文件系统机器学习存储引擎云计算

ARM/Linux嵌入式面经（十八）：TP-Link联洲

.323协议2.SIP协议（会话发起协议）3.WebRTC（网页实时通信）4.其他协议io多路复用（select，poll，epoll）面试题linux软连接和硬链接区别1.链接方式2.存储空间3.跨文件系统
TrustZone_Hcoco·2024-08-28 08:20

2_linux-常用命令1

前言：linux基本原则用户接口命令形式ls部分说明文件系统查看服务器基本信息文件查看和处理命令目录基本操作命令vim操作Linux的基本原则：由目的单一的小程序组成；组合小程序完成复杂任务一切皆文件尽量避免捕获用户接口
graceful_black·2024-08-28 08:33

MySQL系列—3.体系架构

目录Mysql体系结构Connectors：连接池和线程管理：SQLInterface：Parser（查询解析器）：Optimizer（优化器）：Caches（缓存）：可插拔的存储引擎：一条SQL的执行连接器分析器优化器执行器
奥德彪的蕉·2024-08-28 07:18

云计算实训35——镜像的迁移、镜像的创建、使用docker查看ip、端口映射、容器持久化

一、镜像的迁移打包镜像dockersave-o文件名称镜像名：标签#查看帮助命令[root@docker~]#docker--help#查看save打包用法[root@docker~]#dockersave--help#查看原有镜像[root@docker~]#dockerimages#将镜像打包[root@docker~]#dockersave-ocentos.tarcentos:latest#
麻辣鱿鱼须783·2024-08-28 07:45

云计算实训36——mysql镜像管理、同步容器和宿主机时间、在容器外执行容器内命令、容器的ip地址不稳定问题、基础镜像的制作、镜像应用

一、线上考试系统的数据虚拟化技术部署1.部署前段服务器步骤一：将资源上传到服务器将dist.zip上传给服务器下载unzip的包yum-yinstallunzip解压unzipdist.zip步骤二：创建基础容器在服务器上启动服务systemctlstartdocker.service拉取镜像dockerpullcentosdockerrun-it--namec0centos:latest/bin
麻辣鱿鱼须783·2024-08-28 07:45

【Python机器学习】NLP分词——利用分词器构建词汇表（三）——度量词袋之间的重合度

如果能够度量两个向量词袋之间的重合度，就可以很好地估计他们所用词的相似程度，而这也是它们语义上重合度的一个很好的估计。因此，下面用点积来估计一些新句子和原始的Jefferson句子之间的词袋向量重合度：importpandasaspdsentence="""ThomasJeffersonBeganbulidingMonticelliastheageof26.\n"""sentence=senten
zhangbin_237·2024-08-28 05:33

【Python机器学习】NLP概述——深度处理

深度学习就是通过在传统的两层机器学习模型架构（特征提取+建模）中添加额外的处理层来创建更复杂的模型和行为。上图中，前四层对应于聊天机器人流水线中的前两个阶段（特征提取和特征分析）。
zhangbin_237·2024-08-28 05:03

【Python机器学习】NLP分词——词干还原的挑战

要想使用自然语言处理的相关应用，第一件事就是需要一个强大的词汇表。我们要把文档或任何字符串拆分为离散的有意义的词条，这里说的词条仅限于词、标点符号和数值，但是这里使用的技术可以很容易推广到字符序列包含的任何其他有意义的单元，比如ASCII表情符号、Unicode表情符号和数学符号。从文档中检索词条需要一些字符串处理方法，这些方法不仅仅是str.split()，处理时需要把标点符号与词分开，还需要将
zhangbin_237·2024-08-28 05:03

力扣第71题：简化路径 放弃栈模拟，选择数据流√（C++）

在Unix风格的文件系统中，一个点（.）表示当前目录本身；此外，两个点（..）表示将目录切换到上一级（指向父目录）；两者都可以是复杂相对路径的组成部分。
Daking-·2024-08-28 05:31

应用数学与机器学习基础 - 线性代数篇

线性代数1.标量、向量、矩阵、张量学习线性代数，会涉及以下几个数学概念：标量（scalar）：定义：一个标量就是一个单数的数，不同于线性代数中大多数概念会涉及到多个数。表示法：我们用斜体表示标量。标量通常赋予小写的变量名称。当我们介绍标量时，会明确它们是哪种类型的数。比如，在定义实数标量时，我们可能会说”让s∈Rs\in\mathbb{R}s∈R表示一条线的斜率“；在定义自然数标量时，我们可能会说
绎岚科技·2024-08-28 05:31

AAAI2021推荐系统论文清单

嘿，记得给“机器学习与推荐算法”添加星标2021年第35届人工智能顶级会议AAAI论文列表已经放出，此次会议共收到9034篇论文提交，其中有效审稿为7911篇，最终录取篇数为1692篇，录取率为21.4%
机器学习与推荐算法·2024-08-28 05:28

一文读懂深度适配网络（DAN）

这周五下午约见了机器学习和迁移学习大牛、清华大学的龙明盛老师。老师为人非常nice，思维敏捷，非常健谈！一不留神就谈了1个多小时，意犹未尽，学到了很多东西！
weixin_34088838·2024-08-28 05:57

R语言 机器学习 KNN 2个例子

代码的写法，参考来源是这本书:MachineLearningwithR,2ndEdition.pdf相关的资源我已经上传了，包括代码，数据，以及这行本书。下载链接–免积分下载。https://download.csdn.net/download/waterHBO/896756871.第一个例子，代码和过程，全部来自书上#我根据书中第三章KNN的内容来做的。#第3章，KNN,K-NearestNei
waterHBO·2024-08-28 05:57

什么是损失函数？

损失函数（LossFunction）是在机器学习和深度学习中用来评估模型预测值与真实值之间差异的函数。它的主要目的是量化模型预测的错误程度，以便在训练过程中通过最小化这个错误来优化模型。
翰霖努力成为专家·2024-08-28 03:20

B树的可视化与演示工具推荐

B树的可视化与演示工具推荐引言B树是一种自平衡的树数据结构，广泛应用于数据库和文件系统中。理解和掌握B树的工作原理对于计算机科学专业的学生和从业人员至关重要。
勤劳兔码农·2024-08-28 01:33

(二十一)Seaborn知识学习8-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-05-17课程来源:python数据分析与机器学习实战-唐宇迪引言:介绍seaborn热度图绘制学习参考链接:1、Seaborn官方0.8.1版本首先介绍以下热度图的作用,
努力奋斗的durian·2024-08-28 00:34

学习笔记六：ceph介绍以及初始化配置

k8s对接cephceph是一种开源的分布式的存储系统，包含以下几种存储类型：块存储（rbd）文件系统cephfs对象存储分布式存储的优点：Ceph核心组件介绍安装Ceph集群初始化配置Ceph安装源安装基础软件包安装
风车带走过往·2024-08-27 23:49

CMake构建学习笔记9-Eigen库的构建

Eigen是一个高性能的C++线性代数库，广泛用于科学计算、机器学习、计算机视觉等领域。
charlee44·2024-08-27 21:11

随机森林（Random Forest）VS 提升树（Boosting Trees）

随机森林（RandomForest）和提升树（BoostingTrees）都是常见的机器学习算法，它们都基于决策树，但使用的策略和目标不同。
高大黑白涂鸦·2024-08-27 21:40

深入浅出fs-extra：Node.js文件操作的瑞士军刀

虽然Node.js内置的fs（文件系统）模块提供了基本的文件读写能力，但在实际开发中，我们往往需要更多的功能和更简洁的API。
NolanKy·2024-08-27 20:36

分享一个基于Spark的招聘数据可视化与分析系统Hadoop大数据源码（源码、调试、LW、开题、PPT）

作者：计算机源码社个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！
计算机源码社·2024-08-27 20:05

深入解析fs.ReadStream：Node.js中的文件读取流利器

在Node.js中，fs模块提供了一系列用于与文件系统交互的API，其中fs.ReadStream是一个非常重要的类，用于以流的形式读取文件内容。
软考鸭·2024-08-27 20:02

一点机器学习的体会

我关心的主要是机器学习有什么用，对未来哪些行业，领域，应用会产生变革级别的影响。为了了解这些，我感觉我首先要了解现在机器学习的主要方向，他们的主要应用，相关的主要工程工具。
zfq212·2024-08-27 20:18

机器学习——第十二章计算学习理论

目录1基础知识2PAC学习3有限假设空间3.1可分情形3.2不可分情形4VC维5Rademacher复杂度6稳定性1基础知识该理论研究的是关于通过计算来进行学习的理论，目的是分析学习任务的困难本质，为学习算法提供理论保证，并根据法分析结果指导算法设计。给定样例集D，假设χ\chiχ中的所有样本服从一个隐含未知的分布TTT,D中所有样本都是独立地从这个分布上采样而得。令h为χ到y\chi到yχ到y的
adchloe·2024-08-27 20:59

游戏AI中的模仿学习

模仿学习（ImitationLearning）是一种机器学习技术，通过观察和模仿专家（通常是人类玩家）的行为，训练AI模型，使其能够在游戏中执行类似的任务。与传统
SEU-WYL·2024-08-27 19:57

磁盘I/O性能优化示例

1.操作系统层面的优化a.调整文件系统挂载选项对于Linux系统，可以通过修改/etc/fstab文件或使用mount命令来调整文件系统的挂载选项，以优化性
Tech Synapse·2024-08-27 19:56

【机器学习】梯度下降算法

梯度下降算法这篇博客更加详细，以下只是我个人的理解梯度下降算法原理讲解——机器学习-CSDN博客梯度下降算法是一种优化算法，通过梯度下降找到函数最小值时的自变量值。
de-feedback·2024-08-27 18:50

【机器学习】特征提取 特征降维

特征工程特征工程是将原始数据转化为可以用于机器学习的数字特征，比如字典的特征提取，文档的特征提取等。字典特征提取把字典的每个唯一的键作为数据集特征的一个维度，有这个维度的就为1，没有就是0。
de-feedback·2024-08-27 18:20

【机器学习】以KNN为例的交叉验证 网格搜索

KNNK-NearestNeighbors简称为KNN，根据k个最近的邻居的类别判断当前样本的类别，k一般取奇数。k个邻居中哪种类别的样本多，就判断这个为这个类别距离判断knn首先要判断两个样本之间的距离，距离有多种表示方式欧氏距离生活中常用的距离公式，二维空间中的两点(x1,y1)(x2,y2)(x_1,y_1)(x_2,y_2)(x1,y1)(x2,y2)距离表示为(x1−x2)2+(y1−y
de-feedback·2024-08-27 18:20

在亚马逊云科技上搭建云原生生成式AI教育学习平台

项目简介：小李哥将继续每天介绍一个基于亚马逊云科技AWS云计算平台的全球前沿AI技术解决方案，帮助大家快速了解国际上最热门的云计算平台亚马逊云科技AWSAI最佳实践，并应用到自己的日常工作里。
佛州小李哥·2024-08-27 18:20

linux 复习

一、填空题1．CentOSLinux7默认采用的文件系统是xfs。2．在一个安装了1024MB内存的系统上安装Linux。对于这个系统来说，2048MB的交换分区是最好的。
北街风·2024-08-27 17:45

磁盘管理与文件系统

目录一、硬盘存储容量1.1关键概念1.2硬盘存储容量公式二、1.Linux中使用的文件系统类型1.1磁盘分区的表示1.2文件系统1.3其他文件系统三、fdisk3.1fdisk-l3.2交互模式中的常用指令
爱吃糖的蠢猫·2024-08-27 16:38

云计算实训35——镜像的迁移、镜像的创建、使用docker查看ip、端口映射、容器持久化

一、镜像的迁移打包镜像dockersave-o文件名称镜像名：标签#查看帮助命令[root@docker~]#docker--help#查看save打包用法[root@docker~]#dockersave--help#查看原有镜像[root@docker~]#dockerimages#将镜像打包[root@docker~]#dockersave-ocentos.tarcentos:latest#
是小赵鸭.·2024-08-27 14:56

云计算--基于docker容器爬虫数据持久化到mysql

背景1、如何进入启动状态的dockermysql并使用python代码在其中创建数据表并插入爬虫获取的数据？2、忘记container密码，如何从images重新实例化一个？3、直接在liunx系统当中安装的mysql如何通过.sql文件创建对应的表。4、由于使用sudo安装的mysql的普通用户没有访问权限。问题1解决方案：启动DockerMySQL容器:首先，确保你已经安装了Docker。然后
bw876720687·2024-08-27 14:55

基层医疗云HIS系统源码：云计算、大数据等现代信息技术研发

云HIS源码，基层云HIS系统源码，基层医疗云HIS系统利用云计算、大数据等现代信息技术研发的基层医疗云HIS系统实现了医院信息化从局域网向互联网转型，重新定义医疗卫生信息化建设的理念、构架、功能和运维体系
项目源码库·2024-08-27 14:24

lustre 简易部署

简易部署lustre文件系统，不含lustre软件安装。MGS/MDT在块设备上创建一个MGS/MDT组合文件系统。
wo是大富·2024-08-27 14:43

如何使用TensorFlow构建AI模型

TensorFlow已成为构建机器学习模型最受欢迎的框架之一。无论你是初学者还是经验丰富的数据科学家，了解如何使用TensorFlow构建AI模型对充分利用机器学习的潜力至关重要。
AI科研视界·2024-08-27 14:21

PYTORCH 官方文档，开发文档，Python编程 人工智能 深度机器学习

PYTORCH文档PyTorchdocumentation—PyTorchmasterdocumentationPyTorch是一个使用GPU和CPU进行深度学习的优化张量库。本文档中描述的功能按版本状态分类:稳定:这些功能将被长期维护，并且在文档中通常不应该有重大的性能限制或缺口。我们还希望保持向后兼容性(虽然突破性的变化可能会发生，通知将提前一个版本)。测试版:这些功能被标记为测试版，因为AP
zhangfeng1133·2024-08-27 13:21

数据挖掘工具（RapidMiner）

RapidMiner是一款功能强大的数据挖掘和机器学习工具，它提供了从数据预处理、建模、评估到部署的一系列流程。
deepdata_cn·2024-08-27 13:20

深度学习岩土工程+离散元PFC仿真应用=数字化智能岩土预测？噂都假嘟？

2.数据驱动特性分析：通过机器学习算法分析大
好好学仿真·2024-08-27 12:11

基于华为昇腾910B和LLaMA Factory多卡微调的实战教程

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。  
herosunly·2024-08-27 10:57

灵境云：边缘计算是什么，和云计算的区别是什么？

边缘计算的核心思想是将计算和存储任务从传统的云计算中心转移到接近数据源的边缘设备上，如路由器、交换机、智能手机、智能穿戴设备等。这些设备可以快速响应用户的请求，提供实时的数据处理和分析服务。
Back.189·2024-08-27 07:09

深度学习学习经验——强化学习（rl）

强化学习强化学习（ReinforcementLearning,RL）是一种机器学习方法，主要用于让智能体（agent）通过与环境的互动，逐步学习如何在不同情况下采取最佳行动，以最大化其获得的累积回报。
Linductor·2024-08-27 06:32

深度学习学习经验——什么是深度学习

深度学习是机器学习的一个子领域，它使用多层神经网络来自动从大量数据中学习和提取特征。深度学习尤其适合处理大规模的数据，如图像、语音和文本等。
Linductor·2024-08-27 06:02

24.8.26学习心得

验证数据集（ValidationSet）和测试数据集（TestSet）在机器学习和深度学习中都是非常重要的概念。它们各自有不同的用途和目的。
kkkkk021106·2024-08-27 06:01

OPenCV和OPenGL的区别

OPenCV主要用来处理图像和视频，还涉及到一些机器学习的算法。专注于从图像中获取信息是用机器来理解图像。比如：视频降噪、运动物体的跟踪、目标识别（比如人脸识别）。OPenGL主要用于三维图形的渲染。
zxz520zmg·2024-08-27 06:01

【机器学习】————在金融市场分析方面的应用

传统方法在面对海量数据和复杂模型时往往力不从心，随着技术的进步，机器学习在金融市场分析中的应用越来越广泛。本文将深入探讨
爱吃蔬菜不挑食·2024-08-27 06:01

Django 后端架构开发：存储层调优策略解析

Django后端架构开发：存储层调优策略解析目录数据库读写分离实现与优化分布式文件系统在Django中的应用与优化Elasticsearch存储层优化策略前端页面静态化处理数据库读写分离实现与优化数据库读写分离是一种优化数据库性能的常见手段
Switch616·2024-08-27 02:13

机器学习常见公式推导

线性层的反向传播对于函数Y=XWY=XWY=XW（注：XXX是一个m×nm\timesnm×n的矩阵，WWW是一个n×kn\timeskn×k的矩阵，YYY是一个m×km\timeskm×k的矩阵。这里的WWW通常代表模型的权重，而XXX代表输入数据。）如何求∂Y∂W\frac{\partialY}{\partialW}∂W∂Y呢，通常我们只关心其一个特定的切片，即∂Yij∂Wrs\frac{\p
stubborn vegeta·2024-08-27 02:11

cpu steal非常高

steal代表非自愿等待，这个值出现说明服务器cpu争用很严重，cpu资源不足ctxt，这个值代表cpu上下文切换次数/proc/stat是一个伪文件系统（procfs）中的文件，它提供了系统级别的统计信息
喝醉酒的小白·2024-08-27 01:38
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他