- 智慧路灯杆会用到哪些通信方式
ianvtenr
智慧城市智慧路灯杆物联网
智慧路灯杆系统的通信方式通常包括有线通信和无线通信。有线通信可采用光纤、网线、电力线载波等方式,且一般以光纤和网线为主,电力线载波为备选;无线通信可采用NB-IoT、3G/4G/5G、LoRa、ZigBee等方式。一、智慧路灯杆有线通信方式:主要是让边缘端的杆载设备链接到智慧灯杆网关,亦可让网关通过光纤链接到云平台系统。1、光纤通信:支持对接包括杆载WiFiAP、手拉手环形组网等应用。2、网线:网
- Mastering Convolutional Neural Networks: A Comprehensive Practical Exploration
Bio大恐龙
人工智能深度学习数据可视化机器学习
ConvolutionalNeuralNetworks(CNNs)haverevolutionizedthefieldofcomputervisionandimagerecognition,enablinggroundbreakingadvancementsinvariousdomains.Thesepowerfuldeeplearningmodelshaveproventheirprowessi
- oracle使用正则表达式REGEXP_SUBSTR提取XML里面的内容
qq_39255840
oracle正则表达式xml
使用extract(XMLTYPE(XML),‘xphat’).getstringval()提取XML,长度过长存在报错ORA-06502:PL/SQL:数字或值错误:characterstringbuffertoosmallORA-06512:在“SYS.XMLTYPE”,line169并且存在速度较慢等问题。正则提取XML,由于这边的XML文本中Name标签,接着的标签即为Value的值,故这
- 大模型训练——PEFT与LORA介绍
MarkHD
人工智能深度学习机器学习
大模型训练中的PEFT(Parameter-EfficientFine-Tuning)与LoRA(Low-RankAdaptation)是两种重要的技术,它们在大型预训练模型的应用中发挥着重要作用。首先,让我们来了解一下PEFT。PEFT是一种参数高效的微调技术,由Huggingface发布。这种方法的核心思想是仅微调少量(额外)模型参数,同时冻结预训练LLM的大部分参数。这样做的好处是大大降低了
- 各种商家 parlor
无梦为安Ph
1.释义:abusinessthatprovidesastatedtypeofpersonalserviceorsellsastatedproduct店铺,商家2.搭配:aXparloranice-cream/funeral/tatooparlor(冰淇淋店/殡仪馆/纹身工作室)afast-food/burger/pizzajoint(快餐店/汉堡店/比萨饼店)abowlingalley(保龄球馆
- 论语学习(五十七)
远洋船长
Hercoquettish(婀娜多姿的;妖艳的;卖弄风情的)smiles,howdimplingtheyare;herbeautifuleyes,howbeamingtheyarehowfairestisshe,whoissimpleandplain.“Inpainting“answeredConfucius,“Ornamentationandcolorareofsecondaryimportan
- 寒假养成计划——Day4
BrilliantWilliam
假期养成计划Codeforcesc++算法acm竞赛
A题题目链接Thereisagridwithnrowsandmcolumns.Somecellsarecoloredblack,andtherestofthecellsarecoloredwhite.Inoneoperation,youcanselectsomeblackcellanddoexactlyoneofthefollowing:colorallcellsinitsrowblack,orc
- 【AIGC】Stable Diffusion之模型微调工具
AIGCExplore
AIGCAIGCstablediffusion
推荐一款好用的模型微调工具,cybertronfurnace是一个lora训练整合包,提供训练lora模型的工具集或环境。集成环境包括必要的依赖项和配置文件、预训练脚本,支持人物、二次元、画风、自定义lora的训练,以简化用户训练lora模型的流程。支持图片预处理、图片的标签编辑,查看训练进度等功能。TensorBoard是TensorFlow提供的一个用于可视化训练过程和模型性能的工具。它可以帮
- 书生浦语-模型微调
SatVision炼金士
NLPpython语言模型人工智能
大语言模型微调指令微调的流程LoRA(旁路分支微调)Xtuner微调框架微调训练作业微调作业需要多训练几个epoch,这里训练了16个epoch
- (新人免费)基于PAI-EAS对Stable diffusion进行LoRA模型微调|阿里云
weixin_45597589
#stablediffusion模型微调专题stablediffusion专题stablediffusion阿里云云计算
基于PAI-EAS对Stablediffusion进行微调|阿里云前提条件已开通EAS并创建默认工作空间部署Kohya服务PAI-EAS控制台>部署服务>新建服务>服务名称自定义>部署方式:镜像部署AI-Web应用>镜像选择:PAI平台镜像、kohya_ss2.2(选择最高版本即可)>勾选阅读并同意PAI服务专用协议模型配置>oss挂载>选择OSS路径栏右侧的文件夹>新建Bucket创建Bucke
- 无需部署,即开即用AI绘画
weixin_45597589
AI作画
无需部署,即开即用AI绘画liblib优点:每月免费5次LoRA训练,每日登录赠送300算力(用于生图),有现成的模型和提示词可参考缺点:用户太多,生图需要排队LoRA训练左侧菜单栏点击训练我的LoRA进行参数设置>上传训练图片>输入触发词,根据需要修改裁剪方式、尺寸等>裁剪/打标>点击开始训练生图步骤点击左侧菜单栏在线生成,选择大模型、VAE>直接输入英文提示词或输入中文提示词后点右上角翻译成英
- 一些好的huggingface space
hehui0921
huggingface深度学习
https://huggingface.co/spaces/ehristoforu/mixtral-46.7b-chattexttoimage:https://huggingface.co/spaces/latent-consistency/lcm-lora-for-sdxlhttps://huggingface.co/spaces/briaai/BRIA-2.2-FAST
- LoRa与ZigBee的区别
时尚灬IT男
LoRa与ZigBee的区别LoRa(长距离低功耗射频)和ZigBee(低功耗无线个域网)是两种广泛应用于物联网领域的无线通信技术。它们都具有低功耗、低成本和长距离传输能力,但在一些关键方面有所不同。本文将介绍LoRa和ZigBee之间的区别。1.传输距离LoRa和ZigBee在传输距离方面有明显的差异。LoRa技术可以实现长达数公里的传输距离,甚至在城市环境中也能保持较长的传输距离。而ZigBe
- 使用LORA微调RoBERTa
deephub
python深度学习pytorch语言模型loratransformer
模型微调是指在一个已经训练好的模型的基础上,针对特定任务或者特定数据集进行再次训练以提高性能的过程。微调可以在使其适应特定任务时产生显着的结果。RoBERTa(RobustlyoptimizedBERTapproach)是由FacebookAI提出的一种基于Transformer架构的预训练语言模型。它是对Google提出的BERT(BidirectionalEncoderRepresentati
- 雨或雪吗?新的地图显示,湿度、位置可以让一切变得不同
wumingzhi111
雨或雪吗?新的地图显示,湿度、位置可以让一切变得不同。科罗拉多大学博尔德分校(UniversityofColoradoBoulder)的研究人员绘制了一张北半球地图,显示了位置和湿度如何影响降水,说明了不同地区如何以及为什么会受到降雪或降雨的影响。32华氏度通常被认为是降雨和降雪的气温阈值,从而使气象预报和气候模拟成为可能。然而,新的研究结果显示,沿海地区的降雨门槛较低,这意味着即使气温低于冰点,
- ubuntu 20.04 LTS子系统Docker安装Oracle-xe-11g持久化开启远程登录,Oracle创建用户
小诺大人
oracleUbuntuoracledockerubuntu
ubuntu20.04LTS子系统Docker安装Oracle-xe-11g1.搜索oracle镜像dockersearchoracle2.选择oracle-xe-11g的镜像下载命令:dockerpulloracleinanutshell/oracle-xe-11g查看镜像列表命令:dockerimages,查看是否包含此镜像3.从下载的镜像创建并启动容器,容器命名为oracle11-xedoc
- R数据分析:主成分分析及可视化
Codewar
PrincipalComponentAnalysis(PCA)isausefultechniqueforexploratorydataanalysis,allowingyoutobettervisualizethevariationpresentinadatasetwithmanyvariables.主成分分析是一个常见的降维,探索性技术,常常在量表编制或者其它变量较多数据集分析的时候会用到,今天
- 使用LORA微调RoBERTa
深度学习pytorchllm
模型微调是指在一个已经训练好的模型的基础上,针对特定任务或者特定数据集进行再次训练以提高性能的过程。微调可以在使其适应特定任务时产生显着的结果。RoBERTa(RobustlyoptimizedBERTapproach)是由FacebookAI提出的一种基于Transformer架构的预训练语言模型。它是对Google提出的BERT(BidirectionalEncoderRepresentati
- 关于SQL 概述和分类
蔡根花儿
一、SQL概述1.什么是SQL?SQL(StructuredQueryLanguage)是“结构化查询语言”,它是对关系型数据库的操作语言。它可以应用到所有关系型数据库中,例如:MySQLOracleSQLServer等。SQL标准有:虽然SQL可以用在所有关系型数据库中,但很多数据库还都有标准之后的一些语法,我们可以称之为“方言”。例如MySQL中的LIMIT语句就是MySQL独有的方言,其它数
- 2019-01-15
流星_23ef
在物联网“江湖”中,低功耗广域网络LPWAN有诸多流派,其中LoRa和NB-IoT却是最受欢迎的两大流派。这不仅源于其有技术上的诸多优势,而且背后有强大的推动力。先来看看LoRa和NB-IoT的差异,NB-IoT使用的技术是蜂窝通信,LoRa则使用的线性扩频。NB-IoT的网络部署可以与现有蜂窝基站复用,LoRa则需要独立建网。在频段上,NB-IoT使用的是运营商频段,简单说它必须由运营商提供服务
- python:第三方库大全
玩转测试开发
Python常用库Chardet字符编码探测器,可以自动检测文本、网页、xml的编码。colorama主要用来给文本添加各种颜色,并且非常简单易用。Prettytable主要用于在终端或浏览器端构建格式化的输出。difflib,[Python]标准库,计算文本差异Levenshtein,快速计算字符串相似度。fuzzywuzzy,字符串模糊匹配。esmre,正则表达式的加速器。shortuuid,
- 【白苞蒿】菊科,蒿属
植物分类图像库
学名:ArtemisialactifloraWall.exDC.;别名:白花蒿、白米蒿、白花艾、秦州菴闾子、鸭脚艾、鸡甜菜、四季菜、广东刘寄奴、甜菜子、野芹菜、鸭脚菜、珍珠菊、土三七、肺痨草、野红芹菜、红姨妈菜。多年生草本。主根明显,侧根细而长;根状茎短,直径4-8(-15)毫米。茎通常单生,直立,稀2至少数集生,高50-150(-200)厘米,绿褐色或深褐色,纵棱稍明显;上半部具开展、纤细、着生
- Google On Latency Tolerant Systems: Making A Predictable Whole Out Of Unpredictable Parts
kevin_darkelf
DistributedandParallellatency
InTamingTheLongLatencyTailwecoveredLuizBarroso’sexplorationofthelongtaillatency(someoperationsarereallyslow)problemsgeneratedbylargefanoutarchitectures(arequestiscomposedofpotentiallythousandsofotherr
- 5-AM Project: day8 Practical data science with Python 4
wendyponcho
DataSciencePythonpython学习笔记人工智能
Chapter5ExploratoryDataAnalysisandVisualizationEDAandvisualizationlibrariesinPythonPerformingEDAwithSeabornandpandasUsingEDAPythonpackagesUsingvisualizationbestpracticesMakingplotswithPlotlyPerforming
- 大模型推理优化实践:KV cache 复用与投机采样
阿里技术
RTP-LLM大模型KVcache推理优化投机采样
作者:米基一、背景RTP-LLM是阿里巴巴大模型预测团队开发的大模型推理加速引擎,作为一个高性能的大模型推理解决方案,它已被广泛应用于阿里内部。该引擎与当前广泛使用的多种主流模型兼容,并通过采用高性能的CUDA算子来实现了如PagedAttention和ContinuousBatching等多项优化措施。RTP-LLM还支持包括多模态、LoRA、P-Tuning、以及WeightOnly动态量化等
- VLM 系列——LLaVA-MoLE——论文解读
TigerZ*
AIGC算法深度学习人工智能AIGCtransformer计算机视觉
一、概述1、是什么Llava-MoLE是Llava1.5的改进全称《LLaVA-MoLE:SparseMixtureofLoRAExpertsforMitigatingDataConflictsinInstructionFinetuningMLLMs》,是一个多模态视觉-文本大语言模型,可以完成:图像描述、视觉问答,潜在可以完成单个目标的视觉定位、名画名人等识别(问答、描述),未知是否能偶根据图片
- huggingface学习|用dreambooth和lora对stable diffusion模型进行微调
丁希希哇
AIGC实践stablediffusion算法人工智能AIGC
目录用dreambooth对stable-diffusion-v1-5模型进行微调(一)模型下载和环境配置(二)数据集准备(三)模型微调(四)运行微调后的模型用lora对stable-diffusion-v1-5模型进行微调(一)模型下载和环境配置(二)数据集准备(三)模型微调(四)运行微调后的模型用dreambooth对stable-diffusion-v1-5模型进行微调(一)模型下载和环境配
- LoRA:语言模型微调的计算资源优化策略
编者按:随着数据量和计算能力的增加,大模型的参数量也在不断增加,同时进行大模型微调的成本也变得越来越高。全参数微调需要大量的计算资源和时间,且在进行切换下游任务时代价高昂。本文作者介绍了一种新方法LoRA,可以在保持模型性能的同时大幅减少微调的参数量和所需资源。LoRA通过引入两个低秩适配矩阵,用矩阵乘法的方法替换大部分参数。实验证明,LoRA在多项NLP任务上的表现与许多微调方法(如Adapte
- 全世界 LoRA 训练脚本,联合起来!
人工智能
来自社区的SD-XLDreamboothLoRA微调最佳实践指南太长不看版我们把Replicate在SDXLCog训练器中使用的枢轴微调(PivotalTuning)技术与Kohya训练器中使用的Prodigy优化器相结合,再加上一堆其他优化,一起对SDXL进行DreamboothLoRA微调,取得了非常好的效果。你可以在diffusers上找到我们使用的训练脚本,或是直接在Colab上试着运行一
- stable diffusion 基础教程-必备的Lora模型
mindcarver
AI绘画教程stablediffusionAI作画ai
说明文章持续更新下面的模型大部分来源于C站,无法魔法上网的请参考以下云盘链接链接:https://pan.baidu.com/s/1-qmJzqcB72nTv_2QLmR-gA?pwd=8888提取码:8888注意:有些可能有触发词,使用前可以从C站具体看下信息blindbox盲盒类型https://civitai.com/models/25995?modelVersionId=32988Bilg
- apache 安装linux windows
墙头上一根草
apacheinuxwindows
linux安装Apache 有两种方式一种是手动安装通过二进制的文件进行安装,另外一种就是通过yum 安装,此中安装方式,需要物理机联网。以下分别介绍两种的安装方式
通过二进制文件安装Apache需要的软件有apr,apr-util,pcre
1,安装 apr 下载地址:htt
- fill_parent、wrap_content和match_parent的区别
Cb123456
match_parentfill_parent
fill_parent、wrap_content和match_parent的区别:
1)fill_parent
设置一个构件的布局为fill_parent将强制性地使构件扩展,以填充布局单元内尽可能多的空间。这跟Windows控件的dockstyle属性大体一致。设置一个顶部布局或控件为fill_parent将强制性让它布满整个屏幕。
2) wrap_conte
- 网页自适应设计
天子之骄
htmlcss响应式设计页面自适应
网页自适应设计
网页对浏览器窗口的自适应支持变得越来越重要了。自适应响应设计更是异常火爆。再加上移动端的崛起,更是如日中天。以前为了适应不同屏幕分布率和浏览器窗口的扩大和缩小,需要设计几套css样式,用js脚本判断窗口大小,选择加载。结构臃肿,加载负担较大。现笔者经过一定时间的学习,有所心得,故分享于此,加强交流,共同进步。同时希望对大家有所
- [sql server] 分组取最大最小常用sql
一炮送你回车库
SQL Server
--分组取最大最小常用sql--测试环境if OBJECT_ID('tb') is not null drop table tb;gocreate table tb( col1 int, col2 int, Fcount int)insert into tbselect 11,20,1 union allselect 11,22,1 union allselect 1
- ImageIO写图片输出到硬盘
3213213333332132
javaimage
package awt;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imagei
- 自己的String动态数组
宝剑锋梅花香
java动态数组数组
数组还是好说,学过一两门编程语言的就知道,需要注意的是数组声明时需要把大小给它定下来,比如声明一个字符串类型的数组:String str[]=new String[10]; 但是问题就来了,每次都是大小确定的数组,我需要数组大小不固定随时变化怎么办呢? 动态数组就这样应运而生,龙哥给我们讲的是自己用代码写动态数组,并非用的ArrayList 看看字符
- pinyin4j工具类
darkranger
.net
pinyin4j工具类Java工具类 2010-04-24 00:47:00 阅读69 评论0 字号:大中小
引入pinyin4j-2.5.0.jar包:
pinyin4j是一个功能强悍的汉语拼音工具包,主要是从汉语获取各种格式和需求的拼音,功能强悍,下面看看如何使用pinyin4j。
本人以前用AscII编码提取工具,效果不理想,现在用pinyin4j简单实现了一个。功能还不是很完美,
- StarUML学习笔记----基本概念
aijuans
UML建模
介绍StarUML的基本概念,这些都是有效运用StarUML?所需要的。包括对模型、视图、图、项目、单元、方法、框架、模型块及其差异以及UML轮廓。
模型、视与图(Model, View and Diagram)
&
- Activiti最终总结
avords
Activiti id 工作流
1、流程定义ID:ProcessDefinitionId,当定义一个流程就会产生。
2、流程实例ID:ProcessInstanceId,当开始一个具体的流程时就会产生,也就是不同的流程实例ID可能有相同的流程定义ID。
3、TaskId,每一个userTask都会有一个Id这个是存在于流程实例上的。
4、TaskDefinitionKey和(ActivityImpl activityId
- 从省市区多重级联想到的,react和jquery的差别
bee1314
jqueryUIreact
在我们的前端项目里经常会用到级联的select,比如省市区这样。通常这种级联大多是动态的。比如先加载了省,点击省加载市,点击市加载区。然后数据通常ajax返回。如果没有数据则说明到了叶子节点。 针对这种场景,如果我们使用jquery来实现,要考虑很多的问题,数据部分,以及大量的dom操作。比如这个页面上显示了某个区,这时候我切换省,要把市重新初始化数据,然后区域的部分要从页面
- Eclipse快捷键大全
bijian1013
javaeclipse快捷键
Ctrl+1 快速修复(最经典的快捷键,就不用多说了)Ctrl+D: 删除当前行 Ctrl+Alt+↓ 复制当前行到下一行(复制增加)Ctrl+Alt+↑ 复制当前行到上一行(复制增加)Alt+↓ 当前行和下面一行交互位置(特别实用,可以省去先剪切,再粘贴了)Alt+↑ 当前行和上面一行交互位置(同上)Alt+← 前一个编辑的页面Alt+→ 下一个编辑的页面(当然是针对上面那条来说了)Alt+En
- js 笔记 函数
征客丶
JavaScript
一、函数的使用
1.1、定义函数变量
var vName = funcation(params){
}
1.2、函数的调用
函数变量的调用: vName(params);
函数定义时自发调用:(function(params){})(params);
1.3、函数中变量赋值
var a = 'a';
var ff
- 【Scala四】分析Spark源代码总结的Scala语法二
bit1129
scala
1. Some操作
在下面的代码中,使用了Some操作:if (self.partitioner == Some(partitioner)),那么Some(partitioner)表示什么含义?首先partitioner是方法combineByKey传入的变量,
Some的文档说明:
/** Class `Some[A]` represents existin
- java 匿名内部类
BlueSkator
java匿名内部类
组合优先于继承
Java的匿名类,就是提供了一个快捷方便的手段,令继承关系可以方便地变成组合关系
继承只有一个时候才能用,当你要求子类的实例可以替代父类实例的位置时才可以用继承。
在Java中内部类主要分为成员内部类、局部内部类、匿名内部类、静态内部类。
内部类不是很好理解,但说白了其实也就是一个类中还包含着另外一个类如同一个人是由大脑、肢体、器官等身体结果组成,而内部类相
- 盗版win装在MAC有害发热,苹果的东西不值得买,win应该不用
ljy325
游戏applewindowsXPOS
Mac mini 型号: MC270CH-A RMB:5,688
Apple 对windows的产品支持不好,有以下问题:
1.装完了xp,发现机身很热虽然没有运行任何程序!貌似显卡跑游戏发热一样,按照那样的发热量,那部机子损耗很大,使用寿命受到严重的影响!
2.反观安装了Mac os的展示机,发热量很小,运行了1天温度也没有那么高
&nbs
- 读《研磨设计模式》-代码笔记-生成器模式-Builder
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/
/**
* 生成器模式的意图在于将一个复杂的构建与其表示相分离,使得同样的构建过程可以创建不同的表示(GoF)
* 个人理解:
* 构建一个复杂的对象,对于创建者(Builder)来说,一是要有数据来源(rawData),二是要返回构
- JIRA与SVN插件安装
chenyu19891124
SVNjira
JIRA安装好后提交代码并要显示在JIRA上,这得需要用SVN的插件才能看见开发人员提交的代码。
1.下载svn与jira插件安装包,解压后在安装包(atlassian-jira-subversion-plugin-0.10.1)
2.解压出来的包里下的lib文件夹下的jar拷贝到(C:\Program Files\Atlassian\JIRA 4.3.4\atlassian-jira\WEB
- 常用数学思想方法
comsci
工作
对于搞工程和技术的朋友来讲,在工作中常常遇到一些实际问题,而采用常规的思维方式无法很好的解决这些问题,那么这个时候我们就需要用数学语言和数学工具,而使用数学工具的前提却是用数学思想的方法来描述问题。。下面转帖几种常用的数学思想方法,仅供学习和参考
函数思想
把某一数学问题用函数表示出来,并且利用函数探究这个问题的一般规律。这是最基本、最常用的数学方法
- pl/sql集合类型
daizj
oracle集合typepl/sql
--集合类型
/*
单行单列的数据,使用标量变量
单行多列数据,使用记录
单列多行数据,使用集合(。。。)
*集合:类似于数组也就是。pl/sql集合类型包括索引表(pl/sql table)、嵌套表(Nested Table)、变长数组(VARRAY)等
*/
/*
--集合方法
&n
- [Ofbiz]ofbiz初用
dinguangx
电商ofbiz
从github下载最新的ofbiz(截止2015-7-13),从源码进行ofbiz的试用
1. 加载测试库
ofbiz内置derby,通过下面的命令初始化测试库
./ant load-demo (与load-seed有一些区别)
2. 启动内置tomcat
./ant start
或
./startofbiz.sh
或
java -jar ofbiz.jar
&
- 结构体中最后一个元素是长度为0的数组
dcj3sjt126com
cgcc
在Linux源代码中,有很多的结构体最后都定义了一个元素个数为0个的数组,如/usr/include/linux/if_pppox.h中有这样一个结构体: struct pppoe_tag { __u16 tag_type; __u16 tag_len; &n
- Linux cp 实现强行覆盖
dcj3sjt126com
linux
发现在Fedora 10 /ubutun 里面用cp -fr src dest,即使加了-f也是不能强行覆盖的,这时怎么回事的呢?一两个文件还好说,就输几个yes吧,但是要是n多文件怎么办,那还不输死人呢?下面提供三种解决办法。 方法一
我们输入alias命令,看看系统给cp起了一个什么别名。
[root@localhost ~]# aliasalias cp=’cp -i’a
- Memcached(一)、HelloWorld
frank1234
memcached
一、简介
高性能的架构离不开缓存,分布式缓存中的佼佼者当属memcached,它通过客户端将不同的key hash到不同的memcached服务器中,而获取的时候也到相同的服务器中获取,由于不需要做集群同步,也就省去了集群间同步的开销和延迟,所以它相对于ehcache等缓存来说能更好的支持分布式应用,具有更强的横向伸缩能力。
二、客户端
选择一个memcached客户端,我这里用的是memc
- Search in Rotated Sorted Array II
hcx2013
search
Follow up for "Search in Rotated Sorted Array":What if duplicates are allowed?
Would this affect the run-time complexity? How and why?
Write a function to determine if a given ta
- Spring4新特性——更好的Java泛型操作API
jinnianshilongnian
spring4generic type
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- CentOS安装JDK
liuxingguome
centos
1、行卸载原来的:
[root@localhost opt]# rpm -qa | grep java
tzdata-java-2014g-1.el6.noarch
java-1.7.0-openjdk-1.7.0.65-2.5.1.2.el6_5.x86_64
java-1.6.0-openjdk-1.6.0.0-11.1.13.4.el6.x86_64
[root@localhost
- 二分搜索专题2-在有序二维数组中搜索一个元素
OpenMind
二维数组算法二分搜索
1,设二维数组p的每行每列都按照下标递增的顺序递增。
用数学语言描述如下:p满足
(1),对任意的x1,x2,y,如果x1<x2,则p(x1,y)<p(x2,y);
(2),对任意的x,y1,y2, 如果y1<y2,则p(x,y1)<p(x,y2);
2,问题:
给定满足1的数组p和一个整数k,求是否存在x0,y0使得p(x0,y0)=k?
3,算法分析:
(
- java 随机数 Math与Random
SaraWon
javaMathRandom
今天需要在程序中产生随机数,知道有两种方法可以使用,但是使用Math和Random的区别还不是特别清楚,看到一篇文章是关于的,觉得写的还挺不错的,原文地址是
http://www.oschina.net/question/157182_45274?sort=default&p=1#answers
产生1到10之间的随机数的两种实现方式:
//Math
Math.roun
- oracle创建表空间
tugn
oracle
create temporary tablespace TXSJ_TEMP
tempfile 'E:\Oracle\oradata\TXSJ_TEMP.dbf'
size 32m
autoextend on
next 32m maxsize 2048m
extent m
- 使用Java8实现自己的个性化搜索引擎
yangshangchuan
javasuperword搜索引擎java8全文检索
需要对249本软件著作实现句子级别全文检索,这些著作均为PDF文件,不使用现有的框架如lucene,自己实现的方法如下:
1、从PDF文件中提取文本,这里的重点是如何最大可能地还原文本。提取之后的文本,一个句子一行保存为文本文件。
2、将所有文本文件合并为一个单一的文本文件,这样,每一个句子就有一个唯一行号。
3、对每一行文本进行分词,建立倒排表,倒排表的格式为:词=包含该词的总行数N=行号