华南理工大学分布式实验RMI实验以及实验报告,需要的童鞋可以参考下!
2023/9/28 2:54:45 162KB 华工 分布式实验 RMI实验
1
ParaView是对二维和三维数据进行可视化的一种turnkey应用。
它既可以运行于单处理器的工作站,又可以运行于分布式存储器的大型计算机。
这样,ParaView既可以运行单处理应用程序,又可以通过把数据分布于多个处理器而处理大型数据。
2023/9/27 18:23:35 1.7MB ParaView使用指南
1
针对空间科学大数据的快速检索需求,提出了分布式区域检索算法。
算法主要包括四维空间科学数据的索引方法和分布式四维空间科学数据的索引架构两部分。
在KTS存储结构下,通过基于立方体的Block-Grid三维网格剖分方法建立两级空间索引结构,包括分布式节点间的全局索引和分布式节点内的局部索引;
在分布式系统架构下,确定了索引在分布式主从节点的分布策略以及数据在分布式环境下的容错机制。
基于Hadoop基础架构设计了NSSC-Hadoop系统,通过多组试验数据测试算法效率,并与直接基于Hadoop无索引遍历数据方式相比较,数据检索效率提高了将近50倍,随着数据量的增大,算法优势会更加明显。
1
光动力学治疗鲜红斑痣(PWS)目前被认为是较为有效的一种新型诊疗技术。
治疗过程中光能量在皮肤中的分布情况对理解、预计和改进鲜红斑痣的临床治疗效果有重要的作用。
基于人体皮肤的组织结构、鲜红斑痣的病理特征、光在皮肤组织中的传输特性以及皮肤各层的组织光学参数,建立了一种具有多层组织结构的鲜红斑痣皮肤光学模型,介绍了该模型中组织光学参数的确定方法。
利用蒙特卡罗方法结合临床数据计算了光能量在鲜红斑痣皮肤中随深度的分布,结果可为临床上如何选择最佳光剂量提供部分参考依据。
利用本模型做进一步的详细完整的计算可以为光动力学治疗鲜红斑痣提供理论支持。
1
本文来自于民工哥技术之路,本章介绍了rabbitmq的基本原理、基本运维操作、常见故障处理以及RabbitMQ来部署分布式集群系统的三种方法。
简介AMQP,即AdvancedMessageQueuingProtocol,高级消息队列协议,是应用层协议的一个开放标准,为面向消息的中间件设计。
消息中间件主要用于组件之间的解耦,消息的发送者无需知道消息使用者的存在,反之亦然。
AMQP的主要特征是面向消息、队列、路由(包括点对点和发布/订阅)、可靠性、安全。
RabbitMQ是一个开源的AMQP实现,服务器端用Erlang语言编写,支持多种客户端,如:Python、Ruby、.NET、Java、JMS、
1
武汉大学--网络与分布试计算--考试
2023/9/25 20:57:31 122KB 网络
1
包含JVM、集合、多线程并发、反射、注解、Spring、微服务、Netty与RPC、网络、zookeeper、kafka、设计模式、分布式、网络、云计算、机器学习等章节,涵盖Java后端技术系列
2023/9/25 5:35:12 10.59MB java 面试 后端 分布式
1
Gorgonia是一个有助于在Go中促进机器学习的图书馆。
轻松编写和评估涉及多维数组的数学方程式。
如果听起来像或,那是因为想法很相似。
具体来说,该库是像Theano这样的低级库,但具有更高的目标(如Tensorflow)。
Gorgonia:可以执行自动区分可以执行符号区分可以执行梯度下降优化可以进行数值稳定提供许多便利功能来帮助创建神经网络相当快(与Theano和Tensorflow的速度相比)支持CUDA/GPGPU计算(尚不支持OpenCL,发送拉取请求)将支持分布式计算目标Gorgonia的主要目标是成为一个高性能的基于机器学习/图形计算的库,可以跨多台机器进行扩展。
它应该将Go(简单的编译和部署过程)的吸引力带给ML世界。
目前距离那里还有很长的路要走,但是婴儿台阶已经在那里。
Gorgonia的次要目标是提供一个探索非标准深度学习和神经网络相关事物的平台。
这包括诸如新希伯来语学习,切角算法,进化算法之类的东西。
为什么要使用G草?使用Gorgonia的主要原因是让开发人员感到舒适。
如果您正在广泛使用Go堆栈,现在就可以在已
2023/9/25 4:07:11 79.98MB go golang machine-learning deep-neural-networks
1
简体中文|简介PaddleNLP2.0具有丰富的模型库,简洁易用的API与高性能的分布式训练的能力,可以为飞轮开发者提升文本建模效率,并提供基于Padddle2.0的NLP领域最佳实践。
特性丰富的模型库涵盖了NLP主流应用相关的前沿模型,包括中文词向量,预训练模型,词法分析,文本分类,文本匹配,文本生成,机器翻译,通用对话,问答系统等,更多详细介绍请查看。
简洁易用的API深度兼容飞轮2.0的高层API体系,提供可替换的文本建模模块,可大幅度减少数据处理,组网,训练互换的代码开发量,提高文本建模开发效率。
高效分散训练通过深度优化的混合精度训练策略与舰队分布式训练API,可充
2023/9/23 16:01:53 2.33MB nlp text-classification transformer seq2seq
1
代码只要应用大气边界层仿真模拟入口剖面风速程序,在ANSYS平台中fluent入口风速呈指数分布,
2023/9/23 0:39:37 260B 大气边界层 ANSYS
1
共 1000 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡