- 综合排序
- 最热优先
- 最新优先
- 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
75240发布于 2018-09-27 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
76630发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
93540发布于 2020-09-16 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
28520编辑于 2022-03-07 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
二叉树面试实战题 请设计一个应用可以展示一颗二叉树。 首先一个简单的 App 是 MVC 架构，所以我们就要想，在 View 的层面上表示一棵二叉树？
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
88520编辑于 2023-01-09 - 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AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4- 基础级题目类型分布: 数据结构应用 → 40% 算法设计 → 30% 数学应用 → 20% 综合问题 → 10% 基础级题目的特点： 开始涉及栈、队列、树等基础数据结构 算法复杂度开始成为需要考虑的因素 问题描述更加复杂，需要更深入的分析 对代码的正确性和效率要求更高 第二章：难度系数4题目解析 难度系数4的题目开始考察基础数据结构的应用和简单的算法设计。
36110编辑于 2025-11-13 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南4-5
可能会好奇，为什么要设计session_key？ 当然也有很多设备能力不是为了解决输入低效问题而设计的，它们更多的是解决用户侧一些体验问题，例如：获取设备网络状态；调整屏幕亮度等等，在本章节会介绍其中几种常见的操作设备能力的场景。
72710编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
75230发布于 2018-06-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
88250发布于 2018-05-17 - 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： ? ?
1.3K80发布于 2018-03-22 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.5K40发布于 2020-05-29 - 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。
1.4K10编辑于 2023-04-14 - 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。
87420发布于 2019-05-15 - 来自专栏AI系统
【AI系统】AI系统概述与设计目标
本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 AI 系统设计本身需要各个环节通盘考量，无论是系统性能，还是用户体验，亦或是稳定性等指标，甚至在开源如火如荼发展的今天，开源社区运营也成为 AI 系统推广本身不可忽视的环节。 AI 系统自身设计挑战较高（如更大的规模、更大的超参数搜索空间、更复杂的模型结构设计），人工智能的代表性开发框架 PyTorch 是 Meta 开发，后续贡献给 Linux 开源基金会；TensorFlow 即使作为系统工程师，也需要密切关注算法和应用的演进，才能紧跟潮流设计出贴合应用实际的工具与系统。 AI 系统设计目标 深度学习系统的设计目标可以总结为以下几个部分。 AI 工具链与 AI 系统本身如何在设计之初就考虑到这点，提供良好的可观测性、可调试性、允许用户注册自定义扩展等支持，是需要工具链与 AI 系统的设计者，所需要在 AI 系统的设计之初就需要提上日程的，
75510编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】关键设计指标
前面我们已经对 AI 的计算模式有了初步的认识，那么这些计算模式具体是如何和 AI 芯片设计结合起来的呢？接下来我们将从 AI 芯片关键设计指标的角度来进一步拓展对 AI 计算体系的思考。 一些创新的设计和技术可以帮助降低 AI 芯片的能耗，例如专门针对 AI 计算任务进行优化的架构、低功耗制造工艺、智能功耗管理等。 关键设计点 AI 芯片设计的关键点围绕着如何提高吞吐量和降低时延，以及低时延和 Batch Size 之间权衡。具体的实现策略主要表现在 MACs 和 PE 两个方向。 设计高效的处理单元是提升 AI 芯片性能的重要手段之一。关于 PE 的优化设计方向有两个方面： 增加 PE 的核心数量。 比如通过设计高速缓存结构、优化数据存取模式等方式来实现。 计算性能仿真 当我们根据关键指标完成了 AI 芯片的设计之后，不同的 AI 模型在这个芯片上的执行性能都一样吗？
73110编辑于 2024-12-04 转载：【AI系统】AI系统概述与设计目标
本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 AI 系统设计本身需要各个环节通盘考量，无论是系统性能，还是用户体验，亦或是稳定性等指标，甚至在开源如火如荼发展的今天，开源社区运营也成为 AI 系统推广本身不可忽视的环节。 AI 系统自身设计挑战较高（如更大的规模、更大的超参数搜索空间、更复杂的模型结构设计），人工智能的代表性开发框架 PyTorch 是 Meta 开发，后续贡献给 Linux 开源基金会；TensorFlow 即使作为系统工程师，也需要密切关注算法和应用的演进，才能紧跟潮流设计出贴合应用实际的工具与系统。 AI 系统设计目标 深度学习系统的设计目标可以总结为以下几个部分。 AI 工具链与 AI 系统本身如何在设计之初就考虑到这点，提供良好的可观测性、可调试性、允许用户注册自定义扩展等支持，是需要工具链与 AI 系统的设计者，所需要在 AI 系统的设计之初就需要提上日程的，
1.1K21编辑于 2024-12-11AI如何变革芯片设计
AI将如何改变芯片设计人工智能对半导体行业的承诺与潜力芯片制造、MATLAB、摩尔定律、芯片设计、人工智能、数字孪生摩尔定律的终结正逐渐逼近。 但对于半导体行业，AI仍有更多前景和潜力。为了更好地理解AI将如何彻底改变芯片设计，我们与某机构MATLAB平台的高级产品经理进行了对话。问：AI当前如何用于设计下一代芯片？ 但即使在设计过程的早期阶段，当设计光源、传感器和所有不同组件时，AI也扮演着重要角色。许多异常检测和故障缓解工作需要重点考虑。 我们通常认为AI是一种预测工具，或者是一个执行某种任务的机器人，但很多时候，通过AI能从数据中获得很多洞察。问：使用AI进行芯片设计的好处是什么？ 问：你认为AI将如何影响芯片设计人员的工作？答：这将释放大量人力资本，用于更高级的任务。可以利用AI来减少浪费、优化材料、优化设计，但在决策时仍然需要人的参与。我认为这是人与技术携手合作的绝佳例子。
12510编辑于 2026-05-23AI如何改变芯片设计
AI如何改变芯片设计摩尔定律即将终结。工程师和设计师在晶体管微型化和芯片集成度方面已接近极限，因此他们转向其他芯片设计方法，将AI等技术融入设计流程。 AI在芯片设计中的当前应用某机构高级产品经理指出，AI已贯穿芯片设计和制造的大部分环节。在工艺工程中，AI可用于优化流程，缺陷检测是各阶段（尤其是制造环节）的重要应用。 在设计阶段，AI在光学元件、传感器等组件设计中扮演重要角色，主要用于异常检测和故障缓解。通过分析历史数据，AI能识别生产延迟的根本原因，在设计和加工阶段提前发现问题。 AI不仅是预测工具，更能从数据中提取深层洞见。AI驱动的设计优势传统基于物理的建模计算密集且复杂。AI可创建替代模型（即数字孪生），通过参数扫描、优化和蒙特卡洛模拟大幅降低计算时间。 跨团队协作时需要清晰传达设计意图。未来展望AI将释放人力资源专注于高级任务，在材料优化、设计优化和减少浪费方面发挥作用，但决策仍需人类参与。
41400编辑于 2025-10-11
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