积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部后端开发(762)Java(174)综合其他(169)Python(167)Spring(134)云计算&大数据(132)数据库(129)Weblate(97)Julia(87)C++(84)

语言

全部英语(930)中文(简体)(267)中文(繁体)(32)日语(8)西班牙语(7)韩语(7)德语(6)俄语(6)法语(5)英语(5)

格式

全部PDF文档 PDF(1148)其他文档 其他(132)DOC文档 DOC(1)PPT文档 PPT(1)
 
本次搜索耗时 0.941 秒,为您找到相关结果约 1000 个.
  • 全部
  • 后端开发
  • Java
  • 综合其他
  • Python
  • Spring
  • 云计算&大数据
  • 数据库
  • Weblate
  • Julia
  • C++
  • 全部
  • 英语
  • 中文(简体)
  • 中文(繁体)
  • 日语
  • 西班牙语
  • 韩语
  • 德语
  • 俄语
  • 法语
  • 英语
  • 全部
  • PDF文档 PDF
  • 其他文档 其他
  • DOC文档 DOC
  • PPT文档 PPT
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 【周鸿祎清华演讲】DeepSeek给我们带来的创业机会-360周鸿祎-202502

    政企、创业者必读 国内DeepSeek最前沿资料 政企、创业者必读 《DeepSeek给我们带来的创业机会》 360集团创始人 周鸿祎 3 政企、创业者必读政企、创业者必读 一张图读懂一堂DeepSeek课政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台,人工智能是生产力  互联网是赋能性技术,生产力属性较弱  人工智能既能单兵作战,也能外部赋能 互联网 先做得更大,然后探索能做多小政企、创业者必读 DeepSeek出现之前的十大预判 之五 知识的质量和密度决定大模型能力  高质量数据、合成数据使模型知识密度的快速增长  大模型能以更少的参数量达到更高的性能  360联合北大研发:5%参数量逼近Deepseek-R1满血性能 18政企、创业者必读 DeepSeek出现之前的十大预判 之六 成本越来越低  过去一年,大模型成本「自由落体」  国外:GP 从数年缩短到几分钟,解开了生物学密码 成功预测了地球存在的2亿种蛋白质结构 45政企、创业者必读  DeepSeek典型的四大安全问题:客户端安全、Agent安全、知识安全、模型安全  360提出「以模制模」新解法,应对DeepSeek安全问题 DeepSeek六大应用方向之六 AI安全:实现安全的「自动驾驶」 46政企、创业者必读 大模型的六大能力 47 基本 能力 业务
    0 码力 | 76 页 | 5.02 MB | 5 月前
    3
  • epub文档 强大的音视频处理工具:FFmpeg

    height -of csv=s=x:p=0 course_1608_video_normalWatermark_477w360h.mp4 course_1608_video_normalWatermark_477w360h.mp4 480x360 480x360 查看视频基本信息 通过: ffmpeg -i xxx.mp4 ffmpeg -i xxx.mp4 即可看到mp4视频的信息,其中包括了字幕的信息: (avc1 / #0:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 640x360 [SAR 1:1 DAR 16:9], 541 0x31637661), yuv420p, 640x360 [SAR 1:1 DAR 16:9], 541 kb/s, 25 fps, 25 tbr, 12800 tbn, 50 tbc (default) 2021-09-14 08:31:46 尺寸调整 缩放视频尺寸 ffmpeg -i big.mov -vf scale ffmpeg -i big.mov -vf scale==360:-1 small.mov 360:-1 small.mov 注意 scale 值必须是偶数,这里的 -1 表示保持长宽比,根据 宽度值自适应高度 如果要求压缩出来的视频尺寸长宽都保持为偶数,可以使
    0 码力 | 139 页 | 9.35 MB | 1 年前
    3
  • pdf文档 李东亮:云端图像技术的深度学习模型与应用

    云端图像技术的深度学习模型与应用 李东亮 360 人工智能研究院 lidongliang@360.cn 2017.10.20 SACC2017 360电脑安全产品 月活跃数达到4.42亿 360手机安全产品 移动端用户总数已达约1.49亿 360浏览器 月活跃用户数量为3.03亿 360导航 日均独立访问用户为8900万人 日均点击量约为4.51亿次 360搜索 稳定拥有35%以上的市场份额 稳定拥有35%以上的市场份额 中国最大的互联网安全公司 360智能硬件 智能摄像头超400万,儿童手表超 350万,行车记录仪超300万 SACC2017 奇虎360 安全 ——360的基因 SACC2017 【万物互联的新时代】 线上安全 线下安全 泛 安 全 安全 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 老幼安全—穿戴 家人安全—家居 出行安全—车辆 …… 电脑安全 手机安全 企业安全 …… 新时代的奇虎360 SACC2017 万物互联的新时代 交通 智能家居 机器人 AR/VR/MR 智能手机 穿戴设备 SACC2017 万物互联的核心技术 视觉感知 语音感知 语义理解 人工智能
    0 码力 | 26 页 | 3.69 MB | 1 年前
    3
  • mobi文档 强大的音视频处理工具:FFmpeg

    v:0 -show_entries stream=width,height - of csv=s=x:p=0 course_1608_video_normalWatermark_477w360h.mp4 480x360 查看视频基本信息 通过: ffmpeg -i xxx.mp4 即可看到mp4视频的信息,其中包括了字幕的信息: Stream #0:2(zho): Subtitle: 000000, bitrate: 606 kb/s Stream #0:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 640x360 [SAR 1:1 DAR 16:9], 541 kb/s, 25 fps, 25 tbr, 12800 tbn, 50 tbc (default) Stream #0:1(eng): Audio: reserved , powered by Gitbook最后更新: 2021-09-14 08:31:46 尺寸调整 缩放视频尺寸 ffmpeg -i big.mov -vf scale=360:-1 small.mov 注意 scale 值必须是偶数,这里的 -1 表示保持长宽比,根据宽度值自适应高度 如果要求压缩出来的视频尺寸长宽都保持为偶数,可以使用 -2 extend扩大视频高度(和宽度)
    0 码力 | 139 页 | 2.60 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.3.3

    . . . . . . . . . . . . . . . . . . . . . . 360 2.4.12 HDF5 (PyTables) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360 2.4.13 Feather . . . . . . . . . . . . . . (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 .....:
    0 码力 | 3603 页 | 14.65 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.3.4

    . . . . . . . . . . . . . . . . . . . . . . 360 2.4.12 HDF5 (PyTables) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360 2.4.13 Feather . . . . . . . . . . . . . . (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 .....:
    0 码力 | 3605 页 | 14.68 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.3.2

    (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 .....: namespaces={"doc": "https://example.com"}) .....: In [341]: df Out[341]: shape degrees sides 0 square 360 4.0 1 circle 360 NaN 2 triangle 180 3.0 Similarly, an XML document can have a default namespace without prefix
    0 码力 | 3509 页 | 14.01 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.5.0rc0

    (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: 95 .....: .....: """ .....: In [359]: df = pd.read_xml(xml) In [360]: df Out[360]: category title author year price 0 cooking Everyday Italian Giada De Laurentiis 2005 30 e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 (continues
    0 码力 | 3943 页 | 15.73 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.4.2

    (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 .....: namespaces={"doc": "https://example.com"}) .....: In [345]: df Out[345]: shape degrees sides 0 square 360 4.0 1 circle 360 NaN 2 triangle 180 3.0 Similarly, an XML document can have a default namespace without prefix
    0 码力 | 3739 页 | 15.24 MB | 1 年前
    3
  • pdf文档 pandas: powerful Python data analysis toolkit - 1.4.4

    (32-bit or 64-bit). The following will all result in int64 dtypes. In [360]: pd.DataFrame([1, 2], columns=["a"]).dtypes Out[360]: a int64 dtype: object In [361]: pd.DataFrame({"a": [1, 2]}).dtypes Out[361]: 2003 .....: 39.95 .....: .....: """ .....: In [360]: df = pd.read_xml(xml) In [361]: df Out[361]: category title author year price 0 cooking Everyday e> .....: 360 .....: 4.0 .....: .....: .....: circle .....: 360 .....:
    0 码力 | 3743 页 | 15.26 MB | 1 年前
    3
共 1000 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 100
前往
页
相关搜索词
周鸿祎清华演讲DeepSeek我们带来创业机会360202502强大音视视频音视频处理工具FFmpeg李东亮云端图像技术深度学习模型应用pandaspowerfulPythondataanalysistoolkit1.31.50rc01.4
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩