ADK.wang 统一知识工程 · 权威专著深度引证

ADK.wang AI & 软件技术百科

全库汇聚全球 22,000+ 核心技术词条,深度引证上千本行业权威学术专著,涵盖大模型原理、云原生、架构设计与工程效能。

22,077

全量学术技术词条

9 大

核心专业领域体系

10,000+

权威专著深度引证

100%

原书精粹与工业对齐

通识与商业创新
📚 2 本专著

Google File System (GFS)

try. For example, Google File System (GFS)

难度: ★★★ 阅读: 5分钟
查看引证 →
后端开发与架构
📚 2 本专著

Google Hacking Database (GHDB)

Google Hacking Database (GHDB): ​http://​www.​hackersforcharity.​org.

难度: ★★★ 阅读: 5分钟
查看引证 →
云计算与容器网络
📚 2 本专著

Google Web Toolkit (GWT)

比如,一个网站使用 Google Web Toolkit (GWT)开发,那么它产生的 JavaScript 代码是机器生成 的压缩版。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

一般管理

General Management

一般管理(General Management) 管理的14项原则(Fourteen Principles of Management) 8.马克斯·韦伯 (Max Weber) --------------------------------------...

难度: ★★★ 阅读: 8分钟
查看引证 →
通识与商业创新
📚 2 本专著

卓越职场研究所

Great Place to Work Institute

相比于以往,出现在卓越职场研究所(Great Place to Work Institute)相关榜单上的“最佳雇主”们,会明确或暗示承诺长期雇佣关系、倡导不裁员企业文化的越来越少。

难度: ★★★ 阅读: 5分钟
查看引证 →
前端与移动端
📚 2 本专著

博弈论

Game Theory

博弈论(Game Theory)是现代数学的一个分支,它优美地解释了,如果合作是一个纳什均衡(Nash Equilibrium),那么,个体就有动机互相合作。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

即全局指令

GlobalISel

因为这些问题都是当前 SelectionDAGISel 架构设计相关的 , ⽆法通过 简单修补进⾏完善 , 所以 LLVM 社区在 2015 年提出重新设计 ⼀ 套指令 选择算法的想法 , 即全局指令选择 ( GlobalISel ), 期望能解决这些问 ...

难度: ★★★ 阅读: 5分钟
查看引证 →
软件工程与研发效能
📚 2 本专著

吉廷斯指数

Gittins index

我们还阐明了如何求解确定最优选择的吉廷斯指数(Gittins index)。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

喜欢遵循黄金比例

Golden Ratio

黄金比例 景框是什么形状?是否限制了我们在银幕上的所见? 景框里有什么?画面拥挤还是疏落有致?构图精细还是随性自然?角色的位置是如何安排的? 景框从前景到背景是否都很清晰?还是前景更清晰,背景更模糊? 画家都喜欢遵循黄金比例(Golden Ratio)原则...

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

图优化部分

Graph Optimize

转换模块架构 1. 转换模块架构概述 转换模块(Converter)由格式转换(Graph Converter)和图优化部分(Graph Optimize)构 成(图17.1.1)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

图嵌入

Graph Embedding

简单一点的算法可以单纯基于图嵌入(Graph Embedding)来做,即对每一个节点都分配一段嵌入,然后如果说 A 和 B 之间的边比较强,和 C 比较弱,可以做一个损失函数,令 A 和 B 的内积大于 A 和 C 的内积。

难度: ★★★ 阅读: 5分钟
查看引证 →
软件工程与研发效能
📚 2 本专著

基廷斯指数

Gittins index

)式(17-15)中定义的值称为M 的 基廷斯指数(Gittins index)。

难度: ★★★ 阅读: 5分钟
查看引证 →
云计算与容器网络
📚 2 本专著

捷威

Gateway

与此形成鲜明对比的是,捷威(Gateway)最终关闭了250家连锁店,因为其产品缺乏差异性、店铺选址不佳、库存短缺——客户只能预先订货。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

数据流

GIF Data Stream

图2.1.10 利用JPHS提取隐藏信息 一个GIF文件的结构可分为文件头(File Header)、GIF数据流 (GIF Data Stream)和文件结尾(Trailer)三个部分,GIF文件结构如 表2.1.6所示。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

数据空间

GlobalTensor

外部存储数据空间 外部存储数据空间(GlobalTensor)用来存放AI Core 外部存储(Global Memory)的全局数 据。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

日志资源管理器

Google Log Explorer

图5-1 单击激活按钮后,可以在Duet AI聊天面板中处理相关任务 聊天功能则被集成到Google日志资源管理器(Google Log Explorer)中。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

梯度优化

Gradient Method

这允 许对程序中的参数的基于梯度优化(Gradient Method),通常使用梯度下降或其他基于高阶微 分信息的学习方法。

难度: ★★★ 阅读: 5分钟
查看引证 →
机器学习与算法
📚 2 本专著

梯度提升

Gradient Boosting

梯度提升(Gradient Boosting) 准确率:84.22% 对于未离职(Not Leave):精确率为85%,召回率为96% 对于离职(Leave):精确率为89%,召回率为67% 三种分类方法在该分类任务中的效果指标表现如表10.3所示。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

梯度提升算法

Gradient Boosting Algorithm

· 梯度提升算法(Gradient Boosting Algorithm)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

梯度累积

Gradient Accumulation

此外 , 训练层还需要优化计算效率 , 例如通过梯度累积 ( Gradient Accumulation ) 降低显存消耗 , 或者采⽤混合精度训练 ( FP16+FP32 ) 加速收敛。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

梯度裁剪

Gradient Clipping

那么,深度神经网络是如何应对这两大难题的呢? 1. 梯度裁剪 梯度裁剪(Gradient Clipping)又称为梯度剪切,顾名思义,就是减掉多余的部分,主要是针对梯度爆炸提出的方法。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

概率推理

Gaussian error model

第14 章 时间上的概率推理 (Gaussian error model)来涵盖连续和离散版本。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

模块代理

Go module proxy

随着模块一起推出的还有模块代理协议(Module proxy protocol),通过这个协议我们可以实现 Go 模块代理(Go module proxy),也就是依赖镜像。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 2 本专著

盈利性机构最佳雇主学会

Great Place to Work Institute

比如,盈利性机构最佳雇主学会(Great Place to Work Institute)就面向企业提供咨询服务,而它们会把这些企业列入最佳工作场所榜单。

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 3 / 16 页,共 363 条记录