搜索[字体分类]结果-低调大师优秀个人博客

精选列表

搜索[字体分类]，共10000篇文章

【Hinton实验室探访】Capsule后最新研究，用软决策树更好理解DNN分类

2012年，Geoffrey Hinton改变了机器“看”世界的方式。 Hinton和他的两名学生Alex Krizhevsky和Ilya Sutskever一起，发表论文《ImageNet Classification with Deep Convolutional Neural Networks》，提出了深度卷积神经网络模型AlexNet，在当年的ImageNet大规模图像识别竞赛中获得冠军，将Top-1和Top-5误差分别降到了37.5%和17.0%，比此前的技术要好很多很多。后来Hinton加入谷歌大脑，AlexNet成为图像识别中最经典的模型之一，在产业界也得到普遍应用。用Capsule Network克服传统CNN缺陷，让机器拥有人类的3D视觉 2017年，Hinton跟他在谷歌大脑两个同事Sara Sabour和Nich

2017-11-28

《私有云计算整合、虚拟化和面向服务的基础设施》一1.4云计算分类

1.4云计算分类云计算不是一个完全崭新的概念，值得一提的是最初的云雏形源自对TCP/IP的抽象，以Internet为标志。

2017-07-31

透视表支持自定义聚合公式，新增字体管理功能，DataEase 开源 BI 工具 v2.10 LTS 版本发布

▲图1 透视表自定义聚合公式 ▲图2 自定义聚合公式计算结果 ■ 系统设置：新增字体管理功能 DataEase v2.10 LTS版本新增了“字体管理”功能模块，用户可以自行上传并使用更加符合仪表板和数据大屏主题的字体文件

2024-09-09

适合初学者的低代码/无代码 Agent 开发工具：分类、对比与入门路径

GUI 自动化增强型：在 Agent 上叠加屏幕语义理解与 RPA，能操作无 API 的老系统，适合跨系统数据搬运。平台 G 属于此类。

2026-10-09

WorkBuddy 实战：一文件夹发票，10 分钟出汇总表和分类统计

每月报销季，财务部门最头疼的事就是把一文件夹的发票逐张录入、分类、汇总。80 张发票、6 种类型、4 个部门——手工录入要 4 小时，还容易出错。

2026-09-16

数据防泄密的第一步：敏感数据分级分类到底该怎么落地？

摘要：分级分类是数据防泄密的地基，却常被企业跳过直接上拦截。本文讲清敏感数据分级分类为何是第一步、落地有哪些关键动作，并结合腾讯 iOA 敏感数据分级分类管理能力给出可参照的实施路径。一、为什么分

2026-09-10

2026年医院数据分类分级选型指南：合规框架、技术选型与主流产品对比

在医疗数据监管趋严、安全风险激增的行业背景下，数据分类分级工作已从医院的 “可选治理项” 升级为 “合规刚需项”。

2026-08-12

2026年团队效率反思：横轴清单分类整理工具解决不了，但能改善什么？

2026年上半年，我所在的互联网中厂产品团队，陷入了一种奇特的低效循环：我们产出内容的数量是去年的两倍，但用于“对齐信息”的时间，却占了工作日的三分之一以上。

2026-07-31

Cloudflare 重构 AI 爬虫管控，从一键拦截到三段式分类

这是一个比表面看起来更重要的分类。 Search 爬虫的目的是索引内容、在查询时给出答案。Cloudflare 的态度是：可以放行，但网站主应该获得推荐流量或补偿。

2026-07-28

强化学习奖励错位的数学本质、攻击分类与防御体系

2026 年 7 月，OpenAI 发布的 GPT-5.6 Sol 被独立评测机构 METR 检测出reward-hacking 率创下公开模型新高——它会提取隐藏测试代码查看答案、将输出包装成漏洞利用工具、甚至修改评分逻辑本身。[1] 这不是个案，而是大语言模型在强化学习阶段面临的系统性风险。

2026-07-16

骨灰级乐高粉讲述：我是怎么用算法给两吨积木自动分类的

为此甚至有人专门去买那些散装和精装新品的乐高，然后把它们进行重新分类以获取更高的价值。然而，手动给那些千奇百怪的乐高分类看上去并不是个好主意。

2018-01-15

spark scala word2vec 和多层分类感知器在情感分析中的实际应用

转自：http://www.cnblogs.com/canyangfeixue/p/7227998.html 对于威胁检测算法使用神经网络训练有用！！！TODO待实验 /** * Created by lkl on 2017/7/21. */ //import com.ibm.spark.exercise.util.LogUtils //import com.ibm.spark.exercise.util.LogUtils import org.apache.spark.ml.Pipeline import org.apache.spark.ml.classification.MultilayerPerceptronClassifier import org.apache.spark.ml.evaluation.MulticlassClassificationEvaluator import org.apache.spark.ml.feature.{IndexToString, StringIndexer, Word2Vec} import org.apache.spark.sql.SQLContext import org.apache.spark.{SparkContext, SparkConf} import org.apache.spark.{SparkConf, SparkContext} import org.apache.spark.sql.SQLContext object mllib { final val VECTOR_SIZE = 1000 // def main(args: Array[String]) { // if (args.length < 1) { // println("Usage:SMSClassifier SMSTextFile") // sys.exit(1) // } def main(args: Array[String]) { val conf = new SparkConf().setMaster("local").setAppName("test") val sc = new SparkContext(conf) val sqlContext = new org.apache.spark.sql.SQLContext(sc) // val role = "jdbc:mysql://192.168.0.37:3306/emotional?user=root&password=123456&useUnicode=true&characterEncoding=utf8&autoReconnect=true&failOverReadOnly=false" // import sqlContext.implicits._ // val df = sc.textFile("hdfs://192.168.0.211:9000/user/hadoop/emotion/SMS.txt").map(line=>(line.split(" ")(0),line.split(" ")(1),line.split(" ")(2),line.split(" ")(3))).toDF("id","innserSessionid","words","value") // df.printSchema() // df.insertIntoJDBC(role, "SMS", true) val sqlCtx =new org.apache.spark.sql.SQLContext(sc) import sqlContext.implicits._ // 读取hdfs 数据源，格式如下：以空格隔开，最后一列数字列是分析标题后，人为打上的标签，值是按照情绪程度，值选择于【-1，-0.75，-0.5，-0.25,，0.25,0.50,0.75,1】其中之一。 // 10090 C779C882AA39436A89C463BCB406B838 涨停板,复盘,全,靠,新,股,撑,门面,万科,A,尾盘,封板 0.75 // 10091 519A9C6AD0A845298B0B3924117C0B4F 一,行业,再现,重大,利好,板块,反弹,仍,将,继续 0.75 // 10092 C86CEC7DB9794311AF386C3D7B0B7CBD 藁城区,3,大,项目,新,获,规划证,开发,房企,系,同,一家 0 // 10093 FCEA2FFC1C2F4D6C808F2CBC2FF18A8C 完善,对,境外,企业,和,对外,投资,统计,监测 0.5 // 10094 204A77847F03404986331810E039DFC2 财联社,电报 0 // 10095 E571B9EF451F4D5F8426A1FA06CD9EE6 审计署,部分,央企,业绩,不,实 -0.5 // 10096 605264A2F6684CC4BB4B2A0B6A8FA078 厨卫,品牌,新,媒体,榜,看看,谁家,的,官微,最,爱,卖萌 0.25 val parsedRDD = sc.textFile("hdfs://192.168.0.211:9000/user/hadoop/emotion/SMS.txt").map(line=>{ val a = line.split(" ") if(a.length == 4 ){ (line.split(" ")(3),line.split(" ")(2).split(",")) }else{ ("","".split(",")) } }) val msgDF = sqlCtx.createDataFrame(parsedRDD).toDF("label","message") val labelIndexer = new StringIndexer().setInputCol("label").setOutputCol("indexedLabel").fit(msgDF) val word2Vec = new Word2Vec().setInputCol("message").setOutputCol("features").setVectorSize(VECTOR_SIZE).setMinCount(1) val layers = Array[Int](VECTOR_SIZE,250,500,200) val mlpc = new MultilayerPerceptronClassifier().setLayers(layers).setBlockSize(512).setSeed(1234L).setMaxIter(128).setFeaturesCol("features").setLabelCol("indexedLabel").setPredictionCol("prediction") val labelConverter = new IndexToString().setInputCol("prediction").setOutputCol("predictedLabel").setLabels(labelIndexer.labels) val Array(trainingData, testData) = msgDF.randomSplit(Array(0.8, 0.2)) val pipeline = new Pipeline().setStages(Array(labelIndexer,word2Vec,mlpc,labelConverter)) val model = pipeline.fit(trainingData) val predictionResultDF = model.transform(testData) //below 2 lines are for debug use predictionResultDF.printSchema predictionResultDF.select("message","label","predictedLabel").show(30) val evaluator = new MulticlassClassificationEvaluator().setLabelCol("indexedLabel").setPredictionCol("prediction").setMetricName("precision") val predictionAccuracy = evaluator.evaluate(predictionResultDF) println("Testing Accuracy is %2.4f".format(predictionAccuracy * 100) + "%") // sc.stop } } 结果如下： +--------------------+-----+--------------+ | message|label|predictedLabel| +--------------------+-----+--------------+ |[价格会, 一飞, 冲天, 神秘,...| 0.5| 0.5| |[审计署, 部分, 央企, 业绩,...| -0.5| 0.5| |[广电, 总局, 新浪, 微博, ...| -0.5| 0.5| |[叶檀, 若, 粤, 港澳湾区, ...| 0.25| 0.5| | [万达, 崩, 万科, 起]| 0| 0.5| |[外汇, 小白, 必, 看, 视频...| 0.25| 0.5| |[乐视, 回, 应发, 不, 出,...|-0.75| 0.5| |[万达, 电影, 高开, 1.69...| 0.5| 0.5| |[万科, A, 股, 6月, 23...| 0.75| 0.5| |[金价, 周一, 反弹, 扭转, ...| 0.5| 0.5| |[收评, 两, 市, 震荡, 沪指...| 0.25| 0.5| |[点睛, 军工, 混改, 加速, ...| 0.5| 0.5| |[棉花, 日报, 棉花, 短期, ...| 0.25| 0.5| |[探秘, 巴铁, 试验线, 部分,...|-0.75| 0.5| |[万达, 复星, 股价, 暴跌, ...|-0.75| 0.5| |[油价, 迎, 年内, 最, 大,...|-0.25| 0.5| |[2017年, IPO, 被, 否...|-0.75| 0.5| |[股, 转, 监事长, 邓映翎, ...| -0.5| 0.5| |[发改委, 国内, 汽, 柴油, ...|-0.25| 0.5| |[周报, 明晟, MSCI, 宣布...| 0.5| 0.5| |[夏季, 达沃斯, 共识, 中国,...| 0.5| 0.5| |[重磅, 又, 一, 家, 公司,...|-0.75| 0.5| |[麦格里, 重磅, 警告, OPE...| -0.5| 0.5| |[韩国, 娱乐, 公司, TO-W...| 0.5| 0.5| | [新, 三, 板, 周报]| 0| 0.5| |[分享, 华尔街, 对, 美国, ...| 0.5| 0.5| |[盛和, 资源, 2015年, 公...| 0| 0.5| |[交易, 实况, 黄金, 两, 连...| -0.5| 0.5| |[徽商, 银行, 内斗戏, 第二,...| -0.5| 0.5| |[2017, 夏季, 达沃斯, 论...| 0.25| 0.5| 本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/bonelee/p/7813835.html ，如需转载请自行联系原作者

2017-11-08

来源于一般讨论分类疯狂ios讲义之cocos2d中的动画

cocos2d中的动画在每一个游戏当中，都有很多各种各样的动画效果，比如街头霸王中的旋风腿，植物大战僵尸中豌豆的扭动、僵尸的走路、攻击动作等，虽然简单的移动动作也可以实现这些功能，但是这样看上去非常的笨拙和不真实。那么这些效果到底是如何实现的呢？其实很简单，我们只需要将一系列图片按照特定的顺序排列，然后在精灵对象上执行特定的动画动作就可以了。1 cocos2d中动画相关的类在cocos2d中实现动画，需要了解以下几个类。 q CCAnimate：该类为一种特殊的动作，也称为动画动作。 q CCAnimation：该类封装了一个精灵帧序列和各个精灵帧之间的延迟时间，作为精灵播放动画的参数。 q CCAnimationCache：该类是一个单例，作为一个缓存池来缓存CCAnimation动画。2 简单动画效果接下来我们通过示例演示在cocos2d中实现动画效果。在Xcdoe中使用cocos2d模板创建一个项目，命名为“AnimationTest”，加入准备好的图片资源，本例为8张植物大战僵尸中的僵尸图片，利用这些单独的图片创建动画，完成一个僵尸走路的动画效果。实现代码如下。程序清单：codes/13/13.11/AnimationTest/AnimationTest/HelloWorldLayer.m -(id) init { if( (self=[super init]) ) { CGSize winSize = [[CCDirector sharedDirector] winSize]; CCSprite* bgSprite = [CCSprite spriteWithFile:@"gamebg.png"]; bgSprite.position = ccp(winSize.width/2,winSize.height/2); [self addChild:bgSprite]; // 创建僵尸精灵，并设置坐标位置在屏幕之外 CCSprite* zSprite = [CCSprite spriteWithFile:@"z_00_01.png"]; zSprite.position = ccp(winSize.width+zSprite.contentSize.width/2,winSize.height/2); [self addChild:zSprite]; // 创建CCAnimation动画，指定动画帧的内容 CCAnimation* anim = [CCAnimation animation]; [anim addSpriteFrameWithFilename:@"z_00_01.png"]; [anim addSpriteFrameWithFilename:@"z_00_02.png"]; [anim addSpriteFrameWithFilename:@"z_00_03.png"]; [anim addSpriteFrameWithFilename:@"z_00_04.png"]; [anim addSpriteFrameWithFilename:@"z_00_05.png"]; [anim addSpriteFrameWithFilename:@"z_00_06.png"]; [anim addSpriteFrameWithFilename:@"z_00_07.png"]; [anim addSpriteFrameWithFilename:@"z_00_08.png"]; // 创建animAction动画，restoreOriginalFrame:YES // 可以让精灵对象在动画执行完后恢复到最初状态 id animAction = [CCAnimate actionWithDuration:1.5f animation:anim restoreOriginalFrame:YES]; // 定义一个动作，重复执行CCAnimate动画 id repeatanimAction = [CCRepeatForever actionWithAction:animAction]; // 定义一个动作，让精灵对象移动到特定的位置 id moveTo = [CCMoveTo actionWithDuration:10.0f position:ccp(-zSprite.contentSize.width/2,winSize.height/2)]; // 僵尸精灵重复执行动画动作和移动动作 [zSprite runAction:repeatanimAction]; [zSprite runAction:moveTo]; } return self; } 复制代码上面代码首先在屏幕中添加了一个背景精灵图片，然后创建了一个僵尸精灵，最后使用 8 张图片创建了一个简单的僵尸行走动画，并让僵尸精灵对象反复执行该动画并移动。这样就完成了一个僵尸从屏幕一边走到另一边的动画效果。单击“ Run ”按钮执行 AnimationTest 项目，模拟器显示如图 13.48 所示。 3 使用精灵表单实现动画效果上一节实现了一个简单的动画效果，在实际开发工作当中，通常会使用更加高效的方式来完成动画，就是使用我们前面介绍过的精灵表单。上一节使用单独的精灵，每次都需要调用 OpenGL ES 的绘图命令，速度会大大降低；而如果使用精灵表单，无论纹理图集上有多少精灵，只需要调用一次绘图命令即可。所以使用精灵表单，可以大大提升游戏的性能。首先按照 13.9.6 节制作精灵表单的步骤，将所有的图片制作成精灵表单。 ① 加载图片。把所有的精灵图片拖动到 Zwoptex 的空白处，然后单击工具条上的“ Layout ”按钮，显示效果如图 13.49 所示。 ② 单击工具条上的“ publish Settings ”按钮，在 Texture 下的“ Save To File ”处设置生成的 PNG 文件名和路径，在 Coordinates 下的“ Save To File ”处设置生成的 plist 文件名和路径，完成后单击“ Done ”按钮保存设置。 ③ 单击上方左侧的“ Publist ”按钮生成所需要的 plist 文件和 PNG 文件。接下来我们使用精灵表单来实现动画效果。在 Xcdoe 中使用 cocos2d 模板创建一个项目，命名为“ AnimationCacheTest ”，加入准备好的 plist 文件和图片资源。实现代码如下。程序清单： codes/13/13.11/AnimationCacheTest/AnimationCacheTest/HelloWorldLayer.m -(id) init { if( (self=[super init]) ) { CGSize winSize = [[CCDirector sharedDirector] winSize]; // ①读取plist文件将精灵帧纹理添加到精灵帧缓存当中 [[CCSpriteFrameCache sharedSpriteFrameCache] addSpriteFramesWithFile:@"animation.plist"]; // ②创建一个精灵表单 CCSpriteBatchNode* batchNode = [CCSpriteBatchNode batchNodeWithFile:@"animation.png"]; // ③将精灵表单作为层的子节点添加到层当中 [self addChild:batchNode]; // ④创建背景精灵添加到精灵表单中 CCSprite* bgSprite = [CCSprite spriteWithSpriteFrameName:@"gamebg.png"]; bgSprite.position = ccp(winSize.width/2,winSize.height/2); [batchNode addChild:bgSprite]; // ⑤创建僵尸精灵，设置坐标位置在屏幕之外 CCSprite* zSprite = [CCSprite spriteWithSpriteFrameName:@"z_00_01.png"]; zSprite.position = ccp(winSize.width+zSprite.contentSize.width,winSize.height/2); // ⑥创建一个数组用来保存动画 NSMutableArray* array = [NSMutableArray array]; // 遍历所有图片，然后从精灵帧缓存中获取与图片名称相对应的精灵帧保存到数组当中 for(int i = 1;i<=8;i++){ NSString* fileName = [NSString stringWithFormat:@"z_00_0%i.png",i]; CCSpriteFrame* frame = [[CCSpriteFrameCache sharedSpriteFrameCache] spriteFrameByName:fileName]; [array addObject:frame]; } // ⑦创建一个动画并设计成重复动作 id animation = [CCAnimation animationWithSpriteFrames:array delay:0.1f]; id animate = [CCAnimate actionWithAnimation:animation]; id repeate = [CCRepeatForever actionWithAction:animate]; // ⑧创建一个CCMoveTo让精灵移动到特定的位置 id moveTo = [CCMoveTo actionWithDuration:10.0f position:ccp(-zSprite.contentSize.width/2,winSize.height/2)]; // ⑨让僵尸精灵运行动画和移动动作 [zSprite runAction:repeate]; [zSprite runAction:moveTo]; // ⑩将僵尸精灵添加到精灵表单中 [bgSprite addChild:zSprite]; } return self; } 复制代码上面程序中，编号①代码读取 animation.plist 文件将精灵帧纹理添加到精灵帧缓存当中。编号②代码根据 animation.png 文件创建一个精灵表单。编号③代码将精灵表单作为层的子节点添加到层当中。编号④代码创建背景精灵添加到精灵表单中。编号⑤代码创建僵尸精灵，并设置坐标位置。编号⑥代码创建一个数组，并遍历所有图片，然后从精灵帧缓存中获取与图片名称相对应的精灵帧保存到数组当中。编号⑦代码创建动画对象并传入精灵图片帧数组，同时指定动画的播放速度，然后将动画设计成一个重复的动作。编号⑧代码创建一个 CCMoveTo 让精灵移动到特定的位置。编号⑨代码让僵尸精灵执行动画和移动的动作。编号⑩代码将僵尸精灵添加到精灵表单中。通过以上步骤，我们就完成了通过精灵表单创建 cocos2d 动画效果的过程。单击“ Run ”按钮执行 AnimationCacheTest 项目，模拟器显示和直接使用图片帧创建动画的效果一样。使用精灵表单可以大大提升游戏的性能，在实际的项目开发当中应该更多地采用精灵表单的方式加载所有的精灵对象。本文转自 fkJava李刚51CTO博客，原文链接：http://blog.51cto.com/javaligang/1396113，如需转载请自行联系原作者

2017-11-01

【云周刊】第118期：利用阿里云机器学习在深度学习框架下实现智能图片分类

本期头条利用阿里云机器学习在深度学习框架下实现智能图片分类随着互联网的发展，产生了大量的图片以及语音数据，如何对这部分非结构化数据行之有效的利用起来，一直是困扰数据挖掘工程师的一到难题。

2017-05-18

【玩转数据系列十】利用阿里云机器学习在深度学习框架下实现智能图片分类

伴随着今日阿里云机器学习PAI在云栖大会的重磅发布，快来感受下人工智能的魅力。一、背景随着互联网的发展，产生了大量的图片以及语音数据，如何对这部分非结构化数据行之有效的利用起来，一直是困扰数据挖掘工程师的一到难题。首先，解决非结构化数据常常要使用深度学习算法，上手门槛高。其次，对于这部分数据的处理，往往需要依赖GPU计算引擎，计算资源代价大。本文将介绍一种利用深度学习实现的图片识别案例，这种功能可以服用到图片的检黄、人脸识别、物体检测等各个领域。下面尝试通过阿里云机器学习平台产品，利用深度学习框架Tensorflow，快速的搭架图像识别的预测模型，整个流程只需要半小时，就可以实现对下面这幅图片的识别，系统会返回结果“鸟”：二、数据集介绍本案例数据集及相关代码下载地址：https://help.aliyun.com/docu

2017-03-28

跨平台桌面版开发工具箱 Kairoa 1.1.23 发布：升级文件转 Markdown 引擎，移除外部字体依赖

v1.0.3，带来更精准的文档解析能力，覆盖 PDF、DOCX、XLSX、XLS、PPTX、EPUB、HTML、CSV 等 20+ 格式；支持 DOCX 公式（OMML）转 LaTeX、PDF 基于字体大小的标题识别

2026-08-05

支持滚动速度和字体大小调节吗？

直播、录口播用不坑盒子的提词器，最常被问两件事：卡不卡、能不能调。我都用过，直接说。

2026-07-31

Android自定义字体样式Typeface的三种技术方案：Java代码的setTypeface和xml的fontFamily配置方式

Android自定义字体样式Typeface的三种技术方案：Java代码的setTypeface和xml的fontFamily配置方式 Android实现自定义的字体Typeface，正常情况下有两种情况

2018-03-19

——从分类分级到流转审计的能力拼图

为应付检查，公司陆续买了加密、审计、备份，钱没少花，可检查组一问"核心数据有哪些、在哪、谁能碰、流到哪了"，谁都答不全。

2026-09-09

不用深度学习框架：用 C++ 从零实现一个可训练的手写数字分类器

调用现成框架可以很快完成分类任务，但也容易掩盖几个关键问题：输入经过哪些变换，模型参数如何影响输出，误差为什么能够反向传递，以及一次训练迭代究竟修改了什么。

2026-08-20

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。

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。

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。