首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Deep learning进阶路

    3-2 队列

    3-2 队列 1、基本概念 队列是一种特殊的线性表,特殊之处在于它只允许在表的前端(front)进行删除操作,而在表的后端(rear)进行插入操作,和栈一样,队列是一种操作受限制的线性表。

    57140发布于 2019-07-02
  • 3-2配置系统

    .Net Core配置系统支持文件(Json、XML、INI)、注册表、环境变量、命令行、AZure Key Vault等。

    10010编辑于 2026-06-17
  • 来自专栏Hank’s Blog

    3-2 矩阵的子集

    > x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6

    78120发布于 2020-09-16
  • 来自专栏叽叽西

    lagou 爪哇 3-2 zookeeper 笔记

    分布式系统的协调工作就是通过某种方式,让每个节点的信息能够同步和共享。这依赖于服务进程之间的通信。通信方式有两种:

    58910编辑于 2022-05-17
  • 来自专栏破晓之歌

    JAVA入门3-2(未完,待续) 原

    List(序列)、Queue(队列)可重复排列有序的,Set(集)不可重复无序。list和set常用。

    47750发布于 2018-08-15
  • 迎接deepseek,助力企业整合AI

    1、为toB/toG提供私有化部署AI大模型 从信息安全角度出发,需要将内部敏感数据发布到内部AI服务器使用。​ 2、定制化开发AI问答软件 ​3、将AI软件集成到传统业务系统中,提供AI问答,AI知识库能力,AI查询业务数据库能力。 ​4、站在风口,只等你来。

    18710编辑于 2025-03-09
  • 来自专栏刷题笔记

    3-2 数组元素的区间删除 (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101225075 3-2 数组元素的区间删除 (20 分) 给定一个顺序存储的线性表,请设计一个函数删除所有值大于

    1K30发布于 2019-11-08
  • 来自专栏万能的小草

    pandas入门3-2:识别异常值以及lambda 函数

    假设每个月的客户数量保持相对稳定,将从数据集中删除该月中特定范围之外的任何数据。最终结果应该是没有尖峰的平滑图形。

    1.4K10发布于 2020-02-17
  • 来自专栏别先生

    SpringBoot整合整合jsp、整合freemarker、整合Thymeleaf

    1、SpringBoot整合整合jsp、整合freemarker、整合Thymeleaf。 artifactId> 56 </plugin> 57 </plugins> 58 </build> 59 60 </project> 2、SpringBoot整合 3、SpringBoot整合Freemarker。新增freemarker依赖启动器的坐标,注意freemarker也被封装成了一个启动器的。 1 <! 4、SpringBoot 整合Thymeleaf(重点掌握)。新增thymeleaf依赖启动器的坐标,注意thymeleaf也被封装成了一个启动器的。 1 <! import java.util.HashMap; 10 import java.util.List; 11 import java.util.Map; 12 13 /** 14 * SpringBoot整合

    3K20发布于 2020-05-18
  • 来自专栏WebJ2EE

    React:Table 那些事(3-2)—— 斑马纹、固定表头

    《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。每篇文章都会针对 Table 的某个具体功能展开分析:

    4.5K10发布于 2019-07-19
  • 来自专栏代码简单说

    2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址

    2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址 @[TOC](2025.10.17 更新 AI绘画秋葉 自动覆盖百度、必应等搜索) AI绘画整合包下载、Stable Diffusion整合包、ComfyUI整合包、秋葉aaaki整合包、AI绘图工具、AI绘画模型、AI绘画入门教程、Stable Diffusion 下载、AI绘画安装包、ComfyUI教程 Stable Diffusion 下载 | ComfyUI 下载 | 秋葉aaaki 整合包 | AI绘画整合包 | Stable Diffusion 一键安装包 | ComfyUI 教程 | AI绘画模型合集 | AI绘图软件推荐 | AI绘图整合版 | 本地AI绘画 Stable Diffusion整合包(秋葉aaaki整合版) 这款Stable Diffusion ComfyUI 整合包(秋葉aaaki定制优化版) ComfyUI 是一款可视化的 AI 绘画流程工具,本整合包已内置 Python 环境、Pytorch、常用节点与优化配置,让新手也能轻松上手生成高质量作品

    21310编辑于 2026-06-16
  • 来自专栏帮你学MatLab

    MATLAB智能算法30个案例分析(3-2)

    神经网路部分 function err=Bpfun(x,P,T,hiddennum,P_test,T_test) %% 训练&测试BP网络 %% 输入 % x:一个个体的初始权值和阈值 % P:训练样

    1K50发布于 2018-04-18
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 3-2 jupyter notebook中的魔法命令

    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jupyter Notebook中的两个魔法命令%run和%time。

    1.7K00发布于 2019-11-13
  • 来自专栏技术让梦想更伟大

    C语言中3-2=?3%-2=?你确定答案吗

    抛砖引玉 C语言负数除以正数,与正数除以负数或者负数除以负数的余数和商,正负有谁定呢? -3 / 2 = ?; -3 % 2 = ?; 3 / (-2) = ?; 3 % (-2) = ?; (-3)

    1.5K61发布于 2020-07-03
  • 来自专栏代码简单说

    2025.2.4 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI 整合包下载地址

    2025.2.4 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI 整合包下载地址 Stable Diffusion整合包 【下载链接】 ComfyUI 整合包 【下载链接】 【报错解决】 Stable Diffusion整合包 【下载链接】 下载地址 https://uwtxfkm78ne.feishu.cn/wiki/GHgVwA2LPiE9x2kj4WXcAsFYnvh ZLUDA,自行前往 AMD 官网下载安装 HIP SDK 后即可和 N 卡一样用这个整合包,拥有最高性能。 又或者可以用 DirectML 版本的特制整合包(只能有N卡50%左右或更低性能)【AI绘画】Stable Diffusion A卡专用整合包(DirectML) 【关于有可能的报毒】 若启动器更新报毒 ,为日常误报,可以添加入信任区 【关于卸载】 整合包程序为绿色版,直接删除文件夹即可完整卸载 【报错解决】 遇到报错请前往启动器的 “疑难解答” 页面进行扫描,绝大部分问题都会有解决方法。

    40910编辑于 2026-06-16
  • 超级应用(Super Apps)整合多模态AI能力

    多模态AI整合方向 自然语言处理(NLP) 集成聊天机器人(如GPT-4)、语音助手等功能,支持用户通过文本或语音完成服务请求。 示例整合了语音识别、自然语言处理、图像识别等功能模块。 技术实现路径 开放平台与API网关 构建统一的AI能力中台,将多模态AI模块(如语音识别、OCR)封装为标准化API,供内部团队和第三方开发者调用。需设计低延迟、高并发的微服务架构。 动态负载均衡 针对AI服务的高算力需求,采用混合云部署,结合Kubernetes自动扩缩容。例如,腾讯云TI-Platform支持实时分配GPU资源处理峰值请求。 Grab的出行场景 通过AI预测乘客位置(GPS+历史数据)、动态定价(强化学习)、语音投诉处理(NLP),东南亚市场渗透率达75%。

    39110编辑于 2026-01-20
  • 来自专栏c语言与cpp编程

    C语言中3-2=?3%-2=?你确定答案吗

    抛砖引玉 C语言负数除以正数,与正数除以负数或者负数除以负数的余数和商,正负有谁定呢? -3 / 2 = ?; -3 % 2 = ?; 3 / (-2) = ?; 3 % (-2) = ?; (-3)

    68600发布于 2020-12-02
  • 来自专栏cwl_Java

    C++编程之美-结构之法(代码清单3-2)

    代码清单3-2 char c[10][10] = { "", //0 "", //1 "ABC", //2 "DEF", //3

    30840编辑于 2022-11-30
  • 来自专栏祝威廉

    大数据平台和AI平台应该如何整合

    大数据和AI两者最核心的部分都是数据。大数据的主要工作是对数据进行各种转换和存储。而AI的主要工作是学习数据并且得出模型。 AI天然需要大数据的基础,因为AI需要各种形态的数据,而我们得到这些形态的数据,必然离不开大数据。就此而言,他们两个合在一起,才是一个完整的工作流。 所以大数据平台要和AI进行整合,有两个核心点: 数据的交换 统一的语言 无论进程内还是进程间,数据交换最高效的方式是通过 Apache Arrow。那么数据交换的问题算是有了一个标准。 统一的语言呢? 配合MLSQL Console 系统,我们基本可以覆盖AI同学工作的大部分时间。 这些问题部分在下面的文章里得到解答: 祝威廉:Spark整合Ray思路漫谈(2) 总结一下,MLSQL Console提供了对Python单脚本,Python项目的支持,同时MLSQL 支持通过!

    1.7K20编辑于 2022-07-21
  • 来自专栏Soul Joy Hub

    【大模型AIGC系列课程 3-2】国产开源大模型:ChatGLM

    https://arxiv.org/pdf/2103.10360.pdf GLM是General Language Model的缩写,是一种通用的语言模型预训练框架。它的主要目标是通过自回归的空白填充来进行预训练,以解决现有预训练框架在自然语言理解(NLU)、无条件生成和有条件生成等任务中表现不佳的问题。 具体来说,GLM通过随机遮盖文本中连续的标记,并训练模型按顺序重新生成这些遮盖的部分。这种自回归的空白填充目标使得GLM能够更好地捕捉上下文中标记之间的依赖关系,并且能够处理可变长度的空白。通过添加二维位置编码和允许任意顺序预测空白,GLM改进了空白填充预训练的性能。

    87120编辑于 2023-08-28
领券