- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
78830发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
99240发布于 2020-09-16 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
82640发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
31220编辑于 2022-03-07 - 来自专栏LET
谈谈3D Tiles(2)：数据结构
本节主要以Batched3DModel3DTileContent和Instanced3DModel3DTileContent两种类型，介绍一下3DTiles的数据结构和核心技术点。 3D Tiles也是基于状态，从UNLOADING开始，通过一系列的request，完成最初的数据加载过程，结束LOADING状态，进入Pocessing过程，也就是数据解析。 这里解释一下：3D Tiles中主要的数据部分就是glTF，而glTF也是基于状态管理的，无论是glTF的解析还是构造DrawCommand，只是state不同，都是在update方法中完成的。 如上是batchtable的内容，以及3d tiles给出的文档信息，其实batchtable就是一个json对象。 下次以个人的经验来谈一下3D Tile好和不好的部分，当作完结篇。
3.5K50发布于 2018-06-20 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。 我们脑海中浮现树的结构是这样的： [1240] 所以是不是在 View 的界面上，每个节点弄个 UILabel 来表示，然后用数学方法计算每个 UIlabel 对应的位置，从而完美的显示上图的样子？ queue.append(right) } } res.append(level) } return res } 总结 到这里为止，我们已经把重要的数据结构都分析了一遍 要知道，这些数据结构都不是单独存在的，我们在解决二叉树的问题时，用到了队列；解决数组的问题，也会用到字典或是栈。 排序和搜索 前几节中，我们主要探讨了数据结构：比如数组、链表、队列、树。这些数据结构都是了解 Swift 和算法的基础。从今以后的文章，我们将更多的关注于通用算法，这次我们就来聊聊排序和搜索。
1.2K60发布于 2021-04-20 - 来自专栏Coco的专栏
快速构建页面结构的 3D Visualization
使用 CSS 构建 3D 可视化 DOM 结构视图 假设，我们首先随时实现一段 DOM 结构，其简单的代码如下：
<div class="g-header ; height: 50px; border: 1px solid #333; } } } 得到这样一个最多深度为 4 层的简单<em>结构</em> ： 而我们希望，快速看这个页面的 <em>3D</em> 深度图，像是这样： 又或者，可以使用类似于这样一种 Hover 的交互效果，实现 Hover 某一个 Div，展示出它当前的一个 <em>3D</em> 深度<em>结构</em>图，看看效果： 总的来说，我们的核心需求就是，无论页面的 DOM <em>结构</em>如何，深度如何，我们希望能够通过一种简单的处理（纯 CSS 实现），能够快速查看页面的 <em>3D</em> 深度<em>结构</em>视图。 这里我尝试的是，当前正在写作的 Github Issues 页面，看看效果： 当然，可能颜色没有搭配的特别好，但是要知道，整儿页面的 DOM <em>结构</em>是相当之复杂的。72820编辑于 2022-11-22来自专栏NetCore 从壹开始4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
96120编辑于 2023-01-09来自专栏前端说吧flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
77730发布于 2018-06-25来自专栏跟着官方文档学小程序开发第二章 小程序开发指南4-5
再来单独看看POST请求的情况，并不是所有的请求都是按照键值对key=value的形式传递到后台服务器的，有时候需要传递一些比较复杂的数据结构到后台的时候，用JSON格式就会更加合适。
1.1K10编辑于 2025-08-25来自专栏AI SPPECHIO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4- 5，开始涉及更多的数据结构和算法应用。 数据结构进阶：学习更复杂的数据结构，如平衡树、线段树、树状数组、字典树等。 数学知识补充：学习数论、组合数学、概率论等数学知识，这些在高级算法中经常用到。
46210编辑于 2025-11-13来自专栏前端说吧flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
90350发布于 2018-05-17来自专栏UDM Lab3D打印鞋的参数化结构设计
做为一名建筑从业者和3D打印的ID设计师对接时，发现鞋型内部构造的受力层次有不同密度要求，为此我对鞋型表皮模型分为不同的层级，以此调节满足不同位置的单元结构的密度和衔接过渡。 ? ? ? Intralattice提供的各种预设单元结构 第一步：把鞋型的整体结构理解为很多个立方体结构堆砌出来的，而这个立方体有支撑结构，例如上图的结构方式，我先把它命名为“第一能量级”。 ? 第二步：需要考虑连接结构的重叠因素，所以在第一个结构的内侧做一个结构去除，把重复的面连接杆去除掉（鞋沿的结构形态保留），我先把它命名为“能量转化级”。 ? 第五步：我们做第三层级的加密，把所有的结构组合在一起。 ? 第六步：最后使用IntraLattice把上述的结构填充在鞋型的上下面间填充起来。 ? 第七步：调整结构的成管的粗细，检查层级间衔接。 ? 在这基础上我们可以使用3D打印插件检查单个单元体密封问题，和整体模型单元密封问题。 ? 工作流一览 ? ? （下图是在网吧调模型） ?
1.8K40发布于 2020-04-21来自专栏有三AI【知识星球】3D网络结构解读系列上新
欢迎大家来到《知识星球》专栏，这两天有三AI知识星球专注更新3D相关的网络模型解读，共10期左右。3D网络在视频数据，点云图像，3D医学图像，光流估计等领域有重要的作用，是当前的一类主流模型。 作者&编辑 | 言有三 有三AI知识星球-网络结构1000变 PointNet ? 网络结构如下： ? 以上网络包含了两个重要的技术： (1) 使用maxpooling解决无序性问题。 以上是该方法和其他主流模型在3D形状数据集Model40上的分类结果，除了多视角模型之外，有较大的性能优势。 ? 上图展示的是Kinect数据集和Model40的分割结果。
93420发布于 2019-07-27来自专栏育种数据分析之放飞自我笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.5K40发布于 2020-05-29来自专栏新智元解决3D重建难题，伯克利大学根据单张平面彩图重建高精度3D结构
【新智元导读】3D重建是计算机视觉中的一个核心问题，应用于电影制作、视频游戏的内容制作、虚拟现实和增强现实、3D打印，等等。 3D重建有许多应用，例如电影制作、视频游戏的内容制作、虚拟现实和增强现实、3D打印，等等。这篇文章探讨如何从单一的彩色图像重建高质量的3D几何图形，如下图所示： ? 我们双眼的结构让我们能够感知深度，并不需要理解3D几何。即使我们只看到一个物体的照片，我们也能对它的形状有很好的理解。此外，我们还能够理解例如物体背面的看不见的部分，这是了解物体形状的重要能力。 方法 基本的3D预测流程是将一张彩色图像作为输入，使用卷积编码器将其先编码为低维表示。然后，这个低维表示被解码称一个3D占用体积。 我们的研究的主要任务是根据单一的彩色图像预测出高分辨率的3D图形。
1.3K60发布于 2018-03-22来自专栏hightopo基于 HTML5 WebGL 的 3D 网络拓扑结构图
现在，3D 模型已经用于各种不同的领域。 电影行业将它们用于活动的人物、物体以及现实电影；视频游戏产业将它们作为计算机与视频游戏中的资源；在科学领域将它们作为化合物的精确模型；建筑业将它们用来展示提议的建筑物或者风景表现；工程界将它们用于设计新设备、交通工具、结构以及其它应用领域 于是我利用 HT For Web 中的 3D组件 来实现了一个小例子，用了 HT 中 3D组件 的大部分功能，做这个例子就是想把 3D 组件好好的掌握，尽量放进一个例子中，到时候别人有需要就可以参考了。 用 HT for Web，现有的 3d 模板创建三层底板不是问题，问题是要如何将图中第一层的“电脑”和“机柜组件”放上去？ 我一开始直接使用了 3d 模型中封装好的函数，导致后来根本不知道函数中使用的参数是做什么用的，而且也不明白 3d 模型是怎么构成的，然后自己又重新看了前面的“模型基础”，才知道原来 3d 模型采用的一个面
1.9K20发布于 2018-07-063DToMolo：基于文本与3D结构的分子优化框架
最近，来自中国科学院、华为等机构的研究团队提出了一种创新方法——3DToMolo（3D Text-oriented Molecular Optimization）。 这一框架结合了深度学习与高精度数据的优势，能够通过自然语言提示生成符合目标特性的分子结构。 3DToMolo的核心在于其对2D拓扑结构和3D构象的联合优化能力，并且能够在多种约束条件下实现灵活调整。 然而，现有方法往往存在以下问题： • 缺乏对3D结构信息的有效利用； • 无法灵活整合多模态知识（如文本描述与分子结构）； • 在优化过程中容易丢失关键子结构信息。 • 2D+3D联合表示：框架采用SE(3)-等变图变换器对分子的2D拓扑结构和3D坐标进行编码，保留了分子的空间信息和化学键关系。 3DToMolo 需要对分子的 2D 和 3D 特征进行整体优化，确保与输入分子和文本提示达到平衡对齐，这由条件扩散模型实现，如图 b 所示。 d. 结构约束下的分子优化。
22010编辑于 2026-01-08来自专栏hightopo基于HTML5和WebGL的3D网络拓扑结构图
现在，3D模型已经用于各种不同的领域。 电影行业将它们用于活动的人物、物体以及现实电影；视频游戏产业将它们作为计算机与视频游戏中的资源；在科学领域将它们作为化合物的精确模型；建筑业将它们用来展示提议的建筑物或者风景表现；工程界将它们用于设计新设备、交通工具、结构以及其它应用领域 于是我利用HT For Web中的3D组件来实现了一个小例子，用了HT中3D组件的大部分功能，做这个例子就是想把3D组件好好的掌握，尽量放进一个例子中，到时候别人有需要就可以参考了，但是因为之前从来没有实现过 我一开始直接使用了3d模型中封装好的函数，导致后来根本不知道函数中使用的参数是做什么用的，而且也不明白3d模型是怎么构成的，然后自己又重新看了前面的“模型基础”，才知道原来3d模型采用的一个面，最基础的是三角面 想让2d图片在3d管线上移动则是使用g3d.toViewPosition(position)来获取3d模型的二维坐标，这个函数中的参数就是三维模型的3d坐标，我们可以直接将polyline管线上的点传入
1.6K30发布于 2018-07-09来自专栏量子位谷歌新论文：教机器人预测3D结构、然后抓取物体
然而，由于存在高维状态空间、很难创建大规模数据集和很难关注到物体外观的多类变化信息（如几何结构、材质、纹理和照射度等），因此学习此类交互表征十分具有挑战性。 我们论证了物体3D几何结构是抓取交互的研究核心，并提出一种称为几何感知学习智能体（geometry-aware learning agent）的新概念。 本文的核心思想是通过3D几何学预测来约束和规范交互学习。 模型结构 ? △ 几何感知编码器-解码器网络示意图 本文所构建的几何感知编码器-解码器网络包含两个部分，分别是3D形态生成网络（生成功能）和抓取结果预测网络（预测功能）。 实验 下图从直观层面和内在信息流两个角度简单介绍了3D形态预测的流程图。 ? △ 3D形态预测流程图 论文传送门： https://arxiv.org/pdf/1708.07303.pdf
85940发布于 2018-03-27
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