psywan的博客

边缘计算是指在用户或数据源的物理位置或附近进行的计算，这样可以降低延迟，节省带宽。在云计算模式中，计算资源和服务通常集中在大型数据中心内，而最终用户则是在网络的边缘访问这些资源和服务。这种模型已被证实具有成本优势和更高效的资源共享功能。但是，新型最终用户体验（如物联网）则需要计算能力更接近物理设备或数据源的实际位置，即网络的"边缘"。

什么是机器学习，机器学习和深度学习的区别 机器学习遇到的挑战

1.B树和B+树的区别：B+树中只有叶子节点会带有指向记录的指针（ROWID），而B树则所有节点都带有，在内部节点出现的索引项不会再出现在叶子节点中。B+树中所有叶子节点都是通过指针连接在一起，而B树不会。B+树的优点：非叶子节点不会带上ROWID，这样，一个块中可以容纳更多的索引项，一是可以降低树的高度。二是一个内部节点可以定位更多的叶子节点。叶子节点之间通过指针来连接，范围扫描将十分简单，而对于B树来说，则需要在叶子节点和内部节点不停的往返移动。B树的优点：对于在内

机器学习中，怎样只用numpy提取CSV数据提示：机器学习中需要训练数据，如何只用numpy来提取数据？以下是我认为最简单的方法。提示：以下是本篇文章正文内容，下面案例可供参考步骤1.numpy引入库代码如下（示例）：import numpy as np2.读入数据代码如下（示例）：def load_data(fname): labels = [] features = [] with open(fname) as F: for