咨询一下 通过上传资源获得的下载积分 会不会在一年后被清空？

beck5627597 2018-03-28 11:08:52
咨询一下 通过上传资源获得的下载积分 会不会在一年后被清空？
...全文
165 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
CSDN客服-糊胡 2018-03-28
  • 打赏
  • 举报
 回复
引用 楼主 beck5627597 的回复:
咨询一下 通过上传资源获得的下载积分 会不会在一年后被清空？
您好！ 通过上传资源获得的积分不会被过期扣减，只有获赠的积分会在一年后被过期扣减。
beck5627597 2018-03-28
  • 打赏
  • 举报
 回复
有没有准确回答的？
DeepSeek-R1-Distill-Qwen-1.5B应用案例：智能客服快速实现
本文介绍如何基于DeepSeek-R1-Distill-Qwen-1.5B模型，通过Streamlit实现免训练、低显存、全本地化的智能客服系统。该方案支持结构化推理输出、模糊提问主动追问、合规性自检，并可在RTX 3060等入门级GPU上高效运行，适用于金融、医疗等强监管行业的私有化部署。
【XGBoost回归预测】基于matlab龙格库塔算法RUN优化XGBoost数据回归预测【含Matlab源码 3260期】
本文介绍了如何使用MATLAB结合龙格库塔算法RUN优化XGBoost进行数据回归预测。通过MATLAB代码展示了数据预处理、模型训练、参数优化以及评估指标的计算过程。
【电力负荷预测】龙格库塔算法优化回声神经网络RUN-ESN电力负荷预测（多输入单输出）【含Matlab源码 5342期】
采用龙格库塔算法优化回声状态网络（ESN）进行多输入单输出（MISO）电力负荷预测，利用改进的数值解微分方程方法提升预测精度。
【CNN回归预测】龙格库塔算法优化卷积神经网络RUN-CNN风电数据预测（多输入单输出）【含Matlab源码 5285期】
介绍了一种基于龙格库塔算法优化的卷积神经网络RUN-CNN，该模型结合了CNN和残差连接，用于风电速度预测。通过将卷积层的求导过程近似成微分方程并展开，形成迭代训练方式，解决梯度消失问题，加速收敛。
需求设计文档：软件工程中的认知对齐与风险控制协议
本文阐述需求设计文档（PRD）在软件工程中的本质是风险控制协议，而非功能说明书。重点覆盖四大核心风险：业务意图失真、技术实现发散、验收标准模糊、协作责任断层，并提出包含业务背景、用户角色、功能优先级、交互状态机、伪代码逻辑、非功能性SLA、上线责任书的7个不可妥协模块。强调用Git管理PRD、前置验收用例、RACI矩阵、文档健康度仪表盘等工程化实践，提升认知对齐与交付质量。
客服专区

605

社区成员

48,760

社区内容

发帖
与我相关
我的任务
社区描述
客服专区
其他 技术论坛（原bbs）
社区管理员
  • 客服专区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章