- 【技术派专享】并行智算云:RTX 5090 免费算力深度评测 + 实战指南▎ 为什么开发者需要关注云端算力?
山顶望月川
人工智能云计算
在微调Llama3、训练扩散模型或跑Kaggle比赛时,本地显卡(比如RTX3090/4090)常面临显存不足、训练慢、散热差等问题。而购买多卡服务器成本极高(一台8×A100机器年成本超20万),对个人和小团队极不友好。并行智算云近期推出的“开发者扶持计划”,提供RTX5090免费算力(显存32GB,FP32算力60TFLOPS),实测比4090训练速度快1.8倍,且支持多卡并行。下面从技术优势
- 浙江省经信厅数据算力与基础设施处处长庞为兴带队调研景联文科技,共探工业数据驱动智造新路径!
景联文科技
科技
7月2日上午,浙江省经信厅数据算力与基础设施处处长庞为兴、产业数字化处处长张君等一行领导带队莅临景联文科技调研指导工作,景联文科技CEO刘云涛参加调研并做汇报讲解,双方就数据服务公司业务,工业高质量数据集建设及政企合作方向展开深入探讨。景联文科技作为“懂模型、懂业务”的AI数据服务商,业务模式涵盖按需标注、预置数据集供应及平台部署服务,并积极汇聚公共数据资源,携手华为构建语料知识库,赋能数据标注产
- 深度学习实验:GPU加速,突破性能瓶颈
AI天才研究院
AgenticAI实战计算AI人工智能与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
深度学习实验:GPU加速,突破性能瓶颈1.背景介绍随着深度学习模型变得越来越复杂和庞大,传统的CPU已经无法满足训练和推理的计算需求。GPU凭借其强大的并行计算能力和专门为矩阵运算优化的架构,成为了深度学习领域的核心加速器。本文将探讨如何利用GPU加速深度学习实验,突破性能瓶颈,提高模型训练和推理的效率。2.核心概念与联系2.1GPU架构GPU(图形处理器)最初是为了加速图形渲染而设计的,但由于其
- 大模型在蛛网膜下腔出血预测与诊疗方案制定中的应用研究
目录一、引言1.1研究背景与意义1.2研究目的与创新点二、蛛网膜下腔出血概述2.1定义与分类2.2发病原因及危险因素2.3临床表现与诊断依据三、大模型技术原理与应用现状3.1大模型基本原理3.2在医疗领域的应用案例3.3应用于蛛网膜下腔出血预测的可行性分析四、大模型预测蛛网膜下腔出血的具体方案4.1术前风险预测4.1.1数据收集与预处理4.1.2模型构建与训练4.1.3预测指标与评估4.2术中情况
- 使用大模型预测胃穿孔的全流程系统技术方案大纲
目录一、项目概述二、项目背景三、建设目标四、建设内容(一)建设架构(二)核心功能(三)核心技术(四)预期成效(五)方案总结五、系统架构方案流程图六、实验验证证据七、健康教育与指导一、项目概述本项目旨在构建一套基于大模型的胃穿孔预测及全流程管理系统,通过整合术前、术中、术后各环节数据,利用先进的人工智能技术,实现对胃穿孔疾病的精准预测、手术方案优化、并发症风险预警以及术后护理指导等功能,为医疗决策提
- 【TensorRT】TensorRT及加速原理
浩瀚之水_csdn
tensorrt
一、TensorRT架构概览TensorRT是NVIDIA推出的高性能推理优化器,专为GPU加速设计。其核心架构分为三层:前端解析器支持ONNX/UFF/Caffe等格式的模型解析执行格式验证和初步结构优化优化引擎核心优化层(层融合、精度校准、内存优化等)生成优化后的计算图(OptimizedGraph)运行时环境管理GPU内存分配执行优化后的计算图二、核心加速原理(8大关键技术)1.层融合(La
- 2020-10-30
Victor Zhong
AI框架人工智能深度学习机器学习
极片缺陷检测模型验证报告:1:数据准备训练集:326张验证集:81张2:模型准备模型:yolov33:训练参数设置epochs:4603batch_size:8device:RTX2080Ticfg:yolov3-spp-jp4:验证结果5:检测结果部分检测结果图,全部结果图见文件夹result:6:结果分析a.训练数据中,某一类缺陷标注数量相对较少,影响检测该类的目标;可以通过数据增强的方法或增
- 二、OpenCV的第一个程序
文章目录一、第一个程序:显示图片1.1cv::imread1.2cv::namedWindow1.3cv::imshow二、第二个程序:视频2.1cv::VideoCapture三、加入了滑动条的基本浏览窗口一、第一个程序:显示图片示例:一个简单的加载并显示图像的OpenCV程序#include#include"./opencv2/opencv.hpp"intmain(){cv::Matimage
- 大图处理优化:低分加载、Lazy Decode 与缩放算法加速实践
观熵
影像技术全景图谱:架构调优与实战算法影像Camera
大图处理优化:低分加载、LazyDecode与缩放算法加速实践关键词:大图加载优化、LazyDecode、Region解码、缩放算法、Bitmap分块、滑动加载、内存控制、图像性能优化摘要:在相册、图片浏览器、拍摄预览和编辑器中,用户经常会处理分辨率高达上千万像素的照片(如48MP、64MP、RAW文件等),这类“大图”在加载、缩放、平移过程中容易造成内存抖动、页面卡顿甚至OOM崩溃。本篇文章将围
- cesium-native+OpenGL开发笔记—渲染GIS球
坐标系转换OpenGL坐标系右手坐标系,X轴水平向右,Y轴竖直向上,Z轴指向屏幕外面。Y(绿色,朝上)^|||*---->X(红色,向右)//Z(蓝色,向前)(指向屏幕外)3DTiles坐标系右手坐标系,Z轴朝上Z(蓝色,朝上)^||/Y(绿色,朝屏幕内)|/*---->X(红色,朝右)glTF模型坐标系右手坐标系,Y轴朝上3DTiles和OpenGL坐标系上方向存在差异,实际绘制是在OpenGL
- 线性代数在图像处理中的应用 --- 纳尼? 2D的高斯核可以通过1D的高斯核直接生成?(秩为1的矩阵)
松下J27
LinearAlgebra线性代数图像处理人工智能
二维高斯核,Rank秩等于一的矩阵之前,我在学习图像处理的时候,会经常用到Gaussianblur,也就是二维高斯低通滤波。当时用的都是Matlab中,现成的图像处理库。只需要输入sigma和kernelsize这些参数就行了,完全不需要考虑高斯核中的每个点长啥样。虽然教科书里面也会有一些配图,例如:直到后来,我学习高斯图像金字塔的时候发现,在别人的代码里面,他在生成二维高斯核的时候,并不是直接写
- 【深度学习新浪潮】基于扩散模型的图像编辑加速方法
小米玄戒Andrew
深度学习新浪潮深度学习人工智能扩散模型TransformerDiT图像编辑模型加速
在基于扩散模型的图像编辑任务中,实现高质量与高效加速的平衡需要综合运用模型架构优化、采样策略创新、条件控制增强及硬件加速等多维度技术。一、一步反演与掩码引导的编辑框架通过一步反演框架将输入图像映射到可编辑的潜在空间,结合掩码引导的注意力重缩放机制,实现文本引导的局部编辑。例如,SwiftEdit通过一步反演和注意力重缩放,将编辑时间压缩至0.23秒,比传统多步方法快50倍。具体步骤包括:一步反演:
- 无人机一机多控技术要点难点
云卓SKYDROID
无人机人工智能高科技云卓科技科普
一、运行方式1.核心架构:集中式控制(最常见):遥控器作为主控端,通过无线通信模块与多架无人机建立连接。遥控器运行核心控制逻辑,负责:接收操作员的输入指令(如整体移动、队形变换)。根据预设的编队逻辑或算法,将整体指令解算为每架无人机的个体指令(目标位置、速度、航向等)。通过通信链路同时或分时向所有或指定的无人机发送个体指令。接收所有无人机的状态信息(位置、速度、姿态、电池、传感器数据等),进行监控
- Transformer已死?2025年十大替代架构实战评测
前言前些天发现了一个巨牛的人工智能免费学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站封面图建议:十大架构3D渲染图环绕碎裂的Transformer图标,背景为动态性能雷达图副标题:实测推理速度/显存占用/长文本能力,附迁移成本决策树一、争议源起:Transformer的时代性局限(2025版)graphLRA[Transformer痛点]-->B[显存黑洞:千亿模型推理需1.6
- 语言模型之谜:提示内容与格式的交响诗
步子哥
AGI通用人工智能语言模型人工智能自然语言处理
当代人工智能领域中,语言模型(LLM)正以前所未有的规模和深度渗透到各行各业。从代码生成到数学推理,从问答系统到多项选择题,每一次技术的跃进都离不开一个看似简单却充满玄机的关键环节——提示(prompt)的设计。而在这场提示优化的探索中,内容与格式的双重奏正逐渐揭开其神秘面纱,谱写出一曲宏大的交响诗。本文将带您走进“内容格式集成提示优化(CFPO)”的奇幻世界,揭示如何透过细腻的内容雕琢和精妙的格
- 多模态大模型:技术原理与实战 看清GPT的进化史和创新点
AI天才研究院
AgenticAI实战计算AI人工智能与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
多模态大模型:技术原理与实战看清GPT的进化史和创新点1.背景介绍1.1人工智能的发展历程1.1.1早期人工智能1.1.2机器学习时代1.1.3深度学习的崛起1.2自然语言处理的演进1.2.1基于规则的方法1.2.2统计机器学习方法1.2.3深度学习方法1.3大语言模型的出现1.3.1Transformer架构的提出1.3.2GPT系列模型的发展1.3.3多模态大模型的兴起2.核心概念与联系2.1
- 聚焦的伟力:注意力机制与Transformer的创世纪
田园Coder
人工智能科普人工智能科普
当LSTM和GRU凭借其精密的门控系统,成功驯服了时间的长河,让神经网络能够跨越数十甚至数百步记住关键信息,并在机器翻译、文本生成等领域大放异彩时,一个看似微小却影响深远的瓶颈逐渐浮出水面,尤其是在序列到序列(Seq2Seq)框架中。在标准的Seq2Seq模型(如用于神经机器翻译)里,编码器(通常是一个RNN如LSTM)需要将整个输入序列(如一个英语句子)的信息压缩成一个固定长度的上下文向量(Co
- GPT-SoVITS项目重大更新全解析:从语音合成到多语言支持的技术演进
胡晗研
GPT-SoVITS项目重大更新全解析:从语音合成到多语言支持的技术演进GPT-SoVITS项目地址:https://gitcode.com/gh_mirrors/gp/GPT-SoVITS项目概述GPT-SoVITS是一个先进的语音合成与转换系统,集成了GPT模型与SoVITS技术,能够实现高质量的语音合成、语音转换以及多语言混合处理。该系统不断迭代更新,在语音质量、训练效率和多语言支持等方面持
- 【性能优化与架构调优(一)】Java 应用性能优化
Java应用性能优化:从JVM到并发编程的全方位解析一、JVM调优:打造高性能运行环境1.1JVM内存模型与核心参数配置JVM内存结构主要包含堆(Heap)、栈(Stack)、方法区(MethodArea)、本地方法栈(NativeMethodStack)和程序计数器(PCRegister)。其中,堆是GC的主要区域,可通过以下参数进行调优:#JVM启动参数示例(以生产环境常用配置为例)java-
- RICE模型或KANO模型在具体UI评审时的运用经验
Alex艾力的IT数字空间
设计规范前端框架原型模式产品经理需求分析ux制造
模型是抽象的产物,结合场景才好说明(数据为非精确实际数据,仅供参考,勿照搬)。案例一:RICE模型解决「支付流程优化」vs「首页动效升级」优先级争议背景:APP电商模块在迭代中面临两个需求冲突——支付团队主张优化支付失败提示(减少用户流失),设计团队提议增加首页3D商品动效(提升视觉吸引力)。双方争执不下。应用过程:RICE模型量化评估(参考):支付优化:Reach(覆盖人数):支付流程涉及100
- 【AI大模型学习路线】第三阶段之RAG与LangChain——第十五章(LangChain与Chain组件)LLMChain,Sequential Chain详解 ?
985小水博一枚呀
AI大模型学习路线人工智能学习langchain
【AI大模型学习路线】第三阶段之RAG与LangChain——第十五章(LangChain与Chain组件)LLMChain,SequentialChain详解?【AI大模型学习路线】第三阶段之RAG与LangChain——第十五章(LangChain与Chain组件)LLMChain,SequentialChain详解?文章目录【AI大模型学习路线】第三阶段之RAG与LangChain——第十五
- 【机器学习|学习笔记】组合特征(Feature Combinations)是提升模型性能、挖掘特征交互信息、增强非线性表达能力的有效手段。
努力毕业的小土博^_^
机器学习学习笔记机器学习学习笔记人工智能神经网络深度学习
【机器学习|学习笔记】组合特征(FeatureCombinations)是提升模型性能、挖掘特征交互信息、增强非线性表达能力的有效手段。【机器学习|学习笔记】组合特征(FeatureCombinations)是提升模型性能、挖掘特征交互信息、增强非线性表达能力的有效手段。文章目录【机器学习|学习笔记】组合特征(FeatureCombinations)是提升模型性能、挖掘特征交互信息、增强非线性表达
- Apple SoC 图像 ISP 与 Neural Engine 联合优化案例分析:性能与质量平衡的实战经验
观熵
影像技术全景图谱:架构调优与实战接口隔离原则影像Camera
AppleSoC图像ISP与NeuralEngine联合优化案例分析:性能与质量平衡的实战经验关键词:AppleSoC、ISP优化、NeuralEngine协同、图像处理性能、DeepFusion、SmartHDR、实时推理、多核异构计算、功耗管理摘要:随着图像计算复杂度的不断提升,AppleSoC中的ISP与NeuralEngine(NE)联合优化成为提升拍照性能和图像质量的关键路径。本文结合最
- 展锐 ISP 模块功能特点与应用场景评估:轻量化影像处理方案的实战能力分析
展锐ISP模块功能特点与应用场景评估:轻量化影像处理方案的实战能力分析关键词:展锐ISP、图像信号处理、3DNR、HDR合成、YUV输出、图像管线、降噪算法、调色引擎、应用场景评估、移动终端影像系统摘要:作为国产SoC平台中的关键影像处理核心,展锐ISP(ImageSignalProcessor)聚焦轻量化、低功耗与快速集成三大特性,广泛应用于中低端移动终端、AIoT摄像头及定制化影像设备。相较于
- 19|Whisper+ChatGPT:请AI代你听播客
_Rye_
AI大模型whisperchatgpt
今天,我们的课程开始进入一个新的主题了,那就是语音识别。过去几周我们介绍的ChatGPT虽然很强大,但是只能接受文本的输入。而在现实生活中,很多时候我们并不方便停下来打字。很多内容比如像播客也没有文字版,所以这个时候,我们就需要一个能够将语音内容转换成文本的能力。作为目前AI界的领导者,OpenAI自然也不会放过这个需求。他们不仅发表了一个通用的语音识别模型Whisper,还把对应的代码开源了。在
- 网络资源模板--基于Android Studio 实现的喝水提醒App
编程乐学
Android网络项目模板androidstudioandroidide安卓大作业移动端开发大作业喝水提醒
目录一、测试环境说明二、项目简介三、项目演示四、部设计详情(部分)注册页面首页统计页五、项目源码一、测试环境说明二、项目简介本应用采用经典的MVC(Model-View-Controller)架构,将数据模型(Model)、视图(View)和控制器(Controller)分离,提高代码的可维护性和可扩展性。Model:负责数据的存储和处理,包括用户信息、饮水记录等。使用Room数据库来实现数据的持
- Xtuner:大模型微调快速上手
潘达斯奈基~
AIGCAIGC
一、XTuner是什么?简单来说,XTuner是一个轻量级、易于使用的、为大语言模型(LLM)设计的微调工具库。它由上海人工智能实验室(OpenMMLab)开发,是其强大AI工具生态(MMCV,MMEngine等)的一部分。它的核心设计理念是“用一个配置文件搞定一切”,让开发者和研究人员可以极大地简化微调流程。二、为什么选择XTuner?(核心优势)轻量且用户友好:命令行驱动:你不需要编写复杂的训
- 聊聊JVM如何优化
首先应该明确的是JVM调优不是常规手段,JVM的存在本身就是为了减轻开发对于内存管理的负担,当出现性能问题的时候第一时间考虑的是代码逻辑与设计方案,以及是否达到依赖中间件的瓶颈,最后才是针对JVM进行优化。1.JVM内存模型针对JAVA8的模型进行讨论,JVM的内存模型主要分为几个关键区域:堆、方法区、程序计数器、虚拟机栈和本地方法栈。堆内存进一步细分为年轻代、老年代,年轻代按其特性又分为E区,S
- Chapter6: ISP架构和处理模块-之-ISP模块
ifuleyou1668
CameraQCandroid
高通(Qualcomm)图像信号处理器(ISP)是摄像头系统中的核心组件,用于实时处理从摄像头传感器获取的图像数据。高通ISP包含多个模块,每个模块负责一部分图像处理任务。以下是高通CameraISP中常见的一些关键模块:1.RawDataInputInterfaceSensorInterface:接受来自摄像头传感器的原始数据,一般通过MIPICSI-2接口。2.LensShadingCorre
- YOLO融合synergisticNet中的模块
今天炼丹了吗
YOLOv11与自研模型专栏YOLO
YOLOv11v10v8使用教程:YOLOv11入门到入土使用教程YOLOv11改进汇总贴:YOLOv11及自研模型更新汇总《HyperSINet:ASynergeticInteractionNetworkCombinedWithConvolutionandTransformerforHyperspectralImageClassification》一、模块介绍论文链接:https://ieeex
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before 
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen