积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部综合其他(100)Weblate(79)后端开发(50)数据库(48)云计算&大数据(40)系统运维(36)区块链(21)TiDB(20)httpd(17)Blender(13)

语言

全部中文(简体)(274)

格式

全部PDF文档 PDF(190)其他文档 其他(83)PPT文档 PPT(1)
 
本次搜索耗时 0.043 秒,为您找到相关结果约 274 个.
  • 全部
  • 综合其他
  • Weblate
  • 后端开发
  • 数据库
  • 云计算&大数据
  • 系统运维
  • 区块链
  • TiDB
  • httpd
  • Blender
  • 全部
  • 中文(简体)
  • 全部
  • PDF文档 PDF
  • 其他文档 其他
  • PPT文档 PPT
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 OpenShift Container Platform 4.6 分布式追踪

    address here. 法律通告 法律通告 Copyright © 2022 | You need to change the HOLDER entity in the en-US/Distributed_tracing.ent file |. The text of and illustrations in this document are licensed by Red Hat under OpenShift distributed tracing 2.5 的新功能和增强 1.4.1.1. Red Hat OpenShift distributed tracing 2.5 支持的组件版本。 1.4.2. Red Hat OpenShift distributed tracing 2.4 的新功能和功能增强 1.4.2.1. Red Hat OpenShift distributed tracing 支持的组件版本 1.4.3. Red Hat OpenShift distributed tracing 2.3.1 的新功能和功能增强 1.4.3.1. Red Hat OpenShift distributed tracing 版本 2.3.1 支持的组件版本 1.4.4. Red Hat OpenShift distributed tracing 2.3.0 的新功能和功能增强 1.4.4
    0 码力 | 59 页 | 572.03 KB | 1 年前
    3
  • pdf文档 OpenShift Container Platform 4.14 分布式追踪

    发行注 行注记 记 1.1. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 3.0 发行注记 1.2. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.9.2 发行注记 1.3. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.9.1 发行注记 1.4 4. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.9 发行注记 1.5. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.8 发行注记 1.6. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.7 发行注记 1.7. RED HAT OPENSHIFT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.6 发行注记 1.8. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.5 发行注记 1.9. RED HAT OPENSHIFT DISTRIBUTED TRACING PLATFORM 2.4 发行注记 1.10. RED HAT OPENSHIFT DISTRIBUTED TRACING
    0 码力 | 100 页 | 928.24 KB | 1 年前
    3
  • pdf文档 Apache ShardingSphere v5.5.0 document

    1.8 Appendix with SQL operator . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 8.2 Distributed Transaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 8.2.1 Background can not cast to Long exception occurs. . . . . . . . . 579 13.3.6 Sharding Why is the default distributed auto‐augment key strategy provided by ShardingSphere not continuous and most of them end with does my custom distributed primary key do not work after imple‐ menting KeyGenerateAlgorithm interface and configuring type property? . 580 13.3.9 Sharding In addition to internal distributed primary key
    0 码力 | 602 页 | 3.85 MB | 1 年前
    3
  • pdf文档 Greenplum数据仓库UDW - UCloud中立云计算服务商

    的列⼀致(或者是超集) CREATE TABLE products( product_no integer UNIQUE, name text, price numeric ) DISTRIBUTED BY (product_no); 主键约束:主键约束是唯⼀约束和⾮空约束的组合。要使⽤主键约束,表必须使⽤ Hash 分布策略,并且约束列必须和表的分布键对应的列⼀致(或者是超集)。如果⼀张表指定了主键约束, PRIMARY KEY, name text, price numeric ) DISTRIBUTED BY (product_no); 4.3 选择数据分布策略 选择数据分布策略 UDW 表的记录有两种分布策略,分别是哈希分布(DISTRIBUTED BY(key))和随机分布(DISTRIBUTED RANDOMLY)。如果不指定分布策略则默认按primary key或者第⼀个column varchar(40), prod_id int, supplier_id int ) DISTRIBUTED BY (prod_id); 创建⼀个随机分布的表: CREATE TABLE randomTable ( things text, content text, etc text ) DISTRIBUTED RANDOMLY; 修改分布策略: 1)分区策略修改为随机分布: alter
    0 码力 | 206 页 | 5.35 MB | 1 年前
    3
  • pdf文档 PaddleDTX 1.1.0 中文文档

    正在进行中 7 4 快速安装 9 5 编译和安装 11 6 客户端工具 23 7 案例应用-线性回归算法测试 29 8 案例应用-逻辑回归算法测试 35 9 部署架构 39 10 Distributed AI 41 11 XuperDB 49 12 Crypto 53 13 我们的团队 57 14 参与开发 & 测试 59 15 参考文献 61 i ii CHAPTER1 �→根 据 配 置 文 件 的 不 同 有 数 据 持 有 节 点 或 存 储 节 点 两 种 类 型 └── xdb-cli //数 据 存 储 服 务 操 作 客 户 端 3. 编译 Distributed AI $ cd ../dai $ make 编译产出为 output 文件夹,内容为: ├── conf │ ├── config-cli.toml //客 户 端 配 置,也 可 xdb-cli 客户端执行如下命令,请求数据持有节点查看存储节点的在线状态: $ ./xdb-cli nodes list --host http://127.0.0.1:8121 3. 部署 Distributed AI 一般多方安全计算至少由两个任务执行节点,所以这里部署两个任务执行节点。每一个任务执行节点 都有一对公私钥,用来标识节点的账户,公私钥可以通过如下 executor-cli 的客户端命令进行获取:
    0 码力 | 65 页 | 687.09 KB | 1 年前
    3
  • pdf文档 PaddleDTX 1.0.0 中文文档

    正在进行中 5 4 快速安装 7 5 编译和安装 9 6 客户端工具 21 7 案例应用-线性回归算法测试 27 8 案例应用-逻辑回归算法测试 33 9 部署架构 37 10 Distributed AI 39 11 XuperDB 41 12 Crypto 45 13 我们的团队 49 14 参与开发 & 测试 51 15 参考文献 53 i ii CHAPTER1 �→根 据 配 置 文 件 的 不 同 有 数 据 持 有 节 点 或 存 储 节 点 两 种 类 型 └── xdb-cli //数 据 存 储 服 务 操 作 客 户 端 3. 编译 Distributed AI $ cd ../dai $ make 编译产出为 output 文件夹,内容为: ├── conf │ ├── config-cli.toml //客 户 端 配 置,也 可 xdb-cli 客户端执行如下命令,请求数据持有节点查看存储节点的在线状态: $ ./xdb-cli nodes list --host http://127.0.0.1:8121 3. 部署 Distributed AI 一般多方安全计算至少由两个任务执行节点,所以这里部署两个任务执行节点。每一个任务执行节点 都有一对公私钥,用来标识节点的账户,公私钥可以通过如下 executor-cli 的客户端命令进行获取:
    0 码力 | 57 页 | 624.94 KB | 1 年前
    3
  • epub文档 PaddleDTX 1.0.0 中文文档

    documentation! 整体介绍 系统介绍 基本概念 正在进行中 快速入门 快速安装 编译和安装 源码编译和安装 通过 docker 安装 客户端工具 操作XuperDB 操作Distributed AI 案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 计算需求方(Requester) 任务执行节点(Executor Node) 数据持有节点(DataOwner Node) 存储节点(Storage Node) 区块链节点(Blockchain Node) Distributed AI 服务组件 多方安全计算框架 可信联邦学习 接口与消息定义 配置说明 命令行工具 XuperDB 背景和目标 特点和优势 架构设计 功能介绍 如何使用 Crypto 数据隐私保护 //数据存储服务启动二进制,根据配置文件的不同有数 据持有节点或存储节点两种类型 └── xdb-cli //数据存储服务操作客户端 3. 编译Distributed AI $ cd ../dai $ make 编译产出为 output 文件夹,内容为: ├── conf │ ├── config-cli.toml //客户端配置,也可以使用config
    0 码力 | 53 页 | 1.36 MB | 1 年前
    3
  • pdf文档 Greenplum介绍

    tablespace功能。 不支持trigger。 建表语句多了distributed by 子名外, 其它的SQL语法 基本上都与PostgreSQL一样: CREATE TABLE products (name varchar(40), prod_id integer, supplier_id integer) DISTRIBUTED BY (prod_id); GP的表增强 gre b text) WITH (appendonly=true) DISTRIBUTED BY (a); column-oriented table: CREATE TABLE bar (a int, b text) WITH (appendonly=true, orientation=column) DISTRIBUTED BY (a); append-only的表支持压缩: CREATE compresslevel=5); GP使用人性化的partion语法支持分区表 CREATE TABLE sales (id int, date date, amt decimal(10,2)) DISTRIBUTED BY (id) PARTITION BY RANGE (date) ( START (date '2008-01-01') INCLUSIVE END (date '2009-01-01')
    0 码力 | 38 页 | 655.38 KB | 1 年前
    3
  • epub文档 PaddleDTX 1.1.0 中文文档

    documentation! 整体介绍 系统介绍 基本概念 正在进行中 快速入门 快速安装 编译和安装 源码编译和安装 通过 docker 安装 客户端工具 操作XuperDB 操作Distributed AI 案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 计算需求方(Requester) 任务执行节点(Executor Node) 数据持有节点(DataOwner Node) 存储节点(Storage Node) 区块链节点(Blockchain Node) Distributed AI 服务组件 多方安全计算框架 可信联邦学习 模型评估 动态模型评估 接口与消息定义 配置说明 命令行工具 XuperDB 背景和目标 特点和优势 架构设计 功能介绍 如何使用 Crypto //数据存储服务启动二进制,根据配置文件的不同有数 据持有节点或存储节点两种类型 └── xdb-cli //数据存储服务操作客户端 3. 编译Distributed AI $ cd ../dai $ make 编译产出为 output 文件夹,内容为: ├── conf │ ├── config-cli.toml //客户端配置,也可以使用config
    0 码力 | 57 页 | 1.38 MB | 1 年前
    3
  • pdf文档 QCon北京2018-《从键盘输入到神经网络--深度学习在彭博的应用》-李碧野

    %29.png https://upload.wikimedia.org/wikipedia/commons/1/18/1328102022_Document.png May be re-distributed in accordance with the terms of the CC-SA 4.0 license https://creativecommons.org/licenses/by-sa/4 https://commons.wikimedia.org/wiki/Category:Machine_learning_algorithms#/media/File:OPTICS.svg May be re-distributed in accordance with the terms of the CC-SA 4.0 license https://creativecommons.org/licenses/by-sa/4 Modified from https://commons.wikimedia.org/wiki/File:Cats_Petunia_and_Mimosa_2004.jpg May be re-distributed in accordance with the terms of the CC-SA 4.0 license https://creativecommons.org/licenses/by-sa/4
    0 码力 | 64 页 | 13.45 MB | 1 年前
    3
共 274 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 28
前往
页
相关搜索词
OpenShiftContainerPlatform4.6分布布式分布式追踪4.14ApacheShardingSpherev55.0documentGreenplum数据仓库数据仓库UDWUCloud中立计算服务服务商addleDTX1.1中文文文文档中文文档1.0介绍QCon北京2018键盘输入键盘输入神经网络神经网神经网络深度学习彭博应用李碧野
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩