- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
98410发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子
n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法
1.2K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
54630发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
55410发布于 2020-01-08 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
57930发布于 2020-01-14 - 来自专栏python3
3-4 文件流类FileStream
nFileMode和FileAccess，FileShare方法基本介绍及注意事项
1.1K20发布于 2020-01-07 - 来自专栏AI系统
【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 如今随着 OpenAI 公司的 ChatGPT/GPT4 等模型的惊艳出场，引发了各个行业对人工智能技术的广泛关注和应用推动，更多 AI 算法需要部署，激发了更大的算力需求，无疑 AI 芯片是整个 AI AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。
1.5K10编辑于 2024-11-29 - 来自专栏用户画像
4.4 文件系统疑难点 3-4
为了创建一个文件，应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件，把相应目录读入内存，用新的文件名更新该目录和FCB，并将结果写回到磁盘。
73710发布于 2018-08-24 - 来自专栏媒矿工厂
AI驱动智能媒体生产
日本广播协会NHK开发了新型的由人工智能驱动的广播技术，名为“Smart Production”，可以快速地收集和分析来自社会的各种信息，并传递给广大观众。 单色视频自动着色技术 NHK开发了一种使用人工智能驱动技术的自动将单色电影视频转换为彩色视频的系统来支持高效的节目制作（图5）。 通过应用自动音频描述技术，NHK开发了一种使用“AI播音员”自动阅读新闻的语音合成系统。 ? 2018年4月，NHK在节目NEWSCHECK上以AI播音员“Yomiko”的实际形式实现了这项技术。 AI-DRIVEN SMART PRODUCTION. IBC2018.
1.9K20发布于 2018-10-25 - 来自专栏叽叽西
lagou 爪哇 3-4 spring cloud 问答笔记
熔断即断路保护。微服务架构中，如果下游服务因访问压⼒过⼤⽽响应变慢或失 败，上游服务为了保护系统整体可⽤性，可以暂时切断对下游服务的调⽤。这种牺 牲局部，保全整体的措施就叫做熔断。
63720编辑于 2022-05-17 转载：【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 如今随着 OpenAI 公司的 ChatGPT/GPT4 等模型的惊艳出场，引发了各个行业对人工智能技术的广泛关注和应用推动，更多 AI 算法需要部署，激发了更大的算力需求，无疑 AI 芯片是整个 AI AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。
55510编辑于 2024-12-11JBoltAI：事件驱动 AI 架构，重构 Java AI
企业级 AI 应用开发中，多模块耦合、高并发响应延迟、流程异常难以排查等问题，成为 Java 团队落地 AI 能力的核心阻碍。而事件驱动架构，正是解决这些痛点的关键思路。 JBoltAI 将事件驱动机制深度融入 AI 应用开发的全流程，打造了 “操作抽象为事件、统一调度为核心、全生命周期管控为保障” 的事件驱动 AI 架构，不仅让复杂 AI 工作流的编排更灵活，更从根本上提升了企业级 事件生命周期管理，是 JBoltAI 事件驱动 AI 架构保障企业级稳定性的核心抓手，让 AI 流程彻底摆脱 “黑箱” 状态。 作为 AIGS 范式的核心实践者，JBoltAI 的事件驱动 AI 架构，重新定义了企业级 Java AI 开发的模式。 从智能报销、智能问数到 AI Agent 复杂任务执行，从老系统 AI 改造到 AI 原生应用开发，JBoltAI 的事件驱动 AI 架构正在赋能千行百业的 Java 企业，让 AI 能力真正融入业务流程
17810编辑于 2026-03-13- 来自专栏音视频技术
AI驱动的智能图形应用
高速5G和性能更强大的终端为社交、游戏、教育等场景带来的更丰富的互动体验，本文内容来自相芯科技的蔡锐涛在LiveVideoStackCon2019深圳站上的精彩分享，他将介绍AI驱动的智能图形应用，以及因此带来的新的用户交互方式 今天与大家分享的题目是AI驱动的智能图形应用。按照惯例，我简单介绍下我们公司。 相芯科技专注于智能图形技术的创新与应用，为移动互联网、AR、AI提供3D内容生成与互动的行业解决方案。 通过 “千人千面”的形象生成技术有了虚拟形象后，用户可以通过虚拟形象驱动玩起来。全套驱动包括面部形象驱动、肢体驱动，手指驱动。 AI视频 在AI视频部分，我会重点介绍如何利用人工智能全自动合成视频以及AI虚拟主播，虚拟助手的核心技术方案，同时，我会介绍我们最新的照片级的视频合成技术。 如浙江台钱江频道AI“小范儿”、北京世园会吉祥物播报、济南电视台AI“小沫儿”、京东AI虚拟主播“京小蕾”、京东双十一虚拟主播播报天团、阳泉日报AI双主播、扬子晚报“阿紫”、新媒体节目AI主播等等。
2.5K30发布于 2020-02-19 - 来自专栏啄木鸟软件测试
AI驱动CICD性能优化实战
更关键的是，AI不仅诊断，还自动生成了带优先级标签的优化建议集，并推动CI配置动态调优。这不是未来场景，而是2024年已在头部企业落地的AI增强型CI/CD实践。 二、AI如何重构CI/CD性能优化范式？ AI并非替代工程师，而是成为‘流水线数字孪生体’的感知与决策中枢。 ▶ 根因定位层：图神经网络（GNN）驱动的拓扑归因 传统APM工具将CI流水线建模为有向无环图（DAG），但节点间权重静态固化。 Agent磁盘I/O await时间升高3.8倍（触发内核io-throttle） 隐藏诱因：Git LFS大文件checkout与Antivirus扫描进程产生锁竞争 ▶ 自适应优化层：强化学习驱动的策略引擎 下一站，不是让AI写Pipeline Script，而是让AI成为每个SRE的‘性能直觉延伸器’。
22910编辑于 2026-05-15 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
和这个用户对此影片的评价，理论上我们能够通过用户对电影类型的喜好，和用户对此电影的评价来推断出电影的特征向量的
94511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 3-4 创建Numpy数组(和矩阵)
Notes: zeros 和 ones 函数创建的数组默认为浮点型，而 full 函数 dtype 默认为 None 类型，所以如果在使用 full 不指定 dtype 的情况下，默认为传入 fill_value 值的类型。
98810编辑于 2022-05-25 - 来自专栏爬虫逆向案例
Js逆向-猿人学(3-4)访问逻辑-样式干扰
第三题和第四题跟Js逆向没有什么关系，本来是不想发的，为了排版好看也发这个专栏里吧。
75230发布于 2021-11-22 - 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
AI Agents的两大基础，是知识和工具。通过扩充上下文、企业知识库、或者精调等方式可以满足AI对知识的获取，是武装AI的大脑。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 这个驱动的来源，也是大模型AI服务通过函数调用开放出来的能力，今天我们也称其为智能插件（AI Plugin）。 是的，它并不是OpenAI的专属。 开通方法如下： 蓝莺IM控制台-智能插件-开通 实现原理 智能插件的核心是定义函数调用，由AI对调用进行拼装驱动业务层获取最新信息，补充进最终回复里。 AppID等信息； ext字段为消息自定义使用，这里设置了ai参数，是提醒AI不要对此消息再进行回复，防止出现AI对话循环。
68610编辑于 2025-05-23 - 来自专栏FunTester
AI 驱动的敏捷开发范式转变
敏捷开发中由人工智能驱动的范式转变已经到来。过去那种依赖足够好的敏捷实践就能稳定换来收入或发展前景的阶段，正在快速结束。你是准备主动适应，还是被动落后，这件事已经不太像一道选择题了。 战略层面 在战略层面，最关键的问题不是该不该上 AI，而是组织准备在什么地方、用什么方式、为了什么目标使用 AI。 很多时候，AI 转型首先是人的问题，其次才是工具的问题。 如果从这个角度看，敏捷环境下的 AI 应用和过去熟悉的转型工作其实很像。文化、治理、协作方式、授权边界，这些老问题一个都不会自动消失。 个人层面 如果把镜头拉回到个人层面，敏捷实践者接触 AI 的路径，其实已经出现了一条相当稳定的演进曲线。 最开始，你会把 AI 当成一个响应很快的助手，给它提问，让它帮你解决某个具体问题。 • 个人层面：要从偶尔提示模型，走向能够编排技能、整合上下文并驱动代理行动。 还要特别警惕一点：如果个人层面的成长没有和组织战略形成协同，最终就会演变成能力孤岛。
9210编辑于 2026-06-17 - 来自专栏AI小步快跑
成熟的AI就该自我驱动
在IDE中与腾讯云AI代码助手使用斜杠命令唤起自定义Prompt，录入需要生成提示词的场景要求，将生成的场景Prompt再配置到后台中。 将对话生成的提示词配置到腾讯云 AI代码助手后台中，即可在IDE侧栏对话框进行调用 Java代码参数检查示例 使用生成大师反馈场景问题 # 检查Java方法参数中通用数据结构的提示词 ## Role:
40320编辑于 2025-01-08
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