深入解读.NET MAUI音乐播放器项目(一):概述与架构
系列文章将分步解读音乐播放器核心业务及代码: 深入解读.NET MAUI音乐播放器项目(一):概述与架构深入解读.NET MAUI音乐播放器项目(二):播放内核深入解读.NET MAUI音乐播放器项目(三):界面与交互 为什么想起来这个项目了呢?这是一个Windows Phone 8的老项目,2014年用作为兴趣写了个叫“番茄播放器”的App,顺便提高编程技能。这个项目的架构历经多次迁移,从W...
RocketMQ - 消费者概述
消费流程 消费者组: 一个逻辑概念,在使用消费者时需要指定一个组名。一个消费者组可以订阅多个Topic。消费者实例: 一个消费者组程序部署了多个进程,每个进程都可以称为一个消费者实例。订阅关系: 一个消费者组订阅一个 Topic 的某一个 Tag,这种记录被称为订阅关系。RocketMQ规定消费订阅关系(消费者组名-Topic-Tag)必须一致——在此,笔者想提醒读者,一定要重视这个问题,一个消费...
Linux概述
1:Linux概述 1.1:操作系统 常见操作系统有:Windows、MacOS、Linux。 各操作系统的特点 Windows属于:单用户、多任务操作系统。 Linux属于:多用户、多任务操作系统 名词解释 单用户:一个用户,操作系统允许同时登录一个用户 单任务:一个任务,允许用户同时进行的操作任务数量 多用户:多个用户,操作系统允许同时登录多个用户进行操作 多任务:多个任务,允许用户同时进行多个...
WebAssembly 概述
概述 WebAssembly 是一个可移植、体积小、加载快并且兼容 Web 的全新格式(新的规范)。 可以在浏览器和非浏览器环境下执行,可以嵌入 JavaScript 代码或者独立执行,借助 LLVM 编译器实现一次构建、随处运行的目标。 开发者借助 WebAssembly 让浏览器中大型软件、大型游戏,提升浏览器、移动端的使用体验。 特点 高效。二进制,目标是发挥硬件能力达到原生执行效率。安全。沙...
【菜菜的sklearn课堂笔记】聚类算法Kmeans-概述 & 工作原理
有监督学习:模型在训练的时候,即需要特征矩阵X,也需要真实标签y。 无监督学习:监督的算法在训练的时候只需要特征矩阵X,不需要标签。PCA降维算法就是无监督学习中的一种,聚类算法,也是无监督学习的代表算法之一。 聚类算法又叫做“无监督分类”,其目的是将数据划分成有意义或有用的组(或簇)。这种划分可以基于我们的业务需求或建模需求来完成,也可以单纯地帮助我们探索数据的自然结构和分布。比如在商业中,如果我...
NLP_learning 导论:自然语言处理概述+基本文本处理操作
文章目录 一、自然语言处理概述一、基本文本处理操作1、清理与替换2、截取3、连接与分割4、比较与排序5、查找与包含6、大小写变换7、搜索查找更多的字符串相关操作 总结 一、自然语言处理概述 定义:自然语言处理(Natural Language Processing)简称NLP,是一种利用计算机为工具对人类特有的书面形式和口语形式的自然语言的信息进行各种类型处理和加工的技术。 任务:通过处理和理解语言...
概述机器学习算法(机器学习)
目录 机器学习的一般步骤 分类算法 决策树 支持向量机 最近邻算法 贝叶斯网络 神经网络 聚类算法 K—均值算法 BIRCH算法 CURE算法 OPTICS算法 关联分析算法 Apriori算法 FP-growth算法 回归分析算法 线性回归 逻辑回归 多项式回归 邻回归 LASSO回归 深度学习 机器学习的一般步骤 定义分析目标 收集数据 数据预处理 数据建模 模型训练 模型评估 模型应用 分类...
初探富文本之富文本概述
初探富文本之富文本概述富文本编辑器通常指的是可以对文字、图片等进行编辑的产品,具有所见即所得的能力。对于Input、Textarea之类标签,他们是支持内容编辑的,但并不支持带格式的文本或者是图片的插入等功能,所以对于这类的需求就需要富文本编辑器来实现。现在的富文本编辑器也已经不仅限于文字和图片,还包括视频、表格、代码块、思维导图、附件、公式、格式刷等等比较复杂的功能。描述富文本编辑器实际上是一...
【深度学习】第一章:深度学习概述
文章目录 1. 神经元2. 神经网络的组成3. 相关符号的说明4. 神经网络4.1 单层神经网络4.2 多层神经网络 5. 神经网络的整个流程6. 神经网络的分类 1. 神经元 2. 神经网络的组成 3. 相关符号的说明 单层神经网络:输入矩阵X、权重矩阵W、偏置矩阵B、输出矩阵Z、激活函数g(x) 的表示: 多层神经网络中 4. 神经网络 4.1 单层神经网络 单层神经网络(即感知机)只有输入层和...
【Designing ML Systems】第 1 章 :机器学习系统概述
。换句话说,本书的目标是为您提供一个框架来开发最适合您的问题的解决方案,而不管您最终可能使用哪种算法。随着新算法的不断开发,算法可能很快就会过时,但本书中提出的框架仍应适用于新算法。 本书的第一章旨在概述如何将 ML 模型投入生产。在讨论如何开发 ML 系统之前,重要的是要问一个基本问题,即何时以及何时不使用 ML。我们将介绍一些流行的 ML 用例来说明这一点。 在使用案例之后,我们将继续讨论部署 M...