- 基于图神经网络的动态物化视图管理
KaiwuDB 数据库
人工智能
本期PaperReading主要介绍了发布于2023年ICDE的论文《DynamicMaterializedViewManagementusingGraphNeuralNetwork》,该文研究了动态物化视图管理问题,提出了一个基于GNN的模型。在真实的数据集上的实验结果表明,取得了更高的质量。一、背景物化视图(MaterializedViews,下文简称MVs)在数据库管理系统中起着至关重要的作
- 【PaperReading】3. PTP
页页读
大模型人工智能PTPmodel多模态大模型
CategoryContent论文题目Position-guidedTextPromptforVision-LanguagePre-trainingCode:ptp作者AlexJinpengWang(SeaAILab),PanZhou(SeaAILab),MikeZhengShou(ShowLab,NationalUniversityofSingapore),ShuichengYan(SeaAIL
- 【PaperReading】4. TAP
页页读
大模型人工智能多模态大模型
CategoryContent论文题目TokenizeAnythingviaPrompting作者TingPan,LuluTang,XinlongWang,ShiguangShan(BeijingAcademyofArtificialIntelligence)发表年份2023摘要提出了一个统一的可提示模型,能够同时对任何事物进行分割、识别和描述。与SAM不同,我们的目标是通过视觉提示在野外构建一个
- 【PaperReading】2. MM-VID
页页读
大模型多模态模型MM-vid
CategoryContent论文题目MM-VID:AdvancingVideoUnderstandingwithGPT-4V(ision)作者KevinLin,FaisalAhmed,LinjieLi,Chung-ChingLin,EhsanAzarnasab,ZhengyuanYang,JianfengWang,LinLiang,ZichengLiu,YumaoLu,CeLiu,LijuanW
- ZKP zkDT (PaperReading)
Simba17
PaperReading零知识证明零知识证明笔记论文阅读
zkDT(CCS’20)PaperReadingZhang,Jiaheng,etal.“Zeroknowledgeproofsfordecisiontreepredictionsandaccuracy.”Proceedingsofthe2020ACMSIGSACConferenceonComputerandCommunicationsSecurity.2020.AbstractInthispape
- AutoDIR: Automatic All-in-One Image Restoration with Latent Diffusion
努力学图像处理的小菜
Low-level扩散模型人工智能
AutoDIR:AutomaticAll-in-OneImageRestorationwithLatentDiffusion(Paperreading)YitongJiang,TheChineseUniversityofHongKong,arXiv23,Code,Paper1.前言我们提出了一种具有潜在扩散的一体化图像恢复系统,名为AutoDIR,它可以自动检测和恢复具有多种未知退化的图像。我们的
- Image Super-Resolution with Text Prompt Diffusion
努力学图像处理的小菜
Low-level扩散模型prompt计算机视觉人工智能
ImageSuper-ResolutionwithTextPromptDiffusion(Paperreading)ZhengChen,ShanghaiJiaoTongUniversity,arXiv23,Code,Paper1.前言受多模态方法和文本提示图像处理进步的启发,我们将文本提示引入图像SR,以提供退化先验。具体来说,我们首先设计了一个文本图像生成管道,通过文本退化表示和退化模型将文本集
- CONTROLLING VISION-LANGUAGE MODELS FOR MULTI-TASK IMAGE RESTORATION
努力学图像处理的小菜
Low-level图像处理扩散模型语言模型人工智能自然语言处理
CONTROLLINGVISION-LANGUAGEMODELSFORMULTI-TASKIMAGERESTORATION(Paperreading)ZiweiLuo,UppsalaUniversity,ICLRunderreview(6663),Cited:None,Stars:350+,Code,Paper.1.前言像CLIP这样的视觉语言模型已经显示出对零样本或无标签预测的各种下游任务的巨大
- GNN3.1 GCN (PaperReading&Implementation)
Simba14
PaperReading图神经网络笔记人工智能
GNN学习笔记GNN从入门到精通课程笔记3.1GCN(ICLR'17)Semi-supervisedClassificationwithGraphConvolutionalNetwork(ICLR'17)AbstractWepresentascalableapproachforsemi-supervisedlearningongraph-structureddatathatisbasedonane
- RPKI IRR Hygiene in the RPKI Era (Paper Reading)
Simba14
计算机网络PaperReadingRPKI计算机网络笔记
RPKI-IRRHygieneintheRPKIEra(PaperReading)Noteofpaper“IRRHygieneintheRPKIEra”(PAM'22)IntroductionIRR&RPKIImproveroutingsecurityintheBorderGatewayProtocol(BGP)byallowingnetworkstoregisterinformationandd
- ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting
努力学图像处理的小菜
计算机视觉人工智能深度学习
ResShift:EfficientDiffusionModelforImageSuper-resolutionbyResidualShifting(Paperreading)ZongshengYue,S-Lab,NanyangTechnologicalUniversity,NeurIPS23,Cited:0,Code,Paper1.前言基于扩散的图像超分辨率(SR)方法由于需要数百甚至数千个采样
- Diffusion Autoencoders: Toward a Meaningful and Decodable Representation
努力学图像处理的小菜
扩散模型Tricks图像处理人工智能深度学习计算机视觉
DiffusionAutoencoders:TowardaMeaningfulandDecodableRepresentation(Paperreading)KonpatPreechakul,VISTEC,Thailand,CVPR22Oral,Cited:117,Code,Paper1.前言扩散概率模型(DPM)在图像生成方面取得了显着的质量,可与GAN相媲美。但是与GAN不同,DPM使用一组潜
- Denoising Diffusion Autoencoders are Unified Self-supervised Learners
努力学图像处理的小菜
计算机视觉深度学习
DenoisingDiffusionAutoencodersareUnifiedSelf-supervisedLearners(Paperreading)WeilaiXiang,BeihangUniversity,arXiv23,Code,Paper1.前言受最近扩散模型进展的启发,这让人想起去噪自编码器,我们研究了它们是否可以通过生成预训练获得分类的判别表示。本文表明扩散模型中的网络,即去噪扩散
- Learning Invariant Representation for Unsupervised Image Restoration
努力学图像处理的小菜
图像处理Low-level人工智能计算机视觉深度学习
LearningInvariantRepresentationforUnsupervisedImageRestoration(Paperreading)WenchaoDu,SichuanUniversity,CVPR20,Cited:63,Code,Paper1.前言近年来,跨域传输被应用于无监督图像恢复任务中。但是,直接应用已有的框架,由于缺乏有效的监督,会导致翻译图像出现域漂移问题。相反,我们
- 重读GPDB 和 TiDB 论文引发的 HTAP 数据库再思考
阿福Chris
Greenplum使用TiDB数据库GreenplumTiDB
为什么要再思考?大家好,我是阿福,之前我在社区PaperReading活动中分享了Greenplum团队在2021年SIGMOD上发表的论文:《Greenplum:AHybridDatabaseforTransactionalandAnalyticalWorkloads》。该篇论文,针对传统分析型数据库产品(OLAPRDBMS)Greenplum,通过解决一系列TP场景下的高代价计算问题,比如“分
- TiDB 论文引发的 HTAP 数据库再思考
TiDB 社区干货传送门
tidb数据库
作者:阿福Chris原文来源:https://tidb.net/blog/edacd590为什么要再思考?大家好,我是阿福,之前我在社区PaperReading活动中分享了Greenplum团队在2021年SIGMOD上发表的论文:《Greenplum:AHybridDatabaseforTransactionalandAnalyticalWorkloads》-https://asktug.com
- 一文详解数据库 MVCC
zhisheng_blog
数据库javamysqlxhtmlwebgl
点击上方"zhisheng"关注,星标或置顶一起成长Flink从入门到精通系列文章很多开发者都熟悉InnoDB中的MVCC(Multi-VersionConcurrencyControl)。在应用层面,通过维护多版本的数据,可以提高并行事务数,且不影响各事务的可串行性。本次PaperReading的论文出自2017年VLDB:《AnEmpiricalEvaluationofIn-MemoryMul
- Paper Reading【1】:Widar2.0: Passive Human Tracking with a Single Wi-Fi Link
Genuine:)
matlab算法信息与通信信号处理
PaperReading【1】:Widar2.0:PassiveHumanTrackingwithaSingleWi-FiLink前言Abstract1INTRODUCTION2OVERVIEW3MOTIONINCSI3.1CSI-MotionModel3.2JointMultipleParameterEstimation3.3CSICleaning4LOCALIZATION4.1PathMatc
- Paperreading:ChatGPT is not all you need. A State of the Art Review of large Generative AI models
阿花小朋友
生成ai人工智能python深度学习自然语言处理
ChatGPTisnotallyouneed.AStateoftheArtReviewoflargeGenerativeAImodels最先进的大型AI生成模型综述原文链接Abstract在过去两年中,已经发布了大量大型生成模型,例如ChatGPT或StableDiffusion。具体而言,这些模型能够执行诸如通用问答系统或自动创建艺术图像等任务,这些任务正在彻底改变多个领域。因此,这些生成模型对
- 本地部署体验LISA模型(LISA≈图像分割基础模型SAM+多模态大语言模型LLaVA)
热水过敏
项目记录python计算机视觉图像处理交互pytorch自然语言处理
GitHub地址:https://github.com/dvlab-research/LISA该项目论文paperreading:https://blog.csdn.net/Transfattyacids/article/details/132254770在GitHub上下载源文件,进入下载的文件夹,打开该地址下的命令控制台,执行指令:pipinstall-rrequirements.txtpip
- Tiny-Attention Adapter: Contexts Are More Important Than the Number of Parameters
努力学图像处理的小菜
Tricks深度学习
Tiny-AttentionAdapter:ContextsAreMoreImportantThantheNumberofParameters(Paperreading)HongyuZhao,UniversityofChicago,EMNLP2022,Cited:3,Code:None,Paper1.前言Adapter-tuning是一种范式,通过添加和调整少量新参数,将预训练语言模型转移到下游任
- Tip-Adapter: Training-free Adaption of CLIP for Few-shot Classification
努力学图像处理的小菜
Tricks人工智能计算机视觉深度学习
Tip-Adapter:Training-freeAdaptionofCLIPforFew-shotClassification(Paperreading)RenruiZhang,ShanghaiAILaboratory,ECCV2022,Cited:45,Code,Paper1.前言对比式视觉-语言预训练,也称为CLIP,通过大规模的图像-文本对来学习视觉表示,为zero-shot知识迁移展示了
- [GAN] 使用GAN网络进行图片生成的“调参人”入门指南——生成向日葵图片
驼同学.
生成式网络生成对抗网络神经网络人工智能mindspore
[GAN]使用GAN网络进行图片生成的“炼丹人”日志——生成向日葵图片文章目录[GAN]使用GAN网络进行图片生成的“炼丹人”日志——生成向日葵图片1.写在前面:1.1应用场景:1.2数据集情况:1.3实验原理讲解和分析(简化版,到时候可以出一期深入的PaperReading)1.4一些必要的介绍2.重要实验代码:2.1一些相关的数据预处理2.2生成器和判别器2.3损失函数计算2.4训练和反向传播
- 今晚 7 点半 | SUFS: 存储资源使用量预测服务
KaiwuDB
KaiwuDB
线上沙龙-PaperReading第6期营业啦本期直播看点本期论文>>《SUFS:AGenericStorageUsageForecastingServiceThroughAdaptiveEnsembleLearning》论文提出了一个增强的LSTM神经网络和自适应的模型集成算法,为不同的存储系统提供统的存储资源使用量预测服务,该方法的准确率在多个真实生产环境的存储系统中得到了验证。为什么选择本期
- SUFS: 存储资源使用量预测服务
KaiwuDB
KaiwuDB
线上沙龙-PaperReading第6期营业啦06月27日(周二)19:30KaiwuDB-B站直播间本期论文>>《SUFS:AGenericStorageUsageForecastingServiceThroughAdaptiveEnsembleLearning》论文提出了一个增强的LSTM神经网络和自适应的模型集成算法,为不同的存储系统提供统一的存储资源使用量预测服务,该方法的准确率在多个真实
- LayoutTransformer: Layout Generation and Completion with Self-attention
努力学图像处理的小菜
机器学习人工智能深度学习
LayoutTransformer:LayoutGenerationandCompletionwithSelf-attention(Paperreading)KamalGupta,UniversityofMaryland,US,Cited:41,Code,Paper1.前言我们解决了在各种领域中(如图像、移动应用、文档和3D对象)进行场景布局生成的问题。大多数复杂场景,无论是自然场景还是人工设计的
- TextDiffuser: Diffusion Models as Text Painters
努力学图像处理的小菜
扩散模型图像处理人工智能深度学习计算机视觉
TextDiffuser:DiffusionModelsasTextPainters(Paperreading)JingyeChen,HKUST,HK,arXiv2023,Cited:0,Code,Paper1.前言扩散模型因其出色的生成能力而受到越来越多的关注,但目前在生成准确连贯的文本方面仍存在困难。为了解决这个问题,我们引入了TextDiffuser,重点是生成具有视觉吸引力的文本,并且与背
- Guided Diffusion/Diffusion Models Beat GANs on Image Synthesis (Paper reading)
努力学图像处理的小菜
图像处理扩散模型pythonpython算法人工智能计算机视觉深度学习
GuidedDiffusion/DiffusionModelsBeatGANsonImageSynthesis(Paperreading)PrafullaDhariwal,OpenAI,NeurlPS2021,Cited:555,Code,Paper.目录子GuidedDiffusion/DiffusionModelsBeatGANsonImageSynthesis(Paperreading)1.
- An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion
努力学图像处理的小菜
图像处理扩散模型Tricks计算机视觉人工智能深度学习
AnImageisWorthOneWord:PersonalizingText-to-ImageGenerationusingTextualInversion(Paperreading)RinonGal,Tel-AvivUniversity,Israel,arXiv2022,Cited:182,Paper,Code1.前言文本到图像的模型为通过自然语言引导创作提供了前所未有的自由。然而,目前尚不清
- GlyphControl: Glyph Conditional Control for Visual Text Generation
努力学图像处理的小菜
扩散模型计算机视觉人工智能深度学习
GlyphControl:GlyphConditionalControlforVisualTextGeneration(Paperreading)YukangYang,MicrosoftResearchAsia,arXiv2023,Cited:0,Code,Paper1.前言最近,人们对开发基于扩散的文本到图像生成模型的兴趣日益增长,这些模型能够生成连贯且形式良好的视觉文本。在本文中,我们提出了一
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置