Hadoop三种文件存储格式Avro、Parquet、ORC
也是知识，要了解
URL：
为什么我们需要不同的文件格式？
对于 MapReduce 和 Spark 等支持 HDFS 的应用程序来说，一个巨大的瓶颈是在特定位置查找相关数据所需的时间以及将数据写回另一个位置所需的时间。这些问题随着管理大型数据集的困难而变得复杂，例如不断发展的模式或存储限制。
在处理大数据时，存储此
人工智能
到底是什么原因造成的呢
昨天的收益为什么这么少？按说跟平常应该没有什么不同，我50个赞点完，平均点一个赞，1.1左右的收益率（最低也应该有一个钻贝），那么点赞收益就应该有55个钻贝左右，即便按最少的算，也应该有50个钻贝，我看了一下昨天的收益详图，点赞收益却只有40个钻贝，比我计算的居然少了10到15个钻贝！同样的点赞，比平时竟然少了这么多收益，这确实令我有些意外。
文章收益这一块，跟我平时相比，少了一个大咖的点赞，但算
跟着Nature学作图:R语言ggplot2堆积柱形图完整示例
论文
A global reptile assessment highlights shared conservation needs of tetrapods
#Sec33
数据代码链接
夜空中最亮的星-天狼星
为什么说天狼星是夜空中最亮的星呢？要想了解其中的奥秘，我们就必须先了解一个天文感念：星等。
顾名思义，星等就是天上星星的等级。它所标定的，是这些星星的明暗程度。
世界上第一个提出星等概念的人，是古希腊大天文学家喜帕恰斯。你或许没听说过这个人，但你一定听说过他的数学贡献。我们在中学学到的各种三角函数，比如正弦、余弦、正切、余切，就是他最早提出的。正因为如此，喜帕恰斯也被后人称为“三角学之父”。
由于
一文详解对抗训练方法
对抗训练方法
Adversarial learning主要是用于样本生成或者对抗攻击领域，主要方法是通过添加鉴别器或者根据梯度回传生成新样本，其主要是为了提升当前主干模型生成样本的能力或者鲁棒性
一. 对抗训练定义
==对抗训练是一种引入噪声的训练方式，可以对参数进行正则化，提升模型鲁棒性和泛化能力==
1.1 对抗训练特点
相对于原始输入，所添加的扰动是微小的
添加的噪声可以使得模型预测错
人工智能从入门到精通：深度学习模型部署与生产环境实践
第十章：深度学习模型部署与生产环境实践
学习目标
掌握深度学习模型部署的基本流程
了解常用的模型部署平台和工具
学会将训练好的模型转换为部署格式
理解生产环境中模型部署的最佳实践
学习如何处理模型部署中的性能和可靠性问题
10.1 模型部署基础
10.1.1 模型部署流程深度学习模型部署是将训练好的模型应用到实际生产环境中的过程，通常包括以下步骤：
记一次canal delay 调优过程
一、现象
image.png
image.png
每天夜里12点准时出现延迟告警，查看canal的监控指标，delay指标延迟在5-10分钟，blocking指标中的sink、dump趋于100%，同时canal服务的cpu及memeory很稳定40%左右。
二、分析
被告警吵的实在受不了了，于是下定决心解决这个问题。首先花了点时间研究了一下canal源码，整个canal的
优化算法matlab实现（三十七）非洲野狗算法matlab实现
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
1.代码实现
不了解非洲野狗算法可以先看看优化算法笔记（三十七）非洲野狗算法
实现代码前需要先完成优化算法matlab实现（二）框
Flink 使用之 SQL UDF
Flink 使用介绍相关文档目录
Flink 使用介绍相关文档目录
简介
在使用纯Flink SQL的场景下，对于复杂业务逻辑，Flink提供的内置fucntion是无法满足要求的。我们需要实现自定义的function，来扩充Flink的功能。用户自己实现的function称为UDF(user defined function)。
Flink支持如下四种UDF：
ScalarFunction:
AI的提示词专栏：为什么 Prompt 能决定模型输出质量？
AI的提示词专栏：为什么 Prompt 能决定模型输出质量？
本文深入解析了 Prompt 决定大语言模型（LLM）输出质量的核心原因，指出 Prompt 是用户与模型间的 “沟通桥梁” 和 “指挥蓝图”。从模型工作原理看，Prompt 是激活特定领域知识、搭建推理框架、规范输出结构的关键，可
