發(fā)簡(jiǎn)信
IP屬地：內(nèi)蒙古
-
Langchain中Memory、State、Context、Runtime從“數(shù)據(jù)在系統(tǒng)中如何存在和流動(dòng)”的視角，將他們分為三個(gè)層級(jí)來(lái)理解： 宏觀概念層：Memory（記憶）； 架構(gòu)實(shí)現(xiàn)層：State（狀態(tài)）、Stor...
-
延遲轉(zhuǎn)化
當(dāng)我們?cè)谡務(wù)揇elayed Feedback（延遲轉(zhuǎn)化）這件“小”事[https://www.modb.pro/db/462290] False...
-
用戶畫像算法（用戶標(biāo)簽）
基于知識(shí)圖譜的推薦 綜述基于知識(shí)圖譜的推薦系統(tǒng)綜述[https://geek.zshipu.com/post/%E4%BA%92%E8%81%9...
-
pycharm中TensorFlow 2.x自動(dòng)補(bǔ)全/跳轉(zhuǎn)失敗處理
由于TensorFlow 2.x官方安裝包的一些問題，在pycharm中無(wú)法進(jìn)行自動(dòng)補(bǔ)全以及點(diǎn)擊跳轉(zhuǎn)源碼。 要解決這些問題，需要對(duì)源碼做一些修改...
-
轉(zhuǎn)《TensorFlow 2.0 中的 tf.keras 和 Keras 有何區(qū)別？為什么以后一定要用 tf.keras？》隨著 TensorFlow 2.0 的發(fā)布，不少開發(fā)者產(chǎn)生了一些疑惑：作為 Keras 用戶，TensorFlow 2.0 的發(fā)布跟我有關(guān)系嗎？...
-
tensorflow dataset構(gòu)建輸入時(shí)進(jìn)行padding
序列特征作為一個(gè)常見的特征類型，在輸入模型時(shí)常常需要進(jìn)行padding，而基于模型的不同，padding方式也有差別。 1、在數(shù)據(jù)輸入模型之前進(jìn)...
-
第七章 處理函數(shù)Flink本身提供了多層API，前面介紹的DataStream API只是其中的一環(huán)。 在前面的章節(jié)介紹了諸多Flink提供的算子（如map、f...
-
第六章 Flink中的時(shí)間和窗口時(shí)間語(yǔ)義 上圖是數(shù)據(jù)流式處理過程，涉及到兩個(gè)重要的時(shí)間點(diǎn)：事件時(shí)間（Event Time）和處理時(shí)間（Processing Time）。 事件時(shí)...
-
第1~4章 Flink簡(jiǎn)介Flink是一個(gè)框架和分布式流處理引擎，用于對(duì)無(wú)界和有界數(shù)據(jù)流進(jìn)行有狀態(tài)計(jì)算。 Flink的主要應(yīng)用場(chǎng)景包括： 電商和市場(chǎng)營(yíng)銷。如實(shí)時(shí)數(shù)據(jù)報(bào)表、...