大约有 2,000 项符合查询结果（耗时：0.0091秒） [XML]
boost::filesystem指南 - C/C++ - 清泛网 - 专注C/C++及内核技术
...，这个特殊性表现在：
文件系统是操作系统级别上的全局性，即文件系统中的操作可以在多个进程中异步进行，这可能引起许多问题，也就是说文件系统不是串行系统。
文件系统具有很大的系统相关性，不同的操作系统提供...
tcp加速技术解决方案 - 操作系统(内核) - 清泛网 - 专注C/C++及内核技术
...线性增长。
因为内核实现的限制，多个核心会竞争一些全局性的锁， 比如listen socket锁，后面会看到具体锁的实现和优化方案。
多核优化原则
通过网卡多队列的支持， 就可以有效利用多核心。
网卡收到数据包后，把相同的t...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记