OpenFOAM文档学习

Python与.NET：10步教你轻松实现跨语言互操作，你准备好了吗？

超萌技术攻略，轻松晋级编程高手技术宝库已备好，就等你来挖掘订阅墨瑾轩，智趣学习不孤单即刻启航，编程之旅更有趣在这个多语言编程的时代，Python和.NET各自拥有独特的魅力。
墨瑾轩·2025-01-19 11:46

基于Docker官方php:5.6.40-fpm镜像构建支持66个常见模组的php5.6.40镜像

文档形成时期：2017-2023年因系统或软件版本不同，构建部署可能略有差异，但本文未做细分，对稍有经验者应不存在明显障碍。因软件世界之复杂和个人能力之限，难免疏漏和错误，
沉思的归零者·2025-01-19 11:44

使用 Java 和 FreeMarker 实现自动生成供货清单，动态生成 Word 文档，简化文档处理流程。

在上一篇博客中主要是使用SpringBoot+ApachePOI实现了BOM物料清单Excel表格导出，详见以下博客：SpringBoot+ApachePOI实现Exc（）el导出：BOM物料清单生成器（支持中文文件名、样式美化、数据合并）目录引言项目结构源代码展示1.WordController2.WordUtil工具类3.FreeMarker模版4.POM依赖WordController类深度
熊文豪·2025-01-19 11:14

算力平台环境搭建实操

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、登录账号二、选择算力平台已有镜像或外部导入镜像创建开发环境三、配置环境1.修改算力平台密码2.配置代理（1）进入bashrc配置文件
罗小黑的师傅·2025-01-19 11:43

构建高效GPU算力平台：挑战、策略与未来展望

引言随着深度学习、高性能计算和大数据分析等领域的快速发展，GPU（图形处理器）因其强大的并行计算能力和浮点运算速度而成为首选的计算平台。
Mr' 郑·2025-01-19 11:43

详解深度学习中的Dropout

Dropout是一种在神经网络训练中常用的正则化技术，其操作是在每次训练迭代中随机“丢弃”一部分神经元（即将其输出置为零）。以下是对这一操作的详细解释：一、基本思想Dropout的基本思想是减少神经元之间的复杂共适应关系，迫使网络在训练过程中不依赖于特定的神经元子集。这有助于增加模型的泛化能力，防止过拟合。二、具体实现随机选择：在每次训练迭代中，以一定的概率p（通常设定为0.2到0.5之间）随机选
nk妹妹·2025-01-19 11:43

ACL实验

地址过滤数据包，访问控制列表号2000-2999扩展访问控制列表：基于源IP地址、目的IP地址、指定协议、端口和标志来过滤数据包命名访问控制列表：允许在标准和扩展访问控制列表中使用名称代替表号实验目的学习
把梦想藏在蘑菇里·2025-01-19 11:12

Python学习之-Pydantic详解

前言：Pydantic是一个Python库，用于数据解析和验证。它主要基于Python类型提示来实现数据的校验和设定限制条件。在Pydantic中，BaseModel是一个核心基类，用于创建数据模型。1BaseModel的主要作用包括：数据验证（Validation）:BaseModel类提供了自动数据验证的功能。当你创建一个基于BaseModel的子类并且为其字段添加类型注解（typeannot
夏天Aileft·2025-01-19 11:11

Web3.0开发路线

学习内容：Web3概述：起源、愿景、与Web2的区别。区块链基础：区块、链式结构、哈希、公钥/私钥、UTXO模型、账户模型等。共识机
king-agic·2025-01-19 10:32

【机器学习实战中阶】音乐流派分类-自动化分类不同音乐风格

音乐流派分类–自动化分类不同音乐风格在本教程中，我们将开发一个深度学习项目，用于自动化地从音频文件中分类不同的音乐流派。我们将使用音频文件的频率域和时间域低级特征来分类这些音频文件。
精通代码大仙·2025-01-19 10:01

OSPF（1）：基础知识与数据包、状态机、工作过程

引言上一篇我们学习了RIP：RIP基础知识与配置，可是通过学习，我们发现RIP似乎只能运用在中小型网络中，那么中大型网络应该怎么做呢？
小度爱学习·2025-01-19 09:28

OSPF（2）：基础配置、拓展配置

引言在前面的学习中我们知道了ospf的基础理论知识：ospf（1），那么这一节我们就来继续学习ospf的配置吧，而在本节我们的学习将基于以下这张图来讲解配置命令：R1、R2、R3都有一个环回接口，分别为
小度爱学习·2025-01-19 09:28

深度强化学习(DRL)原理与代码实战案例讲解

1.背景介绍1.1人工智能的演进：从符号主义到连接主义人工智能(AI)的发展经历了漫长的历程，从早期的符号主义到如今的连接主义，标志着人工智能从基于规则的推理演变到基于数据的学习。
AI大模型应用之禅·2025-01-19 09:27

全面解读 Databricks：从架构、引擎到优化策略

在Databricks平台上，数据工程、数据科学与数据分析团队能够协作使用Spark、DeltaLake、MLflow等工具高效处理数据与构建机器学习应用。
克里斯蒂亚诺罗纳尔多阿维罗·2025-01-19 09:27

立足西安，昇腾AI为开发者留下了脚印一串

“我爱西安这座城市，而且在学校学习了那么多与IT开发相关的课程，未来我很希望能留在西安发展。”西安电子科技大学计算机学院的几名学生如是对笔者说。
科技前沿资讯·2025-01-19 09:24

AI歌手会成为主流吗？

1.AI歌手的发展现状1.1技术背景我们处于一个机器学习和深度学习技术飞速发展的时代，AI歌手的诞生并非偶然。通过收集和分析大量的音乐数据，AI能够学习并模仿特定歌手
网络安全我来了·2025-01-19 09:23

【机器学习：三十二、强化学习：理论与应用】

1.强化学习概述**强化学习（ReinforcementLearning,RL）**是一种机器学习方法，旨在通过试验与反馈的交互，使智能体（Agent）在动态环境中学习决策策略，以最大化累积奖励（CumulativeReward
KeyPan·2025-01-19 09:19

【机器学习：二十七、决策树集合】

1.决策树集合的概述决策树集合是一种基于多个决策树模型集成的机器学习方法，通过组合多个弱学习器（决策树）形成一个强学习器，显著提升预测性能和泛化能力。
KeyPan·2025-01-19 08:49

学习AI大模型的小白入门建议和具体的学习方法推荐

这里肯定有一个学习曲线。我可能应该从了解机器学习的基础知识开始。
aFakeProgramer·2025-01-19 08:17

微信小程序开发入门教程

微信小程序开发入门教程#1、微信小程序的概念、历史、发展微信小程序的概念、历史、发展-CSDN博客#2、微信小程序的开发工具微信官方给出的开发工具：概览|微信开放文档#3、微信小程序的项目结构、创建、发布审核
天马3798·2025-01-19 08:46

机器学习——认识有监督学习与无监督学习

目录有监督学习与无监督学习有监督学习无监督学习监督学习与无监督学习的区别有监督学习与无监督学习有监督学习和无监督学习是机器学习中的两种主要学习方式，它们的主要区别在于数据的标注情况和学习的目标。
伊一大数据&人工智能学习日志·2025-01-19 08:41

数据增强方法及其工具

数据增强（DataAugmentation）是指在训练深度学习模型时，通过对现有数据进行一系列变换，从而生成新的样本。
cxr828·2025-01-19 07:09

基于深度学习CNN网络 mini-xception网络实现 构建一个完整的人脸表情检测_识别分类系统，包括训练、评估、前端和服务端代码

人脸表情检测该项目已训练好网络模型，配置好环境即可运行使用，效果见图像，实现图像识别、摄像头识别、摄像头识别/识别分类项目-说明文档-UI界面-cnn网络项目基本介绍：【网络】深度学习CNN网络mini-xception
计算机c9硕士算法工程师·2025-01-19 07:35

Python操作word文档的全面方法总结与对比

在Python中操作Word文档是一项常见的任务，特别是在办公自动化和数据处理领域。本文将详细总结和对比几种常用的Python库和方法，包括它们的优缺点、适用场景以及具体的代码示例。
极客代码·2025-01-19 07:31

AI技术架构：从基础设施到应用

1.GPU（图形处理单元）：并行计算的核心GPU是深度学习的核心引擎，专为大规模并行计算设计。技术优
fuqinyijiu·2025-01-19 06:31

单层感知机----或门实现

文章目录一、前言---感知机二、实现过程1.引入库2.或门真值表-训练集数据3.建立model,初始化定义权重、偏置、学习率4.前向传播定义5.训练过程(更新权重和偏置)6.训练模型一、前言—感知机感知机
翔翔子1号·2025-01-19 06:30

2-2-18-16 QNX系统架构之自适应分区

阅读前言本文以QNX系统官方的文档英文原版资料为参考，翻译和逐句校对后，对QNX操作系统的相关概念进行了深度整理，旨在帮助想要了解QNX的读者及开发者可以快速阅读，而不必查看晦涩难懂的英文原文，这些文章将会作为一个或多个系列进行发布
星原飞火·2025-01-19 06:57

2-6-1-1 QNX编程入门之进程和线程（四）

阅读前言本文以QNX系统官方的文档英文原版资料“GettingStartedwithQNXNeutrino:AGuideforRealtimeProgrammers”为参考，翻译和逐句校对后，对在QNX
星原飞火·2025-01-19 06:27

2-2-18-15 QNX系统架构之高可用性

阅读前言本文以QNX系统官方的文档英文原版资料为参考，翻译和逐句校对后，对QNX操作系统的相关概念进行了深度整理，旨在帮助想要了解QNX的读者及开发者可以快速阅读，而不必查看晦涩难懂的英文原文，这些文章将会作为一个或多个系列进行发布
星原飞火·2025-01-19 06:26

2-2-18-7 QNX 系统架构-动态链接

阅读前言本文以QNX系统官方的文档英文原版资料为参考，翻译和逐句校对后，对QNX操作系统的相关概念进行了深度整理，旨在帮助想要了解QNX的读者及开发者可以快速阅读，而不必查看晦涩难懂的英文原文，这些文章将会作为一个或多个系列进行发布
星原飞火·2025-01-19 06:56

大模型-Qwen2.5 技术报告解读

词元可以理解为语言模型学习时的基本语言单位（比如单词、汉
数据分析能量站·2025-01-19 06:55

第八讲 SPU密态引擎

数据是敏感的数据是重要的技术路线：多方安全计算同态加密差分隐私可信硬件挑战：易用性差，性能差需要：原生AI框架支持，编译器运行时协同优化SPU简介前端：支持主流AI前端，降低学习成本，复用AI前端能力编译器
huang8666·2025-01-19 06:51

25.1.17学习内容

B-迷宫Description给定一个N×M方格的迷宫，迷宫里有T处障碍，障碍处不可通过。在迷宫中移动有上下左右四种方式，每次只能移动一个方格。数据保证起点上没有障碍。给定起点坐标和终点坐标，每个方格最多经过一次，问有多少种从起点坐标到终点坐标的方案。Input第一行为三个正整数N,M,T，分别表示迷宫的长宽和障碍总数。第二行为四个正整数SX,SY,FX,FY，SX,SY代表起点坐标，FX,FY代
The_cute_cat·2025-01-19 05:18

2-2-18-17 QNX系统架构之“实时”

阅读前言本文以QNX系统官方的文档英文原版资料为参考，翻译和逐句校对后，对QNX操作系统的相关概念进行了深度整理，旨在帮助想要了解QNX的读者及开发者可以快速阅读，而不必查看晦涩难懂的英文原文，这些文章将会作为一个或多个系列进行发布
星原飞火·2025-01-19 05:15

.NET 学习：从基础到进阶的全面指南

.NET学习资料.NET学习资料.NET学习资料在当今软件开发的广阔领域中，.NET是一个备受瞩目的开发平台，以其强大的功能、跨平台的特性以及丰富的生态系统，吸引着众多开发者投身其中。
来恩1003·2025-01-19 05:13

关于我的博客建站经历

也是从那个时候开始学着搭建自己的个人博客，用来记录自己的学习笔记，但是却坚持不下来。而且发现一个奇怪的现象，对于搭建站点的过程我很感兴趣，内容输出却坚持不下来，这是我需要反思的地方。
忆宸_1·2025-01-19 05:12

【深度学习】AMP（Automatic Mixed Precision，自动混合精度）

@[toc]AMP（AutomaticMixedPrecision，自动混合精度）AMP在深度学习中，AMP（AutomaticMixedPrecision，自动混合精度）是一种通过混合使用单精度（FP32
shanks66·2025-01-19 04:38

国产编辑器EverEdit - 扩展脚本：关闭所有未修改文档

1扩展脚本：关闭所有未修改文档1.1应用场景  当用户打开过多文档时，部分文档已经修改，而大部分没有修改，为了减少在众多已打开文档中来回跳转的不便，可以将没有修改的文档全部关闭，但目前提供的快速关闭窗口的功能只有关闭全部窗口
彩虹小黑馬·2025-01-19 04:03

国产文本编辑器EverEdit - 如何给小众语言开发大纲分析脚本

1开发参考：小众语言如何开发大纲分析脚本1.1应用场景  在使用IDE进行代码开发时，代码中的变量、结构体、函数等，在大纲视图中都会显示出来，用户可以快速的了解当前文档的结构，以及快速跳转到函数、变量的声明位置
彩虹小黑馬·2025-01-19 04:32

智能化植物病害检测：使用深度学习与图像识别技术的应用

随着人工智能（AI）技术的快速发展，尤其是深度学习和图像识别技术的应用，智能化植物病害检测已经成为一种趋势，能够大幅提高病害检测的效率与准确性。
机器懒得学习·2025-01-19 04:29

阿里p5学习路线图?思维导图 代码示例（java 架构)

针对Java架构师的学习路线图，这里提供一个大致的方向以及一些可能的思维导图分支和代码示例主题。请注意，具体的晋升标准和学习路径可能会根据公司的具体要求和个人的职业发展方向有所不同。
用心去追梦·2025-01-19 04:29

深度学习-45-大型语言模型LLM之本地化部署运行自己的大模型

文章目录1深度学习1.1神经网络和深度学习1.2神经网络的工作原理1.3神经网络的专业术语2LLM概述2.1大模型的"大"是指什么?2.2训练大模型有多烧钱？2.3如何入门大模型？
皮皮冰燃·2025-01-19 04:58

网络安全学习 day1

前言计算机病毒种类狠毒蠕虫病毒--->具备蠕虫特性的病毒；1.繁殖性特别强（自我繁殖）；2.破坏性木马--->木马屠城故事--->木马本身不具备任何破坏性。用于控制后门的一个程序（后门--->指的是测试人员在目标系统中植入的一种隐藏式访问途径，可以使得在未来未得到授权的情况下重新访问系统）网络安全--->已经不再局限于网络世界，而是提升到了工控安全、网络空间安全。APT攻击--->高级可持续攻击；
whoami-4·2025-01-19 03:25

深度学习笔记——前向传播与反向传播、神经网络（前馈神经网络与反馈神经网络）、常见算法概要汇总

本文简要介绍深度学习的前向传播与反向传播，以及前馈神经网络与反馈神经网络。
好评笔记·2025-01-19 03:25

深度学习笔记——生成对抗网络GAN

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文详细介绍早期生成式AI的代表性模型：生成对抗网络GAN。文章目录一、基本结构生成器判别器二、损失函数判别器生成器交替优化目标函数三、GAN的训练过程训练流程概述训练流程步骤1.初始化参数和超参数2.定义损失函数3.训练过程的迭代判别器训练步骤生成器训练步骤4.交替优化5.收敛判别GAN训练过程的挑战四、GAN的常见变体
好评笔记·2025-01-19 03:25

机器学习笔记——Boosting中常用算法（GBDT、XGBoost、LightGBM）迭代路径

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文主要阐述Boosting中常用算法（GBDT、XGBoost、LightGBM）的迭代路径。文章目录XGBoost相对GBDT的改进引入正则化项，防止过拟合损失函数L(yi,y^i)L(y_i,\hat{y}_i)L(yi,y^i)正则化项Ω(fm)\Omega(f_m)Ω(fm)使用二阶导数信息，加速收敛一阶导数与二
好评笔记·2025-01-19 03:24

Vue 开发者的 React 实战指南：组件设计模式篇

作为Vue开发者，在学习React的过程中，除了语法和状态管理的差异，组件设计模式的差异也是一个重要的方面。本文将从Vue开发者熟悉的角度出发，详细介绍React中常用的组件设计模式。
·2025-01-19 03:26

如何处理列表的部分元素？

上期本期学习了怎么创建数值列表，今天给大家讲一下如何处理列表的部分元素~前言：以处理列表的部分元素——Python称之为切
努力学习的耶耶·2025-01-19 02:49

Web实时通信的学习之旅：SSE（Server-Sent Events）的技术详解及简单示例演示

文章目录一、什么是SSE二、SSE技术的基本原理三、SSE适用于场景四、Node服务端示例1、协议2、格式3、事件3.1、事件3.2、事件唯一标识符3.3、重连事件4、具体示例五、客户端示例1、检测客户端是否支持SSE2、创建客户端连接3、事件监听4、接收事件5、自定义事件6、错误处理7、主动断开连接8、具体示例六、注意事项1、nginx配置2、EventSource一、什么是SSE服务器向浏览器
web14786210723·2025-01-19 02:14

【AIcoding技术必知必会】12问--前后端联调是什么？

具体步骤准备阶段前后端团队共同制定接口文档（APIDocumentation）确定接口的请求方式（GET/POST等）定义请求参数和返回数据格式（通常是JSON）约定接口的命名规范
srzxy42·2025-01-19 01:43
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他