相关推荐
-
构建高性能ASP.NET站点
系列文章连接:构建高性能ASP.NET站点开篇构建高性能ASP.NET站点之一剖析页面的处理过程(前端)构建高性能ASP.NET站点之二优化HTTP请求(前端)构建高性能ASP.NET站点之三细节决定成败开篇网站优化需要考虑的方面在用...
-
构建高性能ASP.NET站点(上)
系列文章:构建高性能ASP.NET站点开篇构建高性能ASP.NET站点之一剖析页面的处理过程(前端)构建高性能ASP.NET站点之二优化HTTP请求(前端)构建高性能ASP.NET站点之三细节决定成败构建高性能ASP.NET站点第五章—性能...
-
构建高性能ASP.NET站点(下)
系列文章:构建高性能ASP.NET站点第六章—性能瓶颈诊断与初步调优(上篇)—识别性能瓶颈构建高性能ASP.NET站点第六章—性能瓶颈诊断与初步调优(下前篇)—简单的优化措施构建高性能ASP.NET站点第六章—性能瓶颈...
-
构建高性能ASP.NET站点(中)
大型高性能ASP.NET系统架构设计构建高性能ASP.NET站点第五章—性能调优综述(中篇)构建高性能ASP.NET站点第五章—性能调优综述(后篇)大型动态应用系统又可分为几个子系统:Web前端系统负载均衡系统数据库集群系统...
-
构建高性能可扩展ASP.NET网站 Ultra-Fast ASP.NET 4.5 第二版 非扫描英文版
《构建高性能可扩展ASP.NET网站》第二版,英文版,即《Ultra-Fast ASP.NET 4.5》
-
构建高性能可扩展ASP.NET网站
This book’s 11 chapters are designed to be read in succession, but you can jump back and forth between topics and fill in the blanks when necessary. The chapters are organized into the following ...
-
构建高性能可扩展ASP.NET网站 高清中文版
《构建高性能可扩展ASP.NET网站》由Richard Kiessig所著,针对ASP.NET网站开发中可能遇到的问题,给出了经过实践检验的具体解决方法。涉及的内容包括:加快显示HTML的方法、缓存的最佳方式、如何使用IIS、如何处理...
-
构建高性能可扩展ASP.NET网站-中文版
构建高性能可扩展ASP.NET网站中文版(带目录)。针对ASP.NET网站开发中可能遇到的问题,给出了经过实践检验的具体解决方法。涉及的内容包括:加快显示HTML的方法、缓存的最佳方式、如何使用IIS、如何处理会话状态、...
-
构建高性能可扩展ASP.NET网站.part1
构建高性能可扩展ASP.NET网站.part1 构建高性能可扩展ASP.NET网站.part2
-
《构建高性能可扩展ASP.NET网站》源码
此为《构建高性能可扩展ASP.NET网站》一书的源码 让ASP.NET + SQL Server网站飞 迅速提升网站性能,全面挖掘网站潜力 微软资深技术专家力作,亚马逊全五星评价 本书针对ASP.NET 网站开发中可能遇到的问题,给出了...
-
构建高性能可扩展ASP.NET网站PDF与源码(修正PDF)
上次上传失误,没有包含PDF文档。包含构建高性能可扩展ASP.NET网站源码以及文档
-
[全]构建高性能可扩展ASP.NET网站+代码
这个是完整版本,有文档有代码,下这一个就好了。 其他的要么缺代码,要么缺文档。
-
ASP.NET AJAX深入浅出系列课程(31):构建高性能ASP.NET AJAX应用程序
ASP.NET AJAX深入浅出系列课程(31):构建高性能ASP.NET AJAX应用程序
-
构建高性能可扩展ASP.NET网站(pdf英文版 + SourceCode)
构建高性能可扩展ASP.NET网站.pdf
-
打造基于jQuery的高性能TreeView(asp.net)
根据我的项目实践情况,主要是几个关键点: 1:支持静态的树,即一次性将全部数据加载到客户端。2:异步树,即一次只加载一级或若干级节点,子节点可以异步加载数据。3:Checkbox树(可能是静态树也可能是异步树),...
-
毕业设计基于STC12C5A、SIM800C、GPS的汽车防盗报警系统源码.zip
STC12C5A通过GPS模块获取当前定位信息,如果车辆发生异常震动或车主打来电话(主动请求定位),将通过GSM发送一条定位短信到车主手机,车主点击链接默认打开网页版定位,如果有安装高德地图APP将在APP中打开并展示汽车当前位置 GPS模块可以使用多家的GPS模块,需要注意的是,当前程序对应的是GPS北斗双模芯片,故只解析 GNRMC数据,如果你使用GPS芯片则应改为GPRMC数据即可。 系统在初始化的时候会持续短鸣,每初始化成功一部分后将长鸣一声,如果持续短鸣很久(超过20分钟),建议通过串口助手查看系统输出的调试信息,系统串口默认输出从初始化开始的所有运行状态信息。 不过更建议你使用SIM868模块,集成GPS.GSM.GPRS,使用更加方便
-
基于tensorflow2.x卷积神经网络字符型验证码识别.zip
基于tensorflow2.x卷积神经网络字符型验证码识别 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
-
【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip
【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip
-
自己编写的python 程序计算cpk/ppk
cpk&ppk python 小程序,品友点评
-
基于Springboot开发的分布式抽奖系统.zip
基于springboot的java毕业&课程设计