- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-9 人以群分 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/99688626 7-9 人以群分 (25 分) 社交网络中我们给每个人定义了一个“活跃度”
77520发布于 2019-11-08 - 来自专栏yuyy.info技术专栏
【笔记】Operator课程(7-9)
Indexer缓存k8s资源对象，并提供便捷的方式查询。例如获取某个namespace下的所有资源
43120编辑于 2023-04-12 - 来自专栏刷题笔记
7-9 最长对称子串
本文链接：https://blog.csdn.net/shiliang97/article/details/96307903 7-9 最长对称子串 对给定的字符串，本题要求你输出最长对称子串的长度。
78130发布于 2019-11-08 - 来自专栏后端开发从入门到入魔
7-9 JAVA-水仙花数
水仙花数是指一个N位正整数（7≥N≥3），它的每个位上的数字的N次幂之和等于它本身。例如：153=13+53+33。 要求编写程序，计算所有N位水仙花数。
45610编辑于 2024-03-01 - 来自专栏刷题笔记
【未完成】7-9 目录树 (30 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102727548 7-9 目录树 (30 分) 在ZIP归档文件中，保留着所有压缩文件和目录的相对路径和名称
74710发布于 2019-11-07 - 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7-9 计算天数
练习7-9 计算天数 本题要求编写程序计算某年某月某日是该年中的第几天。 输入格式: 输入在一行中按照格式“yyyy/mm/dd”（即“年/月/日”）给出日期。
1.9K40发布于 2020-09-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-9 人脸识别与特征脸
本系列是《玩转机器学习教程》一个整理的视频笔记。本章的最后一个小节介绍PCA在人脸识别领域的一个特殊的应用，也就是所谓的特征脸。本小节会介绍什么是特征脸，并通过可视化的方式直观的感受特征脸。
1.4K20发布于 2019-11-23 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（7-9章节）
整洁的边界 如果有良好的软件设计，则无需巨大投入和重写即可进行修改。在使用我们控制不了的代码时，必须加倍小心保护资产，确保未来的修改不至于代价太大。
61510编辑于 2022-06-28 - 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ReganYue's Blog
【PTA】7-9 递归实现逆序输出整数 (15point(s))
本题目要求读入1个正整数n，然后编写递归函数reverse(int n)实现将该正整数逆序输出。
1.5K10发布于 2021-09-16 - 来自专栏刷题笔记
【2020HBU天梯赛训练】7-9 天梯赛座位分配
7-9 天梯赛座位分配 天梯赛每年有大量参赛队员，要保证同一所学校的所有队员都不能相邻，分配座位就成为一件比较麻烦的事情。
86310发布于 2020-06-23 - 来自专栏IT技术圈（CSDN）
2017年天梯赛大区赛题集 7-9 人以群分
7-9 人以群分 社交网络中我们给每个人定义了一个“活跃度”，现希望根据这个指标把人群分为两大类，即外向型（outgoing，即活跃度高的）和内向型（introverted，即活跃度低的）。
41920发布于 2020-09-15 - 来自专栏刷题笔记
【未完成】7-9 电路布线 (30 分)15分
本文链接：https://blog.csdn.net/shiliang97/article/details/101473534 7-9 电路布线 (30 分) 在解决电路布线问题时，一种很常用的方法就是在布线区域叠上一个网格
44820发布于 2019-11-08 - 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Debian中国
CPU 漏洞补丁对内核性能影响：4.15 比 4.11 快 7-9%
根据Google+博文显示，最近发布的Linux Kernel 4.15的速度要比4.11快7-9%；在激活内核页表隔离（KPTI）情况下速度仅比4.11慢了1-2%。 ?
65820发布于 2018-12-21 - 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？
72910编辑于 2024-12-04 AI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。
12410编辑于 2026-05-23
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