- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
97710发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子
n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法
1.2K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
54330发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
55210发布于 2020-01-08 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
57730发布于 2020-01-14 - 来自专栏python3
3-4 文件流类FileStream
nFileMode和FileAccess，FileShare方法基本介绍及注意事项
1K20发布于 2020-01-07 - 来自专栏用户画像
4.4 文件系统疑难点 3-4
为了创建一个文件，应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件，把相应目录读入内存，用新的文件名更新该目录和FCB，并将结果写回到磁盘。
73510发布于 2018-08-24 - 来自专栏叽叽西
lagou 爪哇 3-4 spring cloud 问答笔记
熔断即断路保护。微服务架构中，如果下游服务因访问压⼒过⼤⽽响应变慢或失 败，上游服务为了保护系统整体可⽤性，可以暂时切断对下游服务的调⽤。这种牺 牲局部，保全整体的措施就叫做熔断。
63220编辑于 2022-05-17 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-4 创建Numpy数组(和矩阵)
Notes: zeros 和 ones 函数创建的数组默认为浮点型，而 full 函数 dtype 默认为 None 类型，所以如果在使用 full 不指定 dtype 的情况下，默认为传入 fill_value 值的类型。
98310编辑于 2022-05-25 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
和这个用户对此影片的评价，理论上我们能够通过用户对电影类型的喜好，和用户对此电影的评价来推断出电影的特征向量的
93911发布于 2020-08-14 - 来自专栏爬虫逆向案例
Js逆向-猿人学(3-4)访问逻辑-样式干扰
第三题和第四题跟Js逆向没有什么关系，本来是不想发的，为了排版好看也发这个专栏里吧。
74730发布于 2021-11-22 AI质检平台系统
一、核心优势解析相较于传统质检模式，AI解决方案在核心功能模块上实现突破性提升：缺陷识别方面，传统模式受人员疲劳影响漏检率高，AI系统可7×24小时稳定输出检测结果，确保检测一致性；标准一致性上，传统模式因人员经验差异导致判定基准不一 ，AI通过统一算法模型确保判定基准恒定，减少人为偏差；追溯管理中，传统纸质记录易丢失，AI实现全链路数据云端存档可溯，方便质量回溯；响应速度上，传统批量处理周期长，AI达成毫秒级实时反馈生产线状态，提升生产效率 四、柔性部署方案支持与MES系统、ERP平台的无缝对接，既可作为独立质检工作站运行，也能嵌入现有生产流程形成闭环管控。 开放的开发者平台支持客户自主训练专属模型，形成具有自主知识产权的智能质检体系。这种可生长的技术架构确保系统始终处于行业前沿水平。 专业团队提供驻场辅导服务，协助完成从旧系统切换到新平台的平滑过渡。十一、未来展望随着边缘计算与5G技术的普及，AI质检系统将向移动端延伸，实现车间级的即时响应。
74910编辑于 2025-10-16- 来自专栏运维开发王义杰
AI：GitHub Models全新的AI开发平台
免费访问AI模型 GitHub Models平台提供了免费的AI模型访问权限，用户可以试验多种先进的语言模型，如OpenAI的GPT-4o、Meta的Llama 3.1和Mistral的Large 2。 二、数据隐私与安全性 GitHub承诺，用户在GitHub Models平台上的所有数据，包括提示语和输出结果，都不会被分享给模型提供商或用于改进现有模型。 这一数据隐私承诺增强了平台的吸引力，确保了用户数据的安全性和隐私性。 三、从测试到生产的便捷路径 GitHub Models不仅提供测试和试验的平台，还支持用户将模型快速部署到生产环境。 六、结论 GitHub Models为开发者、学生、初创公司及爱好者提供了一个强大的平台，使他们能够免费访问和试验各种先进的AI模型。 通过这一创新平台，GitHub不仅在技术上进行了突破，也在推动AI技术的普及和应用方面迈出了重要一步。未来，随着更多用户和模型的加入，GitHub Models必将为AI开发带来更多可能性和创新空间。
85810编辑于 2024-08-05 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-4)
代码清单3-4 while(true) { // n为电话号码的长度 for(i = 0; i < n; i++) printf("%c", c[number
23720编辑于 2022-11-30 - 来自专栏Flink实战应用指南
FaceBook开源体现AI平台AI Habitat
导读 有别于传统的AI可思考、推理或解决抽象的问题，许多研究人员开始推测，体现AI将成为未来AI技术主流，例如请机器人帮你拿放在楼上书桌上的手机，或者借由一个配戴装置协助视障人士驾驭不熟悉的地铁系统 ? 脸书最近开源了体现AI（embodied AI）平台AI Habitat，这是一个模拟平台，专供研究人员在逼真的3D环境中训练诸如虚拟机器人等体现代理人，而且可结合同样来自脸书的Replica，或是第三方的 传统的AI可思考、推理或解决抽象的问题，而体现AI则能移动，并与真实的世界进行实际的互动，有愈来愈多的研究人员相信，体现AI才是在未来能够展示更多能力并辅助人类的AI技术，例如请机器人帮你拿放在楼上书桌上的手机 AI Habitat平台是由Habitat-Sim、Habitat-API及Habitat Challenge等3个元件所组成，其中的Habitat-Sim是个3D模拟器，具备可配置的代理人、感应器，也能处理各种 脸书表示，AI Habitat是专为体现AI研究人员所开发的平台，也是一个较少依赖监督式学习所使用之大型注释资料集的系统，若有愈多的研究人员采用AI Habitat，就能加快共同开发体现AI技术的速度，
1.5K40发布于 2019-07-02 - 来自专栏深度学习|机器学习|歌声合成|语音合成
AI平台算子开发思路
文章目录 AI平台 平台算子 开发算子 算子开发包 AI平台 AI平台就是承载数据的输入、AI算法的模型的输出、AI模型的服务、AI模型的训练、调优以及AI模型快速搭建的平台，方便使用者快速的去学习AI 某大型AI平台的示例： ? 平台算子 平台算子就是把机器学习或者深度学习的步骤拆分为一个个小的步骤去实现，比如数据加载、数据特征处理、归一化、特征选择、模型算法、数据集拆分、训练、模型评估等步骤。
2.5K30发布于 2021-01-14 - 来自专栏Tencent Serverless 官方专栏
腾讯云 Serverless 产品功能双月报 （2022年3-4月)
转发福利 转发海报或者本文至朋友圈集100个赞，5月6日24:00前添加小助手 skychoud 微信发送截图，前2名同学免费赠送价值88元的腾讯云视频拍摄套装一份。 了解更多解决方案欢迎
65430编辑于 2022-05-06 - 来自专栏祝威廉
大数据平台和AI平台应该如何整合
大数据和AI两者最核心的部分都是数据。大数据的主要工作是对数据进行各种转换和存储。而AI的主要工作是学习数据并且得出模型。 AI天然需要大数据的基础，因为AI需要各种形态的数据，而我们得到这些形态的数据，必然离不开大数据。就此而言，他们两个合在一起，才是一个完整的工作流。 所以大数据平台要和AI进行整合，有两个核心点： 数据的交换 统一的语言 无论进程内还是进程间，数据交换最高效的方式是通过 Apache Arrow。那么数据交换的问题算是有了一个标准。 统一的语言呢？ 大部分大数据基础软件都是Java/Scala,而AI则是Python based on C++/C的。大部分公司最后会选择Python作为一个大一统语言。 配合MLSQL Console 系统，我们基本可以覆盖AI同学工作的大部分时间。
1.7K20编辑于 2022-07-21 - 来自专栏开源物联网平台开发
AI Token Platform - AI Token 中转计费平台
AI Token Platform - AI Token 中转计费平台 AI Token Platform 是一款企业级 AI Token 中转与计费平台，深度融合 多模型 AI 网关、Kill Bill 平台以"统一 API 接入 + 灵活计费策略 + 企业级会员体系"为核心理念，提供多模型统一管理、精细化 Token 计费、会员套餐管理、支付集成等核心能力，打造可扩展、可计费、可运营的新一代 AI 服务平台 平台简介 核心能力 能力 描述 多模型统一接入 支持 OpenAI、Claude、Gemini、DeepSeek 等 10+ 主流大模型，统一 API 格式 Kill Bill 计费引擎 集成开源计费平台 Spring Boot 3.2 + Kill Bill Java Client 的高性能计费服务 技术架构 用户 → Nginx (反代+限速+SSL) ├── / → LobeChat (AI localhost:3000 new-api 后台 API 接口 http://localhost/v1/chat/completions 兼容 OpenAI 格式 计费系统说明 Kill Bill 计费引擎 平台集成
1.2K10编辑于 2026-04-02 【AI平台核心架构设计】
AI平台核心架构设计 知识管理层设计要点 知识管理层采用模块化设计，各功能模块通过统一API网关进行交互。案例库采用版本化存储，支持语义检索和相似度匹配。 "minLength": 10 }, "examples": { "type": "array", "maxItems": 5 } } } AI
40710编辑于 2026-01-20
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