- 综合排序
- 最热优先
- 最新优先
- 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
还要把之前的数据都迁过来。 1、新建数据卷，运行实例 docker volume create volume_name命令新建一个数据卷 docker volume ls查看数据卷列表 docker inspect volume_name 查看数据的相关信息，例如挂载位置 cd /var/lib/docker/volumes/volume_name/_data ls 如果有文件，先把当前文件夹清空 rm -f * 然后运行实例即可 docker 在恢复数据之前需要把刚刚建立的数据卷里面关联的内容删除掉，然后把之前的数据卷内容复制到现在的数据卷进行数据恢复 rm -f -R * 把之前旧服务器里的mysql数据宝打包发到新数据库 zip -r data.zip data 然后在新服务器中，将复制内容到上边我们新建的数据卷中 cd /home/data cp -R * /var/lib/docker/volumes/volume_name/_
93520编辑于 2023-01-09 - 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。
78330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
97840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
垃圾收集 标记清除（大部分浏览器以此来实现）和引用计数 管理内存 一旦数据不再引用，最好通过将其设置为null来释放引用——俗称解除引用。 this引用的是函数据以执行的环境对象，即函数调用，蝴蝶书上讲过有四种调用模式 1.方法调用模式，this指向当前方法的对象； 2.函数调用模式，this被绑定到全局对象，客户端即window；
80040发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
1.基于指标扩展的“洞察、决策、执行”闭环 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。
30320编辑于 2022-03-07 - 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。 要处理大量数据，我们就想到了 UITableView。假如每一个 cell 对应一个节点，以及其左、右节点，那么我们就可以清晰的展示一棵树。 这种做法解决了上面两个问题： 无需进行位置计算，UITableView 提供复用 Cell，效率大幅提高 面对很多节点的问题，可以先处理一部分数据，然后用处理 infinite scroll 的方式来加载剩余数据 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AI SPPECH
IO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。
43310编辑于 2025-11-13 - 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
2.4.4 发起HTTPS网络通信 小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。 为了保持接口向前兼容，不应该直接改sex字段值的类型，而是返回的JSON数据中再多定义一个字段sexNumber，这样旧版本通过这个接口拿到的数据格式依旧是能够正常工作的。 当向服务器端发送的数据超过1024字节时，就要采用HTTP POST的方式，此时传递的数据就必须要使用data参数，基于这个情况，一般建议需要传递数据时，使用data参数来传递。 2.4.6 本地数据缓存 本地数据缓存是小程序存储在当前设备上的数据，本地数据缓存有非常多的用途，可以利用本地数据缓存来存储用户在小程序上产生的操作，在用户关闭小程序重新打开时可以恢复之前的状态。 还可以利用本地缓存存储一些服务端非实时的数据以提高小程序获取数据的速度，在特定的场景下可以提高页面的渲染速度，减少用户的等待时间。
95810编辑于 2025-08-25 - 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
77130发布于 2018-06-25 - 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.
89750发布于 2018-05-17 - 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
「飞哥感言：」 ❝从开始介绍plink做GWAS数据的质控，到构建模型，到定义协变量，已经灌了很多水，这篇是plink做GWAS的结尾，因为plink做GWAS只有两个模型可以用：GLM和logistic plink只可以做一般线性模型，gemma可以利用plink的数据格式做一般线性模型和混合线性模型，这就很厉害了。 「遗憾：gemma只有linux版本，所以后面的分析在linux系统下。」
4.5K40发布于 2020-05-29 - 来自专栏企鹅号快讯
AI需要大数据，而大数据也需要AI
美国知名AI作家Bernard Marr 说过：“过去，由于有限的数据集、非实时的数据和无法在数秒内分析大量数据，而导致AI发展受阻。 今天，可以实时访问数据和工具，实现快速分析，从而推动了AI和机器学习，并允许向数据优先的方法过渡。我们的技术现在已经足够灵活，可以访问这些庞大的数据集，以快速推进AI和机器学习应用程序。” AI和大数据形成了一种真正的共生关系，彼此需要。 然而，Manchett警告说，AI尚不足以满足非技术业务的需求。“为了实现大数据和AI的目标，你仍然需要理解提取、转换和加载的概念，以及机器学习是什么，可以做什么。” 数据占据了中心位置。 “通过云计算，任何人都可以轻而易举地获得数据，大数据和AI的可能性在我们的生活中变得越来越真实。”然后，AI和机器学习将变得司空见惯。
888100发布于 2018-01-18 国内资本拟20亿美元原价回购Manus！
Manus 当前年化收入已增至 4-5 亿美元，远高于Meta收购初期的1亿美元。知情人士称，回购落地后企业将重组架构，搭建境内合资主体，后续筹备赴港 IPO，整套回购方案目前仍在商议阶段。 今年4月，因涉及AI核心技术与数据跨境风险，监管部门依法叫停收购、要求撤销交易，Meta随即启动业务拆分，本月彻底关停双方数据共享。 值得一提的是，Meta赋能之下，Manus营收实现暴涨，收购时年化营收仅1亿美元，如今已经涨到4-5亿美元。 二、底层逻辑：三方共赢，重塑跨境AI规则 很多网友觉得资本原价回购是亏本买卖，但结合行业创投逻辑，在我看来，这反而是一笔稳赚的交易。 最后简单聊聊我个人的感悟：此前很多AI创企热衷“洗澡式出海”，投靠海外巨头换取资源，Manus一事直接给出答案。当下AI属于国家级核心科技，跨境并购、数据流动监管只会越来越严。
84610编辑于 2026-06-24- 来自专栏ATYUN订阅号
【观点】AI需要大数据，而大数据也需要AI
AI和大数据已经形成了一种真正的共生关系，彼此需要相得益彰。 美国知名AI作家Bernard Marr 说过：“过去，由于有限的数据集、非实时的数据和无法在数秒内分析大量数据，而导致AI发展受阻。 今天，可以实时访问数据和工具，实现快速分析，从而推动了AI和机器学习，并允许向数据优先的方法过渡。我们的技术现在已经足够灵活，可以访问这些庞大的数据集，以快速推进AI和机器学习应用程序。” AI和大数据形成了一种真正的共生关系，彼此需要。 “通过云计算，任何人都可以轻而易举地获得数据，大数据和AI的可能性在我们的生活中变得越来越真实。”然后，AI和机器学习将变得司空见惯。
59270发布于 2018-03-06 告别选择困难症：2026年Top5视频审核云服务功能对比与选购建议
审核能力对比 功能 腾讯云VM 阿里云 百度智能云 网易易盾 数美科技 画面审核 ✅ ✅ ✅ ✅ ✅ 音频审核 ✅ ✅ ✅ ✅ ✅ OCR文本审核 ✅ ✅ ✅ ✅ ✅ 无语义音轨识别 ✅ ❌ ❌ ✅ ❌ AI 千级 千级 直播并发 默认100路 按需 按需 按需 按需 回调延迟 毫秒级 秒级 秒级 秒级 秒级 2.3 接入与部署对比 指标 腾讯云VM 阿里云 百度智能云 网易易盾 数美科技 接入步骤 3步 4- 5步 4-5步 4-5步 4-5步 零迁移成本 ✅ ❌ ❌ ✅ ✅ 私有化部署 ✅ ✅ ✅ ✅ ✅ 免费试用 200分钟/15天 有限 有限 有限 有限 价格公开度 完全公开 部分 部分 需咨询 需咨询 四、不同场景的最优推荐 你的场景 最优选择 推荐理由 全能型（直播+点播+AI鉴伪） 腾讯云VM 三维审核+AI生成识别，功能最全 纯直播场景 腾讯云VM 100路并发+毫秒回调+画面音频双审 纯点播场景 腾讯云VM 4倍速审核效率碾压对手 AI生成内容鉴别 腾讯云VM 唯一覆盖20+AI模型 阿里云深度绑定用户 阿里云 生态一致性好 预算极为有限 腾讯云VM 0元试用+价格透明+灵活套餐 五、限时特惠套餐
61010编辑于 2026-05-13- 来自专栏AI系统
【AI系统】数据并行
数据并行是一种广泛应用于分布式 AI 系统中的技术，旨在通过将数据集划分为多个子集并在不同计算节点上并行处理这些子集，以提高计算效率和速度。 分布式数据并行 DDP分布式数据并行（Distributed Data Parallel, DDP）是数据并行的一种高级形式，它综合了多种优化，是当前应用最广的并行算法之一，通常用于大型 NPU AI 集群和 AI 系统中。 在通信的同时也会继续计算梯度，这样就无需等待所有计算完成后再集中进行通信，也不必在计算完成后等待通信完成，从而将通信过程覆盖到计算时间内，充分利用 AI 集群，提高了 AI 集群使用率。 DDP 反向传播中计算与通信的重叠导致无需等待所有计算完成后再集中进行通信，也不必在计算完成后等待通信完成，提高了 AI 集群的使用率。
1.2K10编辑于 2024-12-07 - 来自专栏技术墨客
从数据到AI
一篇关于數據倉庫建設、人工數據分析、AI數據分析的讲义 數據Data&信息Information 信息 信息是一個客觀存在物體的自然表現，比如說“I am a local villain.” 隨著數據的不斷累積和堆積在數據背後發現了驚人的統計規律，隨著這些統計規律的發展漸漸的出現了AI分析和數據分析。 數據&數據分析&AI 如下圖是建立數據分析工程的過程 ? 根據需要訓練AI模型。 數據倉庫的建立 聯機事物型系統&決策分析系統 在數據能力上，通常將系統的數據結構模型分為2類，聯機事物型、決策分析型。 數據倉庫案例展示superset 地址：http://192.168.0.212:8088 賬號：admin 密碼：admin 數據分析到AI訓練 進過大量的數據演練，可以逐漸的發現數據背後的統計規律。
95350发布于 2019-11-21 AI Agent + 数据工程
一位在数据领域深耕多年的创业者告诉我，早期AI在数据工程领域的切入点其实很务实——那些原本需要大量人工的数据治理工作，恰恰是大模型最擅长的地方。 比如从海量数据中提炼关键信息、自动生成数据文档、识别重复和冗余的表结构。这些事情以前要靠专人花时间梳理，现在AI可以快速完成。 但这只是第一步。 更深层的变化在于，数据工程的需求本身正在被AI重塑。 以前的交付物很明确：一张张处理好的数据表，加上一个Dashboard，业务方看数据就够了。 现在呢？业务方不仅看Dashboard，还想直接跟数据对话——问AI一个问题，AI直接给出答案。 好的数据工程，应该配合AI在事中就做好管理和体系搭建。” 这句话背后是一个残酷的现实：以前数据工程师的工作更像是管道工——把数据从A搬到B，分层、清洗、汇总。 现在的要求变成了规划师——不仅要搬数据，还要让数据能被AI正确理解和调用。 这需要的不仅是技术能力，更是思维方式的转变。
40010编辑于 2026-02-28- 来自专栏CDA数据分析师
人工智能浪潮前，从娃娃开始抓起的Python该怎么学？
未来已来 如同互联网发展的浪潮，AI正在创造一个全新的世界。 面对AI发展的新浪潮，越来越多的人开始涉足AI领域，研究AI知识，跨入AI大门。 在数据科学和AI中占据主导地位。 拥有优质的文档和丰富的库，对于科学用途的广泛编程任务都很有用。 设计非常好，快速，坚固，可移植，可扩展。 开源，而且拥有一个健康、活跃、支持度高的社区。 随着数据分析师的需求非常大，90%的岗位技能需要掌握Python作为数据分析工具。CDA数据分析研究院依据多年从业经验，给Python从业者以下几点建议： ? 4-5天 第二阶段：Python数据清洗 主要包括Numpy数组和矢量计算等与Pandas基础&进阶，建议用时3-4天 第三阶段：Python爬虫 主要学习Python爬虫的知识以及实践等，建议用时2- 3天 第四阶段：Python机器学习 主要是关于Python机器学习的一些经典算法与案例实战，建议用时4-5天
1.3K80发布于 2018-02-05 WorkBuddy + 飞书多维表格：团队工作分析踩坑实录
XX运营方案讨论"——关键词里有"方案"，AI归到深度型，给了2小时。但实际上这事涉及到跨部门沟通、数据拉取、多轮评审，一次至少要3-4小时。" 她是会员与用户运营岗，任务记录里写了"一周4-5封邮件需求发布"，源表里记的是"需求发布/配置"侧的活儿，按常规任务给了0.5小时/次。但实际呢？ 一周4-5封，一个月就是77个小时——光是邮件这一项，就比AI最初估算的全月总工时还高。我把这个校正过程拆成了三件事告诉AI：第一，频次判断要修正。"一周4-5封"是每周执行的，不是一次性项目。 跑预览：让AI按已验证的规则跑一遍全团队数据，输出预览报告人工复核：重点看“月度耗时”排名前3和后3的成员，核对是否符合实际情况固化配置：把字段映射和工时规则存成一份配置表，后续增量更新直接用几个数字供参考 再来一个新团队，估计1小时能搞定准确率：第一版AI全自动估算的和人工复核的数据差了接近40%；加了“复杂度”和“执行工序”之后，差异缩到了15%以内——作为月度盘点用，够用了最值钱的东西：不是最终的汇总表
18410编辑于 2026-07-27
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