[其它] 隐形加载-源码

说明：隐形加载 该项目的目的是描述“不可见的加载”：一种在分布式文件系统上实现MapReduce作业的低至首次分析时间的方案，同时仍可产生数据库系统的长期性能优势。 看不见的加载给人一种错觉，即用户代码直接在文件系统上运行，但是每次访问文件时，都会朝着将数据加载到数据库系统中，然后逐步对数据进行聚类和建立索引方面取得进展。
<weixin_42133753> 上传 | 大小：146kb

[其它] wordusink：带照片的单词本，可提高我的英语水平-源码

说明：词墨 这是带照片的单词书，可提高我的英语水平。 和服务器部分！ 目标 []连接到Android应用程序.apk []与python编写的gimg-api交谈 待办事项清单 []设计到数据模型的结构 []规划UX场景 故事 用户 创建帐号 编辑用户 查找全部/一位用户 删除账户 关注用户 计算变量（isFollowing，isSelf） 单词 建立字词 删除单词 编辑词 投票 特定第一个字母的单词 随机单词考试（也许...还有10个？） 查看所有单词 计算变量（已投
<weixin_42109925> 上传 | 大小：22kb

[其它] CursoGit-源码

说明：CursoGit
<weixin_42121754> 上传 | 大小：1kb

[其它] 结合实例讲解：可用性测试的具体做法及经验总结

说明：本文来自于woshipm，本文主要是作者结合自身经验介绍了可用性测试、可用性测试的具体流程及注意事项以及ASQ等相关内容。用户调研分为两种形式，一种是定量，一种是定性。定性的方式里面又包含可用性测试、用户访谈。可用性测试是用户调研中一种定性研究的方法，让产品更好的服务用户，可以说是一种低成本高回报的一种研究方法。今天我主要通过以下几个层面来讲解可用性测试的亲身操刀经验：1.什么是可用性测试？2.可用性测试的好处是什么？为什么有很多公司不用呢？1.需求收集2.资料准备3.用户招募4.测试脚本设计5
<weixin_38679178> 上传 | 大小：975kb

[其它] 基于核心词和实体推理的事件关系识别方法

说明：基于核心词和实体推理的事件关系识别方法
<weixin_38687807> 上传 | 大小：812kb

[其它] 详解|TESSY在汽车功能安全研发中的应用

说明：TESSY是一款动态测试工具，主要应用于V模式中单元测试及集成测试阶段。它可以自动生成驱动函数及桩代码，用户无需手动搭建测试环境，只需要编写测试用例，即可进行单元测试、集成测试。通过工具将代码实际运行结果和测试用例中设定的预期结果进行自动比对，检查代码功能正确性。在进行功能测试的同时，工具还对代码测试的覆盖度进行了统计。通过统计得出的覆盖度值，能够直观的了解到测试的充分性。该工具能够覆盖ISO26262功能安全规范对单元/集成测试环节的要求，确保使用工具进行测试的被测软件能够达到功能安全不同等级
<weixin_38724370> 上传 | 大小：730kb

[其它] 基于触发器映射的中文参数提取

说明：基于触发器映射的中文参数提取
<weixin_38634065> 上传 | 大小：335kb

[其它] 一种基于分类的平行语料选择方法

说明：一种基于分类的平行语料选择方法
<weixin_38706100> 上传 | 大小：312kb

[其它] 基于CPU的深度学习推理部署优化实践

说明：本文来自于infoq技术产品团队，本文将详细介绍系统级优化方法，以及深度学习云平台落地的应用和算法，希望对您的学习有所帮助。随着人工智能技术在视频业务线的广泛应用，深度学习算法在云端的部署对计算资源，尤其是GPU资源的需求也在飞速增长。如何提高深度学习应用部署效率，降低云平台运行成本，帮助算法及业务团队快速落地应用和服务，让AI发挥真正的生产力，是深度学习云平台团队努力的目标。从基础架构的角度，GPU资源的紧缺和GPU利用率的不足是我们面临的主要挑战。由于大量的算法训练及推理服务需求，云端GPU
<weixin_38651507> 上传 | 大小：532kb

[其它] 对数螺旋关键点：图像补丁匹配的稳健方法

说明：对数螺旋关键点：图像补丁匹配的稳健方法
<weixin_38584058> 上传 | 大小：3mb

[其它] 非负最小二乘稀疏编码的面部表情识别

说明：非负最小二乘稀疏编码的面部表情识别
<weixin_38634323> 上传 | 大小：343kb

[其它] 阿里本地生活线上线下融合场景中的图像检测技术

说明：本文来自于网络，本文将从场景驱动的角度来探讨如何建立一个灵活快速又可落地生效的图像检测框架。1.线上线下融合场景中的图像视觉技术2.复杂场景中的图像视觉技术3.复杂场景中的文本识别4.复杂场景中的三维重建今天演讲的标题是线上线下融合场景中的图像识别技术。看到这个标题大家可能会有一些疑惑，图像视觉技术还分线上线下场景?本身图像视觉技术是通用的，不分场景。但是我们在本地生活领域做图像视觉技术的时候，会发现它和传统搜索引擎或推荐系统推进领域之下的图像视觉不完全相同。所以我今天不会讲常用的一些图像分类或
<weixin_38593701> 上传 | 大小：1mb