Xiao_yanling
Xiao_yanling

CS224d Assignment1 part2（Neural Network Basics）非代码部分

CS224d Assignment1 part2（Neural Network Basics）非代码部分_第1张图片
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第2张图片
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第3张图片
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第4张图片
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第5张图片
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第6张图片
由图知计算过程为：
① Z 1 = x W 1 + b 1 Z_1=xW_1+b_1 Z1​=xW1​+b1​
②隐藏层 h = s i g m o i d ( Z 1 ) h=sigmoid(Z_1) h=sigmoid(Z1​)
③ Z 2 = h W 2 + b 2 Z_2=hW_2+b_2 Z2​=hW2​+b2​
④输出层 y ^ = s o f t m a x ( Z 2 ) \widehat{y}=softmax(Z_2) y ​=softmax(Z2​)
损失函数：交叉熵
在这里插入图片描述
求导过程：
CS224d Assignment1 part2（Neural Network Basics）非代码部分_第7张图片
在这里插入图片描述
图中为全连接：
则参数个数：
D x ∗ H + H + H ∗ D y + H D_x*H+H+H*D_y+H Dx​∗H+H+H∗Dy​+H

你可能感兴趣的:(CS224)

  • CS224N WINTER 2022（一）词向量（附Assignment1答案） 囚生CY CS224N课程系列自然语言处理机器学习数据挖掘深度学习线性代数
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • NLP中的CNN loganzha 自然语言处理
    前言这篇博文是笔者之前学习自然语言处理课程CS224的笔记，首发于公众号:NLP学习者从RNN(循环网络)到CNN(卷积网络)虽然已经学习了多个循环神经网络，但是实际上，循环神经网络不擅长于短语，因为RNN总是将整个句子输入到LSTM中，并且在RNN的最终向量中最后一个单词往往起了很大作用。CNN的想法是从一定长度的序列中同时计算他们的表示。例如有句子“tentativedealreachedto
  • CS224斯坦福nlp课程学习笔记2-词向量 NLP 小白进阶 自然语言处理-wordembdedding学习笔记
    onehotencoder（词袋模型）每个词表示为一个向量，向量长度为语料库中词的个数，每个向量值只有一个编码为1其余是0杭州[0,0,0,0,0,0,0,1,0,……，0,0,0,0,0,0,0]上海[0,0,0,0,1,0,0,0,0,……，0,0,0,0,0,0,0]宁波[0,0,0,1,0,0,0,0,0,……，0,0,0,0,0,0,0]北京[0,0,0,0,0,0,0,0,0,……，1
  • cs224 -Lecture 1:Introduction and Word Vectors 然后就去远行吧 CS224n课程
    1、课程介绍了解有效的现代深度学习方法；-首先回顾一些基础知识，然后介绍NLP中的关键方法：递归网络，注意力机制等；了解人类语言的全貌，以及理解和产生语言的困难；理解并有能力为NLP中的主要问题构建系统(在pytorch中)；-单词的意思，依赖解释（dependencyparsing），机器翻译，问题回答；2、人类语言和词义2.1我们怎样表达一个词的意思？定义：meaning（韦氏词典）——对me
  • 词向量模型W词向量模型Word2Vecord2Vec loganzha 自然语言处理
    前言本文是之前学习自然语言处理课程CS224课程的笔记。首发于公众号"NLP学习者"简介想要处理文本首先就要将单词表示成计算机可以处理的格式，表示的方法一般有两种，一种是one-hot编码，另一种是分布式表示，分布式表示涉及从单词个数维度的空间到具有更低维度的连续向量空间的数学嵌入。本篇博文介绍的word2vec就是一种分布式表示，word2Vec尝试去做的是利用语言的意义理论，根据一个单词来预测
  • 2021斯坦福CS224N课程笔记~1 波悠悠的菠萝 自然语言处理机器学习人工智能
    2021斯坦福CS224课程leture1~2笔记leture1~IntroductionandWordVectorsWord2vec模型leture2~NeuralClassifiersGlove模型leture1~IntroductionandWordVectors首先简要介绍传统NLP的缺陷和分布式语义思想，其次重点讲解word2vec模型。1.传统NLP的缺陷：把词语看作离散的符号，one
  • 跑实验_word2vector词向量实现_基于搜狗新闻预料+维基百科 surrender2u nlp
    这篇博客只是记录一下如何解决跑别人的代码没通的过程。文章目录1运行代码0设备环境1.获取语料库2.语料库预处理3.训练4.开动！使用词向量近义词获取某个词语的词向量计算句子相似度词向量加减运算选出集合中不同类的词语2总结一下经验3补充1运行代码最经在学CS224课程，理论上了解了一个大概，但是仍然没什么感觉，想要跑一跑word2vecd代码，于是在g站找到了下面这个仓库：中文word2vector
  • 自然语言处理学习——CS224课程笔记 skyseezhang123 自然语言处理
    自然语言处理学习——CS224课程笔记第一部分：词向量（Lecture1）对于自然语言处理问题，涉及到的基本处理单元是一个个单词（英文为单词，中文为词汇），将单词表示成计算机能够理解的符号是解决自然语言处理问题的基础。词向量就是目前发展出的分布式表示单词语义信息的关键方法。在正式介绍词向量之前，先介绍一下其它几种表示单词和文档的方法。1.one-hot编码方式与词袋模型（bagofwords）on
  • 刘二大人《PyTorch深度学习实践》循环神经网络提升篇 梅是槑奥! 深度学习pytorch深度学习rnn
    很开心到到今日(2021.12.22)《PyTorch深度学习实践》这门课已经完成了几乎所有的实验(代码并不是完完全全按照老师PPT里的内容，添加了自己的一些操作和思考吧)，对PyTorch有了初步的了解，形成了较为完善的框架，接下来去学CS224自然语言处理和回顾车万翔老师的《自然语言处理：基于与训练模型》。回到最后一个实验，值得注意的是数据的处理部分以及维度的考虑。#PyTorchimport
  • 深度学习与自然语言处理 | 斯坦福CS224n · 课程带学与全套笔记解读（NLP通关指南·完结） ShowMeAI 自然语言处理教程自然语言处理word2vecbert注意力机制seq2seq
    作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/36本文地址：http://www.showmeai.tech/article-detail/230声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容引言本系列ShowMeAI组织的斯坦福CS224n《深度学习与自然语言处理》学习笔记与内容再整理。CS224
  • CS224N WINTER 2022（五）Transformers详解（附Assignment5答案） 囚生CY CS224N课程系列机器翻译深度学习人工智能自然语言处理transformer
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • CS224N WINTER 2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案） 囚生CY CS224N课程系列机器翻译自然语言处理人工智能深度学习rnn
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • CS224N WINTER 2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案） 囚生CY CS224N课程系列深度学习python神经网络语言模型人工智能
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • CS224N WINTER 2022（二）反向传播、神经网络、依存分析（附Assignment2答案） 囚生CY CS224N课程系列神经网络深度学习人工智能自然语言处理数学
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • CS224N WINTER 2022 （六）前沿问题探讨（QA、NLG、知识集成与检索、Coreference） 囚生CY CS224N课程系列机器翻译人工智能自然语言处理深度学习nlp
    CS224NWINTER2022（一）词向量（附Assignment1答案）CS224NWINTER2022（二）反向传播、神经网络、依存分析（附Assignment2答案）CS224NWINTER2022（三）RNN、语言模型、梯度消失与梯度爆炸（附Assignment3答案）CS224NWINTER2022（四）机器翻译、注意力机制、subword模型（附Assignment4答案）CS224
  • 自然语言处理教程 | 斯坦福CS224n · 课程带学与全套笔记解读
    作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/36本文地址：http://www.showmeai.tech/article-detail/230声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容引言本系列ShowMeAI组织的斯坦福CS224n《自然语言处理与深度学习》学习笔记与内容再整理。CS224
  • 一份帮助你更好地理解深度学习的资源清单 阿里云云栖号
    摘要：深度学习朝着可解释的方向发展，理解背后的基本原理显得更加重要。本文是一份帮助读者更好地理解深度学习基本过程的清单，便于初学者和部分起步者针对性地补充自己的知识体系。人工智能和深度学习太火了，火得一塌糊涂，有很多人想从事这个行业。网络上也有很多教程可供大家开始深度学习。如果你完全是一个小白，那么你可以在入行时选择使用极好的斯坦福课程CS221或[CS224]()，FastAI课程或深度学习AI
  • 强化学习初探 DQN+PyTorch+gym倒立摆登山车 卡拉叽里呱啦 强化学习
    文章目录1.随便说几句2.为什么选择DQN作为第一个入手的模型2.工具准备3.实现思路3.1.环境采样3.2Reward设计3.3Q值近似计算3.4主循环4.代码5.参考文献1.随便说几句疫情赋闲在家，就想着多学点东西吧。看了看GAN的东西，还看了看cs224的NLP，在做NLP作业的时候感觉虽然比单纯地刷准确率有意思点，但是a4的翻译作业竟然是翻译法语到英语的，我啥也分析不了，和刷准确率也差不多
  • cs224笔记：Lecture 9 a review 扬州小栗旬 CS224nNLPwithDL
    1构建项目途径LookatACLanthologyforNLPpapers:https://aclanthology.infoAlsolookattheonlineproceedingsofmajorMLconferences:NeurIPS,ICML,ICLRLookatonlinepreprintservers,especially:aixiv.orgArxivSanityPreserverb
  • cs224笔记：Lecture 6 Language Models and RNNs 扬州小栗旬 CS224nNLPwithDL
    LanguageModelsandRNNs1LanguageModelLanguageModelisthetaskofpredictingwhatwordcomesnext.更正式的：给定一个单词序列，x(1),x(2),...,x(t)\mathbf{x}^{(1)},\mathbf{x}^{(2)},...,\mathbf{x}^{(t)}x(1),x(2),...,x(t)，预测下一个单词x
  • cs224笔记: Lecture 4 Backpropagation and Computation Graph 扬州小栗旬 CS224nNLPwithDL
    BackpropagationandComputationGraph1.Derivativew.r.t.aweightmatrix还是之前的那个例子，应用chainrule求解梯度，前向计算式子如下:s=uThh=f(z)z=Wx+bs=\mathbf{u}^T\mathbf{h}\\\mathbf{h}=f(\mathbf{z})\\\mathbf{z}=\mathbf{W}\mathbf{x}
  • 斯坦福cs224课程笔记 cookie_17 深度学习nlp
    CS224N:NaturalLanguageProcessingwithDeepLearning课程主页：CS224n:NaturalLanguageProcessingwithDeepLearninghttp://web.stanford.edu/class/cs224n/syllabus.htmlLecture6:DependencyParsingLecture7:TensorflowTuto
  • CS224(二) 词向量的表示 word2vec seek_dreamer
    Part1、单词的意思1、如何表示一个词语的意思：一个单词和短语代表的想法说话人通过使用语言或者手势想要表达的想法文学或者艺术作品要表达的情感，是语言和思想的融合2、计算机如何处理词语的意思过去几个世纪里一直用的是分类词典。计算语言学中常见的方式是WordNet那样的词库。比如NLTK中可以通过WordNet查询熊猫的hypernyms(is-a，上位词)，得到“食肉动物”“动物”之类的上位词。也
  • CS224W笔记-第一课 infovisthinker 机器学习
    第一课：课程介绍和基本概念CS224的课程题目在2019学年改成了《图的机器学习》，老师还是JureLeskovec。第一节课对整个课程进行了介绍。主要内容包括3个部分：什么是图（Graph）及研究的内容。课程的安排和后勤。核心概念和名词属于一、什么是图及研究的内容2019年的课程内容做了比较大的修改，从原来的主要是做图分析，改成偏重于进行基于图的预测，所以课程名称也改为《图机器学习》。课程主要的
  • cs224 - Lecture2: Word Vectors and Word Senses 努力努力努力努力 CS224n课程
    课程2：词向量和词义1、Word2vecword2vec中使用的负采样，在word2vec中我们可以得到关于中心词c预测背景词o的概率为P(o∣c)=exp(uoTvc)∑w∈Vexp(uwTvc)P(o|c)=\frac{exp(u_o^Tv_c)}{\sum_{w\inV}exp(u^T_wv_c)}P(o∣c)=∑w∈Vexp(uwTvc)exp(uoTvc)从公式中可以看到，归一化分母中的
  • NLP深度学习 —— CS224学习笔记9 wangli0519 NLP
    2.1梯度爆炸或消失计算RNN的误差，我们计算每一步的误差并累加每一步的误差通过微分链法则进行在[k,t]时间区间内对于所有隐藏层的计算每个是h的雅各宾矩阵结合上述表达，我们得到beta_w和beta_h代表两个矩阵范式的上限值。每个t时间戳偏分梯度的的范式两个矩阵的范式通过L2正则来计算。容易变得很大或很小，导致梯度爆炸或消失。2.2解决方法为解决梯度爆炸问题，Mikolov提出的方法简单直接，
  • 干货合集 | 带你深入浅出理解深度学习（附资源打包下载） 数据派THU
    作者：ShashankGupta翻译：倪骁然校对：卢苗苗本文约2300字，建议阅读10分钟。本文提供资源帮助你在放置一个conv2d层或者在Theano里调用T.grad的时候，了解到在代码背后发生了什么。网络中有着丰富的教程，供我们开始接触深度学习。你可以选择从著名的斯坦福CS221或者CS224课程开始：CS221：http://cs231n.stanford.edu/CS224：http:/
  • NLP学习总结 持续更新中 TianXieErYang nlp
    NLP学习总结持续更新中统计学习方法笔记CS229课程笔记CS224课程笔记优秀知乎论文github统计学习方法笔记http://www.hankcs.com/ml/the-perceptron.htmlCS229课程笔记http://www.hankcs.com/tag/cs229/CS224课程http://space.bilibili.com/34967/video笔记http://spac
  • CS224补充知识-信息熵 社交达人叔本华
    1.Intuition 熵是对信息量大小的一种描述,是香农在信息论中提出的概念,为了了解熵的概念的提出,有必要对信息论有一定的了解. 信息,是一个非常模糊的概念,涵盖很广也很杂乱,那么如何去描述信息量的大小呢?在描述的过程中难免会产生很多歧义.例如,假设天气预报一共有4种可能的情况,包括:rainy,sunny,cloudy,foggy.单独拿rainy这种情况出来看,就会产生歧义,因为rainy
  • 一份帮助你更好地理解深度学习的资源清单 阿里云云栖社区 资源神经网络算法深度学习
    摘要：深度学习朝着可解释的方向发展，理解背后的基本原理显得更加重要。本文是一份帮助读者更好地理解深度学习基本过程的清单，便于初学者和部分起步者针对性地补充自己的知识体系。人工智能和深度学习太火了，火得一塌糊涂，有很多人想从事这个行业。网络上也有很多教程可供大家开始深度学习。如果你完全是一个小白，那么你可以在入行时选择使用极好的斯坦福课程CS221或[CS224]()，FastAI课程或深度学习AI
  • 深入浅出Java Annotation(元注解和自定义注解） Josh_Persistence Java Annotation元注解自定义注解
    一、基本概述     　　 Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制，用来将任何的信息或元数据（metadata）与程序元素（类、方法、成员变量等）进行关联。   　　更通俗的意思是为程序的元素（类、方法、成员变量）加上更直观更明了的说明，这些说明信息是与程序的业务逻辑无关，并且是供指定的工具或
  • mysql优化特定类型的查询 annan211 java工作mysql
    本节所介绍的查询优化的技巧都是和特定版本相关的，所以对于未来mysql的版本未必适用。 1 优化count查询 对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看 真正的count()函数的作用到底是什么。 count()是一个特殊的函数，有两种非常不同的作用，他可以统计某个列值的数量，也可以统计行数。 在统
  • MAC下安装多版本JDK和切换几种方式 棋子chessman jdk
    环境： MAC AIR,OS X 10.10,64位   历史： 过去 Mac 上的 Java 都是由 Apple 自己提供，只支持到 Java 6，并且OS X 10.7 开始系统并不自带（而是可选安装）（原自带的是1.6）。 后来 Apple 加入 OpenJDK 继续支持 Java 6，而 Java 7 将由 Oracle 负责提供。   在终端中输入jav
  • javaScript （1） Array_06 JavaScriptjava浏览器
    JavaScript 1、运算符 　　运算符就是完成操作的一系列符号，它有七类： 　　赋值运算符（=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=）、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
  • 国内顶级代码分享网站 袁潇含 javajdkoracle.netPHP
           现在国内很多开源网站感觉都是为了利益而做的                  当然利益是肯定的,否则谁也不会免费的去做网站      &
  • Elasticsearch、MongoDB和Hadoop比较 随意而生 mongodbhadoop搜索引擎
      IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性，避免落大部队太远，我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎，它们存储着JSON文档，MongoDB存着JSON文档，或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
  • mac os 系统科研软件总结 张亚雄 mac os
    1.1 Microsoft Office for Mac 2011      大客户版，自行搜索。      1.2 Latex （MacTex）:      系统环境：https://tug.org/mactex/     &nb
  • Maven实战（四）生命周期 AdyZhang maven
    1. 三套生命周期     Maven拥有三套相互独立的生命周期，它们分别为clean，default和site。 每个生命周期包含一些阶段，这些阶段是有顺序的，并且后面的阶段依赖于前面的阶段，用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例，它包含的阶段有pre-clean, clean 和 post
  • Linux下Jenkins迁移 aijuans Jenkins
    1. 将Jenkins程序目录copy过去      源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面            tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
  • request.getInputStream()只能获取一次的问题 ayaoxinchao requestInputstream
    问题：在使用HTTP协议实现应用间接口通信时，服务端读取客户端请求过来的数据，会用到request.getInputStream()，第一次读取的时候可以读取到数据，但是接下来的读取操作都读取不到数据   原因： 1. 一个InputStream对象在被读取完成后，将无法被再次读取，始终返回-1； 2. InputStream并没有实现reset方法（可以重
  • 数据库SQL优化大总结之 百万级数据库优化方案 BigBird2012 SQL优化
    网上关于SQL优化的教程很多，但是比较杂乱。近日有空整理了一下，写出来跟大家分享一下，其中有错误和不足的地方，还请大家纠正补充。 这篇文章我花费了大量的时间查找资料、修改、排版，希望大家阅读之后，感觉好的话推荐给更多的人，让更多的人看到、纠正以及补充。 1.对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 2.应尽量避免在 where
  • jsonObject的使用 bijian1013 javajson
            在项目中难免会用java处理json格式的数据，因此封装了一个JSONUtil工具类。 JSONUtil.java package com.bijian.json.study; import java.util.ArrayList; import java.util.Date; import java.util.HashMap;
  • [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration bit1129 zookeeper
    Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API，它包含了如下几个内部类     首先分析它的内部类，从WatchRegistration开始，为指定的znode path注册一个Watcher，   /** * Register a watcher for a particular p
  • 【Scala十三】Scala核心七：部分应用函数 bit1129 scala
    何为部分应用函数？ Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
  • Tomcat Error listenerStart 终极大法 ronin47 tomcat
    Tomcat报的错太含糊了，什么错都没报出来，只提示了Error listenerStart。为了调试，我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties，内容如下 Java代码  handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
  • 不用加减符号实现加减法 BrokenDreams 实现
            今天有群友发了一个问题，要求不用加减符号(包括负号)来实现加减法。         分析一下，先看最简单的情况，假设1+1，按二进制算的话结果是10，可以看到从右往左的第一位变为0，第二位由于进位变为1。    
  • 读《研磨设计模式》-代码笔记-状态模式-State bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /* 当一个对象的内在状态改变时允许改变其行为，这个对象看起来像是改变了其类 状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况 把状态的判断逻辑转移到表示不同状态的一系列类中，可以把复杂的判断逻辑简化 如果在
  • CUDA程序block和thread超出硬件允许值时的异常 cherishLC CUDA
    调用CUDA的核函数时指定block 和 thread大小，该大小可以是dim3类型的（三维数组），只用一维时可以是usigned int型的。 以下程序验证了当block或thread大小超出硬件允许值时会产生异常！！！GPU根本不会执行运算！！！ 所以验证结果的正确性很重要！！！ 在VS中创建CUDA项目会有一个模板，里面有更详细的状态验证。 以下程序在K5000GPU上跑的。
  • 诡异的超长时间GC问题定位 chenchao051 jvmcmsGChbaseswap
    HBase的GC策略采用PawNew+CMS, 这是大众化的配置，ParNew经常会出现停顿时间特别长的情况，有时候甚至长到令人发指的地步，例如请看如下日志： 2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
  • maven环境快速搭建 daizj 安装mavne环境配置
    一 下载maven 安装maven之前，要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。 maven下载地址：http://maven.apache.org/download.html，目前最新的是这个apache-maven-3.2.5-bin.zip，然后解压在任意位置，最好地址中不要带中文字符，这个做java 的都知道，地址中出现中文会出现很多
  • PHP网站安全，避免PHP网站受到攻击的方法 dcj3sjt126com PHP
    对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
  • yii中给CGridView设置默认的排序根据时间倒序的方法 dcj3sjt126com GridView
    public function searchWithRelated() {         $criteria = new CDbCriteria;         $criteria->together = true; //without th
  • Java集合对象和数组对象的转换 dyy_gusi java集合
        在开发中，我们经常需要将集合对象（List，Set）转换为数组对象，或者将数组对象转换为集合对象。Java提供了相互转换的工具，但是我们使用的时候需要注意，不能乱用滥用。 1、数组对象转换为集合对象     最暴力的方式是new一个集合对象，然后遍历数组，依次将数组中的元素放入到新的集合中，但是这样做显然过
  • nginx同一主机部署多个应用 geeksun nginx
    近日有一需求，需要在一台主机上用nginx部署2个php应用，分别是wordpress和wiki，探索了半天，终于部署好了，下面把过程记录下来。 1.   在nginx下创建vhosts目录，用以放置vhost文件。 mkdir vhosts   2.   修改nginx.conf的配置， 在http节点增加下面内容设置，用来包含vhosts里的配置文件 #
  • ubuntu添加admin权限的用户账号 hongtoushizi ubuntuuseradd
    ubuntu创建账号的方式通常用到两种：useradd 和adduser . 本人尝试了useradd方法，步骤如下： 1:useradd    使用useradd时，如果后面不加任何参数的话，如：sudo useradd sysadm 创建出来的用户将是默认的三无用户：无home directory ,无密码,无系统shell。 顾应该如下操作：  
  • 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理 jinnianshilongnian nginxlua
      JSON库   在进行数据传输时JSON格式目前应用广泛，因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能；目前Lua也有几个JSON库，本人用过cjson、dkjson。其中cjson的语法严格（比如unicode \u0020\u7eaf），要求符合规范否则会解析失败（如\u002），而dkjson相对宽松，当然也可以通过修改cjson的源码来完成
  • Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 yaerfeng1989 timerquartz定时器
    原创整理不易，转载请注明出处：Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 代码下载地址：http://www.zuidaima.com/share/1772648445103104.htm 有两种流行Spring定时器配置：Java的Timer类和OpenSymphony的Quartz。 1.Java Timer定时 首先继承jav
  • Linux下df与du两个命令的差别？ pda158 linux
    　一、df显示文件系统的使用情况，与du比較，就是更全盘化。 　　最经常使用的就是 df -T，显示文件系统的使用情况并显示文件系统的类型。 　　举比例如以下： 　　[root@localhost ~]# df -T 　　Filesystem                   Type &n
  • [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象 ctfzh VOandroidsqlite反射Cursor
    在写DAO层时，觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了，就写了一个工具类，用到了反射，可以把查询记录的值装到对应的VO里，也可以生成该VO的List。   使用时需要注意： 考虑到Android的性能问题，VO没有使用Setter和Getter，而是直接用public的属性。 表中的字段名需要和VO的属性名一样，要是不一样就得在查询的SQL中
  • 该学习笔记用到的Employee表 vipbooks oraclesql工作
        这是我在学习Oracle是用到的Employee表，在该笔记中用到的就是这张表，大家可以用它来学习和练习。 drop table Employee; -- 员工信息表 create table Employee( -- 员工编号 EmpNo number(3) primary key, -- 姓
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他