- 目标检测-YOLOv3
wydxry
深度学习目标检测YOLO深度学习
YOLOv3介绍YOLOv3(YouOnlyLookOnce,Version3)是YOLO系列目标检测模型的第三个版本,相较于YOLOv2有了显著的改进和增强,尤其在检测速度和精度上表现优异。YOLOv3的设计目标是在保持高速的前提下提升检测的准确性和稳定性。下面是对YOLOv3改进和优势的介绍,以及YOLOv3核心部分的代码展示。相比YOLOv2的改进与优势多尺度特征金字塔YOLOv3引入了FP
- 目标检测-YOLOv2
wydxry
深度学习目标检测YOLO人工智能
YOLOv2介绍YOLOv2(YouOnlyLookOnceversion2)是一种用于目标检测的深度学习模型,由JosephRedmon等人于2016年提出,并详细论述在其论文《YOLO9000:Better,Faster,Stronger》中。YOLOv2在保持高速检测的同时,显著提升了检测的精度和泛化能力,成为实时目标检测领域的重要算法之一。核心原理YOLOv2的核心原理是将目标检测问题转化
- 目标检测 | yolov8 原理和介绍
hero_hilog
目标检测AIYOLO目标检测
相关系列:目标检测|yolov1原理和介绍目标检测|yolov2/yolo9000原理和介绍目标检测|yolov3原理和介绍目标检测|yolov4原理和介绍目标检测|yolov5原理和介绍目标检测|yolov6原理和介绍目标检测|yolov7原理和介绍目标检测|yolov8原理和介绍目标检测|yolov9原理和介绍目标检测|yolov10原理和介绍IEEE链接:https://ieeexplore
- 深度学习||YOLO(You Only Look Once)深度学习的实时目标检测算法(YOLOv1~YOLOv5)
小嘤嘤怪学
深度学习算法目标检测
目录YOLOv1:YOLOv2:YOLOv3:YOLOv4:YOLOv5:总结:YOLO(YouOnlyLookOnce)是一系列基于深度学习的实时目标检测算法。自从2015年首次被提出以来,YOLO系列不断发展,推出了多个版本,包括YOLOv1,YOLOv2,YOLOv3,YOLOv4,和YOLOv5等。下面是对YOLO系列的详解:YOLOv1:提出时间:2015年。主要贡献:将目标检测任务转换
- 挑战杯 YOLOv7 目标检测网络解读
laafeer
python
文章目录0前言1yolov7的整体结构2关键点-backbone关键点-head3训练4使用效果5最后0前言世界变化太快,YOLOv6还没用熟YOLOv7就来了,如果有同学的毕设项目想用上最新的技术,不妨看看学长的这篇文章,学长带大家简单的解读yolov7,目的是对yolov7有个基础的理解。从2015年的YOLOV1,2016年YOLOV2,2018年的YOLOV3,到2020年的YOLOV4、
- YOLO系列详解(YOLOV1-YOLOV3)
X.AI666
深度学习yolo
YOLO算法简介本文主要介绍YOLO算法,包括YOLOv1、YOLOv2/YOLO9000和YOLOv3。YOLO算法作为one-stage目标检测算法最典型的代表,其基于深度神经网络进行对象的识别和定位,运行速度很快,可以用于实时系统。了解YOLO是对目标检测算法研究的一个必须步骤。目标检测思路目标检测属于计算机视觉的一个中层任务,该任务可以细化为目标定位与目标识别两个任务,简单来说,找到图片中
- 基于yolov2深度学习网络的视频手部检测算法matlab仿真
简简单单做算法
MATLAB算法开发#深度学习YOLO手部检测手掌识别matlab深度学习yolov2
目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程1.算法运行效果图预览输入mp4格式的视频文件进行测试,视频格式为
[email protected].算法运行软件版本matlab2022a3.部分核心程序...................................................figure;fori=1:numFramesToRead
- 经典目标检测YOLO系列(三)YOLOv3算法详解
undo_try
#深度学习目标检测YOLOpython
经典目标检测YOLO系列(三)YOLOv3算法详解不论是YOLOv1,还是YOLOv2,都有一个共同的致命缺陷:小目标检测的性能差。尽管YOLOv2使用了passthrough技术将16倍降采样的特征图(即C4特征图)融合到了C5特征图中,但最终的检测仍是在C5尺度的特征图上进行的。为了解决这一问题,YOLO作者做了第3次改进,主要改进如下:使用了更好的主干网络DarkNet-53使用了多级检测与
- 经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现
undo_try
#深度学习目标检测YOLO
经典目标检测YOLO系列(三)YOLOv3的复现(2)正样本的匹配、损失函数的实现我们在之前实现YOLOv2的基础上,加入了多级检测及FPN,快速的实现了YOLOv3的网络架构,并且实现了前向推理过程。经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程我们继续进行YOLOv3的复现。1正样本匹配策略1.1基于先验框的正样本匹配策略官方YOLOv2的正样本匹配思路是根据
- 经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程
undo_try
#深度学习目标检测YOLO人工智能
经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程和之前实现的YOLOv2一样,根据《YOLO目标检测》(ISBN:9787115627094)一书,在不脱离YOLOv3的大部分核心理念的前提下,重构一款较新的YOLOv3检测器,来对YOLOv3有更加深刻的认识。书中源码连接:RT-ODLab:YOLOTutorial1、YOLOv3网络架构1.1DarkNet53主
- YOLO系列:YOLO v1-v8、YOLOx、PP-YOLOE、DAMO-YOLO、YOLOX-PAI 设计思路
Debroon
医学视觉#深度学习YOLO
从YOLOv1-v8YOLO综述改进点改进方向YOLOv1YOLO流程网格(grid)、锚点(anchors)、锚框(anchorboxes)交并比为什么把图像分割成n*n的格子呢?边界框的作用?为什么需要俩个边界框?那如果一个格子有俩个以上的对象呢?主干网络损失函数解析为什么不是一个损失函数?怎么判断是否有物体以及预测准确性?非极大值抑制去除重复预测结果YOLOv1的优化思路YOLOv2更轻量化
- 基于yolov2深度学习网络的车辆检测算法matlab仿真,包括白天场景和夜晚场景
简简单单做算法
MATLAB算法开发#深度学习YOLOyolov2深度学习网络车辆检测matlab深度学习
目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述4.1YOLOv2算法原理4.2车辆检测原理4.3白天场景和夜晚场景的车辆检测5.算法完整程序工程1.算法运行效果图预览2.算法运行软件版本MATLAB2022a3.部分核心程序loadyolov2.mat%加载训练好的目标检测器img_size=[224,224];imgPath='test/';%图像库路径imgDi
- 经典目标检测YOLO系列(二)YOLOV2的复现(2)正样本的匹配、损失函数的实现及模型训练
undo_try
#深度学习目标检测pythonYOLO
经典目标检测YOLO系列(二)YOLOV2的复现(2)正样本的匹配、损失函数的实现及模型训练我们在之前实现YOLOv1的基础上,加入了先验框机制,快速的实现了YOLOv2的网络架构,并且实现了前向推理过程。经典目标检测YOLO系列(二)YOLOV2的复现(1)总体网络架构及前向推理过程如前所述,我们使用基于先验框的正样本匹配策略。1正样本匹配策略1.1基于先验框的正样本匹配策略由于每个网格只输出一
- YOLOV2网络剪枝
立夏陆之昂
学习小记录yolo
对神经网络进行剪枝这个想法并不新奇,可追溯至1900年(YanLecun的工作-http://yann.lecun.com/exdb/publis/pdf/lecun-90b.pdf)。其基本的思想是:神经网络的参数众多,但其中有些参数对最终的输出结果贡献不大而显得冗余,剪枝顾名思义,就是要将这些冗余的参数剪掉。首先,需要根据对最终输出结果的贡献大小来对模型的神经元们排序,然后,舍去那些贡献度低的
- Darknet_yolov2综述入门整理
立夏陆之昂
学习小记录
接着上次的神经网络,这次整理一下Darknet,yolov2首先得先了解Darknet,是深度学习框架,总的来说深度学习框架提供了一些列的深度学习的组件(对于通用的算法,里面会有实现),当需要使用新的算法的时候就需要用户自己去定义,然后调用深度学习框架的函数接口使用用户自定义的新算法.这篇讲述了深度学习框架的定义:https://blog.csdn.net/yeler082/article/det
- yolov1到yolov2的改进
立夏陆之昂
yolo学习小记录
大部分人学习YOLO应该是从V3开始的,我很奇葩,从V2开始的,但是V2论文中有很多点一笔带过,前前后后断断续续看了几篇博客介绍V2和V1,想着做一个阶段性总结,自己写一篇,也有助于自己加深理解。大部分参考https://blog.csdn.net/shentanyue/article/details/84860600#t0这篇总结的很全面目前的目标检测算法分为两类:One-stage和Two-s
- yolo9000:Better, Faster, Stronger的目标检测网络
慕溪同学
YOLO目标检测目标检测人工智能YOLO深度学习yolo
目录一、回顾yolov1二、yolov2详细讲解2.1Better部分创新点(1)BatchNormalization(批量归一化)(2)HighResolutionClassifier---高分辨率分类器(3)AnchorBoxes---锚框(4)DimensionClusters---数据集标准框的长宽进行聚类(5)Directlocationprediction---位置预测(6)Fine-
- 经典目标检测YOLO系列(二)YOLOV2的复现(1)总体网络架构及前向推理过程
undo_try
#深度学习目标检测YOLO人工智能
经典目标检测YOLO系列(二)YOLOV2的复现(1)总体网络架构及前向推理过程和之前实现的YOLOv1一样,根据《YOLO目标检测》(ISBN:9787115627094)一书,在不脱离YOLOv2的大部分核心理念的前提下,重构一款较新的YOLOv2检测器,来对YOLOV2有更加深刻的认识。书中源码连接:RT-ODLab:YOLOTutorial对比原始YOLOV2网络,主要改进点如下:添加了后
- YOLOv2相比YOLOv1有哪些进步及改变?
AAI机器之心
YOLO人工智能深度学习pytorchweb安全AI
YOLOv2相对v1版本,在继续保持处理速度的基础上,从预测更准确(Better),速度更快(Faster),识别对象更多(Stronger)这三个方面进行了改进。其中识别更多对象也就是扩展到能够检测9000种不同对象,称之为YOLO9000。下面我们看下yoloV2的都做了哪些改进?2.1预测更准确(better)2.1.1batchnormalization批标准化有助于解决反向传播过程中的梯
- 经典目标检测YOLO系列(二)YOLOv2算法详解
undo_try
#深度学习目标检测YOLO算法
经典目标检测YOLO系列(二)YOLOv2算法详解YOLO-V1以完全端到端的模式实现达到实时水平的目标检测。但是,YOLO-V1为追求速度而牺牲了部分检测精度,在检测速度广受赞誉的同时,其检测精度也饱受诟病。正是由于这个原因,YOLO团队在2016年提出了YOLO的第一个改进版本—YOLO-V2。该论文题目,直接指出了该模型的存在三大特点——更好(better)、更快(faster)、更强(st
- 基于yolov2深度学习网络的车辆行人检测算法matlab仿真
简简单单做算法
MATLAB算法开发#深度学习YOLO深度学习人工智能yolov2车辆行人检测
目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程1.算法运行效果图预览2.算法运行软件版本MATLAB2022a3.部分核心程序..........................................................loadyolov2.mat%加载训练好的目标检测器img_size=[224,224];imgPath=
- [论文阅读]YOLO9000:Better,Faster,Stronger
不是吧这都有重名
YOLO系列论文阅读目标跟踪人工智能
摘要我们引入了YOLO9000,一个可以检测超过9000种类别的先进的实时目标检测系统。首先我们提出了多种yolo检测方法的提升方式,既新颖又参考了之前的工作。改进后的模型,YOLOV2在标准检测任务例如PASCALVO和COCO上都取得了领先。使用一个新颖的多尺度的训练方法,同一个YOLOV2模型可以在不同尺寸下行,提供了一种速度和准确率之间的简单的平衡。在67fps下,yolov2在VOC20
- 目标检测-One Stage-YOLO v3
学海一叶
目标检测目标检测YOLO人工智能计算机视觉算法
文章目录前言一、YOLOv3的网络结构和流程二、YOLOv3的创新点总结前言根据前文目标检测-OneStage-YOLOv2可以看出YOLOv2的速度和精度都有相当程度的提升,但是精度仍较低,YOLOv3基于一些先进的结构和思想对YOLOv2做了一些改进。提示:以下是本篇文章正文内容,下面内容和可供参考一、YOLOv3的网络结构和流程将影像输入卷积网络(DarkNet53)+FPN得到多尺度特征图
- 目标检测-One Stage-RetinaNet
学海一叶
目标检测目标检测人工智能计算机视觉算法深度学习
文章目录前言一、RetinaNet的网络结构和流程二、RetinaNet的创新点BalancedCrossEntropyFocalLoss总结前言根据前文目标检测-OneStage-YOLOv2可以看出YOLOv2的速度和精度都有相当程度的提升,但是OneStage目标检测模型仍存在一个很大的问题:前景(positive)和背景(negatives)类别的不平衡ps:假设我们有一个医学图像分类任务
- 目标检测-Owo Stage-YOLOv2
学海一叶
目标检测目标检测YOLO人工智能计算机视觉深度学习
文章目录前言一、YOLOv2的网络结构和流程二、YOLOv2的创新点预处理网络结构训练总结前言根据前文目标检测-OneStage-YOLOv1可以看出YOLOv1的主要缺点是:和Fast-CNN相比,速度快,但精度下降。(边框回归不加限制)YOLOv2提出了一些改进策略,如anchor-based等提示:以下是本篇文章正文内容,下面内容可供参考一、YOLOv2的网络结构和流程将影像输入卷积网络(D
- 基于yolov2深度学习网络的血细胞检测算法matlab仿真
简简单单做算法
MATLAB算法开发#深度学习YOLOyolov2深度学习网络血细胞检测matlab
目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述4.1YOLOv2算法原理4.2YOLOv2网络结构4.3血细胞检测算法实现数据集准备数据预处理网络训练模型评估与优化5.算法完整程序工程1.算法运行效果图预览2.算法运行软件版本MATLAB2022a3.部分核心程序....................................................
- 【Digest】YOLO系列:YOLOv1,YOLOv2,YOLOv3,YOLOv4,YOLOv5简介
gikod
YOLO
1.前言论文下载:http://arxiv.org/abs/1506.02640代码下载:https://github.com/pjreddie/darknet核心思想:将整张图片作为网络的输入(类似于Faster-RCNN),直接在输出层对BBox的位置和类别进行回归。目标检测之YOLO算法:YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile
- 【Digest】目标检测之YOLOv2 算法-YOLO9000: Better, Faster, Stronger
gikod
目标检测YOLO算法
1.前言论文地址:https://arxiv.org/abs/1612.08242相关代码:https://github.com/yjh0410/yolov2-yolov3_PyTorch该论文使用一种新颖的多尺度训练方法,YOLOv2可以在不同的尺寸下运行,在速度和精度之间提供了一个简单的权衡。在67FPS的情况下,YOLOv2在VOC2007上获得76.8mAP。在40FPS的情况下,YOLO
- 互联网加竞赛 YOLOv7 目标检测网络解读
Mr.D学长
pythonjava
文章目录0前言1yolov7的整体结构2关键点-backbone关键点-head3训练4使用效果5最后0前言世界变化太快,YOLOv6还没用熟YOLOv7就来了,如果有同学的毕设项目想用上最新的技术,不妨看看学长的这篇文章,学长带大家简单的解读yolov7,目的是对yolov7有个基础的理解。从2015年的YOLOV1,2016年YOLOV2,2018年的YOLOV3,到2020年的YOLOV4、
- 【YOLO系列】YOLOv3代码详解(四):模型脚本model.py
江湖小张
目标检测YOLO目标检测算法Python
前言以下内容仅为个人在学习人工智能中所记录的笔记,先将目标识别算法yolo系列的整理出来分享给大家,供大家学习参考。本文仅对YOLOV3代码中关键部分进行了注释,未掌握基础代码的铁汁可以自己百度一下。若文中内容有误,希望大家批评指正。资料下载YOLOV3论文下载地址:YOLOv3:AnIncrementalImprovement回顾YOLOV1:【YOLO系列】YOLOV1论文思想详解YOLOV2
- 怎么样才能成为专业的程序员?
cocos2d-x小菜
编程PHP
如何要想成为一名专业的程序员?仅仅会写代码是不够的。从团队合作去解决问题到版本控制,你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员,那些必备的关键技能都是什么的时候,下面是我们了解到的情况。
关于如何学习代码,各种声音很多,然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了?!呵呵,就像其他工作一样,光会一个技能那是远远不够的。如果你想要成为
- java web开发 高并发处理
BreakingBad
javaWeb并发开发处理高
java处理高并发高负载类网站中数据库的设计方法(java教程,java处理大量数据,java高负载数据) 一:高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用,数据库的响应是首先要解决的。 一般来说MySQL是最常用的,可能最初是一个mysql主机,当数据增加到100万以上,那么,MySQL的效能急剧下降。常用的优化措施是M-S(
- mysql批量更新
ekian
mysql
mysql更新优化:
一版的更新的话都是采用update set的方式,但是如果需要批量更新的话,只能for循环的执行更新。或者采用executeBatch的方式,执行更新。无论哪种方式,性能都不见得多好。
三千多条的更新,需要3分多钟。
查询了批量更新的优化,有说replace into的方式,即:
replace into tableName(id,status) values
- 微软BI(3)
18289753290
微软BI SSIS
1)
Q:该列违反了完整性约束错误;已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID',表 'JRB_EnterpriseCredit.dbo.QYFZCH';列不允许有 Null 值。INSERT 失败。”。
A:一般这类问题的存在是
- Java中的List
g21121
java
List是一个有序的 collection(也称为序列)。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引(在列表中的位置)访问元素,并搜索列表中的元素。
与 set 不同,列表通常允许重复
- 读书笔记
永夜-极光
读书笔记
1. K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?
传统决策: A:100%订单 B,C,D:0%
&nbs
- centos 安装 Codeblocks
随便小屋
codeblocks
1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++
2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2*
3. 安装wxGTK
yum search w
- 23种设计模式的形象比喻
aijuans
设计模式
1、ABSTRACT FACTORY—追MM少不了请吃饭了,麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西,虽然口味有所不同,但不管你带MM去麦当劳或肯德基,只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式:客户类和工厂类分开。消费者任何时候需要某种产品,只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时,工厂类也要做相应的修改。如:
- 开发管理 CheckLists
aoyouzi
开发管理 CheckLists
开发管理 CheckLists(23) -使项目组度过完整的生命周期
开发管理 CheckLists(22) -组织项目资源
开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
- js实现切换
百合不是茶
JavaScript栏目切换
js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路:
1,先将要显示的设置为display:bisible 否则设为none
2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示
3,判断js获取的id名字;再设置是否显示
代码实现:
html代码:
<di
- 周鸿祎在360新员工入职培训上的讲话
bijian1013
感悟项目管理人生职场
这篇文章也是最近偶尔看到的,考虑到原博客发布者可能将其删除等原因,也更方便个人查找,特将原文拷贝再发布的。“学东西是为自己的,不要整天以混的姿态来跟公司博弈,就算是混,我觉得你要是能在混的时间里,收获一些别的有利于人生发展的东西,也是不错的,看你怎么把握了”,看了之后,对这句话记忆犹新。 &
- 前端Web开发的页面效果
Bill_chen
htmlWebMicrosoft
1.IE6下png图片的透明显示:
<img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/>
或在<head></head>间加一段JS代码让透明png图片正常显示。
2.<li>标
- 【JVM五】老年代垃圾回收:并发标记清理GC(CMS GC)
bit1129
垃圾回收
CMS概述
并发标记清理垃圾回收(Concurrent Mark and Sweep GC)算法的主要目标是在GC过程中,减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能,尽可能短的暂停用户线程的时间。这对于交互式应用,比如web应用来说,是非常重要的。
CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收,它要复杂的多。吞吐量垃圾回收在执
- Struts2技术总结
白糖_
struts2
必备jar文件
早在struts2.0.*的时候,struts2的必备jar包需要如下几个:
commons-logging-*.jar Apache旗下commons项目的log日志包
freemarker-*.jar  
- Jquery easyui layout应用注意事项
bozch
jquery浏览器easyuilayout
在jquery easyui中提供了easyui-layout布局,他的布局比较局限,类似java中GUI的border布局。下面对其使用注意事项作简要介绍:
如果在现有的工程中前台界面均应用了jquery easyui,那么在布局的时候最好应用jquery eaysui的layout布局,否则在表单页面(编辑、查看、添加等等)在不同的浏览器会出
- java-拷贝特殊链表:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
bylijinnan
java
public class CopySpecialLinkedList {
/**
* 题目:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
拷贝pNext指针非常容易,所以题目的难点是如何拷贝pRand指针。
假设原来链表为A1 -> A2 ->... -> An,新拷贝
- color
Chen.H
JavaScripthtmlcss
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <HTML> <HEAD>&nbs
- [信息与战争]移动通讯与网络
comsci
网络
两个坚持:手机的电池必须可以取下来
光纤不能够入户,只能够到楼宇
建议大家找这本书看看:<&
- oracle flashback query(闪回查询)
daizj
oracleflashback queryflashback table
在Oracle 10g中,Flash back家族分为以下成员:
Flashback Database
Flashback Drop
Flashback Table
Flashback Query(分Flashback Query,Flashback Version Query,Flashback Transaction Query)
下面介绍一下Flashback Drop 和Flas
- zeus持久层DAO单元测试
deng520159
单元测试
zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去.
本文是zeus的dao单元测试:
1.单元测试直接上代码
package com.dengliang.zeus.webdemo.test;
import org.junit.Test;
import o
- C语言学习三printf函数和scanf函数学习
dcj3sjt126com
cprintfscanflanguage
printf函数
/*
2013年3月10日20:42:32
地点:北京潘家园
功能:
目的:
测试%x %X %#x %#X的用法
*/
# include <stdio.h>
int main(void)
{
printf("哈哈!\n"); // \n表示换行
int i = 10;
printf
- 那你为什么小时候不好好读书?
dcj3sjt126com
life
dady, 我今天捡到了十块钱, 不过我还给那个人了
good girl! 那个人有没有和你讲thank you啊
没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you
爸爸, 如果地上有一张5块一张10块你拿哪一张呢....
当然是拿十块的咯...
爸爸你很笨的, 你不会两张都拿
爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
- iptables开放端口
Fanyucai
linuxiptables端口
1,找到配置文件
vi /etc/sysconfig/iptables
2,添加端口开放,增加一行,开放18081端口
-A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT
3,保存
ESC
:wq!
4,重启服务
service iptables
- Ehcache(05)——缓存的查询
234390216
排序ehcache统计query
缓存的查询
目录
1. 使Cache可查询
1.1 基于Xml配置
1.2 基于代码的配置
2 指定可搜索的属性
2.1 可查询属性类型
2.2 &
- 通过hashset找到数组中重复的元素
jackyrong
hashset
如何在hashset中快速找到重复的元素呢?方法很多,下面是其中一个办法:
int[] array = {1,1,2,3,4,5,6,7,8,8};
Set<Integer> set = new HashSet<Integer>();
for(int i = 0
- 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL
lanrikey
history
后退时关闭当前页面
<script type="text/javascript">
jQuery(document).ready(function ($) {
if (window.history && window.history.pushState) {
- 应用程序的通信成本
netkiller.github.com
虚拟机应用服务器陈景峰netkillerneo
应用程序的通信成本
什么是通信
一个程序中两个以上功能相互传递信号或数据叫做通信。
什么是成本
这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。
都有哪些通信方式
全局变量
线程间通信
共享内存
共享文件
管道
Socket
硬件(串口,USB) 等等
全局变量
全局变量是成本最低通信方法,通过设置
- 一维数组与二维数组的声明与定义
恋洁e生
二维数组一维数组定义声明初始化
/** * */ package test20111005; /** * @author FlyingFire * @date:2011-11-18 上午04:33:36 * @author :代码整理 * @introduce :一维数组与二维数组的初始化 *summary: */ public c
- Spring Mybatis独立事务配置
toknowme
mybatis
在项目中有很多地方会使用到独立事务,下面以获取主键为例
(1)修改配置文件spring-mybatis.xml <!-- 开启事务支持 --> <tx:annotation-driven transaction-manager="transactionManager" /> &n
- 更新Anadroid SDK Tooks之后,Eclipse提示No update were found
xp9802
eclipse
使用Android SDK Manager 更新了Anadroid SDK Tooks 之后,
打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates
检测一会后提示 No update were found