- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
3-2 队列
3-2 队列 1、基本概念 队列是一种特殊的线性表，特殊之处在于它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作，和栈一样，队列是一种操作受限制的线性表。
56840发布于 2019-07-02 3-2配置系统
.Net Core配置系统支持文件（Json、XML、INI）、注册表、环境变量、命令行、AZure Key Vault等。
9210编辑于 2026-06-17- 来自专栏Hank’s Blog
3-2 矩阵的子集
> x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
77920发布于 2020-09-16 - 来自专栏叽叽西
lagou 爪哇 3-2 zookeeper 笔记
其实共享存储，分布式应用也需要 和存储进行网络通信。 注：Slave节点要想获取ZooKeeper的更新通知，需事先在关心的数据节点上设置观察点。 zookeeper是一个典型的分布式数据一致性的解决方案，分布式应用程序可以基于它实现诸如数据订阅/发布、负载均衡、命名服务、集群管理、分布式锁和分布式队列等功能 基本概念 ①集群角色 通常在分布式系统中 private int delay; /** * 是否是服务端 */ private boolean providerSide; /** * 应用的名称
58410编辑于 2022-05-17 - 来自专栏破晓之歌
JAVA入门3-2（未完，待续） 原
4.3应用泛型管理课程 测试添加时不是一个类型对象 ? ? ? 跑出异常 ? ? ? 声明成功一个带有泛型的list ? 声明成功一个带有泛型的list的属性Arraylist成功 ? ?
47350发布于 2018-08-15 - 来自专栏Ken的杂谈
Spring Boot入门教程3-2、使用Spring Boot+Thymeleaf模板引擎开发Web应用
在最早的Java Web应用中，最为广泛使用的就是JSP，但是JSP已经是陈旧的技术了，ken.io觉得JSP主要有三个问题： 1、视图代码不能与Java代码完全分离，如果再JSP页面写Java代码维护成本高
1.3K30发布于 2018-09-11 - 来自专栏刷题笔记
3-2 数组元素的区间删除 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101225075 3-2 数组元素的区间删除 (20 分) 给定一个顺序存储的线性表，请设计一个函数删除所有值大于
1K30发布于 2019-11-08 - 来自专栏万能的小草
pandas入门3-2:识别异常值以及lambda 函数
假设每个月的客户数量保持相对稳定，将从数据集中删除该月中特定范围之外的任何数据。最终结果应该是没有尖峰的平滑图形。
1.4K10发布于 2020-02-17 - 来自专栏WebJ2EE
React：Table 那些事（3-2）—— 斑马纹、固定表头
《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：
4.5K10发布于 2019-07-19 - 来自专栏技术让梦想更伟大
C语言中3-2=？3%-2=？你确定答案吗
抛砖引玉 C语言负数除以正数，与正数除以负数或者负数除以负数的余数和商，正负有谁定呢？ -3 / 2 = ？; -3 % 2 = ?; 3 / (-2) = ?; 3 % (-2) = ?; (-3)
1.4K61发布于 2020-07-03 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.3K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
12100编辑于 2026-03-30- 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
所以才发明了AI Native/AI First，来表达未来智能应用跟现在软件的不同。 等到ChatGPT发布插件，一众软件从懵懂中醒来，开始瑟瑟发抖，我们好像看到了AI吞噬软件世界的景象。 另一方面，在具体需求满足上，AI跟应用还只是有限度的打通，并不能完全闭环，这大大限制了用户从旧应用体系脱离的意愿和速度。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 蓝莺智能插件 蓝莺智能插件（AI Plugin），是由应用自定义提供给大模型AI服务调用的一组API或函数集合。 基本步骤如下： 用户提出问题，应用服务器将问题和相关函数调用的定义发给AI服务； AI识别出缺失的业务信息，根据上下文信息拼装成函数调用返回给应用服务； 应用服务收到拼装好的函数后，进行实际的API或函数调用
67810编辑于 2025-05-23 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-2)
代码清单3-2 char c[10][10] = { "", //0 "", //1 "ABC", //2 "DEF", //3
30740编辑于 2022-11-30 - 来自专栏c语言与cpp编程
C语言中3-2=？3%-2=？你确定答案吗
抛砖引玉 C语言负数除以正数，与正数除以负数或者负数除以负数的余数和商，正负有谁定呢？ -3 / 2 = ？; -3 % 2 = ?; 3 / (-2) = ?; 3 % (-2) = ?; (-3)
68200发布于 2020-12-02 - 来自专栏帮你学MatLab
MATLAB智能算法30个案例分析(3-2)
神经网路部分 function err=Bpfun(x,P,T,hiddennum,P_test,T_test) %% 训练&测试BP网络 %% 输入 % x：一个个体的初始权值和阈值 % P：训练样
1K50发布于 2018-04-18 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-2 jupyter notebook中的魔法命令
%run魔法命令 应用场景： 如果我们想在jupyter中调用我们自己编写的代码的话，当然这里自己的代码指的是单独的.py文件（也叫做脚本文件）。 %time系列 应用场景： 我们常常会测试某条代码或者某段代码算法性能，然后对比，选择性能好的代码段。 此时jupyter为我们提供了一个%time的魔法命令，当然这个是一系列的魔法命令。 ?
1.7K00发布于 2019-11-13 - 来自专栏Soul Joy Hub
【大模型AIGC系列课程 3-2】国产开源大模型：ChatGLM
https://arxiv.org/pdf/2103.10360.pdf GLM是General Language Model的缩写，是一种通用的语言模型预训练框架。它的主要目标是通过自回归的空白填充来进行预训练，以解决现有预训练框架在自然语言理解（NLU）、无条件生成和有条件生成等任务中表现不佳的问题。 具体来说，GLM通过随机遮盖文本中连续的标记，并训练模型按顺序重新生成这些遮盖的部分。这种自回归的空白填充目标使得GLM能够更好地捕捉上下文中标记之间的依赖关系，并且能够处理可变长度的空白。通过添加二维位置编码和允许任意顺序预测空白，GLM改进了空白填充预训练的性能。
86420编辑于 2023-08-28 - 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 （通过API接口或SDK） 构建监控系统（跟踪模型精度衰减、数据漂移） 迭代优化 基于用户反馈和新数据持续更新模型 优化计算效率（边缘部署或云端算力调度） 三、示例：简单的文本分类AI应用 以下是一个基于预训练模型的文本分类应用 ） 可解释性：部分场景（如医疗、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是
71810编辑于 2025-11-12 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(05)-AI时代应用开发破局！
再往下看 3 AI原生应用 不管是ToB还是ToC，这块儿是大量机会，给到我们这些传统做互联网、科技公司、应用开发公司包括科技创业公司，就有我们应用开发者大量的机会存在。 当然了，也是因为我们很多应用级开发者，目前对 AI 不是很了解，他可能有很多应用场景，但是对 AI 能做什么，怎么做，不太清楚。所以这块市场非常广阔，可以说，所有应用都值得用 AI 重做。 应用组件里面就包含了我们的 AI 的能力，我们 AI 的能力，还有我们的云能力，那 AI 能力可能就包括我们的多模态，大模型插件，云能力像什么向量数据库、COS 存储，这些云能力你可理解为是给 AI 开挂的 传统的应用开发者在转型做 AI GC 有 AI 软件工程师，即做 AI 应用，还不过瘾，还想去深度的话，那可能就是偏向了我们的 AI 本身开发，类似我们的视觉工程开发，然后自然语言开发，机器学习等，这都是我们的一些转型职业机会 然后我们要学会使用 AI。 应用级开发者，所谓的学会使用 AI，那和一般用户的使用 AI 还不一样。
2.2K00编辑于 2024-08-11
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