腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
木木玲
专栏成员
举报
72
文章
86601
阅读量
29
订阅数
订阅专栏
申请加入专栏
全部文章(72)
java(23)
编程算法(16)
机器学习(12)
存储(6)
缓存(6)
jvm(6)
socket编程(6)
android(5)
linux(5)
其他(4)
自动驾驶(4)
bootstrap(4)
网站(4)
jdk(4)
api(3)
腾讯云测试服务(3)
javascript(2)
node.js(2)
数据库(2)
神经网络(2)
容器(2)
压力测试(2)
监督学习(2)
大数据(2)
数据结构(2)
云服务器(1)
ios(1)
c++(1)
react(1)
云数据库 SQL Server(1)
jar(1)
深度学习(1)
NAT 网关(1)
文字识别(1)
人工智能(1)
http(1)
分布式(1)
运维(1)
正则表达式(1)
面向对象编程(1)
jdbc(1)
hashmap(1)
线性回归(1)
二叉树(1)
无监督学习(1)
安全(1)
数据分析(1)
nat(1)
png(1)
state(1)
架构(1)
设计模式(1)
思维导图(1)
搜索文章
搜索
搜索
关闭
《 深入探索 JVM 》文集
java
jvm
嘿,笔者的个人博客已经孵化完成啦?,欢迎大家来逛逛。以后的文章也会在博客进行首发,快来关注我吧,我们继续一起探讨技术一同进步~ 《 深入探索 JVM 》文集 『类加载器』篇 深入浅出“类加载器” 之「
tomas家的小拨浪鼓
2019-12-13
625
0
「大型网站架构设计」—— 网站运行监控
网站
运维
“不允许没有监控的系统上线”,这是许多网站架构师在做项目上线评审时常说的一句话。网站运行监控对于网站运维和架构设计优化至关重要,运维没有监控的网站,犹如架势没有仪表的飞机。盲人骑瞎马,夜半临深渊而不知,生死尚且未卜,提高可用性、减少故障率就更无从做起了。
tomas家的小拨浪鼓
2019-10-25
2.3K
0
「大型网站架构设计」—— 网站性能测试
云服务器
网站
压力测试
腾讯云测试服务
用户视角的网站性能 在实践中,使用一些前端架构优化时段,通过优化页面 HTML 样式、利用浏览器端的并发和异步特性、调整浏览器缓存策略、使用 CDN 服务、反向代理等手段,使浏览器尽快地显示用户感兴趣的内容、尽可能近地获取页面内容,即使不优化应用程序和架构,也可以很大程度地改善用户视角下的网站性能。
tomas家的小拨浪鼓
2019-10-25
1.8K
0
「大型网站架构设计」—— 前言
分布式
网站
缓存
压力测试
数据库
根据大型网站的特点,该架构能够解决大多数的技术问题。下面我们将这个架构图进行简单的分解。
tomas家的小拨浪鼓
2019-10-21
1K
0
大型网站技术架构 ———「思维导图」
网站
架构
思维导图
本文主要是笔者对《大型网站技术架构》一书的总结归纳。主要通过两种方式展现,一是本文「思维导图」的形式输出;另一种,则是以图文的形式更加详细的描述‘大型网站技术架构’的方方面面。
tomas家的小拨浪鼓
2019-10-15
916
0
ClassLoader 源码详解
编程算法
java
ClassLoader是一个类加载器对象,负责去加载类。ClassLoader是一个抽象对象。给定了一个类的“二进制名称”,一个类加载器需要尝试去定位或者生成一个数据,该数据构成了一个定义的类。一个典型的策略就是转换名字(即,二进制名字)成一个文件名,然后从文件系统读取这个文件名包含的“字节码文件”。 注意,这里有两种方式来通过一个“二进制名称”来加载一个类: ① 定位 也就是说,表示这个类的数据已经存在了,类加载器去定位到这个存储的数据进行加载即可。比如,java.lang.String就是在rt.jar中存储的了,可以直接定位到。 ② 生成 一些在java代码中动态生成的类,而这些类的数据就是在运行期时由类加载器去生成的。比如,动态代理。
tomas家的小拨浪鼓
2019-08-07
781
0
深入探索“线程上下文类加载器”
jdbc
java
jar
云数据库 SQL Server
数据库
Q: 越基础的类由越上层的加载器进行加载,如果基础类又要调用回用户的代码,那该怎么办? A: 解决方案:使用“线程上下文类加载器”
tomas家的小拨浪鼓
2019-08-06
1.9K
1
从 sun.misc.Launcher 类源码深入探索 ClassLoader
c++
编程算法
数据结构
从 深入浅出 ClassLoader 一文中我已经通过大量的理论和示例对ClassLoader有了深入的了解。该文,我们将从 sun.misc.Launcher 源码对 ClassLoader 进行进一步的探索,也是除了示例外的另一个更本质的角度来验证我们之前说的理论。
tomas家的小拨浪鼓
2019-08-06
2K
0
深入浅出 ClassLoader
java
编程算法
面向对象编程
jvm
“加载”是类加载的时机的第一阶段。 类从被加载到虚拟机内存中开始,到卸载出内存为止,它的整个生命周期包括(5个阶段): ① 加载(Loading) ② 连接(Linking) [1] 验证(Verification) [2] 准备(Preparation) [3] 解析(Resolution) ③ 初始化(Initialization) ④ 使用(Using) ⑤ 卸载(Unloading)
tomas家的小拨浪鼓
2019-08-06
805
0
大话 ThreadLocal
http
java
编程算法
该类提供了线程本地变量。该变量不同于普通的副本,因为访问这个变量(通过 get 或 set 方法)的每个线程都是自己独立初始化该变量的。 ThreadLocal实例通常是Thread类中典型的静态私有属性,由于关联线程的状态(比如,user ID 或 Transaction ID)
tomas家的小拨浪鼓
2019-06-17
730
0
小白入门——哈希算法
编程算法
哈希(Hash)也称为散列,就是把任意长度的输入,通过散列算法,变换成固定长度的输出,这个输出值就是散列值。
tomas家的小拨浪鼓
2019-06-15
1.1K
0
第十章 神经网络参数的反向传播算法
机器学习
该系列文章为,观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单,但不得不说每一句都非常的简洁扼要,浅显易懂。非常适合我这样的小白入门。 10.1 代价函数 为神经网络拟合参数的算法
tomas家的小拨浪鼓
2019-03-21
665
0
第十九章 应用实例:图片文字识别(Application Example: Photo OCR)
文字识别
图像文字识别应用所作的事是,从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。
tomas家的小拨浪鼓
2019-03-20
1.3K
0
第十八章 大规模机器学习
机器学习
大数据学习有其特有的问题。具体来说,是计算问题。 如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对一个有1亿条记录的训练集?
tomas家的小拨浪鼓
2019-03-19
486
0
第十七章 推荐系统
机器学习
第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年,我偶尔访问硅谷不同的技术公司,我常和工作在这儿致力于机器学习应用的人们聊天,我常问他们,最重要的机器学习的应用是什么,或者,你最想改进的机器学习应用有哪些。我最常听到的答案是推荐系统。现在,在硅谷有很多团体试图建立很好的推荐系统。因此,如果你考虑网站像亚马逊,或网飞公司或易趣,或iTunes Genius,有很多的网站或系统试图推荐新产品给用户。如,亚马逊推荐新书给你,网飞公司试图推荐新电影给你,等等。这些推荐系统,根据浏览你过去买过什么书,或过去评价过什么电影来判断。这些系统会带来很大一部分收入,比如像亚马逊和网飞这样的公司。因此,对推荐系统性能的改善,将对这些企业的有实质性和直接的影响。
tomas家的小拨浪鼓
2019-03-19
587
0
第十六章 异常检测
编程算法
监督学习
腾讯云测试服务
在接下来的一系列视频中,我将向大家介绍异常检测(Anomaly detection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题。
tomas家的小拨浪鼓
2019-03-19
820
0
第十五章 降维
机器学习
第二种类型的无监督学习问题,叫做降维。 这里有一些,你想要使用降维的原因: ① 数据压缩 数据压缩不仅能对数据进行压缩,使得数据占用较小的内存或硬盘空间。它还能对学习算法进行加速 ② 可视化数据
tomas家的小拨浪鼓
2019-03-19
544
0
第十一章 应用机器学习的建议
腾讯云测试服务
编程算法
神经网络
机器学习
深度学习
该系列文章为,观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单,但不得不说每一句都非常的简洁扼要,浅显易懂。非常适合我这样的小白入门。 本章含盖 11.1 决定下一步做什么 11.2
tomas家的小拨浪鼓
2019-03-15
425
0
第十四章 无监督学习
机器学习
聚类算法(非监督学习算法)。我们将要让计算机学习无标签数据,而不是此前的标签数据。
tomas家的小拨浪鼓
2019-03-15
574
0
第十三章 支持向量机
机器学习
到目前为止,你已经见过一系列不同的学习算法。在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是,应用这些算法时,所使用的数据量。这就体现你使用这些算法时的技巧了,比如:你为学习算法所设计的特征量的选择,以及如何选择正则化参数,诸如此类的事。
tomas家的小拨浪鼓
2019-03-15
603
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档