- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
91900发布于 2020-09-16 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置
92320发布于 2020-01-07 3-3日志
NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe
7600编辑于 2026-06-17- 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
duboo 中文官网 http://dubbo.apache.org/zh/ 第一部分：项目架构演变过程 单体架构 到 微服务架构的演变 单一应用架构 当网站流量很小时，只需一个应用，将所有功能都部署在一起 ，以减少部署节点和成本。 我 们可以通过部署一个管理中心来实现。其实管理中心就是一个 web 应用，原来是 war(2.6版本以前)包需 要部署到tomcat即可。现在是jar包可以直接通过java命令运行。
67010编辑于 2022-05-17 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
54920发布于 2021-03-16 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
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NumPy模块的一些基础知识。
94800发布于 2019-11-13 - 来自专栏python3
34补3-3 rhcs集群基础应用
[root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'
98400发布于 2020-01-15 - 来自专栏python3
3-3 File类的常用操作的静态方法练
文本文件是我们接触频繁的一类文件，记事本程序经常操作的文件就是文本文件，很多应用程序会保存一些记录到日志文件里，这种日志文件也可以是文本文件。通过本小节的学习，可以掌握对文本文件的简单读写方法。
89520发布于 2020-01-14 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-3)
代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer
24020编辑于 2022-11-30 - 来自专栏仙踪·智能助手
Agent六款开源记忆工具大横评——全都能本地跑，全都不花钱
：需要Qdrant或Chroma等向量数据库（额外Docker服务）每次写入记忆时必须调用LLM提取事实（支持本地Ollama/oMLX）与agentmemory定位不同，不适合替代后者二、知识检索类： importcogneecognee.config.set_llm_config({"provider":"ollama","model":"qwen3:14b","endpoint":"http://localhost:11434"#本地oMLX 每篇文档都要跑LLM提取实体，约比QMD慢5–10倍查询延迟较高（图遍历200ms–2s）对简单的文档检索需求属于"杀鸡用牛刀"实体提取是Cognee的核心步骤，必须调用LLM，但支持本地Ollama/oMLX ✅优点时序追踪是独特能力，其他工具都没有2026年LangGraph官方集成，生态好企业级设计，支持大规模部署❌缺点需要Postgres+pgvector，部署比较重对纯CodingAgent场景价值有限 agentmemory~80–600MB（Embedding）无极简QMD~2.3GB（3个GGUF模型）无极简TencentDBAM极小（SQLite）无极简Cognee~500MBSDK+LLM已有Ollama/oMLX
29210编辑于 2026-06-18 - 来自专栏WebJ2EE
React：Table 那些事（3-3）—— 列宽自适应、列宽拖动
《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：
10.1K41发布于 2019-07-19 - 来自专栏愿天堂没有BUG（公众号同名）
字节跳动3-3大牛力荐！RabbitMQ实战指南：消息队列面试必刷手册
第8章跨越集群的界限 RabbitMQ可以通过3种方式实现分布式部署:集群、Federation 和Shovel.这3种方式不是互斥的，可以根据需要选择其中的一种或者以几种方式的组合来达到分布式部署的目的 Federation和Shovel可以为RabitMQ的分布式部署提供更高的灵活性,但同时也提高了部署的复杂性。 本章主要阐述Federation与Shovel 的相关的原理、用途及使用方式等。 最后在小结部分中将集群与Federation/Shovel的部署方式进行对比区分，以加深对相关知识点的理解。
72420编辑于 2022-10-28 - 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 习题3-3 出租车计价
习题3-3 出租车计价 本题要求根据某城市普通出租车收费标准编写程序进行车费计算。
3.1K30发布于 2020-09-15 - 来自专栏云计算linux
运维开发工程师教程之MongoDB单机版设置
安装客户机操作系统界面如图3-3所示。 图3-3 安装客户机操作系统界面 ④出现“命名虚拟机”界面，可以在“虚拟机名称”下面输入虚拟机的名字，在“位置”下面指定虚拟机存放路径，单击右侧的“浏览”按钮，选择相应位置即可，单击“下一步”按钮。 如下图所示： 一、部署MongoDB单机版 1.将安装包上传到linux 的/opt/software目录下 2.将安装包解压到/opt/servers/mongodb_demo目录下 3.将解压后的文件名通过
34510编辑于 2024-12-07 - 来自专栏加米谷大数据
spark2.1.0的配置与源码分析
setExecutorEnv、setSparkHome、setAll等方法最终都是通过代码清单3-2中的set方法完成Spark配置的，本书以其中最为常用的setMaster和setAppName为例，用代码清单3- 代码清单3-3 设置Spark的部署模式的配置方法setMaster ? 代码清单3-4 设置Spark的应用名称的配置方法setAppName ?
65820发布于 2019-01-09 - 来自专栏CODING DevOps
云原生应用交付平台 Orbit 设计理念与价值主张
Application As Code Orbit 将服务、配置、数据库、部署流水线、基础设施和环境的应用要素进行层级划分(图3-3)。 服务、配置和数据库作为业务层，部署流水线作为交付层，基础设施和环境作为资源层。 图3-3 通过分层的设计模式实现应用配置在代码仓库中的合理有序组织，为不同的层级定义不同的目录层级，并给予相应的目录权限，实现细粒度的应用配置信息的权限控制，在增强透明、信任与协作的同时也满足组织内部的安全合规和敏感数据管理规则 GitOps 版本化管理 Orbit 部署基于 GitOps 理念进行应用交付。
54120编辑于 2023-08-08 - 来自专栏开源部署
RDO 安装 OpenStack
总体分手动、自动部署；rdo是RedHat提供的openstack的部署方法，很简单，而且OpenStack的最新版本RedHat貌似是最早出现，目前是i版本！ 名字别写错，不是下划线) 3-1如果之前没创建，安装完毕后会创建一个名为cinder-volumes大小是20GB的卷出来； 3-2大小是20GB的卷那么你cinder最大就可以创建20GB的volume； 3- 部署HA环境推荐查看fule！很强大！
70120编辑于 2022-07-01 好物周刊#147：字魂
2. oMLX[2] 在 Apple Silicon 上支持文本 LLM、视觉语言模型（VLM）、OCR 模型、嵌入模型和重排序模型。 3.
12810编辑于 2026-04-13- 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
1.7K30发布于 2019-02-14 - 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
2.2K110发布于 2018-03-16
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