大约有 4,100 项符合查询结果（耗时：0.0076秒） [XML]
背包：将代码块复制并粘贴到不同的屏幕和项目 · App Inventor 2 中文网
...景菜单
右键点击代码块
右键点击工作区背景
背包里可以加什么东西？
可以将代码块粘贴到任何项目或屏幕中吗？
可以从背包中移除代码块吗？
« 返回首页
背包：将代码块复制并粘贴到不同的屏幕和项目
背包允许...
访问图像和声音 · App Inventor 2 中文网
...
« 返回首页
使用 App Inventor 构建的应用程序可以从三种不同的位置访问声音、图像和视频源：
应用程序资产
“界面设计”视图中显示的标记为 媒体 的源（应用程序的 assets 的一部分）与应用程序打包在一...
ATL正则表达式库使用 - C/C++ - 清泛网 - 专注C/C++及内核技术
...用它的Parse()方法，使用正则表达式字符串作为参数，就可以构造出一个我们所需要的用于匹配的类，例如我们需要匹配一种时间格式，可以是h:mm、也可以是hh:mm，那么我们可以这样构造我们的CAtlRegExp类：
CAtlRegExp <> re;
re.Par...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...