学习R
作者:[美]Richard Cotton
出版社:北京图灵文化发展有限公司
ISBN:9787115351708
VIP会员免费
(仅需0.8元/天)
¥ 29.99
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
Redis源码学习-Redis源码+电子书+PPT+PDF 评分:
学习Redis源码和资料,提供完整的信息供学习.《Redis 源码日志》Redis 事件驱动内部有四个主要的数据结构,分别是:事件循环结构体,文件事件结构体,时间事件结构体和触发事件结构体。
上传时间:2017-11 大小:14.45MB
- 2.40MB
Redis培训ppt
2017-03-16Redis培训 Redis培训
- 1.52MB
redis源码分析
2018-04-04redis源码分析
- 422KB
redis基础知识培训
2018-12-10本文档从redis基础知识,复制模式,集群模式等介绍redis基础知识,介绍了数据槽,分片,key等知识。
- 1.8MB
redis技术分享PPT
2018-10-19redis技术分享PPT,针对部分应用场景进行案列分享,对初学者适用
- 1.43MB
Redis培训(内部使用.ppt )
2017-11-26Redis培训,内部员工培训用,Redis基础,对于想学Redis的可以下载学习。
- 41.1MB
Spark源码分析.pdf
2019-04-16学习Spark源码的书,研究Hadoop、Spark等大数据技术的可以看看
- 3.91MB
redis源码日志(源码分析)
2019-01-27redis源码日志是对redis源码的分析解读,适用于学习。 介绍了redis是如何实现高并发、海量数据存贮的。 资源是PDF格式,有完整书签,也很清晰。
- 49.28MB
Redis实战中文版及源码下载
2017-07-06Redis实战中文版及源码下载
- 1.1MB
redis讲解 ppt
2015-11-30redis讲解 ppt,很不错的!redis深入浅出, Feature&Architecture Admin&capcity forecast Replication Presistence Table design
- 48.8MB
redis实战的pdf及java源代码
2017-05-23Redis实战pdf, java代码, redis的jar包
- 98.65MB
最详细Redis学习资料(源码)
2023-11-16Redis是一个开源的内存数据库(也可以用作缓存和消息中间件),它支持多种数据结构(如字符串、哈希表、列表、集合、有序集合等)并提供了丰富的功能,包括持久化、复制、事务等。Redis被设计用来快速存储和访问数据,通常用于构建高性能、可扩展的应用程序。 Redis的主要特点包括: 内存数据库:Redis将数据存储在内存中,因此能够提供非常高的读写性能。同时,它也可以通过持久化机制将数据写入磁盘,以保证数据不会因系统重启而丢失。 丰富的数据结构:Redis支持多种数据结构,如字符串、列表、集合、有序集合、哈希表等,使得开发者能够更灵活地组织和处理数据。 原子性操作:Redis支持原子性操作,能够保证多个操作的执行顺序和一致性,支持事务和流水线操作。 发布/订阅:Redis提供了发布/订阅功能,能够实现消息的异步发布和订阅,适用于实时通知、事件驱动等场景。 分布式支持:Redis提供了分布式部署和数据分片功能,能够构建高可用性、可扩展性的分布式系统。 高性能:由于数据存储在内存中,并且采用单线程模型,Redis能够实现极高的读写性能。 Redis广泛应用于缓存、会话存储、排行
- 332KB
四、Redis 学习PPT
2022-06-11四、Redis 学习PPT
- 4.54MB
Java Redis 学习笔记 Markdown+PDF 格式分享
2022-04-23Java Redis 学习笔记 Markdown+PDF 格式分享 预览地址:https://s1.ax1x.com/2022/04/23/LW5BOH.png
- 49.36MB
Redis实战-2018高清电子书PDF
2018-05-16Redis实战-2018高清电子书PDF
- 939KB
Redis数据库入门学习教程与面试经验总结(附PDF下载).pdf
2020-07-28Redis数据库入门学习教程与面试经验总结(附PDF下载).pdf
- 1.24MB
redis源码下载
2018-12-20redis源码学习。redis作为重要的缓存中间件,在大型的网站架构中基本都有身影,想要详细的了解redis,从源码开始学习。
- 1.87MB
redis使用介绍.ppt
2017-12-04国际上最大的redis用户是谁?在众多的NOSQL数据库与传统的关系数据库中为什么会出现redis? 传统的key-value数据库(文档,string类型)有什么不足?----数据结构需求 传统的关系型数据库IO操作性能问题?----性能需求 传统的内存数据库有什么不足?---可靠性需求
- 554KB
redis使用入门.ppt
2012-10-25redis使用入门.ppt
- 3.18MB
Redis介绍与内部实现机制PPT
2017-08-10Redis缓存与内部实现机制PPT详解
- 9.66MB
redis -ppt笔记
2022-03-25https://github.com/microsoftarchive/redis/releases/tag/win-3.2.100
- 1.93MB
最新版redis源码4.0.9带注释
2018-05-21Redis 是一个开源(BSD许可)的,内存中的数据结构存储系统,它可以用作数据库、缓存和消息中间件。 它支持多种类型的数据结构,如 字符串(strings), 散列(hashes), 列表(lists), 集合(sets), 有序集合(sorted sets) 与范围查询, bitmaps, hyperloglogs 和 地理空间(geospatial) 索引半径查询。 Redis 内置了 复制(replication),LUA脚本(Lua scripting), LRU驱动事件(LRU eviction),事务(transactions) 和不同级别的 磁盘持久化(persistence), 并通过 Redis哨兵(Sentinel)和自动 分区(Cluster)提供高可用性(high availability)。
- 2.10MB
redis源码日志
2015-08-12自己收藏的一本书,比黄建宏的书文字生动幽默
- 570KB
libevent源码深度剖析pdf
2010-01-16为方便阅读,把blog上的libevent源码深度剖析系列文章整合成一个pdf。
- 5.3MB
libevent源码深度剖析 + libevent参考手册(中文版)
2019-02-23libevent库,文字版,很清晰,附带libevent参考手册(中文版) libevent源码深度剖析,根据libevent开源代码框架进行剖析,很不错值得学习借鉴,还有libevent中C语言的功底值得学习揣摩!
- 4.22MB
Libevent源码分析 pdf文档 带目录
2015-05-11作者连接为http://blog.csdn.net/luotuo44/article/category/2435521/2 本人为方便今后的学习和记录,将网页内容复制做成PDF文档,希望作者不要介意
- 77KB
springmvc-multi-module-project:源码主要为学习整合的SSM框架:SpringMVC + Spring + MyBatis构建maven多模块工程项目,根据不同功能划分模块,方便管理和解压缩。项目主要涉及到的内容有:基于SpringMVC框架(非SpringBoot启动方式)。 ,结合MyBatis构建数据库访问层,以及使用AOP实现方法切面拦截,以及结合Redis高度封装类RedisTemplate实现数据缓存增值,修改,改,查操作,数据库使用MySQL 8.0.16,数据源
2021-03-23springmvc-multi-module-project:源码主要为学习整合的SSM框架:SpringMVC + Spring + MyBatis构建maven多模块工程项目,根据不同功能划分模块,方便管理和解压缩。项目主要涉及到的内容有:基于SpringMVC框架(非SpringBoot启动方式)。 ,结合MyBatis构建数据库访问层,以及使用AOP实现方法切面拦截,以及结合Redis高度封装类RedisTemplate实现数据缓存增值,修改,改,查操作,数据库使用MySQL 8.0.16,数据源使用阿里巴巴Druid,日志采用Log4j框架,通过SQL语句,以及配置Druid数据源内置监控页面,API访问及调式使用Swagger-UI
- 37KB
springboot-aop-annotation-redis-demo:源码主要用于学习SpringBoot + AOP + Redis控制Redis自动缓存和删除,通过AOP切面+基于自定义注释解,实现缓存查询,清除操作,缓存层使用RedisTemplate,重新自带的RedisTemplate实现分库存存,查询,数据库使用MySQL 8.0.16,持久层使用Spring Data JPA,前端调用Swagger-UI 2.9.2提供API可视化调试操作
2021-03-23springboot-aop-annotation-redis-demo:源码主要用于学习SpringBoot + AOP + Redis控制Redis自动缓存和删除,通过AOP切面+基于自定义注释解,实现缓存查询,清除操作,缓存层使用RedisTemplate,重新自带的RedisTemplate实现分库存存,查询,数据库使用MySQL 8.0.16,持久层使用Spring Data JPA,前端调用Swagger-UI 2.9.2提供API可视化调试操作
- 6.23MB
HeleeBlog:Heleeos.com网站的源码和文档,用于学习目的的构建博客,用到的技术有Spring,NodeJS,Mybatis,Mysql,Redis等
2021-03-23Helee博客 网站的开源代码 来源 所有项目的源码 博客豆 博客用到的基本服务,和数据库相关的内容 博客经理 博客管理端 博客网站 博客的接口 Blog-Web-NodeJS 博客的前端展示页面 doc 所有项目的文档 轮廓 关于我的页面 静态的 所有项目用到的静态文件 工具 所有的工具
- 37KB
javacourse-redis-in-action:Java工程师之Redis实战系列教程,同其他教程一样,均是在下学习笔记,本系列主要参考自《 Redis-in-action》,将书本中的有趣的例子转换为能解决特定问题的示例程序,所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨
2021-03-22javacourse-redis-in-action:Java工程师之Redis实战系列教程,同其他教程一样,均是在下学习笔记,本系列主要参考自《 Redis-in-action》,将书本中的有趣的例子转换为能解决特定问题的示例程序,所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨
- 125.13MB
基于Flask+Yolov5+Redis的深度学习车辆行人在线监测网站python源码+项目说明+模型.zip
2023-08-30【资源介绍】 基于Flask+Yolov5+Redis的深度学习车辆行人在线监测网站python源码+项目说明+模型.zip 数据集划分 如图1.1,数据集中包含3000张真实场景下行车记录仪采集的图片, 其中训练集包含2600张带有标签的图片,测试集包含400张不带有标签的测试集图片。数据集中共有22种细分的人车类型标签。其中,yolov5支持yolo的.txt标签格式,故将json的标签格式先转化为yolo格式,即标签、xy中心坐标、物体宽高,其中后四者均为归一化后的坐标。 在划分训练集和测试集时,以8:2划分训练集和测试集,并采用随机划分的方式,保证数据集的随机性。 | | | | ---- | ------------------------------------- | | | ![](/imgs/clip_image002-1669519970038.jpg) | > 图1.1 数据集样例图 数据增强 获得一个表现良好的神经网络模型,往往需要大量的数据作支撑,然而获取新的数据这项工作往往需要花费大量的时间与人工成本。使用数据增强技术,可以充分利用计算机来生成数据,增加数据量,如采用缩放、平移、旋转、色彩变换等方法增强数据,数据增强的好处是能够增加训练样本的数量,同时添加合适的噪声数据,能够提高模型的泛化力。 YOLOv5提供了多种数据增强的方式,除了一些最基本的缩放、裁剪、旋转以外,还提供了Mosaic方法。其主要思想就是将 4 张图片进行随机裁剪、缩放后,再随机排列拼接形成一张图片,实现丰富数据集的同时,增加了小样本目标,提升网络的训练速度。在进行归一化操作时会一次性计算4张图片的数据,因此模型对内存的需求降低。如此一来,小目标的AP值会大大提高。 | | | | ---- | ---------------------------------------- | | | ![img](/imgs/clip_image004-1669519970038.gif) | > 图1.2 Mosaic数据增强流程 在此次训练中,batch_size取为16。 | | | | ---- | ---------------------------------------- | | | ![img](/imgs/clip_image006-1669519970039.jpg) | > 图1.3 batch为16的Mosaic数据增强效果图 损失函数 [损失函数](https://so.csdn.net/so/search?q=损失函数&spm=1001.2101.3001.7020)是用来衡量模型预测值和真实值不一样的程度,极大程度上决定了模型的性能。 与往届YOLO类似,YOLOv5损失函数由 3 个部分组成,分别为bbox回归损失、目标置信度损失和类别损失。网络每个将特征图分为若干个cell,每个cell输出一个[*tx*,*ty*,*tw*,*th*,*po*,*c*1,*c*2,...]的向量,其中*tx*,*ty*用于计算预测框和对应anchor box (也就是所在cell) 两者中心的偏移量,*tw*,*th*用于计算预测狂的宽高,po是该cell (预测框) 含有目标的概率,c1,c2…为对应类别的预测值。 三个部分的损失均是通过匹配到的正样本对来计算,每一个输出特征图相互独立,直接相加得到最终每一部分的损失值。 与往届YOLO类似,YOLOv5损失函数由 3 个部分组成,分别为bbox回归损失、目标置信度损失和类别损失。网络每个将特征图分为若干个cell,每个cell输出一个[*tx*,*ty*,*tw*,*th*,*po*,*c*1,*c*2,...]的向量,其中*tx*,*ty*用于计算预测框和对应anchor box (也就是所在cell) 两者中心的偏移量,*tw*,*th*用于计算预测狂 【说明】 该项目是个人毕设项目,答辩评审分达到95分,代码都经过调试测试,确保可以运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 欢迎下载交流,互相学习,共同进步!