- 【AI系统】混合并行
ZOMI酱
人工智能
混合并行混合并行(HybridParallel)是一种用于分布式计算的高级策略,它结合了数据并行和模型并行的优势,以更高效地利用计算资源,解决深度学习中的大模型训练问题。混合并行不仅能提高计算效率,还能在有限的硬件资源下处理更大的模型和数据集。在深度学习中,数据并行和模型并行各自有其适用的场景和局限性。数据并行适用于训练样本较多而模型较小的情况,通过将数据集分割成多个子集并在不同的设备上同时训练来
- 【机器学习实战入门项目】基于机器学习的鸢尾花分类项目
精通代码大仙
数据挖掘python深度学习机器学习分类人工智能大数据数据挖掘算法python
基于机器学习的鸢尾花分类项目介绍:本项目利用机器学习模型对鸢尾花进行分类。鸢尾花数据集是一个著名的机器学习数据集,包含三种类别的花朵:Setosa、Versicolor和Virginica,每种类别由四个特征描述:萼片长度、萼片宽度、花瓣长度和花瓣宽度。什么是机器学习?机器学习是关于从数据中学习预测或提取知识的过程。它是人工智能的一个子领域。机器学习算法基于样本数据(即训练数据)构建模型,并根据训
- 10 大中文医学数据集汇总:涵盖神农中医药、中医药古籍、医学推理、医学问答……
医疗人工智能的快速发展离不开高质量数据集的支持。从疾病诊断到药物研发,再到个性化医疗,数据集在推动机器视觉、大模型等应用于医学领域中发挥着不可或缺的作用。医学数据集的形式多样,涵盖了不同维度和领域的数据资源。例如,在疾病诊断领域,像RJUA-QA这样的问答数据集推动了复杂医学知识的自动化应用;而在中医药领域,神农中医药数据集整合了传统中医药文献、临床案例和药方数据。针对于此,本文整理了医学领域的1
- 用Python在Excel工作表中创建数据透视表
在数据处理和分析工作中,Excel作为一个广泛使用的工具,提供了强大的功能来管理和解析数据。当面对大量复杂的数据集时,为了更高效地总结、分析和展示数据,创建数据透视表成为一种不可或缺的方法。通过使用Python这样的编程语言与Excel工作表结合,我们能够自动化数据透视表的生成过程,不仅节省了时间,还能确保每次操作的一致性和准确性。本文将介绍如何使用Python在Excel工作表中创建数据透视表。
- “大数据+技校”:VR虚拟仿真实训室的发展前景
武汉唯众智创
大数据vr大数据实训室大数据实验室大数据VR实训室
在技术教育的新时代,大数据与虚拟现实技术的融合正在重塑技校的教学模式。"大数据+技校"模式下的VR虚拟仿真实训室,为技校学生提供了一个创新的学习平台,预示着教育方式的深刻变革。一、大数据与技校教育的深度融合大数据技术的应用为技校教育带来了前所未有的机遇。通过收集和分析学生的学习数据、行为数据以及就业数据等,技校能够更准确地了解学生的学习情况、技能掌握程度和就业需求,从而为学生提供更加个性化的学习方
- 【机器学习:二十九、K-means算法:原理与应用】
KeyPan
机器学习机器学习算法kmeans人工智能神经网络深度学习数据挖掘
1.K-means概述K-means是一种经典的无监督学习算法,广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇,使得每个簇内的样本尽可能相似,同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置,最小化簇内样本与其中心点之间的总距离(即误差平方和,SSE)。适用
- 深度定制:Embedding与Reranker模型的微调艺术
从零开始学习人工智能
embedding人工智能
微调是深度学习中的一种常见做法,它允许模型在预训练的基础上进一步学习特定任务的特定特征。对于Embedding模型,微调的目的是让模型更适配特定的数据集,从而取得更好的召回效果。这通常涉及到使用特定的数据集对模型进行额外的训练,以便模型能够学习到数据集中的特定语义关系。微调过程可以使用不同的库和框架来实现,例如sentence-transformers库,它提供了便捷的API来调整Embeddin
- 大数据分层存储架构:ODS、DWD、DWM与DWS详解
从零开始学习人工智能
大数据spark分布式
在大数据领域中,ODS、DWD、DWM和DWS代表了数据仓库的不同层次,它们共同构成了大数据的分层存储结构。这种结构的设计有助于提高数据查询效率,降低成本,并满足不同的业务需求。ODS(OperationalDataStore):操作数据存储层,主要存放原始的业务数据,是数据仓库的源头。它负责收集、存储和管理从各种业务系统中抽取的原始数据,为后续的数据处理和分析提供基础。DWD(DataWareh
- 从线索到成交,CRM系统助力销售全流程绩效分析
程序员机器学习人工智能
在当今竞争激烈的商业环境中,销售绩效的分析对于企业的持续增长至关重要。客户关系管理(CRM)系统通过提供销售全流程的绩效分析能力,帮助企业深入了解销售活动的各个环节,从而优化销售策略,提高销售效率和业绩。一、数据收集与整合CRM系统能够从多个渠道收集客户数据,包括客户的基本信息、购买历史、互动记录以及销售活动的详细信息。这些数据被整合到一个统一的数据库中,为绩效分析提供了全面的基础。例如,销售易C
- 架构师-论银行数字标签系统多数据源集成的应用与实现
薛定谔的猫1982
系统架构大数据数据库系统架构
论银行数字标签系统多数据源集成的应用与实现一、项目概述及我的主要工作在现代银行业,数据驱动的精细化运营已成为核心竞争力之一。我参与管理和开发的软件项目旨在构建一套先进的银行数字标签系统,该系统能够整合并分析来自多渠道、多系统的客户数据,通过标签化管理和精准营销,提升客户体验,优化运营效率。作为项目的核心成员,我主要负责系统的架构设计、数据集成策略的制定与实施,以及后续的数据治理和质量管理工作。项目
- 字节的面试,感觉还挺简单的~
go后端面试问题面试字节跳动
今天分享的是训练营的朋友在字节跳动的面试,新鲜出炉的还热乎着呢。题目都挺简单的,但是他的面试体验不太好,因为面试官问了两个类似的问题,感觉有点不认真。下面是面试的内容:面经详解简单介绍下你的项目介绍下教育平台考试模块的业务.包括题目的读写试卷的生成创建之后,试题如何存储试卷如何分发给考生考生如何提交试卷,你们如何收集试卷结果最后怎么判题以下是对每个问题的回答:前端接口使用restful格式,pos
- 技术十年-记录十年技术经历,2024年最新HarmonyOS鸿蒙面试自我介绍范文
2401_84166672
2024年程序员学习harmonyos面试华为
先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!因此收集整理了一份《2024年最新HarmonyOS鸿蒙全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提
- 【机器学习:二十、拆分原始训练集】
KeyPan
机器学习机器学习人工智能深度学习pytorch神经网络
1.如何改进模型模型的改进需求在机器学习任务中,模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优,避免过拟合或欠拟合。常见的改进方向增大训练数据集:通过数据增强或获取更多样本提高模型泛化能力。改进模型结构:例如增加网络层数、调整神经元数目或选择更适合任务的架构。优化损失函数:根据任务特点选择合适的损失函数,例如交叉熵损失或均方误差。调整超参数
- Java 大视界 -- Java 开发 Spark 应用:RDD 操作与数据转换
一只蜗牛儿
javaspark开发语言
ApacheSpark是一个强大的分布式计算框架,提供了高效的数据处理能力,广泛应用于大数据分析与机器学习。Spark提供了多种高级API,支持批处理和流处理。Spark提供了两种主要的数据抽象:RDD(弹性分布式数据集)和DataFrame。本文将重点介绍如何使用Java开发Spark应用,并深入探讨RDD的操作与数据转换。一、Spark环境搭建首先,确保您的环境中安装了Java和Spark。您
- 数据库管理系统(DBMS)与数据库系统(DBS)有什么区别?
破碎的天堂鸟
学习教程数据库oracle
数据库管理系统(DBMS)与数据库系统(DBS)之间存在明显的区别,它们在概念和功能上有所不同。定义和组成:数据库(DB):是指存储在计算机中的有组织的、可共享的数据集合。它具有数据独立性、低冗余度和紧密联系的特点。数据库管理系统(DBMS):是一种软件系统,用于创建、管理和维护数据库。它提供数据定义语言(DDL)、数据操作语言(DML)、运行管理、数据组织与存储、数据库保护、维护和通信等功能,确
- 神经网络基础-价格分类案例
dwjf321
深度学习神经网络人工智能神经网络分类人工智能
文章目录1.需求分析2.导入所需工具包3.构建数据集4.构建分类网络模型5.训练模型6.模型训练7.评估模型8.模型优化学习目标:掌握构建分类模型流程动手实践整个过程1.需求分析小明创办了一家手机公司,他不知道如何估算手机产品的价格。为了解决这个问题,他收集了多家公司的手机销售数据。该数据为二手手机的各个性能的数据,最后根据这些性能得到4个价格区间,作为这些二手手机售出的价格区间。主要包括:bat
- Java HTTP POST请求工具方法详解:架构、实践与最佳实践(可变参数)
码农阿豪@新空间代码工作室
好“物”分享javahttp架构
个人名片作者简介:java领域优质创作者个人主页:码农阿豪工作室:新空间代码工作室(提供各种软件服务)个人邮箱:[
[email protected]]个人微信:15279484656个人导航网站:www.forff.top座右铭:总有人要赢。为什么不能是我呢?专栏导航:码农阿豪系列专栏导航面试专栏:收集了java相关高频面试题,面试实战总结️Spring5系列专栏:整理了Spring5重要知识点与
- AI大模型
荆州克莱
面试题汇总与解析技术css3springcloudspringbootspring
系列简书文章目录https://www.jianshu.com/p/d47d5cdc8a3e本篇目录AI大模型什么是AI大模型AI大模型,通常指的是在人工智能领域中,特别是机器学习和深度学习范畴内,具有巨大参数量和复杂结构的模型。这些模型通过使用大规模数据集和先进的计算硬件进行训练,能够学习到数据中的复杂模式和特征,从而在多种任务上展现出卓越的性能。特点包括:参数量大:AI大模型的参数数量往往达到
- 初探 OpenTelemetry
程序员Live
golang分布式
什么是OpenTelemetryOpenTelemetry由OpenTracing和OpenCensus项目合并而成,是一组规范、工具、API和SDK的集合。使用它来检测、生成、收集和导出遥测数据(Metrics、Logs和Traces),以帮助运维开发人员分析软件的性能和行为。为众多开发人员带来Metrics、Traces、Logs的统一标准,三者都有相同的元数据结构,可以轻松实现互相关联。Op
- 从头到尾快速学习一遍Linux,高级工程师多年实践实战经验精华总结和实例示例,第七章:Linux精通学习路线及各个大厂优秀的学习资料
代码讲故事
服务器学习linux服务器运维网络资料教程
从头到尾快速学习一遍Linux,高级工程师多年实践实战经验精华总结和实例示例,第七章:Linux精通学习路线及各个大厂优秀的学习资料。Linux精通学习路线及各个大厂优秀的学习资料看见好东西先收集起来,待时间充裕集中消灭他们。tcp_wrappers################################Linux系统下的防火墙主要分为两层:第一层是对IP进行过滤的iptables,第二层
- Zabbix 组件
Fly_阳
Zabbix
Zabbix监控系统包含四个主要组件:ZabbixServer、Zabbixproxy、ZabbixDatabase和ZabbixGUI。每个组件都有自己的特点和要求:ZabbixServer:核心引擎,负责收集和接收来自被监控设备的数据,用来与ZabbixAgents、Zabbixproxy和ZabbixDatabase进行通信。它是最重要的组件,管理着所有的规则,包括收集监控数据、触发器、告警
- 如何配置高效稳定的爬虫代理服务器
爬虫服务器
在网络数据采集与爬虫开发的征途中,配置一个高效稳定的爬虫代理服务器,犹如为探险家配备了一副精准的导航仪。它不仅能够帮助我们巧妙地轮换和隐藏IP地址,有效规避反爬虫机制的追踪,还能大幅提升数据抓取的效率与安全性。通过这一智慧之举,我们得以在浩瀚的网络海洋中自由航行,收集宝贵的数据资源,为决策提供有力的支持。掌握爬虫代理服务器的配置技巧,无疑是在网络数据探索领域迈出的重要一步。选择合适的代理服务器在配
- OpenTelemetry 开源遥测框架
ejinxian
架构设计开源OpenTelemetry测试
OpenTelemetry简称为OTel,是一个供应商中立的开源遥测框架,用于检测、生成、收集和导出遥测数据,例如跟踪、度量、日志,以帮助分析软件的性能和行为。作为一种行业标准,OpenTelemetry受到支持供应商。它是工具、API和SDK的集合,可与流行的库和框架集成,例如Spring、ASP.NETCore、Express、Quarkus等。OpenTelemetry是一个CNCF孵化项目
- 全面介绍Windows10系统(中文版与英文版)
时刻报
Windows系统windows
声明:作者将会单独发纯英文版一、发展历程Windows10的研发历程始于2014年,当时微软在旧金山的新品发布会上首次展示了这一新操作系统,并将其命名为“Windows10”,跳过了数字“9”。经过一年左右的开发、测试和用户反馈收集,微软于2015年7月29日正式发布了Windows10。此后,Windows10不断获得定期的安全更新和服务改进,成为许多企业和个人用户的首选操作系统之一。二、系统特
- 大规模语言模型从理论到实践 大语言模型预训练数据
AI大模型应用之禅
AI大模型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
大规模语言模型从理论到实践:大语言模型预训练数据关键词:大规模语言模型、预训练数据、数据集选择、数据清洗、数据增强、数据集评估、数据集扩展1.背景介绍1.1问题的由来随着深度学习和大规模神经网络的发展,大型语言模型(LargeLanguageModels,LLMs)成为了自然语言处理(NLP)领域的一项突破性技术。LLMs能够生成流畅且具有上下文关联性的文本,这得益于它们在海量文本数据上的预训练。
- pytest测试框架多系统并存+yml编写测试用例实现
weixin_44872675
pytestpytest
实现一个支持多系统共存的接口测试框架,同时结合YML文件编写测试用例,需要考虑以下关键点:每个系统的独立性:各系统可以有独立的配置(如conftest.py、环境变量等)。测试用例按系统和模块组织。统一管理和执行:测试用例可以按系统、模块或标签(如优先级)动态选择执行。支持共享框架的核心逻辑(如用例执行、结果收集、上下文管理)。YML用例兼容性:每个系统的YML用例格式一致,支持用例依赖、动态参数
- 【机器学习:十五、神经网络的编译和训练】
KeyPan
机器学习机器学习神经网络人工智能深度学习pytorchubuntulinux
1.TensorFlow实现代码TensorFlow是深度学习中最为广泛使用的框架之一,提供了灵活的接口来构建、编译和训练神经网络。以下是实现神经网络的一个完整代码示例,以“手写数字识别”为例:importtensorflowastffromtensorflow.kerasimportlayers,models#加载MNIST数据集(x_train,y_train),(x_test,y_test)
- NL2SQL技术方案系列(6):金融领域知识检索,NL2SQL技术方案以及行业案例实战讲解4
汀、人工智能
LLM工业级落地实践人工智能NL2SQLLLM自然语言处理copilot知识检索语义搜索
NL2SQL技术方案系列(6):金融领域NL2SQL技术方案以及行业案例实战讲解4NL2SQL基础系列(1):业界顶尖排行榜、权威测评数据集及LLM大模型(SpidervsBIRD)全面对比优劣分析[Text2SQL、Text2DSL]NL2SQL基础系列(2):主流大模型与微调方法精选集,Text2SQL经典算法技术回顾七年发展脉络梳理NL2SQL进阶系列(1):DB-GPT-Hub、SQLco
- 【Python Tips】多线程池加速独立运行程序——ThreadPoolExecutor
机器白学
Pythonpython
在处理数量庞大的数据集或者大批量的循环操作时,程序如果单一运行往往会十分缓慢。假如硬件设备内存足够,CPU性能够好,同时每次循环内的任务都独立(如访问一个文件夹内大量文件)。这种时间复杂度的问题可以尝试使用多线程来处理加速。下面记录使用Python标准库中的高级接口——concurrent.futures.ThreadPoolExecutor来实现多线程加速。以一个写入txt文件的操作为例,假如有
- MDX语言的数据库交互
Linux520小飞鱼
包罗万象golang开发语言后端
使用MDX语言进行数据库交互的深入探讨引言在当今数据驱动的时代,数据分析和数据挖掘的需求不断增加。多维数据分析工具和语言应运而生,其中MDX(多维表达式,MultidimensionalExpressions)便是一种非常重要的工具。MDX主要用于查询多维数据集(如OLAP数据立方体),在商业智能和数据仓库领域得到了广泛应用。本文将深入探讨MDX的基本概念、语法、应用场景以及与其他数据库交互的方式
- 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