分类
发现
标签
搜索
注册
登录
分类
发现
榜单
标签
搜索
注册
登录
搜索
数智图书馆-无锡数智政务
本次搜索耗时
7.610
秒,为您找到
802
个相关结果.
搜书籍
搜文档
9.4 小结
18
2025-06-17
《SQL必知必会》
9.4 小结 9.4 小结 聚集函数用来汇总数据。SQL支持5个聚集函数,可以用多种方法使用它们,返回所需的结果。这些函数很高效,它们返回结果一般比你在自己的客户端应用程序中计算要快得多。
5.4 奇偶校验
18
2025-06-17
《程序员的数学思维修炼》
5.4 奇偶校验 5.4.1 不可靠的网络传输 5.4.2 用奇偶校验检查错误 5.4 奇偶校验 奇偶校验是计算机中最常用的一种验证数据的方法。由于它很简单,所以奇偶校验位用于许多计算机硬件中,当遇到麻烦时能够重新操作,或者通过简单的错误检测就能起到很大作用。例如SCSI总线使用奇偶校验位检测传输错误,许多微处理器的指令高速缓存中也包括奇偶校验位保...
8.2 设计思路
18
2025-06-17
《大规模分布式存储系统:原理解析与架构实践》
8.2 设计思路 8.2 设计思路 OceanBase的目标是支持数百TB的数据量以及数十万TPS、数百万QPS的访问量,无论是数据量还是访问量,即使采用非常昂贵的小型机甚至是大型机,单台关系数据库系统都无法承受。 一种常见的做法是根据业务特点对数据库进行水平拆分,通常的做法是根据某个业务字段(通常取用户编号,user_id)哈希后取模,根据取模的结...
5.8 小结
18
2025-06-17
《深度学习入门:基于Python的理论与实现》
5.8 小结 5.8 小结 本章我们介绍了将计算过程可视化的计算图,并使用计算图,介绍了神经网络中的误差反向传播法,并以层为单位实现了神经网络中的处理。我们学过的层有 ReLU 层、Softmax-with-Loss 层、Affine 层、Softmax 层等,这些层中实现了 forward 和 backward 方法,通过将数据正向和反向地传播,...
空标题文档
18
2025-06-18
《逆向管理:先行动后思考》
从“不对”转变到“对” 苏菲是她们公司采购部门的一颗冉冉升起的新星。当听到大家在讨论采购部门要彻底重组的事情时,她非常吃惊,因为她之前竟然一点也不知道这件事。为了拿到年终奖励,她把精力都放在了关键的业绩指标上,却没有发现市场中其他竞争者的变化。竞争者的变化使得她的公司传统的采购和入库方法变得昂贵且低效。她也没有发现该变化导致的公司内部资源重组,高层领导的...
07仿生数码新皮质
18
2025-06-19
《人工智能的未来:提示人类思维的奥秘》
07仿生数码新皮质 07仿生数码新皮质 我们现在已经能模拟包含160万个视觉神经元的人脑视觉新皮质,模拟完整人类大脑的目标预计2023年就可实现。“矢量量化”方法既能高效利用计算机资源,又能保留重要的语言识别特征。隐马尔可夫模型让语音识别系统能同时完成识别和学习两项任务。
4.4.4 步骤5:以合适的格式,及时向决策者提出分析意见
17
2025-06-16
《决策的12个工具》
4.4.4 步骤5:以合适的格式,及时向决策者提出分析意见 视觉描述比书面报告更高效,我们可以考虑3种格式方案。 ·比较方格图(见图4.2):在由高/低自变量和因变量组成的x轴和y轴上绘出竞争对手的位置(绩效、能力、关键成功因素)。根据具体的应用,将公司的绩效或者行业平均值作为原点。比较方格图为两个竞争参数的相对表现提供了很好的快照。 图4.2 ...
第1章 程序员小窝——搭建高效的开发环境
17
2025-06-17
《Android群英传》
第1章 程序员小窝——搭建高效的开发环境 第1章 程序员小窝——搭建高效的开发环境 程序员的电脑、书桌就是程序员的小窝。在这块小天地里面,程序员要完成开发、学习的任务,那么一个高效、优雅的开发环境就显得尤为重要。古人云:居不可一日无竹。一个良好的环境是提高工作效率的保证。本章将向大家讲解如何做一名程序员中的雅士,在优雅的开发环境中完成自己的工作。
5.3 如何实现发送接收的队列模式
17
2025-06-17
《大规模分布式系统架构与设计实践》
5.3 如何实现发送接收的队列模式 5.3 如何实现发送接收的队列模式 我们可以将Domain视为MQ队列,每个node为一个队列消息,检查Domain的变化来获取队列消息。 ❏ Sender:是一个队列发送者,它发送消息的实现是在queue上创建一个匿名节点来存放消息 pl . create ( queue , ( Serializable ...
4.5.2 mini-batch 的实现
17
2025-06-17
《深度学习入门:基于Python的理论与实现》
4.5.2 mini-batch 的实现 4.5.3 基于测试数据的评价 numerical_gradient() 的高速版,将在下一章实现 TwoLayerNet 类有 params 和 grads 两个字典型实例变量。params 变量中保存了权重参数,比如 params['W1'] 以 NumPy 数组的形式...
1..
«
77
78
79
80
»
..81