- 综合排序
- 最热优先
- 最新优先
- 来自专栏林德熙的博客
PTA 6-2 多项式求值
本题要求实现一个函数，计算阶数为n，系数为a[0] ... a[n]的多项式f(x)=\sum_{i=0}^{n}(a[i]\times x^i)在x点的值。
62820编辑于 2022-08-04 - 来自专栏林德熙的博客
PTA 6-2 多项式求值
本题要求实现一个函数，计算阶数为n，系数为a[0] ... a[n]的多项式$f(x)=\sum_{i=0}^{n}(a[i]\times x^i)$在x点的值。
63610发布于 2018-09-18 - 来自专栏全栈开发那些事
6-2 多项式求值 (15分)
本题要求实现一个函数，计算阶数为n，系数为a[0] … a[n]的多项式f(x)=∑i=0n(a[i]×xi) 在x点的值。
42420编辑于 2023-02-27 - 来自专栏Python
6-2、Python 数据类型-字符串
6-2、Python 数据类型-字符串字符串存储方式整型在内存中占一个字节，字符串不管中间有多少内容都要单独存储类型的转换Int将字符串转换成整型 Str将整型转换成字符串>>> num = '100'
39130编辑于 2023-11-07 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-2 模拟实现梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍模拟实现梯度下降算法。
75300发布于 2019-11-13 - 来自专栏Java
试题 算法训练 6-2递归求二进制表示位数
试题 算法训练 6-2递归求二进制表示位数 资源限制 内存限制：256.0MB C/C++时间限制：10.0s Java时间限制：30.0s Python时间限制：50.0s 问题描述 给定一个十进制整数
16900编辑于 2025-01-21 - 来自专栏刷题笔记
6-2 邻接表存储图的广度优先遍历 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/103128882 6-2 邻接表存储图的广度优先遍历 (20 分) 试实现邻接表存储图的广度优先遍历
3.2K10发布于 2019-12-03 - 来自专栏迁移内容
高性能MySQL(3)——创建高性能索引
三、高性能的索引策略 3.1、独立的列 索引列不能是表达式的一部分，也不能是函数的参数。 参考： 《高性能 MySQL 第三版》 聚簇索引和非聚簇索引 mysql-覆盖索引 创建高性能的索引
1.8K20编辑于 2022-12-01 - 来自专栏育种数据分析之放飞自我
笔记 GWAS 操作流程6-2：手动计算GWAS分析中的GLM和Logistic模型
手动计算」 ❝使用R语言编程GLM模型和Logistic模型，提取Effect和Pvalue ❞ 「GLM」 ❝一般线性模型 ❞ 「Logistic」 ❝主要分析广义线性模型，Y变量是二分类性状 ❞ 「6- 2」 ❝这是我的GWAS学习笔记，更新到了6-2，更多专栏内容，拉到最后，点击链接阅读，或者点击开头的专辑。
3.3K32发布于 2020-09-30 - 来自专栏用户1337634的专栏
高性能logback
开发环境一般都把日志输出到ConsoleAppender，但是其他环境是不需要的，可以使用动态配置。
3.4K42发布于 2019-03-27 - 来自专栏前端小课堂
高性能JavaScript
从《高性能JavaScript》一书中的整理笔记： 1、将经常使用的对象成员、数组项、和域外变量存入局部变量 原因：数据存储位置对大地代码整体性能会产生重要的影响，直接变量和局部变量的访问速度快于数组和对象成员
1.2K10发布于 2019-09-04 - 来自专栏TopFE
高性能JavaScript
由于局部变量存在于作用域的起始位置，因此访问局部变量比访问跨作用域变量更快，变量在作用域中的位置越深，访问所需时间就越长，由于全局变量总处在作用域的最末端，因此访问速度最慢。
1.2K00编辑于 2022-01-24 高性能ListViews
高性能ListViews原文链接:PerformanceListViews原文作者:Brandon译文出自:开发技术前线www.devtf.cn。未经允许，不得转载!
8800编辑于 2026-04-24- 来自专栏程序人生 阅读快乐
Python高性能编程
Python语言是一种脚本语言，其应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算、推荐系统构建等。 本书共有12章，围绕如何进行代码优化和加快实际应用的运行速度进行详细讲解。本书主要包含以下主题：计算机内部结构的背景知识、列表和元组、字典和集合、迭代器和生成器、矩阵和矢量计算、并发、集群和工作队列等。**后，通过一系列真实案例展现了在应用场景中需要注意的问题。 本书适合初级和中级Python程序员、有一定Python语言基础想要得到进阶和提高的读者阅读。 Python语言是一种脚本语言，其应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算、推荐系统构建等。
84720发布于 2018-10-10 - 来自专栏Liusy01
Netty高性能之道
所以今天来看以下Netty的高性能是如何建立的？ IO通信的三原则： 1、传输：用什么样的通道发送数据，I/O模型在很大程度上决定了通信的性能。 2、协议：协议的选择不同，性能也不同。 Netty高性能之道： 一、异步非阻塞通信 I/O多路复用技术通过把多个I/O的阻塞复用到同一个select的阻塞上，从而使得系统在单线程的情况下可以同时处理多个客户端请求，与传统的BIO相比，多路复用的最大优势就是系统开销小 五、高性能的序列化框架 影响序列化性能的关键因素如下： 1、序列化之后码流的大小（网络带宽的占用） 2、序列化与反序列化的性能（CPU资源的占用） 3、是否支持跨语言 Netty提供了对Google 上述就是Netty高性能的基础，来自《Netty权威指南 第2版》一书。
1K20发布于 2020-09-01 - 来自专栏林德熙的博客
WPF 高性能笔
本文告诉大家WPF的INK的实现，和如何做一个高性能的笔。 高性能的笔迹在 WPF 包含两个部分，一个是就是输入，第二个就是渲染。 所以按照原来的元素的输入渲染是无法做到高性能的，那么 WPF 的笔迹是如何做到很快？这里需要用到两个科技，一个就是输入使用 StylusPlugin 一个就是使用另一个 UI 线程解决渲染的速度。 为什么 Stylusplugin 可以做到高性能？ 这个需要从触摸开始讲。在我的另一篇博客有告诉大家从触摸到事件，在 WPF 是通过触摸线程拿到触摸信息。 如果要做高性能的笔必须要了解 WPF 的触摸和渲染原理，具体请看WPF 渲染原理 和 WPF 触摸到事件 于是下面告诉大家如何做出一个高性能的笔。 本文主要告诉大家如何继承 StylusPlugIn 来做高性能的笔。
1.1K40发布于 2018-09-19 - 来自专栏IT技术精选文摘
Netty高性能之道
事实上，我对这个数据并不感到惊讶，根据我5年多的NIO编程经验，通过选择合适的NIO框架，加上高性能的压缩二进制编解码技术，精心的设计Reactor线程模型，达到上述性能指标是完全有可能的。 Netty高性能之道 2.1. RPC调用的性能模型分析 2.1.1. Netty高性能之道 2.2.1. 异步非阻塞通信 在IO编程过程中，当需要同时处理多个客户端接入请求时，可以利用多线程或者IO多路复用技术进行处理。 Netty默认提供了对Google Protobuf的支持，通过扩展Netty的编解码接口，用户可以实现其它的高性能序列化框架，例如Thrift的压缩二进制编解码框架。 正是由于Java原生序列化性能表现太差，才催生出了各种高性能的开源序列化技术和框架（性能差只是其中的一个原因，还有跨语言、IDL定义等其它因素）。 2.2.8.
1.6K70发布于 2018-01-30 - 来自专栏别明天就今天吧
Redis-高性能
最近有一道常见的Redis面试题，Redis为什么那么快？下面我们来分析下"快"的原因。
66711发布于 2020-09-07 - 来自专栏林德熙的博客
高性能笔迹原理
在显示器屏幕收到 HDMI 输出到屏幕刷新需要的时间是 16 毫秒 那么此时极限优化的笔迹延时就是三个硬件中速度最慢的触摸框硬件，也就是 30 毫秒以上 这就是高性能笔迹的核心了 在 Windows 下 如果在框架层上使用，请看 WPF 使用 Composition API 做高性能渲染 因此 Win10 下的 UWP 能做到最快的笔迹，在 Win10 下，一个空应用加上一个空 InkCanvas 就能做到 从这里获取触摸的速度会比从 USB 读取快 在 WPF 中如何使用 RealTimeStylus 请看 WPF 高速书写 StylusPlugIn 原理 在 WinForms 中请看 WinForms 下的高性能笔迹方法
1.2K21发布于 2020-08-06 【高性能MySQL】事务
就像锁粒度的升级会增加系统开销一样，事务处理过程中也会增加服务器的开销。需要更强的CPU，更大的内存和磁盘空间。用户可以根据业务是否需要事务，来选择合适的存储引擎。
46210编辑于 2025-01-01
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