数据集篇

ACL 2024 | 美团技术团队精选论文解读

本文精选了美团技术团队被ACL2024收录的4篇论文进行解读，论文内容覆盖了训练成本优化、投机解码、代码生成优化、指令微调（IFT）等技术领域。这些论文是美团技术团队跟高校、科研机构合作的成果。
·2025-01-18 05:12

Node.js Express与MongoDB博客系统开发实战

项目强调了Node.js的异步I/O和事件驱动特性，以及MongoDB处理大规模、复杂数据集的能力，适合进行毕业设计等综合性开发任务。1.Node.js技术介绍与应用Node.
凯二七·2025-01-18 05:19

DuckDB-Wasm 库详解

1.DuckDB简介DuckDB是一个开源的列存储数据库，专注于在线分析处理（OLAP），特别适合处理中小型数据集。
maply·2025-01-18 04:40

Dexie.js内存管理技巧：在大型数据集操作中避免浏览器崩溃

Dexie.js内存管理技巧：避免浏览器崩溃在使用Dexie.js操作大型数据集时，如果不注意内存管理，可能会导致浏览器内存溢出（OOM，OutofMemory）或崩溃。
maply·2025-01-18 03:04

高级java每日一道面试题-2025年01月16日-框架篇[Mybatis篇]-说说Mybatis的缓存机制?

如果有遗漏,评论区告诉我进行补充面试官:说说Mybatis的缓存机制?我回答:在Java高级面试中，MyBatis的缓存机制是一个重要的话题。MyBatis是一个流行的Java持久化框架，它提供了强大的数据库访问能力和灵活的SQL映射配置。为了提高查询性能并减少数据库访问次数，MyBatis引入了缓存机制。下面将对MyBatis的缓存机制进行详细解释：MyBatis缓存机制概述MyBatis的缓存
java我跟你拼了·2025-01-18 02:28

基于深度学习的人脸表情识别系统：YOLOv5 + YOLOv8 + YOLOv10 + UI界面 + 数据集

引言随着人工智能的飞速发展，深度学习技术已广泛应用于各个领域，尤其是在计算机视觉领域。人脸识别和表情识别是其中的一个重要应用，能够在多种场景下提供重要的信息，例如安全监控、情感分析、智能客服、健康监测等。在人脸表情识别任务中，准确识别人脸的情感状态（如高兴、愤怒、悲伤等）是一个极具挑战性的任务。随着YOLO系列算法的不断进步，YOLOv5、YOLOv8和YOLOv10的推出大大提高了目标检测的精度
2025年数学建模美赛·2025-01-18 02:25

基于YOLOv8深度学习的人脸年龄检测识别系统

我们将详细介绍项目的技术实现、数据集构建、模型训练以及UI设计，并附上完整代码。目录引言系统架构设计数据准备公开人脸年龄数据集数据标注格式数据目录结构模型训练YOLOv8环
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统（YOLOv10+UI界面+数据集）

该系统主要由三部分组成：YOLOv10（深度学习模型）进行表情识别、UI界面展示识别结果以及数据集的准备和训练过程。
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统：YOLOv8 + UI界面 + 数据集完整实现

系统集成了数据集准备、YOLOv8模型训练、实时推理以及基于PyQt5的图形用户界面（UI）。通过本文，你将学习如何实现一
2025年数学建模美赛·2025-01-18 02:24

一篇文章让你学会Java之数组的定义和初始化

数组的定义和初始化一、数组的定义方式一：数组类型+方括号+数组变量名方式二：数组类型+数组变量名+方括号方式三：定义数组并初始化大小二、数组的初始化1.静态初始化1.1无需指定数组大小1.2指定数组大小但初始化元素2.动态初始化2.1定义数组并初始化大小2.2数组大小和元素值的关系三、二维数组的定义和初始化1.定义二维数组2.动态初始化二维数组3.静态初始化二维数组总结一、数组的定义在Java中，
凭君语未可·2025-01-18 01:48

传统数据湖和数据仓库的“中心化瓶颈”

以下是具体表现：1.单点瓶颈（SinglePointBottleneck）传统数据湖/仓库通常由中心化的数据平台团队负责，所有的数据集成、清洗、建模和治理工作都集中在这一个团队中，导致：工作负载过重：数据平台团队需要处理所有领域的数据需求
PersistDZ·2025-01-18 00:45

面对 this 指向丢失，尤雨溪在 Vuex 源码中是怎么处理的

另外，想学源码，极力推荐关注我写的专栏《学习源码整体架构系列》，目前是掘金关注人数（5.7k+人）第一的专栏，写有20余篇源码文章。好久以前我有写过《面试官问系列
·2025-01-18 00:57

每次启动项目的服务，电脑竟然乖乖的帮我打开了浏览器，100行源码揭秘！

另外，想学源码，极力推荐关注我写的专栏《学习源码整体架构系列》，目前是掘金关注人数（5.7k+人）第一的专栏，写有20余篇源码文章。本文仓库open-anal
·2025-01-18 00:27

零基础入门到精通，收藏这一篇就够了

前言众所周知，网络安全与我们息息相关，无论是企业还是个人都应该重视网络安全。而且网络安全是一个新兴行业，人才需求量远大于供给，因此在薪资福利上具有很大的优势，但对于初学者而言，很多人依然担心前景问题，那么网络安全就业前景如何？下面为大家介绍一下。1、网络安全人才需求量大随着信息化的加速，网络安全问题日益突出，对网络安全人才的需求量也越来越大。据《2019网络安全人才市场现状与发展趋势报告》数据显示
程序员橘子·2025-01-18 00:14

【机器学习】聚类【Ⅰ】基础知识与距离度量

由于字数限制，分成五篇博客。
不牌不改·2025-01-18 00:43

Taro 源码揭秘：4. 每次 npm run dev:weapp 开发小程序，build 编译打包是如何实现的？

另外，想学源码，极力推荐关注我写的专栏《学习源码整体架构系列》，目前是掘金关注人数（6k+人）第一的专栏，写有几十篇源码文章。
·2025-01-18 00:26

iqueryable怎么进行操作_C# 数据操作系列 - 16 SqlSugar 完结篇（最后的精华）

0.前言前一篇我们详细的介绍了SqlSugar的增删改查，那些已经满足我们在日常工程开发中的使用了。但是还有一点点在开发中并不常用，但是却非常有用的方法。接下来让我们一起来看看还有哪些有意思的内容。
weixin_39929961·2025-01-18 00:41

【嵌入式——QT】QT多线程编程

这里介绍的是moveToThread的方式，继承QThread的方式可以参考我的另一篇文章【嵌入式——QT】QThread创建多线程编程实现首先创建一个类，但是这个类一定要继承QObjectSerialWorker.h
炯哈哈·2025-01-18 00:11

Pandas数据预处理：处理缺失值 - 插值法

首先，我们需要导入Pandas库并加载包含缺失值的数据集。假设我们有一个名为df的数据框
代码艺术巧匠·2025-01-17 22:26

分布式系统架构4：容错设计模式

上一篇已经讲了7种容错策略，为了实现各种策略，开发总结了一些容错设计模式，包括微服务常见的：断路器模式、舱壁隔离模式、超时重试模式。2.
卷福同学·2025-01-17 22:50

Python Pandas中的高级数据插值方法

大家好，在数据分析过程中，缺失值是一个常见的问题，尤其是在处理真实世界的数据集时，缺失值的存在可能会对分析结果产生较大的影响。
python慕遥·2025-01-17 22:20

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?
weixin_39700394·2025-01-17 21:45

NLP-语义解析(Text2SQL)：技术路线【Seq2Seq、模板槽位填充、中间表达、强化学习、图网络】

基线模型Seq2Seq在加入Attention、Copying等机制后,能够在ATIS、GeoQuery数据集上达到84%的精确匹配,但是在WikiSQL数据集上只能达到23.3%的精确匹配,37.0%
u013250861·2025-01-17 21:43

蓝桥杯C++ Python组——省奖项小技巧1

还有三个多月的准备时间，大家一定要结合自身基础和个人学习安排合理规划好备赛时间呀考试内容：c/c++组python组学习路线第一阶段：把编程语言的课程过一遍，把课程上学习到的习题自己尝试着做一篇第二阶段
m0_dawn·2025-01-17 20:06

【AI系统】混合并行

混合并行不仅能提高计算效率，还能在有限的硬件资源下处理更大的模型和数据集。在深度学习中，数据并行和模型并行各自有其适用的场景和局限性。
ZOMI酱·2025-01-17 20:05

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

鸢尾花数据集是一个著名的机器学习数据集，包含三种类别的花朵：Setosa、Versicolor和Virginica，每种类别由四个特征描述：萼片长度、萼片宽度、花瓣长度和花瓣宽度。什么是机器学习？
精通代码大仙·2025-01-17 20:05

10 大中文医学数据集汇总：涵盖神农中医药、中医药古籍、医学推理、医学问答……

医疗人工智能的快速发展离不开高质量数据集的支持。从疾病诊断到药物研发，再到个性化医疗，数据集在推动机器视觉、大模型等应用于医学领域中发挥着不可或缺的作用。
·2025-01-17 20:22

用Python在Excel工作表中创建数据透视表

当面对大量复杂的数据集时，为了更高效地总结、分析和展示数据，创建数据透视表成为一种不可或缺的方法。
·2025-01-17 20:17

蛇年电商新风尚：解锁生肖蛇营销秘籍——看板软件篇

在蛇年，电商营销可以围绕生肖蛇这一主题，结合当前的市场趋势和消费者行为，制定一系列创新和吸引人的营销策略。以下是一些具体的蛇年电商营销思路：一、挖掘蛇年文化元素●生肖主题设计：利用蛇年的生肖元素，如蛇的形象、寓意等，设计独特的商品包装、宣传海报和营销活动。例如，推出蛇年限定款商品，将蛇的形象与商品巧妙结合，吸引消费者的注意力。●传统文化结合：结合中国传统文化和蛇年的特殊寓意，如“灵蛇献瑞”、“蛇行
·2025-01-17 20:16

怎么写好年末报告——看板软件篇

年末报告是总结过去一年工作成果、分析存在问题并提出未来规划的重要文档。以下是一份撰写年末报告的指南：明确报告目的：a.总结过去一年的工作成果与不足。b.分析达成或未达成目标的原因。c.展示个人或团队的贡献与成长。d.规划未来的工作方向与策略。结构清晰，层次分明：封面：包含报告标题、作者、日期等基本信息。目录：便于读者快速定位感兴趣的内容。引言：简短介绍报告的背景、目的和重要性。工作回顾：○回顾过去
·2025-01-17 20:09

单片机的原理及其应用：从入门到进阶的全方位指南

以下是一篇详细、深入的“单片机的原理及其应用”博客文章示例，适合想要系统学习或深入了解单片机的读者。
wit_@·2025-01-17 19:58

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调
·2025-01-17 19:29

如何配置telnet登录远程华为交换机

常见的远程登录方式主要有telnet和ssh方式，在实际网络环境中，为了确保数据的传输安全（telnet明文传输，容易被截取数据），不推荐使用telnet，上一篇文章我已经给讲解了SSH安全加密方式登录
转角遇到爱2016·2025-01-17 18:20

GDPU JavaWeb 大结局篇

目录实验复习代码模板课后巩固习题课件精简版GDPUJavaWeb程序设计复习，习题集，重点知识总结，一篇就够了。实验复习JavaWeb代码复习，在专栏也可查阅。
孑么·2025-01-17 18:49

应届生Java面试50题线程篇（含解析）

什么是线程？答：线程是操作系统能够进行运算调度的最小单位，是程序执行流的最小单元。在Java中，可以通过实现Runnable接口或继承Thread类来创建线程。创建线程的方式有哪些?各自的优缺点是什么？继承Thread类：继承Thread类并重写run()方法来实现多线程。优点是简单易用，缺点是无法继承其他类，会破坏程序的封装性，而且无法共享代码。实现Runnable接口：实现Runnable接口
「已注销」·2025-01-17 18:17

【网络安全工程师】从零基础到进阶，看这一篇就够了

学前感言1.这是一条需要坚持的道路，如果你只有三分钟的热情那么可以放弃往下看了。2.多练多想，不要离开了教程什么都不会，最好看完教程自己独立完成技术方面的开发。3.有问题多google,baidu…我们往往都遇不到好心的大神，谁会无聊天天给你做解答。4.遇到实在搞不懂的，可以先放放，以后再来解决。什么是网络安全？首先说一下什么是网络安全？其中网络安全工程师的工作内容具体都有哪些？网络安全是确保网络
网络安全_入门教程·2025-01-17 17:39

【机器学习：二十九、K-means算法：原理与应用】

其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。
KeyPan·2025-01-17 15:23

深度定制：Embedding与Reranker模型的微调艺术

对于Embedding模型，微调的目的是让模型更适配特定的数据集，从而取得更好的召回效果。这通常涉及到使用特定的数据集对模型进行额外的训练，以便模型能够学习到数据集中的特定语义关系。
从零开始学习人工智能·2025-01-17 15:22

架构师-论银行数字标签系统多数据源集成的应用与实现

作为项目的核心成员，我主要负责系统的架构设计、数据集成策略的制定与实施，以及后续的数据治理和质量管理工作。项目
薛定谔的猫1982·2025-01-17 15:18

想提升英文文献阅读速度？有哪些实用方法？

关键的第一步：精准筛选当你面对一堆英文文献时，首先得明白，不是每一篇文献都值得你细读。这时候，筛选的技巧就显得至关重要。
paixiaoxin·2025-01-17 15:45

鸿蒙开发napi系列学习进阶篇——NAPI 导出类对象

简介js调用napi的数据，对于简单的数据类型，只需要napi返回对应类型的napi_value数据即可(详情参照napi数据类型类型与同步调用)。但是对于一些复杂的数据类型(如我们常用C++的类对象)，是不能直接返回一个napi_value数据的。这时我们需要对这些数据进行一系列操作后将其导出，这样js才能使用导出后的对象。本文以导出类对象为例来说明napi导出对象的具体过程。类对象导出的具体过
OpenHarmony_小贾·2025-01-17 15:14

分布式系统架构4：容错设计模式

上一篇已经讲了7种容错策略，为了实现各种策略，开发总结了一些容错设计模式，包括微服务常见的：断路器模式、舱壁隔离模式、超时重试模式。2.
·2025-01-17 14:39

【C语言】结构体指针

结构体指针结构体基础知识注意对于成员的赋值结构体指针指向结构体变量的指针结构体指针与结构体成员指针用结构体指针引用结构体成员结构体基础知识初识结构体，可以先看这篇浅显易懂的文章结构体–基础篇所谓结构体，
釉色清风·2025-01-17 13:36

【机器学习：二十、拆分原始训练集】

常见的改进方向增大训练数据集：通过数据增强或获取更多样本提高模型泛化能力。改进模型结构：例如增加网络层数、调整神经元数目或选择更适合任务的架构。
KeyPan·2025-01-17 13:35

微服务-高级篇

微服务-高级篇一.微服务保护1.初识Sentinel2.微服务整合Sentinel3.限流4.隔离和降级5.授权规则6.规则管理模式二、分布式事务1.什么是分布式事务？
爪哇哇哇哇·2025-01-17 13:03

Windows基础（端口篇）

一、Winodws简介Windows系统是美国微软公司研发的一套操作系统。以下是关于它的一些主要信息：发展历程早期阶段：1985年11月，微软推出Windows1.0，这是微软对个人电脑操作平台进行用户图形界面的首次尝试，但它并非一个完整的操作系统，只是基于MS-DOS的应用软件。1987年12月，Windows2.0发布，在用户界面和内存管理方面有了一些改进。这些早期版本在当时主要是作为图形化外
Parrot 安全小子·2025-01-17 13:30

Qemu开发ARM篇-1、环境搭建篇

文章目录1、目标2、欢迎来到qemu世界3、开发环境4、依赖安装5、编译安装qemu1、目标我们的目标是在x86平台上搭建上arm开发环境，及在x86平台模拟一台arm设备，以达到能快速在x86平台上学习arm相关知识，如uboot启动、kernel开发调试等，而不需要再繁琐的通过购买昂贵的开发板进行操作。2、欢迎来到qemu世界下面我将手把手带领大家走进qemu的世界，教大家如何一步一步通过qe
思禾·2025-01-17 12:57

Java 大视界 -- Java 开发 Spark 应用：RDD 操作与数据转换

Spark提供了两种主要的数据抽象：RDD（弹性分布式数据集）和DataFrame。本文将重点介绍如何使用Java开发Spark应用，并深入探讨RDD的操作与数据转换。
一只蜗牛儿·2025-01-17 12:26

深入HDFS——DataNode启动源码

引入上一篇我们看完了NameNode的启动源码，对于NameNode我们已经很熟悉了，今天我们接着来看看它的“得力干将”——DataNode。
黄雪超·2025-01-17 12:26

深入HDFS——NameNode启动源码

首先还是得从我们的前一篇提到过的NameNode类（org.apache.hadoop.hdfs.server.namenode.NameNode）开始，既然是看启动流程，那自然是先找类里面的main方法啦
黄雪超·2025-01-17 12:25
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他