- 【文献阅读笔记】去噪学生网络:DeSTSeg
迎着黎明那道光
文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
2023CVPR领域:异常检测目标:图像输入数据文章目录1、模型2、方法3、实验4、引用5、想法1、模型模型分为三个模块,包括教师网络、去噪学生网络和分割网络。分为两个阶段进行训练,第一阶段训练去噪学生网络,第二阶段训练分割网络。2、方法去噪学生网络,主要解决的是异常过度泛化的问题,利用编码器-解码器架构实现去噪。在第一个阶段将合成异常图像输入,训练去噪学生网络输出无异常图像。使用合成异常图像的目
- 【文献阅读笔记】无监督异常检测遇到噪声数据:STKD
迎着黎明那道光
文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
2022ICIP领域:异常检测目标:图像输入数据文章目录1、什么是噪声数据2、解决的措施3、模型4、方法5、消融实验6、引用7、想法1、什么是噪声数据在无监督异常检测设置中,用于训练的数据均是正常图片,但由于缺陷可能是细微的,因种种原因可能无法保障用于训练的数据集内均是正常图像,有可能混有异常图像。如果仍然按照原有的假设进行异常检测,将会影响检测性能。2、解决的措施通过迭代执行异常检测步骤和训练步
- 第二十九周:文献阅读笔记(ResMLP)+ pytorch学习(Resnet代码实现)
@默然
笔记pytorch学习人工智能python深度学习机器学习
第二十九周:文献阅读笔记(ResMLP)摘要Abstract1.ResMLP1.1文献摘要1.2文献引言1.3ResMLP方法1.3.1整体流程1.3.2残差多感知机层1.4实验1.4.1数据集1.4.2超参数设置1.4.3主要结果1.4.4监督设置1.4.5自监督设置1.4.5知识蒸馏设置1.5ResMLP的创新点2.pytorch学习(ResNet代码实现)2.1数据集2.2文件结构2.3下载
- 第二十八周:文献阅读笔记(弱监督学习)+ pytorch学习
@默然
笔记学习pytorch深度学习人工智能python
第二十八周:文献阅读笔记(弱监督学习)摘要Abstract1.弱监督学习1.1.文献摘要1.2.引言1.3.不完全监督1.3.1.主动学习与半监督学习1.3.2.通过人工干预1.3.3.无需人工干预1.4.不确切的监督1.5.不准确的监督1.6.弱监督学习的创新点2.pytorch学习2.1.对现有模型进行修改2.2.优化器的使用2.3.完整的模型训练套路总结摘要弱监督学习是一种机器学习方法,其训
- 第二十七周:文献阅读笔记
@默然
笔记
第二十七周:文献阅读笔记摘要AbstractDenseNet网络1.文献摘要2.引言3.ResNets4.DenseBlock5.Poolinglayers6.ImplementationDetails7.Experiments8.FeatureReuse9.代码实现总结摘要DenseNet(密集连接网络)是一种深度学习神经网络架构,由KaimingHe等人在2017年提出。相较于传统的卷积神经网
- 第二十九周:文献阅读笔记(DenseNet)+ pytorch学习
@默然
笔记pytorch学习
第二十九周:文献阅读笔记(DenseNet)+pytorch学习摘要Abstract1、DenseNet文献阅读1.1文献摘要1.2文献引言1.3DenseNets网络1.3.1残差网络1.3.2密集连接1.3.3实施细节1.4实验1.4.1数据集1.4.1.1CIFAR1.4.1.2SVHN1.4.2模型训练1.4.3CIFAR和SVHN的分类结果1.4.4ImageNet上的分类结果1.5总结
- 跨文化能力研究的深化与西方范式面临的质疑
叶小静Stamy
2019-03-083月文献阅读笔记07-《跨文化能力研究》时间:1990-1999机构成立:①国际跨文化研究院1997②国际语言与跨文化交际学会1999③中国跨文化交际学会1995研究主题:文化价值观、文化适应、跨文化能力、跨文化关系、文化认同、权力的不平等中国的主要研究成果:①林大津:跨文化能力包括得体、有效性和正当(属于道德范畴)②贾玉新:跨文化能力由基本的交际能力系统、情感和关系能力系统、
- 儒家视角的跨文化能力理论
叶小静Stamy
2019-03-233月文献阅读笔记19-《跨文化能力研究》【研究者】X.S.Xiao&G.M.Chen【观点】西方文化以自我为中心,在评价交际能力时强调对过程的控制以及预定目标的实现。然而,这种视角并不适合以人际关系为中心的中国儒家文化。在儒家文化看来,一个人的交际能力并不在于能都控制交流过程与实现个人目标,而在于能否以德行感化他人,不断提升自我人格。
- 微生物群落 文献阅读笔记
芜穀杂粱
PatternsandProcessesofMicrobialCommunityAssembly壹微生物群落组装过程的统一理论一、群落理论的框架1.Diversification2.Selection3.Dispersal4.Drift二、微生物群落组装的需要什么样的理论?1.和一般群落理论一致2.同时注重微生物特有的特性Aunifiedconceptualframeworkofmicrobial
- 自动驾驶感知-预测-决策-规划-控制学习(3):感知方向文献阅读笔记
棉花糖永远滴神
自动驾驶学习笔记
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、文章主题二、摘要阅读1.名词理解①点云是什么?②二维图像分割器③轻量化卷积网络提取特征④单模态表达和多模态特征融合的区别⑤基于ROS的多传感器融合感知⑥TensorRT工具2.总结摘要三、绪论解析1.首先分析了车道线检测方面有三类工作2.又分析了三维目标检测研究的三类工作3.综述各章节内容四、硬件与软件设计1.总体方案
- 【多传感器融合导航论文阅读】
今天我刷leetcode了吗
论文阅读学习方法
多传感器融合导航论文积累知识点总结因子图一致因子图文献阅读笔记[IF18.6]知识点总结因子图FactorGraph是概率图的一种,是对函数因子分解的表示图,一般内含两种节点,变量节点和函数节点。因子图存在着:两类节点:变量节点和对应的函数节点变量节点所代表的变量是函数节点的自变量。同类节点之间没有边直接相连。一致因子图一致性指的是在该框架中能够保持一致性地更新变量的值,使得整个概率图模型中的变量
- 第二十五周:文献阅读笔记(swin transformer)
@默然
笔记transformer深度学习人工智能机器学习
第二十五周:文献阅读笔记(swintransformer)摘要Abstract1.swintransformer文献笔记1.1.文献摘要1.2.引言1.3.SwinTransformer原理1.3.1.整体架构1.3.2.PatchMerging1.3.3.VIT中的PatchProjection1.3.4.基于滑动窗口的自注意力1.非重叠窗口中的自注意力2.连续块中的移动窗口分区3.移动窗口所存
- 第二十四周:文献阅读笔记(VIT)
@默然
笔记
第二十四周:文献阅读笔记摘要Abstract1.文献阅读1.1文献题目1.2文献摘要1.3引言1.4VIT1.4.1Embedding层结构详解1.4.2BN和LN算法1.4.3TransformerEncoder详解1.4.4MLPHead(全连接头)1.5实验1.6文献总结2.随机梯度下降(回顾)摘要VIT是一种基于Transformer模型的视觉处理方法。传统上,卷积神经网络(CNN)在计算
- 【文献阅读笔记】基于自监督的异常检测和定位:SSM
迎着黎明那道光
文献阅读笔记视觉异常检测笔记视觉检测深度学习
2022IEEETRANSACTIONSONMULTIMEDIA领域:异常检测目标:图像输入数据文章目录1、模型2、方法2.1、randommasking2.2、restorationnetwork2.3、损失函数2.4、推理时的渐进细化3、实验4、引用5、想法1、模型训练:每个图像实时生成随机的掩码,然后将掩码输入到具有两个预测头的条件自动编码器,一个用于重建图像,一个用于重建掩码。通过随机掩码
- 目标检测文献阅读笔记(一)
山在岭就在
文献阅读笔记文献阅读笔记
如果觉得这篇文章对您有所启发,欢迎关注我的公众号,我会尽可能积极和大家交流,谢谢。最近研究了一段时间的目标检测问题,将阅读的一些文献资料总结如下:1、使用增强2DPCA和ML算法估计的目标追踪(Objecttrackingusingincremental2DPCAlearningandMLestimation)(英文,期刊,2008,EI检索)这篇文章的最大作用就是帮我们找到了增强型2DPCA(双
- 【文献阅读笔记】深度异常检测模型
迎着黎明那道光
视觉异常检测笔记异常检测
文章目录导读相关关键词及其英文描述记录深度异常检测模型Superviseddeepanomalydetection有监督深度异常检测Semi-Superviseddeepanomalydetection半监督深度异常检测Hybriddeepanomalydetection混合深度异常检测One-classneuralnetworkforanomalydetection用于异常检测的一类神经网络Un
- 【文献阅读笔记】SimpleNet: A Simple Network for Image Anomaly Detection and Localization
迎着黎明那道光
视觉异常检测文献阅读笔记笔记视觉检测深度学习
文章目录1、模型2、训练3、推理4、实验结果消融实验一类新奇检测5、代码6、想法2023CVPR领域:异常检测目标:图像输入数据1、模型模块:特征提取器、特征适配器、异常特征生成器、鉴别器模块功能构成特征提取器提取局部特征预训练网络的不同层特征适配器将预训练的特征转移到目标域一层的全连接层异常特征生成器生成异常样本向特征空间添加高斯噪声鉴别器鉴别出正常和异常两层的多层感知机2、训练训练过程:正常样
- 【文献阅读笔记】路径损耗模型公式
迎着黎明那道光
文献阅读笔记通信笔记算法matlab矩阵
信道的路径损耗信道的路径损耗是信道路径损耗真值的分贝数。信道路径损耗真值为发射功率与接收功率之比。信道的路径增益信道的路径增益分贝数时路径损耗的分贝值的负数。通常是负数路径损耗的模型公式Pr=Pt*K*(d0/d)^r其中:Pr是接收功率Pt是发射功率K是依赖于天线特性和平均信道损耗的常系数d0是天线的参考距离d是实际距离r是路径损耗指数K<1,取为d0处的自由空间路径损耗瑞利信道和莱斯信道在实际
- 【文献阅读笔记】关于GANomaly的异常检测方法
迎着黎明那道光
文献阅读笔记视觉异常检测笔记视觉检测深度学习
文章目录1、GANomaly:Semi-SupervisedAnomalyDetectionviaAdversarialTraining模型主要创新2、Skip-GANomaly:SkipConnectedandAdversariallyTrainedEncoder-DecoderAnomalyDetection模型主要创新点3、Industrialsurfacedefectdetectionan
- 【文献阅读笔记】Knowledge-enhanced Visual-Language Pre-training on Chest Radiology Images
Cpdr
论文阅读_副本笔记论文阅读论文笔记
文章目录摘要1.介绍2.相关工作2.1.视觉语言的预训练模型2.2.医学的命名实体识别模型2.3.医学知识增强模型3.方法3.1.算法概述3.2.问题场景3.3.知识编码器3.4.实体提取(Entityextraction)3.5.知识引导的视觉表征学习4.实验4.1.特定领域的知识(Domain-specificKnowledge)4.2.数据集4.2.1.预训练的数据集4.2.2.用于下游评估
- G.M.Chen & W.J. Starosta 的综合的跨文化交际能力模型
叶小静Stamy
2019-03-123月文献阅读笔记10-《跨文化能力研究》定义:跨文化交际能力是交际者在特定的情境中商讨文化意义、辨析文化身份,有效得体地进行交际的能力,由情感、认知和行为过程三个不断发展和完善的过程构成。关键概念:①情感过程指跨文化交际敏感性的发展,即特定情形中个人情绪或感受的变化,包括:自我概念、开明度、中立态度和社交从容。②认知过程即跨文化的意识发展,包括自我意识和文化意识的发展。③行为过
- 自动驾驶4D毫米波雷达文献综述
风靡晚
自动驾驶人工智能机器学习信息与通信信号处理算法
文献阅读笔记:《4DMillimeter-WaveRadarinAutonomousDriving:ASurvey》4D毫米波(mmWave)雷达,能够测量目标的距离、方位角、高度和速度,已经在自动驾驶领域引起了相当大的兴趣。这归因于它在极端环境下的鲁棒性,以及出色的速度和高度测量能力。4D毫米波雷达不仅是毫米波雷达的改进版本,而且还引入了许多重要的研究课题。4D毫米波雷达的原始数据大小比传统雷达
- (论文阅读34-39)理解CNN
朽月初二
论文阅读cnn人工智能笔记学习神经网络深度学习
34.文献阅读笔记简介题目Understandingimagerepresentationsbymeasuringtheirequivarianceandequivalence作者KarelLenc,AndreaVedaldi,CVPR,2015.原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Lenc_Un
- (论文阅读51-57)图像描述3 53
朽月初二
论文阅读人工智能笔记学习
51.文献阅读笔记(KNN)简介题目ExploringNearestNeighborApproachesforImageCaptioning作者JacobDevlin,SaurabhGupta,RossGirshick,MargaretMitchell,C.LawrenceZitnick,arXiv:1505.04467原文链接http://arxiv.org/pdf/1505.04467.pdf
- (论文阅读46-50)图像描述2
朽月初二
论文阅读计算机视觉笔记学习
46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick,arXiv:1411.5654.原文链接http://www.cs.cmu.edu/~xinleic/papers/cvpr15_rnn.pdf关键词2014年rnn图像特征和文本特征相
- (论文阅读40-45)图像描述1
朽月初二
论文阅读计算机视觉笔记学习cnn
40.文献阅读笔记(m-RNN)简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang,AlanL.Yuille,arXiv:1410.1090原文链接http://arxiv.org/pdf/1410.1090.pdf关键词m-RNN、multimodal研究问题研究问题:解
- (论文阅读31/100)Stacked hourglass networks for human pose estimation
朽月初二
论文阅读计算机视觉笔记学习
31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV,2016.原文链接https://arxiv.org/pdf/1603.06937.pdf关键词HumanPoseEstimation研究问题CNN运用于HumanPoseEstimation,
- (论文阅读32/100)Flowing convnets for human pose estimation in videos
朽月初二
论文阅读
32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman,ICCV,2015.原文链接https://arxiv.org/pdf/1506.02897.pdf关键词HumanPoseEstimationinVideos研究问题视频中的人体姿态估计研
- (论文阅读30/100)Convolutional Pose Machines
朽月初二
论文阅读计算机视觉笔记学习
30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines(CPMs)、articulatedposee
- (论文阅读28/100 人体姿态估计)Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
朽月初二
论文阅读计算机视觉人工智能
28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓