- 综合排序
- 最热优先
- 最新优先
- 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 - 来自专栏ADAS性能优化
AI Weekly | Nov. 9, 2019
Researchers tout AI that can predict 25 video frames into the future In a preprint paper, researchers propose an AI model that can predict up to 25 video frames into the future given only two to five starting Applause targets AI bias by sourcing training data at scale Software-testing company Applause wants to reinvent AI testing with a service that detects AI bias by crowdsourcing larger training data sets. Remember that scary AI text-generator that was too dangerous to release?
27210编辑于 2022-05-13 - 来自专栏mysql
hhdb数据库介绍(9-9)
高可用服务读写分离计算节点支持读写分离功能，并且支持配置读写分离权重读写分离功能说明要使用读写分离功能，需在数据节点中配置主备存储节点。读写分离功能默认设置为关闭。 -- 不开启读写分离：0；可分离的读请求发往所有可用数据源：1；可分离的读请求发往可用备数据源：2；事务中发生写前的读请求发往可用备数据源：3--><property name="weightForSlaveRWSplit strategyForRWSplit参数为1时可设置主备存储节点的读比例，设置备存储节点读比例后<em>数据</em>节点下的所有备存储节点均分该比例的读任务。 strategyForRWSplit参数为2时<em>数据</em>节点上的所有可分离的读任务会自动均分至该<em>数据</em>节点下的所有备存储节点上，若无备存储节点则由主存储节点全部承担。 用户级别的读写分离可通过管理平台创建<em>数据</em>库用户页面添加用户或编辑用户开启用户级别的读写分离。
23010编辑于 2024-11-29 - 来自专栏技术集锦
练习9—数据计算
题目 写一个简单的函数实现下面的功能：具有三个参数，完成对两个整型数据的加、减、乘、除四种操作，前两个为操作数，第三个参数为字符型的参数。 ; } 说明 注意switch-case语句中case处的数据类型，因为设定了变量c为char类型，所以需要使用 c = input.next().charAt(0) 语句接收用户键盘上的单个字符输入
30620编辑于 2022-06-03 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ Stack分享了构建真正能带来业务成果的企业级AI Agents的五步战略框架，涵盖角色定义、数据管理、行动规划等关键方面。 *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 "我们的数据云和Agent一起，已经创造了约12亿美元的收入，"Benioff表示，"这是我们公司中三位数增长的业务。" *快速增长*：从零到12,000名客户仅用九个月时间 *显著收入*：AI
33110编辑于 2025-09-17 - 来自专栏月色的自留地
从锅炉工到AI专家(9)
无监督学习则是“聚类”，算法自行寻找输入数据集的规律，并把它们按照规律分别组合，同样特征的放到一个类群。 介于两者之间的还有半监督学习，比如一半数据有标注，一半数据无标注。通过已标注数据分类，然后将无标注数据“聚类”到已知类型中去。 从时间复杂性上说，CBOW算法适合较小的数据集，但准确度更高（用多个单词预测1个单词），Skip-Gram则适合较大数据集（用1个单词预测多个单词）。 源码 #! /text8.zip" #从zip包中第一个文件读取所有的数据（实际只有一个文本文件）， #所有的数据只有词，以空格分割，没有标点符号。 Epoch 8 Step 1207755: lr = 0.015 words/sec = 401 Eval 4965/17827 accuracy = 27.9% Epoch 9
78860发布于 2018-06-20 - 来自专栏圣杰的专栏
.NET+AI | Agent | 人机协作（9）
通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节，快速构建符合企业合规要求的 MAF 人机协作智能体。
19810编辑于 2025-12-28 - 来自专栏CSDN搜“看，未来”
数据结构（9）-- 跳表
文章目录 跳表 跳表的搜索 跳表的插入 抛硬币 跳表的删除 跳表的代码实现 跳表数据结构 初始化跳表 插入节点 删除节点 销毁跳表 为什么Redis要用跳表来实现有序集合？ 跳表(skip list) 对应的是平衡树(AVL Tree)，是一种 插入/删除/搜索 都是 O(log n) 的数据结构。它最大的优势是原理简单、容易实现、方便扩展、效率更高。 节点，发现17比其大，向后搜索，发现6后面的节点指向了Nil(第4层)，那么搜索的层数降低1层， 从此节点的第3层开始搜索，发现下个节点是25，大于17，那么再降低一层，从2层开始搜索，发现第2层是9， 小于17，继续搜索，发现9节点的下一个数是17，搜索完成。 ---- 跳表的代码实现 跳表数据结构 如上图中的E节点，表示的是头节点，一般跳表的实现，最大有多少层(MAX_LEVEL)是确定的。所以e的个数是固定的。
50730发布于 2021-09-18 - 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 7, 8, 9])y = np.array([10, 8, 7, 6, 5, 4, 3, 2, 1])# 三阶多项式拟合degree = 3coefficients = np.polyfit(x, y 数据平滑：Savitzky-Golay滤波器旨在平滑数据，减小数据中的高频噪声和突发波动。它保留了数据中的趋势和主要特征，同时去除了噪声。
6K44编辑于 2023-10-13 - 来自专栏全栈程序员必看
Landsat 9 数据详细介绍
目录 1.基本情况 2.Landsat9数据介绍 2.1 Landsat系列波段信息图谱 2.2 Landsat9基本信息 2.2.1 Quick Facts 2.2.2 LANDSAT9 波段信息 ，实际于于2021年9月27日发射，并已经开始采集第一批数据，2021年10月31日获取到遥感数据。 Landsat 9 的 OLI-2 和 TIRS-2 的 14 位数据将其增加到 16,384 个数据值。 然而，不同之处在于，Landsat 9 将下行链接 OLI-2 产生的所有 14 位数据，与从 Landsat 8 的 OLI 下行链接的 12 位数据相比，为其图像提供更大的位深度。 Landsat9数据目前成处于检查期，后期将于USGS网站免费共享。
5.2K20编辑于 2022-09-15 AI日报 - 2025年3月9日
AI日报 - 2025年3月9日 今日概览（60秒速览） ▎ AGI突破 | 新基准IFIR发布，挑战AI在未知模拟世界中的问题解决能力 算法突破：潜在令牌压缩推理步骤方法提升语言模型效率 ▎ ⚡ 数据：GitHub星标数单周增长23%，超LlamaIndex同期表现 行业影响： ▸ 推动欧洲AI开源生态与硅谷巨头竞争 ▸ 中小团队可基于7B模型快速定制垂直场景方案 "开源模型的社区认同感是技术扩散的加速器 24GB显存环境完成14B LoRA训练 应用前景：实时对话系统、低资源设备部署 2.2 三层解耦架构（TLA）️ 技术领域：LLM工程化 ● 技术突破点： ▸ 分离模型核心、接口层与数据适配器 (Sector Watch)3.1 开源模型生态 领域概况：Mistral-7B引领社区创新，MLX框架打破硬件壁垒 ◼ 核心动态：MLX宣布支持非Apple硬件，开发者活跃度单日激增182% 数据亮点 ：当前AI评估体系亟待突破人类中心主义框架
54110编辑于 2025-03-09AI日报 - 2025年4月9日
253B模型 开放权重和训练数据，基于llama-405B进行NAS修剪▎ 政策追踪 | 欧盟计划数周内大幅削减GDPR法规 旨在减少法规负担，提升欧洲企业竞争力▎ 技术趋势 | Meta推出多令牌注意力机制 GDPR削减提案，减少企业合规负担 ⚡ 2018年实施以来首次重大调整 行业影响：▸ 可能释放欧洲AI创新活力▸ 数据跨境流动限制或放宽"使欧洲企业能更好与美国、中国竞争对手抗衡" - 政策分析人士undefined 医疗 全球视角：差异化监管明显◼ 区域热点：SophontAI病理学模型数据需求降1-2数量级 精准医疗AI融资额同比增120%◼ 挑战与机遇：伦理审查周期成主要瓶颈 产学研联合体加速临床验证 五、AI人物 (Voices)5.1 Tanishq Mathew Abraham/SophontAI CEO 影响力指数：★★★★☆"病理学模型数据需求可降1-2数量级而不损性能"● 观点解析：▸ 算法优化比数据堆砌更具性价比▸ 医学AI应关注临床可用性非单纯指标 其团队同日发布通信高效优化器Dion 六、工具推荐 (Toolbox)6.1 Llama-Nemotron-Ultra 253B️ 企业级
33400编辑于 2025-04-08AI论文生成不用愁！9个AI工具大推荐
本文会为您推荐9款出色的AI论文生成工具，助力您轻松应对论文写作过程中遇到的挑战。1. 瑞达写作：论文创作的得力助手工具简介：只要输入论文题目，就能一键生成高达5万字的论文初稿。 免费大纲可梳理思路，数据、代码、图表全程在线呈现，逻辑十分严谨。查重与AIGC率双重保障，让您在写作时没有后顾之忧。优点：能极速生成高质量论文初稿，其结构清晰，具备很强的可读性。 对于问卷类论文可一站式解决，从数据到成文实现全自动处理。学术规范自动化，引用格式严谨规范。支持多种复杂内容插入，构建出专业的论文。查重与AI率双保险，留足了润色空间。图片介绍：图片2. 9. AI Writer：简单易用的学术写作工具工具简介：AI Writer专注于学术写作高质量内容生成，根据关键词或话题自动生成论文段落，适合初稿生成。可快速启动论文写作过程。 上述9款AI工具各有特色，不管是初稿生成、内容润色还是语法检查，都可为您的论文写作提供有力支撑。选择合适的工具，让AI成为您学术道路上的得力帮手，轻松应对各种写作挑战。
49510编辑于 2025-08-07- 来自专栏机器学习/数据可视化
pandas系列9-数据规整
层次化索引hierarchical indexing 数据分散在不同的文件或者数据库中 层次化索引在⼀个轴上拥有多个（两个以上）索引级别 低维度形式处理高维度数据 import numpy as np , 3, 3], [0, 1, 2, 0, 2, 0, 1, 1, 2]]) data['b'] 1 -0.731398 3 -0.707528 dtype: float64 # 部分索引选取数据子集 0.382131 2 -0.177199 d 2 -0.826364 3 -1.874992 dtype: float64 data.unstack() # 将层次化索引的数据变成 0.707528 c 1 -0.382131 2 -0.177199 d 2 -0.826364 3 -1.874992 dtype: float64 # 对于DF类型数据 pandas.merge：根据键将不同DF中的行连接起来，类似于数据库的join操作 pandas.concat：沿着轴将对象叠在一起 法combine_first可以将重复数据拼接在⼀起，⽤⼀个对象中的值填充另
1K10发布于 2021-03-02 - 来自专栏数据猿
大数据投融资周报（9月3日——9月9日 共14起）
<数据猿导读> 上周大数据领域共发生14起投融资事件，其中包括6家中国企业、3家美国企业、1家以色列企业、2家英国企业、1家西班牙企业以及1家日本企业，涉及领域包括海洋大数据、人工智能、数据分析、车联网等多个领域 来源：数据猿 作者：abby 上周大数据领域共发生14起投融资事件，其中包括6家中国企业、3家美国企业、1家以色列企业、2家英国企业、1家西班牙企业以及1家日本企业，涉及领域包括海洋大数据、人工智能 、数据分析、车联网等多个领域。 更多【大数据投融资】热点，可加作者abby微信：wmh4178（请注明姓名、公司）进群交流 来源：数据猿
55440发布于 2018-04-20 - 来自专栏数据小魔方
数据地图系列9|excel（VBA）数据地图！
下面是VBA数据地图的详细制作步骤： 1、首先你需要一个纯色的矢量地图素材。 ? 这个问题早在数据地图的入门篇里已经解决了。 数据地图入门篇——素材获取！ 3、输入数据： 关于作图的数据组织：这里需要三列数据，一列省份名称、一列指标值，一列颜色填充值（需要使用函数自动获取）。 ? 4、定义组距 ? 5、定义颜色填充范围 ? 将F9：G13单元格区域选中并定义名称为color_table ? 使用concatenate函数制作分段值范围。 将D9-D13区域的五个单元格分别命名为color1~color5。 然后将提前准备好的地图填充色复制进D9-D13单元格中。 7、在C4列中匹配B列指标值的颜色范围。（使用vlookup函数） ? 记得在地图做完之后一定要使用分档阀值区域作为图例引用在数据地图周围。选中D9：E13区域，点击照相机功能，然后在数据地图区域释放。 ? ? ? ?
6.1K60发布于 2018-04-10 - 来自专栏测试开发干货
数据工厂平台9： 首页的数据关联
本节课继续来搞定首页的这个统计图的具体数据关联。 这里我们先要去想，数据的来源，数据来源在哪？当然是以后的各个工具的使用次数了。那么这个使用次数我们记载到哪里呢？ 所以我们决定，先把各种工具的使用次数放在一个专用的统计表中，这样我们首页去提取数据的速度会非常快，而且也便于之后这些统计数据另做他用等等。 我们先完成第一个箭头，在views.py中把数据从数据库拿出来。 接下来是具体的数据了， 这种时刻我们需要细心的去研究这个第三方统计图的数据在哪生效的才能去想办法修改。 这里经过我的细心摸索，发现这个图预置的数据都放在这里： 没想到它会把数据写死在一个css文件，这是很出乎我意料的事情。
54310编辑于 2022-05-19 - 来自专栏数据科学（冷冻工厂）
Python网络数据抓取（9）：XPath
因此，你可以自由地命名标签，而且 XML 现在通常用于在不同的网络服务之间传输数据，这是 XML 的一个主要应用场景。 如果用树状图来表示，我们可以看到：电影数据库是一个根标签，它下面可以挂载多部电影。每部电影作为一个节点，进一步包含了如标题、年份等信息。
62410编辑于 2024-06-18 - 来自专栏李维亮的博客
PHPCMSV9数据结构
_1 v9_comment_setting v9_comment_table v9_content_check 内容审核表 v9_copyfrom 来源表 v9_datacall 数据调用 v9_dbsource 数据源 v9_download v9_download_data v9_downservers 镜像服务器表 v9_favorite 用户收藏表 v9_formguide v9_formguide_fields v9_model_field 模型字段表 v9_module 模块表 v9_mood v9_news 文章主表 v9_news_data 文章从表 v9_page 单网页数据表 v9_pay_account 交易数据表 v9_pay_payment 支付模块表 v9_pay_spend 消费记录表 v9_picture 图片模型表 v9_picture_data 图片模型内容表 v9_position 推荐位表 v9_position_data 推荐位数据表 v9_poster 广告表 v9_poster_201010 v9_poster_space 广告位表 v9_queue 发布点同步队列 v9_release_point
59720发布于 2021-07-09 - 来自专栏张善友的专栏
.NET 9 的新亮点：AI就绪 ，拥抱她
.NET 9 即将发布 RC1, 今年初.NET 团队在发布.NET 9 Preview 1版本时写了一篇文章《我们对 .NET 9 的愿景》，其中特别提到了对AI的展望 .NET 9，我们致力于让 . 在 .NET 9 中，.NET 社区正在大力推动 AI -- 这非常令人震惊......就像 AI 现在很重要。 在过去大数据、移动互联网时代。 这样可以有效的处理数据和信息流，以用于学习和预测目的。 无论是图像识别、语言理解还是趋势预测，张量在AI的各个方面都发挥着至关重要的作用。 对于将一个或多个 AI 服务与其他 API 或 Web 服务、数据存储和自定义代码结合使用的 .NET 应用程序，此 SDK 通常是推荐的 AI 编排工具。 .NET 支持云和本地 AI 模型连接、适用于各种 AI 和矢量数据库服务的许多不同的 SDK 以及其他工具，有助于构建范围和复杂性不同的智能应用。
29600编辑于 2025-02-04
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