- 综合排序
- 最热优先
- 最新优先
- 来自专栏云原生技术社区
CDF Chinese Localization SIG
CDF Chinese Localization SIG CDF Chinese Localization SIG正在和 TOC（CDF Technical Oversight Committee，CDF 在 DevOps 领域除了 Jenkins 以外，CDF 还有很多优秀的项目，但是，受限于诸多因素，CDF 和国内用户的互动性不是很好。 终于获得了 CDF TOC 的支持和同意。 CDF 中文本地化 SIG 要做什么 CDF 中文本地化 SIG 会重点关注 CDF 的所有项目，和国内所有关注 DevOps 领域的爱好者一起做好这些项目在国内的推广、落地和发展，可以做的事情包括： 将国外的一些经典案例在国内进行分享 行业报告解读 a.解读 CDF 相关报告 b.帮助 CDF 完成持续交付的相关调研在国内顺利推进 引导更多的国内开源爱好者了解、参与 CDF 开源项目的贡献 如何加入
1.1K40发布于 2021-08-06 - 来自专栏Jenkins
Announcement: CDF Chinese Localization SIG
本篇文章是CDF（持续交付基金会）官网发布的CDF Chinese Localization SIG成立的英文文章，以下正文即发布内容。 原文链接：https://cd.foundation/blog/2021/09/01/announcement-cdf-chinese-localization-sig/[1] ---- Contributed Many awesome projects choose to join Continuous Delivery Foundation (CDF)[8] which is the vendor-neutral be promoting great open-source projects, so we thought, why don’t we promote all the projects under CDF We are happy to announce that CDF Chinese Localization SIG[13] proposal was accepted by CDF’s Technical
59620发布于 2021-09-15 - 来自专栏WOLFRAM
Wolfram CDF Player 播放器
什么是 CDF（可计算文档格式™）？ ---- 现今的在线文档与传统书本大致相似：平白、沉闷、缺乏互动元素。CDF 的核心是易于创作的互动性，让读者可以驾驭内容，实时生成结果。 采用 CDF 可以为您的创意提供广泛的交流渠道，从而加快研究、教育、技术发展和进步的步伐。 ---- CDF 为内容创作者提供易于实现的互动性和便利的部署选项，使读者能够自己驾驭内容，实时生成结果。 “ 使用 CDF 格式我觉得很棒。 CDF 立即改变了这种困境。 ” — 英国癌症研究中心 光学显微镜负责人，Daniel Zicha CDF 的主要优势有哪些？ Chandler 启用 CDF ---- 使 CDF 成为您与他人日常交流的工具；您无需拥有专门的编程知识，就可与其他作者、教师、研究人员和其他专业人员一起，使用 CDF 技术开发互动的图书、课件、报告及应用程序
3.9K90发布于 2018-05-31 - 来自专栏Python数据分析实例
Python中概率累计分布函数（CDF）分析
任何一个CDF，是一个不减函数，累积和为1。累计分段概率值就是所有比给定x小的数在数据集中所占的比例。任意特定点处的填充x的 CDF 等于 PDF 曲线下直至该点左侧阴影面积。 CDF 曲线从 0% 的概率上升到 100% 的概率，而 CCDF 曲线则从 100% 的概率下降到 0% 的概率。 累积分布函数（CDF）=∫PDF（曲线下的面积 = 1 或 100%）。 互补累积分布函数（CCDF）= 1-CDF。 PDF与CDF对比示意图 在 Python 中使用scipy.stats.norm.ppf()计算 CDF import numpy as np from scipy.stats import norm (theta): y = norm.cdf(theta,loc=10,scale=1) return y #利用ppf找到适合的横坐标，百分点函数 #ppf分位点函数（CDF的逆
14.1K30编辑于 2022-05-25 - 来自专栏全栈程序员必看
捋一捋PDF、PMF、CDF是什么
总第230篇/张俊红 还记得前段时间看过一篇文章，就是调查大家疫情期间都干了什么，有一条是疫情期间终于弄清楚了PDF和CDF的区别。PDF、PMF、CDF这几个概念确实很容易混淆。 CDF : 是英文单词 cumulative distribution function 的缩写，翻译过来是指累积分布函数，又叫分布函数，是概率密度函数的积分，用来表示离散型随机变量x的概率分布。 总结一下就是上面三者的横轴都是随机变量x的取值，PDF的纵轴表示连续型随机变量x出现的可能性(非概率)，PMF的纵轴表示离散型随机变量x出现的概率，CDF的纵轴表示连续型随机变量x的概率。 以上就是关于PDF、PMF、CDF三者之间的异同情况，如果对公式推导方面感兴趣的话可以直接上网搜索即可。
6.2K20编辑于 2022-08-31 - 来自专栏Jenkins
CDF本地化SIG本周末例会议题
document/d/14DtzBpOVHWpxXnx113slf6QaKG8qPLhx5M15ucNWsV8/edit 会议内容 讨论 Jenkins 中文社区媒体账号（哔哩哔哩、开源中国等）移交 CDF 中文本地化 SIG 运营的事情 讨论微信公众号运营策略，如何接受原创、翻译以及转载 CDF 项目视频教程录制计划 https://hackmd.io/z7iyp-FQTkqADaKcMsjbMA Podcast
43310发布于 2021-09-15 - 来自专栏睡前机器学习
PDF、PMF和CDF的三角关系
英文的简写分别为PDF、PMF和CDF。如果看英文的教材或者论文，会经常就会看到这三个缩写。 首先是PDF。 CDF全称为cumulative distribution function，译作累积分布函数。这玩意你得牢记，如果你手上有一本概率论的电子版，去搜“分布函数”这四个字，保准会标得花花绿绿。
1.6K10编辑于 2022-11-07 - 来自专栏张俊红
捋一捋PDF、PMF、CDF是什么
总第230篇/张俊红 还记得前段时间看过一篇文章，就是调查大家疫情期间都干了什么，有一条是疫情期间终于弄清楚了PDF和CDF的区别。PDF、PMF、CDF这几个概念确实很容易混淆。 CDF : 是英文单词 cumulative distribution function 的缩写，翻译过来是指累积分布函数，又叫分布函数，是概率密度函数的积分，用来表示离散型随机变量x的概率分布。 总结一下就是上面三者的横轴都是随机变量x的取值，PDF的纵轴表示连续型随机变量x出现的可能性(非概率)，PMF的纵轴表示离散型随机变量x出现的概率，CDF的纵轴表示连续型随机变量x的概率。 以上就是关于PDF、PMF、CDF三者之间的异同情况，如果对公式推导方面感兴趣的话可以直接上网搜索即可。
3.2K30发布于 2020-07-07 - 来自专栏全栈程序员必看
概率论中 PDF,PMF,CDF的含义
概率论中 PDF,PMF,CDF的含义 在概率论中，我们经常能碰到这样几个概念PDF,PMF,CDF，这里就简单介绍一下 PDF：概率密度函数（probability density function） 而PDF他其实是CDF的导数。 PMF : 概率质量函数（probability mass function), 在概率论中，概率质量函数是离散随机变量在各特定取值上的概率。 CDF : 累积分布函数 (cumulative distribution function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。
3.1K10编辑于 2022-08-31 - 来自专栏全栈程序员必看
概率论中的PDF，PMF，CDF区别和联系
CDF: 累积分布函数 (cumulative distribution function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。是PDF在特定区间上的积分。 CDF就是PDF的积分，PDF就是CDF的导数 一些分析结论和注意点： 1）PDF是连续变量特有的，PMF是离散随机变量特有的； 2）PDF的取值本身不是概率，它是一种趋势（密度）只有对连续随机变量的取值进行积分后才是概率
4.2K20编辑于 2022-08-31 - 来自专栏WOLFRAM
Wolfram 用户案例 |使用CDF开发交互式教科书
通过使用Mathematica 和可计算文档格式（CDF），Eric 将传统文本和交互式应用程序的功能组合到一个具有计算能力的知识容器中。 CDF 允许使用工具 Mathematica 进行排版、数据、交互和部署。“很难想象没有 Mathematica 怎么能使像这样的书活灵活现。” 好处 使用免费的 Wolfram CDF 播放器，学生可以立即浏览各个部分，并浏览电子书中有趣的交互式图形和直观文本，将难以传达的概念融入生活。 书籍样本视频：https://mediaplayer.pearsoncmg.com/assets/q5H4R9_4lbm0ImeYTQEQo9PFvgS2eQ_z Wolfram 优势 多合一格式——CDF 按需计算——CDF集成了强大的 Mathematica 计算引擎，使用户能够实时生成结果，而不受依赖于预定数据配置的格式的限制 ---- ?
1.1K41发布于 2020-10-30 - 来自专栏全栈程序员必看
matlab画cdf曲线_条形图和直方图的联系
probability') 6.调整每个柱的宽度(区间长度) h.BinWidth = 0.1; cite： Matlab直方图（柱状图）histogram MATLAB中绘制数据直方图的新函数histogram cdf 曲线：直接 costCdf = cdfplot(cost); 即画出cost的CDF曲线。
1.4K30编辑于 2022-09-27 - 来自专栏CNCF
CDF欢迎Shipwright——Kubernetes容器镜像构建框架——作为新的孵化项目
Shipwright 是基于 Tekton 构建的，Tekton 是一个 CDF 项目。 作为 Tekton（CDF 的创始项目之一）的联合创始人，我相信 CDF 是 Shipwright 实现 v1，更重要的是，超越 v1 的正确平台。” 由于 Shipwright 与 Tekton 合作良好，Tekton 是 CDF 的创始项目之一，也是发展最快的项目之一，因此 Shipwright 加入 CDF 进行更密切的合作是很有意义的。” CDF 提供了广泛的服务来支持开放源码项目，而项目启动过程是作为孵化项目。这适用于那些对实现广泛采用感兴趣并已为此确定了增长计划的项目。 项目接受 CDF 技术监督委员会（TOC）的指导，并被期望积极开发社区的贡献者、治理、项目文档等等。关于将开源持续交付项目引入 CDF 的详细信息可以在这里[3]找到。
84910发布于 2021-08-26 - 来自专栏Jenkins
公告：CDF 中文本地化 SIG 接管 Jenkins 中文社区媒体帐号
各位 Jenkins 中文社区的关注者，我谨代表 Jenkins 中文社区以及 CDF（持续交付基金会）中文本地化 SIG，给大家带来一则好消息：CDF 本地化 SIG 会在 Jenkins 的基础之上 集中力量办大事，我们在社区例会（可以从哔哩哔哩上看到会议视频回放）上讨论后决定：将 Jenkins 中文社区的哔哩哔哩[1]、开源中国帐号[2]名称更换为：CDF 中文本地化 SIG。 首先，我们会组织社区志愿者、讲师，一同录制 CDF 旗下项目（包括：Jenkins、Jenkins X、Tekton、Spinnaker、Screwdriver、Ortelius、Shipwright）
63400发布于 2021-09-15 - 来自专栏Jenkins
灵雀云获邀加入CDF，成为中国区三大创始成员之一
3月12日，Linux 基金会旗下CDF（持续交付基金会）宣告成立 3月12日，在加州Half Moon Bay举行的开源领导者峰会（Open Leadership Summit 2019 ）上，CDF CDF基金会隶属于Linux基金会，Linux基金会是一个通过开源实现大规模创新的非营利组织，为多样化的持续集成和交付（CI / CD）领域奠定了新的基础。 CDF基金会将作为一个中立的家园，为最重要的开源项目提供持续交付和规范，以加快发布流程。 入驻CDF基金会的第一批项目将包括Jenkins、Jenkins X、Spinnaker以及Tekton。 其他项目将通过即将成立的技术监督委员会（TOC）加入CDF基金会，其重点是将CD持续交付生态系统整合在一起，以围绕可移植性和源代码库建立规范和项目。
85630发布于 2019-04-19 - 来自专栏深度学习之tensorflow实战篇
在统计学中概率分布中的概率密度函数PDF，概率质量PMF，累积分布CDF
CDF : 累积分布函数 (cumulative distribution function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。 二. \text{ if } x\in\left \{ 0,1 \right \} \\ & 0\text{ if } x\notin\left \{ 0,1 \right \}\end{cases} CDF )=Pr(X≤x)=∫−∞xfX(t)dtF_X\left( x \right) =\Pr\left( X\leq x \right) =\int_{-\infty}^{x}f_X(t)dt 那么CDF 就是PDF的积分，PDF就是CDF的导数。 对于离散型随机变量，其CDF是分段函数，比如举例中的掷硬币随机变量，它的CDF为 FX(x)=Pr(X≤x)=⎧⎩⎨⎪⎪0 if x<012 if 0≤x<11 if x≥1FX(x)=Pr(X≤
3.7K130发布于 2018-03-19 - 来自专栏深度学习之tensorflow实战篇
在统计学中概率分布中的概率密度函数PDF，概率质量PMF，累积分布CDF
CDF : 累积分布函数 (cumulative distribution function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。 二. \text{ if } x\in\left \{ 0,1 \right \} \\ & 0\text{ if } x\notin\left \{ 0,1 \right \}\end{cases} CDF )=Pr(X≤x)=∫−∞xfX(t)dtF_X\left( x \right) =\Pr\left( X\leq x \right) =\int_{-\infty}^{x}f_X(t)dt 那么CDF 就是PDF的积分，PDF就是CDF的导数。 对于离散型随机变量，其CDF是分段函数，比如举例中的掷硬币随机变量，它的CDF为 FX(x)=Pr(X≤x)=⎧⎩⎨⎪⎪0 if x<012 if 0≤x<11 if x≥1FX(x)=Pr(X≤
2.1K30发布于 2019-01-25 - 来自专栏caoqi95的记录日志
直方图均衡 Histogram Equalization
直方图均衡化的处理依赖于累积概率函数（cdf）的使用。 cdf 是位于其域中的所有概率的累积和，数字图像的 cdf 定义如下： ? 模拟图像的 cdf 定义如下： ? = hist.cumsum() cdf_normalized = cdf * hist.max() / cdf.max() plt.plot(cdf_normalized, color='b') plt.hist 下面进行直方图均衡： # calculate cdf cdf_m = np.ma.masked_equal(cdf, 0) cdf_m = (cdf_m - cdf_m.min())*255 / (cdf_m.max () - cdf_m.min()) cdf = np.ma.filled(cdf_m, 0).astype('uint8') # mapping img2 = cdf[img] res = np.hstack = cdf * hist.max() / cdf.max() plt.plot(cdf_normalized, color='b') plt.hist(img2.flatten(), 256, [0
2.8K31发布于 2019-03-28 - 来自专栏马拉松程序员的专栏
我用100行代码来支援青岛抗击疫情
f1是序号 cdf2 = cdf2[['f1', 'ID_CARD']] cdf2['姓名'] = '' cdf2['户籍地'] = '' cdf2['现居住地'] = '' cdf2['联系电话'] = '' cdf2['工作单位名称'] = '' cdf2['工作单位地址'] = '' cdf2['备注'] = '' cdf2 cdf2.iloc[index, list(cdf2.columns).index('户籍地')] = res['户籍地'] cdf2.iloc[index '] cdf2.iloc[index, list(cdf2.columns).index('工作单位地址')] = res['工作单位地址'] cdf2. iloc[index, list(cdf2.columns).index('备注')] = res['备注'] cdf2.iloc[index, list(cdf2.columns
73730编辑于 2022-04-26 - 来自专栏AI科技大本营的专栏
新技能 Get，使用直方图处理进行颜色校正
直方图处理的目的是将图像的实际 CDF 拉伸到新的目标 CDF 中。通过这样做，倾斜到较低光谱的强度值将转换为较高的强度值，从而使图像变亮。 转换为目标 CDF，我们可以在保持图像关键特征的同时使图像变亮。 就像我们在灰度图像中所做的一样，我们还将每个通道的实际 CDF 转换为目标 CDF。 校正每个通道的直方图后，我们需要使用 numpy stack函数将这些通道堆叠在一起。 ') ax[0].plot(dist.cdf(np.arange(0,256)), c='r', label='Target CDF') ax[0].legend 事实上，大教堂正门的弧线在逻辑分布中比线性分布更好，这是因为在逻辑分布中像素值强度的平移比线性分布要小，这可以从实际 CDF 线到目标 CDF 线的距离看出。
76520编辑于 2023-04-14
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