- 全球 30m Landsat 树冠覆盖率 v4Global 30m Landsat Tree Canopy Version 4 (TCC) 产品是一个 30 米分辨率的数据集，显示每个像素的树冠覆盖率在 0% 到 100% 之间。TCC产品于2019年5月发布，由大地遥感卫星影像档案处理而成。它取代了之前版本的 2000、2005、2010 和 2015 年全球树冠覆盖率估计值。前言 –... 全球 30m Landsat 树冠覆盖率 v4Global 30m Landsat Tree Canopy Version 4 (TCC) 产品是一个 30 米分辨率的数据集，显示每个像素的树冠覆盖率在 0% 到 100% 之间。TCC产品于2019年5月发布，由大地遥感卫星影像档案处理而成。它取代了之前版本的 2000、2005、2010 和 2015 年全球树冠覆盖率估计值。前言 –...
- 简介迄今为止，关于多年生作物土壤有机碳（SOC）变化的全球统一数据集尚未存在。我们提出了一个关于多年生作物种植引起的 SOC 变化的全球统一数据库。它包含来自 180 个不同同行评审研究、709 个地点、来自温带、热带和北方地区 32 个国家的 58 种不同多年生作物类型的 1605 个配对比较经验值（其中一些是汇总数据）的信息；包括用于食品、生物能源和生物产品的物种。该数据库还包含有关... 简介迄今为止，关于多年生作物土壤有机碳（SOC）变化的全球统一数据集尚未存在。我们提出了一个关于多年生作物种植引起的 SOC 变化的全球统一数据库。它包含来自 180 个不同同行评审研究、709 个地点、来自温带、热带和北方地区 32 个国家的 58 种不同多年生作物类型的 1605 个配对比较经验值（其中一些是汇总数据）的信息；包括用于食品、生物能源和生物产品的物种。该数据库还包含有关...
- XGBoost（极限梯度提升）是一种开源算法，它实现了梯度提升树，并进行了额外的改进，以获得更好的性能和速度。该算法能够快速做出准确的预测，使该模型成为许多比赛的首选模型，例如 Kaggle 比赛。 XGBoost（极限梯度提升）是一种开源算法，它实现了梯度提升树，并进行了额外的改进，以获得更好的性能和速度。该算法能够快速做出准确的预测，使该模型成为许多比赛的首选模型，例如 Kaggle 比赛。
- 随着技术的不断发展和人工智能在我们日常生活中的使用，许多人担心失业。有些人甚至谈论数据科学正在消亡。许多人说机器学习正在取代数据科学，并指出数据科学是一个过度饱和的领域。随着 ChatGPT 等工具的大量使用及其在编码任务中的使用等等，我们正在质疑数据科学是否正在消亡。 随着技术的不断发展和人工智能在我们日常生活中的使用，许多人担心失业。有些人甚至谈论数据科学正在消亡。许多人说机器学习正在取代数据科学，并指出数据科学是一个过度饱和的领域。随着 ChatGPT 等工具的大量使用及其在编码任务中的使用等等，我们正在质疑数据科学是否正在消亡。
- Global Forest Canopy Height(2005) 简介与Notebook示例¶该数据集为基于地球科学激光测高系统（GLAS）的航空激光雷达数据（2005年）和辅助地理空间数据融合而成的全球树木高度数据产品。具体信息可参考Simard et al. (2011)空间光探测和测距（激光雷达）的数据为绘制全球森林垂直结构图提供了可能。我们利用冰、云和陆地高程卫星（ICESat）... Global Forest Canopy Height(2005) 简介与Notebook示例¶该数据集为基于地球科学激光测高系统（GLAS）的航空激光雷达数据（2005年）和辅助地理空间数据融合而成的全球树木高度数据产品。具体信息可参考Simard et al. (2011)空间光探测和测距（激光雷达）的数据为绘制全球森林垂直结构图提供了可能。我们利用冰、云和陆地高程卫星（ICESat）...
- OpenAI，ChatGPT，GPT系列和大型语言模型（LLM）一般 - 如果你与人工智能专业或技术专家有远程联系，你很有可能会在几乎所有的商业对话中听到这些词这些天。 炒作是真实的。我们不能再称它为泡沫了。毕竟，这一次，炒作正在兑现其承诺。 谁会想到机器可以理解和恢复类似人类的智能，并完成几乎所有以前被认为是人类强项的任务，包括音乐的创造性应用，写诗，甚至编程应用？ OpenAI，ChatGPT，GPT系列和大型语言模型（LLM）一般 - 如果你与人工智能专业或技术专家有远程联系，你很有可能会在几乎所有的商业对话中听到这些词这些天。 炒作是真实的。我们不能再称它为泡沫了。毕竟，这一次，炒作正在兑现其承诺。 谁会想到机器可以理解和恢复类似人类的智能，并完成几乎所有以前被认为是人类强项的任务，包括音乐的创造性应用，写诗，甚至编程应用？
- 1.算法理论概述 基于LeNet网络的MNIST手写数字训练和识别的实现步骤。首先，我们将介绍MNIST数据集的基本信息和LeNet网络的结构及其原理。然后，我们将详细说明数据预处理、LeNet网络的实现过程和训练过程。最后，我们将展示如何使用训练好的LeNet网络对手写数字进行识别，并对实验结果进行分析和总结。 1.1、MNIST数据集和LeNet网络 MNIST数... 1.算法理论概述 基于LeNet网络的MNIST手写数字训练和识别的实现步骤。首先，我们将介绍MNIST数据集的基本信息和LeNet网络的结构及其原理。然后，我们将详细说明数据预处理、LeNet网络的实现过程和训练过程。最后，我们将展示如何使用训练好的LeNet网络对手写数字进行识别，并对实验结果进行分析和总结。 1.1、MNIST数据集和LeNet网络 MNIST数...
- 作者：zhaokk在分布式系统开发中，消息队列成为了不可或缺的一部分，用于解耦、异步处理以及保证数据可靠传输。Apache RocketMQ 作为一个高性能、低延迟的分布式消息中间件，具备了在大规模系统中处理消息的能力。然而，即使在高性能的基础上，如何保证消息不丢失和不重复消费仍然是一个需要认真对待的问题。 为什么消息会丢失或重复消费？在探讨如何解决消息丢失和重复消费的问题之前，我们先来了解... 作者：zhaokk在分布式系统开发中，消息队列成为了不可或缺的一部分，用于解耦、异步处理以及保证数据可靠传输。Apache RocketMQ 作为一个高性能、低延迟的分布式消息中间件，具备了在大规模系统中处理消息的能力。然而，即使在高性能的基础上，如何保证消息不丢失和不重复消费仍然是一个需要认真对待的问题。 为什么消息会丢失或重复消费？在探讨如何解决消息丢失和重复消费的问题之前，我们先来了解...
- 前言在Java世界中，类加载机制是一个核心概念，而双亲委派机制更是类加载的基石。本文将深入剖析JVM的类加载过程、双亲委派机制的原理，并探讨如何破解这一机制，以及双亲委派机制下继承关系的处理方式。作者：zhaokk JVM的类加载过程与机制在理解双亲委派机制之前，我们需要先了解JVM的类加载过程。JVM的类加载过程可以分为以下三个阶段：加载（Loading）：在加载阶段，JVM会根据类的全... 前言在Java世界中，类加载机制是一个核心概念，而双亲委派机制更是类加载的基石。本文将深入剖析JVM的类加载过程、双亲委派机制的原理，并探讨如何破解这一机制，以及双亲委派机制下继承关系的处理方式。作者：zhaokk JVM的类加载过程与机制在理解双亲委派机制之前，我们需要先了解JVM的类加载过程。JVM的类加载过程可以分为以下三个阶段：加载（Loading）：在加载阶段，JVM会根据类的全...
- 引言近年来，机器学习和数据科学领域取得了巨大的发展，成为解决现实世界问题的有力工具。Python作为一种高级编程语言，广泛应用于机器学习和数据科学开发中，因其简洁、易读的语法以及丰富的生态系统而备受青睐。本文将介绍如何在Python中进行机器学习和数据科学开发，并提供一些实用的代码示例。 内容概述本文将按照以下步骤介绍Python中机器学习和数据科学开发的基本流程：数据准备与探索特征工程模... 引言近年来，机器学习和数据科学领域取得了巨大的发展，成为解决现实世界问题的有力工具。Python作为一种高级编程语言，广泛应用于机器学习和数据科学开发中，因其简洁、易读的语法以及丰富的生态系统而备受青睐。本文将介绍如何在Python中进行机器学习和数据科学开发，并提供一些实用的代码示例。 内容概述本文将按照以下步骤介绍Python中机器学习和数据科学开发的基本流程：数据准备与探索特征工程模...
- # 作用：出现异常可以启动设置成TRACE进行调试，但是会影响性能NCCL_DEBUG=INFO# 出现NCCL timeout 可以适当调大NCCL_IB_TIMEOUT=18NCCL_IB_RETRY_CNT=16# 请不要修改，ModelArts会提前预置好NCCL_IB_HCA=^mlx5_bond_0NCCL_SOCKET_IFNAME="=bond0,eth0,enp218s0,... # 作用：出现异常可以启动设置成TRACE进行调试，但是会影响性能NCCL_DEBUG=INFO# 出现NCCL timeout 可以适当调大NCCL_IB_TIMEOUT=18NCCL_IB_RETRY_CNT=16# 请不要修改，ModelArts会提前预置好NCCL_IB_HCA=^mlx5_bond_0NCCL_SOCKET_IFNAME="=bond0,eth0,enp218s0,...
- 1.算法理论概述一、引言 语音信息身份识别是指通过声音信号对个体进行身份识别的过程。目前，语音信息身份识别已经成为语音处理领域的一个热门研究方向。在语音信息身份识别中，高斯混合模型（GMM）是一种被广泛应用的方法。本文将详细介绍基于GMM的语音信息身份识别算法的实现步骤和数学原理。 二、GMM模型 GMM模型是一种基于统计学的模型，常用于对多维数据进行建模。在语音信息身... 1.算法理论概述一、引言 语音信息身份识别是指通过声音信号对个体进行身份识别的过程。目前，语音信息身份识别已经成为语音处理领域的一个热门研究方向。在语音信息身份识别中，高斯混合模型（GMM）是一种被广泛应用的方法。本文将详细介绍基于GMM的语音信息身份识别算法的实现步骤和数学原理。 二、GMM模型 GMM模型是一种基于统计学的模型，常用于对多维数据进行建模。在语音信息身...
- OpenLandMap Predicted Hapludalfs Probability 简介与Notebook示例¶以 250 米分辨率预测的 6 个标准深度（0、10、30、60、100 和 200 厘米）的 33 千帕和 1500 千帕吸力的土壤水分含量（体积百分比）。训练点基于全球土壤剖面汇编（USDA NCSS、AfSPDB、ISRIC WISE、EGRPR、SPADE、CanN... OpenLandMap Predicted Hapludalfs Probability 简介与Notebook示例¶以 250 米分辨率预测的 6 个标准深度（0、10、30、60、100 和 200 厘米）的 33 千帕和 1500 千帕吸力的土壤水分含量（体积百分比）。训练点基于全球土壤剖面汇编（USDA NCSS、AfSPDB、ISRIC WISE、EGRPR、SPADE、CanN...
- OpenLandMap USDA Soil Taxonomy Great Groups 简介与Notebook示例¶该数据集为USDA根据全球土壤剖面汇编数据经机器学习方法进行预测生成的土壤分类数据产品。美国农业部土壤大类的分布，基于全球土壤剖面汇编（>350,000 个训练点）的机器学习预测。要了解有关土壤大类的更多信息，请参阅《土壤分类图解指南》（Illustrated Guide t... OpenLandMap USDA Soil Taxonomy Great Groups 简介与Notebook示例¶该数据集为USDA根据全球土壤剖面汇编数据经机器学习方法进行预测生成的土壤分类数据产品。美国农业部土壤大类的分布，基于全球土壤剖面汇编（>350,000 个训练点）的机器学习预测。要了解有关土壤大类的更多信息，请参阅《土壤分类图解指南》（Illustrated Guide t...
- 提取信号频域特征参数，先估计信号的功率谱密度函数，然后从功率谱密度函数计算信号的频域特征参数。频域特征参数包括峰值频率、均值频率、中值频率、频率标准差、四分位宽度、频率变异系数、频谱峰度、频谱偏度、能量聚度、频谱熵比等。使用这些参数来刻画信号功率谱密度曲线的概貌特征。 提取信号频域特征参数，先估计信号的功率谱密度函数，然后从功率谱密度函数计算信号的频域特征参数。频域特征参数包括峰值频率、均值频率、中值频率、频率标准差、四分位宽度、频率变异系数、频谱峰度、频谱偏度、能量聚度、频谱熵比等。使用这些参数来刻画信号功率谱密度曲线的概貌特征。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签