文档建议反馈控制台
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
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

我的编程成长计划 1.0

在你跟着这篇文章走之前，你需要具备一个根本的能力：能做到你想做的。 能做到你想做的: Tasking与学习能力 虽然这看上去是一件很难的事，但是也不是一件很难的事。...在我不断地实现一个个系统的时候，最后我才意识到了这一点——学习能力和Tasking才是最重要的。换句话说，你现在学会什么并不重要，重要的是你以后有没有学习的能力。...用楷体来显示也是显示，用宋体显示也是显示——到底要怎样的实现。 这实际上就是：用更好的方法来实现功能。...用更好的方法来实现功能 对于这一步来说，有太多的东西值得去探索: 更好的架构 更好的工具 更好的语言 。。。...大四时，我发现PHP语言中的Laravel在RESTful这件事情上，似乎很有表现力，并且更容易“部署”——LNMP。接着实习时，发现Java在部署上更不错，它只需要一个Java包。

76180

基于SQL的管道：Steampipe让全世界都成为数据库

使用基于 SQL 的管道连接互联网服务 事实上，有一个很好的开源选项可以做到这一点。...现在，通过安装 Postgres 或 SQLite 的扩展，有了一种更简单的方法来使用 Steampipe。...现在，通过安装特定于 Steampipe 插件的扩展到 Postgres 或 SQLite 中，有了一种更简单的方法来使用 Steampipe。...这不仅可以实现不同服务之间的数据的联合联接，还可以实现这些服务与您 自己的 数据之间的联合联接。...再举一个例子：搜索 Slack 对话中对内部应用程序的提及，并将其与 Zendesk 中针对同一应用程序的公开工单进行交叉引用。 近乎即时的 SQL 满足 想要一些技术细节？我们可以很快做到。

11810
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    杨攀：融云专注极致技术 不忘初心打造极简体验

    本文是融云联合创始人、CTO杨攀接受 LiveVideoStack 邮件采访整理而成，杨攀聊到了个人成长经历，作为创业公司技术负责人的责任，以及对企业通信市场的格局和未来的机遇与挑战。...杨攀：大家好，我叫杨攀，融云的联合创始人、CTO。我早期主要从事 SP 行业的工作，经历了中国互联网的第一波热潮。...一直以来，我都认为最好的服务就是让客户感觉不到它的存在。为了能做到这一点，就要把质量做到极致。 但是另一方面，作为一个能力服务厂商。满足客户多样的需求，是一个非常复杂的事情。...LiveVideoStack：有没有一些技术已经或开始改变企业通信市场？（比如AI） 杨攀：我觉得应该分两个层面来看这个问题，首先是上层应用，其次是底层技术。...更多的媒体服务会使网络结构变得更复杂，管理更困难，因此我们设计了一种去中心化的 RTC 网络。

    43540

    Yann LeCun最新万字演讲：致力于下一代AI系统，我们基本上不做LLM了

    这里所说的不仅仅是人类水平的智力，即使是猫和狗能做到的一些事情，当前的 AI 系统也无法完全做到。...你可能会有多个解决方案，也可能会有一些方法来遍历这些多个解决方案。 人类的感知系统就是这样做的，如果你对一个特定的感知有多种解释，你的大脑会自发地循环遍历这些解释。...这就是联合嵌入预测架构的原理：它对 X（损坏版本）和 Y 分别通过一个编码器进行处理，然后训练系统从 X 的表示来预测 Y 的表示。 那么如何做到这一点呢？...如果单纯使用梯度下降和反向传播这样的方法来训练系统，以减少预测误差，那么系统可能会失效。它可能会学习到一个恒定的表示，使得预测变得轻而易举，但却失去了信息量。...这里要记住一个区别：生成架构（如试图重建预测器的自动编码器等）与联合嵌入架构不同，联合嵌入架构是在表示空间中进行预测。

    20510

    GraphQL-to-REST API Connectors是Apollo的“最伟大的成就”

    它们通过消除与塑造 GraphQL 层相关的大部分前期设计工作来简化流程。Connectors 采用更务实的做法，无需再编写服务器，”DeBergalis 说。...能够做到这一点的公司将是那些能够更快地交付和创新的公司。” 正如 GraphQL 已成为连接 REST API 的现代、基于标准的方式一样，GraphQL 最终也不会取代 REST API。...也就是说，GraphQL 提供了一种强类型的架构定义语言来描述跨任意数量系统的数据，这种方式对客户端来说既直观又实用。相比之下，REST 鼓励采用更加面向资源的方法来组织和部署服务，通常沿着域边界。...： 确定一种编程语言和一个兼容 Apollo Federation 的 GraphQL 框架。...[@GraphQL] 越能自动完成 API 的编排联合，开发人员就越不需要担心管理基础设施，从而可以专注于他们的工作。

    10110

    人脸识别进入“超级独角兽时代”：旷视、商汤、依图等共论计算机视觉

    当下，人脸识别技术做到了什么程度？未来计算机视觉创业还有没有机会？...但是，熟人识别，别说100万人——忘记是谁提到过——一个家庭里面机器识别5个人，要做到100%识别，现在的机器也是完全不可能的。 孙剑：机器人在家庭里识别人这一点是我之前提过。...而人类识别的人时候，使用的线索远远超过人脸这个范围。所以，今后的技术也要考虑到这一点。 ?...在工业界解决问题强调多传感器，比如通过面部识别来判断心跳的工作，这时候添加一个传感器，也许换一种方法，就能找到性价比更高的方案。...我们有一个真实的案例，销售跟监狱长聊，说我们有人脸识别抓逃犯的系统，很强，但监狱长说我们不需要，因为人已经被抓起来了；他们需要的是别的东西，比如判断监狱里的人有没有再犯罪倾向或者暴力的想法。

    1.6K50

    将独立的 Python 网络应用程序分发给非技术用户

    我们需要能够创建一种一体机类型的安装程序，该安装程序可以安装 Python、依赖项 (Python-LDAP)、一些 Python 代码，并将基于 Python 的 Web 服务器注册为 Windows...我们已经查看了以前的问题，但似乎没有一个相关的问题。...我们不担心源代码的安全性（我们的应用程序将是开源的，我们将销售与之匹配的内容），我们只需要非技术 Windows 用户能够下载并使用我们的应用程序而不会出现任何问题。...我们目前的想法是使用 NSIS 创建一个包含 Python 和 Python-LDAP 作为 MSI 的安装程序，然后注册我们自己的简单的基于 Python 的 Web 服务器作为 Windows 服务...NSIS 可以做到这一点吗？例如，NSIS 可以检查当前安装的 Python 副本吗？有没有更好的方法来做到这一点——是否有方便的框架可以让我们将代码放入一个文件夹并将其捆绑起来以制作安装程序？2.

    9810

    LeCun最新专访：为什么物理世界终将成为LLM的「死穴」？

    现在，世界的状态并不需要代表世界的一切，它只需要代表与这次行动规划相关的足够多的信息，但不一定是所有的细节。 现在，问题来了。生成模型无法做到这一点。...现在，如果你去看视频，你要做的就是预测视频中所有可能帧的分布，而我们并不知道如何正确地做到这一点。 我们不知道如何以有用的方式来表示高维连续空间上的分布。...这就是主要问题所在，我们之所以能做到这一点，是因为这个世界比文字复杂得多，信息丰富得多。文本是离散的，而视频是高维的、连续的。这里面有很多细节。...结构是好的，编码器的结构也是好的，但事实上，你训练系统重建图像，并不能使它产生长而良好的图像通用特征。那还有什么选择呢？另一种方法是联合嵌入。...但如果你说的是其他智能实体，对它们来说很容易做到的基本事情却截然不同，那么它就没有任何意义了。因此，智能是一种技能的集合，也是一种高效获取新技能的能力。

    14610

    Java集合之Vector源码分析

    Vector与ArrayList的区别 Vector是线程安全的, ArrayList不是线程安全的, 这是最主要的 ArrayList不可以设置扩展的容量, 默认1.5倍; Vector可以设置, 默认...在多线程的场景中可以直接使用Vector类，也可以使用Collections.synchronizedList(List list)方法来返回一个线程安全的List。...那么，到底SynchronizedList和Vector有没有区别，为什么java api要提供这两种线程安全的List的实现方式呢？ 以下看 synchronizedList 部分源码: ? ?...但是之后的但是, 如果想要把LinkedList变成线程安全的, 那么我们可以将已有的LinkedList直接转成SynchronizedList, 而不用改变它的底层数据结构, 这一点是Vector无法做到的..., 因为Vector底层结构是使用数组的, 这一点是无法更改的.

    59560

    【业界】埃隆·马斯克:“记住我的话，人工智能比核武器危险得多。”

    例如，总部位于伦敦的DeepMind公司于2014年被Google收购，该公司开发了一种人工智能系统AlphaGo Zero，该系统学会了在没有任何人为干预的情况下玩围棋。它只是从随机对抗中学习。...该公司在10月份发表的一篇论文中宣布了这一发展。 马斯克担心人工智能的发展将超出我们安全管理的能力。 “由于人工智能的改进速度非常惊人。我们必须找出一些方法来确保数字超级智能的出现是与人类共生的。...我认为这是我们面临的最大的生存危机，也是最紧迫的危机。” 为了做到这一点，马斯克建议对人工智能的发展进行监管。...“所以，真正要做的就是确保如果人类共同决定，创造数字超级智能是正确的行动，那么我们就应该非常非常小心地——非常非常非常小心地做到这一点。这是我们能做的最重要的事情。”...尽管如此，马斯克还是在用他的创业公司Neuralink从事人工智能的业务，该公司致力于创造一种将大脑与机器智能连接起来的方法。

    82260

    真假之争？网友点燃讯飞星火质疑热点，我们深度实测给您答案！

    不过，有没有一种可能，后发先至，走得更远？ 最近几天，科大讯飞刚刚发布的星火大模型实火。 各种说法甚嚣尘上，有人吐槽称生成结果太「离谱」，甚至还有人说是它是「套壳」OpenAI的ChatGPT！...可见，刚刚提到的这些问题，基本上就是当前许多大模型的通病。 对此，刘庆峰表示，「我们都有非常明确的方法来改进它。」...在这一点上，OpenAI推出的代码解释器和插件，便弥补了ChatGPT一些弱点。 那么，如何让大模型的通病得到改善，可以试着从token、矢量存储、提示入手。...全文摘要如下： 在规整结果上，有趣的是，听见还会主动帮你去掉「废话」，甚至有些话还帮忙改写更通顺了。 从产业角度看，大模型+应用，才是大模型商业化的必经之路。...当然，星火能燎原也不能仅靠讯飞一己之力，据了解，讯飞还联合开发者推动大模型应用落地，共建人工智能「星火」生态。

    42650

    基于噪声模型优化的HDR融合算法

    为了做到这一点，这些算法倾向于选择相机的最低有效ISO设置及相应的曝光时长，在保证一定亮度的情况下降低噪声。 它没有考虑到对曝光时间的限制。...那么，有没有办法既能够提升最终融合图像的动态范围，使之反映实际场景，同时又能够在规定的时间要求内得到最佳的暗部区域的信噪比呢？...有趣的是，高ISO使得像素更容易饱和，因此当亮度超过一定阈值后，像素饱和，此时信噪比就掉到0了。...数码相机成像时的噪声模型与标定，用一种基于噪声模型优化的HDR融合方法来展示了噪声模型的应用。...这种方法指出HDR生成算法本质上是一种多帧融合去噪算法，而以前的方法并没有基于噪声模型精确的进行信噪比的优化。

    1.4K20

    Objective-C 中我接受的点符号

    我甚至将点符号描述为 Objective-C 代码的一种气味。 因此，你可能会惊讶地发现，我最近在代码中采用了点符号！事情是这样的......但关键就在这里：ReactiveCocoa 的功能性反应编程风格依赖于键值观察（KVO）。 与 KVO 相比，我更喜欢使用通知的主要原因是，我喜欢使用单独的方法来处理模型变化的不同方面。...如果你要使用我的课程，我不想因为我碰巧用某种方式编码，就切断你与编程工具的联系。 属性链接了 self. 所以只能 "使用自己的setter"。我不想用一种样式来设置值，而用另一种样式来获取值。...，世界就会变得更干净： [self.prop doSomething]; 如果我要使用self.......好吧，我还是投降吧。 胜在可读性 点符号更容易看清。我一直承认这一点。...因此，多于一个点（self.不算）让我质疑，为什么对属性的属性做手脚与代码无关。不过，这也许是后话了...... 就是这样。圆点，耶。 你呢，有没有在编码圣战中转换过阵营？请在下方留言。

    10710

    【重磅】谷歌IO大会机器学习专场：人工智能冬天或再来临

    他是谷歌大脑项目负责人，参与设计/部署了谷歌搜索和广告系统的重要部件，也是谷歌MapReduce、BigTable、Spanner 和 TensorFlow等分布式计算架构的联合设计师和联合部署人。...我们成立了专门的团队来做这件事，比如Jeff Dean领导的TensorFlow。 【Tom Simonite】对于产品经理来说，人工智能的发展有没有为产品打开新的视野？...此外，还有一种更简单的方法，那就是使用pre-trained API，比如你使用谷歌的云端API，只要把图像提供给我们，我们就可以反馈给你很好的结果了。...有没有可能系统自己设计一种适合的框架，可以自动适应被输入的数据呢？如果能做到这一点，也就是机器能够自己学习，那就是个大突破了。...比方说你4年前问我，计算机能不能看图说话，我会说大概不能，但现在事实证明我们可以做到这一点。

    71970

    「人脸识别」中的最常用一些LOSS

    以上两个早期深度人脸识别方法，框架为CNN + Softmax，以“超多分类”这样一种比较难的任务训练CNN，强迫网络在第一个FC层形成比较紧凑的，判别力很强的深度人脸特征，之后用于人脸识别。...相同输出特征情况，soft max比hard max更容易达到终极目标one-hot形式，或者说，softmax降低了训练难度，使得多分类问题更容易收敛。 到底想说什么呢？...总结来说： Softmax训练的深度特征，会把整个超空间或者超球，按照分类个数进行划分，保证类别是可分的，这一点对多分类任务如MNIST和ImageNet非常合适，因为测试类别必定在训练类别中。...但Softmax并不要求类内紧凑和类间分离，这一点非常不适合人脸识别任务，因为训练集的1W人数，相对测试集整个世界70亿人类来说，非常微不足道，而我们不可能拿到所有人的训练样本，更过分的是，一般我们还要求训练集和测试集不重叠...，在大型测试集MegaFace上也做到了small的SOTA。

    1.4K20

    预热 | 英特尔通过预测变量实现策略性强化学习，夺冠 Doom 游戏竞赛（ICLR 2017）

    然后这些输入模块的输出结果将被连接成一个联合表示j。之后联合表示j被送入了两个并行的计算流进行单独处理，这两个计算流分别用于预测测量期望E(j)和归一化动作条件差异。...而实验结果表明，英特尔实验室研究员所提出的方法优于先前提出的其它复杂方法，这一点在具有挑战性的任务中体现得更加明显。实验结果还表明训练好的模型在环境与目标之间具有很好的泛化能力。...该方法是一种基于通用价值函数方法的特殊例子，并且作者也在引用中标注出了正确的参考。也许这篇文章最大的技术贡献是提炼了许多现有的方法来解决3D导航问题。...（没有标题） 打分：8分：在所有被接受的论文中排前50%，确定接受 评论：这篇论文提出了一种策略性方法来预测未来的内在测量。...所有的实验都是在名为Doom（更准确来说是vizDoom）的这款游戏上展开的。

    71590

    撕毁 AI 剧本，巨头争先效仿，DeepSeek做对了什么？

    “你几乎可以完全在不需要人类劳动的情况下训练模型。” 这种方法的缺点是，计算机在评分数学和编程问题的答案方面很擅长，但在评分开放式或更主观的问题上就不太擅长了。...在这些数据上训练R1-Zero产生了DeepSeek命名为R1的模型。 此外，为了使其强化学习的使用尽可能高效，DeepSeek还开发了一种名为组相对策略优化（GRPO）的新算法。...“如果你想想你的说话方式，当你说到句子一半时，你就知道句子的其余部分是什么，”Zeiler说。“这些模型也应该能够做到这一点。” 它还找到了创建大型数据集的更便宜的方法。...在硬件方面，DeepSeek找到了新的方法来提升旧芯片的性能，使其能够在不购买市场上最新硬件的情况下训练顶级模型。...换句话说，很多科技巨头可能已经知道如何做到这一点，但一直保持沉默。“似乎有一种聪明的方法可以将你的基础模型、预训练模型转变为一个更强大的推理模型，”Zeiler说。

    26310

    在Python中用Seaborn美化图表的3个示例

    在下面，我将讨论Seaborn以及为什么我相对于其他第三方库更喜欢它。我还将给出我经常使用的3张图表。 ?...图1：随机单变量分布 联合分布 在这里，我们尝试传达更多更复杂的动态信息。我们有两个我们认为应该关联的变量，但是如何可视化这种关系呢？...图2：两个随机变量的联合分布 我在研究和文章中都使用了这种图，因为它使我能够将单变量动力学（带有内核图）和联合动力学保持在我的思想和观察的最前沿：所有这些都在传达我所经历的思考。...在上面的文章中，我广泛讨论了为什么对我来说Seaborn是最好的绘图程序包，并给出了我使用的3个图表示例。我坚信以一种容易理解的方式传达信息：文字越少越好！坚持才是关键！...这些图表使您轻松地做到这一点，因此，如果您是视觉研究员，或者如果您喜欢看全局，那么Seaborn就适合您。 再次感谢，如果您有任何疑问，请告诉我！

    1.3K20
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2025 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 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券