分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.025
秒,为您找到
92211
个相关结果.
搜书籍
搜文档
学习渐进式 Web 应用
1022
2020-01-13
《前端开发者指南(2017)》
学习渐进式 Web 应用 学习渐进式 Web 应用 不同于传统应用,渐进式 web 应用是普通网页(或网站)与移动应用的混合体。这种新的应用模型尝试将移动端的体验优势与现代浏览器提供的大部分特性相结合。 在2015年,设计师 Frances Berriman 和 Google Chrome 工程师 Alex Russell 创造了“渐进式 Web...
8.3 配置SVN客户端
826
2019-04-08
《Unity 从入门到精通》
配置SVN客户端 配置SVN客户端 TortoiseSVN是一个Apache ™ Subversion(SVN)®客户端,实现为Windows外壳扩展。它直观且易于使用,因为它不需要Subversion命令行客户端运行。即使在商业环境中也可以免费使用。只需最酷的(Sub)版本控制接口! 官网地址:https://tortoisesvn.net/ ...
五、DataFrame
533
2020-06-07
《AI算法工程师手册》
五、DataFrame 五、DataFrame 一个DataFrame 实例代表了基于命名列的分布式数据集。 为了访问DataFrame 的列,有两种方式: 通过属性的方式:df.key 通过字典的方式:df[key] 。推荐用这种方法,因为它更直观。 它并不支持pandas.DataFrame 中其他的索引,以及各种切片方式...
6.2 悲观事务
1344
2020-03-30
《TiDB实战(TiDB in Action)》
6.2 悲观事务 6.2.1 悲观锁解决的问题 6.2.2 基于 Percolator 的悲观事务 6.2.2.1 等锁顺序 6.2.2.2 分布式死锁检测 6.2.3 最佳实践 6.2.3.1 事务模型的选择 6.2.3.2 使用方法 6.2.3.3 Batch DML 6.2.3.4 隔离级别的选择 6.2 悲观事务 乐观事务模...
不懂技术的人不要对懂技术的人说这很容易实现
1086
2020-01-02
《Node.js技术栈》
不懂技术的人不要对懂技术的人说这很容易实现 不懂技术的人不要对懂技术的人说这很容易实现 “这个网站相当简单,所有你需要做的就是完成X,Y,Z。你看起来应该是技术很好,所以,我相信,你不需要花费太多时间就能把它搭建起来。” 我时不时的就会收到这样的Email。写这些邮件的人几乎都是跟技术不沾边的人,或正在研究他们的第一个产品。起初,当听到人们这样的话...
隔离级别
582
2021-12-04
《TiDB v5.3 用户手册》
TiDB 事务隔离级别 可重复读隔离级别 (Repeatable Read) 与 ANSI 可重复读隔离级别的区别 与 MySQL 可重复读隔离级别的区别 读已提交隔离级别 (Read Committed) 与 MySQL Read Committed 隔离级别的区别 更多阅读 title: TiDB 事务隔离级别 summary: 了解 T...
外观模式
1417
2018-03-02
《Design-Pattern包教不包会(设计模式包教不包会)》
外观模式(Facade pattern) 简介 模式实现 结果及分析 抽象外观类 模式适用场景 外观模式(Facade pattern) 简介 外观模式(Facade pattern),是软件工程中常用的一种软件设计模式,它为子系统中的一组接口提供一个统一的高层接口,使得子系统更容易使用。 模式实现 某软件公司欲开发一个可应用于多...
DSP Algorithm
274
2022-10-26
《Crane v0.8 Documentation》
DSP Algorithm 流程 预处理 填充缺失数据 去除异常点 离散傅里叶变换 循环自相关函数 预测 应用 DSP Algorithm Introduction for DSP Algorithm Crane使用在数字信号处理(Digital Signal Processing)领域中常用的的离散傅里叶变换 、自相关函数 等手段,...
监督学习:从高维观察预测输出变量
1310
2020-03-01
《scikit-learn (sklearn) 0.19 官方文档中文版》
监督学习:从高维观察预测输出变量 监督学习:从高维观察预测输出变量 最近邻和维度惩罚 K近邻分类器 维度惩罚 线性模型:从回归到稀疏 线性回归 收缩 稀疏 分类 支持向量机(SVMs) 线性 SVMs 使用核 监督学习:从高维观察预测输出变量 监督学习:从高维观察预测输出变量 校验者: @Kyrie @片刻 @Loopy ...
1..
«
38
39
40
41
»
..100