- Caffe学习系列——工具篇:计算数据集的图像均值
Solomon1588
计算机视觉CVCaffe深度学习深度学习Caffe数据预处理特征标准化
本系列文章介绍深度学习框架Caffe及其实践,本文主要介绍Caffe的实用工具——compute_image_mean计算图像均值.1.图像预处理——零均值化数据预处理在深度学习中非常重要,数据预处理中,标准的第一步是数据归一化。特征归一化常用的方法包含如下几种:简单缩放逐样本均值消减(也称为移除直流分量)特征标准化(使数据集中所有特征都具有零均值和单位方差)特征标准化指的是(独立地)使得数据的每
- Caffe学习 (五):SSD源码解读ssd_pascal.py
QZX-light
Caffe学习系列Caffe
参考博客:https://blog.csdn.net/xunan003/article/details/79089280from__future__importprint_functionimportcaffefromcaffe.model_libsimport*fromgoogle.protobufimporttext_formatimportmathimportosimportshutilim
- caffe学习(1)------windows下基于GPU配置
lishanlu136
caffecaffe
最近准备用caffe做图片的分类,可配置caffe就让我折腾了大半个月,一直配置不成功,最后还是参考官网的tutorial才配置成功,于是决定把配置的过程写下来,如果后面有朋友配置caffe遇到什么问题,还可以参考参考。首先贴出官方的配置caffe的工程:https://github.com/BVLC/caffe/tree/windows,注意,这可是基于Windows系统的,因为我的电脑是win
- caffemodel特征可视化_Caffe学习笔记4图像特征进行可视化
weixin_39824801
caffemodel特征可视化
Caffe学习笔记4图像特征进行可视化本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing/可以算是对它的翻译的总结吧,它可以算是学习笔记2的一个发展,2是介绍怎么提取特征,这是介绍怎么可视化特征1、准备工作首先
- Caffe学习:build/tools/convert_imageset
jiarenyf
caffecaffe
caffe/build/tools/convert_imageset用于将image图片转化为lmdb(leveldb)格式编写命令,实现图片格式转化:#!bin/sh#工具目录TOOLS_ROOT=caffe/build/tools#train_datas存放训练图片#label_train.txt保存图片标签#shuffle参数用于打乱图片读取顺序#train_db文件夹(不可手动新建)存放转
- Caffe学习之——caffe.cpp源码解析
ciky奇
caffecaffe.cpp
本文主要解析caffe源码中/tools/caffe.cpp文件,此文件是caffe程序的入口main函数,包含了命令行参数代码实现,如tain,test,time等。caffe结构请参考:https://blog.csdn.net/c20081052/article/details/80585888caffe命令行参数请参考:https://blog.csdn.net/c20081052/art
- caffe学习(1):多平台下安装配置caffe
weixin_34238642
操作系统运维git
如何在centos7.3上安装caffe深度学习工具有好多朋友在安装caffe时遇到不少问题。(看文章的朋友希望关心一下我的创业项目趣智思成)今天测试并整理一下安装过程。我是在阿里云上测试,选择centos7.3镜像。先安装epel源1yuminstallepel-release安装基本编译环境12yuminstallprotobuf-develleveldb-develsnappy-develo
- Caffe学习笔记1-安装以及代码结构
baobei0112
CNN卷积神经网络
Caffe学习笔记1-安装以及代码结构ByYuFeiGan2014-12-09更新日期:2014-12-09安装按照官网教程安装,我在OSX10.9和Ubuntu14.04上面都安装成功了。主要麻烦在于gloggflagsgtest这几个依赖项是google上面的需要。由于我用Mac没有CUDA,所以安装时需要设置CPU_ONLY:=1。如果不是干净的系统,安装还是有点麻烦的比如我在OSX10.9
- caffe学习笔记--写一个运行caffe.cpp的makefile
thystar
caffe学习
之前因为有caffe的项目要放到服务器上面,但是其实不需要在服务器上面重新安装caffe,所以写了个makefile.这里改写了个简单的,比较容易读的,只运行caffe.cpp,如果由其他的,可以按照makefile的规则添加就好。首先,还是要说一下关于caffe的依赖,参考之前的两篇博客:http://blog.csdn.net/thystar/article/details/51179064和
- caffe学习笔记10.1--Fine-tuning a Pretrained Network for Style Recognition(new)
thystar
caffe学习
在之前的文章里,写过一个关于微调的博客,但是今天上去发现这部分已经更新了http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb,因此补一篇最新的,关于微调,前面的文章由讲,参考http://blog.csdn.net/thystar/article/details/5067553
- caffe学习笔记(11):多任务学习之HDF5Data类型数据集生成
guyunee
deeplearningmatlabobjectdetection数据标签caffe深度学习
最近开始研究多任务学习(multi-tasklearning,MTL),先分享给大家:本文主要讲述数据集的建立,HDF5Data类型用于处理多标签数据,在网络中定义为:layer{name:"data"type:"HDF5Data"top:"data"top:"label"include{phase:TRAIN}hdf5_data_param{source:"list_train.txt"batc
- Caffe学习:Forward and Backward
jiarenyf
caffecaffe
原文forwardandbackwardpasses(前向迭代和反向迭代)是Net最基本的成分。下面以简单的logisticregressionclassifier(逻辑回归分类器)为例。ForwardPass(前向迭代)利用给定的输入,根据模型设定的函数,计算出输出。Thispassgoesfrombottomtotop(数据流向从bottom到top)。数据x通过一个innerproductl
- Ubuntu14.04下配置Caffe+OpenCV2.4.10+CUDA7.5+cuDNN5.1.10
cuihaolong
3DPrint系统配置
1.CUDA配置与Tensorflow,Keras等深度学习框架一样的配置方法,一次配置可以重用,其他基础软件和依赖项亦可参考:Caffe学习笔记2--Ubuntu14.0464bit安装Caffe(GPU版本)Ubuntu14.04+Caffe+Cuda7.5+Opencv3.0安装教程Caffe+Ubuntu14.0464bit+CUDA6.5配置说明Caffe搭建:Ubuntu14.04+C
- Caffe学习笔记(一): 训练和测试自己的数据集
__Sunshine__
笔记Pythoncaffe训练数据集计算机视觉
1数据准备首先在caffe根目录下建立一个文件夹myfile,用于存放数据文件和后面的caffe模型相关文件。然后在myfile文件夹下建立build_lmdb和datatest两个文件夹,其中build_lmdb文件夹用于存放生成的lmdb文件,datatest文件夹存放图片数据。在datatest下主要有2个文件夹和2个.sh文件和2个.txt文件,其中train文件夹中存放待训练的图片,va
- Caffe学习(三)Caffe模型的结构
遍地流金
Caffe学习
一总体结构在caffe中,解决一个问题首先应该定义一个slover,反应到mnist例程中也就是lenet_solver.prototxt。该slover主要包括两部分,(1)为网络模型model,(2)为该模型参数的具体optimization方法及参数。model主要由各种layer组成,主要包括数据相关的DataLayer,图像滤波变换相关的VisionLayer,非线性激活函数Activa
- caffe数据文件lmdb训练神器digits
hi我是大嘴巴
denny的学习专栏徐其华博客园首页新随笔联系管理订阅随笔-145文章-0评论-1085Caffe学习系列(21):caffe图形化操作工具digits的安装与运行经过前面一系列的学习,我们基本上学会了如何在linux下运行caffe程序,也学会了如何用python接口进行数据及参数的可视化。如果还没有学会的,请自行细细阅读:caffe学习系列:http://www.cnblogs.com/den
- Caffe学习总结(一)——初识caffe
不系之舟913
深度学习caffe深度学习机器学习框架
深度学习在当前情况下可以用一个字来形容“火”,目前项目中使用到了常用的机器学习算法,在使用过程中发现图像的特征提取成为识别的瓶颈,无意中了解到caffe,可以很好的解决特征提取的问题。于是想尝试一下caffe的威力。初识caffe,就习惯性了想了解下作者,发现设计作者是贾杨清,终于发现一个牛逼的框架是我们中国人做的啦!于是很兴奋,很想深入的进行学习,希望能在工作中使用起来。1、caffe的由来到一
- 深度学习之----caffe
Steven_ycs
本文主要讲解caffe的整个使用流程,适用于初级入门caffe,通过学习本篇博文,理清项目训练、测试流程。初级教程,高手请绕道。我们知道,在caffe编译完后,在caffe目录下会生成一个build目录,在build目录下有个tools,这个里面有个可执行文件caffe,如下图所示:有了这个可执行文件我们就可以进行模型的训练,只需要学会调用这个可执行文件就可以了,这便是最简单的caffe学习,不需
- caffe学习系列二:源码深入解析-单步跟踪调试指南
singularpt
为了更好的学习caffe,我们利用上节安装好的环境,进行单步调试,以窥caffe全貌。准备工作:要在vs2013中单步跟踪调试caffe,需要配置caffe工程,打开【属性】-【调试】-【命令行参数】中加入输入参数。如下配置:image.png先贴一张caffe的整体处理流程:image.png一、函数入口众所周知,caffe由c++写的,而c++的入口函数为main,我们在caffe.cpp文件
- Ubuntu 14.04下编译OpenPose
crazyhank
OpenPose是CMU开发的一个开源人体姿态检测模型,github地址为:https://github.com/CMU-Perceptual-Computing-Lab/openpose,下面为在ubuntu14.04版本上编译的过程下载源码由于openpose依赖于第三方的caffe学习框架,所以在gitclone一定要加上"--recursive"选项,如下所示:#gitclone--rec
- Caffe学习笔记6:过程小结
Zz鱼丸
之前写的学习笔记1用两种方法进行预测,今天发现有点不对。下面进行分析总结:先来看看Classifier的源代码#!/usr/bin/envpython"""ClassifierisanimageclassifierspecializationofNet."""importnumpyasnpimportcaffeclassClassifier(caffe.Net):"""Classifierexte
- Caffe Cifar10模型测试及可视化
不会积
本文主体来自[Caffe学习系列(17):模型各层数据和参数可视化],加了一点自己的注释(http://www.cnblogs.com/denny402/p/5105911.html)先用caffe对cifar10进行训练,将训练的结果模型进行保存,得到一个caffemodel,然后从测试图片中选出一张进行测试,并进行可视化。#加载必要的库importnumpyasnpimportmatplotl
- Caffe学习系列(3):视觉层(Vision Layers)及参数
weixin_33850890
matlab人工智能
所有的层都具有的参数,如name,type,bottom,top和transform_param请参看我的前一篇文章:Caffe学习系列(2):数据层及参数本文只讲解视觉层(VisionLayers)的参数,视觉层包括Convolution,Pooling,LocalResponseNormalization(LRN),im2col等层。1、Convolution层:就是卷积层,是卷积神经网络(C
- Caffe学习之一:Caffe的配置和编译
sherry_gp
程序软件安装
最近,在学习deeplearning,使用的工具就是caffe,比较容易上手,不啰嗦了,先说环境的配置和编译。系统的平台为win10+matlab2014b+vs2013.在开始之前,要安装cuda的驱动,我使用的cuda7.5这个版本(为了和caffe里面使用的版本同步)。首先,在https://github.com/happynear/caffe-windows下载caffe和以及此页面上提供
- 【深度学习框架Caffe学习与应用】第四课 Caffe可视化工具
soldier123333
[caffe学习笔记]
1.首先准备pycaffe环境输入一下命令:2.网络可视化的工具2.1在caffe中,有一个专门用于画网络结构图的py文件:caffe/tools/draw_net.py2.2也可以通过在线可视化工具,网址如下:http://ethereon.github.io/netscope/#/editor2.caffemodel的可视化,需要先把代码看明白,这里不写了3.特征图的可视化4.loss和acc
- 【深度学习框架Caffe学习与应用】 第十一课
soldier123333
[caffe学习笔记]
1.车辆检测实践:使用Caffe训练的深度学习模型做目标检测——以车辆检测为例有关文件都放在以下文件夹中:对vehicle_detetc.cpp进行编译:编译之前,需要修改一下代码中的文件路径:我刚开始先编译之后,才修改的源文件,所以运行的时候,出现下面错误:只要修改完路径之后,重新编译就好结果如下图所示:效果不好,有误检
- 【深度学习框架Caffe学习与应用】第五课 自定义神经层和数据输入层
soldier123333
[caffe学习笔记]
一、自定义神经层1.创建新定义的头文件,目录在caffe/include/caffe/layers/my_neuron_layer.hpp我复制了conv_layer.hpp文件,然后在该文件的内容上进行更改如果只是需要CPU方法,可以注释掉forward_gpu和backward_gpu修改对照内容如下(左侧是conv_layer.hpp,右侧是my_neuron_layer.hpp):2.创建
- 【深度学习框架Caffe学习与应用】第三课 使用训练好的模型
soldier123333
[caffe学习笔记]
1.均值文件将所有训练样本的均值保存为文件。首先将计算均值文件的caffe工具compute_image_mean放到当前目录:caffe/test/mnist/下面,之后运行如下命令:这样,我们的均值文件就生成了2.改写deploy文件(以mnist为例)(略过)3.使用修改后的mnist的deploy文件,输入一张图片,输出分类结果首先我们写了一个test_mnist.cpp文件,先进行编译,
- Caffe学习笔记11:Ubuntu 16.04 中 caffe 编译出现的错误——fatal error: hdf5.h: 没有那个文件或目录
weixin_41774576
Caffe
step1:cd/usr/lib/x86_64-linux-gnusudoln-slibhdf5_serial.so.8.0.2libhdf5.sosudoln-slibhdf5_serial_hl.so.8.0.2libhdf5_hl.sostep2:changeMakefile.config//打开Makefile.config将下面的INCLUDE_DIRS:=$(PYTHON_INCLUD
- caffe学习-代码阅读DataLayer
华山汉灵
编程-深度学习框架
以下摘录自《深度学习轻松学》冯超为了能够尽可能地提高训练速度,DataLayer采用了异步准备数据的形式,数据读人的工作和模型训练的工作在各自的线程中进行,相互独立并不依赖。当模型需要数据时,只需要将数据复制到指定的内存中即可。从lmdb数据库中,Cusror逐一获取数据,然后构成batch,经过transform变换后,是实际训练用的data.最上面的虚线框是DataReader类,负责从DB中
- rust的指针作为函数返回值是直接传递,还是先销毁后创建?
wudixiaotie
返回值
这是我自己想到的问题,结果去知呼提问,还没等别人回答, 我自己就想到方法实验了。。
fn main() {
let mut a = 34;
println!("a's addr:{:p}", &a);
let p = &mut a;
println!("p's addr:{:p}", &a
- java编程思想 -- 数据的初始化
百合不是茶
java数据的初始化
1.使用构造器确保数据初始化
/*
*在ReckInitDemo类中创建Reck的对象
*/
public class ReckInitDemo {
public static void main(String[] args) {
//创建Reck对象
new Reck();
}
}
- [航天与宇宙]为什么发射和回收航天器有档期
comsci
地球的大气层中有一个时空屏蔽层,这个层次会不定时的出现,如果该时空屏蔽层出现,那么将导致外层空间进入的任何物体被摧毁,而从地面发射到太空的飞船也将被摧毁...
所以,航天发射和飞船回收都需要等待这个时空屏蔽层消失之后,再进行
&
- linux下批量替换文件内容
商人shang
linux替换
1、网络上现成的资料
格式: sed -i "s/查找字段/替换字段/g" `grep 查找字段 -rl 路径`
linux sed 批量替换多个文件中的字符串
sed -i "s/oldstring/newstring/g" `grep oldstring -rl yourdir`
例如:替换/home下所有文件中的www.admi
- 网页在线天气预报
oloz
天气预报
网页在线调用天气预报
<%@ page language="java" contentType="text/html; charset=utf-8"
pageEncoding="utf-8"%>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transit
- SpringMVC和Struts2比较
杨白白
springMVC
1. 入口
spring mvc的入口是servlet,而struts2是filter(这里要指出,filter和servlet是不同的。以前认为filter是servlet的一种特殊),这样就导致了二者的机制不同,这里就牵涉到servlet和filter的区别了。
参见:http://blog.csdn.net/zs15932616453/article/details/8832343
2
- refuse copy, lazy girl!
小桔子
copy
妹妹坐船头啊啊啊啊!都打算一点点琢磨呢。文字编辑也写了基本功能了。。今天查资料,结果查到了人家写得完完整整的。我清楚的认识到:
1.那是我自己觉得写不出的高度
2.如果直接拿来用,很快就能解决问题
3.然后就是抄咩~~
4.肿么可以这样子,都不想写了今儿个,留着作参考吧!拒绝大抄特抄,慢慢一点点写!
- apache与php整合
aichenglong
php apache web
一 apache web服务器
1 apeche web服务器的安装
1)下载Apache web服务器
2)配置域名(如果需要使用要在DNS上注册)
3)测试安装访问http://localhost/验证是否安装成功
2 apache管理
1)service.msc进行图形化管理
2)命令管理,配
- Maven常用内置变量
AILIKES
maven
Built-in properties
${basedir} represents the directory containing pom.xml
${version} equivalent to ${project.version} (deprecated: ${pom.version})
Pom/Project properties
Al
- java的类和对象
百合不是茶
JAVA面向对象 类 对象
java中的类:
java是面向对象的语言,解决问题的核心就是将问题看成是一个类,使用类来解决
java使用 class 类名 来创建类 ,在Java中类名要求和构造方法,Java的文件名是一样的
创建一个A类:
class A{
}
java中的类:将某两个事物有联系的属性包装在一个类中,再通
- JS控制页面输入框为只读
bijian1013
JavaScript
在WEB应用开发当中,增、删除、改、查功能必不可少,为了减少以后维护的工作量,我们一般都只做一份页面,通过传入的参数控制其是新增、修改或者查看。而修改时需将待修改的信息从后台取到并显示出来,实际上就是查看的过程,唯一的区别是修改时,页面上所有的信息能修改,而查看页面上的信息不能修改。因此完全可以将其合并,但通过前端JS将查看页面的所有信息控制为只读,在信息量非常大时,就比较麻烦。
- AngularJS与服务器交互
bijian1013
JavaScriptAngularJS$http
对于AJAX应用(使用XMLHttpRequests)来说,向服务器发起请求的传统方式是:获取一个XMLHttpRequest对象的引用、发起请求、读取响应、检查状态码,最后处理服务端的响应。整个过程示例如下:
var xmlhttp = new XMLHttpRequest();
xmlhttp.onreadystatechange
- [Maven学习笔记八]Maven常用插件应用
bit1129
maven
常用插件及其用法位于:http://maven.apache.org/plugins/
1. Jetty server plugin
2. Dependency copy plugin
3. Surefire Test plugin
4. Uber jar plugin
1. Jetty Pl
- 【Hive六】Hive用户自定义函数(UDF)
bit1129
自定义函数
1. 什么是Hive UDF
Hive是基于Hadoop中的MapReduce,提供HQL查询的数据仓库。Hive是一个很开放的系统,很多内容都支持用户定制,包括:
文件格式:Text File,Sequence File
内存中的数据格式: Java Integer/String, Hadoop IntWritable/Text
用户提供的 map/reduce 脚本:不管什么
- 杀掉nginx进程后丢失nginx.pid,如何重新启动nginx
ronin47
nginx 重启 pid丢失
nginx进程被意外关闭,使用nginx -s reload重启时报如下错误:nginx: [error] open() “/var/run/nginx.pid” failed (2: No such file or directory)这是因为nginx进程被杀死后pid丢失了,下一次再开启nginx -s reload时无法启动解决办法:nginx -s reload 只是用来告诉运行中的ng
- UI设计中我们为什么需要设计动效
brotherlamp
UIui教程ui视频ui资料ui自学
随着国际大品牌苹果和谷歌的引领,最近越来越多的国内公司开始关注动效设计了,越来越多的团队已经意识到动效在产品用户体验中的重要性了,更多的UI设计师们也开始投身动效设计领域。
但是说到底,我们到底为什么需要动效设计?或者说我们到底需要什么样的动效?做动效设计也有段时间了,于是尝试用一些案例,从产品本身出发来说说我所思考的动效设计。
一、加强体验舒适度
嗯,就是让用户更加爽更加爽的用你的产品。
- Spring中JdbcDaoSupport的DataSource注入问题
bylijinnan
javaspring
参考以下两篇文章:
http://www.mkyong.com/spring/spring-jdbctemplate-jdbcdaosupport-examples/
http://stackoverflow.com/questions/4762229/spring-ldap-invoking-setter-methods-in-beans-configuration
Sprin
- 数据库连接池的工作原理
chicony
数据库连接池
随着信息技术的高速发展与广泛应用,数据库技术在信息技术领域中的位置越来越重要,尤其是网络应用和电子商务的迅速发展,都需要数据库技术支持动 态Web站点的运行,而传统的开发模式是:首先在主程序(如Servlet、Beans)中建立数据库连接;然后进行SQL操作,对数据库中的对象进行查 询、修改和删除等操作;最后断开数据库连接。使用这种开发模式,对
- java 关键字
CrazyMizzz
java
关键字是事先定义的,有特别意义的标识符,有时又叫保留字。对于保留字,用户只能按照系统规定的方式使用,不能自行定义。
Java中的关键字按功能主要可以分为以下几类:
(1)访问修饰符
public,private,protected
p
- Hive中的排序语法
daizj
排序hiveorder byDISTRIBUTE BYsort by
Hive中的排序语法 2014.06.22 ORDER BY
hive中的ORDER BY语句和关系数据库中的sql语法相似。他会对查询结果做全局排序,这意味着所有的数据会传送到一个Reduce任务上,这样会导致在大数量的情况下,花费大量时间。
与数据库中 ORDER BY 的区别在于在hive.mapred.mode = strict模式下,必须指定 limit 否则执行会报错。
- 单态设计模式
dcj3sjt126com
设计模式
单例模式(Singleton)用于为一个类生成一个唯一的对象。最常用的地方是数据库连接。 使用单例模式生成一个对象后,该对象可以被其它众多对象所使用。
<?phpclass Example{ // 保存类实例在此属性中 private static&
- svn locked
dcj3sjt126com
Lock
post-commit hook failed (exit code 1) with output:
svn: E155004: Working copy 'D:\xx\xxx' locked
svn: E200031: sqlite: attempt to write a readonly database
svn: E200031: sqlite: attempt to write a
- ARM寄存器学习
e200702084
数据结构C++cC#F#
无论是学习哪一种处理器,首先需要明确的就是这种处理器的寄存器以及工作模式。
ARM有37个寄存器,其中31个通用寄存器,6个状态寄存器。
1、不分组寄存器(R0-R7)
不分组也就是说说,在所有的处理器模式下指的都时同一物理寄存器。在异常中断造成处理器模式切换时,由于不同的处理器模式使用一个名字相同的物理寄存器,就是
- 常用编码资料
gengzg
编码
List<UserInfo> list=GetUserS.GetUserList(11);
String json=JSON.toJSONString(list);
HashMap<Object,Object> hs=new HashMap<Object, Object>();
for(int i=0;i<10;i++)
{
- 进程 vs. 线程
hongtoushizi
线程linux进程
我们介绍了多进程和多线程,这是实现多任务最常用的两种方式。现在,我们来讨论一下这两种方式的优缺点。
首先,要实现多任务,通常我们会设计Master-Worker模式,Master负责分配任务,Worker负责执行任务,因此,多任务环境下,通常是一个Master,多个Worker。
如果用多进程实现Master-Worker,主进程就是Master,其他进程就是Worker。
如果用多线程实现
- Linux定时Job:crontab -e 与 /etc/crontab 的区别
Josh_Persistence
linuxcrontab
一、linux中的crotab中的指定的时间只有5个部分:* * * * *
分别表示:分钟,小时,日,月,星期,具体说来:
第一段 代表分钟 0—59
第二段 代表小时 0—23
第三段 代表日期 1—31
第四段 代表月份 1—12
第五段 代表星期几,0代表星期日 0—6
如:
*/1 * * * * 每分钟执行一次。
*
- KMP算法详解
hm4123660
数据结构C++算法字符串KMP
字符串模式匹配我们相信大家都有遇过,然而我们也习惯用简单匹配法(即Brute-Force算法),其基本思路就是一个个逐一对比下去,这也是我们大家熟知的方法,然而这种算法的效率并不高,但利于理解。
假设主串s="ababcabcacbab",模式串为t="
- 枚举类型的单例模式
zhb8015
单例模式
E.编写一个包含单个元素的枚举类型[极推荐]。代码如下:
public enum MaYun {himself; //定义一个枚举的元素,就代表MaYun的一个实例private String anotherField;MaYun() {//MaYun诞生要做的事情//这个方法也可以去掉。将构造时候需要做的事情放在instance赋值的时候:/** himself = MaYun() {*
- Kafka+Storm+HDFS
ssydxa219
storm
cd /myhome/usr/stormbin/storm nimbus &bin/storm supervisor &bin/storm ui &Kafka+Storm+HDFS整合实践kafka_2.9.2-0.8.1.1.tgzapache-storm-0.9.2-incubating.tar.gzKafka安装配置我们使用3台机器搭建Kafk
- Java获取本地服务器的IP
中华好儿孙
javaWeb获取服务器ip地址
System.out.println("getRequestURL:"+request.getRequestURL());
System.out.println("getLocalAddr:"+request.getLocalAddr());
System.out.println("getLocalPort:&quo