大约有 1,000 项符合查询结果(耗时:0.0069秒) [XML]

https://www.fun123.cn/referenc... 

分布式数据(DistributedData)使用指导 · App Inventor 2 中文网

... 方法已调用但界面没变化 生成 JSON 的方法只是构建数据;按业务流程交给渲染、启动或同步入口,不能将数据生成当成系统操作完成。 初始化、权限或设备失败 记录错误事件,确认系统服务、授权、...
https://www.tsingfun.com/it/tech/2691.html 

BLE协议—广播和扫描 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...4s。 扫描间隔(scan interval):一次扫描窗口开始,到下一次扫描窗口开始的时间。范围是4 ~ 16384单位是0.625ms,所以实际的时间是2.5ms ~10.24s。 如果扫描窗口=扫描间隔,则设备会一直扫描,没有间隔。 scan interval = scan wi...
https://www.fun123.cn/referenc... 

视觉AI(HarmonyVisionAI)使用指导 · App Inventor 2 中文网

... 方法已调用但界面没变化 生成 JSON 的方法只是构建数据;按业务流程交给渲染、启动或同步入口,不能将数据生成当成系统操作完成。 初始化、权限或设备失败 记录错误事件,确认系统服务、授权、...
https://www.tsingfun.com/down/ebook/106.html 

C++并发编程(中文版) - 文档下载 - 清泛网 - 专注C/C++及内核技术

...使用,到内存模型和原子操作、基于锁和无锁数据结构的构建,再扩展到并行算法、线程管理,最后还介绍了多线程代码的测试工作。 本书的附录部分还对C++11新语言特性中与多线程相关的项目进行了简要的介绍,并提供了C++11...
https://www.tsingfun.com/it/tech/1207.html 

Java 理论与实践: 线程池与工作队列 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...:单个任务处理的时间很短而请求的数目却是巨大的。 构建服务器应用程序的一个过于简单的模型应该是:每当一个请求到达就创建一个新线程,然后在新线程中为请求服务。实际上,对于原型开发这种方法工作得很好,但如...
https://www.fun123.cn/referenc... 

GIF Animated 扩展:可点击透明背景动画GIF播放器 · App Inventor 2 中文网

.../storage/emulated/0/Android/data/edu.mit.appinventor.aicompanion3/files/ 构建应用:/storage/emulated/0/Android/data/[应用包名]/files/ 透明背景设置 设置透明背景时,建议尝试以下颜色: 0xFFFFFF - 白色(最常用) 0x000000 - 黑色 ...
https://bbs.tsingfun.com/thread-3088-1-1.html 

7个App Inventor 2文件操作实用技巧,读写文件从未如此顺手 - App应用开发 ...

...活运用"制作完整路径"拼接复杂文件路径 当需要构建多层目录下的文件路径时,手工拼接字符串容易出错。制作完整路径 方法会自动处理作用域前缀和路径分隔符,返回形如 /storage/emulated/0/Android/data/包名/files/subdir/data.j...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...原输入相比得到。 2)通过编码器产生特征,然后训练下一层。这样逐层训练: 那上面我们就得到第一层的code,我们的重构误差最小让我们相信这个code就是原输入信号的良好表达了,或者牵强点说,它和原信号是一模...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...原输入相比得到。 2)通过编码器产生特征,然后训练下一层。这样逐层训练: 那上面我们就得到第一层的code,我们的重构误差最小让我们相信这个code就是原输入信号的良好表达了,或者牵强点说,它和原信号是一模...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...原输入相比得到。 2)通过编码器产生特征,然后训练下一层。这样逐层训练: 那上面我们就得到第一层的code,我们的重构误差最小让我们相信这个code就是原输入信号的良好表达了,或者牵强点说,它和原信号是一模...