- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云智能·AI公有云
人脸试妆的场景化应用
可应用于社交传播、营销推广等多种场景，满足用户的人脸试妆和人脸娱乐相关需求。 ---- 功能 腾讯云人脸试妆提供试唇色、智能美颜等功能。更多功能我们将陆续开放，敬请期待。 ---- 场景化应用 在线试妆、试唇色营销推广 腾讯云神图·试唇色接口以检测人脸关键点的人脸识别技术为核心，通过精准识别用户唇部并实现色彩自然融合处理，满足在线换唇色需求。 可助力美妆类品牌主营销推广，实现在线试口红、虚拟试妆，用户通过智能终端即可体验最接近本人真实情况的唇色效果， 在线试口红、试妆场景的营销，不仅可增加品牌主与用户的互动性更有助于品牌的宣传。 运用腾讯云神图·人脸融合能力制作变脸活动应用时，可以加入神图·人脸试妆中的美颜接口，帮助对用户上传的人脸照片进行美颜后融合变脸。提升用户体验与活动参与好感度。 为此类小程序或APP产品应用增加亮点和趣味性，提高产品与用户的互动体验；间接帮助拉新、导流、提升活跃与留存。
6.7K41发布于 2020-02-26 - 来自专栏腾讯研究院的专栏
再谈Docker，微服务的场景化应用
在这里，我也套用一下这个词，“什么是微服务的场景化应用？”。去中心化的云服务，是一个非常典型的应用场景。 什么是去中心化的云服务呢？这里做一个类比，譬如家里的供暖，可以采用集中化的供暖方式。 主要是以托管为主，因此大部分还是中心化的云服务。随着云计算的应用越来越垂直化，必然也会出现越来越多的去中心化的应用场景。 去年iCloud爆出了被黑客攻击。 这种模式，也给开源软件找到了一个非常好的商业化的机制。我相信这种机制未来会越来越流行。 一个游戏架构的应用场景 游戏是一个比较特殊的行业。 其实这种模式下，微服务也是一个非常好的应用场景。我们知道，游戏其实有非常复杂的逻辑，譬如有控制人物移动的逻辑，控制道具，控制战斗，同时，游戏中还有成百上千的电脑控制的角色，每个角色都需要有自己智能。 停止谈论Docker，思考Docker技术之上的丰富的场景化的应用，才是关键。同样，微服务也只是一种架构思想。基于这种架构所带来的神奇的应用场景才是未来。
1.3K81发布于 2018-03-06 - 来自专栏AI技术应用
大模型本地化部署的应用场景
大模型本地化部署，因其在数据隐私、低延迟、成本控制等方面的优势，在多个领域展现出广泛的应用前景。以下是一些主要的应用场景。1. 实时响应型应用：自动驾驶： 本地部署能够实现快速的传感器数据处理和决策，确保车辆的行驶安全。智能制造： 在生产线上实时检测产品质量、预测设备故障，提高生产效率。 定制化与控制型应用：企业内部应用： 企业可以根据自身需求，定制和优化本地部署的AI模型，实现个性化的业务应用。科研领域： 研究人员可以在本地设备上进行模型训练、测试和调试，提高科研效率。 个人用户： 个人用户可以在本地设备上，运行自己偏好的大语言模型，对本地文档进行隐私的查询，或者进行各种本地化的AI功能。5. 总而言之，AI大模型本地化部署的应用场景非常广泛，并且随着技术的不断进步，其应用范围还将进一步扩大。
91810编辑于 2025-03-11 分享6类10种政务AI大模型应用场景
大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。 6类政务AI大模型的应用场景：政务咨询领域：通过构建具备深厚专业知识的智能助手，针对财务、环保等专业领域，提供精确的咨询和解答服务。这有助于提升企业和公众的办事体验，同时增强政府机构的工作效率。 城市治理领域：大模型专注于快速响应民意诉求、智能分类问题、高效处理事件工单等城市治理需求，开发特色应用，提高城市事件处理的效率，提升城市治理的智能化水平。 10种具体应用实例：政务服务- 智能问答系统：全天候提供咨询服务，解答政府服务相关问题。- 政策解读与推荐：自动解析政策文件，推荐与用户需求相关的政策信息。 - 个性化服务：根据用户偏好，提供定制化服务。
2.6K10编辑于 2024-08-06- 来自专栏数据山谷
Python｜Plotly数据可视化（代码+应用场景）
数据可视化一网打尽 01 前言 数据可视化作为数据分析最直接的结果呈现方式，了解其制作方式和应用场景是很有必要的，本文来了解一下各个图标的应用场景及代码实现。 02 可视化绘制思维导图 绘制可视化图形，非常重要的一点就是了解什么时候需要绘制怎样的图，对于多种可视化图形的绘制方向总结如下图： 03 比较类图 创建示例数据如下： import pandas as ) fig.show() 雷达图 雷达图通常用于对个体的多个属性进行分析（企业经营状况、个人能力等） 在游戏中我们经常会看见各种游戏能力雷达图，这就是最常见的一种游戏雷达图的应用方式 切记不要把直方图和柱状图混为一谈，在使用的场景上二者是有一定差异的。 , b=10, t=10)) fig.show() 08 地理类图 地图 地图通常用于地理之间数据的展示，如：GDP对比、各省营业额对比等。
4.1K20编辑于 2022-05-31 - 来自专栏Lauren的FPGA
Vivado模块化综合技术的应用场景
模块化综合技术的最大优势在于实现了Vivado在模块层面对设计的综合进行相应地优化处理，使得综合的设置更能匹配设计的需求，从而提高综合的QoR。这里我们将介绍一下模块化综合技术的应用场景。 应用场景1：对不同模块设置不同的综合选项 如下图所示，对模块inst_0，为阻止其LUT Combining，将LUT_COMBINING设置为0，同时允许Retiming，故将RETIMING设置为1 由此可见，模块化综合可灵活地为不同模块设置期望的综合选项。 ? 应用场景2：对不同模块设置不同的综合策略 Vivado提供了不同的综合策略，如下图所示。这些综合策略是针对整个工程的。 目前，可应用于模块的综合策略包括： DEFAULT AREA_OPTIMIZED ALTERNATE_ROUTABILITY PERFORMANCE_OPTIMIZED 下图显示了使用模块化综合对时序的影响 结论 模块化综合技术允许对不同模块设置不同的综合选项，实现细粒度化管理 模块化综合技术允许对不同模块设置不同的综合策略，尽管本质上仍是综合选项的设置，但避免了逐个修正不同的综合选项 上期内容： Vivado
1.1K40发布于 2019-10-31 - 来自专栏Python大数据分析
Python处理办公自动化的10大场景
举10几个办公自动化常见的例子，Python都能高效处理。 ❝如果小伙伴们需要Python办公学习文档，可以在后台回复【c】，领取打包文件。 mail_sender, mail_receivers, mm.as_string()) print("邮件发送成功") # 关闭SMTP对象 stp.quit() 4、Python处理数据库 数据库是我们常用的办公应用 cursor.fetchone() print ("Database version : %s " % data) # 关闭数据库连接 db.close() 5、Python处理批量文件 对很多办公场景来说 Python中有很多包支持文件压缩，可以让你自动化压缩或者解压缩本地文件，或者将内存中的分析结果进行打包。 logo_url = "https:"+logo_pic_info[0]['src'] # 使用urlretrieve下载图片 urlretrieve(logo_url, 'logo.png') 10
1.4K10编辑于 2022-07-06 - 来自专栏CU技术社区
如何 10 步 Docker 化一个应用？
本文将讲解如何将应用 Docker 化的一些很实用的技巧和准则，推荐一读。 七、定义一种配置方式 每个应用程序都需要参数化，你基本上可以遵循以下两个原则： 使用应用程序特定的配置文件：该方式需要通过文档来说明配置文件的格式、字段、放置位置等等（当运行环境比较复杂，例如：应用程序跨越不同的技术 这种方式可以将应用程序的配置文件封装在容器内部。 八、外部化数据 关于数据存储有一条黄金法则：绝对不要将任何持久化数据保存到容器内。 容器的文件系统本身是被设计成临时和短暂的。 但是在一些实际场景下你可能会遇到问题，例如：运行一个简单的 Nginx 容器，至少会有两种不同的日志文件： HTTP 访问日志（Access Logs） 错误日志（Error Logs） 对于这种按照特定结构输出日志的应用 注：本文在 「如何 Docker 化任意一个应用」的基础上整理和修改，原文地址：http://t.cn/ReT0AyJ 。
94520发布于 2019-10-25 IP协议从跨境到物联网的场景化应用
场景化优化技巧地址稳定性保障：跨境账号运营需使用静态IP，避免IP频繁变动导致账号风控，IPv4静态地址适配多数平台的信任机制，IPv6静态地址需确保归属地与目标市场一致；路由优化：跨境传输中，IP协议的路由跳转次数直接影响延迟 场景化优化技巧传输效率提升：关闭不必要的IP协议选项（如IPv4的fragmentation功能），减少数据包拆分与重组开销；IPv6可启用自动MTU协商，匹配网络链路的最优传输单元；安全性强化：IPv4 协议选择标准家庭网络（≤10台设备）：优先IPv4协议，通过路由器DHCP功能自动分配私有IPv4地址，再通过NAT技术共享公网IP，配置简单，适配多数家用设备；企业内网（10-100台设备）：双协议并行部署 场景化优化技巧地址规划：IPv4需合理划分私有地址段，避免地址冲突；IPv6可按设备类型或区域划分地址前缀，便于管理与故障排查；冲突避免：启用路由器的ARP缓存检测功能，及时发现IPv4地址冲突；IPv6 ，实现IPv4与IPv6的互通，避免业务中断；场景化优化技巧协议过渡平滑：采用“逐步迁移”策略，先在非核心业务中部署IPv6，验证稳定性后再迁移核心业务，避免一次性迁移的风险；设备与应用适配：选择支持IPv6
21710编辑于 2025-12-03- 来自专栏JAVA乐园
Zookeeper应用场景
Zookeeper 分布式服务框架是 Apache Hadoop 的一个子项目，主要是用来解决分布式应用中经常遇到的一些数据管理问题。 所以不能可靠的观察到节点的每一次变化 客户端监视一个节点，总是先获取watch事件，再发现节点的数据变化 watch事件的顺序对应于zookeeper服务所见的数据更新的顺序 流行的应用场景 1、分布式应用配置管理 发布与订阅即所谓的配置管理，顾名思义就是将数据发布到zk节点上，供订阅者动态获取数据，实现配置信息的集中式管理和动态更新。 序列化节点 3、分布式通知/协调 ZooKeeper中特有watcher注册与异步通知机制，能够很好的实现分布式环境下不同系统之间的通知与协调，实现对数据变更的实时处理。 对于第二种先进先出队列，增加分布式锁服务以控制时序场景
95010编辑于 2022-06-30 - 来自专栏安全攻防
Nginx应用场景
} # 重复n次{n,} # 重复n次或更多次[c] # 匹配单个字符c[a-z] # 匹配a-z小写字母的任意一个(a|b|c) # 匹配任意一种情况\ 反斜杠 # 转义特殊字符二、静态服务器应用服务器通常会提供一个上传的功能 ，应用如果需要静态资源就从静态服务器中获取。 curl www.nginx.com.cn:8089# {"id":100001,"name":"1neptune"}四、负载均衡分摊到多个操作单元上进行执行，例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等
3.4K20编辑于 2023-02-02 - 来自专栏张善友的专栏
Redis应用场景
应用场景： String是最常用的一种数据类型，普通的key/value存储都可以归为此类，这里就不所做解释了。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key /value结构来存储，主要有以下2种存储方式 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现，比较好理解，这里不再重复。 Redis作者谈Redis应用场景 为什么使用 Redis及其产品定位 Redis内存使用优化与存储 Redis复制与可扩展集群搭建 现实世界中的 Redis Redis 介绍2——常见基本类型 Redis
1.5K60发布于 2018-01-29 - 来自专栏时光笔记
SpringCloud 应用场景
一、微服务 问题 当一个大应用包含很多功能模块的时候，其中一个小模块出现问题可能导致整个系统不能用。 当一个项目从一个人开发变成多人协作开发，在一个应用中开发时不同开发人员需要考虑各种兼容协调问题，沟通成本很大。 当应用中的某个模块需要高并发的时候，整个大应用甚至一些调用频率很低的模块都要考虑高并发。 解决 在微服务架构风格中，一个大应用被拆分成为了多个小的服务系统提供出来，这些小的系统他们可以自成体系。 这些小系统可以拥有自己的数据库，框架甚至语言等，这些小系统通常以提供 Rest Api 风格的接口来被 H5, Android, IOS 以及第三方应用程序调用。
2.1K30发布于 2020-03-11 - 来自专栏Java编程指南
redis应用场景
应用场景：String是最常用的一种数据类型，普通的key/ value 存储都可以归为此类，即可以完全实现目前 Memcached 的功能，并且效率更高。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时，需要把整个对象取回，并且修改操作需要对并发进行保护 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现。 ORDER BY time DESC LIMIT 10 在Web应用中，“列出最新的回复”之类的查询非常普遍，这通常会带来可扩展性问题。
1.1K10发布于 2019-08-02 - 来自专栏Java程序猿部落
ReadWriteLock场景应用解析
因为在真实的业务场景中，一份数据，读取数据的操作次数通常高于写入数据的操作，而线程与线程间的读读操作是不涉及到线程安全的问题，没有必要加入互斥锁，只要在读-写，写-写期间上锁就行了。 ============以下我会通过一个真实场景下的缓存机制来讲解 ReentrantReadWriteLock 实际应用============ 首先来看看ReentrantReadWriteLock
1.7K10发布于 2019-12-30 - 来自专栏FreeBuf
去中心化应用安全威胁Top10榜单
NCC Group 发起了一个名为 2018 年去中心化应用安全 Top10（Decentralized Application Security Project）的项目。 据悉，该项目会与类似于 OWASP 的方式发布去中心化应用安全领域中，每年的十大安全威胁报。与 OWASP 开放合作透明的运作理念相似，该项目也是以集成合作的方式披露智能合约中存在的安全漏洞。 因翻译时间所限，难免出现疏漏，在 FreeBuf 上分享仅为抛砖引玉之用，望对去中心化应用感兴趣的同学在此多指正、多交流。 ? 在去中心化应用、以太坊的世界中，拒绝服务问题往往会是致命的：尽管其他类型的应用程序最终总是可以恢复服务的，但智能合约可能会因一次拒绝服务攻击而永久下线。 代码审计和安全检查仍然会是有效的措施，尽管有很多不成熟的地方，去中心化应用仍然在以飞速的方式发展。 *参考来源：dasp，本文编译整理Elaine，转载请注明FreeBuf.COM
53320发布于 2018-07-30 - 来自专栏技术从心
redis应用场景
应用场景：String是最常用的一种数据类型，普通的key/ value 存储都可以归为此类，即可以完全实现目前 Memcached 的功能，并且效率更高。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时，需要把整个对象取回，并且修改操作需要对并发进行保护 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现。 ORDER BY time DESC LIMIT 10 在Web应用中，“列出最新的回复”之类的查询非常普遍，这通常会带来可扩展性问题。
1.9K20发布于 2019-08-06 - 来自专栏崔哥的专栏
Redis 应用场景
首先，总结一下这些应用场景，它们不是独立存在的，很多都还是要依赖mysql；甚至项目初期这些都不是第一选择，很多场景mysql也能做，并且更简单 生成唯一的随机数 很多网站的详情页链接都有一个随机数，比如 ('hotblog', 1, 100);//id为100的文章每次访问加1 $list=$this->cache()->zRevRangeByScore('hotblog', 30, 10 , ['withscores' => TRUE, 'limit' => [0, 10]]);//浏览量在10～30之间的 $list=$this->cache()->zRevRange( this->cache()->lPush('list', 2);//左边进 $r=$this->cache()->rPop('list');//右边出 token登陆令牌 这是我最常用的一个场景
94320编辑于 2022-09-27 - 来自专栏美图数据技术团队
深度模型DNN在个性化推荐场景中的应用
与此同时互联网所面临的信息超载问题愈演愈烈，其中个性化推荐是重要的信息过滤手段。 在第九期美图技术沙龙中，来自美图公司的蒋文瑞以短视频为切入点，探索如何将深度模型应用于个性化推荐场景。 / 业务背景 / 我们团队主要业务场景在美拍潮流短视频社区，美拍首页以双列流形式展示，也就是热门短视频场景。若用户看完当前热门短视频意犹未尽，想看更多相似内容时可向下滑动，即上下滑业务场景。 ? 随着短视频制作与发布的便捷性提高，每分每秒会有大量的短视频产生，面临这样的信息超载情况，个性化推荐服务愈显重要。 / 个性化推荐流程 / 个性化推荐分为多个阶段。 我们不可能每做一次调整就尝试应用于线上服务，而是需要通过一些指标来快速衡量模型是否符合预期。 我们的模型跨越 4 个方面： Embedding LR MLP Cross 不同于卷积神经网络 CNN 对图像的语义理解，个性化推荐场景中的特征通常高维度且十分稀疏，需要有效的 Embedding 手段来处理这种问题
1.6K21发布于 2018-08-22 - 来自专栏鸿蒙开发笔记
鸿蒙应用开发（HarmonyOS）多线程能力场景化示例实践
简介应用中的每个进程都会有一个主线程，主线程主要承担执行UI绘制操作、管理ArkTS引擎实例的创建和销毁、分发和处理事件、管理Ability生命周期等职责。 因此，开发应用时应当尽量避免将耗时的操作放在主线程中执行。ArkTS提供了Worker和TaskPool两种多线程并发能力，多线程并发允许在同一时间段内同时执行多段代码。 TaskPool作用是为应用程序提供一个多线程的运行环境。 ，我们还会碰到一些其他并发场景问题，下面我们介绍了常用并发场景的示例方案推荐。 因为序列化传输普通对象时，仅支持传递属性，不支持传递其原型及方法。
89820编辑于 2024-10-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号