- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
37240发布于 2020-09-16 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
29710编辑于 2022-06-28 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.1K30发布于 2019-04-24 - 来自专栏人工智能
【微服务】Spring AI 使用详解：让微服务无缝集成AI能力
【微服务】SpringAI使用详解：让微服务无缝集成AI能力在微服务架构主导企业级开发的今天，AI技术的落地已从“可选”变为“刚需”。 简单来说，SpringAI就是微服务架构的“AI插件”，无需重构现有微服务体系，即可快速为各个微服务模块赋能AI能力。 ”，AI可自动调用订单服务的查询方法；数据分析场景中，AI可自动调用数据服务的统计方法，实现AI与微服务业务能力的深度融合。 4.1服务拆分：AI能力独立部署将AI相关能力拆分到独立的微服务（如ai-service），避免与业务服务耦合。 4.2服务治理：融入微服务生态服务注册发现：将AI服务注册到Nacos、Eureka等注册中心，让其他业务服务能通过服务名调用AI能力。
1.5K10编辑于 2026-02-26 AI智慧化服务系统
在数字化转型浪潮中，AI智慧化服务系统正成为企业突破传统模式的核心工具。该系统通过自然语言处理、机器学习与大数据分析技术的融合应用，实现对客户需求的精准洞察和快速响应。 相较于传统模式，AI解决方案在功能特性上优势显著：意图识别方面，传统模式依赖关键词匹配导致误判率高，AI方案采用深度学习模型，准确率达98%+；知识检索上，传统模式固定库容难以应对新问题，AI方案凭借持续学习能力实现知识库自生长 ；响应速度方面，传统模式人工平均等待时长＞3分钟，AI方案实现毫级响应，峰值处理量提升10倍。 更值得关注的是其解释性AI特性——不仅输出预测结果，还能生成可视化归因分析报告，帮助管理者理解“为什么”而非仅知道“是什么”，为决策提供深度洞察。 该解决方案正在重塑企业服务的边界，使智能化不再局限于特定场景，而是渗透到组织运营的各个毛细血管。通过构建可感知、会思考、能进化的数字神经系统，助力企业在复杂多变的市场环境中保持敏捷竞争力。
28910编辑于 2025-10-16- 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
个公开模型和2个谷歌内部模型进行基准测试的效果如下： 公共模型： MobileNet v1（224 x 224）图像分类 ( 专为移动和嵌入式视觉应用而设计的图像分类模型 ) 下载地址：https://ai.googleblog.com tfjs-models/tree/master/posenet DeepLab 分割（257 x 257） ( 图像分割模型，为输入图像中的每个像素分配语义标签，例如，狗，猫，汽车 ) 下载地址：https://ai.googleblog.com 2018/03/semantic-image-segmentation-with.html MobileNet SSD 对象检测 ( 检测带有边框的多个对象的图像分类模型 ) 下载地址：https://ai.googleblog.com
1.6K20发布于 2019-03-15 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.8K11发布于 2020-08-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
78900发布于 2019-11-13 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
1.9K10发布于 2018-08-22 注解式AI服务实战
/** * AI 代码助手服务接口 * * @author BNTang */ public interface AiCodeHelperService { @SystemMessage { @Resource private ChatModel qwenChatModel; /** * 创建 AI 代码助手服务实例 * * @ return AI 代码助手服务 */ @Bean public AiCodeHelperService aiCodeHelperService() { // 创建并返回 AI 代码助手服务实例 return AiServices.create(AiCodeHelperService.class, qwenChatModel); } } Service 加上 @AiService 注解，就能自动创建出服务实例了： /** * AI 代码助手服务接口 * * @author BNTang */ @AiService public
10810编辑于 2026-04-29- 来自专栏程序你好
Azure AI 服务之语音识别
笔者在前文《Azure AI 服务之文本翻译》中简单介绍了 Azure 认知服务中的文本翻译 API，通过这些简单的 REST API 调用就可以轻松地进行机器翻译。 创建 Azure 服务 要使用 Azure 的翻译服务需要先在 Azure 上创建对应的实例，比如我们需要先创建一个 "Bing Speech API" 服务实例： ? 需要注意的是，Azure 提供的认知服务 API 都是需要认证信息的。具体的方式就是把我们创建的服务的 key 随 API 发送的服务器端进行认证。 "; 由于 demo 的代码比较长，为了能集中精力介绍 Azure AI 相关的内容，本文中只贴出相关的代码。 AI 的兴起让我们看到了一线希望，在介绍了 Azure AI 的语音识别服务后，让我们接着探索如何通过 AI 让程序理解文本的内容。
1.9K20发布于 2018-07-20 - 来自专栏人工智能前沿讲习
张家兴：AI助力金融服务
如果是传统都靠人来服务，成本太高，达不到普惠金融的效果，所以才依托于金融科技，这里面就包括下面所说的这些技术，它们的首字母加起来是basic，人工智能在里面就是AI。 包括智能服务、智能风控、保险、营销、信贷等方面，今天主要讲的是智能服务方面怎么做一个机器人，来帮助或替代人提供更好的服务。 ? 在金融里面，传统的服务，里面有很多的用户，我们有很多的客服人员，传统服务就是纯靠人提供服务。如果有了AI，AI在里面到底提供什么样的能力，让服务变得更好。 我们说第一个服务就是一系列的，怎么从用户到最终的服务。先去做推介，然后发现用户到底出现什么问题，然后是调度，这个服务到底给哪个客服人员用。 所以我认为，整个金融服务领域，AI主要是构建四大能力：推荐、对话、调度、洞察，给用户提供更好的服务。
1K30发布于 2020-05-13 - 来自专栏Go语言学习专栏
8 - AI 服务化 - AI 超级智能体项目教程
本节重点 AI 服务化是指将原本只能本地运行的 AI 能力转化为可远程调用的接口服务，使更多人能够便捷地访问 AI 能力。 通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服务 具体内容包括： AI 应用接口开发 AI 智能体接口开发 在开始之前，先给大家提个醒，Spring AI 版本更新飞快，有些代码的写法随时可能失效 一、AI 应用接口开发 我们平时开发的大多数接口都是同步接口，也就是等后端处理完再返回。 点击接口旁边的绿豆就能自动生成测试代码： 二、AI 智能体接口开发 由于智能体执行过程通常包含多个步骤，执行时间较长，使用同步方法会导致用户体验不佳。 注意，上述代码中使用 CompletableFuture.runAsync() 实现非阻塞式异步执行，否则会长时间占用 Web 服务器线程池资源。
18010编辑于 2026-03-17 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
醍醐灌顶到没有，别扭确实存在。当然这需要一段时间来适应，说下这段时间最难接受的点吧。 1、文件的单一职责做不好，一个文件里有多个结构体，想知道某个结构体有哪些方法，需要借助IDE 2、命名使用单字母，特定场景能理解，例如循环里的i，遍历map的k,v，但是很多单字母不是这种常见场景里的。代码整洁之道里说命名要见名知意，宁愿用长命名也不用无法表达清楚的短命名，这点go背道而驰。此书里说有时需要短命名加注释，而代码整洁之道里说注释就不应该存在，如果要用注释，说明写的代码无法准确清晰的表达意思。
1.1K20编辑于 2022-09-21 Java企业AI转型零门槛落地：从技术认知到业务实践的全流程
JBoltAI作为面向Java生态的企业级AI应用开发框架，从团队能力建设、技术框架支撑、场景方案落地到持续服务保障，构建了全流程的AI转型支撑体系，让Java企业的AI转型真正实现低门槛、可落地、能复用 从落地层面而言，Java开发者需从零学习提示词工程、向量数据库、AI Agent、流程编排等新知识，自主摸索的试错周期通常达4-6个月，团队转型成本居高不下；更关键的是，AI技术与企业实际业务场景脱节， 此外，企业数据分散在数据库、文档、内部服务中，格式不统一、权限壁垒高，AI无法形成“理解-推理-执行”的闭环，多系统协同的标准化协议缺失，也让AI难以真正驱动业务流程的智能化升级。 配套的脚手架代码和系统化课程视频，能让开发者快速打通AI开发的关键流程，直接上手实操而非单纯的理论学习，有效减少4-6个月的研发试错成本。 针对Java团队自研AI模块的质量不可控问题，企业级AI开发框架通过统一的AI资源网关、大模型调用队列服务、接口注册中心等核心能力，实现大模型的标准化调用、数据的智能化治理、服务的统一调度，从底层规避了因团队水平差异导致的封装不规范
16010编辑于 2026-03-19- 来自专栏IT创事记
去卖AI服务器
这个计划帮助前沿AI技术落地，也帮助传统渠道在新业务爆发前“未雨绸缪”。 “你现在不一定真的会卖元脑的解决方案，但你至少要把AI服务器卖出去。”王峰对渠道伙伴说。 类似这样的小突破，在2019年浪潮AI服务器的销售中，总共为浪潮贡献了过亿元的业绩——在这个将AI服务器交给分销渠道销售的试点之年，浪潮原定的目标不过只有区区的4千万元。 无论4千万，还是1个亿，对于浪潮的AI服务器销售而言，它们显然仍微不足道。 这家2019年上半年AI服务器出货量全球第一，占据中国AI服务器市场50.2%市场份额的服务器巨头真正看重的，是它传统的分销体系能否用今天的小突破，去抓住明天AI的大未来。 王峰说，浪潮能把AI服务器做到全球领先，其实早年也只是先走了半步而已。 IDC综合数据显示，产业AI化给市场带来的空间增长迅猛。
1.6K30编辑于 2022-06-28 - 来自专栏肘子的Swift记事本
我目前正在使用的 AI 服务
尽管对新技术、新事物已没有那么的狂热，同时对 AI 也持有谨慎的态度，但并不影响我将一些 AI 服务应用到自己的工作中，丰富自己的工具箱，提高工作效率。 Notion AI 一两个月前，Notion 也提供了 AI 服务，并将其集成在文档的编辑流程中。 Notion 提供了一些预设的快捷指令，减少了使用者重复编写 Prompt 的时间。 Warp AI 作为一个终端应用程序，Warp 在这波人工智能浪潮中也适时地集成了 AI 服务，将其作为特色功能之一嵌入到使用流程中。 相信不久的将来，ChatGPT 将会越来越少地出现在普通用户面前，OpenAI（或其他 AI 底层服务商）将以基础服务商的形式，通过集成到其他产品中的方式，为用户提供有针对性的 AI 服务。 AI 的快速发展，已经越来越多地融入到人们的生活中，为我们提供了更便捷、高效的服务。AI 的未来，我们可以期待它的进一步发展和应用，为我们的生活带来更多的便利和惊喜。
1.4K10编辑于 2023-05-18 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习4-6 猜数字游戏
练习4-6 猜数字游戏 猜数字游戏是令游戏机随机产生一个100以内的正整数，用户输入一个数对其进行猜测，需要你编写程序自动对其与随机产生的被猜数进行比较，并提示大了（“Too big”），还是小了（“Too
1.2K20发布于 2020-09-15 - 来自专栏肘子的Swift记事本
我目前正在使用的 AI 服务
尽管对新技术、新事物已没有那么的狂热，同时对 AI 也持有谨慎的态度，但并不影响我将一些 AI 服务应用到自己的工作中，丰富自己的工具箱，提高工作效率。 Notion AI 一两个月前，Notion 也提供了 AI 服务，并将其集成在文档的编辑流程中。 Notion 提供了一些预设的快捷指令，减少了使用者重复编写 Prompt 的时间。 Warp AI 作为一个终端应用程序，Warp 在这波人工智能浪潮中也适时地集成了 AI 服务，将其作为特色功能之一嵌入到使用流程中。 相信不久的将来，ChatGPT 将会越来越少地出现在普通用户面前，OpenAI（或其他 AI 底层服务商）将以基础服务商的形式，通过集成到其他产品中的方式，为用户提供有针对性的 AI 服务。 AI 的快速发展，已经越来越多地融入到人们的生活中，为我们提供了更便捷、高效的服务。AI 的未来，我们可以期待它的进一步发展和应用，为我们的生活带来更多的便利和惊喜。
1.9K61编辑于 2023-04-11 我希望有一个数字分身，替我 24h 打工
不得不说，AI 让我更忙了。没有 AI 的时候我只需要面对一个编辑器窗口，现在却要管理 4-6 个终端和多个 AI 助手。人的精力终究有上限。 于是我想：能不能造一个分身，替我干这些？ 这种模式的上限大概是 4-6 个。再多就开始混乱： 这个终端跑到哪了？那个终端等的是什么？ 两个关键设计 决策 1：工具失败自动切换 AI CLI 工具（codex、gemini、claude）经常会遇到配额限制、服务不可用等问题。 我的选择 24h 打工人用的是 Agent 模式，原因： 可靠性要求高：这是服务真实用户的生产系统，不能靠「LLM 指令跟随」赌 目标是规模化：要支持每天可能跑几十上百个任务，O(n) 成本扛不住 需要留痕 不是「替代人写代码」——AI 写代码早就能做到了。 而是：规模化。 一个人同时开 4-6 个终端，就是极限了。但有了调度层，可以轻松扩展到 20-30 个并发任务。
29210编辑于 2026-01-27
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