- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
45710发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
31521编辑于 2023-01-09 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 基因治疗递送系统：AI辅助开发更高效的病毒载体或非病毒纳米颗粒。 6. 生物伦理与可解释性挑战 黑箱模型的风险：复杂AI模型的决策透明性将成监管重点，需开发生物可解释的AI（XAI）工具。 全球监管协作：各国可能建立AI生物技术应用的伦理框架（如AI设计病原体的管控）。 7. 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。
53010编辑于 2025-02-05 - 来自专栏coding for love
3-5 使用plugins让打包更便捷
loader 被用于转换某些类型的模块，而插件则可以用于执行范围更广的任务。插件的范围包括，从打包优化和压缩，一直到重新定义环境中的变量。简言之，我们利用 loader 来处理非 js 类型的模块，用 plugin 来简化我们的打包工作。
88120发布于 2019-07-09 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
为了⽀撑⽇益增⻓的庞⼤业务量，我们会使⽤微服务架构设计我们的系统，使得 我们的系统不仅能够通过集群部署抵挡流量的冲击，⼜能根据业务进⾏灵活的扩展。那么，在微服务架构下，⼀次请求少则经过三四次服务调⽤完成，多则跨越⼏⼗ 个甚⾄是上百个服务节点。那么问题接踵⽽来：
80120编辑于 2022-05-17 - 来自专栏云云众生s
使用生成式AI进行软件调试
译自 Debugging Software Using Generative AI，作者 Jeffrey Burt 是一位资深记者，拥有三十多年的新闻工作经验，过去二十多年专注于科技领域。 据卡内基梅隆大学SEI博客中的AI专家在2023年10月的一篇文章称，开发人员越来越认为生成式人工智能是一个有用的工具。 AI技术不断改进，因此他预计Baldur的能力也会得到提升。 在未来，研究人员计划通过调整LLM训练的数据来提高65.7%的数字。对于验证而言，目前并没有太多的数据，因此创建数据集并不容易。
40110编辑于 2024-03-28 - 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
看到有很多，的总结一下，比较适合有一定经验的PHPer 平时喜欢哪些php书籍及博客？CSDN、虎嗅、猎云 js闭包是什么，原型链了不了解？ for与foreach哪个更快？ php鸟哥是谁？能不能讲
1.5K100发布于 2018-03-09 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
23320编辑于 2022-11-30 - 来自专栏愚公系列-书籍专栏
【愚公系列】《AIGC辅助软件开发》019-AI 辅助测试与调试：AI辅助测试与调试应用案例
因此，AI技术在软件测试领域的应用已成为一种必然趋势。 应用领域 描述 测试需求分析 AI技术可以协助测试人员快速、准确地分析和整理测试需求，从而更好地理解需求，为后续的测试工作提供支持。 除了上述工作，AI技术还可以协助测试人员进行多种类型的测试，包括： 功能测试 性能测试 兼容性测试 安全测试 回归测试 此外，AI技术还可以帮助测试人员进行测试管理，包括测试流程、规范、标准等内容，从而提前发现和预防测试中的问题和风险 一、AI辅助测试与调试应用案例 1.制定测试策略 请根据以下上传文件的需求描述，制定一份详细的测试策略。需求描述如下: 1.文件数量限制:单次上传文件的数量不超过5个。 **调试工具** - **Browser Developer Tools**: 浏览器自带的开发者工具（如 Chrome DevTools）用于查看网页元素、调试 JavaScript、分析网络请求等 - **Fiddler**: HTTP 调试代理，适用于网络流量分析和调试。 使用这些工具可以帮助你更高效地进行测试，定位和解决问题，确保软件质量并提高工作效率。
1.7K11编辑于 2024-12-23 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
shape 属性查看数组的维度，返回值是一个元组，元组中对应位置的值为数组中对应维度的元素个数。
74810编辑于 2022-05-25 - 来自专栏AI技术应用
AI 大模型本地化部署的调试
AI 大模型本地化部署的调试是一个复杂但至关重要的过程，它确保模型在本地环境中的正确运行和性能优化。以下是一些关键的调试方面。1. 调试工具与技术：日志记录： 在代码中添加详细的日志记录，方便追踪模型运行过程中的问题。调试器： 使用调试器（如 gdb、pdb）单步执行代码，检查变量值和程序状态。 常见调试场景和方法：模型加载失败： 检查模型文件路径、格式和权限。 验证依赖库是否正确安装。输出结果错误： 检查输入数据是否正确。 调试模型代码，检查数据处理和计算逻辑。 部署后的调试：API接口调试： 如果大模型部署为API服务，则需要使用例如postman，或者curl等工具，进行API接口的调试。监控日志： 部署后，对日志进行监控，查看运行状态，和报错信息。 通过以上调试方法，可以有效地提高AI大模型本地化部署的成功率，确保模型在本地环境中稳定、高效运行。
86410编辑于 2025-03-11 - 来自专栏想比AI跑得更快点
用AI编程实现远程网页串口调试
很多工程师在工作中都会遇到这样的场景：某个串口设备需要调试，但工作电脑和串口设备不在同一位置。常规做法是把电脑搬到设备旁边，接上串口线进行现场调试。 当调试频次增多，搬来搬去就会变得繁琐。 这时我们自然会产生一个懒人需求：能否坐在自己的工位上，用工位上的电脑直接连上远处的串口设备，轻松完成调试？ 目标与方案概述 基于以上痛点，我尝试用AI编程来实现这个需求。 这个条件在日常调试场景中通常是很容易满足的。 实现思路 具体实现并不复杂，和往期分享的案例一样：就是把清晰的需求交给AI，遇到问题再让AI修改，如此循环迭代。 为什么不细讲“步骤” 分享了多个AI编程案例后，我的体会是：难点不在“第一步怎么做、第二步怎么做”。这些问题都可以直接问AI并快速得到指导。
22510编辑于 2025-11-07 - 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3-5
图4-1 文章留言管理的交互图 紧接着，优先完成WXML+WXSS还原设计稿，把界面涉及到的元素和视觉细节先调试完成。
30210编辑于 2025-08-25 - 来自专栏云云众生s
生成式AI如何彻底改变调试
由生成式 AI 驱动的自动调试，通过自动化识别、诊断和解决代码错误的过程，赋能开发者。 随着企业追求速度、敏捷性和可靠性，由 AI 支持的自动调试注定将成为 IT 领导者和首席高管不可或缺的资产。 生成式 AI 如何彻底改变调试 由生成式 AI 驱动的自动调试，通过自动执行识别、诊断和解决代码错误的过程，为开发人员赋能，从填写故障单的初始阶段到识别和隔离导致事件的代码行。 生成式 AI 在调试中的关键功能包括： 自动根本原因分析：AI 模型分析代码模式、日志和系统行为，以确定错误的确切原因，从而减少开发人员花费在故障排除上的时间。 对高管的战略优势 从高管的角度来看，采用自动调试生成式 AI 不仅仅是一项技术改进；这是一项与更广泛的业务目标相一致的战略举措。
36810编辑于 2024-09-30 - 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。
66960发布于 2018-03-19 - 来自专栏ATYUN订阅号
Uber开源Manifold，用于调试AI模型的可视工具
它已帮助各种产品团队分析了无数的AI模型。截止到今天，它已在GitHub上以开源形式提供。 Uber机器学习软件工程师李乐之在博客中写道：“自从今年早些时候创建Manifold以来，我们已经收到了很多关于其在通用ML模型调试场景中潜力的反馈。 在开源独立版本的Manifold时，我们相信该工具将通过为ML工作流提供可解释性和可调试性，同样使ML社区受益。” 版本1发行版中的功能包括： 与模型无关的通用二进制分类和回归模型调试支持。用户将能够分析和比较各种算法类型的模型，从而使他们能够区分各种数据片的性能差异。
61530发布于 2020-02-12 VS Code 1.110 官宣 AI 新特性：AI 直接调试浏览器！
VS Code 发布 AI新功能：离了大谱！ VSCode 1.109 Chat UX 大升级！ VSCode 1.109 正式发布：全新多智能体开发，真的有点强！ VS Code 新版本来了，更强 AI，更丝滑的编程体验！ VS Code 插件榜 top 10 ：装上起飞！ 前言：还在手动打开浏览器、点击按钮、检查控制台报错？太累了！ 浏览器智能体工具 (Browser Agent Tools) 让 AI 能够在一个封闭的开发循环中，自主地构建和验证 Web 应用。 它能做什么？ 第四步：观看智能体调试并修复 Bug 如果测试中发现了 Bug，智能体会自动进入“侦探模式”分析原因并修复。 智能体独立完成了一个完整的开发循环：构建 -> 测试 -> 调试 -> 修复！
40110编辑于 2026-03-09AI开发预训练模型报错日志pretrainmodels调试解析
使用AI开发经常会出现一些莫名其妙的问题，其中有一些比较经典的bug日志。我一般会记录下来，以供后续开发过程避坑和提高效率，过程可以分享给大家。今天我借助AI开发的是预训练模型测试程序。 第一个是参数列表的错误使用，这个没什么太大问题，直接将报错信息粘贴给AI就能自动完成修复。第二个是&&操作符的错误，这个也没太大问题，可以在终端中分步实施命令即可解决。 我们让AI找找解决方法：首先，根据错误信息，问题出在缺少'pretrain_models'模块。这可能是一个自定义模块，或者是用户自己编写的，或者是某个第三方库的一部分。我需要确定这个模块的来源。 替代方案与调试建议临时替换：若pretrain_models为非必需依赖，可尝试使用功能相近的库（如transformers库中的BertModel或QwenModel）重构代码。 总结一下，AI不是万能的，出现问题还是需要人工调试。通过正确设置Python路径和包结构，解决了模块导入问题。同时需要注意不同操作系统和shell之间的语法差异，避免使用不兼容的命令语法。
39510编辑于 2025-09-15- 来自专栏编程珠玑
GDB调试指南-启动调试
本文以C程序为例，介绍GDB启动调试的多种方式。 哪类程序可被调试 对于C程序来说，需要在编译时加上-g参数，保留调试信息，否则不能使用GDB进行调试。 ，不能使用gdb调试。 但是not stripped的情况并不能说明能够被调试。 调试方式运行程序 程序还未启动时，可有多种方式启动调试。 调试core文件也很简单： 1gdb 程序文件名 core文件名 具体可参看《linux常用命令-开发调试篇》gdb部分。 调试已运行程序 如果程序已经运行了怎么办呢？ ，已经运行的程序通常没有调试信息。
2.1K20发布于 2019-09-02 - 来自专栏iOS逆向与安全
写作小技能：卡片式写文章（用3-5张卡片写文）
挑战->核心概念->该怎么做->总结->升华 找到1张卡做大的核心概念 找到3-5张卡做子概念的内容 把这些卡片的“行动指引”总结下，列在最后做个行动指引大全。 .… 用3-5张卡片写文是个很好的体验：1.主题是自下而上生成，而不是逼你针对命题写一个。2. 内容是过去知识卡片的积累，而不是临时写一句，出去找一段儿。3.
1.4K10编辑于 2022-08-22
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