大约有 5,000 项符合查询结果(耗时:0.0207秒) [XML]

https://www.tsingfun.com/it/cpp/1618.html 

更改MFC对话框默认的窗口类名 - C/C++ - 清泛网 - 专注C/C++及内核技术

更改MFC对话框默认的窗口类名Windows操作系统一个概念——窗口类。窗口类是抽象的,它可以很多窗口实例,即HWND CWnd。在一个程序中,你可以定制并注册一个窗口类...Windows操作系统一个概念——窗口类。窗口类是抽...
https://www.tsingfun.com/it/tech/1060.html 

闲扯Nginx的accept_mutex配置 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...常多数人不会注意Nginx的accept_mutex配置,不过实际上它对系统的吞吐量一定的影响,今天生物钟紊乱睡不着觉,索性闲扯一下Nginx的acce...通常多数人不会注意Nginx的accept_mutex配置,不过实际上它对系统的吞吐量一定的影响,...
https://www.tsingfun.com/it/tech/1399.html 

领域驱动设计系列(一):为何要领域驱动设计? - 更多技术 - 清泛网 - 专注...

...种结果。 没正确的使用ORM, 导致数据加载过多,导致系统性能很差。 为了解决性能问题,就不加载一些导航属性,但是确保DB Entity返回上层,这样对象的一些属性为空,上层使用这个数据时根本不知道什么时间这个属性是...
https://www.tsingfun.com/it/tech/1756.html 

C盘里部分空间不知道哪儿去了? - 更多技术 - 清泛网 - 专注C/C++及内核技术

...用空间比C盘已用空间少了?C盘空间告急?原因分析:1、系统的休眠文件。2、虚拟内存...C盘中所的文件夹(已显示隐藏文件,包括隐藏文件)占用空间比C盘已用空间少了?C盘空间告急? 原因分析: 1、系统的休眠文件。 2...
https://www.tsingfun.com/it/tech/896.html 

Android微信智能心跳方案 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...:Line和WhatsApp使用GCM策略的最大优点就是省电,以及减轻系统负荷(减少后台应用数目)。 c)Line:Line的轮询策略,优点是当Line处于活跃状态时,及时收消息。当Line处于不活跃状态时,省电。 2.6Line、WhatsApp微信Push策略的不...
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...

...络的特点,人工神经网络(ANN)本身就是具层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表...
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...

...络的特点,人工神经网络(ANN)本身就是具层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表...
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...

...络的特点,人工神经网络(ANN)本身就是具层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表...
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...

...络的特点,人工神经网络(ANN)本身就是具层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表...
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...

...络的特点,人工神经网络(ANN)本身就是具层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表...