- 2019-3-14晨间日记
yesifeng
起床:早上五点就寝:晚上十点半任务清单昨日完成的任务,最重要的三件事:1.完成前三天单词和句子拍摄,握笔姿势拍摄2.完成清单,助教点评,所有材料的超链接3.完成给宝宝读英文故事改进:1.拍摄让两位继续做,提高积极性和主动性2.营造一种没事可做的虚假印象,男人只有在有竞争时才会有斗志,不要心慈手软3.给宝宝读故事,要提前定好时间习惯养成:跑步做深蹲周目标·完成进度Coursera0%写作0%学习·信
- 推荐大家学习JAVA结合Al
海带土豆
开发语言java学习
AI辅助下的Java学习计划目标设定-**初级阶段**:掌握Java基础语法,理解面向对象编程思想。-**进阶阶段**:熟练运用集合、多线程、网络编程等高级特性。-**实战项目**:完成至少两个综合项目,利用AI辅助提升代码质量和开发效率。-**理论深化**:深入学习Java虚拟机(JVM)原理、设计模式及算法优化。学习资源与AI工具推荐-**在线课程**:Coursera《JavaProgram
- 机器学习·day4梯度下降
#include<菜鸡>
机器学习机器学习人工智能
参考原文地址:https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes文章目录前言一、梯度下降?二、梯度下降的直观理解梯度下降的线性回归前言梯度下降是一个用来求函数最小值的算法,我们将使用梯度下降算法来求出代价函数J(θ_0,θ_1)的最小值。一、梯度下降?批量梯度下降(batchgradientdescent)算法的公式为:其中a是学习率(le
- 卷积神经网络吴恩达coursera
stoAir
吴恩达深度学习笔记cnn人工智能神经网络
ConvolutionalNNFoundationsofCNNmatrixsconvolutionEdgedetectionVertical/horizontialconv-forward(tf.nn.cov2d)matrix(6×6)∗filter(3×3)=matrix(4×4)matrix(6\times6)*filter(3\times3)=matrix(4\times4)matrix(6
- 努力工作
叶子卷
今天从早忙到晚,中午一点半才吃了午饭,下午实在熬不住趴在会议室小睡了一会,晚上下载了几个很好用的学习软件,强烈推荐coursera,互联网上的资源真的蛮好用的。和现发助教通电话,感受到他柔软的心,大家都要继续前行,继续成长,才能更好的站在一起。想买一个iPadpro,方便学习用。跟弟弟视频,有尝试起夸奖他,感受到他还蛮喜欢这样的方式。尼莫能听懂人话了,实在太可爱了!5:00-6:00打坐6:00-
- 【机器学习】卷积和反向传播
无水先生
机器学习人工智能人工智能神经网络
一、说明自从AlexNet在2012年赢得ImageNet竞赛以来,卷积神经网络(CNN)就变得无处不在。从不起眼的LeNet到ResNets再到DenseNets,CNN无处不在。您是否想知道CNN的反向传播中会发生什么,特别是反向传播在CNN中的工作原理。如果您读过反向传播,您就会了解它是如何在具有全连接层的简单神经网络中实现的。(AndrewNg在Coursera上的课程对此做了很好的解释)
- Coursera | Andrew Ng (02-week2-2.10)—局部最优的问题
ZJ_Improve
深度学习正则化以及优化深度学习吴恩达局部最优深度学习
该系列仅在原课程基础上部分知识点添加个人学习笔记,或相关推导补充等。如有错误,还请批评指教。在学习了AndrewNg课程的基础上,为了更方便的查阅复习,将其整理成文字。因本人一直在学习英语,所以该系列以英文为主,同时也建议读者以英文为主,中文辅助,以便后期进阶时,为学习相关领域的学术论文做铺垫。-ZJCoursera课程|deeplearning.ai|网易云课堂转载请注明作者和出处:ZJ微信公众
- 《学习之道》第四章上丨怎么把零碎的信息拼起来--组块记忆法
脑科学与学习方法技能
作者简介:[美]芭芭拉·奥克利(BarbaraOakley)现为工程学教授,本科专业(居然是)俄语。小学到高中数理成绩一路垫底,因此热爱文学。职场生活,不得不学习大量新鲜知识,甚至是头疼的数学知识。放下工作,回到学校,竟然学成了工程学博士,后留任教授。在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”,数十万人报名。本书一出版即高居美国亚马逊学习类图书榜首,
- 功能强大的国外商业PHP在线教育系统LMS源码,直播课程系统
行动之上
源码免费下载php
源码介绍Proacademy是在线教育一体化的解决方案,用于创建类似于Udemy、Skillshare、Coursera这种在线教育市场。这个平台提供在线课程,现场课程,测验等等,并有一个基于实际业务需要的高级认证插件,程序基于Laravel强大的安全框架。程序配套的原生APP也已发布
- LLM——大型语言模型简介
LinkyuW
语言模型人工智能
在coursera上看到的视频,把一些重要内容的笔记写一下。原视频更加生动,推荐有能力者可以去观看原视频大型语言模型简介-大型语言模型简介|Coursera(翻着翻着发现了别人写过类似的内容,但还是发出来了,毕竟也只是自己的记录而已,感谢捧场的各位)一.LLM是什么?大型语言模型(LLM)是指可以进行预训练并出于特定目的进行微调的大型通用语言模型。1.预训练:预训练是为一般用途而训练,用于解决常见
- Coursera_Stanford密码学公开课 Programming Assignment 1
csh1989
Coursera_密码学
题目:通过11个用同样streamcipher密钥加密的密文求最后一个目标密文的明文:ManyTimePadLetusseewhatgoeswrongwhenastreamcipherkeyisusedmorethanonce.Belowareelevenhex-encodedciphertextsthataretheresultofencryptingelevenplaintextswithas
- 零基础如何自学编程?自学编程资料哪里找?
g6677789
改行学it考研javapythonc++
首先,明确你希望学习的编程语言和领域。例如,Python适合初学者,而Web开发、数据科学和机器学习都是受欢迎的领域。选择合适的编程语言:对于初学者来说,建议选择易学且应用广泛的编程语言,如Python或JavaScript。找到合适的学习资源:有许多免费和付费的在线学习资源。一些推荐的平台包括Codecademy、Coursera、edX、Udemy和KhanAcademy。此外,还有许多优秀的
- 笔记 | 普林斯顿公开课《比特币和数字货币技术》1.3
hmisty
公开课地址:https://www.coursera.org/learn/cryptocurrency/home/welcome第一周:密码学和加密货币介绍章节1.3笔记:数字签名签名:1、只有你能签名,但任何人都能验证2、签名和文档唯一对应,不能把签名复制到另一个文档电子签名的API定义:1、generateKeys(keysize)=>(sk,pk)sk:secretesigningkeypk
- 权威的健康养生与医学基础知识科普学习信息汇总
BGoodHabit
健康养生与基础医学健康医疗
目录1关于健康与食物营养的权威网址1.1世界卫生组织(WorldHealthOrganization:WHO)1.2美国国家卫生研究院(NationalInstitutesofHealth:NIH)1.3澳大利亚政府健康门户(Healthdirect)1.4国际食品信息委员会(InternationalFoodInformationCouncil:IFIC)2在线课程平台2.1Coursera2.
- Coursera吴恩达《神经网络和深度学习》课程笔记(3)
遇见更好的自己
深度学习深度学习神经网络
转载自http://blog.csdn.net/koala_tree/article/details/78059952神经网络和深度学习—浅层神经网络1.神经网络表示简单神经网络示意图:神经网络基本的结构和符号可以从上面的图中看出,这里不再复述。主要需要注意的一点,是层与层之间参数矩阵的规格大小:输入层和隐藏层之间w[1]−>(4,3):前面的4是隐层神经元的个数,后面的3是输入层神经元的个数;b
- Coursera吴恩达机器学习课程笔记——神经网络: 学习(Neural Networks: Learning)
yanglamei1962
机器学习笔记神经网络
9神经网络:学习(NeuralNetworks:Learning)9.1代价函数(CostFunction)神经网络的分类问题有两种:二元分类问题(0/1分类)只有一个输出单元(K=1K=1K=1)多元(KKK)分类问题输出单元不止一个(K>1K\gt1K>1)神经网络的代价函数公式:hΘ(x)=a(L)=g(Θ(L−1)a(L−1))=g(z(L))h_\Theta(x)=a^{(L)}=g(\
- 吴恩达coursera机器学习个人向笔记——9章神经网络学习
选西瓜专业户
吴恩达机器学习吴恩达机器学习
文章目录课时62非线性假设09:36课时63神经元与大脑07:47课时64模型展示Ⅰ12:01课时65模型展示Ⅱ11:46课时68例子与直觉理解Ⅰ07:15课时70例子与直觉理解Ⅱ10:20课时71多元分类03:51课时62非线性假设09:36对图1那样的作分类,逻辑斯蒂回归中,只要g(θ转X)中的(高次)项足够多,就一定能找出边界但这是2个特征的情况如果有100个特征,二次交叉项会将近5000个
- 神经网络和深度学习吴恩达coursera笔记
stoAir
深度学习神经网络笔记
DeepLearning文章目录DeepLearningBasicLogisticRegressionsomesignLossfunctioncostfunctionGradientDescentComputationGraphaVectorizationvectorizedImplementing:broadcastingShallowNeuralNetworkRepresentationcom
- Coursera 北京大学 操作系统原理 笔记
MaverHardcore
OperatingSystems进程(Process)和线程(Thread)进程是系统进行资源分配和调度的独立单位,每个进程都有独立的地址空间进程控制块/进程描述符ProcessControlBlock:操作系统管理进程的一个专门数据结构,记录进程的各种属性,描述其动态变化过程。进程与PCB一一对应。进程表:所有进程的PCB集合。PCB包含:进程描述信息:标识符(processID)、进程名、用户
- 《学习之道》第三章丨有效运用大脑进行记忆的方法-- 工作记忆和长期记忆
脑科学与学习方法技能
欢迎关注“教育者梅梅老师”微信公众号作者简介:[美]芭芭拉·奥克利(BarbaraOakley)现为工程学教授,本科专业(居然是)俄语。小学到高中数理成绩一路垫底,因此热爱文学。职场生活,不得不学习大量新鲜知识,甚至是头疼的数学知识。放下工作,回到学校,竟然学成了工程学博士,后留任教授。在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”,数十万人报名。本书一
- 交并比(Intersection over union)
双木的木
吴恩达深度学习笔记深度学习知识点储备笔记算法机器学习python深度学习计算机视觉
来源:Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢?接下来,你将了解到并交比(intersectionoverunion)函数,可以用来评价目标检测算法。交并比(loU)函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域,就是属于包含两个边界框区域(绿色阴影表示区域),而交集就是这个比较小的区域(橙色阴影表示区域),那么交并比就是交集的大小,这个橙色阴影面积,然
- Coursera吴恩达《深度学习》课程总结(全)
双木的木
吴恩达深度学习笔记AI笔记深度学习神经网络人工智能python
这里有Coursera吴恩达《深度学习》课程的完整学习笔记,一共5门课:《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》,最后附上人工智能领域大师访谈,干货满满。第一门课:神经网络和深度学习基础,介绍一些基本概念。(四周)第二门课:深度学习方面的实践,严密的构建神经网络,如何真正让它表现良好。超参数调整,正则化诊断偏差和方差,高级优化算法,如Mo
- 靠谱的在家赚钱的方式有些哪些?在家做副业
优惠券高省
在家赚钱的方式有很多,以下是一些你可以考虑的方法:在线教育:如果你在某个领域有专业知识,比如数学、英语、编程等,你可以创建在线课程并出售。平台如Udemy、Coursera、Codecademy等都提供了这样的机会。写作和翻译:如果你善于写作或翻译,你可以为各种客户提供专业服务。例如,你可以在Upwork、Fiverr或自己的网络中寻找客户。手工艺品销售:如果你擅长制作手工艺品,比如珠宝、木工艺品
- 免费自学编程的12个网站
蓝调之歌
现在,如果你想学编程的话,这12个网站可以帮助你,它们都提供了免费的课程供你学习,因此你无需担心费用的问题。1.Codecademy其中,Codecademy是最受欢迎的免费编程学习网站之一。事实上,已经有超过2400万人通过这家公司的教育模式学会了编程。Codecademy开设的课程有HTML&CSS,JavaScript,jQuery的,PHP,Python和Ruby。2.CourseraCo
- 吴恩达机器学习Coursera-week11
geekpy
PhotoOCR在此章的课程中,Andrew主要是想通过OCR问题的解决来阐释在实际项目中我们应该如何定义问题,并将一个大问题分解为多个小问题,并通过pipeline的方式将对这些小问题的解决方案串联起来,从而解决这个大问题。我认为这是解决实际问题的一个经典的方法论,有助于我们在实际工作和生活中更好地思考问题,分解问题,并最终解决问题。ProblemDescriptionandPipeline此小
- 生物信息学导论-北大-新一代测序NGS:转录组分析RNA-Seq 1
陆沙
生物信息学生物生物信息
ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义+搜索内容。Real-TimeqRT-PCR基于互补杂交反应(complementaryhybridizationreaction),PCR技术的发展促进了本技术的发展,缺点是:1.低通量2.需要有转录本序列的先验知识。步骤:Real-TimeQuantita
- 生物信息学导论-北大-变异的功能预测3(Comparative Modeling)
陆沙
生物信息学生物生物信息
ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。ComparativeModeling就是第一节提到的同源建模HomologyModeling,指利用序列的相似性去推测蛋白质结构。回放:同源建模HomologyModeling:SWISS-MODEL执行:先在数据库中搜索(i.e.BLAST)找到至少一个
- 生物信息学导论-北大-变异的功能预测2(SAPRED)
陆沙
生物信息学生物信息生物
ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。生物学问题:如何区分致病变异和中性变异?如何预测一个变异是否致病?方法:Conservation-based:SIFTRule-based:PolyPhenClassifier-based:PolyPhen2,SAPREDSAPRED:SingleAmino
- 生物信息学导论-北大-变异的功能预测1
陆沙
生物信息学生物生物信息
ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。基因突变的来源Germlinemutation(胚系突变)来自父母的遗传,是生殖细胞携带的突变,可以遗传在个体每个细胞中都存在Denovomutation(新发突变)父母本身没有突变,一般来自精卵结合或受精卵发育过程中的自发突变很常见,一般不会带来功能性的问
- Python data Structures: Strings, Files, Lists
Ashleyxxihf
python开发语言
PythondataStructures这门课是在coursera上由美国密歇根大学开展的公开课。python零基础可以选择course1,这是course2,我用来复习和补充的。本章将复习字符串、文件、列表。Python是这样的,没学一次都有新的发现,补充以前遗漏的地方。目录PythondataStructuresChapter6StringStringLibraryChapter7-8公式汇总
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22
[email protected]
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla