- 擴(kuò)展學(xué)習(xí) 內(nèi)容精選 換一換
-
來自:百科華為云計算 云知識 學(xué)習(xí)Python編程需要什么基礎(chǔ):函數(shù) 學(xué)習(xí)Python編程需要什么基礎(chǔ):函數(shù) 時間:2021-04-07 09:27:41 函數(shù)是一個能完成特定功能的代碼塊,可在程序中重復(fù)使用,減少程序的代碼量和提高程序的執(zhí)行效率。在python中函數(shù)定義語法如下: 返回值來自:百科
- 擴(kuò)展學(xué)習(xí) 相關(guān)內(nèi)容
-
華為云計算 云知識 pnpm文檔手冊學(xué)習(xí)與基本介紹 pnpm文檔手冊學(xué)習(xí)與基本介紹 時間:2021-06-29 17:03:51 pnpm 是一個速度快、節(jié)省磁盤空間的軟件包管理器。pnpm 在功能上類似于 npm 和 Yarn 。 pnpm文檔手冊學(xué)習(xí)與信息參考網(wǎng)址:https://www來自:百科Gridsome文檔手冊學(xué)習(xí)與基本介紹 Gridsome文檔手冊學(xué)習(xí)與基本介紹 時間:2021-07-09 11:44:58 Gridsome 是一個免費(fèi)、開源的 Vue.js 框架,用于構(gòu)建網(wǎng)站和應(yīng)用程序,在默認(rèn)配置下也能有非??斓乃俣?。 Gridsome文檔手冊學(xué)習(xí)與信息參考網(wǎng)址:https://www來自:百科
- 擴(kuò)展學(xué)習(xí) 更多內(nèi)容
-
華為云計算 云知識 Infima框架文檔手冊學(xué)習(xí)與基本介紹 Infima框架文檔手冊學(xué)習(xí)與基本介紹 時間:2021-07-09 10:41:55 Infima是一個樣式框架,專門為內(nèi)容導(dǎo)向型網(wǎng)站而設(shè)計。Infima 與現(xiàn)有 CSS 框架(例如 Bootstrap、Bulma)之間來自:百科華為云計算 云知識 基于深度學(xué)習(xí)算法的 語音識別 基于深度學(xué)習(xí)算法的語音識別 時間:2020-12-01 09:50:45 利用新型的人工智能(深度學(xué)習(xí))算法,結(jié)合清華大學(xué)開源語音數(shù)據(jù)集THCHS30進(jìn)行語音識別的實(shí)戰(zhàn)演練,讓使用者在了解語音識別基本的原理與實(shí)戰(zhàn)的同時,更好的了解人工智能的相關(guān)內(nèi)容與應(yīng)用。來自:百科大數(shù)據(jù)分析學(xué)習(xí)與微認(rèn)證 通過系列大數(shù)據(jù)分析與應(yīng)用的在線課程學(xué)習(xí),加上對大數(shù)據(jù)應(yīng)用學(xué)習(xí)的在線動手實(shí)驗(yàn)環(huán)境提供,一站式在線學(xué)練考,零基礎(chǔ)學(xué)習(xí)前沿技術(shù),考取權(quán)威證書。 大數(shù)據(jù)分析學(xué)習(xí)課程與認(rèn)證 課程結(jié)合實(shí)踐,借助配套的實(shí)驗(yàn)環(huán)境,一站式學(xué)練考,輕松Get新知識 【初級】球星薪酬決定性因素分析來自:專題
- 《Python大規(guī)模機(jī)器學(xué)習(xí)》—2 Scikit-learn中的可擴(kuò)展學(xué)習(xí)
- 《Python大規(guī)模機(jī)器學(xué)習(xí)》 —2 Scikit-learn中的可擴(kuò)展學(xué)習(xí)
- React 入門學(xué)習(xí)(十七)-- React 擴(kuò)展
- 水平擴(kuò)展/垂直擴(kuò)展
- 學(xué)習(xí)筆記|AdaBoost的擴(kuò)展之二——提升樹
- 【Groovy】Groovy 擴(kuò)展方法 ( 擴(kuò)展靜態(tài)方法示例 | 擴(kuò)展實(shí)例方法示例 | 擴(kuò)展實(shí)例方法與擴(kuò)展靜態(tài)方法代碼相同 )
- 【PHP擴(kuò)展】centos給PHP安裝擴(kuò)展
- 【華為鴻蒙開發(fā)技術(shù)】倉頡語言中的擴(kuò)展機(jī)制【擴(kuò)展概述、直接擴(kuò)展、接口擴(kuò)展、訪問規(guī)則】
- 【C++深度剖析學(xué)習(xí)總結(jié)】 7 函數(shù)參數(shù)的擴(kuò)展
- 學(xué)習(xí)筆記|AdaBoost的擴(kuò)展之一——前向分步算法