- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机魔术师
【腾讯云｜云原生】自定制轻量化表单Docker快速部署
本文将为展示在该服务器上部署轻量化定制表单服务为例带你一文走进该服务器的方方面面。 在这里插入图片描述 图片 先放效果图！！ Github开源地址✨✨： 自定制轻量化表单 一款基于pywebio 快速开发的表单，实现设置每个校区每个时间段只能被预约一次。 Github开源地址✨✨： 自定制轻量化表单 有问题欢迎大家提出issues！ 如果喜欢请点点一个小小的star！！ 点赞，关注收藏！
61710编辑于 2023-10-12 - 来自专栏计算机魔术师
【腾讯云｜云原生】自定制轻量化表单Docker快速部署
本文将为展示在该服务器上部署轻量化定制表单服务为例带你一文走进该服务器的方方面面。先放效果图！！ Github开源地址✨✨： 自定制轻量化表单一款基于pywebio 快速开发的表单，实现设置每个校区每个时间段只能被预约一次。 Github开源地址✨✨： 自定制轻量化表单有问题欢迎大家提出issues！ 如果喜欢请点点一个小小的star！！ 点赞，关注收藏！
47820编辑于 2023-11-09 - 来自专栏计算机魔术师
【腾讯云｜云原生】自定制轻量化表单Docker快速部署
🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）
81630编辑于 2023-09-30 轻量化 vs 定制化：不同规模企业如何选择 MyEMS 部署模式？
一、核心认知：轻量化与定制化 MyEMS 的本质差异要做出正确选择，首先需明确两种部署模式的核心定义与适用边界。 “轻量化 + 模块化定制” 的适配性：平衡成本与需求：以轻量化方案为基础，仅针对核心个性化需求（如系统对接、自定义报表）付费定制，避免全定制的高投入（例如某中型电子厂在轻量化基础上，额外支付 15 万定制 万，优先轻量化；若预算＞50 万，可考虑定制化（需结合需求复杂度）。 四、结语：没有 “最好”，只有 “最适配”轻量化与定制化 MyEMS 部署模式，并无绝对的 “优劣之分”—— 轻量化胜在 “低成本、快落地”，适合需求简单的小微企业；定制化胜在 “深适配、高价值”，适合需求复杂的大型企业 ；而中型企业则可通过 “轻量化 + 模块化定制” 找到平衡点。
24910编辑于 2025-10-14- 来自专栏DevOps时代的专栏
轻量化 Jenkins 最佳实践
前言 今天分享主题主要分成三个部分： 第一部分，Jenkins跟持续交付； 第二部分，Jenkins轻量化思路； 第三部分，Jenkins高可用实践。 二、Jenkins轻量化思路 2.1、使用jenkins的常见问题 接下来就是我今天所要谈的重点，刚才解释了为什么Jenkins所代表的CI/CD如此之重要，但现实里Jenkins还是会出现这样那样的问题 我们不希望Jenkins承载更多的东西，这也是为什么我提出轻量化Jenkins的概念，初衷在于给Jenkins减负。 ? 接下来我们看一看Jenkins的系统架构。 2.6、轻量化解决之道 那么轻量化的概念到底是什么意思呢？ 那么在实践Jenkins轻量化解决之道的过程中，我总结了一些套路和体系，其中以下八点内容希望可以帮助大家解决一些实际生产工作中Jenkins的性能问题，同时扩展大家的思路，共同探索Jenkins应用的最佳实践
4.9K90发布于 2018-02-02 - 来自专栏集智书童
全新轻量化模型 | 轻量化沙漏网络助力视觉感知涨点
人体姿态估计（HPE）是计算机视觉中的一项经典任务，它主要通过识别人的关节的位置来表示人的方向。HPE可以用来理解和分析人类的几何和运动相关信息。Newell等人在Mask3D中提出的堆叠沙漏架构是第一个基于深度学习的HPE方法之一，因为经典方法在此之前主导了HPE文献。
1.4K30编辑于 2023-02-26 - 来自专栏SIGAI学习与实践平台
轻量化神经网络综述
目前工业级和学术界设计轻量化神经网络模型主要有4个方向：(1)人工设计轻量化神经网络模型、(2)基于神经网络架构搜索（Neural Architecture Search,NAS）的自动化设计神经网络； 1基本卷积运算 手工设计轻量化模型主要思想在于设计更高效的“网络计算方式”（主要针对卷积方式），从而使网络参数减少，并且不损失网络性能。 对比MobileNet V1&V2，ShuffleNet V1&V2模型（图 17），手工设计轻量化模型主要得益于depth-wise convolution减少计算量，而解决信息不流畅的问题，MobileNet 很多轻量化模型重复 block 架构，只改变滤波器尺寸和空间维度。论文提出的层级搜索空间允许模型的各个 block 包括不同的卷积层。 工业界不仅在设计轻量化模型（MobileNet V1&V2，ShuffleNet V1&V2系列），也在不断实践如何进一步压缩模型，在便携式终端设备实现准确率、计算速率、设备功耗、内存占用的小型化。
4.8K51发布于 2018-09-27 工厂端部署轻量化模型
在工厂端部署轻量化模型通过TensorRT加速的ResNet，是制造业实现实时物料追溯与质量检测的关键技术路径。以下从技术原理、实施步骤、应用场景及优化策略四个维度展开说明：一、为何选择轻量化模型？ 模型轻量化改造架构优化： 将ResNet-50替换为ResNet-18或MobileNetV3，参数量减少80%以上。 AI方案模型选型： 基础模型：ResNet-34（ImageNet预训练） 轻量化后：剪枝至ResNet-12，INT8量化，体积从85MB→12MB。
1K10编辑于 2025-04-10- 来自专栏1996
轻量化网络 | MobileNet论文解析
但其使用深度可分离卷积层替换之前的全卷积层，以达到压缩参数数量并轻量化网络这一目标。 MobileNet除了第一层为全卷积层，其余层均为深度可分离卷积。 不同于Deep Compression，因为网络在定义时结构简单，因此我们可以简单地搜索网络的拓扑结构，从头直接训练出一个效果很好的轻量化网络。
1.2K10编辑于 2022-09-23 - 来自专栏全栈程序员必看
定制SwipeRefreshLayout
可是SwipeRefreshLayout只支持下拉刷新，没有上拉加载更多，这样是没办法满足我们的需要的，所以本文就对它进行一下定制，加上下拉刷新。 首先贴用法： xml: <? import android.widget.ListView; import android.widget.TextView; import com.utilslibrary.R; /** * 定制
1.7K10编辑于 2022-09-12 - 来自专栏SIGAI学习与实践平台
轻量化神经网络综述
目前工业级和学术界设计轻量化神经网络模型主要有4个方向： (1)人工设计轻量化神经网络模型； (2)基于神经网络架构搜索（Neural Architecture Search,NAS）的自动化设计神经网络 1、基本卷积运算 手工设计轻量化模型主要思想在于设计更高效的“网络计算方式”（主要针对卷积方式），从而使网络参数减少，并且不损失网络性能。 2.2 ShuffleNet V1 ShuffleNet是Face++提出的一种轻量化网络结构，主要思路是使用Group convolution和Channel shuffle改进ResNet，可以看作是 很多轻量化模型重复 block 架构，只改变滤波器尺寸和空间维度。论文提出的层级搜索空间允许模型的各个 block 包括不同的卷积层。 工业界不仅在设计轻量化模型（MobileNet V1&V2，ShuffleNet V1&V2系列），也在不断实践如何进一步压缩模型，在便携式终端设备实现准确率、计算速率、设备功耗、内存占用的小型化。
1.3K20发布于 2018-10-18 - 来自专栏为了不折腾而去折腾的那些事
GitLab 14 轻量化运行方案
前不久分享了关于最新版本的 GitLab 的试用体验，《试用 GitLab 14 以及中国发行版：极狐》。
5.7K21发布于 2021-07-14 - 来自专栏集智书童
最新轻量化Backbone | FalconNet汇聚所有轻量化模块的优点，成就最强最轻Backbone
设计具有小参数和Flops的轻量化CNN模型是一个突出的研究问题。 占了参数和Flops的很大比例，但缺乏使其轻量化的有效方法。 为了解决这些问题，本文将轻量化CNNs的4个重要组成部分从粗到细分解并重新设计： 设计了一个称为LightNet的轻量化整体架构，该架构通过简单地实现其他轻量化CNN的BasicBlock来获得更好的性能 基于以上4个重要组成部分，作者提出了一个新的轻量化CNN模型FalconNet。实验结果表明，与现有的轻量化神经网络相比，FalconNet可以以更低的参数和浮点数实现更高的精度。 （轻量化ConvNet的因子分解）。
1.6K20编辑于 2023-09-04 - 来自专栏大侠之运维
轻量化的远控工具
在今天的数字化时代，远程控制工具变得越来越重要，无论是用于远程技术支持、服务器管理还是其他远程操作。natpass是一款轻量级的远程控制工具，它提供了强大的功能和安全性，使您能够轻松地远程管理您的计算机和服务器。本文将介绍natpass的功能、部署过程以及如何使用它，帮助您充分了解这个有用的工具。
72810编辑于 2024-10-09 - 来自专栏为了不折腾而去折腾的那些事
GitLab 14 轻量化运行方案
前不久分享了关于最新版本的 GitLab 的试用体验，《试用 GitLab 14 以及中国发行版：极狐》。
3.8K40发布于 2021-07-16 知识图谱轻量化构建方案
知识图谱轻量化构建方案——面向海量医药文本的RAG系统优化实践文档信息文档版本：V1.1适用场景：医药领域海量文本RAG知识库构建、专业知识问答系统核心创新：上下文-联系轻量化图谱+上下文级Embedding 本文提出上下文-联系轻量化知识图谱构建方案，摒弃实体关系强约束与Chunk级Embedding范式，以上下文语义片段抽取+轻量关联+上下文级向量表征为核心，配套混合检索+评估模型质量校验+图谱动态纠错自学习全链路 三、核心方案：上下文-联系轻量化图谱全链路设计3.1核心范式重构图谱范式：摒弃实体-关系（E-R），采用上下文-联系（Context-Link）轻量化结构；向量范式：摒弃传统Chunk级Embedding 五、全流程技术实现5.1整体架构展开代码语言：TXTAI代码解释海量文本入库→文本分块→批量上下文抽取→正则原文校验→上下文级Embedding构建→轻量化图谱存储→用户Query检索→混合检索（语义+ 初始关联构建基于语义相似度自动生成上下文间的联系（Link），完成轻量化图谱初始化存储。
13510编辑于 2026-04-20- 来自专栏全栈程序员必看
mobilenet改进_常用的轻量化网络
最近出了一篇旷视科技的孙剑团队出了一篇关于利用Channel Shuffle实现的卷积网络优化——ShuffleNet。我关注了一下，原理相当简单。它只是为了解决分组卷积时，不同feature maps分组之间的channels信息交互问题，而提出Channel Shuffle操作为不同分组提供channels信息的通信的渠道。然而，当我读到ShuffleNet Unit和Network Architecture的章节，考虑如何复现作者的实验网络时，总感觉看透这个网络的实现，尤其是我验算Table 1的结果时，总出现各种不对。因此我将作者引用的最近几个比较火的网络优化结构（MobileNet，Xception，ResNeXt）学习了一下，终于在ResNeXt的引导下，把作者的整个实现搞清楚了。顺带着，我也把这项技术的发展情况屡了一下，产生了一些个人看法，就写下这篇学习笔记。
1.2K10编辑于 2022-10-03 - 来自专栏Android群英传
Flutter混编工程之轻量化改造
轻量化改造的意义 轻量级Flutter渲染引擎的核心是将Flutter作为一个「渲染器」，它的唯一功能就是将Native端传来的数据绘制成相应的界面，其它所有交互操作，都通过Channel桥接到Native 所以，Flutter轻量化改造重要原因，就是需要「尽可能多的复用原生已有的逻辑」，例如图片框架、网络、埋点，而不是在Flutter中去全部再实现一遍。 同时，Flutter轻量化改造也是对EngineGroup架构的最佳实践，在EngineGroup架构下，我们需要将数据源放到原生侧，从而保证多Engine的数据共享。 轻量化改造实践 首先，我们通过Pigeon生成接口协议和调用代码，原生侧分别基于当前协议来进行开发。 不过，我们需要解决Pigeon CLI脚本只能有一个协议文件的问题。 所以，我们需要对轻量化Flutter框架做进一步改造。
94210编辑于 2022-03-31 - 来自专栏AI科技评论
砖家：轻量化网络利好红米
为此，研究人员提出了一个叫做 Lite-Web（轻量化网页）的解决方案，可使网页在低端手机上加载速度更快，处理起来更容易。
55320编辑于 2023-02-23 桥梁轻量化监测有几种类型?
轻量化监测系统是近年来交通基础设施智慧化领域的热点概念，已密集出现在国家级政策文件中。 实践中，桥梁轻量化监测并未形成统一范式，而是随着政策导向与技术发展呈现出明显的类型分化，不同类型的设计理念、技术路径与应用场景各有侧重：一、早期针对性轻量化监测(江苏先行模式)这一类型是轻量化监测概念的雏形 三、养护数字化导向型轻量化监测(全覆盖赋能模式)随着政策要求从 “重点监测” 向 “全面覆盖” 演进，多地开始推动轻量化监测系统的全域部署 —— 不仅包括高风险桥梁，也逐步延伸至普通服役桥梁。 这类轻量化监测的核心诉求是数据的实用性与连续性，需要通过多维度参数采集、智能化数据分析，为桥梁全生命周期养护提供科学依据。 结语桥梁轻量化监测的类型分化，本质上是政策需求、技术发展与管理目标三者动态适配的结果。
33910编辑于 2025-11-06
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