自适应学习率

Apache Iceberg数据湖技术在海量实时数据处理、实时特征工程和模型训练的应用技术方案和具体实施步骤及代码

Iceberg支持实时特征工程和模型训练，特别适用于需要处理海量实时数据的机器学习工作流。Iceberg作为数据湖，以支持其机器学习平台中的特征存储。
weixin_30777913·2025-02-03 15:07

E+H电导率传感器CLD134-PMV530AB1

E+H电导率传感器CLD134-PMV530AB1紧凑型电导率测量仪表SmartecCLD134卫生型和无菌环境中环形电导率测量系统产品规格参数测量范围100µS/cm…2000mS/cm电极常数k：6.31
dkl113821586·2025-02-03 15:33

Python 入门指南：如何在 MacOS 上轻松安装 Python

Python作为一门功能强大且易于学习的编程语言，已经成为许多开发者和数据科学家的首选工具。无论是初学者还是经验丰富的程序员，Python都能为他们提供强大的支持。
NicoleGus·2025-02-03 14:58

线性回归的简单实现

本文是《动手学深度学习》的笔记文章目录线性回归的简单实现生成随机数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型线性回归的简洁实现生成数据集读取数据定义模型初始化模型参数定义损失函数定义优化算法训练模型线性回归的简单实现用了
SkaWxp·2025-02-03 14:58

投票法：简单而强大的分类利器

投票法：简单而强大的分类利器在机器学习的分类任务中，我们常常需要寻找高效且准确的方法来对数据进行分类。今天，让我们一起来探讨一种简单却极为强大的分类方法——投票法。
ningaiiii·2025-02-03 14:25

【单层神经网络】基于MXNet库简化实现线性回归

写在前面同最开始的两篇文章完整程序及注释'''导入使用的库'''#基本frommxnetimportautograd,nd,gluon#模型、网络frommxnet.gluonimportnnfrommxnetimportinit#学习
辰尘_星启·2025-02-03 14:55

初入机器学习

写在前面本专栏专门撰写深度学习相关的内容，防止自己遗忘，也为大家提供一些个人的思考一切仅供参考概念辨析深度学习：本质是建模，将训练得到的模型作为系统的一部分使用侧重于发现样本集中隐含的规律难点是认识并了解模型
辰尘_星启·2025-02-03 14:54

AtCoder备赛刷题 ABC 383 | 9 Divisors

学习C++从娃娃抓起！记录下AtCoder（日本算法竞技网站）备赛学习过程中的题目，记录每一个瞬间。
热爱编程的通信人·2025-02-03 14:54

线性回归基础学习

线性回归基础学习目录：理论知识样例代码测试参考文献一、理论知识线性回归思维导图NDArray：MXNet中存储和变换数据的主要工具，提供GPU计算和自动求梯度等功能线性回归可以用神经网络图表示，也可以用矢量计算表示在
Remoa·2025-02-03 14:53

【博学谷学习记录】超强总结，用心分享 | Hive分区表和分桶表

#博学谷IT技术支持#一、分区表分区表就是对一个表的文件数据进行分类管理，表现形式就是有很多的文件夹(dt=2019-02-27)。分区表的作用是以后查询时，我们可以手动指定对应分区的数据，避免全表扫描，提高查询效率。所谓的分区表，指的就是将数据按照表中的某一个字段进行统一归类，并存储在表中的不同的位置，也就是说，一个分区就是一类，这一类的数据对应到hdfs存储上就是对应一个目录。当我们需要进行处
Onzswhite·2025-02-03 14:52

深度学习：基于MindNLP的RAG应用开发

什么是RAG？RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合检索（Retrieval）和生成（Generation）的技术，旨在提升大语言模型（LLM）生成内容的准确性、相关性和时效性。基本思想：通过外部知识库动态检索与用户查询相关的信息，并将检索结果作为上下文输入生成模型，辅助生成更可靠的回答。与传统LLM的区别：传统LLM仅依赖预训练参数中的静态知
Landy_Jay·2025-02-03 13:47

MyBatis学习：多表映射

目录一、多表映射概念1.1多表查询结果映射思路1.2实体类设计方案1.2.1对一关系设计1.2.2对多关系设计多表映射案例准备二、对一映射三、对多映射四、多表映射总结4.1多表映射优化4.2总结：一、多表映射概念1.1多表查询结果映射思路数据库的表结构具有复杂性，不是所有数据库都达到第三范式或BCNF范式，故数据库查询结果与java对象的属性映射也变得复杂。MyBatis使用ResultMap实现
Landy_Jay·2025-02-03 13:17

可能是最深入全面的图解 Java Virtual Threads

本文尽我所能，用了数月时间，在学习了JavaVirtualTheads的一些设计和实现理念后，用我所能的精炼文字和画图，去记录我的所学。
·2025-02-03 13:31

深度学习篇---张量&数据流动处理

文章目录前言第一部分：张量张量的基本概念1.维度标量（0维）向量（1维）矩阵（2维）三维张量2.形状张量运算1.基本运算加法减法乘法除法2.广播3.变形4.转置5.切片6.拼接7.矩阵分解8.梯度运算：深度学习框架中的张量运算
Ronin-Lotus·2025-02-03 13:46

threejs起步学习之创建旋转立方体并随时停止和控制旋转

直接看成品可以看到点击开始旋转的时候立方体开始旋转，点击停止旋转的时候立方体停止旋转。先放官网文档threejs官网点击en切换为中文，然后点击创建第一个场景，页面就全部变成中文啦。先使用原生js编写代码，首先就是下载threejs然后引入然后就可以使用THREE这个对象了要创建一个立方体，首先我们需要创建一个场景，一个摄像机，一个渲染器，这样我们才能透过摄像机看到渲染出的场景varwidth=5
·2025-02-03 13:00

PyTorch生态系统中的连续深度学习：使用Torchdyn实现连续时间神经网络

神经常微分方程（NeuralODEs）是深度学习领域的创新性模型架构，它将神经网络的离散变换扩展为连续时间动力系统。
·2025-02-03 12:59

Mixture of Experts（MoE）学习笔记

1学习动机第一次了解到MoE（Mixtureofexperts），是在GPT-4模型架构泄漏事件，听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构（8*220B）组合成一个万亿参数级别的模型
南七小僧·2025-02-03 12:44

基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版)

前言系列专栏:【深度学习：算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络
矩阵猫咪·2025-02-03 12:42

周报 | 25.1.27-25.2.2文章汇总

周报|25.1.20-25.1.26文章汇总-CSDN博客机器学习AI算法工程|DeepSeekV3两周使用总结-CSDN博客Datawhale|一文详尽之SFT（监督微调，建议收藏）！
双木的木·2025-02-03 12:11

学习第七十七行

对于html,用vscode编程，可以用AI，同时输入！+TAB自动生成骨架，有src路径，titie提示文本，alt替换文本（图片不显示，显示的文字），width宽设置一个即可，（height），border边框，同时div和span是个块，前者大后者小，前者独一行，撒旦，em斜体，strong粗体，del删除线，ins下划线。
不是只有你能在乱世中成为大家的救世主·2025-02-03 12:40

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
宇哥预测优化代码学习·2025-02-03 12:08

差分数组的学习

文章目录1.差分数组的应用场景2.如何构造一个差分数组2.1原数组转换为差分数组2.2差分数组还原为原数组3.差分数组的特性1.差分数组的应用场景需要频繁对某个区间的数组进行增减操作2.如何构造一个差分数组2.1原数组转换为差分数组#存在一个数组Nums,求出他的差分数组diff=[0]*len(nums)diff[0]=nums[0]foriinrange(1,len(nums)):diff[i
奋斗的草莓熊·2025-02-03 12:38

Golang 学习路线 - Part 25:互斥锁（Mutex）

在本教程中，我们将学习互斥锁。我们还将学习如何使用互斥锁和channels来解决争用条件。关键部分在跳到互斥对象之前，理解并发编程中的临界区概念是很重要的。
SunnyJim·2025-02-03 11:35

Python淘宝电脑销售数据爬虫可视化分析大屏全屏系统 开题报告

所有项目都配有从入门到精通的基础知识视频课程，学习后应对毕业设计答辩。
字节全栈_Jwy·2025-02-03 11:04

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
Ps.729·2025-02-03 11:31

使用KEIL更新STM32程序的HEX文件下载指南及DEMO

文章详细介绍了整个流程，并提供了DEMO工程以便读者实践学习。1.HEX文件与微控制器1.1HEX文件的基础知识HEX文件是十六进制格式的文件，它在微控制器开发领域扮演着重要角色。
BOBO爱吃菠萝·2025-02-03 11:00

Android二维码和条形码扫描实现指南

通过本文的学习，开发者可以更好地掌握在Androi
BOBO爱吃菠萝·2025-02-03 11:00

动态规划学习:放苹果

放苹果一、放苹果二、思路分析三、代码实现一、放苹果有m个苹果,n个盘子,允许有的盘子空着不放,请问有多少种不同的放法二、思路分析dp[i][j]表示i个苹果放入j个盘子共有多少种放法1)、当i为0时,即苹果数为0,不放,即有1种放法,dp[0][j]=1;当j为1时,即盘子数为1个,也只有一种放法dp[i][1]=12)、当苹果数小于盘子数,永远会有空盘子出现,dp[i][j]=dp[i][i]3
我爱夜来香A·2025-02-03 11:28

最小边际采样在分类任务中的应用

最小边际采样在分类任务中的应用在机器学习的分类任务里，如何高效利用有限的标注数据，一直是研究的重点。
ningaiiii·2025-02-03 11:57

DynamicPlanning动态规划学习笔记

动态规划动态规划的特点是求解决策过程最优化的过程。适用于求解将过程分成若干个互相联系的阶段，在它的每一阶段都需要作出决策，从而使整个过程达到最好的活动效果。各阶段决策依赖于当前面临的状态，又影响以后的发展。当各个阶段决策确定后，就组成一个决策序列。我们可以从决策序列中找到最优解LeetCode53给定一个整数数组nums，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。示例
kxwsspz2001·2025-02-03 11:27

进制转换在C/C++/Java/Kotlin中的应用(详细版)

uint32_tclean_can_id=frame.can_id&0x1FFFFFFF;因为上面的问题我不理解所以来学习进制转换的应用,进制转换非常常见,如果你搞底层这个是必须会的,我工作中也经常碰到每次看到都非常头疼
一歲抬頭·2025-02-03 10:55

java 转kotlin所需要的准备

1.学习Kotlin的基本语法1.1Kotlin的基本数据类型Kotlin与Java类似，有基本的数据类型，如Int、String、Boolean等。
m1zu·2025-02-03 10:25

题目：利用条件运算符的嵌套来完成此题：学习成绩〉=90分的同学用A表示，60-89分之间的用B表示， 60分以下的用C表示。

要使用条件运算符（三元运算符）来完成这个题目，可以按照以下步骤进行：使用嵌套的条件运算符来判断成绩范围。根据成绩范围输出相应的等级。以下是一个用C++实现的示例代码：#includechargetGrade(intscore){return(score>=90)?'A':(score>=60)?'B':'C';}intmain(){intscore;std::cout>score;chargrad
晚夜微雨问海棠呀·2025-02-03 10:52

代码审计学习路线

学习代码审计分以下四部分一.编程语言1.前端语言html/javascript/dom元素使用，主要是为了挖掘xss漏洞，jquery主要写一些涉及到CSRF脚本使用的或者DOM型XSS，JSON劫持等
白帽子技术分享·2025-02-03 10:52

php代码审计学习路线

学习PHP代码审计可以帮助你识别和修复PHP应用中的安全漏洞，保护应用免受恶意攻击。
子非鱼999·2025-02-03 10:52

【C/C++】进阶学习

长期更新C语言：编译型语言，高级代码->编译（工具有gcc或cmake）->机器语言（可执行程序）->运行高级语言->汇编语言->机器语言gcchello.c#生成a.out可执行程序./a.out#运行这个程序gcchello.c-ohello#生成hello.out可执行程序./hello#不加后缀扩展名也能执行gcchello.c-std=c99#标准不一样c11gcc-Shello.c#生
七灵微·2025-02-03 10:21

[BUUCTF][极客大挑战 2019]PHP

备份根据提示应该就是网站备份文件能被爆破出来随手写了个爆破脚本,基于御剑字典,只供学习使用importrandomimportrequestsimporttimefrommultiprocessingimportPooldefmultiScan
朋克归零膏·2025-02-03 10:20

七种实现左侧固定，右侧自适应两栏布局的方法

总结一下左边固定，右边自适应的两栏布局的七种方法。其中有老生常谈的float方法,BFC方法，也有CSS3的flex布局与grid布局。并非所有的布局都会在开发中使用，但是其中也会涉及一些知识点。
·2025-02-03 09:56

PHP代码审计学习02

经过这两天的代码审计学习，有了一些认识，那就是渗透测试相当于是黑盒测试，而代码审计相当于是白盒测试，代码审计会
玄客)·2025-02-03 09:17

C++学习中的编译器报错

1.for(inti=0;iconclusion){conclusion=calculate;}calculate=0;if(nums[index]!=1&&indexconclusion){conclusion=calculate;}calculate=0;if(index
望尘莫及是你·2025-02-03 09:11

使用支持向量机和朴素贝叶斯对文本分类

SVM是一种监督学习模型，用于分类和回归任务。SVC是SVM用于分类的实现。1.2SVC的用法及参数通过以下方式创建SVC对象并进行训练：fromsklearn.svmimport
SSeaflower·2025-02-03 09:10

使用支持向量机（SVM）进行股票市场预测

支持向量机（SVM）作为一种强大的机器学习算法，已被广泛应用于各种分类和回归问题。本文将详细介绍如何使用C++和支持向量机进行股票市场预测，并提供完整的代码示例。
m0_57781768·2025-02-03 08:09

DeepSeek：开启智能搜索与AI发展的新纪元

作为一款基于深度学习技术的智能搜索引擎和AI模型，DeepSeek不仅在技术上取得了重大突破，还在多个应用场景中展现了巨大的应用潜力，为用户带来了前所未有的智能体验。
gs80140·2025-02-03 08:08

BUUCTF：[ISITDTU 2019]EasyPHP --- rce 超级异或，，，吐了，，，字符之间异或， 成型的异或payload！！！

目录:一、自己做：二、学的的三、学习WP1.这里先来个不限制字符个数的关于这个%ff以及异或的事情，咱们好好唠唠1.生成异或中间值的python脚本2.看有字符限制的时候，：参考：末初一、自己做：0xd
Zero_Adam·2025-02-03 08:38

【Java】已解决java.lang.ClassNotFoundException异常

文末获取免费IT学习资料！文末获取更多信息精彩专栏推荐订阅收藏专栏系列直达链接相关介绍书籍分享点我跳转书籍作为获取知识的重要途径，对于IT从业者来说更是不可或缺的资源。
屿小夏·2025-02-03 08:38

MoonBit 编译器（留档学习）

MoonBit编译器MoonBit是一个用户友好，构建快，产出质量高的编程语言。MoonBit|Documentation|Tour|CoreThisisthesourcecoderepositoryforMoonBit,aprogramminglanguagethatisuser-friendly,buildsfast,andproduceshighqualityoutput.安装先安装依赖：s
skywalk8163·2025-02-03 08:07

我在京东工作已经来到第8个年头，从2016年的实习生到如今负责部门整体架构，这段职业旅程中充满了感悟。 简单回顾我的个人成长里程碑：2017年正式加入京东后，从一名新人开始，逐步了解公司的业务、文化，

简单回顾我的个人成长里程碑：2017年正式加入京东后，从一名新人开始，逐步了解公司的业务、文化，以及学习如何成为一名合格的职场人；19-21年，我开始负责一块完整的业务，并逐渐成长为小组负责人；2022
毕设专业企业源码站2·2025-02-03 08:36

Megatron：深度学习中的高性能模型架构

Megatron：深度学习中的高性能模型架构Megatron是由NVIDIA推出的深度学习大规模预训练模型框架，主要针对大规模Transformer架构模型的高效训练与推理。
gs80140·2025-02-03 08:06

Perf-linux服务器性能测试

压测时关注服务端性能内存：50%以下CPU：一般小于75%，平均每核CPU的load小于1网络带宽：磁盘：IO：数据库：JVM：小于80%fullGC频率：小于半小时一次响应时间：小于期望值20,30,50,100ms错误率：
进阶的小猫·2025-02-03 08:04

对领域驱动设计(DDD)的学习成果

领域驱动设计之领域模型2004年EricEvans发表Domain-DrivenDesign–TacklingComplexityintheHeartofSoftware（领域驱动设计），简称EvansDDD。领域驱动设计分为两个阶段：以一种领域专家、设计人员、开发人员都能理解的“通用语言”作为相互交流的工具，在不断交流的过程中不断发现一些主要的领域概念，然后将这些概念设计成一个领域模型；由领域模
huaishu·2025-02-03 08:34
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他