学习SQL

【模型调优的深入分析与Python实践】

模型调优的深入分析与Python实践一、模型调优的定义与目标模型调优（ModelTuning）是通过系统化调整机器学习模型的超参数和结构参数，使模型在特定数据集上达到最佳性能的过程。
蝉叫醒了夏天·2025-03-12 15:30

《Python全栈开发》第1课：认识全栈开发与Web工作原理

餐厅前厅顾客服务员点单厨师做菜传菜员送餐1.2对应到Web开发：餐厅角色Web开发对应关键技术服务员前端开发HTML/CSS/JavaScript厨师后端开发Python/Java/PHP传菜员数据库MySQL
程序员没睡醒·2025-03-12 15:00

量化交易中用到的回测评估指标（策略收益、基准收益、Alpha比率、Beta比率、夏普比率、索提诺比率）详解

故现阶段以学习量化交易的知识为主，多学多问总是没错的嘛~现阶段使用Python爬取交易数据来验证自己的一些选股逻辑，笔者目前去一家民营的券商开户后，券商赠送了Ptrade作为量化软件供客户使用，可回测可交易
林不更新·2025-03-12 15:59

2025最新QwQ-32B模型使用教程：从部署到实战，手把手教你玩转AI推理模型（附保姆级指南）

附保姆级指南）目录QwQ-32B模型简介与核心优势本地部署教程：从环境配置到模型运行实战案例：数学、编程与逻辑推理能力测试高级功能：Agent能力与FunctionCall详解常见问题与解决方案资源推荐与学习路径一
emmm形成中·2025-03-12 15:59

Vue.js 基础入门：从零开始构建你的第一个 Vue 应用

本文将带你从零开始学习Vue.js的基础知识，并完成一个简单的Vue应用。1.什么是Vue.js？Vue.js是一个用于构建用户界面的渐进式框架。它的核心库专注于视图层，易于与其他库或现有项目集成。
vvilkim·2025-03-12 15:28

机器学习模型-从线性回归到神经网络

在当今的数据驱动世界中，机器学习模型是许多应用程序的核心。无论是推荐系统、图像识别，还是自动驾驶汽车，机器学习技术都在背后发挥着重要作用。
Earth explosion·2025-03-12 15:57

神经网络探秘：原理、架构与实战案例

神经网络探秘：原理、架构与实战案例前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，可以分享一下给大家。点击跳转到网站。
二川bro·2025-03-12 14:56

Java过滤器

BWH_Steven的碎碎念javaweb体系只剩ajax和json加maven的讲解了，这段时间我会开始推送算法与数据结构结构的文章，从他们的入门知识到一些很实用的算法了解，亦或我们在java学习中留下的坑
淋风沐雨·2025-03-12 14:55

李彦宏“程序员将不再存在”言论被周鸿祎驳斥，网友怒怼：先把百度程序员都开除了...

因公众号更改推送规则，请点“在看”并加“星标”第一时间获取精彩技术分享点击关注#互联网架构师公众号，领取架构师全套资料都在这里0、2T架构师学习资料干货分上一篇：2T架构师学习资料干货分享大家好，我是互联网架构师
互联网架构·2025-03-12 14:54

MySQL 与 MongoDB 的区别

MySQL和MongoDB作为两种广泛使用的数据库管理系统，分别代表了关系型数据库（SQL）和非关系型数据库（NoSQL）的典型范例。
kse_music·2025-03-12 14:24

用物理信息神经网络（PINN）解决实际优化问题：全面解析与实践

实验表明，PINN相比传统数值方法及强化学习（RL）/遗传算法（GA），在收敛速度、解的稳定性及物理保真度上均实现突破性提升。关键词：物理信息神经网络；优化任务；深度学习；强化学习；航天器轨道一、
青橘MATLAB学习·2025-03-12 14:23

【存储中间件】MongoDB最热门NoSql数据库（一）：NoSQL、MongoDB介绍

文章目录1.MongoDb综述1.1.什么是Nosql1.2.什么是MongoDb**1.2.1核心特性****1.2.2典型应用场景****1.2.3与关系型数据库对比****1.2.4局限性及使用建议
道友老李·2025-03-12 14:52

初识开源云原生数仓Databend

Databend是一款开源的数据仓库产品，主要定位于OLAP场景，采用云原生架构理念（可对比snowflake），有非常好的扩展性、同时具备低成本、高性能的优势，兼容MySQL协议。
开源项目精选·2025-03-12 14:22

Mysql高频面试题

MVCC相关面试题1.什么是MVCC？它解决了什么问题？答：MVCC是多版本并发控制机制，它通过维护数据多个版本，实现非锁定读，解决了读写互斥问题，通过保存数据的多个版本，让读操作可以在不获取锁的情况下读取数据，提高了并发性能。同时，MVCC还能保证事务的隔离性，例如在可重复读隔离级别下，事务在整个执行过程中看到的数据是一致的。2.InnoDB中MVCC的实现原理是什么？答：主要通过为每行数据增加
GentleDevin·2025-03-12 13:51

python引号嵌套_【python】sql语句插入中内容同时包含单引号和双引号的解决办法...

在python中调用MySQLdb模块插入数据信息，假设待输入信息data为：Hello'World"!
weixin_39520199·2025-03-12 13:49

Oracle/MySQL/PostgreSQL 到信创数据库数据同步简介

Oracle/MySQL/PostgreSQL数据库同步到信创数据库的处理方案、注意事项及工具介绍在当前信息化快速发展的背景下，企业面临着多样化的数据库管理需求。
笑远·2025-03-12 13:19

django allauth 自定义登录界面

起因，目的:为什么前几天还在写强化学习，今天又写django,问就是：客户需求>个人兴趣。问题来源：allauth默认的登录界面不好看，这里记录几个问题。
waterHBO·2025-03-12 13:19

linux学习(十六)(集装箱(ulimits,cgroups,容器运行时,Docker))

集装箱容器化是一种虚拟化方法，涉及将应用程序封装在具有自己的隔离作环境的容器中。这种高级方法使应用程序在从一个计算环境移动到另一个计算环境时能够可靠、快速地运行。在Linux中，这项技术可以通过各种开源平台（如Docker和Kubernetes）来利用。容器通常与虚拟机（VM）进行比较。但是，与需要整个作系统来运行应用程序的VM不同，容器共享主机系统的用户空间。这就是为什么它们更轻、更快。在Lin
solomonzw·2025-03-12 13:48

linux学习(十四)(备份工具)

Linux备份工具在Linux的世界中，有各种各样的实用程序和工具可用于创建和管理重要数据的备份。备份对于确保在发生硬件故障、意外删除或数据损坏时数据的保存和安全至关重要。因此，了解如何利用Linux备份工具是任何系统管理员或用户的基本技能。Linux中一些流行且功能强大的备份工具包括、、、和各种基于GUI的工具，例如和。这些工具提供各种功能，例如增量备份、自动化、计划和加密支持。rsynctar
solomonzw·2025-03-12 13:18

Linux学习(十五)(故障排除(ICMP,Ping,Traceroute,网络统计,数据包分析))

故障排除是任何Linux用户或管理员的基本技能。这涉及识别和解决Linux系统中的问题。这些问题的范围包括常见的系统错误、硬件或软件问题、网络连接问题以及系统资源的管理。Linux中的故障排除过程通常涉及使用命令行工具、检查系统和应用程序日志文件、了解系统进程，有时还涉及深入研究Linux内核。有效故障排除的关键是了解Linux的工作原理并熟悉常见的命令行工具。此外，能够解释错误消息、使用Linu
solomonzw·2025-03-12 13:18

Websoft9 运维面板，全网真正的一键部署应用

一、传统部署的复杂性：以WordPress为例的技术拆解手动部署的典型步骤（耗时约2小时）：#1.安装LAMP环境sudoaptinstallapache2mysql-serverphplibapache2
·2025-03-12 13:02

【GreatSQL优化器-16】INDEX_SKIP_SCAN

【GreatSQL优化器-16】INDEX_SKIP_SCAN一、INDEX_SKIP_SCAN介绍GreatSQL优化器的索引跳跃扫描（IndexSkipScan）是一种优化查询的技术，尤其在联合索引中用于减少扫描的无效行数
·2025-03-12 13:01

MySQL8官方YUM仓库使用指南

MySQL是一个非常流行的开源关系数据库管理系统，在各种应用场景中都得到了广泛的应用。随着版本的更新，MySQL8引入了许多新特性和性能提升，广泛受到开发者和企业的青睐。
·2025-03-12 13:00

Next.js 开发者必看：最受欢迎的 UI 组件库

一个爱好JavaScript、Go、Rust的全栈开发者；致力于终生学习和技术分享。本文首发在我的微信公众号【长林啊】，欢迎大家关注、分享、点赞！
·2025-03-12 13:29

我是学生，想要参与 OpenCloudOS，该怎么做？

在这里，你可以深入学习Linux知识，获得导师专业指导！在这里，你可以积累开源项目经历，成为闪耀的开源Star！在这里，你可以结识1000+操作系统大牛！
·2025-03-12 13:26

C++ 指针详解

学习C++的指针既简单又有趣。通过指针，可以简化一些C++编程任务的执行，还有一些任务，如动态内存分配，没有指针是无法执行的。所以，想要成为一名优秀的C++程序员，学习指针是很有必要的。
阳光向日葵向阳·2025-03-12 13:16

《Operating System Concepts》阅读笔记：p258-p271

《OperatingSystemConcepts》学习第26天，p258-p271总结，总计14页。
·2025-03-12 12:55

为什么VAE效果不好，但VAE+diffusion效果就好了？

VAE（VariationalAutoencoder，变分自编码器）是一种基于概率生成模型的深度学习框架，主要用于数据生成和潜在空间建模。
AndrewHZ·2025-03-12 12:43

算法学习系列（四十五）：DFS之剪枝与优化

目录引言DFS之剪枝与优化一、小猫爬山二、木棒三、数独四、总结引言关于这个DFSDFSDFS的剪枝和优化确实难度是非常的大，从我这篇文章的思路和代码量上就能看出来不是一般的难度，而且难度不亚于DPDPDP，而且这个DFSDFSDFS也是花费了我三天的时间才基本把这几道例题给搞懂了，并且这种题就是没有固定的模型和套路，每个题都不一样，只有你多做题，这样在考场上才能想到这道题好像跟之前做过的题有点相似
lijiachang030718·2025-03-12 12:10

AI：230-YOLOv8与RT-DETR的完美结合 | 重塑目标检测技术的前沿【保姆级教程】

本文收录于专栏：精通AI实战千例专栏合集https://blog.csdn.net/weixin_52908342/category_11863492.html从基础到实践，深入学习。
一键难忘·2025-03-12 12:09

算法系列之深度/广度优先搜索解决水桶分水的最优解及全部解

在算法学习中，广度优先搜索（BFS）适用于解决最短路径问题、状态转换问题等。深度优先搜索（DFS）适合路径搜索等问题。
修己xj·2025-03-12 11:39

【笔试面试】秒懂深度学习模型小型化：蒸馏法、剪枝…

蒸馏：主要思想是，通过大模型指导小模型学习。剪枝：网络剪枝的主要思想就是将权重矩阵中相对“不重要”的权值剔除，然后再重新finetune网络进行微调。
聊北辰同学·2025-03-12 11:08

Transformer 的原理是什么？

解决方案：Transformer是一种基于注意力机制（AttentionMechanism）的深度学习架构，最初由Vaswani等人在2017年的论文《AttentionisAllYouNeed》中提出
玩人工智能的辣条哥·2025-03-12 11:08

MySQL 8.4 突破创新，全新特性揭秘

MySQL最新发布的MySQL8.4LTS,“LTS”代表“Long-TermSupport”（长期支持），是软件行业常用的术语之一。在软件开发中，LTS版本是指那些经过特别维护并提供长期支持的版本。
web13093320398·2025-03-12 11:07

Deepin 基于Docker搭建Sql Server 2019数据库

前言SqlServer一般指MicrosoftSQLServer，是Microsoft公司推出的关系型数据库管理系统示例搭建环境：deepinV20+Docker20.10.12一、先决条件1)硬件环境配置要求硬盘最少
转悠的陀螺·2025-03-12 11:36

机器学习背后的数学芝士

在当今快速发展的科技领域，机器学习作为人工智能的核心技术之一，正在深刻地改变我们的生活和工作方式。本文将了解一下机器学习背后的关键数学芝士。
小技工丨·2025-03-12 11:36

使用flinkCDC监听 mysql 数据 到mysql报错

报错：java.lang.NoClassDefFoundError:org/apache/flink/table/api/TableException解决：完整依赖1.12.02.0.0org.apache.flinkflink-java${flink-version}org.apache.flinkflink-streaming-java_2.11${flink-version}org.apac
从零开始··2025-03-12 11:05

flink（十一）：Table&Sql实现窗口水印计算

代码使用时间窗口加水印实现，具体需求为5秒内用户订单总数、订单最大金额、最小金额实现讲解代码结构分为5部分，准备环境env数据输入source模拟数据生成数据处理transformation创建水印、窗口执行任务基于sql
羽落风起·2025-03-12 11:34

MySQL 8.4 版本(LTS) 发布，一睹为快

前言Oracle前几天发布了MySQL8.4版本(LTS)，该版本是创新版的第一个长期支持版本。
m0_74823683·2025-03-12 11:33

大模型微调：定义、方法、应用与未来展望

预训练模型通常在大规模的通用数据上进行训练，学习到广泛的知识和语言模式，但这些知识往往缺乏针对性。例如，在自然语言处理中，预训练模型可能无法准确理解特定领域的专业术语或逻辑。
软件职业规划·2025-03-12 11:33

2-003：MySQL 三层 B+ 树能存多少数据？

1.计算B+树能存储多少数据参数设定每个数据页（Page）大小：16KB（16384字节）每个索引节点存储的子节点数量：索引项大小：假设bigint（主键）占8字节每个索引项存储8（主键）+6（指针）=14字节每个16KB页能存储的索引项数：16384/14≈1170（即每个节点可存1170个子节点）即：每个节点（页），可以存储1170个索引节点计算三层B+树的存储量第一层（根节点）：最多存储11
盖盖衍上_染染熊_代码集·2025-03-12 11:32

从0到1入门Docker（二）Windows 系统的虚拟化

接上篇说了Docker的用途，这篇详细说说Windows系统的虚拟化从0到1入门Docker（一）Docker的用途_buhytbji的博客-CSDN博客学习Docker推荐大家可以看动力哥的视频，课程适合零基础
农夫山泉有点甜ye·2025-03-12 11:31

从0到1入门Docker（六）Docker引擎的安装

Docker引擎分类上篇文章内容是Docker引擎，今天这篇文章来说一下Docker引擎的安装从0到1入门Docker（五）Docker引擎_buhytbji的博客-CSDN博客学习Docker推荐大家可以看动力哥的视频
农夫山泉有点甜ye·2025-03-12 11:31

从0到1入门Docker（七）配置国内加速器

配置国内加速器上篇文章内容是Docker引擎的安装，今天这篇文章来说一下配置国内加速器从0到1入门Docker（六）Docker引擎的安装_buhytbji的博客-CSDN博客学习Docker推荐大家可以看动力哥的视频
农夫山泉有点甜ye·2025-03-12 11:31

手撕B树

引入已经学习了二叉查找树，下面开始讨论m叉查找树对于m叉查找树的查找效率的提升，需要：除了根结点外，任何结点至少有[m/2]个分叉，即至少含有[m/2]-1个关键字对于任何一个结点，其所有子树的高度都要相同一
666HZ666·2025-03-12 10:29

FlinkCDC3.3 使用 Mysql 8.4 报错

一、报错日志Causedby:io.debezium.DebeziumException:org.apache.flink.util.FlinkRuntimeException:Cannotreadthebinlogfilenameandpositionvia'SHOWMASTERSTATUS'.Makesureyourserveriscorrectlyconfiguredatorg.apache
_lizhiqiang·2025-03-12 10:59

AI学习指南RAG篇(7)-RAG知识库构建

文章目录一、引言二、知识库构建过程1.数据收集1.1数据来源1.2示例代码2.预处理2.1数据清洗2.2示例代码2.3数据格式转换2.4示例代码3.分块3.1分块的目的3.2分块策略3.3示例代码4.向量化4.1向量化的目的4.2示例代码4.3向量数据库4.4示例代码三、总结一、引言在RAG（Retrieval-AugmentedGeneration，检索增强生成）系统中，知识库的构建是至关重要的
俞兆鹏·2025-03-12 10:28

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

25年2月来自上海AI实验室、浙大、香港中文大学、北大、商汤科技、清华和中科院香港科学创新研究院的论文“DiffusionTransformerPolicy:ScalingDiffusionTransformerforGeneralistVision-Language-ActionLearning”。最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到
三谷秋水·2025-03-12 10:27

IDM试用期到了？ 别慌！ 这个工具让您无限免费使用！

附：读者须知IDM试用重置工具非作者原创，仅供学习测试使用！<
xiaoqiangclub·2025-03-12 10:26

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。“少量”样本既可能是几百张图片，也可能是上万张图片。我们来看一个实例——猫狗图片分类，数据集包含5000张猫和狗的图片（2500张猫的图片，2500张狗的图片）。我们将2000张图片用于训练，1000张用于验证，2000张用于测试。将介
yyc_audio·2025-03-12 10:26
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他