Wesley13 Wesley13
3年前
java 代码生成分享海报,仅供参考
为了生成一个活动海报,不得不根据海报底图通过java代码手动生成一张海报(包含用户名,用户简介,商品图,商品价格,商品二维码宣传语等),通过千辛万苦后,终于画成功了,我强了但也秃了,这不是因为强而秃,而是我的同事告诉我,为什么不用通过网页htmlcss写出一张海报,然后java代码通过url保存为图片(?????)  我秃了
Stella981 Stella981
3年前
Opencv中的WMesh
费了半天劲,终于把这个WMesh类搞懂了,可惜效果不佳,比Matlab中的mesh差多了。使用WMesh前,需要有一个Mesh对象,Mesh是三维数据点的基本几何信息、颜色信息、索引信息等集成的对象。Mesh对象无法直接在Viz3d中显示,需要转换为WMesh对象,然后才可以显示。首先了解Mesh类:我们先看看Mesh的定义,在Mesh中有四个M
Wesley13 Wesley13
3年前
(Bypat代维)专注于为中小企业提供高质量的服务器配置、网站代维护服务。
LNMP、LAMP、LTANMP环境配置(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.ltanmp.com%2Fwpcontent%2Fuploads%2Fauto_save_image%2F2013%2F09%2F042020jgj.jpg)
Wesley13 Wesley13
3年前
2020,最关注企业级云原生实践落地的大会来了!
过去的2019年,云原生关注度依然居高不下,更多开发者热衷使用云原生技术,更多企业开始探索云原生架构转型落地。尽管云原生技术已经被广泛接受,其在企业技术栈的落地仍然面临挑战。在与各行业头部企业深度合作和交流中,我们发现国内云原生实践已累积了诸多宝贵经验。云原生技术带来的资源成本降低、研发运维效率提升等巨大价值,已经驱动企业主动迎接这些挑战。可以预见通
Wesley13 Wesley13
3年前
O2O 行业 IT 系统架构实践分享——预告
主题:O2O行业IT系统架构实践分享时间:4月26日20:00——21:30地点:QingCloud技术分享群报名方式:扫描文末小编二维码添加好友,发送听课,小编拉你进群。讲师:张卫华,青云QingCloud架构和解决方案工程师。本期内容介绍:O2O作为一种新生的商业模式,经过这些年的实践和讨论,已
Easter79 Easter79
3年前
TiDB 在转转的业务实战
作者:陈维,转转优品技术部RD。开篇世界级的开源分布式数据库TiDB自2016年12月正式发布第一个版本以来,业内诸多公司逐步引入使用,并取得广泛认可。对于互联网公司,数据存储的重要性不言而喻。在NewSQL数据库出现之前,一般采用单机数据库(比如MySQL)作为存储,随着数据量的增加,“分库分表”是早晚面临的问题,
Stella981 Stella981
3年前
Android OpenSL ES 开发:Android OpenSL 录制 PCM 音频数据
一、实现说明OpenSLES的录音要比播放简单一些,在创建好引擎后,再创建好录音接口基本就可以录音了。在这里我们做的是流式录音,所以需要用至少2个buffer来缓存录制好的PCM数据,这里我们可以动态创建一个二维数组,里面有2个buffer,然后每次录音取出一个,录制好后再写入文件就可以了,2个buffer依次来存储PCM数据,这样就可以
Easter79 Easter79
3年前
TensorFlow2教程20:自编码器
  自动编码器的两个主要组成部分;编码器和解码器  编码器将输入压缩成一小组“编码”(通常,编码器输出的维数远小于编码器输入)  解码器然后将编码器输出扩展为与编码器输入具有相同维度的输出  换句话说,自动编码器旨在“重建”输入,同时学习数据的有限表示(即“编码”)  1.导入数据  (x\_train,y\_train),(x\_
Stella981 Stella981
3年前
Docker 跨主机网络方案分析
本文首发于我的公众号Linux云计算网络(id:cloud\_dev),专注于干货分享,号内有10T书籍和视频资源,后台回复\\「1024」\\即可领取,欢迎大家关注,二维码文末可以扫。上篇文章介绍了容器网络的单主机网络,本文将进一步介绍多主机网络,也就是跨主机的网络。总结下来,多主机网络解决方案包括但不限于以下几种:
文本的深度学习
序列数据和文本的深度学习用于构建深度学习模型的不同文本数据表示法:理解递归神经网络及其不同实现,例如长短期记忆网络(LSTM)和门控循环单元(GatedRecurrentUnit,GRU),它们为大多数深度学习模型提供文本和序列化数据;为序列化数据使用一维卷积。可以使用RNN构建的一些应用程序如下所示。文档分类器:识别推文或评论的情感,对新闻文章