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

全部后端开发(250)综合其他(151)Weblate(90)Python(75)云计算&大数据(70)系统运维(59)数据库(47)区块链(42)前端开发(37)Linux(36)

语言

全部中文(简体)(553)英语(26)中文(繁体)(14)中文(简体)(9)西班牙语(1)法语(1)日语(1)zh-cn(1)

格式

全部PDF文档 PDF(509)其他文档 其他(99)PPT文档 PPT(4)DOC文档 DOC(1)TXT文档 TXT(1)
 
本次搜索耗时 0.061 秒,为您找到相关结果约 614 个.
  • 全部
  • 后端开发
  • 综合其他
  • Weblate
  • Python
  • 云计算&大数据
  • 系统运维
  • 数据库
  • 区块链
  • 前端开发
  • Linux
  • 全部
  • 中文(简体)
  • 英语
  • 中文(繁体)
  • 中文(简体)
  • 西班牙语
  • 法语
  • 日语
  • zh-cn
  • 全部
  • PDF文档 PDF
  • 其他文档 其他
  • PPT文档 PPT
  • DOC文档 DOC
  • TXT文档 TXT
  • 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 复杂环境下的视觉同时定位与地图构建

    复杂环境下的视觉同时定位与地图构建 章国锋 浙江大学CAD&CG国家重点实验室 SLAM: 同时定位与地图构建 • 机器人和计算机视觉领域的基本问题 • 在未知环境中定位自身方位并同时构建环境三维地图 • 广泛的应用 • 增强现实、虚拟现实 • 机器人、无人驾驶 SLAM常用的传感器 • 红外传感器:较近距离感应,常用于扫地机器人。 • 激光雷达:单线、多线等。 • 摄像头:单目、双目、多目等。 Google无人车项目Waymo 使用高精度激光雷达构建地图 SLAM应用介绍 • 虚拟/增强现实:Inside-Out方案 目前绝大多数VR头盔都采用 Outside-In的定位方案,需要在环境 中放置一个或多个传感器,活动范 围受限,不支持大范围移动的定位。 基于SLAM技术的VR/AR可以实现Inside-Out方案:将传感器固定在使用者端。 优点:不需要提前布置环境中的传感器,且没有活动范围的限制。 《The 视觉SLAM • 主要传感器 • 单目摄像头 • 双目摄像头 • 多目摄像头 • 其它辅助传感器 • 廉价IMU、GPS • 深度传感器 • 优势 • 硬件成本低廉 • 小范围内定位精度较高 • 无需预先布置场景 基本原理:多视图几何 投影函数 主要模块 • 特征跟踪 • 获得一堆特征点轨迹 • 相机姿态恢复与场景三维结构恢复 • 求解相机参数和三维点云 • 如何处理循环回路序列和多视频序列?
    0 码力 | 60 页 | 4.61 MB | 1 年前
    3
  • pdf文档 Flashcat 让监控分析变简单,Flashcat产品技术交流

    Metrics、Logs、Traces、Events、Profiling 等多种可观测性数据融会贯通,并预置⾏业最佳实践, 既提供全局业务视⻆、技术视⻆的驾驶舱,也提供层层下钻的故障定位能⼒,有效缩短故障发现和定位 时间。 统一采集 INTERNAL OR RESTRICTED, ALL RIGHTS RESERVED © 北京快猫星云科技有限公司 All-in-One 的数据采集器 Categraf OR RESTRICTED, ALL RIGHTS RESERVED © 北京快猫星云科技有限公司 以故障处理为中⼼的稳定性保障模型 故障开始 故障发现 故障定位 服务⽌损 状态恢复 状态正常 状态正常 发现处理 可能出现尝试定位和 尝试⽌损过程的反复 常态预防 复盘改进 ⾸要原则是:先⽌损后排查 状态异常 稳定性建设的重点 增强预防、发现处理能⼒ Flashcat • ⽇常巡检 故障 收敛 故障范围 引导下钻定位 引导下钻定位 北极星 灭⽕图 ⽇志分析 链路分析 事件分析 指标分析 容量分析 基础设施分析 。。。 引导定位 关键特征 关键事件 量化业务层的健康状态 量化IT系统层的健康状态 预置故障定位的最佳实 践,引导分析定位问题 串联打通,交互验证 数据融合,最佳路径 ⾯向稳定性保障场景 ⾯向业务视⻆的故障发现定位体系 数据采集 数据集成(Integration)
    0 码力 | 43 页 | 6.54 MB | 1 年前
    3
  • pdf文档 Go在工程实践的错误处理

    如何完善错误信息 02 优雅处理错误信息 03 分布式错误处理 04 错误信息手册的必要性 05 为什么我们处理错误 会这么慢 第一部分 错误信息不够完善 why 原因 出现 错误 定位 慢 恢复 慢 效率低 为什么我们处理错误会这么慢 错误处理不够优雅 分布式错误难以串联 错误信息难以识别 如何完善错误信息 第二部分 为什么调试慢?-- 错误信息 高亮信息 封装组件 请求到响应的耗时时间 调用处执行的行号 总结起来,调试阶段需要对接的信息 为什么调试慢?-- 错误信息 高亮信息 封装组件 充足信息 • 在调试阶段,日志用红色高亮错误 • 肉眼才能最快的定位到error日志 • 利用IDE规则,直接点开代码执行行号,跳到指定的代码位置 • 一堆info日志中藏着error日志 • 你能一眼找到error日志吗? 为什么调试慢?-- 错误信息 高亮信息 第三部分 为什么定位慢?-- 错误处理 不要透传错误 错误码唯一性 记录一次错误 假设用户反馈了无法打开一个文件 我们的程序员非常认真 记录了文件不存在的错误日志 • 同样的错误信息,非常多的杂音 • 每个Error,都去查看一次对应代码,排查效率低 • 占用存储空间 • 最外层入口处只记录一次错误日志 为什么定位慢?-- 错误处理 带来新的问题,无法定位整个代码执行链路
    0 码力 | 30 页 | 3.11 MB | 1 年前
    3
  • pdf文档 DeepSeek从入门到精通(20250204)

    重点梯度建立 设定主题相关性的层级结构 细节增强策略(DES):深化内容质量 �DES的理论基础: DES整合了认知叙事学和信息处理理论,开发了以下策略: 多模态描述 微观—宏观连接 对比强化 时空定位 数据可视化 概念 数据 案例 感官描述 对比 全球变 暖 过去100年平均 温度上升1.1°C 北极冰盖融化 夏日的炎热,冬天 的反常温暖 100年前vs现在 的平均温度 海平面 额外要求: - 确保创意在挑战常规的同时,不会引起争议或负面解读。 - 考虑创意的可持续性,思考如何将其发展为一个长期营销主题。 请基于以上要求,生成一份完整的创意概念方案。 传播策略:设计精准定位的传播方案提示语 �理论层面: �方法层面: 1. 目标量化指令 2. 受众画像详述 3. 全渠道思维引导 4. 内容形式多样化 5. 互动机制设计 应用示例 目标明确 受众精准 渠道多元 有感染力的品牌故事。本节将从品牌 定位、价值主张和未来愿景三个核心要素出发,通过关键考量、常见陷阱和提示语框架三个维度来详细阐述 每个要素的重要性和设计方法。 品牌定位 价值主张 未来愿景 品牌定位:在市场中找到独特位置 �关键考量: �常见陷阱: 1. 定位过于宽泛,缺乏针对性 2. 过度模仿竞争对手,失去独特性 3. 忽视市场变化,定位僵化 4. 与品牌实际能力不匹配,难以兑现承诺
    0 码力 | 104 页 | 5.37 MB | 7 月前
    3
  • pdf文档 清华大学 DeepSeek 从入门到精通

    重点梯度建立 设定主题相关性的层级结构 细节增强策略(DES):深化内容质量 �DES的理论基础: DES整合了认知叙事学和信息处理理论,开发了以下策略: 多模态描述 微观—宏观连接 对比强化 时空定位 数据可视化 概念 数据 案例 感官描述 对比 全球变 暖 过去100年平均 温度上升1.1°C 北极冰盖融化 夏日的炎热,冬天 的反常温暖 100年前vs现在 的平均温度 海平面 额外要求: - 确保创意在挑战常规的同时,不会引起争议或负面解读。 - 考虑创意的可持续性,思考如何将其发展为一个长期营销主题。 请基于以上要求,生成一份完整的创意概念方案。 传播策略:设计精准定位的传播方案提示语 �理论层面: �方法层面: 1. 目标量化指令 2. 受众画像详述 3. 全渠道思维引导 4. 内容形式多样化 5. 互动机制设计 应用示例 目标明确 受众精准 渠道多元 有感染力的品牌故事。本节将从品牌 定位、价值主张和未来愿景三个核心要素出发,通过关键考量、常见陷阱和提示语框架三个维度来详细阐述 每个要素的重要性和设计方法。 品牌定位 价值主张 未来愿景 品牌定位:在市场中找到独特位置 �关键考量: �常见陷阱: 1. 定位过于宽泛,缺乏针对性 2. 过度模仿竞争对手,失去独特性 3. 忽视市场变化,定位僵化 4. 与品牌实际能力不匹配,难以兑现承诺
    0 码力 | 103 页 | 5.40 MB | 8 月前
    3
  • pdf文档 美团点评2018技术年货

    简单而言,运营资源可以理解为App中经常变动的一些广告、运营活动等等,譬如下图中电影首页顶部的 Banner位,就是一个典型的运营资源。对于这类运营资源,它们有如下明显特征: 1. 时效性,只在一定时间范围内显示在C端固定位置。 2. 城市强相关,这类运营资源往往是基于LBS类服务,每个活动、广告都只会出现在固定的某些城市(或区域)。 基础配置 基础配置 基础配置,常见的有入口资源的配置、网络的配置等。相对运营资源来说,其变更的频繁度相对较低,与 开发的一套开源的分布式实时监控系统。 美团点评基础架构部希望在基础存储、高性能通信、大规模在线访问、服务治理、实时监控、容器化及集 群智能调度等领域提供业界领先的、统一的解决方案,CAT 目前在美团点评的产品定位是应用层的统一 监控组件,在中间件(RPC、数据库、缓存、MQ 等)框架中得到广泛应用,为各业务线提供系统的性能 指标、健康状况、实时告警等服务。 本文会对 CAT 的客户端、性能等做详细深入的介绍,前不久我们也发过一篇 《深度剖析开源分布式监控 CAT》  产品价值 产品价值 减少故障发现时间。 降低故障定位成本。 辅助应用程序优化。 技术优势 技术优势 实时处理:信息的价值会随时间锐减,尤其是在事故处理过程中。 全量数据:全量采集指标数据,便于深度分析故障案例。 高可用:故障的还原与问题定位,需要高可用监控来支撑。 故障容忍:故障不影响业务正常运转、对业务透明。 高吞吐:海量监控数据的收集,需要高吞吐能力做保证。
    0 码力 | 229 页 | 61.61 MB | 1 年前
    3
  • pdf文档 基于open-falcon的平安云监控

    目录 Ø 团队介绍 Ø 背景 Ø 系统定位 Ø argus是什么 Ø 为什么选用Go Ø argus的前身 Ø argus的现状 Ø argus的未来 团队介绍 Ø 平安云IAAS团队 Ø 负责平安集团IAAS平台建设 Ø 为平安集团内部其他子公司服务 Ø 打造对外的金融云服务 目录 Ø 团队介绍 Ø 背景 Ø 系统定位 Ø argus是什么 Ø 为什么选用Go 打造用户自助服务的监控平台 Ø 适应内部的三级网络架构 背景 云管区 公共服务区 可用区 目录 Ø 团队介绍 Ø 背景 Ø 系统定位 Ø argus是什么 Ø 为什么选用Go Ø argus的前身 Ø argus的现状 Ø argus的未来 系统定位 Ø 保证基础监控,提供监控通道 Ø 要求高可用、高可扩展 Ø 分离用户、平台管理员 角色 Ø 建设用户自助平台(看性能、配告警、收告警) Ø 团队介绍 Ø 背景 Ø 系统定位 Ø argus是什么 Ø 为什么选用Go Ø argus的前身 Ø argus的现状 Ø argus的未来 argus是什么 Ø 是平安云监控系统 Ø 希腊神话里的百眼巨人 Ø 基平open-falcon开发的平安云监控系统 Ø 是一个Go语言实现的项目 目录 Ø 团队介绍 Ø 背景 Ø 系统定位 Ø argus是什么 Ø 为什么选用Go
    0 码力 | 30 页 | 10.40 MB | 1 年前
    3
  • pdf文档 石墨文档Go在K8S上微服务的实践-彭友顺

    • 错误定位 问题:每种开源组件的配置、调用方式、debug方式、记录日志方式都不一样 微服务的开发阶段 问题:gRPC未设置连接错误,阻塞模式报错不正确 Redis、MySQL连接数配置未设置?超时未设置? 配置 对接 Debug • 配置驱动 • 配置补齐 • 配置工具 • Proto的管理 • 错误码管理 • 调试gRPC • 调试信息 • 错误定位 // IDE的体验,右键插入资源引用,悬停查看资源信息 配置 对接 Debug • 配置驱动 • 配置补齐 • 配置工具 • Proto的管理 • 错误码管理 • 调试gRPC • 调试信息 • 错误定位 配置版本,发布,回滚,可以更加方便 微服务的开发阶段 统一采用gRPC协议和protobuf编解码 CI check 阶段 • 主要做 pb 的 format、lint、breaking 检查。 • 配置工具 • Proto的管理 • 错误码管理 • 调试gRPC • 调试信息 • 错误定位 微服务的开发阶段 配置 对接 Debug • 配置驱动 • 配置补齐 • 配置工具 • Proto的管理 • 错误码管理 • 调试gRPC • 调试信息 • 错误定位 Generate • protoc -I {error proto file} --go-errors_out={output
    0 码力 | 41 页 | 3.20 MB | 1 年前
    3
  • pdf文档 基于 APM 的智能运维体系在京东物流的落地和实践-付正全

    和监控平台有比较深入的了解。目前负责 京东物流火眼监控平台的架构设计和开发工作。 目录 ⚫业界智能运维发展现状及趋势 ⚫智能运维体系建设方法论 ⚫大规模实时监控平台的实践方案 ⚫智能故障定位与处理实践 ⚫ APM 在京东物流的落地实践 ⚫ 智能运维(AIOps)落地规划 业界智能运维发展趋势 新的问题 运维人数不变,管理机器数翻倍 1 2  3 4 正在消失的运维 运维从业者减少,运维专家匮乏 前端网页 请求 应用B 应用C 服务调用 服务调用 应用F 应用G 服务调用 服务调用 应用H 服务调用 服务调用 服务调用 应用A 数据库 JDBC 前端网页 请求 系统问题定位难 快速发展的APM APM (应用性能管理)市场规模逐年递增 0 10 20 30 40 50 60 70 2014 2015 2016 2017 2018 APM市场规模(亿美元) 架构标准化 架构实施 架构优化 架构运维 运维价值凸显 新运维时代来临 目录 ⚫业界智能运维发展现状及趋势分析 ⚫智能运维体系建设方法论 ⚫大规模实时监控平台的实践方案 ⚫智能故障定位与处理实践 ⚫ APM 在京东物流的落地实践 ⚫智能运维(AIOps)落地规划 智能运维体系建设方法论 ◼统一规划、避免重复建设 ◼标准化是前提 ◼产品化设计、产品化开发 ◼服务驱动
    0 码力 | 41 页 | 3.52 MB | 1 年前
    3
  • pdf文档 2022年美团技术年货 合辑

    引入的“Quant”,“DeQuant”节点打破了 原有 TensorRT 的融合策略,导致了很多算子无法融合,从而影响了最终量化引擎 的性能。在这一节中,我们以 YOLOv6s_repopt 为例,展示一种定位具体瓶颈的图 优化方法。在量化实践中,图优化是一个很实用的手段,我们可以依法炮制,提升模 型的 QPS。 算法 < 27 表 5 PTQ 和 QAT 模型的 QPS 对比 3.1.1 性能分析 permutationKernelPLC3 操作,这些操作对应 quantize_scale_node 节点,如下图 8 所示: 28 > 2022年美团技术年货 图 8 permutationKernelPLC3 操作定位 3.1.2 图结构分析 为什么 QAT INT8 会有大量的 permutationKernelPLC3 操作?我们利用 trtexec 和 pltEngine 工具,画出了 PTQ INT8 图数据文件(如下图 7 所示)。最后,如果数据包含节点特征或边特征,还需要 算法 < 77 将特征与压缩后的图对齐。 图 7 压缩后的图数据结构 ● 图的随机查询:查询操作分为两步:首先定位所需的边数据块,然后在内存中 解压数据块,读取所查询的数据。例如在查询节点 u 和 v 是否相连时,首先根 据两个节点的编号计算边数据块的地址,解压数据块后获得少量候选邻接边 (通常不多于 16
    0 码力 | 1356 页 | 45.90 MB | 1 年前
    3
共 614 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 62
前往
页
相关搜索词
复杂环境视觉同时定位地图构建Flashcat监控分析简单产品技术交流Go工程实践错误处理错误处理DeepSeek入门精通20250204清华华大大学清华大学美团点评2018年货基于openfalcon平安石墨文档K8S上微服务彭友顺APM智能运维体系京东物流落地付正全2022合辑
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