分类
发现
标签
搜索
注册
登录
分类
发现
榜单
标签
搜索
注册
登录
搜索
数智图书馆-无锡数智政务
本次搜索耗时
1.421
秒,为您找到
1443
个相关结果.
搜书籍
搜文档
空标题文档
23
2025-06-17
《Git权威指南》
18.4.3 开发者user1完成功能开发 开发者user1开始在user1/getopt分支中工作,重构hello-world中的命令行参数解析的代码。重构时采用getopt_long函数。 您可以试着更改,不过在hello-world中已经保存了一份改好的代码,可以直接检出。 (1)确保是在user1的工作区中。 $cd/path/to/us...
空标题文档
23
2025-06-17
《Python面向对象编程指南》
13.11 总结 我们介绍了很多用于表示配置参数的方法。它们的大多数都基于在第9章“序列化和保存——JSON、YAML、Pickle、CSV和XML”中介绍的序列化技术。configparser模块提供了另外一种格式,为一些用户提供了方便。 对于配置文件来说,关键功能是内容可以被很容易地编辑。基于这个原因,pickle文件并不是推荐的格式。 13.1...
NFA、DFA和POSIX
23
2025-06-17
《精通正则表达式(第3版)》
NFA、DFA和POSIX 最左最长规则 POSIX和最左最长规则 速度和效率 小结:NFA与DFA的比较 NFA、DFA和POSIX NFA,DFA,and POSIX 最左最长规则 "The Longest-Leftmost" 之前我们说过:如果传动装置在文本的某个特定位置启动DFA引擎,而在此位置又有一个或多个匹配的可能,DFA 就...
19.6 使用第三方检测工具
23
2025-06-17
《Docker技术入门与实战(第2版)》
19.6 使用第三方检测工具 19.6.1 Docker Bench 19.6.2 clair 19.6 使用第三方检测工具 前面笔者介绍了大量增强Docker安全性的手段。要逐一去检查会比较繁琐,好在已经有了一些进行自动化检查的开源工具,比较出名的有Docker Bench和clair。下面分别介绍。 19.6.1 Docker Bench ...
空标题文档
23
2025-06-17
《Python面向对象编程指南》
6.4 创建新集合 现在来看看Python内置容器类型支持哪些扩展。当然,我们不会举例说明如何扩展每个容器。如果这么做,那么这本书的体积就会变得超出我们的控制了。 我们会以一个容器为例来看看扩展容器的过程是怎样的。 1.定义需求。这可能包括研究维基百科(Wikipedia),通常从这里开始看:http://en. wikipedia.org/wiki...
空标题文档
23
2025-06-17
《Python面向对象编程指南》
5.8 总结 我们看了类定义中的3个特殊方法。call ()方法用于创建一个可调用对象,可调用对象用于创建有状态的函数。之前的例子中定义了可以记忆之前计算结果的函数。 enter ()和exit ()函数用来创建上下文管理器,上下文用于处理with语句中的逻辑处理,之前的大多数例子包含了输入和输出。然而,在Python中,对于一些场景使用局部上下文处理...
Java 8 Nashorn 教程
23
2025-06-17
《Java 8 简明教程》
Java 8 Nashorn 教程 Java 8 Nashorn 教程 使用 Nashron 在Java中调用JavaScript函数 在JavaScript中调用Java方法 ScriptObjectMirror 语言扩展 类型数组 集合和范围遍历 Lambda表达式和数据流 类的继承 参数重载 Java Beans 函数字面值 ...
11.3 著名的背包问题
23
2025-06-17
《程序员的数学思维修炼》
11.3 著名的背包问题 11.3.1 什么是背包问题 11.3.2 用递归程序解决背包问题 11.3.3 用穷举法解决背包问题 11.3 著名的背包问题 背包问题是一个经典的动态规划求解问题。它既简单形象、容易理解,又在某种程度上能够揭示动态规划的本质。在很多地方都可以看到这类问题的描述,下面我们来讨论这个问题。 11.3.1 什么是背包问...
空标题文档
23
2025-06-17
《Python面向对象编程指南》
1.7 简单的组合对象 一个组合对象也可以称作容器。我们会从一个简单的组合对象开始介绍:一副牌。这是一个基本的集合对象。我们的确可以简单地使用一个list来代替一副牌(deck)对象。 在设计一个类之前,我们需要考虑这样的一个问题:简单地使用list是合适的做法吗? 可以使用random.shuffle()函数完成洗牌操作,使用deck.pop()来...
4.4 梯度
23
2025-06-17
《深度学习入门:基于Python的理论与实现》
4.4 梯度 4.4.1 梯度法 4.4.2 神经网络的梯度 4.4 梯度 在刚才的例子中,我们按变量分别计算了 和 的偏导数。现在,我们希望一起计算 和 的偏导数。比如,我们来考虑求 时 的偏导数 。另外,像 这样的由全部变量的偏导数汇总而成的向量称为梯度 (gradient)。梯度可以像下面这样来实现。 def numeric...
1..
«
54
55
56
57
»
..100