搜索[可视化效果]结果-低调大师优秀个人博客

精选列表

搜索[可视化效果]，共10007篇文章

自从Python数据可视化出了这个模块后，数据可视化就再简单不过了

其实利用 Python 可视化数据并不是很麻烦，在Python中有一个对于数据可视化极其强大的模块：pyecharts 安装pyecharts模块也非常的简单：pip install pyecharts

2018-07-10

MyEMS 能耗同比环比分析：园区节能效果持续追踪

第一道坎：数据散在 Excel 里，月月手抄。物业经理每个月从不同系统导出能耗数据，粘到 Excel 里，手动算同比环比，做趋势图，写成报告。一个月一套流程走下来，三四天没了，数据还经常对不上——导出的口径不一致，上个月漏了几天的数据，公式写错了单元格引用，这些问题要等到汇报时才暴露。

2026-09-16

喂给大模型的文档，为什么Markdown格式效果最好？

第一种，直接把 Word 导出的文本糊成一团丢给模型；第二种，先转成结构清晰的 Markdown，再丢过去。

2026-07-19

社区项目ROSA-Tuning：验证RWKV-8 ROSA效果

本项目为社区提出的一种 ROSA 实现，不代表 RWKV-8 ROSA 的实际性能，效果供参考。本项目提出 ROSA-Tuning，一种通过检索回忆机制增强预训练模型长上下文建模能力的方法。

2026-01-19

微软正在为 Windows 11 的记事本（Notepad）加入一系列新特性，让这款传统的轻量级文本工具变得更加“AI 化”。最新版本中，记事本新增了 Copilot 的文本生成功能，并支持 Streaming Results（实时流式输出） —— 当 AI 生成内容时，用户可以看到文本逐字出现，类似 ChatGPT 网页端的呈现方式。除了 AI，记事本还开始支持表格（Tables）。用户可通过工具栏按钮或 Markdown 插入、编辑表格，这让记事本在结构化文本处理方面更进一步。此举被视为微软将 Windows 原生应用全面推向 AI 的最新动作，不过也引发部分用户担忧。记事本的更新方向被认为过于复杂化，有用户认为它正在失去“轻量、简洁”的传统定位。但也有人欢迎这些增强功能，他们认为这些新增功能确实提升了记事本的实用性，使它在不需要启动全文处理器（如 Word）的情况下，也可以完成结构化文档、快速生成内容、整理笔记等功能。

2025-12-01

每日一博 | “事后达尔文”—— 游戏业务效果评估方法实践

近三年来，我们持续地开展业务效果评估，在发现并解决问题的过程中不断总结经验及数据结论，最终优化迭代出“事后达尔文”分析方法论，从而有效解决游戏业务中效果评估的各项困难。

2023-06-28

Audacity 3.2 发布，支持 VST3 和实时效果

Audacity 3.2 正式发布，距离 3.1 版本发布时隔近一年时间（2021 年 11 月），新版本带来了诸多更新内容：突出的变化在轨道菜单中增加了一个新的效果按钮，允许你放置实时效果合并了混音器栏和仪表栏

2022-09-26

推荐效果不如意，不如试试飞桨图学习

推荐系统与图神经网络如果说互联网的目标是连接一切，那么推荐系统的作用就是让用户与信息建立更高效的连接，提升用户体验及商业效益。在推荐系统中，主要的挑战是如何从交互数据和辅助信息中学习到User或Item的有效表示，并让两者能够以最有效的方法连接起来，从这个角度出发，推荐场景的交互行为数据就是非常经典的「图结构数据」。对于图来说万物皆可连接，而如何将不同的数据类型联合建图，并高效挖掘数据潜在特征、获取深层次的User和Item特征描述等是图技术需要面临的挑战。图神经网络（Graph Neural Network，GNN）是近年来出现的一种利用深度学习直接对图结构数据进行建模的框架，通过对图中的节点和边制定一定的策略，GNN 能够学习到图结构数据中节点以及边的内在规律和更加深层次的语义特征。那什么样的业务可以构建图结构数据并使用图学习算法训练呢？以网易云音乐的歌曲推荐为例：把用户、歌曲作为图中的节点，用户与歌曲之间的交互行为（点赞、收藏、关注等）作为边，形成一个复杂的图结构网络，在此基础上建模分析，实现更高效的表征、群体识别。比如，两位素不相识的宝妈都爱听某些亲子歌曲，她们在“图”中就有可触达的连接，图学习算法通过这些连接关系学习到合适的表征，进而将这些亲子歌曲更好地推荐给相似的群体。通过上述案例可以看出，只要数据中的样本之间存在交互关系，就可以从图的视角构建图结构数据，并用图学习算法进行建模。 GNN 在推荐系统的应用，无论是在学术界还是工业界都获得了广泛的关注，因为 GNN能够将业务场景中的多种维度信息统一构造成自带关联关系的图结构数据，帮助系统产生多样化、可解释的推荐结果，并能更好的完成跨领域推荐、序列推荐等具有挑战性的推荐任务。但在实际应用中，受限于相关工具能力的不足，GNN 也面临许多落地难题：难题一：面对复杂的业务场景数据，缺少高性能的工具，以满足大规模、高效率的线上处理需求；难题二：GNN算法复杂程度较高，缺少高可用的工具，以降低研发人员的学习和使用门槛；难题三：GNN算法模型众多，创新层出不穷，缺少标准化的工具，以解决模型的选型与适配问题。为了降低GNN的应用门槛，促进GNN在工业界广泛的应用落地，百度飞桨图学习（Paddle Graph Learning，PGL）推出了基于图神经网络技术开箱即用的图推荐工具库「Graph4Rec」，该工具库能够满足工业级推荐系统的应用要求，已经被百度内外部业务广泛使用验证，在实际业务落地场景中得到了一致好评。 PGLGraph4Rec工具库 Graph4Rec是一个集图推荐算法、框架技术和用户体验于一体的图学习工具库。依托于飞桨核心框架以及自研的高效大规模分布式图引擎，支持十亿节点百亿边的超巨图训练，用户仅需简单配置，即可一键启动大规模图表示学习训练任务。优势一：满足超大规模的同时，更注重落地效率工业界的图数据规模可以达到百亿节点级别，普通的图学习算法即使有效，也很难直接在实际的推荐场景中应用。为了支撑工业界大规模数据下的图表示学习算法的落地，飞桨PGL针对图学习训练与部署的特点，自研了一套分布式图引擎。该图引擎的扩展性能高，支持多机器QPS线性扩展，因此能够兼容万亿图规模训练，满足复杂业务场景落地的需求。同时，通过数据划分与零通讯策略，实现了高效的邻居查询，大大加速了图采样效率。而这一切通过PGL提供的灵活易用的标准接口，仅使用Python代码就可以一键启动图服务，极大降低了用户使用门槛。此外，为了实现大规模的节点向量表示存储与训练，Graph4Rec内置了CPU与GPU的大规模参数服务器，并与分布式图引擎相结合，形成了一套完整的双引擎图表示学习推荐算法训练范式，满足超大规模节点表示学习的需求。优势二：预置业界知名和自研的丰富图算法在工业图推荐领域中，除了对图的规模要求高之外，还有复杂特征融合、游走策略、图聚合方式、算法组合多样化和例行训练等需求。Graph4Rec在设计之初就考虑到了这些问题，并在实现分布式图引擎时，就引入了多种不同类型特征的存储。同时，为了建模复杂异构图场景（包含不同类型节点、异构边），Graph4Rec为用户提供了可以自定义的异构游走路径定义能力，同时配合异构图聚合方法，有效建模复杂异构图场景。另外，Graph4Rec预置了业界知名的30+图学习模型组合，更重要的是基于50+实际业务场景的落地经验，自研了多个创新算法，使得Graph4Rec在技术上更贴近实际业务需求场景，在落地上也获得更高的收益。优势三：灵活易用配置即模型在推荐业务场景中，飞桨PGL希望能够涵盖复杂的图数据，并降低在大规模图数据场景下快速验证的门槛。通过Graph4Rec工具包，就可以解决GNN+表示学习在大规模场景下的训练问题。Graph4Rec主要由以下几个部分组成：第一部分：图的输入支持同构图、异构图作为输入数据，并且集成了大规模分布式图引擎的能力，可以支持十亿节点，百亿边的图数据规模。同时，支持使用节点特征，仅需通过一个配置表来配置节点包含的特征即可。第二部分：图采样可实现多种图采样方法，包括图游走和图采样。图游走表示从一个节点出发，在图中随机游走，得到一条节点序列。图采样表示批量采样一个节点的若干邻居，形成子图，作为图模型的输入。第三部分：图模型集成丰富的图推荐模型，如GAT、LightGCN等，用户只需要通过配置文件进行配置，既可以轻松切换不同的图推荐模型进行训练，易用高效。优势四：适用性广，众多落地场景 Graph4Rec在百度内外部不同的产品线上已经实现了大量的推荐业务落地，包括百度搜索、爱采购、有驾APP、网易云音乐等不同类型的业务。网易云音乐应用案例在网易云音乐主播推荐场景下，将歌曲、用户与主播之间的关联关系构造成复杂的异构图网络，利用 Graph4Rec把用户听歌的历史行为迁移到直播业务场景，成功解决直播冷启动难题。在工具使用体验上，Graph4Rec不仅支持多种行为的图建模，如深挖用户在歌曲方面的播放、点赞行为。该工具还预置了常用的GNN模型、拥有高效的大规模分布式图引擎，能够极好地支持工业界大规模图模型训练，仅通过配置文件即可以快速应用到实际业务中，使用起来方便高效。最后，在面临数据存储难题时，Graph4Rec提供了完整的分布式图存储方案，在无专业数据库存储底层能力的情况下，能够快速搭起若干个分布式网络，使存储成本降低70%+。在4亿节点与400亿边数据这样的场景下，Graph4Rec的分布式图引擎技术，以60弹性节点（4CPU，16GB）的配置，提供了比中心化数据库更简单、更灵活的存储服务。点击阅读项目详情链接： https://mp.weixin.qq.com/s/8eYRxQIxQhD4ad3WorWW-A 可见，Graph4Rec集图推荐算法、底层框架技术、用户体验于一体，为业务提供一套统一的大规模分布式图表示学习推荐算法，极大方便用户在图领域的业务调研与落地。在哪里可以找到我们 Graph4Rec目前已全面开源，欢迎大家试用、转发推荐，如有疑问或交流需求，欢迎发邮件至pgl@baidu.com与我们联系。开源代码库欢迎star收藏： https://github.com/PaddlePaddle/PGL/tree/main/apps/Graph4Rec 进一步了解PGL 飞桨PGL（Paddle Graph Learning）是一个基于飞桨（PaddlePaddle）的高效易用图学习框架，依托于飞桨核心框架以及自研的高效大规模分布式图引擎，支持十亿节点百亿边的超巨图训练，原生支持异构图MetaPath采样以及Message Passing双模式，预置多种业界主流图学习算法以及自研模型等。同时具备分布式图存储以及图学习训练算法，例如，分布式Deep Walk和分布式GraphSage。结合飞桨框架，PGL 能够覆盖业界主流的图网络应用，包括图表示学习以及图神经网络。百度作为AI领域的领头羊企业，在图神经网络领域的研究、产业实践、工业落地方面，积累了丰富的经验。在实际业务落地应用上，飞桨PGL已经在搜索、信息流、金融风控和智能地图等场景全面落地。此外，百度飞桨PGL团队战绩累累，多次刷新图神经网络权威榜单OGB榜单SOTA，在2020年COLING协办比赛取得 TextGraph冠军！在KDDCup 2021最大的图学习比赛OGB-LSC中，取得两冠一亚的成绩。好消息！图推荐Graph4Rec开播啦！为了让大家能够更深入了解图学习技术在推荐场景的应用，【飞桨 PGL】联合【百度技术培训中心】在2022年7月21日19:00-20:00（周四）带来一场更全面的图学习技术直播，直播间更有不容错过的代码实践环节，具体报名方式详见下方海报：关注【飞桨PaddlePaddle】公众号获取更多技术内容~ 本文同步分享在博客“飞桨PaddlePaddle”（CSDN）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

2022-07-20

CSS Houdini：用浏览器引擎实现高级CSS效果

一、Houdini 是什么在了解之前，先来看一些Houdini能实现的效果吧：反向的圆角效果（Border-radius)：动态的球形背景（Backgrond）：彩色边框（Border）：神奇吧

2022-07-11

OpenVDB 9.0.0 发布，梦工厂开源的视觉效果工具

OpenVDB 是一个用于视觉效果和动画的开源 C++ 库和工具，由知名动画公司梦工厂所开发并在 MPL 2.0 协议下分发，现在由 ASWF 负责维护。

2021-10-31

如何实现一个 3D 效果的魔方

我们现在的目标是做一个 3D 效果的魔方，我们找到它的本质，对它解构？那就先写一个立方块！

2020-09-03

四种方式快速实现上拉触底加载效果

github链接：https://github.com/mengbodi/swan/issues/1 加入我们更多内容请前往智能小程序开发者社区查看在智能小程序的开发过程中，上拉加载是一种十分常见的加载效果

2020-05-09

如何让敏捷中的每日站会发挥最大效果？

作为敏捷开发基本构成部分，每日站会往往是最容易被误解的。事实是：每日站会本身并不会让团队变得敏捷。每日站会的目的不是自吹自擂，也不是为了验证工作成果；更不是计划时间，Sprint规划会议的目的才是这个。每日站会也不是只用来讨论开发阻碍而设置的会议，因为在遇到阻碍的时候，应该第一时间寻求帮助。本文，我们将讨论如何有效应对阻碍并提供一些来自我们自己团队的重要提示和技巧。希望能让你们团队的每日站会（以及整体敏捷项目）变得更高效。 Scrum中的每日站会是什么？在诸如美式足球和橄榄球等众多运动中，球队在每场比赛上场前都会聚在一起开个短会。这种临场短会是战略性的：它能让整个球队的成员在比赛过程中互通信息、相互协作、配合。对于研发团队来说，每日站会就像是球队的赛前短会。每日站会甚至经常被称为“每日scrum”，并通过强调“我们”这个重点，让每个成员都了解到团队的现状和进度。换句话说，每日站会是一个由核心团队参加的日常会议，即：Product Owner、开发人员和scrum master。每日站会的风格取决于各个团队自身的情况，因此都是独一无二的。但通常情况下每日站会要回答三个问题：昨天做了什么工作？今天要做什么？工作中遇到了什么问题？这些问题反应了当前的进度并凸显团队遇到的阻碍。此外，让每个人分享他们为团队整体进度所做的贡献，能够强化团队成员之间的联系。每日站会强调让每个成员分享自己的成果和计划，这样做可以让每个人都因为组织的发展做出了贡献而感到兴奋。就个人而言，在每日站会前，每个人都要知道自己要说什么。这能够确保会议的活跃氛围，让每个与会者都全神贯注。在Worktile，团队成员用看板来展示当前迭代所有的工作项，用视图筛选来过滤其他工作项，让大家能掌握项目的最新进展。可以帮助个人充分准备每日站会的过滤功能有两个：一是“仅展示我的任务”；另外一个是“按更新时间排序”。同时使用这两个过滤功能，界面上就能够得到分配给个人的任务和最近更新的事项。（视图设计器）（按负责人及更新时间排序的看板视图） Worktile的每日站会每日站会的形式不是一刀切的。在Worktile，每个团队都有其独特而个性化的每日站会，以确保团队每个成员参与并投入其中。形式各有不同。下面，让我们深入了解怎么样才能成功开展高效的每日站会，分享一些我们自己的经验： 1.选择合适的时间 ——在Worktile，多数团队的每日站会在上午9点30到10点之间进行。这个时间安排让每个人都有机会在参会前了解当天的信息和更新，同时也不会要求每个参会人都起得太早。 2.确保每日站会的简短高效 ——在Worktile，团队都是以比较随意的方式完成每日的站会，以确保每个人都能够集中注意力并保证会议效率。可以让参会成员轮流计时，以确保每个人都全身心参与和聆听。将每日站会的时间限制在15分钟以内（我们一般在10分钟左右完成）。如果团队规模较小，则可以尝试在更短时间内完成每日站会。（截图来自Worktile） 3. 使每日站会成为Sprint回顾会议的一部分 ——尽管每日站会已经成为了众多敏捷文化的一部分，但这并不意味着团队不能在回顾会议中讨论每日站会的有效性。在 Worktile ，有些团队每天开会，而有的可能选择每周开三次会。除此之外，有的团队还会定期讨论如何让每日站会更好地为团队的回顾会议做准备。如果团队没能发现每日站会的价值和益处，则需要通过讨论找出原因。然后做出改变，因为每日站会也是敏捷不可或缺的一部分！文章来源：Worktile敏捷博客欢迎访问交流更多关于技术及协作的问题。文章转载请注明出处。

2019-07-12

阿里云DDoS高防的演进：防御效果成核心

面对不断增强的DDoS攻击，魔高一尺，道高一丈，在过去的2018年，阿里云云盾高防在网络、攻防对抗、数据可视化等方面做了持续创新和升级，为用户的安全保驾护航。

2019-03-31

如何不使用js实现鼠标hover弹出菜单效果

最近看到很多同学在实现鼠标hover弹出菜单的效果时都是用的js代码去实现的，默认给弹出隐藏掉，通过js事件绑定动态的显/隐弹出菜单元素。

2018-12-28

C# WPF 歌词控件（支持逐字定位描色效果）

原文: C# WPF 歌词控件（支持逐字定位描色效果）之前做了一个模仿网易云歌词的控件，实现了加载网易云歌词并能随音乐播放进度定位歌词。

2018-11-06

C# WPF 左侧菜单右侧内容布局效果实现

原文: C# WPF 左侧菜单右侧内容布局效果实现我们要做的效果是这样的，左侧是可折叠的菜单栏，右侧是内容区域，点击左侧的菜单项右侧内容区域则相应地切换。

2018-11-06

HBase2.0全链路offheap效果拔群

阿里云HBase2.0版本正式上线阿里云HBase2.0版本是基于社区2018年发布的HBase2.0.0版本开发的全新版本。在社区HBase2.0.0版本基础上，做了大量的改进和优化，吸收了众多阿里内部成功经验，比社区HBase版本具有更好的稳定性和性能，同时具备了HBase2.0提供的全新能力。HBase2.0提供的新功能介绍可以参照这篇文章。如果想要申请使用全新的HBase2.0版本，可以在此链接申请试用。在HBase2.0提供的众多功能中，最引人注目的就是全链路的offheap能力了。根据HBase社区官方文档的说法，全链路的offheap功能能够显著减少JVM heap里的数据生成和拷贝，减少垃圾的产生，减少GC的停顿时间。在线业务在使用hbase读写数据时，我们可能会发现，HBase的平均延迟会很低，可能会低于1ms，

2018-10-16

js仿黑客帝国文字数字雨效果

<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>黑客帝国文字下落</title> <style> html, body {margin:0; padding:0; background-color:#000;} </style> <script src="http://apps.bdimg.com/libs/jquery/1.9.0/jquery.min.js"></script> </head> <body> <canvas id="matrix" height="943" width="1920"></canvas> <script type="text/javascript"> //文字 var txts = "0123456789!@#$%^&*()~_+℃○※"; //转为数组 txts = txts.split(""); var matrix=document.getElementById("matrix"); var context=matrix.getContext("2d"); matrix.height=window.innerHeight; matrix.width=window.innerWidth; var drop=[]; var font_size=16; var columns=matrix.width/font_size; for(var i=0;i<columns;i++) drop[i]=1; function drawMatrix(){ context.fillStyle="rgba(0, 0, 0, 0.09)"; context.fillRect(0,0,matrix.width,matrix.height); context.fillStyle="green"; context.font=font_size+"px"; for(var i=0;i<columns;i++){ //随机取要输出的文字 var text = txts[Math.floor(Math.random()*txts.length)]; //输出文字，注意坐标的计算 context.fillText(text,i*font_size,drop[i]*font_size);/*get 0 and 1*/ if(drop[i]*font_size>(matrix.height*2/3)&&Math.random()>0.95)/*reset*/ drop[i]=0; drop[i]++; } } setInterval(drawMatrix,33); </script> </body> </html>

2018-09-11

Android项目实战（八）：列表右侧边栏拼音展示效果

原文: Android项目实战（八）：列表右侧边栏拼音展示效果之前忙着做项目，好久之前的技术都没有时间总结，而发现自己的博客好多写的技术都比自己掌握的时候晚了很多。

2018-04-28

资源下载

更多资源

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。