搜索[文档处理]结果-低调大师优秀个人博客

精选列表

搜索[文档处理]，共10000篇文章

构建在线教育弹性高可用视频处理架构实战

使用SaaS化的云服务完成视频处理随着各大云计算厂商产品线的不断丰富，我们可以很轻松的寻找到开箱即用的方案来解决这类典型的视频处理需求。

2020-09-10

移动音视频SDK工程实践之数据采集和处理

如图，系统框架层有iOS/Android的一些多媒体框架、硬件的编解码、硬件的处理能力如CPU、GPU、NPU的处理模块，以及一些开源图像库。

2020-07-31

Apache Commons Text 1.9 发布，处理字符串的算法库

Apache Commons Text 1.9发布了，Commons Text 是一个专注于处理字符串的算法库，它包含一组用于在 Java 环境中使用的处理文本的函数与可重用组件。

2020-07-25

未来大数据处理架构的主流模式：实时流计算

实时流计算技术是当前最前沿的大数据处理方式，并且代表了未来大数据处理架构的主流模式。其对系统的低延时、高并发、高吞吐、高可用、高可靠都带来极大的挑战。

2020-07-22

Ignite在集群内存空间不足时的处理方式

如果内存空间即将用完，Ignite可以水平扩展以存储应用和服务生成的更多数据，这是Ignite的基础功能之一，因此增加资源是最简单的处理方法。

2020-06-27

云栖号资讯：【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！俗话说得好，机器学习要想玩的溜，你可以不会写Python，但一定不能不会调库（大雾）。Numpy可以说是Python中最基础也是最重要的工具库了，要用Python做机器学习，玩转各种框架，Numpy是必须要会的。像是TensorFlow、pytorch这些知名框架都是基于Numpy进行计算的，可想而知它的重要性。 Numpy存在的必要性网上关于Numpy的介绍非常多，但说来说去无非是一个Python中数值计算的非常重要的基础包，可以用来很方便地做一些矩阵和大数据的运算。 Numpy是做什么的我们很好理解，但是我们可能更加好奇它更深层次的意义究竟是什么？关于这个问题我们从浅到深不停地追问，可以得到许多不同的答案。最浅层的回答很简单，Numpy很方便，计算速度快，可以很方便地进行矩阵运算。在Andrew的课程当中，他曾经演示过，同样的矩阵运算，如果我们通过Python中的循环实现速度会比调用Numpy慢上至少上百倍。这个差异显然是非常可怕的。但为什么Numpy会更快呢？我们追问下去，又会得到一个新的答案。因为Numpy包底层是通过C++实现的，显然C++运算比Python快得多，所以Numpy自然就更快了。难道Numpy就只是因为C++更快这么简单吗？这个问题已经超越了Numpy本身，我们需要从Python的特性来回答了。Python是一门解释型语言，也就是说当我们执行Python的时候，其实是执行了一个Python的解释器。由Python的解释器来解释执行Python的每一行代码。如果我们把解释器理解成虚拟机，把Python执行的代码理解成虚拟机当中的程序。如果我们虚拟机多开的话，是很难保证线程安全的。为了解决这个问题，Python设计了GIL机制，也就是全局解释器锁，它保证了同一时刻最多只有一个解释器线程在执行。这个机制保证了线程安全，但是也限制了Python多线程的使用。Python的多线程本质上是伪多线程，因为解释器只有一个线程在跑。所以如果我们想要通过多线程并发来加速计算的话，这是不可能的。而矩阵和向量的一些操作是可以通过多线程并发来加速计算的，而Python本身的特性导致了Python不能执行这样的操作。那么通过Python调用C++实现的计算库也就是唯一的选择了。实际上不仅是Numpy，几乎所有Python的计算库，都是通过Python调用其他语言实现的。Python本身只是最上层的调用方。理解了这点除了对于Python可以有更加清晰的认识之外，也有助于之后学习TensorFlow等其他框架。 Numpy中的n维数组 Numpy之所以好用，是因为我们可以通过Numpy很方便地创建高维的数组和矩阵。举个例子，比如在原生Python当中，当我们需要创建一个二维数组的时候，往往需要些很长的定义。比如我们想要一个10 * 10的数组：但是在Numpy当中就会很方便，只需要一行。第一行当中我们引入了numpy，为了编码方便，我们将它重新命名成了np。这个是业内惯用做法，几乎所有使用numpy的程序员都会这么重命名。在numpy当中，存储高维数组的对象叫做ndarray，与之对应的是存储矩阵的mat。其实这两者区别不大，支持矩阵的运算，ndarray基本上也都支持。我们有这么一个印象即可，关于mat内容我们会在之后介绍。我们创建除了ndarray之后，关于获取ndarray基本信息的api大概有下面四个。第一个是通过.ndim查看ndarray的维度，也就是查看这是一个几维的数组：第二个是通过.shape获取这个ndarray在各个维度的大小：第三个是通过.dtype获取这个ndarray中元素的类型：最后一个是tolist()方法，可以将一个ndarray转化成Python原生的list进行返回。 ndarray 那么我们怎么创建numpy中的ndarray呢？大概也有几种办法，首先，既然numpy中的ndarray可以转换成Python原生的list，同样Python中原生的list也可以转换成numpy中的ndarray。和转换变量类型的语法很像，我们通过np.array()转换即可。除了通过Python中原生的list转换，我们还可以根据自己的需要创建新的ndarray。numpy创建array的方法有很多，我们先来介绍一下其中比较基础的几种。创建出一个range np.arange可以生成一个序列，有些类似于Python中原生的range。不过它更加灵活，我们可以之传入一个整数，它会返回一个从0开始的序列：我们也可以指定首尾元素和间隔，numpy会自动帮我们生成一个等差序列：除此之外，numpy中还提供了ones和zeros两个api，可以生成全为0和全为1的元素。我们还可以使用eye或者是identity生成一个N*N的单位矩阵：除此之外，还有一个full的api可以指定shape和数值，用我们指定的数值填充出一个指定大小的数组来：但是这个api我们用的不多，因为我们可以用ones生成一个全为1的数组，然后乘上一个我们想要的值，就等价于full。另外，ones, zeros, full这几个api还有一个对应的like方法。所谓的like方法就是我们传入另外一个ndarray代替shape，numpy会根据这个ndarray的形状生成一个对应形状的新array。我们来看个例子吧，首先我们生成一个顺序的序列：然后我们通过zeros_like方法生成一个同样大小的全为0的矩阵：它其实等价于：其他几个like方法也大同小异，因为可替代性很强，所以我也用的不多。 numpy支持的类型 numpy支持的数据类型很多，除了常用的int和float之外，还支持复数类型的complex，某种程度上来说和golang支持的类型比较接近。其中int类型一共分为int8，int32，int64和int128，其中每一种又分为带符号的和不带符号的。例如int8就是带符号的8位二进制表示的int，而uint8则是不带符号位的。浮点数没有无符号浮点数，一共分为float16，float32，float64和flaot128。复数也有三种，分别是complex64，complex128和complex256。除此之外还有string_和object以及unicode_这三种类型。我们可以通过调用astype方法更改ndarray中所有变量的类型：除了人为转换之外，我们还可以在创建的时候通过dtype这个参数来表示我们想要创建的数据的类型，这样可以避免之后转换的麻烦。结尾这篇文章当中我们不仅介绍了Numpy的创建的方法，还聊了Python这门语言的一些特性。正是因为Python本身多线程的限制，导致它在需要高并发计算的场景下性能很差。才会需要通过Python去调用C++或者是其他语言的底层实现。这也是为什么Python经常被称为胶水语言的原因。 Numpy可以认为是Python进行机器学习的基础，当然除了Numpy之外，像是pandas、matplot以及scikit-learn等库也是必不可少的。我们会从Numpy开始，一点一点把这些常用的库都给大家分享一遍。【云栖号在线课堂】每天都有产品技术专家分享！课程地址：https://yqh.aliyun.com/live 立即加入社群，与专家面对面，及时了解课程最新动态！【云栖号在线课堂社群】https://c.tb.cn/F3.Z8gvnK 原文发布时间：2020-05-13本文作者：承志本文来自：“掘金”，了解相关信息可以关注“掘金”

2020-05-12

每日一博｜Spring Boot 中的异常处理与参数校验

兄弟们好，这次来跟老铁交流两个问题，异常和参数校验，在说参数校验之前我们先来说异常处理吧，因为后面参数的校验会牵扯到异常处理这块的内容。

2020-05-04

定时和延时问题在业务场景中的常见处理

如何优雅的处理业务流程和信息分发中的定时和延时问题？

2020-04-26

NullPointerException的处理新方式，Java14真的太香了

NullPointerException的处理新方式，Java14真的太香了在Java语言中，处理空指针往往是一件很头疼的事情，一不小心，说不定就搞出个线上Bug，让你的绩效考核拿到3.25。

2020-04-14

使用错误代码对象进行C++错误处理

使用错误代码对象进行C++错误处理前言#我已经使用了本文描述的代码和机制近20年了，到目前为止，我还没有找到更好的方法来处理大型C++项目中的错误。

2020-04-09

RestFul API 统一格式返回 + 全局异常处理

RestFul API 统一格式返回 + 全局异常处理一、背景在分布式、微服务盛行的今天，绝大部分项目都采用的微服务框架，前后端分离方式。

2020-03-23

NVIDIA 推出了适用于 Python 的开源视频处理框架

NVIDIA 推出了适用于 Python 的开源视频处理框架“ VideoProcessingFramework”（VPF）。

2019-12-18

表格存储触发C# runtime的函数计算处理示例教程

Table Store表中增量数据的一个数据通道，通过创建Table Store触发器，能够实现Table Store Stream和函数计算的自动对接，从而实现表格存储中的表数据发生变更时候定制化的自动处理

2019-12-15

BigOps自动化运维安装以及所遇故障处理

本文参考官方文档进行安装，以及在安装中所遇到的问题呈现给大家。废话就不说了，开始安装。

2019-11-21

微软发布 PowerToys 0.12.0，带来批量处理工具和暗黑模式

微软发布了 PowerToys 0.12.0 版本。PowerToys 是微软开发者开发的免费实用工具集，可以用于高级用户调整和简化 Windows 操作，以提高效率。其最早出现在 Windows 95 中，但并不受微软官方支持，对其测试也不够彻底。到了 Windows XP 时代，所有进入 Windows 的应用都需要进行安全审查，于是 PowerToys 便消失了。今年 5 月微软宣布以官方名义重启该项目，微软表示，此次重启对 PowerToys 的研发，将会提供一些提高效率的实用程序，并且可以通过 Windows 10 shell 使用，同时让用户可以自定义各个工作流。 PowerToys v0.12 不仅包括对现有实用程序的改进，还包括全新工具PowerRename。根据微软的介绍，PowerRename 用于批量重命名一堆文件。当然，该实用程序不仅提供基本的重命名功能，也可以用来添加编号、忽略文件夹、将一个单词替换为另一个单词等等。微软表示，另一项重大改进是窗口管理器 FancyZones，该窗口管理器旨在轻松地将窗口排列和对齐为工作流程的有效布局。此外，微软还将在 PowerToys 中“酌情开始增加对暗黑模式的支持”。完整更新列表如下： New Utility PowerRename General Microsoft 签名的二进制文件和安装程序设置和快捷方式指南（ShortcutGuide）的暗黑模式修复了导致无法在某些 Windows 配置上打开 PT 设置的错误其他 UI/UX 错误的各种改进 FancyZone 编辑器现在支持多显示器现在可以配置打开 FZ 编辑器的热键（Win+〜在某些非美国键盘上不可用）修复了阻止激活带有自定义标题栏的应用程序区域的错误 FZ 编辑器现在可以在小屏幕上使用拖动窗口时提高了区域激活能力，较小的区域优先于较大的区域修复了 Windows 的某些本地化版本中 FZ 中的崩溃错误修复了在区域边缘位于屏幕右侧或底部时无法调整区域大小的错误修复了导致任务栏和其他特殊系统窗口被卡入区域的错误改进了 FZ 历史记录的应用程序检测更改 FZ 默认设置，以避免干扰全屏应用程序更新说明：https://github.com/microsoft/PowerToys/releases/tag/v0.12.0

2019-10-30

vue两种常见缓存策略的数据交互处理方案

gt;2.需要一定的学习过程和良好的设计理念; 适用场合刚开始使用vue的新手(只需配置即可) 更高效管理通用数据的情况;<br>建议通过模块化使vuex的耦合性降到最低; 3 数据交互处理

2019-10-25

spaCy 2.2 发布，NLP 自然语言文本处理库

spaCy 是一个 Python 和 CPython 的 NLP 自然语言文本处理库。

2019-10-05

相同类中方法间调用时日志Aop失效处理

本篇分享的内容是在相同类中方法间调用时Aop失效处理方案，该问题我看有很多文章描述了，不过大多是从事务角度分享的，本篇打算从日志aop方面分享(当然都是aop，失效和处理方案都是一样)，以下都是基于springboot

2019-09-10

SpringBoot2.0 基础案例(03)：配置系统全局异常映射处理

一、异常分类这里的异常分类从系统处理异常的角度看，主要分类两类：业务异常和系统异常。 1、业务异常业务异常主要是一些可预见性异常，处理业务异常，用来提示用户的操作，提高系统的可操作性。

2019-08-09

@JsonView 处理返回值，实现接口返回想要的字段

@JsonView 的使用一、返回的结果直接使用实体类代码如下 @RequestMapping("api/user") @RestController public class UserApi { /** * 如果直接返回UserAdminView ，不需要在ResponseModel 中设置以下内容 * @JsonView(value = View.Base.class ) * private T data; * @return */ @RequestMapping(value = "/listUser2",method = RequestMethod.POST) public UserAdminView listUser2(){ UserAdminView userAdminView = new UserAdminView(); return userAdminView; } } 实体设置如下： @Data public class UserAdminView { public interface UserSimpView{}; private Integer id; @JsonView(value = View.Base.class ) private String username; @JsonView(value = View.Base.class ) private String password; **@JsonView(value = View.Base.class )** private String note; @JsonView(value = View.Base.class ) private Map<String,String> map; @JsonView(value = View.Base.class ) private String [] ss; @JsonView(value = View.Base.class ) private int [] intDemo; @JsonView(value = View.Base.class ) private Integer b =null; @JsonView(value = View.Base.class ) private boolean bbbb ; @JsonView(value = View.Base.class ) private List<String> dd; } 实现控制 public class View { public interface Base{}; } 二、使用自己的对象代码如下 @RequestMapping("api/user") @RestController public class UserApi { /** * 自己设定了返回值的用这个 * @return */ @RequestMapping(value = "/listUser",method = RequestMethod.POST) public ResponseModel listUser(){ UserAdminView userAdminView = new UserAdminView(); return new ResponseModel(ResponseCode.OK,userAdminView); } } ResponseModel 设置 package com.json.demo.common; import com.fasterxml.jackson.annotation.JsonView; import java.io.Serializable; public class ResponseModel<T> implements Serializable { private static final long serialVersionUID = 1L; private int code; private String message; //重点是这里 **@JsonView(value = View.Base.class ) private T data;** public ResponseModel(int code, String message, T responseData) { this.code = code; this.message= message; this.data = responseData; } } 实体、view 和第一种一样。github源码地址欢迎关注公众号，查看更多内容：

2019-08-08

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。