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
0.035
秒,为您找到
91584
个相关结果.
搜书籍
搜文档
内置运维特征列表
590
2022-12-24
《KubeVela v1.4 中文文档》
内置运维特征列表 Affinity 描述 适用于组件类型 参数说明 (affinity) podAffinity (affinity) required (affinity) labelSelector (affinity) matchExpressions (affinity) namespaceSelector (affinity) matc...
传统数据库与特征向量检索
777
2020-04-03
《Milvus 0.7.1 开源向量搜索引擎使用教程》
传统数据库与特征向量检索 传统数据库与特征向量检索 传统关系型数据库针对字母数字类数据而设计,把不同数据整理归纳为相互关联的集合。但是,由于以下原因,传统数据库无法支持处理海量的高维特征向量: 内建数据类型并不包括特征向量,也没有针对特征向量的管理和索引方式 仅支持有限的表列数 现在一些传统数据库系统也提供了针对特征向量检索的插件,比如Post...
传统数据库与特征向量检索
672
2020-04-03
《Milvus 0.7 开源向量搜索引擎使用教程》
传统数据库与特征向量检索 传统数据库与特征向量检索 传统关系型数据库针对字母数字类数据而设计,把不同数据整理归纳为相互关联的集合。但是,由于以下原因,传统数据库无法支持处理海量的高维特征向量: 内建数据类型并不包括特征向量,也没有针对特征向量的管理和索引方式 仅支持有限的表列数 现在一些传统数据库系统也提供了针对特征向量检索的插件,比如Post...
传统数据库与特征向量搜索
1689
2020-04-03
《Milvus 0.6 开源向量搜索引擎使用教程》
传统数据库与特征向量检索 传统数据库与特征向量检索 传统关系型数据库针对字母数字类数据而设计,把不同数据整理归纳为相互关联的集合。但是,由于以下原因,传统数据库无法支持处理海量的高维特征向量: 内建数据类型并不包括特征向量,也没有针对特征向量的管理和索引方式 仅支持有限的表列数 现在一些传统数据库系统也提供了针对特征向量检索的插件,比如Post...
传统数据库与特征向量检索
2120
2020-06-09
《Milvus 0.9 开源向量搜索引擎使用教程》
传统数据库与特征向量检索 传统数据库与特征向量检索 传统关系型数据库针对字母数字类数据而设计,把不同数据整理归纳为相互关联的集合。但是,由于以下原因,传统数据库无法支持处理海量的高维特征向量: 内建数据类型并不包括特征向量,也没有针对特征向量的管理和索引方式 仅支持有限的表列数 现在一些传统数据库系统也提供了针对特征向量检索的插件,比如Post...
比较自动快照和手动快照
485
2021-01-25
《Amazon DocumentDB (兼容 MongoDB) 开发人员指南(20201111)》
比较自动快照和手动快照 比较自动快照和手动快照 以下是 Amazon DocumentDB(与 MongoDB 兼容)自动快照和手动快照的主要特征。 Amazon DocumentDB自动快照具有以下主要特征: 自动快照命名 — 自动快照名称遵循模式 rds:<cluster-name>-yyyy-mm-dd-hh-mm ,其中 yyyy-...
特征选择
1519
2018-04-25
《spark机器学习算法研究和源码分析》
VectorSlicer 例子 VectorSlicer VectorSlicer 是一个转换器,输入一个特征向量输出一个特征向量,它是原特征的一个子集。这在从向量列中抽取特征非常有用。VectorSlicer 接收一个拥有特定索引的特征列,它的输出是一个新的特征列,它的值通过输入的索引来选择。有两种类型的索引: 1、整数索引表示进入向量的...
配置模块补丁
223
2022-12-11
《KubeVela v1.5 中文文档》
配置模块补丁 补丁策略 在运维特征中打补丁 为组件打补丁 为其他运维特征打补丁 在工作流中打补丁 配置模块补丁 在我们在进行定义的编写时,有时需要对其他的组件或者运维特征进行修改、打补丁。我们可以在自定义运维特征和自定义工作流步骤中执行补丁操作。 补丁策略 在默认情况下,KubeVela 会将需要打补丁的值通过 CUE 的 merge 来...
conv3d_transpose
179
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
conv3d_transpose conv3d_transpose paddle.nn.functional. conv3d_transpose ( x, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1, data_format=’NCHW’...
1..
«
43
44
45
46
»
..100