526互联

上下文 学习方法 上下 数字

BST查找结构与折半查找方法的实现与实验比较

简介 作业：查找结构与排序方法 作业题目： BST 查找结构与折半查找方法的实现与实验比较 要求编写程序实现 BST 存储结构的建立（插入）、删除、查找和排序算法； 实现折半查找算法；比较 BST 查找与折半查找方法的时间性能。 作业要求： 1． 设计 BST 的左右链存储结构，并实现 BST 插入 ......
结构 方法 BST

迁移学习（DANN）《Unsupervised Domain Adaptation by Backpropagation》

论文信息 论文标题：Domain-Adversarial Training of Neural Networks论文作者：Yaroslav Ganin, Evgeniya Ustinova, Hana Ajakan, Pascal Germain论文来源：JMLR 2016论文地址：download ......
Backpropagation Unsupervised Adaptation Domain DANN

虚假新闻检测-迁移学习（CADM）《Unsupervised Domain Adaptation for COVID-19 Information Service with Contrastive Adversarial Domain Mixup》

论文信息 论文标题：Unsupervised Domain Adaptation for COVID-19 Information Service with Contrastive Adversarial Domain Mixup论文作者：Huimin Zeng, Zhenrui Yue, Ziyi ......
Domain Unsupervised Adversarial Contrastive Information

salesforce零基础学习（一百二十三）Transaction Security 浅入浅出

本篇参考： https://help.salesforce.com/s/articleView?id=sf.enhanced_transaction_security_policy_types.htm&type=5 https://developer.salesforce.com/docs/atla ......
Transaction salesforce Security 基础

Salesforce LWC学习(四十) datatable的dynamic action的小坑浅谈

本篇参考：https://developer.salesforce.com/docs/component-library/bundle/lightning-datatable/documentation 我们在项目中会用到针对table等显示 dynamic action的情况，即基于每行的特有属性 ......
小坑 Salesforce datatable dynamic action

Javascript | 分别用async await异步方法和Promise来实现一个简易的求职程序

关注公众号，一起交流，微信搜一搜: LiOnTalKING JavaScript Promise Promise 是一个 ECMAScript 6 提供的类，目的是更加优雅地书写复杂的异步任务。 如何创建一个 Promise 对象？ new Promise(function (resolve, re ......
Javascript 简易 Promise 程序 方法

【ASP.NET Core】MVC操作方法如何绑定Stream类型的参数

咱们都知道，MVC在输入/输出中都需要模型绑定。因为HTTP请求发送的都是文本，为了使其能变成各种.NET 类型，于是在填充参数值之前需 ModelBinder 的参与，以将文本转换为 .NET 类型。 尽管 ASP.NET Core 已内置基础类型和复杂类型的各种 Binder，但有些数据还是不能 ......
参数 类型 方法 Stream Core

强化学习调参技巧二：DDPG、TD3、SAC算法为例：

强化学习调参技巧二：DDPG、TD3、SAC算法为例：先写一个简化版的训练环境。把任务难度降到最低，确保一定能正常训练。记录正常训练的智能体的分数，与随机动作、传统算法得到的分数做比较。 DRL算法的分数应该明显高于随机动作（随机执行动作）。DRL算法不应该低于传统算法的分数。如果没有传统算法，那么... ......
算法 技巧 DDPG TD3 SAC

实用！7个强大的Python机器学习库！⛵

本文整理了7个非常有效的机器学习Python库：Prophet、Deep Lake、Optuna、pycm、NannyML、ColossalAI、emcee，用简单的方式编写复杂且耗时的代码，大大提升工作效率！ ......
机器 Python

就离谱！使用机器学习预测2022世界杯：小组赛挺准，但冠亚季军都错了 ⛵

本文使用机器学习建模对 FIFA 2022世界杯结果进行了预测，赛后将其与真实结果进行比较，可以看出：小组赛到1/4决赛的预测准确率很高，半决赛和决赛的预测准确率为0，冠亚季军无一预测准确。 ......
季军 小组赛 小组 机器 世界

作者推荐 | 【分布式技术专题】「架构设计方案」图解学习法总结集群模式下的各种软负载均衡策略实现及原理分析

通常来说，负载均衡分为硬件负载均衡及软件负载均衡。硬件负载均衡，顾名思义，在服务器节点之间安装专门的硬件进行负载均衡的工作，F5或者A10便为其中的佼佼者。软件负载均衡则是通过在服务器上安装的特定的负载均衡软件或是自带负载均衡模块完成对请求的分配派发。例如，平时我们使用的Nginx或者API-Gat... ......
分布式 集群 架构 原理 策略

Scrum敏捷开发方法实践

前言 作者所在的公司在项目开发的过程中采用着当下互联网公司中流行的小步快跑开发策略，特别借鉴了敏捷开发中的迭代递增思想来指导项目的开发。我们经过对相关敏捷开发方法的调查研究，最终采用了Scrum敏捷开发方法来管理项目。敏捷开发思想和相关方法的应用降低了项目的风险，极大地提升了项目团队对需求变更的响应 ......
方法 Scrum

gtest学习教程(从0到1)

gtest使用教程 1 简介 之前对gtest一无所知,最近,找了些相关的资料,学习了下.这里主要记录了学习过程和相关知识点. 什么是gtest: gtest测试框架是在不同平台上（Linux，Mac OS X，Windows，Cygwin，Windows CE和Symbian）为编写C++测试而生 ......
学习教程 教程 gtest

Django框架：10、Ajax补充说明、多对多三种创建方法、Django内置序列化组件、批量操作数据方法、分页器思路

Django框架 一、Ajax补充说明 1、针对前端回调函数接受值的说明 主要针对回调函数args接收到的响应数据 1、后端如何判断请求发出方式 关键词：is_ajax() 通过request点的方式可以判断请求是否由Ajax发出 def home(request): print(request.i ......
方法 Django 序列 组件 框架

带你读AI论文丨针对文字识别的多模态半监督方法

摘要：本文提出了一种针对文字识别的多模态半监督方法，具体来说，作者首先使用teacher-student网络进行半监督学习，然后在视觉、语义以及视觉和语义的融合特征上，都进行了一致性约束。 本文分享自华为云社区《一种针对文字识别的多模态半监督方法》，作者： Hint 。 摘要 直到最近，公开的真实场 ......
模态 文字 方法 论文

ubuntu1804搭建FTP服务器的方法

搭建FTP服务器 FTP的工作原理： FTP：File Transfer Protocol ，文件传输协议。属于NAS存储的一种协议，基于CS结构。 ftp采用的是双端口模式，分为命令端口和数据端口，命令端口对应命令通道，数据端口对应数据通道。 命令端口：FTP服务器的命令端口默认是tcp/21 数 ......
服务器 方法 ubuntu 1804 FTP

MIT6.828学习笔记3(Lab3)

在这个lab中我们需要创建一个用户环境（UNIX中的进程，它们的接口和实现不同），加载一个程序并运行，并使内核能够处理一些常用的中断请求。 ......
笔记 MIT6 Lab3 MIT 828

（数据科学学习手札147）Python GIS利器shapely全新2.0版本一览

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 大家好我是费老师，我写过很多篇介绍geopandas相关技术的文章，而geopandas之所以如此高效易用，成为Python GIS生态中的翘楚，离 ......
手札 利器 一览 shapely 版本

Pytorch学习笔记之tensorboard

训练模型过程中，经常需要追踪一些性能指标的变化情况，以便了解模型的实时动态，例如：回归任务中的MSE、分类任务中的Accuracy、生成对抗网络中的图片、网络模型结构可视化…… 除了追踪外，我们还希望能够将这些指标以动态图表的形式可视化显示出来。 TensorFlow的附加工具Tensorboar... ......
tensorboard Pytorch 笔记

学习ASP.NET Core Blazor编程系列十六——排序

在本篇文章我们来学习如何进行对列表按标题进行排序。 通过前面的教程学习，你可以实现一个简单的书籍管理系统。 在本教程将向图书列表页面中添加排序功能。 ......
Blazor Core ASP NET

学习ASP.NET Core Blazor编程系列十七——文件上传（上）

从本篇文章开始我们来讲在图书租赁系统中如何使用内置的文件上传组件进行文件上传功能的开发。本文的示例适合上传小型文件。本篇文章演示如何通过Blazor的内置组件InputFile将文件上传至服务器。 ......
文件 Blazor Core ASP NET

SpringBoot源码学习2——SpringBoot x Mybatis 原理解析（如何整合，事务如何交由spring管理，mybatis如何进行数据库操作）

阅读本文需要spring源码知识，和springboot相关源码知识 对于springboot 整合mybatis，以及mybatis源码关系不密切的知识，本文将简单带过 系列文章目录和关于我 涉及到spring ioc原理，可移步学习：Spring源码学习笔记12——总结篇IOC，Bean的生命周 ......
SpringBoot 源码 原理 事务 Mybatis

深度学习炼丹-数据增强

在工业界，数据预处理步骤对模型精度的提高的发挥着重要作用。对于机器学习任务来说，广泛的数据预处理一般有四个阶段（视觉任务一般只需 Data Transformation）: 数据清洗(Data Cleaning)、数据整合(Data Integration)、数据转换(Data Transforma... ......
深度 数据

深度学习炼丹-超参数调整

所谓超参数，即不是通过学习算法本身学习出来的，需要作者手动调整（可优化参数）的参数(理论上我们也可以设计一个嵌套的学习过程，一个学习算法为另一个学习算法学出最优超参数)，卷积神经网络中常见的超参数有: 优化器学习率、训练 Epochs 数、批次大小 batch_size 、输入图像尺寸大小。 ......
深度 参数

Gorm源码学习-创建行记录

1. 前言 Gorm源码学习系列 Gorm源码学习-数据库连接 此文是Gorm源码学习系列的第二篇，主要梳理下通过Gorm创建表的流程。 2. 创建行记录代码示例 gorm提供了以下几个接口来创建行记录 一次创建一行 func (db *DB) Create(value interface{}) ( ......
源码 Gorm

深度学习炼丹-不平衡样本的处理

数据层面的处理方法总的来说分为数据扩充和数据采样法，数据扩充会直接改变数据样本的数量和丰富度，采样法的本质是使得输入到模型的训练集样本趋向于平衡，即各类样本的数目趋向于一致。 ......
样本 深度

使用C# 11的静态接口方法改进 面向约定 的设计

C# 11带来了一个我期待已久的特性——接口方法。我们知道接口是针对契约的定义，但是一直以来它只能定义一组“实例”的契约，而不能定义类型（的静态成员）的契约，因为定义在接口中的方法只能是实例方法。由于缺乏针对“类型契约”的支持，我们在设计一些框架或者类库的时候，只能采用“按照约定”的设计，比如ASP... ......
静态 接口 方法

数据驱动测试-从方法探研到最佳实践

作者：刘红妍 导读 在自动化测试实践中，测试数据是制造测试场景的必要条件，本文主要讲述了在沟通自动化框架如何分层，数据如何存储，以及基于单元测试pytest下如何执行。并通过实践案例分享，提供数据驱动测试的具体落地方案。 基本概念 数据驱动测试（DDT）是一种方法，其中在数据源的帮助下重复执行相同顺 ......
方法 数据

.NET 云原生架构师训练营（基于 OP Storming 和 Actor 的大型分布式架构一）--学习笔记

目录 为什么我们用 Orleans Dapr VS Orleans Actor 模型 Orleans 的核心概念 为什么我们用 Orleans 分布式系统开发、测试的难度（服务发现、通信） 运维的复杂度（伸缩性与可靠性的保障） actor 拥有全局唯一身份 自动伸缩功能 Dapr VS Orlean ......
架构 分布式 Storming 笔记 Actor

【机器学习】李宏毅——自监督式学习

本文介绍了近几年比较火热的自监督式学习，并介绍了其中最具有代表性的BERT算法和GPT算法，其中对BERT算法进行了详细叙述。 ......
机器
共21300篇  :693/710页 首页上一页693下一页尾页