注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. delphi通用函数单元一

  2. //▎============================================================▎// //▎================① 扩展的字符串操作函数 ===================▎// //▎============================================================▎// //从文件中返回Ado连接字串。 function GetConnectionString(DataBaseName:s

  3. 所属分类：Delphi

    • 发布日期：2011-08-19
    • 文件大小：29kb
    • 提供者：jlwen

  1. S4:分布式流计算平台

  2. S4 是一个通用的,分布式的,可扩展的,分区容错的,可插拔的平台。开 发者可以很容易的在其上开发面向*不间断流数据处理的应用。编键的数据 事件被分类路由到处理单元(Processing Elements,PEs),处理单元消费这些事 件,做如下事情之一或全部:(1)发出一个或多个可能被其他 PE 处理的事件。 (2)发布结果。这种架构类似提供了封装和地址透明语义的 Actor 模式,因此 允许应用在大规模并发的同时暴露简单的编程接口给应用开发者。在这篇论文 里,我们将勾画 S4 的架构细节,

  3. 所属分类：群集服务

    • 发布日期：2011-10-20
    • 文件大小：918kb
    • 提供者：crack007

  1. SONY笔记本CMOS/BIOS通用算号程序

  2. SONY笔记本CMOS/BIOS通用算号程序, SONY笔记本上，都有自己唯一的序列号。其实我们通过此序列号，即可方便的计算出适用于自己机器的CMOS密码。如果开机提示密码，使用此算号器，输入序列号的最后7位序列号。即可方便解出通用密码。

  3. 所属分类：其它

    • 发布日期：2011-12-31
    • 文件大小：414kb
    • 提供者：yadeyi

  1. Spark一个高效的分布式计算系统

  2. Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架，Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。

  3. 所属分类：其它

    • 发布日期：2015-02-02
    • 文件大小：253kb
    • 提供者：stockjava

  1. 编译原理课程设计--通用初等函数计算器

  2. 用编译原理中的算符优先分析的方法，编写的一个通用计算机器。有核心源代码。

  3. 所属分类：专业指导

    • 发布日期：2008-11-04
    • 文件大小：186kb
    • 提供者：cdutherbert

  1. TensorFlow一种用于大规模机器学习的系统

  2. TensorFlow是一个机器学习系统，其运行于大规模和异构环境。张量流使用数据流图来表示计算、共享状态以及改变该状态的操作。它将数据流图的节点映射到多台机器上的一个集群中，以及跨多个计算设备的机器中，包括多核CPU，通用GPU和定制设计的ASIC，称为张张良处理单元（TPU）。这种架构给应用程序开发人员极大的灵活性，而以前设计的“参数服务器”共享的管理状态是内置在系统中的。TensorFlow使开发人员能够尝试新颖的优化和训练算法。TensorFlow支持各种应用程序、特别强大的训练和支持深

  3. 所属分类：机器学习

    • 发布日期：2018-06-12
    • 文件大小：665kb
    • 提供者：ljpone

  1. 大数据下的典型机器学习平台综述

  2. 由于大数据海量、复杂多样、变化快,传统的机器学习平台已不再适用,因此,设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化,引出常见的并行计算模型。简单介绍了整体同步并行模型(BSP)、SSP并行计算模型以及BSP、SSP模型与AP模型的区别,主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点,并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平

  3. 所属分类：机器学习

    • 发布日期：2018-06-17
    • 文件大小：1mb
    • 提供者：qq_28339273

  1. Spark大型集群上的快速和通用数据处理架构

  2. Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。 Spark 是一种与 Hadoop

  3. 所属分类：spark

  1. spark流式计算处理

  2. Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎，Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

  3. 所属分类：spark

    • 发布日期：2018-08-23
    • 文件大小：66byte
    • 提供者：qq_34744424

  1. 大型集群上的快速和通用数据处理架构

  2. 大型集群上的快速和通用数据处理架构 过去的几年中，计算系统经历着重大的变革，为了满足不断增长的数据量和处理速度需求， 越来越多的应用向分布式系统扩展。如今，从互联网到企业运作，再到科技设备，不尽其数的 数据源都在产生大量的、有价值的数据流。然而，单一的机器处理能力并没有跟上数据增长的 速度，使得这些有价值的数据越来越难以被使用。以至于越来越多的组织——不仅仅是互联网 公司，还有一些传统企业和研究室——迫切需要将他们重要的计算能力扩展到成百上千台机器 上去。

  3. 所属分类：spark

    • 发布日期：2018-01-29
    • 文件大小：4mb
    • 提供者：zbluexxx

  1. AICC2019人工智能计算大会资料

  2. 人工智能计算导论.pdf,2019-2020中国人工智能计算力发展评估报告.pdf,Facebook深度学习发展与PyTorch创新.pdf,面向人脸识别超分辨率的竞赛.pdf,POWER9对AI平台建设实践分享.pdf,人工智能在半导体显示行业应用.pdf,应用融合推动智能计算升级.pdf,指静脉：机密与便捷融合.pdf,视觉智能伴随每份快递“快乐”到家.pdf,后通用芯片时代：AI应用引领数据中心变革.pdf.pdf,统一的大数据分析 + AI 平台.pdf.pdf,ETC发展与车路协同构想

  3. 所属分类：机器学习

    • 发布日期：2019-12-28
    • 文件大小：74mb
    • 提供者：zqjsjz

  1. 计算 S=1!+2!+3!+...+N!。

  2. C语言是一门面向过程的、抽象化的通用程序设计语言，广泛应用于底层开发。C语言能以简易的方式编译、处理低级存储器。C语言是仅产生少量的机器语言以及不需要任何运行环境支持便能运行的高效率程序设计语言。尽管C语言提供了许多低级处理的功能，但仍然保持着跨平台的特性，以一个标准规格写出的C语言程序可在包括类似嵌入式处理器以及超级计算机等作业平台的许多计算机平台上进行编译。

  3. 所属分类：C

    • 发布日期：2020-05-24
    • 文件大小：338byte
    • 提供者：DTCfire

  1. 隐私保护机器学习的密码学方法.pdf

  2. 本文介绍隐私保护机器学习中常用的密码学工具，主要有通用安全多方计算(SMPC)、隐私保护集合运算、同态加密(HE)等多种工具，同时介绍了如何使用这些工具来解决机器学习中数据整理、模型训练、模型测试、预测等多个阶段中存在的隐私保护问题的研究方法。

  3. 所属分类：机器学习

    • 发布日期：2020-06-23
    • 文件大小：1mb
    • 提供者：diyi6976

  1. 基于支持向量机的机器学习研究 Research of Machine-Learning Based Support Vector Machine

  2. 【摘要】 学习是一切智能系统最根本的特征。机器学习是人工智能最具智能特征、最前沿的研究领域之一。机器学习研究的是如何使机器通过识别和利用现有知识来获取新知识和新技能。机器学习就是要使计算机能模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善。　与传统统计学相比,统计学习理论是一种专门研究小样本情况下机器学习规律的理论。V.Vapnik　等人从六、七十年代开始致力于此方面研究,到九十年代中期,其理论不断发展和成熟。统计学习理论是建立在一套较坚实的理论基础之上的,为解决有限样

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：578kb
    • 提供者：songzailu6482

  1. 【详解】FPGA：机器深度学习的未来？

  2. 最近几年数据量和可访问性的迅速增长，使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代，使得计算机视觉、语音识别、自然语言处理等关键领域都出现了重大突破。深度学习是这些领域中所最常使用的技术，也被业界大为关注。然而，深度学习模型需要极为大量的数据和计算能力，只有更好的硬件加速条件，才能满足现有数据和模型规模继续扩大的需求。     现有的解决方案使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU），但现场可编程门阵列（FP

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：149kb
    • 提供者：weixin_38629303

  1. Python 机器学习库 NumPy入门教程

  2. NumPy是一个Python语言的软件包，它非常适合于科学计算。在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础库。 本文是对它的一个入门教程。 介绍 NumPy是一个用于科技计算的基础软件包，它是Python语言实现的。它包含了： 强大的N维数组结构 精密复杂的函数 可集成到C/C++和Fortran代码的工具 线性代数，傅里叶变换以及随机数能力 除了科学计算的用途以外，NumPy也可被用作高效的通用数据的多维容器。由于它适用于任意类型的数据，这使得N

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：105kb
    • 提供者：weixin_38673694

  1. BCS_Workshop_Apr_20:基本机器学习，计算建模，心理物理学，基本数据分析和实验设计研讨会-源码

  2. 脑与认知学会在线研讨会20年4月 该资料库包含2020年3月至4月进行的研讨会的所有讲座和研讨会材料。该研讨会的目的是教授学习脑科学以逆向工程人脑/智能以创造更通用和更广泛的知识所需的各种技术技能的基础。面向未来世界的智能AI。它涵盖了一系列主题，包括： 基础机器学习 计算建模 心理物理学，数据分析和实验设计 讲座和讲习班材料是指向不同在线资源的链接，以及创建的一些其他材料的组合。作业是由创建的。 研讨会的完整时间表在 讲座材料和资源： 主题 链接 基本的Python 机器学习 计算建模 心理物

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：621kb
    • 提供者：weixin_42131890

  1. 异构型实例科普---我眼中的异构计算

  2. 广为流传的摩尔定律（英特尔（Intel）创始人之一戈登·摩尔提出）表明：每24个月会将芯片的性能提高一倍，后来，另外一个英特尔首席执行官大卫·豪斯（DavidHouse）提出：预计18个月会将芯片的性能提高一倍。尽管到目前为止，芯片的发展经历一次次的性能提升，但随着互联网的爆炸式发展和信息化的普及。以及近几年兴起的诸如机器学习、深度学习、人工智能、工业仿真等对计算性能的需求极高的领域崛起后，已经远远超过了传统CPU处理器的除计算性能瓶颈，如并行度不高、带宽不够、时延高等。传统CPU芯片计算可以叫

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：708kb
    • 提供者：weixin_38683895

  1. 异构型实例科普---我眼中的异构计算

  2. 广为流传的摩尔定律（英特尔（Intel）创始人之一戈登·摩尔提出）表明：每24个月会将芯片的性能提高一倍，后来，另外一个英特尔首席执行官大卫·豪斯（David House）提出：预计18个月会将芯片的性能提高一倍。尽管到目前为止，芯片的发展经历一次次的性能提升，但随着互联网的爆炸式发展和信息化的普及。以及近几年兴起的诸如机器学习、深度学习、人工智能、工业仿真等对计算性能的需求极高的领域崛起后，已经远远超过了传统CPU处理器的除计算性能瓶颈，如并行度不高、带宽不够、时延高等。传统CPU芯片计算可以

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：708kb
    • 提供者：weixin_38621870

  1. 【详解】FPGA：机器深度学习的未来？

  2. 近几年数据量和可访问性的迅速增长，使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代，使得计算机视觉、语音识别、自然语言处理等关键领域都出现了重大突破。深度学习是这些领域中所常使用的技术，也被业界大为关注。然而，深度学习模型需要极为大量的数据和计算能力，只有更好的硬件加速条件，才能满足现有数据和模型规模继续扩大的需求。     现有的解决方案使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU），但现场可编程门阵列（FPGA

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：151kb
    • 提供者：weixin_38705699
« 12 3 4 5 6 7 8 9 10 ... 14 »