例如，我们可以在Word中放置一个来自Excel的表，并且可以随着Excel中该表的数据变化而动态更新。...这需要在Word中创建一个对Excel表的动态链接，允许Word文档自动获取Excel表的变化并更新数据。 例如下图1所示的工作表，其中放置了一个Excel表，复制该表。 ?...图3 单击“确定”按钮后，该Excel表中的数据显示在Word文档中，如下图4所示。 ? 图4 此时，你返回到Excel工作表并修改其中的数据，如下图5所示。 ?...但是，当关闭这两个文件后，重新打开Word文档时，会出现如下图7所示的警告信息。如果单击“是”按钮将更新链接数据。 ? 图7 然而，在很多情况下，我们不希望看到这样的警告信息。...图9 这样，每次要更新数据时，在表中单击右键，在快捷菜单中选择“更新链接”即可，如下图10所示。 ? 图10 实际上，当创建对单元格区域的链接后，Word将会存储源数据字段的信息，然后显示链接的数据。
2021-08-16：回文对。给定一组 互不相同 的单词， 找出所有 不同 的索引对 (i, j)，使得列表中的两个单词， words[i] + words[j] ，可拼接成回文串。...6,23] 、 [7,13] } for i := 0; i < len(words); i++ { // i words[i] // findAll(字符串，在i...位置，wordset) 返回所有生成的结果返回 findRet := findAll(words[i], i, wordset) res = append(res, findRet
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/119566.html原文链接：https://javaforall.cn
Object-ness 的物体检测对多样化的物体具有更强的普适性，同时大大减轻模型的负担来保证其实时性。这是“扫一扫”识物相比于相关竞品在移动端检测问题上定义的不同。...在“扫一扫”识物的应用场景中，复杂多样的物体形状对 anchor 的设计提出了巨大挑战，因此我们选择 anchor-free 的模型结构。...从 AlexNet 到 VGG，VGG 通过将大尺度的卷积核拆解为多个小尺度的卷积核（1 个 5x5→2 个 3x3）：在相同感受野下，2 个 3x3 卷积的参数量和计算量均只有 1 个 5x5 的 18...在 ShuffleNetV2 x0.5 的骨干网络下，表 2 对比了各种上采样方法对检测性能的影响，可见 PIM 有效地替代 DeformConv 在“扫一扫”识物中的作用。...图5：PSPNet的金字塔池化模块 表2：不同上采样方法在“扫一扫”识物中的效果对比（测试集包含7k张图片） 五、部署 通过以上优化，我们最终采用表 2 中最优结果作为“扫一扫”识物的移动端检测模型。
实际上，每个peak点是有时间和频率两个维度构成的；但是因为同样的音频片段，在Query和Document上时间的绝对值是不一致的；如上页例子，Query的时间为0s的peak，在document中是10s...可以看到对一些检索库中不存在的翻奏例子或者翻唱的例子，经典听歌识曲系统无法识别。 从19年开始翻唱、改编歌曲呈爆发性增长。其中的原因我们也不言而喻。因此我们迫切需要进行技术更新。...并且打击结果及时反馈给业务端，针对作弊多的歌手，再次进行打击。这样的惩罚措施实施下来，盗歌曝光量下降了近80%。 翻唱和盗歌存在些许区别。我们对翻唱进行了五档同歌组体系划分，意在更好的在平台分发。...不同档之间有着严格的从属关系。最严格的为绝对同歌组，具有相同的音轨。其次为严格同歌组，具有相同的录音。之后为同演唱同歌组，有相同的表演者。再往后为同词曲同歌组，其作品相同。...最后为同曲同歌组，只有作曲相同。 目前QQ音乐对其所有曲库都进行了这样的分组。使用的技术也是之前上文提到的那些。输出不同同歌组以更好的服务不同业务。
order_amount，userkey），此时 Hive 是否只输出这两个字段呢，当然不是，因为 group by 的是 idno，如果只输出 select 的两个字段，后面 group by 将没有办法对...，对 map 端发来的数据按照 idno 进行分组合并，同时进行聚合操作 sum(order_amount)和 count(userkey)； 执行 select，此时输出的就只有 select 的两个字段...，对 count_user 进行过滤，注意：因为上一步输出的只有 select 的两个字段了，所以 having 的过滤字段只能是这两个字段； 执行 limit，限制输出的行数为 10。...图中标 ① 处是表扫描操作，注意先扫描的 b 表，也就是 left join 后面的表，然后进行过滤操作（图中标 ② 处），我们 sql 语句中是对 a 表进行的过滤，但是 Hive 也会自动对 b 表进行相同的过滤操作...首先进行 group by 操作，注意此时的分组方式是 mergepartial 合并分组（图中标 ① 处）；然后进行 select 操作，此时输出的字段只有两个了，输出的行数是 30304 行（图中标
基于互信息，信息散度，交叉熵这三种定义，采用不同的归一化计算公式，我们构造并考察了24个信息论指标。NI（T;Y）=0代表两个变量为完全独立，NI（T;Y）=1为两个变量为完全相关。...NI虽然是相关性的考察，它也部分反映了两个变量之间的相似性程度。由于拒识分类中混淆矩阵不是方阵，它们的两个边缘概率会出现长度不同。为此，通过“加零”方式来获得相同长度的边缘概率。...而对于信息散度与交叉熵类指标，我们给出了二值分类为特例说明，当两个边缘概率相同时，而混淆矩阵中误差不同，可以产生多种情况极值。 ? 定理4：互信息的修正计算公式。...图中明确显示了NI在两个点获得最大值，分别对应了完全正确分类与完全错误分类（但是调换类标可以获得完全正确分类，由此意味信息论指标与类标无关）。 ?...本章在拒识决策中从“误差类别”与“拒识类别”同时考察的角度展开研究。这也是来源于应用中的问题。由于常规分类评价指标已经无法适用于拒识结果评价，我们对24个信息论指标进行系统性考察。
我们讨论了独立参数定理在拒识分类中的意义。指明应用代价矩阵可能会产生若干问题。 问题1：对代价矩阵设定会出现不一致性的解释。我们给出两种设定，分别是误差类别代价相同，与拒识类别代价相同。...其中应用了修正的互信息计算公式以适应拒识分类情况。我们是通过混淆矩阵来获得联合概率分布的估计。 ? 表中对比了贝叶斯与互信息分类器的输入与输出情况。...但是它们均无法在拒识分类学习中胜任。而互信息分类器在拒识分类学习中表现了独特的优势。该方法能够根据数据的分布自动平衡误差类别与拒识类别。...该类研究是对自然，机器，或数据等开展原理、机制、解释性的探索。 它同时包含了两个层面中的问题。本课程试图给出这方面两个原理性研究样例。我们认为目前人工智能研究更多是“工具”式研究。...本章给出若干基于信息理论的典型研究工作表明未来研究工作展望和发展空间 特别要提及的有： Becker与Hinton 1992年发表在《自然》上的方法，为无监督学习带来启迪。
25日，云南腾云信息产业有限公司（以下简称腾云）以2.985亿元再次中标云南省全域旅游智慧工程，这是今年国内智慧文旅行业规模最大的一单。...又经一年，2019年9月，腾云中标2.985亿，又为双方的感情添了一把火，腾讯将继续发力“一部手机游云南”建设。 “游云南”App背后，其实可以挖到很多宝。...AI不仅能识人，还能识别花花草草，比如说通过“识花君”小程序，了解沿途花草知识，让旅途随时充满小情趣。目前，“游云南”App 拍照识花功能已可识别云南6000多种特色植物。...通过“游云南”App，游客可以实时的搜索到附近的厕所位置，以及该厕所的空位，在厕所门口的电子屏上将Toilet Map的坑位可视化，“一步到坑”，让三急不急。...▼ 这次中标2.985亿数字的背后，是腾讯和云南两年来感情的再次升温，从2017年9月到2019年9月，腾讯联合云南政府将“一部手机游云南”打造成为全国文旅数字化升级的标杆产品。
题目： 设线性表中每个元素有两个数据项k1和k2,现对线性表按一下规则进行排序：先看数据项k1，k1值小的元素在前，大的在后；在k1值相同的情况下，再看k2，k2值小的在前，大的在后。...D.先按k2进行简单选择排序，再按k1进行直接插入排序 答题思路： 首先我们要明确题意，这一题的排序是针对k1和k2全体进行的，而不是说我排好k1后，再对每组相同的k1进行k2的排序。...（不知道有没有人有这种想法，反正我第一次做时就是这么想的。但是这种排序方法要多一个对k1分组的时间，时间复杂度增大了）。 另外特别注意“在k1值相同的情况下，再看k2”这句话。...接着讨论要用的算法，题中没有给什么特殊的要求，所以我们要满足的只是“数据项k1，k1值小的元素在前，大的在后；在k1值相同的情况下，再看k2，k2值小的在前，大的在后”。...k1，可能k2不满足“在k1值相同的情况下，再看k2，k2值小的在前，大的在后”。
数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用 MySQL 保留关键字（如果表名中包含关键字查询时，需要将其用单引号括起来） 数据库对象的命名要能做到见名识意...，并且最后不要超过32个字符 临时库表必须以 tmp_ 为前缀并以日期为后缀，备份表必须以 bak_ 为前缀并以日期 (时间戳) 为后缀 所有存储相同数据的列名和列类型必须一致（一般作为关联列，如果查询时关联列类型不一致会自动进行数据类型隐式转换...所有表和字段都需要添加注释 使用 comment 从句添加表和列的备注，从一开始就进行数据字典的维护 尽量控制单表数据量的大小,建议控制在 500 万以内 500 万并不是 MySQL 数据库的限制，过大会造成修改表结构...可以用历史数据归档（应用于日志数据），分库分表（应用于业务数据）等手段来控制数据量大小 谨慎使用 MySQL 分区表 分区表在物理上表现为多个文件，在逻辑上表现为一个表；谨慎选择分区键，跨分区查询效率可能更低...禁止在表中建立预留字段 预留字段的命名很难做到见名识义。预留字段无法确认存储的数据类型，所以无法选择合适的类型。对预留字段类型的修改，会对表进行锁定。
前言 String在java中特别常用，但小伙伴儿们对String真的彻底了解了吗？今天跟着小堂我一起盘它、弄懂它。...通过字符串常量池，两个内容相同的字符串变量，可以从池中指向同一个字符串对象，从而节省了关键的内存资源。...实际上是将引⽤放到哈希 表中），随后将引⽤赋给str1 如果存在，则不创建任何对象，直接将池中"abc"对象的引⽤返回，赋给str2。...不可变性保证了字符串的值不会改变。因此，hashCode()方法在String类中被重写，以方便缓存，这样在第一次hashCode()调用期间计算和缓存散列，并从那时起返回相同的值。...两个数组中的元素值相同。
这篇论文通过将RNN的内部状态映射为自动机状态，研究RNN在正则语言识认时所采用的内部结构。通过实验证实了RNN状态与自动机状态间确实存在解码函数。...本文认为RNN在识认正则语言时只能模拟抽象化的MDFA，而不是MDFA本身。为验证该观点，本文设计了一个简单的贪婪算法来选择抽象函数α。...右图展示DATES语言识认任务中线性解码器的解码精度随粒度上升的变化情况。 ? 图4 左图是对所有解码精度和粒度的AUC标准化后的平均值。右图展示要达到90%的正确率所需的抽象粒度的平均比率。 ?...而在学习长度固定的DATES时又呈现出位置相关性，即将相同位置的状态抽象为一个超状态。 ? 图6 上图是SIMPLE EMAILS语言的MDFA，用系统树图描述线性解码器对该自动机的抽象化顺序。...第一次抽象合并两个代表[a-d]*的状态。下图是DATE语言MDFA，用系统树图描述线性解码器对该自动机的抽象化顺序。第一次抽象合并两个相同位置的状态。
Object-ness 的物体检测对多样化的物体具有更强的普适性，同时大大减轻模型的负担来保证其实时性。这是“扫一扫”识物相比于相关竞品在移动端检测问题上定义的不同。...在“扫一扫”识物的应用场景中，复杂多样的物体形状对 anchor 的设计提出了巨大挑战，因此我们选择 anchor-free 的模型结构。 3....从 AlexNet 到 VGG，VGG 通过将大尺度的卷积核拆解为多个小尺度的卷积核（1 个 5x5→2 个 3x3）：在相同感受野下，2 个 3x3 卷积的参数量和计算量均只有 1 个 5x5 的 18...在 ShuffleNetV2 x0.5 的骨干网络下，表 2 对比了各种上采样方法对检测性能的影响，可见 PIM 有效地替代 DeformConv 在“扫一扫”识物中的作用。...6.jpg 7.png 五、部署 通过以上优化，我们最终采用表 2 中最优结果作为“扫一扫”识物的移动端检测模型。 该模型采用基于 pytorch 框架的 mmdetection 作为训练工具。
具体地，我们假设领域的差别对于数据的影响是未知的，且我们考虑应用对称、同质的迁移学习方法，即，对所有域学出一个共同的特征空间，且假设所有域的原始特征空间都相同或者至少维数相同。...而我们的方法相当于在隐层空间生成新样本，引入的误差较少。 第三步，深入解耦，加性对抗学习。 知白马是马而更识白，知白马是白而更识马。...避免因果关系造成的学习困境：皮之不存，毛将焉附。 之前的解耦方式是对每一个属性，都选择所有其他属性进行解耦，但这样可能会将本来有关系的两个属性强制解耦，偏离真实情况。...最极端的例子是，如果两个属性本身完全相同，那么在同一个特征空间里，不可能一个属性可以识别而另一个无法识别。 故而，直观上讲，我们不应该将相关的属性解耦。但是，“相关”是一个非常宽泛、不精确的概念。...如果但凡有两个属性有关系，我们就放弃对它们解耦，又可能会导致解耦不充分，每种属性还是学不好。 所以，我们考虑一种特殊的相关关系：因果关系。
所有数据库对象名称禁止使用 MySQL 保留关键字（如果表名中包含关键字查询时，需要将其用单引号括起来）。 数据库对象的命名要能做到见名识意，并且最后不要超过3 2 个字符。...谨慎使用 MySQL 分区表 分区表在物理上表现为多个文件，在逻辑上表现为一个表 谨慎选择分区键，跨分区查询效率可能更低 建议采用物理分表的方式管理大数据。...,也会消耗更多的 IO） 更有效的利用缓存，避免读入无用的冷数据 经常一起使用的列放到一个表中（避免更多的关联操作） 7.禁止在表中建立预留字段预留字段的命名很难做到见名识义 预留字段无法确认存储的数据类型...因为 MySQL 优化器在选择如何优化查询时，会根据统一信息，对每一个可以用到的索引来进行评估，以生成出一个最好的执行计划，如果同时有很多个索引都可以用于查询，就会增加 MySQL 优化器生成执行计划的时间...每个 InnoDB 表必须有个主键 InnoDB 是一种索引组织表：数据的存储的逻辑顺序和索引的顺序是相同的。
介绍 上个礼拜我们线上有个接口比较慢，这个接口在刚开始响应时间是正常的。但随着数据量的增多，响应时间变慢了。 这个接口里面顺序调用了2个服务，且2个服务之间没有数据依赖。...Netty和Google guava为了解决这个问题，在Future的基础上引入了观察者模式（即在Future上addListener），当计算结果完成时通知监听者。...Java8新增的CompletableFuture则借鉴了Netty等对Future的改造，简化了异步编程的复杂性，并且提供了函数式编程的能力 创建CompletableFuture对象 方法名 描述...都很类似 方法不以Async结尾意味着使用相同的线程执行 方法以Async结尾意味着将任务提交到线程池来执行 方法以Async结尾时可以用ForkJoinPool.commonPool()作为线程池，也可以使用自己的线程池...） 方法名 描述 thenCombine 组合两个future，获取两个future的返回结果，并返回当前任务的返回值 thenAcceptBoth 组合两个future，获取两个future任务的返回结果
在具体的9项指标对比中，荣耀V20全面落后。 ? 分数相差4000多，AI体验会不会有差别呢？ 需要注意的是，跑分只能够体现手机在硬件上对AI任务的支持程度，体现的是手机硬件AI性能的表现。...在日常生活中完成一些任务时效果怎么样，还需要进一步的测试。 日常任务 华为Mate 20系列产品中的AI功能，荣耀V20都能实现，因为使用的是相同的AI引擎。...入口在相机拍照界面左上角，进入之后，会有4个选项：识物、翻译、购物、扫码，其中识别卡路里集成在了识物功能中。 ?...最为关键的是，这款机器起价仅为2999元，Mate 20系列产品相同配置为4499元，相差1500元。 七折的价钱，买了基本上相同的AI体验。...如果你对智能手机上的AI有体验，欢迎在评论区跟我们互动~ 作者系网易新闻·网易号“各有态度”签约作者 — 完 —
pdf也是文本格式之一，最大的特点是不能直接编辑，因此建议在编辑pdf文件时转换为可编辑的格式，或者在使用编辑工具直接创建pdf文件时简单地直接使用编辑器。...也就是说，PDF忠实地再现原稿的文字、颜色和图像。 3 .可移植的文档格式是电子文件格式 此文件格式与操作系统平台无关，即PDF文件在Windows、Unix和苹果公司的MAC操作系统中都是通用的。...，文档除了doc和docx两种外，还有pdf的格式，对此，这里提供一个对pdf文件处理的方法： 查看单个文件 E:\vscode\reddemo\edudata\08\普本\01.pdf，内容如下：...十、附表 附表1：专业XX配表 附表2：专业XX示表 附表3：实践XX平台 附表4：通识XX平台 附表5：学科XX平台 附表6：专业XX平台 附表7：毕业XX矩阵 附表8：毕业XX矩阵...遍历dfnew1的每一行数据，并对part_8列数据进行正则表达式匹配，获取学时学分数据。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
