白鲸 数据分析 模型dataops
unapp(微信小程序)-跳转页面之后返回原页面保留原页面数据
1. 第一步：跳转至新页面 1 uni.navigateTo({ 2 url: `/pages-tracerecord/hn-contact？add=${encodeURIComponent(JSON.stringify( 3 { 4 ID: this.operate.ClientID, 5 Sit ......
数组的三种初始化及内存分析
Java内存：堆：存放new的对象和数组，可以被所有的线程共享，不会存放别的对象引用栈：存放基本变量类型（会包含这个基本类型的具体数值），引用对象的变量（会存放这个引用在堆里面的具体地址）方法区：可以被所有的线程共享，包含了所有的class和static变量三种初始化静态初始化：int[]a={1, ......
聊聊分布式 SQL 数据库Doris(五)
阅读 Doris SQL 原理解析，总结下Doris中SQL解析流程： 词法识别：解析原始SQL文本，拆分token 语法识别：将token转换成AST 单机逻辑查询计划：将AST经过一系列的优化（比如，谓词下推等）成查询计划，提高执行性能与效率。 分布式逻辑查询计划：根据分布式环境（数据分布信息、 ......
带你了解大语音模型的前世今生
大规模语言模型（Large Language Models，LLM），也称大规模语言模型或大型语言模型，是一种由包含数百亿以上参数的深度神经网络构建的语言模型，使用自监督学习方法通过大量无标注文本进行训练。 ......
小米二面：Redis 如何保证数据不丢失？
前段时间表妹收到了小米秋招补录的面试邀请，一面还算顺利，很快就通过了，但在看二面面试录屏的时候，我发现了一个问题，回答的不是很好，也就是我们今天要聊的这个问题：Redis 如何保证数据不丢失？ 很多人看到这个问题的第一反应是，这个问题不难，就是 Redis 的持久化技术嘛！但如果你这样回答，可能只能 ......
mysql的LIKE模糊查询，请使用模糊右查询，会走索引，模糊左查询和全查询，数据量大会导致索引失效
数据量大的前提下，最少几百万数据量： mysql的LIKE模糊查询，请使用模糊右查询。 验证如下：十几万的数据量 全模糊Like查询，索引丢失 mysql底层LOCATE语法查询，也会丢失索引 Like模糊右查询，索引并未丢失，走了索引 mysql使用模糊左查询，也会丢失索引 结论： 由此可见，my ......
数据类型拓展
整数拓展：进制二进制0b；八进制0；十进制；十六进制0x 十进制转二进制，将正的十进制除以二，得到商后再除以二，直到商为1或0时，然后各部余数填1，整数填0，然后倒着写出来，最后高位补零一个正的二进制的数转为负的只需要将该数的二进制码取反然后+1（补码）即可浮点拓展：浮点数一般都会存在舍入误差 ，所 ......
从源码分析 Redis 异步删除各个参数的具体作用
以前对异步删除几个参数的作用比较模糊，包括网上的很多资料都是一笔带过，语焉不详。 所以这次从源码（基于 Redis 7.0.5）的角度来深入分析下这几个参数的具体作用： lazyfree-lazy-user-del lazyfree-lazy-user-flush lazyfree-lazy-ser ......
数据结构之优先队列(java)
来源：https://blog.51cto.com/u_15912723/8561558 1: 概述队列的特点是: 先进先出(FIFO).入队列，将元素置于队尾; 优先队列不遵循先入先出的原则，而是分两种情况。最大优先队列，无论入队顺序如何，都是当前最大的元素优先出队。最小优先队列，无论入队顺序如何 ......
如何在langchain中对大模型的输出进行格式化
简介 我们知道在大语言模型中, 不管模型的能力有多强大，他的输入和输出基本上都是文本格式的，文本格式的输入输出虽然对人来说非常的友好，但是如果我们想要进行一些结构化处理的话还是会有一点点的不方便。 不用担心，langchain已经为我们想到了这个问题，并且提出了完满的解决方案。 langchain中 ......
PubMedBERT:生物医学自然语言处理领域的特定预训练模型
今年大语言模型的快速发展导致像BERT这样的模型都可以称作“小”模型了。Kaggle LLM比赛LLM Science Exam 的第四名就只用了deberta，这可以说是一个非常好的成绩了。所以说在特定的领域或者需求中，大语言模型并不一定就是最优的解决方案，“小”模型也有一定的用武之地，所以今天我 ......
读取excel数据并存入数据库
读取excel数据并存入数据库 全部字段插入数据 import openpyxl from openpyxl import Workbook import pymysql class Test: # 新建一个excel文件并写入内容,用的是openpyxl的方法 def write_file(sel ......
数据类型
强类型语言要求变量的使用要严格符合规定，所有变量都必需都先定义后才能使用Java的数据类型分两大类一.基本类型：1.数值类型：整数类型byte(-128~127)占一个字节范围；short(-32768~32767)占两个字节范围；int(-2147483648~2147483647)占四个字节范围 ......
读取excel数据并存入数据库
读取excel数据并存入数据库 全部字段插入数据 import openpyxlfrom openpyxl import Workbookimport pymysqlclass Test: # 新建一个excel文件并写入内容,用的是openpyxl的方法 def write_file(self ......
Walrus 0.4发布：单一配置、多态运行，体验下一代应用交付模型
全新应用模型上线一仅需单一配置，即可在多种模态的基础设施及环境中运行包括应用服务及周边依赖资源在内的完整应用.. ......
Oracle 数据库存储过程调用SpringBoot API 接口方法
数据库存储过程代码 CREATE OR REPLACE PROCEDURE FSMT.P_GET_HTTP_RES /* 描述：存儲過程掉用HTTP接口 作者：Janus 日期：2023-11-23 */ ( M_DOC_NO IN VARCHAR2, --?? M_DOC_TYPE IN VARC ......
知识竞赛小程序竞品分析
答题小程序竞品分析 答题活动小程序竞品分析 知识竞赛小程序竞品分析 ~ 从2020年开始，机缘巧合，我开始涉及答题小程序的开发，从最初的刷题场景到答题活动场景，已经走过了三个年头，这期间我开发的答题小程序产品也逐步完善 陆续推出了两个答题活动小程序模版，覆盖答题活动的方方面面 经过三年的沉淀，对这个 ......
图形渲染光线追踪技术分析
图形渲染光线追踪技术分析 在几何光学中，可以忽略光线的波动性而直接简化成直线，从而研究光线的物理特性。同样地，在计算机图形学，也可以利用这一特点，以简化光照着色过程。 此外，人类的眼睛接收到的光照信息是有限的像素，大多数人的眼睛在5亿像素左右。人类接收到的图像信息可以分拆成5亿个像素，也就是说，可以 ......
springboot多数据源切换2（mapper、service类注解）
1、引入依赖 <!--配置多数据源--> <dependency> <groupId>com.baomidou</groupId> <artifactId>dynamic-datasource-spring-boot-starter</artifactId> <version>3.5.0</vers ......
关于DNS配置记录与分析
title: 关于DNS配置记录与分析 tags: [DNS] url: https://www.carlzeng.top 版权声明: 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！ date: 2023-11-23 19:19:54 categories: DNS ......
Java基本数据类型及赋值注意事项
一、Java基本数据类型 1.基本数据类型（8个）整数型：byte / short / int / long浮点类型：double / float布尔类型：boolean字符类型：char 2.整数类型的赋值范围byte：（1个字节）8位 【-128~127】short：（2个字节）16位 【-32 ......
.net下功能强大的HTML解析库HtmlAgilityPack，数据抓取必备
HtmlAgilityPack是一个.NET平台下的HTML解析库，它可以将HTML文本转换为DOM文档对象，方便我们对HTML文本进行操作和分析。HtmlAgilityPack支持XPath语法，可以通过XPath表达式来获取DOM节点，同时还提供了一些方便的API，可以实现HTML文本的解析、修 ......
GWAS：plink进行meta分析
之前教程提到过Metal是可以做Meta分析，除了Metal，PLINK也可以进行Meta分析。 命令如下所示： plink --meta-analysis gwas1.plink gwas2.plink gwas3.plink + logscale qt --meta-analysis-snp-f ......
基于HOG特征提取和GRNN神经网络的人脸表情识别算法matlab仿真,测试使用JAFFE表情数据库
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 该算法主要由两个部分组成：HOG特征提取和GRNN神经网络。下面将详细介绍这两个部分的原理和数学公式。 1.HOG特征提取 HOG（Histogram of Oriented Gradients）是一种局部特征描 ......
在Megatron-Deepspeed项目中如何下载和预处理Wikipedia数据集
更详细的查看 https://github.com/marsggbo/Megatron-DeepSpeed/blob/main/tutorials/gpt2_wikipedia.md 下载Wikipedia压缩数据集（enwiki-latest-pages-articles.xml.bz2） 再使用 ......
熵模型-为什么使用条件概率优于个元素独立的全分解模型？
熵模型 论文<VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR 提出使用超先验，来捕获潜在表示的超先验。 追根溯源发现：在香农的通信理论中给出数学解释 即，使用联合分布比独立分布更优 如果有先验的信息，对后续编码而言其不确定性会更小，从而获得 ......
UML模型图之类图——以图书馆管理系统为例
UML模型图中类图是依据系统结构从静态观点描述系统的视图，它定义系统中的对象和类及类之间的关系，以及类的内部结构，即类的属性和操作。 通过分析图书管理系统的用例模型和系统功能需求，作为借阅者(Borrower)需要有查书、借书、还书的行为(BorrowerInf)，老师(Teacher)和学生(St ......
【数据结构】你能凑出一个等差数列吗？
一个静态问题 CF407E k-d-sequence 找一个最长的子区间使得加入至多 \(k\) 个数以后，排序后是一个公差为 \(d\) 的等差数列。 多解输出 \(l\) 最小的。 \(1 \leq n \leq 2 \times 10^5,0 \leq k \leq 2 \times 10^5 ......
大模型训练过程中用到的 gpt_merge.txt和gpt_vocab.json是干什么用的？
下面这边文章讲的非常清晰，原文链接：https://blog.csdn.net/ljp1919/article/details/113616226 ......
使用xgboost的c接口推理模型
title: 使用xgboost的c接口推理模型 banner_img: https://cdn.studyinglover.com/pic/2023/07/b5c4ecf9aa476ca1073f99b22fe9605e.jpg date: 2023-9-10 21:10:00 categorie ......