Easter79 Easter79
3年前
springmvc + mybatis + ehcache + redis 分布式架构
内容管理(CMS)系统,包括内容管理,栏目管理、站点管理、公共留言、文件管理、前端网站展示等功能;在线办公(OA)系统,主要提供简单的流程实例。提供了常用工具进行封装,包括日志工具、缓存工具、服务器端验证、数据字典、当前组织机构数据(用户、机构、区域)以及其它常用小工具等。另外还提供一个强大的在线代码生成工具,此工具提供简单的单表、
手把手教程 | 5分钟用轻量云主机搭建一个JupyterLab
JupyterLab作为一种基于web的集成开发环境,被称为下一代的JupyterNotebook,你可以使用它编写notebook、操作终端、编辑markdown文本、打开交互模式、查看csv文件及图片等功能,支持Python等多种语言,十分适合做数据分析及可视化工作。随着GPT大模型算法的盛行,数据分析已经从过去传统的人为打标、清洗的运营流程转向更智能、高效、复合的机器学习分析。
Wesley13 Wesley13
3年前
Java 流行的工作流引擎
Java流行的工作流引擎JBPM工作流JBPM是一个Java业务流程管理系统,是JBoss中一款开源的工作流引擎,是一个轻量级的,使用BPMN2规范可扩展的工作流引擎,也是一个工作流管理系统,它可以运行在任何java环境,嵌入在您的应用程序或服务,拥有工作流控制台管理界面,现在,最新的版本为JBPM
Easter79 Easter79
3年前
Tensorflow应用之LSTM
学习RNN时原理理解起来不难,但是用TensorFlow去实现时被它各种数据的shape弄得晕头转向。现在就结合一个情感分析的案例来了解一下LSTM的操作流程。一、深度学习在自然语言处理中的应用自然语言处理是教会机器如何去处理或者读懂人类语言的系统,主要应用领域:对话系统聊天机器人(小冰)情感分析对一段文本进
Stella981 Stella981
3年前
Hexo的版本控制与持续集成
想必很多人会把Hexo生成出来的静态网站放到GitHubPages来进行托管。一般发布Hexo博客的流程是,首先在本地搭建Hexo的环境,编写新文章,然后利用hexodeploy来发布到Git。那么对于本地的Hexo的原始文件怎么管理呢?如果换电脑了怎么办?如果没有对原始文件进行备份,突然有一天你的本地环境挂了导致源文件丢失,那不就呵呵了。也许你会想
Easter79 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
Stella981 Stella981
3年前
HugeGraph发布可视化平台Hubble首个版本
近日,大规模图数据库HugeGraph宣布,正式发布图可视化分析平台HugeGraphHubblev1.5版本。该版本全面升级平台可视化工具,打造一站式图服务,从数据建模,到数据快速导入,再到数据的在线、离线分析,以及图的统一管理,实现了图应用全流程的向导式操作,旨在提升社区用户的使用顺畅度,降低使用门槛,提供更为高效易用的使用体验。HugeGr
Stella981 Stella981
3年前
SpreadJS 纯前端表格控件应用案例:MHT
由明厚天股份研发的数据填报采集平台,提供了便于用户操作的类Excel界面模式,可为用户提供规范、正确、完整的数据采集和填报模型,结合数据自动化抽样,可解析不同数据库、不同数据格式的数据,让数据填报流程更简单、更快速、更顺畅。下面,让我们一起来看看明厚天股份是如何在“MHTCP数据填报采集平台”中应用表格技术,实现“数据填报(https://www.
Wesley13 Wesley13
3年前
TDD 测试驱动开发
测试驱动开发,英文全称TestDrivenDevelopment,简称TDD,是一种不同于传统软件开发流程的新型的开发方法。它要求在编写某个功能的代码之前先编写测试代码,然后只编写使测试通过的功能代码,通过测试来推动整个开发的进行。这有助于编写简洁可用和高质量的代码,并加速开发过程。1概述KentBeck先生最早在其极限编程(XP)方法论中,向大
GoCoding GoCoding
2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