大约有 3,000 项符合查询结果（耗时：0.0074秒） [XML]
编程基础与事件状态 03：计时器刷新，截止时刻计时 · App Inventor 2 中文网
... 新增或调整的组件
逐步搭建
核心积木与数据流
中途检查与排错
两个理解题与独立改造
完成与下一步
本系列第 3/8 课，建议 45–60 分钟（估算）。先完成上一课。
下载本课完成工程 .aia
这课解决...
器材借还台：综合应用案例 · App Inventor 2 中文网
...
界面与入口
完整操作流程
数据与异常处理
用到的组件
使用范围
器材借还台
管理社团或工作室的单件器材，登记借用人、约定归还时间、押金和归还验收。
下载 EquipmentLoans.aia 返回综合...
Microbit 板载引脚交互的更简单的接口 · App Inventor 2 中文网
...onfigurePin – 配置引脚
ReadInputPinData – 读取输入引脚数据
RequestPinDataUpdates – 请求引脚数据更新
StopPinDataUpdates – 停止引脚数据更新
WriteOutputPinData – 写入输出引脚数据
WritePWMControl – 写入PWM控制
...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...
Deep Learning（深度学习）学习笔记整理系列之（二） - 大数据 & AI - 清泛...
...习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？
4.1、特征表示的粒度
学习算法在一个什么粒度上的特征表示...