推荐
专栏
教程
课程
飞鹅
本次共找到588条
绩效改进计划
相关的信息
雷厉风行
•
2年前
Mac程序员软件-PhpStorm 2022 for Mac(PHP集成开发)完美激活永久版
phpstorm2022是一款非常好用的php开发软件,软件支持所有PHP语言功能,提供最优秀的代码补全、重构、实时错误预防等等功能,能够为程序员提供更为效率的php开发,新版本改进了phpstorm软件的自动完成功能。还增加了代码清理工具,可以删除不必要的部分来优化全类名称,从而更好的提高用户的工作效率。
Wesley13
•
3年前
KONG网关 — 插件开发
!(http://pic.wblog.cn/0B53EAF31445429BA3E7BA451B3DCC55.png)虽然kong提供了那么多的插件,但是不可能百分百满足了对于网关的需求,在很多系统中不可能吧用户体系用到kong提供的权限验证体系,包括对于一套系统完整的RBAC系统大家都有不同的改进,以及请求加密参数校验等等,所以对于扩展性
Stella981
•
3年前
BeetlSQL 3 功能预览
BeetlSQL3目前正在研发过程,预计9月能发版。相比于BeetlSQL2,有非常多的改进,本博客会用一部分介绍BeetlSQL3的功能,另外一部分介绍如何定制Beetl3。BeetSql是一个全功能DAO工具,同时具有Hibernate优点&Mybatis优点功能,适用于承认以SQL为中心,同时又需求工具能自动能生成大量常用的SQL的应用
Stella981
•
3年前
JVM调优
概述 什么是jvm调优呢?jvm调优就是根据gc日志分析jvm内存分配、回收的情况来调整各区域内存比例或者gc回收的策略;更深一层就是根据dump出来的内存结构和线程栈来分析代码中不合理的地方给予改进。eclipse优化主要涉及的是前者,通过gc日志来分析。本文主要是通过分析eclipsegc日志为例来示例如何根据gc日志来分析jvm内存而进
Stella981
•
3年前
Openshift 4.3环境的离线Operatorhub安装
这几天在客户环境中搞Operatorhub的离线,因为已经安装了OpenShift4.3的集群,所以目标是只将考核的ServiceMesh和Serverless模块安装上去即刻,因为前期工作关系,我曾在离线的4.2环境安装过类似组件,所以稍作准备就出发了,但这几天遇到的问题和坑确实不少,4.3和4.2相比在离线方面有很大的改进,但又埋了另外一些坑,本文算
Stella981
•
3年前
GitHub已确认被微软收购
GitHub是一项在线服务,允许开发者托管他们的软件项目。在这个平台上,世界各地的任何人都可以下载这些项目,并提交他们自己的改进。这个功能使GitHub成为开源软件开发世界的中心。GitHub提供的工具对于软件开发者来说十分重要,开发者们用GitHub来存放代码、记录版本更新、并讨论项目问题。GitHub拥有2300万独立用户。
Wesley13
•
3年前
ubuntu下编辑文本命令
常见的基于控制台的文本编辑器有以下几种:emacs 综合性的GNUemacs 编辑环境nano 一个类似于经典的pico的文本编辑器,内置了一个pine邮件程序vim 一个改进的vi文本编辑器注意并不是所有的文本编辑器都是基于控制台的,也就是说支持终端使用的。有一些文
Easter79
•
3年前
TensorFlow Ranking框架在海外推荐业务中的实践与应用
前言在当今互联网世界,推荐系统在内容分发领域扮演着至关重要的角色。如何尽可能的提升推荐系统的推荐效果,是每个推荐算法同学工作的核心目标。在爱奇艺海外推荐业务,引入TensorFlowRanking(TFR)框架,并在此基础上进行了研究和改进,显著提升了推荐效果。本文将分享TFR框架在海外推荐业务中的实践和应用。01算法的
Stella981
•
3年前
Gdevops北京站归来
今天参加了Gdevops北京站的峰会,感触良多。每次的峰会其实自己都是带着期待,会后总是会有一些思想的感悟,有些可能是行业中的痛点,有些是通病,有些是我们没有意识到的。通过分享或者思想的交流碰撞,能够让自己看得远一些,明白现有工作可改进的地方和空间,对于个人和公司来说,都是一种成长和收获。!(https://oscimg.oschina.ne
helloworld_91538976
•
3年前
使用深度学习进行图像分类
使用深度学习进行图像分类解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题,然后使用这个问题测试本章的深度学习算法,并在第5章中进行改进,我们将基于卷积神经网络(CNN)和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogsvs
1
•••
39
40
41
•••
59