深度 解释器 底层metaclass
GIS融合之路（二）CesiumJS和ThreeJS深度缓冲区整合
在这篇文章开始前再次重申一下，山海鲸并没有使用ThreeJS引擎。但由于ThreeJS引擎使用广泛，下文中直接用ThreeJS同CesiumJS的整合方案代替山海鲸中3D引擎和CesiumJS整合。 系列传送门： 山海鲸可视化：GIS融合之路（一）技术选型CesiumJS/loaders.gl/iT ......
[oeasy]python0004_游乐场_和python一起玩耍_python解释器_数学运算
和python玩耍 🥊 Python 回忆 上次 了解shell环境中的命令 命令 作用 whoami 显示当前用户名 pwd 显示当前文件夹 ls 列出当前文件夹下的内容 python3 仿佛进入大于号黑洞 添加图片注释，不超过 140 字（可选） 这python3 怎么玩啊！😠 说好的pyt ......
解释flex: 1 1 0%;flex: 1 1 auto;flex: 0 1 auto;flex: none;
以上内容为我学习时搜索的资料，结合自己的理解，截图是为了快速的记录，有错误地方可以留言我会进行修改 flex: 0 1 auto; 概括： 自适应时，不增大，只缩小， flex: 1 1 auto; 概括：自适应时，即增大也缩小 flex: 1 1 0%; 概括：基准值为0，自适应时即可以增大也可以 ......
backbone、head、neck等深度学习中的术语解释
我们在阅读文章的时候，经常看到backbone head neck 这一类的术语，但是我们可能并不知道是什么意思，这篇文章就是对这些术语进行解释： backbone： 翻译为主干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？这个主干网络大多时候指的是提取特征的网络，其作用就是 ......
提升源代码安全性的C#和Java深度混淆工具——IpaGuard
提升源代码安全性的C#和Java深度混淆工具——IpaGuard 摘要 Ipa Guard是一款功能强大的IPA混淆工具，通过对iOS IPA文件进行混淆加密，保护其代码、资源和配置文件，降低破解反编译难度。本文将介绍Ipa Guard的深度混淆技术，包括逻辑混淆、名称混淆以及处理特殊情况的方法，帮 ......
C#中的List<T>和Dictionary<TKey, TValue>的底层原理
List<T>和Dictionary<TKey, TValue>本质上上是顺序表，用数组来存储数据，在添加和删除数据时，如果需要调整数组长度，则需要进行数组拷贝。 也可以理解成就是对数组的一种扩展，从而使开发者更方便的调用添加、删除、插入等操作。 所以，优化的思路是，对于大概知道元素的数量时，在实例 ......
解释器模式(interpretor)
1 #include <iostream> 2 #include <string> 3 #include <vector> 4 #include <stdio.h> 5 using namespace std; 6 7 //抽象的表达式对象以及Context对象 8 //用于保存计算的中间结果以及当 ......
转载：深度学习：蒸馏Distill
转载，写的比较好了，可以参考：https://blog.csdn.net/pipisorry/article/details/117257414 Distilling the knowledge in a neural networkHinton 在论文中提出方法很简单，就是让学生模型的预测分布，来 ......
Linux 目录命名解释
Linux 有一个分层的文件系统结构，一切皆文件，包括硬件设备和目录。 根目录是 /，它是文件系统层级的最顶层。 常见的目录包括： /bin - 存放基本可执行文件 /etc - 存放系统配置文件，如 /etc/hosts /home - 存放用户主目录 /var - 存放经常变化的文件，比如日志文 ......
代码随想录 day16 N 叉树的最大深度 完全二叉树的节点个数
N 叉树的最大深度 这题昨天做过二叉版本 n叉区别不大 完全二叉树的节点个数 层级遍历 入que的数量就是节点个数 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
06-无状态应用：剖析 Kubernete 业务副本及水平扩展底层原理
在上两节课中，我们已经了解了 Kubernetes 中最关键的对象 Pod，也学习了一些 Pod 的常见用法。 每一个 Pod 都是应用的一个实例，但是通常来说你不会直接在 Kubernetes 中创建和运行单个 Pod。因为 Pod 的生命周期是短暂的，即“用后即焚”。理解这一点很重要，这也是“不 ......
Golang实现JAVA虚拟机-指令集和解释器
原文链接：https://gaoyubo.cn/blogs/f57f32cf.html 前置 Golang实现JAVA虚拟机-解析class文件 Golang实现JAVA虚拟机-运行时数据区 一、字节码、class文件、指令集的关系 class文件（二进制）和字节码（十六进制）的关系 class文件 ......
字体命名后缀解释
NF NF: Nerd Fonts，Nerd Fonts 是一个开源项目，它提供了一系列专门为开发者和终端用户设计的字体，它们包含大量的字形和符号。这些图体内置了图标集合，如 Powerline、FontAwesome、Devicons、Octicons、Material Design Icons ......
QMap深度拷贝
QMap深度拷贝 #include <QMap> #include <QPair> #include <QDebug> QMap<int, QString> deepCopyQMap(const QMap<int, QString>& source) { QMap<int, QString> tar ......
【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34800 原文出处：拓端数据部落公众号 2023年，中国经济从高速向高质量转型，众多保险公司将队伍转型视为寿险行业供给侧改革的关键。以招募和培养专业、职业绩优人才为核心的策略，成为代理人队伍转型的重要方向。阅读原文，获取专题报告合集全文，解锁文末 ......
深度学习模型部署TensorRT为何如此优秀？
一、前言 PyTorch模型的高性能部署问题，主要关注两个方面：高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点，但是相比C++来说速度较慢而且比较费内存，一般高性能场景都是使用C++去部署，尽量避免使用python环境。 TensorRT为什么那么快，因为 ......
怎么和 4 岁的小朋友解释「为什么远处的东西看上小，近处的东西看上去大？」，怎么回答才能让他听懂？
怎么和 4 岁的小朋友解释「为什么远处的东西看上小，近处的东西看上去大？」，怎么回答才能让他听懂？ 四岁的小朋友问：为什么远处的东西看上小，近处的的东西看上去大？我要怎么回答才能让他听懂？ 两小儿辩日 / 两小儿辩斗 [ 先秦 ] 列御寇 孔子东游，见两小儿辩斗，问其故。 一儿曰：“我以日始出时去人 ......
Flink的waterMark概念解释 watermark是flink为了处理event time窗口计算提出的一种机制，本质上就是一个时间戳，代表着比这个时间早的事件已经全部进入到相应的窗口，后续不会在有比这个时间小的事件出现，(触发)基于这个前提我们才有可能将event time窗口视为完整并触发窗口的计算。
Flink的waterMark概念解释 watermark是flink为了处理event time窗口计算提出的一种机制，本质上就是一个时间戳，代表着比这个时间早的事件已经全部进入到相应的窗口，后续不会在有比这个时间小的事件出现，(触发)基于这个前提我们才有可能将event time窗口视为完整并触 ......
PM-数据治理中，常用的术语解释
1 指标 是表征和评价一项或多项经营活动业务绩效的指示。指标由指标名称和指标数值两部分组成，指标名称及其涵义体现指标在质和量方面的规定性，指标数值反映指标在具体对象在特定时间、空间、条件下的数量表现。 2 维度 维度是指数据分析中用来描述和分类数据的属性或特征。在数据分析中，维度通常用于对数据进行分 ......
深度估计之SCDepth系列
SC-Depth系列。 SCDepthV1 之前的单目深度估计网络的重投影损失，更多的是利用前后帧的颜色误差进行约束，得到了比较精确的结果。但它们基本上都有一个共性问题：深度值不连续！连续几张图像之间的深度值不连续！也就是说，在不同的帧上产生尺度不一致的预测，因为它们承受了每帧图像的尺度不确定性。这 ......
CUDA驱动深度学习发展 - 技术全解与实战
全面介绍CUDA与pytorch cuda实战 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人 一、CUDA：定义与演进 CUDA（ ......
mysql底层join算法
暴力 Nested-Loop Join 走索引的 index-Nested-Loop Join 缓冲块的 blocked-Nested-Loop Join mysql join 底层实现_mysql join实现算法-CSDN博客 走index loop join ，说明如果联表走主键，就算条件不走 ......
深度可分离卷积
深度可分离卷积，使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积，获得 8×8×256 的输出，直接的卷积方法是使用 256 个 5×5×3 的卷积核（无 padding、步长为 1，下同）。此时卷积层的参数量为 19200，卷积 ......
深度学习图像复原之去雨：常用数据集介绍
可能有帮助的链接：https://paperswithcode.com/task/single-image-deraining 合成数据集 Rain100H 出自 CVPR 2017 论文 Deep Joint Rain Detection and Removal from a Single Ima ......
CHAT GPT全称及其发展历程深度剖析
CHAT GPT全称为Conversational Generative Pre-trained Transformer，是一种由OpenAI开发的自然语言处理模型。该模型旨在生成流畅且连贯的对话回复，从而在聊天机器人应用中表现出卓越的性能。 CHAT GPT的发展起始于OpenAI提出的GPT架构 ......
动手学深度学习v2：数据操作+数据预处理
数据操作 import torch x=torch.arange(12) # x的output为 tensor([0,1,2,3,4,5,6,7,8,9,10,11]) # 可以通过张量的shape属性来访问张量的形状和张量中元素的总数 x.shape # output: torch.Size([1 ......
Elasticsearch底层系列之Shard Allocation机制（转）
转自：https://cloud.tencent.com/developer/article/1361266 背景 Elasticsearch由一些Elasticsearch进程(Node)组成集群，用来存放索引(Index)。为了存放数据量很大的索引，Elasticsearch将Index切分成多 ......
机器学习周刊03:如何学习深度学习？2024 年学习生成式 AI 路线图、如何构建高效的RAG系统、苹果 腾讯最新论文、阿里DreaMoving
腾讯推出的 AppAgent，是一个多模态智能体，通过识别当前手机的界面和用户指令直接操作手机界面，能像真实用户一样操作手机！ 机器学习周刊：关注Python、机器学习、深度学习、大模型等硬核技术 1、如何学习深度学习？ 最近X上有推友重提这篇文章，是网友看过 Jeremy 教授的 fast.ai ......
浏览器底层原理-工作机制
浏览器工作机制 浏览器是多进程多线程的应用，启动浏览器后，会自动启动多个进程（渲染进程、网络进程,存储服务等），每个进程中又包含多个线程协同工作。 渲染主线程工作方式 在浏览器的诸多进程中，渲染进程承担着最重要的工作。渲染进程中有一个渲染主线程，负责解析HTML、解析CSS、计算样式、布局、处理图层 ......