已找到以下 10000 条记录
  • Android学习之线程如何多次实现start

    以为网友的解释, 最后是结论,线程结束状态要再次start的话,就只能是new一个线程了。 当然了

    作者: ReCclay
    发表时间: 2022-02-21 18:11:31
    404
    0
  • 大前端学习--ES6 新特性

    ES6 新特性 一、ECMAScript 2015 1. ES2015共有三种作用域

    作者: 楚楚冻人玥玥仙女
    发表时间: 2021-11-18 18:02:11
    817
    0
  • Unreal MorphTarget Connect Bone & MetaData Curve功能学习

    MorphTarget Connected Bone和MetaData Curve是两个较冷门功能,近期在制作时留意到这2个内容,故研究一下。 1.MorphTarget Connected Bone 在骨架编辑面板中,选中MorphTarget时,可找到Connected Bone

    作者: UE5技术哥
    发表时间: 2024-04-10 21:53:14
    48
    0
  • 【DNS入门学习】之BIND递归查询

    一般客户机和服务器之间属递归查询,当客户机向DNS服务器发出请求后,若DNS服务器本身不能解析,则会向另外的DNS服务器发出查询请求,得到结果后转交给客户机。主机向本地域名服务器的查询一般都是采用递归查询。默认情况下bind关闭了转发查询,但是递归查询是开启的。 一、配置参数 1.

    作者: anna
    发表时间: 2017-11-25 15:05:06
    12180
    0
  • MySQL源码学习(六):线性预读

    InnoDB为了尽可能的让用户经常读取的数据都放在内存中,以减少磁盘的IO次数,提高读性能,加入了预读特性。这个特性会将用户很有可能使用到的数据预先加载到buffer pool中,当用户使用到这个数据时,就不必再从磁盘上读入,从而提升了数据的读取性能。然而一般数据库存储的数据量都会远远大于内存

    作者: 爱咬人的猫
    发表时间: 2018-03-10 19:37:45
    7396
    0
  • 《Spark机器学习进阶实战》——1.4.2 用户画像

    1.4.2 用户画像用户画像的核心工作就是给用户打标签,标签通常是人为规定的高度精炼的特征标识,如年龄、性别、地域、兴趣等。由这些标签集合能抽象出一个用户的信息全貌,每个标签分别描述了该用户的一个维度,各个维度相互联系,共同构成对用户的整体描述。构建用户画像的第一步就是搞清楚需要构建什么样的标签

    作者: 华章计算机
    发表时间: 2019-05-31 00:13:53
    6177
    0
  • 《Spark机器学习进阶实战》——2.4.2 准备数据

    2.4.2 准备数据我们提供的数据格式如下:用户[user] 签到时间[check-in time] 纬度[latitude] 经度[longitude] 位置标识[location id]数据样例如下:0 2010-10-19T23:55:27Z 30.2359091167 -97.7951395833

    作者: 华章计算机
    发表时间: 2019-05-31 01:34:20
    3443
    0
  • 《Python大规模机器学习》—1.3 ​Python包

    1.3 Python包下面介绍的软件包将在本书中经常使用。如果你没有使用科学发行版,我们会给你一个操作说明,告诉你应该决定使用哪些版本,以及如何快速成功地安装它们。1.3.1 NumPyTravis Oliphant创建的NumPy是Python语言中每个分析解决方案的核心。它为用户提供多维数组以及大量函数

    作者: 华章计算机
    发表时间: 2019-06-12 20:38:59
    2331
    0
  • 《Python大规模机器学习》—1.3.3 ​pandas

    1.3.3 pandaspandas能处理NumPy和SciPy无法做到的一切。特别是,由于其特定的对象数据结构、数据框和序列,它允许处理不同类型数据(NumPy数组无法做到)和时间序列的复杂数据表。由于Wes McKinney创造了它,让你能从不同数据源快速而稳定地加载数据,然后切片

    作者: 华章计算机
    发表时间: 2019-06-12 20:58:34
    2923
    0
  • 《Python大规模机器学习》—1.2.2 ​安装Python

    1.2.2 安装Python首先,创建一个数据科学工作环境,使用它来复制和运行本书中的示例,并为你自己的大型解决方案构建原型。无论你使用何种语言开发应用程序,Python都能轻松地获取你的数据,并从中构建模型,然后提取你在生产环境中进行预测所需的正确参数。Python是一种开源、面向对象和跨平台的编程语言

    作者: 华章计算机
    发表时间: 2019-06-12 17:10:54
    2219
    0
  • 《Spark机器学习进阶实战》——3.4.3 训练模型

    3.4.3 训练模型现在我们已经从数据集中提取了基本的特征并将数据转化成了libsvm文件格式,接下来进入模型训练阶段。为了比较不同模型的性能,将训练朴素贝叶斯和SVM,其他诸如逻辑回归、决策树等留给读者扩展实践。鉴于MLlib中RDD-based API将逐渐由Pipeline-based

    作者: 华章计算机
    发表时间: 2019-06-01 22:35:22
    6065
    0
  • SpringBootWebProject学习1、环境搭建

    ​  前言 距离本学期结束就要去实习的时间已经很短了,那么在这里我帮助大家完整的回忆一下SpringBoot的完整操作,为了更加直接体现完整的过程我会使用层叠法来完成这个系列文章,会从最新版本idea社区版本的下载开始,直至我们代码开发的整个阶段,可以将接口完全搞出来,

    作者: 红目香薰
    发表时间: 2024-06-30 21:47:41
    0
    0
  • Go语言学习5-切片类型

    引言 上篇我们介绍了 Go语言的数组类型,本篇将介绍Go语言的切片类型。主要如下: 主要内容 切片可以看作是对数组的一种包装形式。切片包装的数组称为该切片的底层数组。切片是针对其底层数组中某个连续片段的描述符。 1. 类型表示法 对于一个元素类型为T的切片类型来说,它的类型字面量就是

    作者: Huazie
    发表时间: 2024-01-25 14:37:02
    21
    0
  • 《跟唐老师学习云网络》 - Bridge网桥

    1 什么是Linux-Bridge咱们直接说人话:跟tap/tun、veth-pair是模拟网线的类似,Bridge也是照着物理设备的样子,在Linux系统里面虚拟出来的一种网络设备。因为它也是网络设备,所以可以配置 IP、MAC 等。然后它模拟的物理设备叫Hub(集线器)。 1.1

    作者: tsjsdbd
    发表时间: 2020-04-02 21:57:48
    15662
    0
  • 汽车操作系统架构学习研究-AUTOSAR

    1   引言汽车更像是一个数据中心。把所有的汽车系统都看成是在单一操作系统上运行的计算机,这是一个常见的错误。实际上,一辆普通的汽车有很多电子控制单元(ECU),就像一台台小型的计算机。它们都是不同的,负责不同的功能,工作在不同的操作系统上。1601285047630038696.

    作者: Jet Ding
    发表时间: 2020-09-28 17:35:12
    9043
    0
  • web前端学习:jQuery中元素

    创建元素及追加元素:    DOM中可以动态创建元素:document.createElement(“标签的名字”);     jQuery中同样可以创建元素标签,并且返回的就是jQuery对象,可以直接调用方法进行使用。append方法用来在元素的末尾追加元素(最后一个子节点)。

    作者: zhousn
    发表时间: 2020-08-16 23:04:41
    7705
    0
  • Python学习的自我理解和想法(28)

    学的是b站的课程(千锋教育),跟老师写程序,不是自创的代码! 今天是学Python的第28天,学的内容是冒泡排序。这是前面漏的一个知识点,开学了,时间不多,写得不多,见谅。 目录 1.冒泡排序简述 2.冒泡排序的起源与概念 3.冒泡排序的详细工作原理 4.Python 实现冒泡排序的多种方式

    作者: Pocker_Spades_A
    发表时间: 2024-12-06 01:15:32
    5
    0
  • Python学习的自我理解和想法(25)

    学的是b站的课程(千锋教育),跟老师写程序,不是自创的代码! 今天是学Python的第25天,学的内容是python对docx的操作。开学了,时间不多,写得不多,见谅。 目录 1.插件安装 2.写一个word文档 (1).创建一个新的 Word 文档 (2).添加标题 (3).添加段落

    作者: Pocker_Spades_A
    发表时间: 2024-12-06 00:25:16
    4
    0
  • Rplidar A1雷达投影到相机平面

    前言 在使用深度学习时候,我们可以有效地提取出我们想要的结果,但是常常会缺少深度信息(双目测景深会耗费大量的计算资源)。因此将激光雷达和单目摄像头相结合,可以有效的补充室内环境的深度信息,而目前3D的激光雷达成本高昂,这里提供一个2D激光雷达的解决方案。 1.

    作者: Hermit_Rabbit
    发表时间: 2022-09-21 12:33:02
    227
    0
  • 【论文阅读】Joint Unsupervised Learning of Deep Representations and Im

    在 [56] 中发现了一项关于联合优化两个任务的最新工作,其中作者训练了一个特定于任务的深度聚类架构。深度架构由稀疏编码模块组成,这些模块可以通过面向集群的损失的反向传播进行联合训练。然而,他们使用稀疏编码来提取图像的表示,而我们使用 CNN。

    作者: 海轰Pro
    发表时间: 2022-11-11 13:23:51
    95
    0