- 博客(19)
- 收藏
- 关注
RSS订阅原创 GaussDB 学习实战指南：从部署到高并发优化的全流程解析
GaussDB 的实战能力需要在复杂场景中不断锤炼。通过本文的分布式架构设计、性能调优与云原生实践，相信你已具备解决企业级数据库难题的能力。持续探索，让数据驱动业务创新！欢迎在评论区分享你的 GaussDB 实战经验或技术疑问！共同探讨，攻克技术难关！
2025-02-26 13:00:00
786
原创 GaussDB 学习进阶路线-进阶篇：分布式架构、性能调优与高可用实战
GaussDB 的进阶之路需要将分布式理论与生产实践深度结合。无论是应对海量数据挑战，还是构建云原生高可用架构，持续探索与实战演练是提升的关键。希望本文成为你征服企业级数据库难题的利剑！欢迎在评论区分享你的 GaussDB 调优经验或提出技术问题！共同探讨，突破瓶颈！
2025-02-26 08:00:00
858
原创 # GaussDB 学习进阶路线-基础篇：从零入门到核心操作实战指南
GaussDB 的基础操作是掌握其企业级能力的起点。通过本文的实战演练，相信你已经能够独立完成环境搭建、数据管理与基础运维。后续我们将深入分布式事务、性能调优等进阶内容，助你在数据库领域更进一步！欢迎在评论区分享你的学习心得或踩坑经历！共同探讨，高效成长！
2025-02-25 13:00:00
1924
原创 Oracle 学习实战指南：从安装调优到高可用的全链路实践
Oracle 的实战能力需要在复杂场景中不断锤炼。无论是高并发架构设计，还是云原生迁移，唯有深入原理并动手实践，才能真正驾驭这一企业级数据库。希望本文成为你 Oracle 征途上的实用手册！欢迎在评论区分享你的 Oracle 实战经验或提出技术疑问！共同探索，解决难题！
2025-02-25 08:00:00
759
原创 #Oracle 学习进阶路线-进阶篇：高可用、性能调优与云原生的实战突破
Oracle 进阶之路是技术与经验的深度结合。无论是应对高并发挑战，还是构建混合云架构，Oracle 提供了完整的工具链与解决方案。希望本文为你打开新的技术视野，助力成为企业级数据库架构师！欢迎在评论区分享你的 Oracle 调优经验或踩坑案例！共同探讨，攻克技术难关！
2025-02-24 13:00:00
1137
原创 Oracle 学习进阶路线-基础篇：从入门到企业级架构师的核心技能图谱
Oracle 的学习是一场从“知其然”到“知其所以然”的深度探索。无论是传统企业架构还是云原生转型，Oracle 都提供了完整的解决方案。希望本文为你指明方向，助你在企业级数据库领域稳步前行！欢迎在评论区分享你的 Oracle 学习心得或实战经验！共同探讨，攻克技术难点！
2025-02-24 08:10:55
923
原创 MySQL 高可用架构实战指南：从主从复制到云数据库的进阶之路
高可用架构核心思想冗余：通过多副本避免单点故障。自动化：故障自动检测与恢复。可扩展：灵活应对业务增长。学习建议动手实验：在本地虚拟机部署 Galera Cluster，模拟节点故障切换。云平台实践：申请免费试用账号体验 AWS/Aliyun RDS 的运维功能。性能压测：使用 sysbench 测试不同架构的吞吐量和延迟。欢迎在评论区交流你的高可用架构设计经验或踩坑案例！共同探索 MySQL 的无限可能！
2025-02-22 09:00:00
945
原创 MySQL 学习进阶路线-进阶篇：事务、锁与性能调优实战指南
进阶篇核心要点理解事务隔离级别对并发和数据一致性的影响。通过 Explain 和慢查询日志定位 SQL 性能问题。合理配置 InnoDB 参数，最大化硬件性能。学习建议模拟压测：使用 JMeter 或 sysbench 模拟高并发场景，观察锁和死锁现象。监控工具：部署 Prometheus + Grafana 监控 MySQL 运行状态。源码学习：研究 MySQL 官方文档和 InnoDB 源码（如锁模块实现）。欢迎在评论区分享你的调优经验或遇到的疑难问题！共同探讨，一起进步！
2025-02-21 13:00:00
1067
原创 # MySQL 学习进阶路线-基础篇：从SQL语法到数据库设计的实战指南
基础篇核心要点掌握 SELECT、JOIN、子查询的灵活组合。遵循三范式设计表结构，平衡规范与性能。善用索引优化查询，避免全表扫描。学习建议动手实践：在本地安装 MySQL，导入测试数据（如Sakila 示例数据库调试技巧：使用EXPLAIN分析 SQL 执行计划，定位性能瓶颈。社区资源：关注 优快云 的 MySQL 专栏，参与技术讨论。欢迎在评论区留言交流！你的每一个问题或建议，都是我持续创作的动力！
2025-02-21 08:16:42
1037
原创 GaussDB：企业级开源数据库的创新之路
起源：GaussDB是由华为公司开发的开源关系型数据库管理系统，最初是为满足华为内部业务需求而设计的。发展：随着华为业务的快速发展，GaussDB逐渐成熟并对外开源，成为企业级数据库市场的重要参与者。现状：GaussDB广泛应用于金融、电信、制造等多个行业，以其高性能、高可用性和安全性著称。
2025-02-20 10:48:35
644
原创 Oracle：企业级关系型数据库的领袖之路
Oracle Database是由甲骨文公司（Oracle Corporation）开发的一款高性能、高可用性的关系型数据库管理系统（RDBMS）。它广泛应用于企业级应用系统中，以其强大的功能和可靠性著称。
2025-02-20 10:41:16
722
原创 MySQL：开源关系型数据库的王者之路
MySQL 是开发者进入数据库世界的绝佳起点，无论是构建个人博客还是支撑千万级并发的系统，它都能提供可靠的技术支持。掌握 MySQL，你便掌握了数据驱动未来的钥匙！
2025-02-20 10:02:10
690
原创 数据库大观园：探索不同类型数据库的奥秘
选择合适的数据库，才能构建高效、稳定的数据管理系统。数据的世界纷繁复杂，数据库的类型也多种多样，每种数据库都有其独特的优势和适用场景。非关系型数据库就像一位灵活的数据艺术家，它不拘泥于固定的表格结构，而是采用键值对、文档、图形等方式存储数据。关系型数据库就像一位严谨的表格大师，它将数据存储在行和列组成的二维表格中，并使用 SQL 语言进行操作。非结构化数据: 适合存储格式灵活、结构多变的数据，例如社交网络数据、传感器数据等。结构化数据: 适合存储格式固定、关系明确的数据，例如用户信息、订单记录等。
2025-02-20 09:37:39
229
原创 数据库：数字时代的基石
以表格的形式存储数据，使用 SQL 语言进行操作，例如 MySQL、Oracle、SQL Server 等。以键值对、文档、图形等形式存储数据，具有高扩展性和灵活性，例如 MongoDB、Redis、Cassandra 等。在当今数字化的世界中，数据无处不在，而数据库则是管理和组织这些数据的核心工具。从简单的通讯录到复杂的金融交易系统，数据库的应用已经渗透到我们生活的方方面面。数据库就像是一个精心设计的图书馆，它将数据分门别类地存储起来，并提供高效的检索和管理机制。存储商品信息、用户数据、订单记录等。
2025-02-20 09:34:38
351
原创 Learning to Restore Low-Light Images via Decomposition-and-Enhancement(CVPR2020)阅读笔记
Learning to Restore Low-Light Images via Decomposition-and-Enhancement作者 | Ke Xu, Xin Yang, Baocai Yin, Rynson W.H. Lau单位 | 大连理工大学；香港城市大学；鹏城实验室文章地址：Learning to Restore Low-Light Images via Decomposition-and-Enhancement | IEEE Conference Publication | IE
2022-05-09 17:13:06
438
原创 图像增强物理方法之-Retinex模型，大气光照散射模型
Retinex模型基于Retinex模型的图像增强算法可以分成成基于图像块的Retinex算法，基于偏微分方程的Retinex算法，基于路径的Retinex算法和基于变分模型的Retinex算法大气光照散射模型I表示观察或拍摄到的质量降低的图像，J表示在正常光照条件下场景内物体反射光得到的图像，A称作大气光，t被称作透射函数，表示光线传播过程中介质对光线的散射和吸收能力暗通道先验去雾算法由此，基于这一统计观察提出了暗通道先验：在自然图像中局部图像块内总是存在一个色彩通道的值等于或接近
2021-05-28 16:20:58
1593
原创 图像增强数学方法之 线性函数-非线性函数
图像增强有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要 首先从全局出发，使用线性函数提升亮度到非线性函数夜晚图像最显著的特点就是图像亮度和对比度低，细节辨识程度差，以这个问题为解决目标，最简单直接的方法就是使用线性函数提升图像亮度。然而这种方法缺点也很明显，因为采用全局
2021-05-28 16:15:43
1109
原创 From Shadow Generation to Shadow Removal （CVPR2021）阅读笔记
前人的对于阴影的数据集的采用：For most of them a set of paired shadow images and their corresponding shadow-free version are used to train the network in a fully supervised manner其中大部分是使用一组成对的阴影图像及其对应的无阴影版本，以完全监督的方式训练网络they leverage the fact that a shadow image usual.
2021-05-28 15:59:31
2267
3
转载 深度学习 张量
深度学习 张量Tensor，中文叫张量，是深度学习的一个基础，不然TensorFlow也不会叫Tensor和Flow了在深度学习里，Tensor实际上就是一个多维数组（multidimensional array）。而Tensor的目的是能够创造更高维度的矩阵、向量。从相关讨论中截图几张说明的图：什么是张量 (tensor)？现在将三维的张量用一个正方体来表示这样子可以进一步生成更高维的张量：这有啥用呢？在用TensorFlow处理更高维数据结构的时候，最好可以能够在脑子里相出数据的形状
2021-05-28 15:36:32
334
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人