logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Navicat使用的几个常用的快捷键整理

1.ctrl+r 运行当前查询窗口的所有sql语句2.ctrl+shift+r 只运行选中的sql语句3.ctrl+/ 注释sql语句4.ctrl+shift +/ 解除注释5.ctrl+q 打开查询窗口6.ctrl+n 打开一个新的查询窗口7.ctrl+w 关闭当前查询窗口8.ctrl+l 删除一行9.Shift+Home 鼠标在当前一行末尾,按快捷选中...

#数据库
linux服务器后台运行服务

linux后台运行一个服务难免会遇到在Linux,后台执行任务。下面,总结了一下关闭窗口任然在后台执行的方法,例如#执行一个打包命令tar czf /data/backup.tgz /data/backup采用&tar czf /data/backup.tgz /data/backup &ctrl+d #退出 才可以,如果...

#操作系统#数据库
K8S基础学习-ConfigMap(引入环境变量和引入配置文件)

应用部署的一个最佳实践是将应用所需的配置信息与程序进行分离。在K8S中提供了这种统一的集群配置管理方案--ConfigMap。 类似于集成了环境配置清单。生成相应的应用时在yaml中引入该ConfigMap。起到统一分配配置信息的作用。ConfigMap以一个或多个key:value的形式保存在文件中。即可以通过yaml文件创建也可以通过kubectl命令行创建。本人习惯于yaml,下...

#数据库
边缘计算中的Transformer优化与多模态情感识别实践

Transformer架构作为当前AI领域的核心技术,通过自注意力机制实现了对序列数据的高效建模。在边缘计算场景下,模型轻量化与硬件加速成为关键挑战。本文介绍了一种针对Edge TPU优化的Transformer变体,结合多模态融合技术,在仅1.8MB内存占用下实现23ms延迟的实时情感识别。该方案通过硬件感知的模型设计、晚期融合架构和频谱对齐技术,显著提升了边缘设备上的AI推理效率。典型应用包括

#边缘计算
从Logits到概率:解码深度学习分类器的原始输出

本文深入解析了深度学习分类器中Logits的概念及其转换为概率的过程,详细介绍了Softmax和Sigmoid的作用机制。通过实际案例和代码示例,帮助读者理解Logits在模型训练、调试和部署中的关键应用,提升对深度学习模型内部工作原理的掌握。

#深度学习
【云原生】Helm 实战:从零到一掌握 Chart 全生命周期管理

本文详细介绍了Helm Chart的全生命周期管理,从基础入门到企业级进阶技巧,包括Chart的创建、调试、打包、安装、升级、回滚和卸载等实战操作。通过具体案例和命令示例,帮助读者快速掌握Helm在Kubernetes应用部署中的高效管理方法,提升云原生环境下的运维效率。

#云原生
Coze工作流实战:5分钟打造智能旅行助手(含豆包大模型调优技巧)

本文详细介绍了如何利用Coze工作流快速搭建智能旅行助手,结合豆包大模型的调优技巧,实现机票查询、酒店预订及个性化旅行攻略生成。通过模块化设计和实时数据处理,打造高效、人性化的旅行规划工具,提升用户体验。

#工作流
【Spark】CentOS7集群环境Spark多模式部署实战:从Local到On Hive的完整配置与验证

本文详细介绍了在CentOS7集群环境下Spark的多模式部署实战,包括Local模式、StandAlone集群模式、Spark On Yarn和Spark On Hive的完整配置与验证。通过具体的安装教程和优化技巧,帮助开发者高效搭建和运维Spark集群,提升大数据处理能力。

从零到一:手把手教你用Docker部署并玩转n8n自动化工作流

本文详细介绍了如何使用Docker部署并玩转n8n自动化工作流,从基础部署到高级技巧全覆盖。n8n作为一款开源自动化工具,支持可视化操作和200多种节点,适用于数据库备份、邮件发送等场景。通过Docker Compose快速部署,并结合实战案例展示如何创建定时查询数据库并发送邮件的自动化流程。

机器学习团队实战:数据质量、模型迭代与协作最佳实践

机器学习项目的成功不仅依赖于算法创新,更需要扎实的工程实践和高效的团队协作。数据质量是模型效果的基础保障,通过实时监控管道和特征版本控制可以显著提升数据可靠性。在模型迭代方面,持续交付模式和黄金指标监控组合能平衡创新速度与系统稳定性。跨职能协作中,产品-工程-研究的铁三角结构和知识共享机制尤为关键。这些实践在电商推荐、NLP服务等场景中已得到验证,头部团队通过数据质量优先策略将训练问题减少65%,

    共 380 条
  • 1
  • 2
  • 3
  • 38
  • 请选择