- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
34补3-3 rhcs集群基础应用
03rhcs集群基础应用 配置luci/ricci（图形界面，重点掌握） 配置环境 node1：192.168.1.151CentOS6.5 node2：192.168.1.152CentOS6.5 node3
98200发布于 2020-01-15 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置 图3-15 命令行方式运行dta的命令 掌握事务的四个基本特性，分别可以阐述各个特性的内涵； 了解事务的类型包括那些内容； 掌握事务处理的四种基本语句和具体的应用； 了解如何编写有效的事务；
91720发布于 2020-01-07 - 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
91700发布于 2020-09-16 3-3日志
NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe
7400编辑于 2026-06-17- 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
duboo 中文官网 http://dubbo.apache.org/zh/ 第一部分：项目架构演变过程 单体架构 到 微服务架构的演变 单一应用架构 当网站流量很小时，只需一个应用，将所有功能都部署在一起 垂直应用架构 当访问量逐渐增大，单一应用增加机器带来的加速度越来越小，提升效率的方法之一是将应用拆成互不相干的几个应用，以提升效率。此时，用于加速前端页面开发的Web框架(MVC)是关键。 分布式服务架构 当垂直应用越来越多，应用之间交互不可避免，将核心业务抽取出来，作为独立的服务，逐渐形成稳定的服务中心，使前端应用能更快速的响应多变的市场需求。 我们在真正时是时也会根据这个参数来进行聚合应用请求。 owner: 当前应用程序的负责人，可以通过这个负责人找到其相关的应用列表，用于快速定位到责任人。 2.服务消费者监听该目录，读取其中需要进行关闭的应用名和机器IP列表并且保存到内存中。 3.当前请求过来时，判断是否是请求该应用，如果是请求重启应用，则将该提供者从服务列表中移除。
66810编辑于 2022-05-17 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
54820发布于 2021-03-16 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
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NumPy模块的一些基础知识。
94600发布于 2019-11-13 - 来自专栏python3
3-3 File类的常用操作的静态方法练
3-1-5 File类的常用操作的静态方法练习 文本文件是我们接触频繁的一类文件，记事本程序经常操作的文件就是文本文件，很多应用程序会保存一些记录到日志文件里，这种日志文件也可以是文本文件。
89020发布于 2020-01-14 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-3)
代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer
23920编辑于 2022-11-30 - 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 - 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 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AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 一些具体的例子：谷歌 DeepMind 的 AlphaGo： 击败了人类围棋冠军，展示了 AI 在复杂决策领域的强大能力。亚马逊的 Alexa： 能够通过语音指令控制家电设备、播放音乐、查找信息等。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.7K10编辑于 2024-12-23 - 来自专栏WebJ2EE
React：Table 那些事（3-3）—— 列宽自适应、列宽拖动
《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：
10.1K41发布于 2019-07-19 - 来自专栏AI
常见的AI应用
常见的AI应用：语音识别、图像处理、自然语言处理等人工智能（AI）近年来在各个领域取得了飞速进展，尤其是在语音识别、图像处理、自然语言处理等应用中，AI的技术不断推动着这些领域的革新与发展。 以下是三种最为常见且广泛应用的AI技术：语音识别、图像处理与自然语言处理（NLP）。我们将逐一探讨它们的基本概念、应用场景以及具体的例子。 图像处理与计算机视觉图像处理和计算机视觉是AI技术中的两个重要分支，它们的目标是使计算机能够“看”并理解图像、视频等视觉信息。这些技术广泛应用于医疗、自动驾驶、安防监控等领域。 ○ 医疗图像分析：计算机视觉在医学领域应用广泛，尤其是在医学影像的分析和诊断中。AI可以通过分析X光片、CT扫描图像或MRI图像来帮助医生诊断疾病，如肺炎、癌症等。 总结与未来展望语音识别、图像处理、自然语言处理是人工智能领域中最为基础且广泛的应用，它们各自在不同的领域发挥着重要作用。在未来，随着AI技术的进步，这些领域的应用将变得更加精准、智能化。
1.4K10编辑于 2025-01-11 - 来自专栏云云众生s
用AI制作应用
我用一种我不熟悉的语言和框架制作了多模态多功能移动应用程序 CrayEye，我依靠现代大语言模型来编写代码，而不仅仅是代码片段，而是全部代码。 自从我创建原生应用程序以来已经有一段时间了，我一直想再次尝试一下，而这种多模态多功能工具的用例提供了绝佳的机会。 自从我上次尝试制作原生应用程序以来，Flutter 的受欢迎程度有所提高，所以我决定尝试一下，尽管我之前没有使用过 Dart。 此时，样板应用程序的核心逻辑完全包含在 lib/main.dart 中 - 这使得立即开始工作变得特别容易。 我开始提示添加简单的功能 - 相机预览、远程 HTTP 请求以通过 GPT 分析图像，并且应用程序的功能（和代码行）开始迅速增长。
1.3K10编辑于 2024-05-01 - 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 - 来自专栏VoiceVista语音智能
Reality AI -面向工业应用的语音AI
Reality AI 面向工业场景的嵌入式AI应用，如加速度传感器和震动传感器数据，环境音识别等，极大的扩展了 AI On-edge的应用领域。 ? 对于AI的工业级应用，有效的数据搜集和标记是AI模型训练和预测的关键，Reality.ai更可以提供详细的工具和指引 - ? 可通过如下链接了解更多内容，更可以下载白皮书 -- https://reality.ai/successful-data-collection-for-machine-learning-with-sensors-part
3K40发布于 2020-09-23 - 来自专栏DotNet NB && CloudNative
AI应用开发基座：Microsoft.Extensions.AI
微软在2024年11月就发布了新的AI核心库Microsoft.Extensions.AI，虽然目前还是一个预览版，但其可以大大简化我们的AI集成和开发工作。 画外音>开发者可以节省时间下来专注自己的应用程序的业务逻辑实现，从而不必花过多时间去做AI服务的集成调试，点个大大的赞！ 我能使用哪些服务实现？ eShopSupport eShopSupport 是一个开源的AI示例应用程序，客户可以使用它来与AI客户对话查询产品，实现网站系统的“智能客服”的场景。 此外，基于Aspire来生成可观察和可靠的云原生应用也是这个项目带来的一个亮点，可以学习下。 小结 本文介绍了Microsoft.Extensions.AI的基本概念 和 基本使用，如果你也是.NET程序员希望参与AI应用的开发，那就快快了解和使用起来吧。
1.2K10编辑于 2025-04-04
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