programming

4免費公開
程式碼memo
全部類型
免費與付費
最新發佈
最新發佈
avatar-avatar
虎斑貓
2025/07/10
現在越來越多團隊傾向把狀態、快取、排行榜、暫存資料通通往 Redis 塞。理由很簡單:Redis 快、簡單、大家都會用。但你有想過嗎?當多人或多實例同時修改同一筆 Redis 資料,資料就可能被覆蓋、異常或損毀。 本篇文章將以實作為主,示範一個用 Go 實作的 RedisLocker 工具
avatar-avatar
虎斑貓
2025/07/10
現在越來越多團隊傾向把狀態、快取、排行榜、暫存資料通通往 Redis 塞。理由很簡單:Redis 快、簡單、大家都會用。但你有想過嗎?當多人或多實例同時修改同一筆 Redis 資料,資料就可能被覆蓋、異常或損毀。 本篇文章將以實作為主,示範一個用 Go 實作的 RedisLocker 工具
avatar-avatar
虎斑貓
2025/07/02
最近在教學 Golang 的記憶體處理細節時,重新對 Pointer 和 Pointer Receiver 做了梳理。這兩者經常一起出現,但實際上代表不同層面的設計。
avatar-avatar
虎斑貓
2025/07/02
最近在教學 Golang 的記憶體處理細節時,重新對 Pointer 和 Pointer Receiver 做了梳理。這兩者經常一起出現,但實際上代表不同層面的設計。
avatar-avatar
虎斑貓
2025/07/01
Go 語言中的 init() 函式於 package 匯入時自動執行,import _ "..." 技巧則允許僅執行 init() 函式而避免使用該 package 的其他內容。
avatar-avatar
虎斑貓
2025/07/01
Go 語言中的 init() 函式於 package 匯入時自動執行,import _ "..." 技巧則允許僅執行 init() 函式而避免使用該 package 的其他內容。
avatar-avatar
虎斑貓
2021/09/23
傳統上,我們認為付出努力即可逐步接近目標,但在機器學習中,追求完美可能導致整體效能下降。,有時捨棄少量極端值,換取大幅提升整體模型表現更為實際。
Thumbnail
avatar-avatar
虎斑貓
2021/09/23
傳統上,我們認為付出努力即可逐步接近目標,但在機器學習中,追求完美可能導致整體效能下降。,有時捨棄少量極端值,換取大幅提升整體模型表現更為實際。
Thumbnail
全部類型
免費與付費
最新發佈
最新發佈
avatar-avatar
虎斑貓
2025/07/10
現在越來越多團隊傾向把狀態、快取、排行榜、暫存資料通通往 Redis 塞。理由很簡單:Redis 快、簡單、大家都會用。但你有想過嗎?當多人或多實例同時修改同一筆 Redis 資料,資料就可能被覆蓋、異常或損毀。 本篇文章將以實作為主,示範一個用 Go 實作的 RedisLocker 工具
avatar-avatar
虎斑貓
2025/07/10
現在越來越多團隊傾向把狀態、快取、排行榜、暫存資料通通往 Redis 塞。理由很簡單:Redis 快、簡單、大家都會用。但你有想過嗎?當多人或多實例同時修改同一筆 Redis 資料,資料就可能被覆蓋、異常或損毀。 本篇文章將以實作為主,示範一個用 Go 實作的 RedisLocker 工具
avatar-avatar
虎斑貓
2025/07/02
最近在教學 Golang 的記憶體處理細節時,重新對 Pointer 和 Pointer Receiver 做了梳理。這兩者經常一起出現,但實際上代表不同層面的設計。
avatar-avatar
虎斑貓
2025/07/02
最近在教學 Golang 的記憶體處理細節時,重新對 Pointer 和 Pointer Receiver 做了梳理。這兩者經常一起出現,但實際上代表不同層面的設計。
avatar-avatar
虎斑貓
2025/07/01
Go 語言中的 init() 函式於 package 匯入時自動執行,import _ "..." 技巧則允許僅執行 init() 函式而避免使用該 package 的其他內容。
avatar-avatar
虎斑貓
2025/07/01
Go 語言中的 init() 函式於 package 匯入時自動執行,import _ "..." 技巧則允許僅執行 init() 函式而避免使用該 package 的其他內容。
avatar-avatar
虎斑貓
2021/09/23
傳統上,我們認為付出努力即可逐步接近目標,但在機器學習中,追求完美可能導致整體效能下降。,有時捨棄少量極端值,換取大幅提升整體模型表現更為實際。
Thumbnail
avatar-avatar
虎斑貓
2021/09/23
傳統上,我們認為付出努力即可逐步接近目標,但在機器學習中,追求完美可能導致整體效能下降。,有時捨棄少量極端值,換取大幅提升整體模型表現更為實際。
Thumbnail