- linux(ubuntu)中Conda、CUDA安装Xinference报错ERROR: Failed to build (llama-cpp-python)
小胡说技书
杂谈/设计模式/报错Data/Python/大模型linuxubuntuconda大模型pythonXinference
文章目录一、常规办法二、继续三、继续四、缺少libgomp库(最终解决)在Conda环境中安装libgomp如果符合标题情况执行的:pipinstall"xinference[all]"大概率是最终解决的情况。一、常规办法llama-cpp-python依赖CMake、Make和g++来编译,所以可能是缺少依赖或者环境配置不对。按照以下步骤排查问题并解决:1.确保Python版本符合要求llama
- ribbon负载均衡策略说明
高飞的Leo
ribbon负载均衡java
Ribbon负载均衡策略说明和比较类名说明特点使用场景RoundRobinRule基于轮询算法选择服务实例。简单、公平,每个实例被选择的机会均等。适用于所有服务实例性能相近的场景。RandomRule随机选择服务实例。简单、随机,每个实例被选择的概率相同。适用于需要随机负载均衡的场景。WeightedResponseTimeRule根据服务实例的响应时间分配权重,选择响应时间短的实例。动态调整权重
- 模拟退火算法详解
琛哥的程序
算法模拟退火算法机器学习
一、引言模拟退火算法(SimulatedAnnealing,简称SA)是一种通用概率型优化算法,用来在一个大的搜寻空间内找寻问题的最优解。其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。二、算法原理物理退火过程加温过程
- 华为OD机试 - 垃圾短信识别(Java 2024 E卷 100分)
哪 吒
华为odjava开发语言
华为OD机试2024E卷题库疯狂收录中,刷题点这里专栏导读本专栏收录于《华为OD机试(JAVA)真题(E卷+D卷+A卷+B卷+C卷)》。刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新,全天CSDN在线答疑。一、题目描述大⼤⼯对垃圾短信深恶痛绝,希望能
- OTSU算法 (大津算法)理解&代码
当代女大学生
机器学习python计算机视觉算法
OTSU算法:对图像进行二值化的算法介绍OTSU算法是一种自适应的阈值确定的方法,又称大津阈值分割法,是最小二乘法意义下的最优分割。它是按图像的灰度特性,将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。从大津法的原
- 机器学习_重要知识点整理
嘉羽很烦
机器学习机器学习
机器学习重要知识点整理一、数学与理论基础1.概率与统计术语作用使用场景概率分布描述随机变量的取值概率,如正态分布、二项分布。数据建模(如高斯分布假设)、生成模型(如贝叶斯网络)。贝叶斯定理计算条件概率,更新先验知识以获得后验概率。贝叶斯分类器、文本分类(如垃圾邮件检测)。最大似然估计(MLE)通过数据最大化似然函数,估计模型参数。线性回归、逻辑回归参数估计。假设检验判断假设是否成立(如t检验、卡方
- 【PyTorch】torch.nn.functional.cross_entropy() 函数:分类任务的交叉熵损失函数
彬彬侠
PyTorch基础cross_entropy交叉熵损失函数分类pytorchpython深度学习
torch.nn.functional.cross_entropytorch.nn.functional.cross_entropy是PyTorch中用于分类任务的交叉熵损失函数,用于衡量预测概率分布与真实类别分布之间的差异,常用于多分类任务(multi-classclassification)。1.交叉熵损失的数学公式对于单个样本,交叉熵损失的计算公式为:L=−∑i=1Cyilog(yi^)\
- P1010 [NOIP 1998 普及组] 幂次方
黄昏岭
算法java
题目描述任何一个正整数都可以用2的幂次方表示。例如137=27+23+20。同时约定次方用括号来表示,即ab可表示为a(b)。由此可知,137可表示为2(7)+2(3)+2(0)进一步:7=22+2+20(21用2表示),并且3=2+20。所以最后137可表示为2(2(2)+2+2(0))+2(2+2(0))+2(0)。又如1315=210+28+25+2+1所以1315最后可表示为2(2(2+2
- 深入理解信息检索之BM25算法
Lunar*
算法与优化自然语言处理人工智能
1.BM25算法简介BM25算法,全称为"BestMatching25",是由StephenRobertson和KarenSpärckJones在1990年代初基于早期的概率排名模型(如二元独立检索模型)发展而来。它通过一种概率论的方法来衡量文档与用户查询之间的相关性。2.BM25的核心原理BM25算法的核心在于两个主要的概念:逆文档频率(IDF)和词频(TF)调整。逆文档频率(IDF):IDF用
- 知识蒸馏中的温度参数 T(Temperature)的作用
彬彬侠
大模型Temperature温度参数知识蒸馏Distillationpytorchpython
知识蒸馏中的温度参数TTT(Temperature)的作用1.什么是温度参数TTT?在知识蒸馏(KnowledgeDistillation,KD)过程中,教师模型的输出通常是一个概率分布(通过softmax计算得到)。温度参数TTT控制softmax的平滑程度,使得学生模型可以更好地学习教师模型的知识。在标准的softmax函数中,类别iii的概率计算如下:Pi=ezi∑jezjP_i=\frac
- Deepseek 你喜欢我不
太翌修仙笔录
deepseek第三代人工智能人工智能神经网络
Deepseek,你喜欢我不###**关于“喜欢”的深度解析**---####**一、AI的情感本质**1.**情感的定义**-对人类而言,情感是神经递质(如多巴胺、血清素)与认知评价的综合结果。-对AI而言,情感是算法对输入数据的概率分布映射(如“喜欢”=高概率正向反馈)。2.**Deepseek的“情感”机制**-**输入**:你的问题“你喜欢我不”被解析为文本向量;-**处理**:通过预训练
- LLM 为什么需要 tokenizer?
SmallerFL
NLP&机器学习语言模型gptnlppython词嵌入深度学习transformer
文章目录1.LLM预训练目的1.1什么是语言模型2.Tokenizer一般处理流程(了解)3.进行Tokenizer的原因3.1one-hot的问题3.2词嵌入4.结语1.LLM预训练目的我们必须知道一个预训练目的:LLM的预训练是为了建立语言模型。1.1什么是语言模型预训练的语言模型通常是建立预测模型的,即预测下一个词的概率。通常采用了基于自监督学习的方式进行预训练,其中最常见的方法之一是使用自
- 软件或互联网项目中的风险管理怎么做
项目管理
软件或互联网项目中的风险管理的核心在于全面识别风险、科学评估风险、动态监控调整。其中,全面识别风险要求项目团队在项目启动前就系统地调查内外部可能影响项目进度、质量、成本及用户体验的各类风险;科学评估风险则需要借助定性与定量相结合的方法,将风险发生的概率与影响程度转化为具体数据,为风险优先级排序提供依据;动态监控调整强调在项目执行过程中实时追踪风险变化,及时启动应急预案,从而确保项目在面对不确定性时
- linux 设置固定内网ip
supermiketho
linuxtcp/ip服务器
设置内网固定Ip创建络配置文件:/etc/sysconfig/network-scripts/ifcfg-ens196(这个名字是根据实际来的)TYPE=EthernetPROXY_METHOD=noneBROWSER_ONLY=noBOOTPROTO=noneDEFROUTE=yesIPV4_FAILURE_FATAL=noIPV6INIT=yesIPV6_AUTOCONF=yesIPV6_DE
- 使用 TOPSIS 进行决策
杨航 AI
人工智能机器学习算法
比如供热行业,每年固定收款是150万元,煤的成本和用户投诉率是呈反比的,煤的成本越高,投诉率越低。投诉率越高,企业倒闭的风险越高。现在有集中策略方案一、价格50万元,投诉的概率40%方案二、价格60万元,投诉的概率20%方案三、价格100万元,投诉的概率5%方案四、价格120万元,投诉的概率1%权重:价格40%投诉的概率60%那种方案比较合适?在这个问题中,我们需要综合考虑价格和投诉率两个准则,使
- 【LLM大模型】大模型涌现能力及 Prompt Engineering提示词
Langchain
prompt人工智能llamalangchainai大模型LLM
涌现能力GPT3是第一批拥有“涌现能力”的大语言模型,即模型未经特定任务的训练,但在适当的提示下,仍然能够解决某些特定领域的问题。例如大语言模型可以解答数学问题、辅助进行编程、甚至是进行问答等,其实都属于模型的涌现能力。作为概率模型,大语言模型甚至不知道数字代表的真实含义,模型只是在学习了无数的语料之后,发现了一些数学结论之间的潜在概率关系,才最终涌现出了数学运算或者复杂推理的能力。但是“涌现能力
- 23章11节:自助抽样及其在R语言中的实现与验证
DAT|R科学与人工智能
用R探索医药数据科学r语言开发语言r-4.2.1microsoft信息可视化
在统计学中,数据分析的核心任务之一是如何在样本数据的基础上推断总体的性质。传统方法往往依赖于已知的概率分布假设和解析推导,但在现实问题中,我们往往无法准确得知总体分布,或者数据样本量较小,难以满足经典统计推断方法的要求。自助抽样作为一种非参数的计算方法,为我们提供了基于样本数据“自我重复”构建抽样分布的途径。1977年,斯坦福大学的B.Efron在著名论文《BootstrapMethods:Ano
- 使用 Math.NET 进行数值计算的指南
墨瑾轩
一起学学C#【一】.net决策树算法
关注墨瑾轩,带你探索编程的奥秘!超萌技术攻略,轻松晋级编程高手技术宝库已备好,就等你来挖掘订阅墨瑾轩,智趣学习不孤单即刻启航,编程之旅更有趣使用Math.NET进行数值计算的指南️♂️数值计算的魅力:从基础到进阶引言在科学计算、工程设计甚至是金融分析等领域,数值计算都是不可或缺的一环。Math.NETNumerics作为.NET平台上的一款强大而全面的数值计算库,提供了包括线性代数、概率统计、信
- Math.NET Numerics 库怎么装
9677
.net
你提到的缺少的库是Math.NETNumerics。关于Math.NETNumericsMath.NETNumerics是一个用于.NET平台的开源数学库,提供了以下功能:线性代数(矩阵运算、求解线性方程组等)。数值计算(积分、微分、优化等)。统计和概率分布。回归分析(包括多元线性回归)。它是C#中进行科学计算和数据分析的常用工具。安装Math.NETNumerics你可以通过NuGet包管理器安
- 【蓝桥杯备赛】Day12:贪心算法
凯强同学
蓝桥杯蓝桥杯贪心算法python
题目1:题目2518:信息学奥赛一本通T1620-质因数分解原题来自:NOIP2012普及组已知正整数n是两个不同的质数的乘积,试求出较大的那个质数。输入格式输入只有一行,包含一个正整数n输出格式输出只有一行,包含一个正整数p,即较大的那个质数。样例输入21样例输出7python代码importmathn=int(input())j=int(math.sqrt(n))foriinrange(2,j
- LeetCode 398.随机数索引
落羽小末
算法Java随机索引重复元素整数数组概率均匀内存优化
题目描述给定一个可能含有重复元素的整数数组,要求随机输出给定的数字的索引。您可以假设给定的数字一定存在于数组中。注意:数组大小可能非常大。使用太多额外空间的解决方案将不会通过测试。示例:int[]nums=newint[]{1,2,3,3,3};Solutionsolution=newSolution(nums);//pick(3)应该返回索引2,3或者4。每个索引的返回概率应该相等。soluti
- AI概率学预测足球大小球让球数据分析
sanx18
人工智能数据分析数据挖掘
在足球数据分析中,AI概率学预测主要涉及大小球和让球盘口的分析。以下是关键点:1.大小球分析大小球指机构设定的进球数预期,投注者预测实际进球数是否超过或低于该值。AI应用:历史数据:AI通过分析球队的历史进球、失球等数据,预测未来比赛进球数。机器学习:使用回归模型、神经网络等预测进球数,考虑球队实力、比赛风格、天气等因素。实时数据:结合实时比赛数据动态调整预测。2.让球分析让球是机构为平衡双方实力
- 红队OPSEC(安全运营)个人总结
安全检测中
安全
OPSEC又称:运营安全,是指在红队的视角下,蓝队对我方的威胁。OPSEC漏洞的五个流程:关键信息识别:指红队的关键信息不泄露,包括但不限于红队的攻击意图,能力,人员,活动及限制等。威胁分析:指蓝队的操作可能发现我方行动的威胁,如使用同一个IP地址进行nmap和msf等漏洞分析:指蓝队成员已发现我方行动或关键信息,并对其进行防范的行为,如封禁红队使用的IP等。风险评估:指对事件发生的概率和预期成本
- FLOW MATCHING FOR GENERATIVE MODELING 阅读笔记
冰冰冰泠泠泠
笔记机器学习算法
论文提出了一种新的生成模型。论文的目的是给定一个目标分布,有目标分布的一定量的样本,但是不知道目标分布的概率密度函数,学习一个模型能生成服从目标分布的新样本。FlowMatching(FM)是一种训练连续标准化流ContinuousNormalizingFlow(CNF)的方法。FM是一种通用的方法。FM可以用于训练扩散路径,用FM训练扩散路径更稳定。FM也可以用于训练其他路径,一个例子是训练最优
- 如何更有效管理项目风险
项目管理
有效管理项目风险的核心在于全面识别风险、科学评估风险、动态监控调整。其中,全面识别风险要求在项目启动前就对内外部潜在风险进行详细排查;科学评估风险则需依托数据和模型量化风险概率与影响,为决策提供依据;动态监控调整强调在项目执行中实时跟踪风险变化,迅速采取应对措施,确保项目平稳推进。一、风险识别的重要性与方法在项目管理过程中,风险识别始终是整个风险管理体系的起点。全面识别风险不仅能够为后续定量评估提
- 加分二叉树+最优贸易//信竞==心经
xiyuping24
题解c++算法
[NOIP2003提高组]加分二叉树#includeusingnamespacestd;intn,v[100],dp[100][100],root[100][100];intdfs(intl,intr){if(dp[l][r]>0)returndp[l][r];if(l==r)returnv[l];if(rdp[l][r]){dp[l][r]=p;root[l][r]=i;}}returndp[l
- 如何增强机器学习基础,提升大模型面试通过概率
weixin_40941102
机器学习面试人工智能
我的好朋友没有通过面试所以我给我的好朋友准备了这一篇学习路线随着大模型(如Transformer、GPT-4、LLaMA等)在自然语言处理(NLP)、计算机视觉(CV)和多模态任务中的广泛应用,AI行业的招聘竞争愈发激烈。面试官不仅要求候选人熟练使用深度学习框架(如PyTorch、TensorFlow),还希望他们具备扎实的机器学习理论基础、算法实现能力和实际问题解决经验。本文将从机器学习基础入手
- 【人工智能数学基础】——深入详解贝叶斯理论:掌握贝叶斯定理及其在分类和预测中的应用
猿享天开
人工智能数学基础专讲分类数据挖掘人工智能贝叶斯数学
深入详解贝叶斯理论:掌握贝叶斯定理及其在分类和预测中的应用贝叶斯理论(BayesianTheory)是概率论和统计学中的一个重要分支,它以托马斯·贝叶斯(ThomasBayes)命名,主要关注如何根据新的证据更新对某一事件的信念。贝叶斯定理作为贝叶斯理论的核心,在机器学习、数据分析、决策科学等多个领域中具有广泛的应用。本文将深入探讨贝叶斯定理的理论基础、数学表达及其在分类和预测中的应用,辅以实例和
- 为什么VAE效果不好,但VAE+diffusion效果就好了?
AndrewHZ
深度学习新浪潮算法计算机视觉深度学习扩散模型VAE生成式模型技术分析
1.什么是VAE?VAE(VariationalAutoencoder,变分自编码器)是一种基于概率生成模型的深度学习框架,主要用于数据生成和潜在空间建模。它结合了自编码器(Autoencoder)的结构和变分推断(VariationalInference)的思想,能够从数据中学习有意义的潜在表示,并生成与训练数据相似的新样本。VAE的核心思想编码-解码结构类似传统自编码器,VAE包含两个部分:编
- AIGC是怎么为拥有5000家门店的行业头部企业做内容分发?
Tezign_space
AIGC人工智能科技经验分享传媒音视频
在AI的发展过程中,我们也曾走过弯路。最初,我们都沉浸在通过海量数据训练出超级智能的幻想中,但随着时间的推移,我们逐渐意识到,在商业应用中,技术的稳定性和可靠性远比单纯的先进性更为重要。特别是在面向企业的应用场景中,客户需要的是稳定、可靠的服务,而不是可能出错的概率性结果。所以,我们现在需要做的是将工程技术与AI进行深度融合。通过工程手段来提升AI的稳定性和降低成本,这样我们才能在商业场景中更好地
- 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