、对缺失值不敏感。 7、可以处理不相关特征数据。 4、在处理特征关联性比较强的数据时表现得不是太好。 5、对于各类别样本数量不一致的数据,在决策树中,信息增益的结果偏向于那些具有更多数值的特征。 4)核函数方法可以和不同的算法相结合,形成多种不同的基于核函数技术的方法,且这两部分的设计可以单独进行,并可以为不同的应用选择不同的核函数和算法。 (4) SVM是一种有坚实理论基础的新颖的适用小样本学习方法。它基本上不涉及概率测度及大数定律等,也简化了通常的分类和回归等问题。 (这其中主要原因是大量非支持向量参与计算,造成SVM的二次规划问题) 4. 对非线性问题的处理方式不同 ​ LR主要靠特征构造,必须组合交叉特征,特征离散化。

    35410编辑于 2024-03-19
  • 来自专栏AustinDatabases

    MySQL 那些监控参数 答 (4)REDO AHI latch 锁

    正文 : 我的系统里面有大事务,怎么辨别其中可能会出现的问题? :当前数据库的innodb的log 写入的情况如何,有么有等待的状态,存在不存在瓶颈? :当前MYSQL 系统的latch 锁如何,是否存在瓶颈,怎么改善? :自适应哈希索引工作的情况如何?都是MYSQL 自己进行,如何监控? 通过这样的方式来加速数据的查询,尤其对于层高已经在 4层的索引,这样的方法会大大加速数据的查询。

    60720发布于 2020-04-10
  • 来自专栏计算机视觉

    深度学习500——Chapter03:深度学习基础(4

    Cognitive modeling, 1988, 5(3): 1. [4] Hecht-Nielsen R. Foundations and Trends® in Signal Processing, 2014, 7(3–4): 197-387. [19] Erhan D, Bengio Y, Courville Learning Optimization Methods and Learning Rate Attenuation Methods[J].Hans Journal of Data Mining,2018,8(4)

    34210编辑于 2024-03-24
  • 来自专栏狼王编程之路

    【干货】教你打通Git的任督二

    以上包括一些简单而常用的命令,但是先不关心这些,先来了解下面这4个专有名词。 如上图,在实际开放中,我们可能从master分支中切出一个分支,然后进行开发完成需求,中间经过R3,R4,R5的commit记录,最后开发完成需要合入master中,这便用到了merge。

    60020发布于 2021-06-01
  • 来自专栏DevOps时代的专栏

    秘籍:微服务设计的六神剑

    4、潜在的异质和多语支持 开发者可以自由选择编程语言和技术栈开发微服务。这便于开发者使用更好的语言和技术重写服务,而不会受限于过去的决定。这让开发者在选择技术、工具、框架时更加自由。 其他可以实现分布式日志管理的工具还有Syslog、Logentries和Loggly 4、容错性 无论如何进行测试,软件错误总会出现的。在基于多种微服务的分布式系统中容错性更加重要。 注:单例链式只有一个服务的链式模式 4、分支模式 分支模式扩展了聚合模式,允许同时调用两个链式服务。这种模式能应用于调用不同链式服务或单例链式服务。 ?

    1K50发布于 2018-02-02
  • 来自专栏程序员小王

    打通Python学习的任督二

    Python文件操作 1#文件操作 2""" 3计算机的文件就是储存在某种长期存储设备上的一致数据 4文件是以二进制的方式来保存 5 6打开文件 open 函数 打开文件 并且返回文件操作对象 Python模块 1#模块 2""" 3每一个以扩展名 py 结尾的python源代码文件都是一个模块 4模块名同样是一个标识符 需要符合标识符的命名规则 5在模块中定义的全局变量 函数 类 Python错误&异常 1#异常 2""" 3程序停止执行并且提示错误信息这个动作,我们通常称之为 抛出异常 4 5""" 6 #捕获异常 7""" 8基本语法:

    93440发布于 2019-07-02
  • 来自专栏艾小仙

    4!《我想进大厂》之Java基础夺命连环16

    等到你们收到这篇文章的时候,公众号读者数量就破4000了,可不是4万,就庆祝下,存稿都发出来了,下周又得肝了! 说说进程和线程的区别? 主要有4种拒绝策略: AbortPolicy:直接丢弃任务,抛出异常,这是默认策略 CallerRunsPolicy:只用调用者所在的线程来处理任务 DiscardOldestPolicy:丢弃等待队列中最旧的任务

    62421发布于 2021-01-11
领券