推荐
专栏
教程
课程
飞鹅
本次共找到2257条
内容分发
相关的信息
Wesley13
•
3年前
SQL优化中索引列使用函数之灵异事件
很久之前的自己写的文章了,拿出来复习一下,O(∩\_∩)O哈哈~在SQL优化内容中有一种说法说的是避免在索引列上使用函数、运算等操作,否则Oracle优化器将不使用索引而使用全表扫描,但是也有一些例外的情况,今天我们就来看看该灵异事件。一般而言,以下情况都会使Oracle的优化器走全表扫描,举例:1.substr(hbs\_bh
陆石六
•
2年前
mac思维导图软件-XMind 2022 for mac 中文全功能版
XMind2022forMac是一款被广泛使用的思维导图软件,由XMind公司开发。这款软件的主要功能是帮助用户快速创建思维导图,使思维整理更加高效,同时还可以帮助用户更好地理清思路,并对被记录下来的内容进行更加清晰的组织和规划。XMind2022forMac的功能强大,界面美观,易于使用,是一款非常受欢迎的思维导图软件。
徐小夕
•
4年前
使用reveal.js制作精美的网页版PPT
前言最近在做季度总结和技术分享,所以需要做个PPT,来回顾这半年来的技术贡献.但苦于mac上运行PPT那感人的流畅度,成功的激起了笔者的强迫症,所以索性想办法通过技术的手段来做个网页版PPT,这个时候笔者发现了reveal.js:一个使用HTML语言制作演示文稿的Web框架,支持插入多种格式的内容,并以类似PPT的形式呈现.花了1
Easter79
•
3年前
SpringCloud从入门到进阶——单点部署Zuul的压力测试与调优(一)
前言说明:通过zuul访问后端服务时,这个流程是如何的?当你用500线程并发访问zuul和用100线程并发访问zuul,zuul分别会用多少个线程去并发访问后端的服务?后端最多能承受多少个并发线程?zuul默认是Hystrix的信号量隔离,这个值对zuul并发访问后端时有什么影响?可以通过这一篇来了解一下。内容 作为微服务架构系统的入口,毫无疑
Wesley13
•
3年前
MySQL Replication
支持的复制类型:1.基于语句的复制mysql默认采用基于语句的复制,效率高。基本方式:在master上执行的sql语句,在slave上再次执行同样的语句,而一旦发现没法复制时会自动选择基于行的复制。2.基于行的复制基本方式:把master服务器上改变的内容复制过去,而不是把sql语句在从服务器上执行一遍,mysql从5.0开始支持基于行的复制
Wesley13
•
3年前
HttpClient学习 使用 详解
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpCl
可莉
•
3年前
20165234 《Java程序设计》第一周学习总结
第一周学习总结教材学习内容总结java的特点语法简单,面向对象,稳定,与平台无关,多线程,动态。平台是由操作系统和处理器(CPU)所构成,每个平台都会形成自己独特的机器指令,相同的CPU和不同的操作系统所形成的的平台的机器指令可能是不同的。引用视频中老师的一句话:“操作系统是硬件的第一层虚拟机
Wesley13
•
3年前
URL地址参数进行加密传输提高网站安全性
通过密钥对url上的参数进行签名,比如url上有三个参数,按一定顺序排列后用一个只有服务端知道的密钥签名放在<a href"http://www.xxx.com/?a1&b2&c3&sigxxxxxxxx"里,这样,如果用户改了里面参数的内容,比如把a1改成了a2,但不知道你的密钥,也无法模拟你的签名,后台通过接收到的参数列表,用密钥进行签名
GoCoding
•
3年前
TVM 加速模型,优化推断
TVM是一个开源深度学习编译器,可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。不同于深度学习框架关注模型生产力,TVM更关注模型在硬件上的性能和效率。本文只简单介绍TVM的编译流程,及如何自动调优自己的模型。更深入了解,可见TVM官方内容:文档:https://tvm.apach
helloworld_30205898
•
2年前
机器学习入门指南
资料获取地址见文末或评论!一、预备知识微积分(偏导数、梯度等等)概率论与数理统计(例如极大似然估计、中央极限定理、大数法则等等)最优化方法(比如梯度下降、牛顿拉普什方法、变分法(欧拉拉格朗日方程)、凸优化等等)二、路线1(基于普通最小二乘法的)简单线性回归线性回归中的新进展(岭回归和LASSO回归)(此处可以插入Bagging和AdaBoost的内容
1
•••
190
191
192
•••
226