- 综合排序
- 最热优先
- 最新优先
- 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[
96500发布于 2020-09-16 - 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 这些物理设计结构包括索引、聚集索引、索引视图和分区等，其目的在于提高数据库的性能和可管理性。 SQL Server 2005提供了一套综合的工具，用于优化物理数据库的设计，其中数据库引擎优化顾问，是分析一个或多个数据库上工作负荷（对要做出优化的数据库而编写的一组T-SQL语名句）的性能效果的工具 分析数据库的工作负荷效果后，数据库引擎优化顾问会提供在SQL Server 2005 数据库中添加、删除或修改物理设计结构的建议。这些物理性能结构包括聚集索引、非聚集索引、索引视图和分区。
99620发布于 2020-01-07 3-3日志
NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe
18300编辑于 2026-06-17- 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
Dubbo 的 Filter 机制，是专门为服务提供方和服务消费方调用过程进行拦截设计的，每次远程方法执行，该拦截都会被执行。 第四部分： Dubbo 源码分析 Dubbo的整体设计 服务注册与发现的源码分析 作业 编程题一：将Web请求 IP 透传到 Dubbo 服务中 通过扩展Dubbo的Filter（TransportIPFilter
76810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); }
57220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。
1K00发布于 2019-11-13 - 来自专栏python3
34补3-3 rhcs集群基础应用
[root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'
1.1K00发布于 2020-01-15 - 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 习题3-3 出租车计价
习题3-3 出租车计价 本题要求根据某城市普通出租车收费标准编写程序进行车费计算。
3.2K30发布于 2020-09-15 - 来自专栏MixLab科技+设计实验室
AI设计系统“设计之神”
标题： “God of Design” AI design system “设计之神”AI设计系统 价值主张： 我们的“设计之神”系统利用生成对抗网络技术，帮助甲方把设计目标可视化后，更清楚地传达给设计师 借此技术，让无作图能力的甲方，把生成条件输入AI设计系统后，程序在极短时间内生成海量方案，甲方只需挑选其中想要的方案，交给设计师来完善，避免了设计师的无效工作，提升了工作效率。 ? “设计之神”AI设计系统原型演示 demo of AI design system： 我们以室内装修设计为例，制作了一份简单的使用演示，让读者能更具体的了解人工智能发挥的作用 ? 3.甲方把自己定制的方案发布出来，交给设计师完善。 （这里我们还设计了一个简单的商业模式，AI设计工具免费开放给所有人使用，定制生成的方案可以直接发布在我们的平台上，寻找设计师来完成。 运营模式 BUSINESS OPERATION MODEL ： 这块只是很粗略的构想了一个如何利用这技术来开展商业的模型，大体思路就是利用这个AI设计系统来吸引甲方和设计师，从而构建一个设计服务平台，对接甲方们和设计师们
1.6K10发布于 2019-09-26 - 来自专栏python3
3-3 File类的常用操作的静态方法练
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。通过本小节的学习，可以掌握对文本文件的简单读写方法。
99120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
28920编辑于 2022-11-30 - 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。
10.2K41发布于 2019-07-19 - 来自专栏Golang语言社区
山海传说ai 设计
二怪物ai:选定怪物时，怪物头上显示名字等级等，取消选定，怪物不再显示信息。 2.1怪物ai分类：1级到7级。 1级ai：不会移动，不会攻击。固定位置。 2级ai：不会移动，不会主动攻击，受到攻击会反击。固定位置 3级ai：会移动，不会主动攻击，受到攻击会反击，不会追击。在固定区域内巡逻 4级ai：会移动，会主动攻击。 1到3级怪物ai视野范围和警戒范围为0米。 4到5级怪物ai视野范围为10米，警戒范围为8米。 6到7级怪物ai非战斗状态视野范围为10米，警戒范围为3米。 1级到2级怪物ai不会使用技能。 3级到4级怪物ai会几率使用编号xx到编号yy技能。 5到6级ai会几率使用编号aa到编号bb技能，会几率使用身上物品。 7级boss ai会几率使用专属技能。 2.4怪物ai行为流程图 2.4.1 3到5级怪物ai行为流程图： ? ?
1.4K80发布于 2018-03-22 - 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3-3 统计学生平均成绩与及格人数
练习3-3 统计学生平均成绩与及格人数 本题要求编写程序，计算学生们的平均成绩，并统计及格（成绩不低于60分）的人数。题目保证输入与输出均在整型范围内。
8.2K50发布于 2020-09-15 - 来自专栏腾讯社交用户体验设计
当设计遇上AI
一、背景 最近AI创作内容火爆网络，让我们看到AI在设计上充满想象力的未来。关于AI在设计上应用的探索由来已久，从早几年的智能广告素材，智能Logo再到如今的AIGC，AI的成长突飞猛进。 本文尝试梳理AI目前在设计领域应用的最新进展，展望设计行业在AI技术影响下可能发生的变革。 2.3 AI辅助UI设计 AI生成UI版式 近期已经有团队开始实践在AI辅助下的UI设计。 三、AI对设计的价值 1、助力设计师表达创意 设计师可以将AI工具应用在工作中，比如当需要探索视觉概念时，可以使用简单的文本说明生成一些素材供创意师提供灵感和参考；还可以借助AI将已有素材尝试其他不同风格元素 得益于AI在设计领域的快速发展，人工智能势必会大大简化设计师的工作，提升设计师处理各种图像的效率。设计师也不必将时间浪费在去除背景等费力、重复的任务上，并且将有机会以最少的努力探索更多创意。
1.6K10编辑于 2023-04-14 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering ·门禁层设计
AI生成的代码，特征完全不同。 年4月）报告显示，45%-70%的AI生成代码未能通过基础安全扫描，而同期的开发者调研中75%认为"AI写的代码比自己写的更安全"。 三个设计原则，比门禁清单本身更重要：原则一：门禁必须能量化。"代码质量要高"不是门禁，"首次通过率≥70%"才是。不能量化的门禁，等于没有门禁——它无法回归、无法对比、无法改进。 这正是门禁设计的边界问题。 这三条反方都成立，所以门禁设计的真正难点不在"加多少"，而在"怎么不过度"。对策有两条：门禁分级——只对真约束（架构、契约、安全红线）设硬门禁，其余用软提示。
20110编辑于 2026-09-07 - 来自专栏机器之心
AutoML研究综述：让AI学习设计AI
这一主题也被称为架构搜索，已在设计神经网络方面备受关注，比如（Zoph and Le, 2017; Liu et al., 2017）。 除了少数一些文献（如 Friedman and Markovitch, 2015; Smith et al., 2017），当前的 AutoML 算法都是以黑箱形式设计的。 使用人工设计的机器学习模型，模型的推理方式往往已经对用户而言未知了。通过自动化创建模型，用户基本上将没有机会理解选择特定流程的原因。 研究自动设计超参数更少的框架是可行的（Feurer and Hutter, 2018）。 11 总结 自 1990 年代以来，AutoML 主题已行过千里之路。
97520发布于 2019-05-15 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering · 战略层设计
AI编码把这个平衡彻底打破了。AI把"把事情做对做快"推到了人类无法企及的高度——一个Agent一天生成的代码，够一个团队写一个月。 这两句话的价值，不在于信息量，而在于它是AI开工前看到的第一句话——它决定了AI后续所有生成行为的坐标系。第二，边界在哪。什么不做，比做什么更重要。 边界写得越清楚，AI越不会在"听起来合理"的方向上擅自越界。第三，怎么共事。人和AI之间的协作规则——哪些流程必须走、哪些东西AI无权动、出问题找谁。 derekcoding-framework把行为底线写成了一份独立文件，叫"编码十诫"，十条全是行为层面的纪律，没有一条是代码语法：先读再写——改文件前先读，不依赖记忆，找不到已有模式就问，不猜；显式假设——每条不确定的设计决策标注假设及理由 三、反谄媚：AI时代的独特条款如果说十诫是传统工程纪律的延续，那宪章里有一类条款是AI时代独有的，人类团队的规章制度里找不到对应物——因为它防的不是人，是AI的"谄媚"。
20010编辑于 2026-09-04 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering · 架构层设计
后来我理解了这件事的本质：人和AI的对话，不是持久化的约定，只是一次性的指令流。它既不回溯、也不留档，更不会自己变成约束。 这一点在AI时代变得格外重要。 这是对AI的硬约束，改动它，需要先有一份新的ADR。往上看，实现层暴露的问题要回流修正约束，而修正的落点正是ADR。 ，别过度设计遇到方向性选择就写一条：什么时候该写？ 当你为一件事跟AI争论超过一轮，或做了一次会波及大量后续代码的决定时让AI开工前读一遍：把ADR目录加进宪章要求的必读清单，确保任何Agent都看到它对约束没有讨价还价的余地改动约束先写新ADR：不是直接改代码或改约定
21010编辑于 2026-09-05 - 来自专栏驾驭 AI · AI Harness
驾驭 AI · AI Harness Engineering ·实现层设计
软件系统从电气工程里借来了同一个思路，叫冗余设计；又借来了断路器的概念——电路过载时，不是让整栋楼停电，而是先切断这一路，保住其他路。 AI编码项目比传统项目更需要这套"坏了以后怎么办"的设计，理由很残酷：AI会挂，而且挂得比人干脆。人不舒服了会慢下来，会求救，会留下半句话；AI挂掉的方式是直接停摆、静默、或者假装自己还活着。 TradeOMS里最典型的幂等设计，是测试数据的播种脚本。UAT测试要反复跑，每跑一轮都要重新准备数据。 幂等设计的判断标准只有一条：把同一个请求发给系统两次，观察它是不是做了两遍。如果做了两遍，就是幂等缺失——不管它是AI发起的还是人发起的，都是隐患。 幂等、退化、失败可见、快速恢复，这四样东西在derekinside里不是一个设计文档，是它活着的状态。
16310编辑于 2026-09-08
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