- 综合排序
- 最热优先
- 最新优先
- 来自专栏进阶高级前端工程师
看透react源码之感受react的进化3
react15为什么需要进化react15有两大原罪，渲染阻塞和无法合并异步函数里面的setState原罪1：同步渲染阻塞主线程react15从setState到DOM节点渲染到页面上，整个流程都是同步的 后续为了更方便进行解读，我会用render阶段代指Reconciler，用commit阶段代指Renderer写在最后本文主要简述了react的进化历程和新react架构的基本构成。
58130编辑于 2023-01-05 - 来自专栏腾讯云TVP
龙虾进化
我们今天认真的谈一下，企业级的“龙虾”该怎么养，又会如何进化。 和AI Coding一样，现在小龙虾是给个人用的产品，还没有看到成熟的企业产品出现。 这也是小龙虾的终极进化目的：企业数字员工（主管）。总结一下：从个人应用到企业级应用，我们要做的就是：安全、健壮、可控、可持续迭代、可持续学习，经验持久化。
968130编辑于 2026-03-12 - 来自专栏GiantPandaCV
【从零开始学习YOLOv3】4. YOLOv3中的参数进化
前言：YOLOv3代码中也提供了参数进化(搜索)，可以为对应的数据集进化一套合适的超参数。本文建档分析一下有关这部分的操作方法以及其参数的具体进化方法。 1. 3. 原理 整个过程比较简单，对于进化过程中的新一代，都选了了适应性最高的前一代（在前几代中）进行突变。以上所有的参数将有约20%的 1-sigma的正态分布几率同时突变。 s = 0.2 # sigma 整个进化过程需要搞清楚两个点： 如何评判其中一代的好坏？ 下一代如何根据上一代进行进化？ **第一个问题：**判断好坏的标准。 = [0.0, 0.0, 0.8, 0.2] # weights for [P, R, mAP, F1]@0.5 return (x[:, :4] * w).sum(1) YOLOv3进化部分是通过以上的适应度函数判断的 **第二个问题：**如何进行进化？ 进化过程中有两个重要的参数: 第一个参数为parent, 可选值为single或者weighted，这个参数的作用是：决定如何选择上一代。
1.8K30发布于 2020-02-14 - 来自专栏数据科学（冷冻工厂）
生信教程：使用拓扑加权探索基因组进化（3）
使用 Twisst 探索整个基因组的进化关系的拓扑加权教程[1]。 简介 拓扑加权是量化不一定是单系群之间关系的一种方法。 再往前追溯，种群 2 和 3 也大规模迁移到种群 0。在第一个事件（时间向后）之后，我们还关闭了 1 和 2 之间的迁移。 destination=0, proportion=1.0), #next merge msprime.MassMigration(time=t_03, source=3, 但我们仍然需要告诉它使用最终的总体（数字 3，因为 python 从 0 开始计数）。 weights = weightsData["weights"]/10000 #create a plot with all three topology weights for i in range(3)
40120编辑于 2023-10-22 - 来自专栏智能算法
数据+进化算法=数据驱动的进化优化？进化算法PK数学优化
简单来说，数据驱动的进化优化（Data-driven evolutionary computation）就是借助数据和进化算法求解优化问题。首先为什么用进化算法呢？ 因此，另一种选择重新评估解的方法就是选择代理模型认为不确定的解（简单的理解是离其它个体比较远的那些个体），如图3所示（来自文献2）。 选择这些不确定的解有两方面好处：这些个体所在的区域还很少被搜索（图3a），传递给真实问题能够提高真实问题的探索能力。 另一个好处是由于这些个体分布在稀疏的区域，用真实问题评估过后加入训练集提高了训练集的多样性，从而在在代理模型修正过程能很大程度提高代理模型的准确度（图3b）。 ? 图3. 以上所述就是数据驱动进化优化算法的简单过程。详细的介绍推荐综述[3]和挑战[4]。
1.6K30发布于 2018-07-30 - 来自专栏AI科技大本营的专栏
从YOLOv1到YOLOv3，目标检测的进化之路
YOLO v2 使用 3*3 的 filter，每次池化之后都增加一倍 Channels 的数量。 YOLO v3 的模型比之前的模型复杂了不少，可以通过改变模型结构的大小来权衡速度与精度。 速度对比如下： ‘ YOLOv3 在实现相同准确度下要显著地比其它检测方法快。 改进之处： 1.多尺度预测 （类FPN） 2.更好的基础分类网络（类ResNet）和分类器 darknet-53，见下图 3.分类器-类别预测： YOLOv3 不使用 Softmax 对每个框进行分类 多尺度预测 每种尺度预测 3 个 box, anchor 的设计方式仍然使用聚类，得到9个聚类中心，将其按照大小均分给 3 个尺度。 尺度1: 在基础网络之后添加一些卷积层再输出box信息。 ： YOLOv3 在 mAP@0.5 及小目标 APs 上具有不错的结果，但随着 IOU的增大，性能下降，说明 YOLOv3 不能很好地与 ground truth 切合.
1.5K30发布于 2018-07-23 - 来自专栏微信公众号【Java技术江湖】
走进JavaWeb技术世界3：JDBC的进化与连接池技术
-- more --> JDBC数据库连接池 谈谈连接池、线程池技术原理 做互联网研发，最早接触使用jdbc技术，为了数据库连接能够复用，会用到c3p0、dbcp等数据库连接池。 数据库连接池就是 DataSource 的一个实现 常用数据库连接池 Apache DBCP * [官网](http://commons.apache.org/proper/commons-dbcp/)C3P0 * [官网](http://www.mchange.com/projects/c3p0/index.html)Druid * [GitHub](https://github.com/alibaba javax.sql.DataSource 来表示，DataSource 只是一个接口，该接口通常由服务器(Weblogic, WebSphere, Tomcat)提供实现，也有一些开源组织提供实现： ①DBCP 数据库连接池 ②C3P0
81100发布于 2019-10-20 - 来自专栏CDA数据分析师
吴甘沙：数据分析师进化的3道阶梯
比如说啤酒加尿布，它就符合了讲故事的3D：戏剧性、细节、参与这个对话的过程。
75270发布于 2018-02-11 - 来自专栏华章科技
元宇宙产业3年、10年、20年进化趋势预判
01 未来3年看设备 未来3年，元宇宙设备（VR、AR、MR、XR）销量大爆发没有悬念，因为这是增量用户的入口。 03 未来20年看机器人 用量变到质变的关系来看元宇宙进化，可能需要以20年为周期。在这个过程中元宇宙的数据膨胀驱动AI进化最终达到智能奇点的可能性很大。 机器人的研发史并不算短，主要瓶颈并非硬件，而是软件，智能进化是一个瓶颈。 也就是说，展望未来，元宇宙将整合消费互联网、产业互联网的全部能力，形成一个全息的超大型3D互动社区，人机共存的时代到来没有悬念，机器人加入人类大家庭现在看起来虽然大胆，但其本质逻辑和人类驯化狼成为狗作为忠诚伙伴有什么不同吗 （ISBN：978-7-111-70273-3）
54020编辑于 2022-06-07 - 来自专栏云前端
HTTP 的进化
HTTP 标准由 IETF（因特网工程任务组） 和 W3C（万维网联盟）负责开发，并以一系列注释请求（RFCs - Requests for Comments）的形式被发布。 Content-Type: text/html; charset=utf-8 Date: Wed, 20 Jul 2016 10:55:30 GMT Etag: "547fa7e369ef56031dd3bff2ace9fc0832eb251a
70420发布于 2020-06-16 神经进化算法
即使是最简单的神经进化算法（“传统神经进化”），没有多余的花里胡哨的普通算法，也许能够解决许多有趣的问题。 我在包含许多局部最大值的系统中更喜欢这个方法，所以对于随机梯度下降(SGD)，你最终会得到局部最大值，而神经进化(NE)算法有更大的可能性找到一个更好的局部甚至全局最大值。 另外，使用传统神经进化(CNE)复合循环神经网络结构相对简单。 在文献中，传统神经进化(CNE)仍然存在许多问题，其中算法实际上失去了多样性，也收敛到局部极大解，而这个子领域的大量工作是寻找更先进的算法（在上文中，ESP和NEAT是命名）。 我会试着去攻击convnet.js，并实现一个简单的、可以训练神经网络获得一些分数的传统神经进化(CNE)训练器，然后把它用来测试钟摆问题是否会被这些方法攻击。
1.7K100发布于 2018-02-05- 来自专栏猿人工厂
猿进化系列3——看完这个，你就有好几根猴毛了！
搞定上一章节，你已经成功地入坑java，在进化成猿类的路途中，迈出了一大步。这一步有多大呢？ 敲完代码不许点执行，自己先写出答案，答错的自己回去看三遍猿人进化系列2!!! 等下等下，我现在改主意了，我想执行语句2，但是不想执行语句3肿么办？哈哈，找你的“二姨夫”吧 看清楚了,if...else...的写法 ? 改造代码瞬间搞定！ ? 我再来考考你，在程序中有一个变量a,当a的值为1的时输出“我是第1行”，当a的值为2时输出“我是第2行”，当a的值为3时输出“我是第3行”，已此类推，一直到第5行！ 不要低估了我的智商！看我的！ ? 3.一定记得每个case最后写上break;否则程序会执行满足条件后的所有case! ? 轻松搞定！想知道不写break的后果吗？去掉吧，自己试试！
76520发布于 2020-07-28 - 来自专栏Python项目实战
VR硬件进化史：从“晕3D”到沉浸式未来
VR硬件进化史：从“晕3D”到沉浸式未来虚拟现实（VR）这玩意儿，刚开始只是科幻片里的幻想，后来变成了“大头盔+手柄”的游戏设备，而现在，它已经悄然渗透进工业、医疗、教育甚至社交领域。 硬件的进化是推动VR体验提升的关键，今天咱们就聊聊VR硬件的发展历程，看看未来的VR设备还能玩出啥花样。 咱们分别看看这三者的进化。 1. 显示技术：更清晰、更流畅高分辨率、宽视角、高刷新率是VR显示技术的关键。 =True, input_shape=(10, 3)), LSTM(20), Dense(3)])model.compile(optimizer='adam', loss='mse')model.fit VR硬件的进化正在让科幻变成现实，或许再过几年，戴上VR，你真的就能进入一个完全沉浸式的数字世界！
66610编辑于 2025-05-26 - 来自专栏软件研发
进化算法中的差分进化算法（Differential Evolution）
引言差分进化算法（Differential Evolution，DE）是一种全局优化算法，可用于解决复杂的优化问题。它源于遗传算法和进化策略，通过模拟自然界中的进化过程来搜索最优解。 差分进化算法被广泛应用于函数优化、参数优化、机器学习等领域，具有较好的鲁棒性和全局搜索能力。算法原理差分进化算法基于个体间的差异性来进行搜索和优化。 算法特点差分进化算法具有以下特点：简单有效：差分进化算法不依赖于问题的具体性质，适用于各种优化问题。全局搜索：差分进化算法具有较好的全局搜索能力，能够找到问题的全局最优解。 = i] a, b, c = random.sample(candidates, 3) # 变异操作 mutant = population = i] a, b, c = random.sample(candidates, 3) # 变异操作 mutant = population
2.4K10编辑于 2023-09-29 - 来自专栏算法channel
OpenAI新发模型：找bug能力是人类3倍，让AI继续进化。。。
郭震原创，全文1470字 你好，我是郭震 OpenAI公司今日发布了一个新模型CriticGPT，实现找代码bug能力超过人类3倍： 看到这个数据，各位程序员作何感想？ 变化更快的还有GPT的进化能力，从0到1，突飞猛进。 但现在，GPT4应该遇到瓶颈，GPT4写出的代码看起来都对，但还是有很多隐秘的bug 对不对？铁铁们，遇到过吧？ 通过这种方式，CriticGPT 被迫不断进化，学会发现越来越隐蔽的问题。 这个思路有点类似于生成对抗网络（GAN）的训练方法，只不过在这里，人类标注员扮演了生成器的角色。 3 AI将继续进化 RLHF 是创造 ChatGPT 的核心技术之一。 通过这种方式，AI 的进化和提升不再仅仅依赖于人类反馈，从而突破了 RLHF 的局限。 因此，AI将会继续进化。。。
30410编辑于 2024-07-02 - 来自专栏MixLab科技+设计实验室
工具进化简史
关于进化史，GET写作计算出的写作角度非常多，比如： 蒸菜工具的进化史 程序媛进化史 睡衣的进化史 挖矿机进化史 毒品的魔鬼进化史 库里的投篮进化史 迪士尼公主进化史 中产阶级水果进化史 锦鲤本鲤の进化史 公众号标题党进化史 太空垃圾进化史 粉红色的进化史 …… 可以蹭的热点就比较少，在GET写作的热点库里，只有2条： 编辫子小工具 男性造型百年进化史 所以，本文没有值得蹭的热点，从这个角度来说，本文是一篇干货文 01 创造工具是为了提高生存机率 猿人到智人的进化有很大因素来自工具的创造，当一个生命体自我生存方式可以通过外界物质的提升，那么这个时候这个生命体的存活机率就会大提升（寿命增长）。
1.2K30发布于 2019-06-20 - 来自专栏喔家ArchiSelf
抽象的进化：AgentOps
1.抽象的进化 我们可以将计算机历史视为一系列的抽象，每一层都将开发人员从较低层次的关注中解放出来。从二进制语言转向汇编语言，然后是过程语言和面向对象程序设计语言。 “我想通过Nginx运行3个服务” 取代了冗长的手动设置过程。基础设施将完全符合我们的预期。 或许，AgentOps 代表了这个抽象演进的下一个逻辑步骤。 3.黑匣子的挑战 这种更高层次的抽象引入了新的挑战，特别是在调试和可预测性方面。与操作是确定性的 IaC 不同，Agent行为可以根据输入或上下文的细微差别而变化。
39000编辑于 2025-06-08 - 来自专栏健程之道
ThreadLocal的进化——InheritableThreadLocal
之前有介绍过 ThreadLocal，JDK 后来针对此做了一个升级版本 InheritableThreadLocal，今天就来好好介绍下。
46340发布于 2019-12-18 - 来自专栏健程之道
ThreadLocal的进化——TransmittableThreadLocal
Thread2 name value : 40 // 省略47行 pool-1-thread-1 execute task, name : Thread2 name value : 40 Thread3 produce task 61 // 省略8行 Thread3 produce task 70 Thread4 produce task 81 // 省略8行 Thread4 produce task Thread9 name value : 180 Thread10 produce task 201 // 省略8行 Thread10 produce task 210 pool-1-thread-3 execute task, name : Thread10 name value : 200 // 省略39行 pool-1-thread-3 execute task, name : Thread10
75840发布于 2019-12-18 - 来自专栏呼延
打字进化史
首先给指定给大家推荐一个练习打字指法的网站,typingclub.以小游戏的模式来联系打字指法.
1.2K20发布于 2019-07-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号