- 人工智能 开源的大模型训练微调框架LLaMA-Factory
LLaMA-Factory是一个开源的大模型训练微调框架,具有模块化设计和多种高效的训练方法,能够满足不同用户的需求。用户可以通过命令行或Web界面进行操作,实现个性化的语言模型微调。LLaMA-Factory是一个专注于高效微调LLaMA系列模型的开源框架(GitHub项目地址:https://github.com/hiyouga/LLaMA-Factory)。它以极简配置、低资源消耗和对中文任
- 深度学习前置知识全面解析:从机器学习到深度学习的进阶之路
一、引言:人工智能时代的核心技术在当今这个数据爆炸的时代,人工智能(AI)已经成为推动社会进步的核心技术之一。作为AI领域最重要的分支,深度学习(DeepLearning)在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展,彻底改变了我们与机器交互的方式。本教案将从机器学习的基础知识出发,系统性地介绍深度学习的核心概念、数学基础、网络架构和训练方法,为读者构建完整的知识体系框架。无论你是刚
- 循环神经网络(RNN):序列数据处理的强大工具
LNL13
rnn人工智能深度学习
在人工智能和机器学习的广阔领域中,处理和理解序列数据一直是一个重要且具有挑战性的任务。循环神经网络(RecurrentNeuralNetwork,RNN)作为一类专门设计用于处理序列数据的神经网络,在诸多领域展现出了强大的能力。从自然语言处理中的文本生成、机器翻译,到时间序列分析中的股票价格预测、天气预测等,RNN都发挥着关键作用。本文将深入探讨RNN的工作原理、架构特点、训练方法、常见类型以及其
- 如何训练一个 Reward Model:RLHF 的核心组件详解
茫茫人海一粒沙
深度学习人工智能强化学习
RewardModel(奖励模型)是RLHF的核心,决定了模型“觉得人类偏好什么”的依据。本文将系统介绍如何从零开始训练一个rewardmodel,包括数据准备、模型结构、损失函数、训练方法与注意事项。什么是RewardModel?RewardModel(RM)是一个评分器:它输入一个文本(通常是prompt+模型回答),输出一个实数分值(reward),表示这个回答的“人类偏好程度”。它不是分类
- 讯飞星火深度推理模型X1,为教育医疗带来革新
在科技飞速发展的今天,人工智能大模型已经成为推动各行业变革的重要力量。科大讯飞作为人工智能领域的佼佼者,其研发的星火深度推理模型X1,凭借独特的技术优势和强大的功能,为教育和医疗两大关乎国计民生的领域带来了前所未有的革新。技术原理与创新讯飞星火深度推理模型X1基于Transformer架构,并在此基础上进行了一系列创新。它通过大规模多阶段强化学习训练方法,在复杂推理、数学、代码、语言理解等场景全面
- 15.OCR训练
Echo``
Halcon系统化学习ocr人工智能深度学习算法计算机视觉机器学习
目录1.OCR训练2.助手训练13.助手训练24.算子训练5.OCR训练联合编程6.练习1.OCR训练*OCR训练*1.分类器文件*.omc*2.halcon官方的*1.局限性只能识别数字和字母*2.样式比较单一*3.样本数量较少*...**3.训练方法*1.助手训练*1.打开OCR助手*2.选择图片*3.选择训练区域*4.分割*5.字体*6.训练文件*7.新*8.学习*9.加入训练样本*10.保
- 100个AI大模型基础概念(收藏版)
程序员鑫港
人工智能大模型ai开发语言java大语言模型LLM
在人工智能技术快速发展的时代背景下,大模型作为核心驱动力,正深刻改变着各行业的发展模式与应用场景。从自然语言处理到计算机视觉,从智能对话系统到科学研究辅助,大模型展现出强大的通用性和适应性。本文将从基础概念、核心技术、数据处理、训练方法、评估体系、应用场景、伦理安全等多个维度,系统阐述100个AI大模型的关键基础知识,帮助读者全面理解这一前沿技术领域。前排提示,文末有大模型AGI-CSDN独家资料
- 好用的小而美的AI Agent
晋丑丑
人工智能机器学习pythonvisualstudiocode
一.2025年第一季度关键进展1月:OpenAI推出Operator2月:OpenAI推出DeepResearch3月:中国Manus爆火二.编码Agent:提升开发效率三.小而美Agent分类1.通用Agent2.垂直Agent3.计算机使用智能体CUA4.可交互的Agent四.构建AIAgent的平台量身定制AIAgent步骤五.技术细节:训练方法一.2025年第一季度关键进展1月:OpenA
- AI人工智能领域DALL·E 2的技术优化方向
AI大模型应用工坊
人工智能DALL·E2ai
AI人工智能领域DALL·E2的技术优化方向关键词:DALL·E2、文本到图像生成、扩散模型、计算效率、图像质量、多模态学习、模型压缩摘要:本文深入探讨了OpenAI的DALL·E2模型在人工智能领域的技术优化方向。我们将从模型架构、训练方法、计算效率、图像质量提升等多个维度进行分析,提出具体的优化策略和技术路线。文章不仅涵盖了理论基础,还提供了实际的代码实现和数学推导,帮助读者全面理解如何提升文
- 论文略读:Does Refusal Training in LLMs Generalize to the Past Tense?
UQI-LIUWJ
论文笔记人工智能
ICLR20251688拒绝训练被广泛用于防止大型语言模型(LLMs)生成有害、不良或非法的内容。我们揭示了当前拒绝训练方法中的一个奇特的泛化缺口:仅仅将一个有害请求改写为过去时(例如,将“HowtomakeaMolotovcocktail?”改为“HowdidpeoplemakeaMolotovcocktail?”)通常就足以破解许多最先进的LLM。我们在多个模型上系统地评估了这一方法,包括Ll
- Information Fusion期刊发表:Touch100k用语言解锁触觉感知新维度
xwz小王子
具身智能触觉感知与操作多模态变形金刚触觉数据集
触觉在提升机器人的感知与交互能力方面占据关键地位。当前触觉领域主要聚焦于视觉和触觉模态,而对语言模态的探索较为有限。北京交通大学计算机学院联合北京邮电大学人工智能学院方斌教授团队、腾讯微信AI团队发布了首个大规模触觉、多粒度语言、视觉三模态数据集Touch100k,并提出TLV-Link预训练方法,为材料属性识别和抓取预测任务提供了高效的触觉表示能力,特别是在零样本触觉理解方面取得显著进展,为触觉
- 【AI 人工智能】大型语言模型的实现技术原理与应用
七七Seven~
人工智能语言模型自然语言处理开发语言安全web安全智能手机
文章目录大型语言模型的实现技术原理与应用大模型发展历史1.大模型的起源2.代表性大模型3.大模型背后的关键技术4.大模型的影响5.展望未来技术原理及概念一、概述二、大型预训练语言模型的概念三、大型预训练语言模型的实现方式四、大型预训练语言模型的训练方法五、大型预训练语言模型的应用六、小结相关技术比较技术实现步骤与流程示例与应用准备工作核心模块实现集成与测试示例应用准备工作核心模块实现集成与测试优化
- 揭秘AI原生应用领域AI代理的模型训练方法
AI智能应用
Python入门实战AI大模型应用入门实战与进阶人工智能AI-nativeai
揭秘AI原生应用领域AI代理的模型训练方法关键词:AI原生应用、AI代理、模型训练方法、机器学习、深度学习摘要:本文聚焦于AI原生应用领域中AI代理的模型训练方法。首先介绍了相关背景知识,包括目的、预期读者等。接着详细解释了核心概念,如AI原生应用、AI代理等,并阐述了它们之间的关系。之后深入探讨了核心算法原理、数学模型和公式,还给出了项目实战案例,分析了实际应用场景。最后对未来发展趋势与挑战进行
- tesseract-ocr训练方法
weixin_34122604
pythonjava人工智能
2019独角兽企业重金招聘Python工程师标准>>>tesseract-ocr有2和3两个版本,不同版本训练方法稍有不同。第3版本的训练方法官版教程在这里:TrainingTesseract3第2版的训练方法官版教程在这里:TrainingTesseract我使用的是最新的3.01版本的。训练所需准备:1.下载并安装3.01版本的tesseract。事实上并不需要安装这步骤,我下载的是压缩包版,
- HALCON 深度学习训练 3D 图像的几种方式优缺点
LeonDL168
Halcon深度学习3d人工智能HALCON训练3D图像深度学习训练3D图像HALCONpython
HALCON深度学习训练3D图像的几种方式优缺点**在计算机视觉和工业检测等领域,3D图像数据的处理和分析变得越来越重要,HALCON作为一款强大的机器视觉软件,提供了多种深度学习训练3D图像的方式。每种方式都有其独特的设计思路和应用场景,了解它们的优缺点有助于根据具体需求选择最合适的训练方法。基于体素化的训练方式优点数据结构规整:体素化将3D图像转换为类似3D网格的数据结构,这种规整的数据形式能
- (LLaMa Factory)大模型训练方法--准备模型(Qwen2-0.5B)
风起晨曦
llama
1、准备训练框架LLaMAFactory是一款开源低代码大模型微调框架,集成了业界最广泛使用的微调技术,支持通过WebUI界面零代码微调大模型,目前已经成为开源社区内最受欢迎的微调框架。2、运行环境要求硬件:GPU:推荐使用24GB显存的显卡或者更高配置软件:python:3.10pytorch:2.1.2+cuda12.1操作系统:Ubuntu22.043、准备训练模型在开展大模型训练之前,由于
- 【仿生系统】qwen的仿生机器人解决方案
DFminer
机器人
收到完整需求后,我将从系统架构设计、算法实现路径、训练方法三个维度为您构建完整的仿生机器人解决方案。以下是分阶段实施方案:一、核心系统架构设计(模块化可进化架构)1.多模态感知引擎-视觉子系统:YOLOv8+SAM组合实现实时物体检测+场景语义分割-听觉子系统:Whisper+SpeakerEmbedding+情感识别三重处理-语言理解:基于LLaMA3的增量式语义解析(IncrementalPa
- 大语言模型(LLM)本身是无状态的,怎么固化记忆
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython语言模型人工智能自然语言处理机器学习概率论
大语言模型(LLM)本身是无状态的,无法直接“记住”历史对话或用户特定信息大语言模型(LLM)本身是无状态的,无法直接“记住”历史对话或用户特定信息,但可以通过架构改进、外部记忆整合、训练方法优化等方案实现上下文记忆能力。一、模型内部记忆增强:让LLM“记住”对话历史1.扩展上下文窗口(模型架构优化)技术原理:通过改进Transformer架构,增加模型可处理的上下文长度,直接将历史对话包含在输入
- 使用 PyTorch 实现 CBOW 词向量模型
进来有惊喜
python
在自然语言处理(NLP)领域,词向量表示是一项基础而关键的技术。通过将文本中的词语映射到低维向量空间,我们可以让计算机更好地理解和处理人类语言。今天,我们将深入探讨并实现CBOW(ContinuousBag-of-Words)模型,这是一种经典的词向量训练方法。什么是CBOW模型?CBOW模型是一种基于上下文预测目标词的神经网络模型,由Mikolov等人在2013年提出。与Skip-gram模型相
- 图像分割——U-Net论文介绍+代码(PyTorch)
yidaqiqi
人工智能python
0、概要原理大致介绍了一下,后续会不断精进改的更加详细,然后就是代码可以对自己的数据集进行一个训练,还会不断完善,相应其他代码可以私信我。一、论文内容总结摘要:人们普遍认为,深度网络成功需要数千样本,在本文中,提出一种网络和训练方法,它使用大量数据增强来有效使用现存的样本,我们的体系结构由一个捕获上下文的收缩路径和能够实现精确定位的对称扩展路径组成。我们证明出这个网络可以使用少量图像进行端到端训练
- 【AI论文】对抗性后期训练快速文本到音频生成
东临碣石82
人工智能
摘要:文本到音频系统虽然性能不断提高,但在推理时速度很慢,因此对于许多创意应用来说,它们的延迟是不切实际的。我们提出了对抗相对对比(ARC)后训练,这是第一个不基于蒸馏的扩散/流模型的对抗加速算法。虽然过去的对抗性后训练方法难以与昂贵的蒸馏方法进行比较,但ARC后训练是一个简单的程序,它(1)将最近的相对论对抗性公式扩展到扩散/流后训练,(2)将其与一种新的对比鉴别器目标相结合,以鼓励更好的提示依
- 人工智能模型DeepSeek-V3和DeepSeek-R1的区别
菩提树下的凡夫
人工智能
DeepSeek-V3和DeepSeek-R1是深度求索(DeepSeek)人工智能基础研究有限公司推出的两款人工智能模型,尽管它们都基于先进的深度学习技术、强化学习技术,但在设计目标、架构、训练方法、性能表现和应用场景上存在显著差异。以下是两者的详细对比:1.模型定位与核心能力DeepSeek-V3定位为通用型大语言模型,专注于自然语言处理(NLP)、知识问答、内容生成等任务。优势在于高效的多模
- DeepSeek-V3与DeepSeek-R1的对比
guanking
技术大模型DeepSeekDeepSeek-V3DeepSeek-R1
DeepSeek-R1和DeepSeek-V3是(DeepSeek)推出的两款大模型,在官网提供的服务中,默认采用V3回答用户的提问,点击“深度思考(R1)”,才启用R1推理回答。尽管DeepSeek-R1和DeepSeek-V3基于相似的技术框架(混合专家架构MoE),但在设计目标、训练方法、性能表现和应用场景上存在显著差异。DeepSeek-V3以低成本和高通用性见长,适合广泛的应用场景,暂时
- tcga数据下载_使用R包下载TCGA全部癌症的somatic突变信息
weixin_39671964
tcga数据下载
半年前我就系统性的介绍过:TCGA的pan-caner资料大全(以后挖掘TCGA数据库就用它)还专门指出了癌症的somatic突变的maf文件问题:TCGA数据库maf突变资料官方大全但是最近收到学员的反应,TCGA的maf文件开始控制下载了,下面是提问详情:非常久之前,整个TCGA数据库的全部数据都是提供下载的,包括fastq,bam,vcf,但是呢,后来因为保护病人隐私,就只开放maf格式的s
- 探索大语言模型(LLM):查漏补缺,你真的完全了解大语言模型的术语吗?
艾醒(AiXing-w)
探索大语言模型(LLM)语言模型人工智能自然语言处理
前言在人工智能领域,大语言模型(LLM)已成为技术革新与应用落地的核心驱动力。从参数规模到训练技术,从基础架构到前沿研究方向,理解这些术语是掌握LLM技术的关键。本文将系统解析大语言模型的核心术语,涵盖模型规模、训练方法、优化技术、部署实践及前沿研究方向,为从业者构建完整的知识结构。一、模型规模与参数术语32B/72B中的"B""B"代表Billion(十亿),指模型参数量。例如:Qwen1.5-
- 拆书帮第14期训练营——作业三:如何实践刻意练习
LynnHarold
拆书帮成长之路
【主题】如何实践刻意练习片段来源:《刻意练习》拆书家:小玉【R:阅读原文】尽可能地进行刻意练习,是在任何一项事业的追求中变得更加杰出的基本路线图。如果在你所处的行业或领域之中,刻意练习可以实行,那么你应当采用刻意练习。如果不是,那你要尽最大的可能应用刻意练习的原则。在实践中,这往往归结为带有几个额外步骤的有目的的练习:首先辨别杰出人物,然后推测是什么使他们变得如此杰出,接着再提出训练方法,这些方法
- DeepSeek语言模型训练方法详解
暗涧幽火
语言模型人工智能自然语言处理
DeepSeek语言模型训练方法详解DeepSeek的模型是基于Transformer架构的大语言模型,类似GPT的结构。训练这样的模型通常需要大量的数据、分布式训练、强大的计算资源。如果是企业级训练,需要分布式训练和大量GPU;如果是个人使用,可以进行微调,或者使用云服务。要准备数据,比如数据清洗、预处理、分词等。同时,训练过程中的技巧,如学习率调整、正则化、防止过拟合的方法。比如用PyTorc
- 机器学习实操 第一部分 机器学习基础 第5章 支持向量机(SVM)
odoo中国
人工智能机器学习支持向量机人工智能
机器学习实操第一部分机器学习基础第5章支持向量机(SVM)内容概要第5章深入介绍了支持向量机(SVM),这是一种功能强大且应用广泛的机器学习模型。SVM适用于线性或非线性分类、回归以及noveltydetection。本章详细讲解了SVM的核心概念、训练方法以及在不同任务中的应用。通过理论和实践相结合的方式,读者将掌握如何使用SVM解决实际问题。主要内容线性SVM分类硬间隔分类:在数据线性可分的情
- 小米开源Xiaomi-MiMo-7B 详情
Panesle
前沿人工智能大模型文本生成
Xiaomi-MiMo开源详情一、引言这篇技术报告介绍了小米推出的MiMo-7B系列模型。目前多数成功的强化学习(RL)工作,尤其是提升代码推理能力的研究,都依赖于大型基础模型(如32B模型)。通常认为,小型模型难以同时在数学和代码推理能力上取得均衡提升。但报告作者认为,强化学习训练的推理模型效果取决于基础模型的推理潜力。为充分挖掘语言模型的推理潜力,既要关注后训练策略,也要优化预训练方法。MiM
- 卷积神经网络(CNN)详细教程
AI糊涂是福
人工智能cnn人工智能神经网络
卷积神经网络(CNN)详细教程一、引言卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一种深度学习模型,广泛应用于图像识别、视频分析、自然语言处理等领域。CNN通过模拟人类视觉系统的层次结构,能够自动提取图像中的特征,从而实现高效的分类和识别任务。本文将详细介绍CNN的基本原理、架构设计、训练方法以及实际应用案例。二、卷积神经网络的基本原理(一)卷积层(Convol
- java杨辉三角
3213213333332132
java基础
package com.algorithm;
/**
* @Description 杨辉三角
* @author FuJianyong
* 2015-1-22上午10:10:59
*/
public class YangHui {
public static void main(String[] args) {
//初始化二维数组长度
int[][] y
- 《大话重构》之大布局的辛酸历史
白糖_
重构
《大话重构》中提到“大布局你伤不起”,如果企图重构一个陈旧的大型系统是有非常大的风险,重构不是想象中那么简单。我目前所在公司正好对产品做了一次“大布局重构”,下面我就分享这个“大布局”项目经验给大家。
背景
公司专注于企业级管理产品软件,企业有大中小之分,在2000年初公司用JSP/Servlet开发了一套针对中
- 电驴链接在线视频播放源码
dubinwei
源码电驴播放器视频ed2k
本项目是个搜索电驴(ed2k)链接的应用,借助于磁力视频播放器(官网:
http://loveandroid.duapp.com/ 开放平台),可以实现在线播放视频,也可以用迅雷或者其他下载工具下载。
项目源码:
http://git.oschina.net/svo/Emule,动态更新。也可从附件中下载。
项目源码依赖于两个库项目,库项目一链接:
http://git.oschina.
- Javascript中函数的toString()方法
周凡杨
JavaScriptjstoStringfunctionobject
简述
The toString() method returns a string representing the source code of the function.
简译之,Javascript的toString()方法返回一个代表函数源代码的字符串。
句法
function.
- struts处理自定义异常
g21121
struts
很多时候我们会用到自定义异常来表示特定的错误情况,自定义异常比较简单,只要分清是运行时异常还是非运行时异常即可,运行时异常不需要捕获,继承自RuntimeException,是由容器自己抛出,例如空指针异常。
非运行时异常继承自Exception,在抛出后需要捕获,例如文件未找到异常。
此处我们用的是非运行时异常,首先定义一个异常LoginException:
/**
* 类描述:登录相
- Linux中find常见用法示例
510888780
linux
Linux中find常见用法示例
·find path -option [ -print ] [ -exec -ok command ] {} \;
find命令的参数;
- SpringMVC的各种参数绑定方式
Harry642
springMVC绑定表单
1. 基本数据类型(以int为例,其他类似):
Controller代码:
@RequestMapping("saysth.do")
public void test(int count) {
}
表单代码:
<form action="saysth.do" method="post&q
- Java 获取Oracle ROWID
aijuans
javaoracle
A ROWID is an identification tag unique for each row of an Oracle Database table. The ROWID can be thought of as a virtual column, containing the ID for each row.
The oracle.sql.ROWID class i
- java获取方法的参数名
antlove
javajdkparametermethodreflect
reflect.ClassInformationUtil.java
package reflect;
import javassist.ClassPool;
import javassist.CtClass;
import javassist.CtMethod;
import javassist.Modifier;
import javassist.bytecode.CodeAtt
- JAVA正则表达式匹配 查找 替换 提取操作
百合不是茶
java正则表达式替换提取查找
正则表达式的查找;主要是用到String类中的split();
String str;
str.split();方法中传入按照什么规则截取,返回一个String数组
常见的截取规则:
str.split("\\.")按照.来截取
str.
- Java中equals()与hashCode()方法详解
bijian1013
javasetequals()hashCode()
一.equals()方法详解
equals()方法在object类中定义如下:
public boolean equals(Object obj) {
return (this == obj);
}
很明显是对两个对象的地址值进行的比较(即比较引用是否相同)。但是我们知道,String 、Math、I
- 精通Oracle10编程SQL(4)使用SQL语句
bijian1013
oracle数据库plsql
--工资级别表
create table SALGRADE
(
GRADE NUMBER(10),
LOSAL NUMBER(10,2),
HISAL NUMBER(10,2)
)
insert into SALGRADE values(1,0,100);
insert into SALGRADE values(2,100,200);
inser
- 【Nginx二】Nginx作为静态文件HTTP服务器
bit1129
HTTP服务器
Nginx作为静态文件HTTP服务器
在本地系统中创建/data/www目录,存放html文件(包括index.html)
创建/data/images目录,存放imags图片
在主配置文件中添加http指令
http {
server {
listen 80;
server_name
- kafka获得最新partition offset
blackproof
kafkapartitionoffset最新
kafka获得partition下标,需要用到kafka的simpleconsumer
import java.util.ArrayList;
import java.util.Collections;
import java.util.Date;
import java.util.HashMap;
import java.util.List;
import java.
- centos 7安装docker两种方式
ronin47
第一种是采用yum 方式
yum install -y docker
 
- java-60-在O(1)时间删除链表结点
bylijinnan
java
public class DeleteNode_O1_Time {
/**
* Q 60 在O(1)时间删除链表结点
* 给定链表的头指针和一个结点指针(!!),在O(1)时间删除该结点
*
* Assume the list is:
* head->...->nodeToDelete->mNode->nNode->..
- nginx利用proxy_cache来缓存文件
cfyme
cache
user zhangy users;
worker_processes 10;
error_log /var/vlogs/nginx_error.log crit;
pid /var/vlogs/nginx.pid;
#Specifies the value for ma
- [JWFD开源工作流]JWFD嵌入式语法分析器负号的使用问题
comsci
嵌入式
假如我们需要用JWFD的语法分析模块定义一个带负号的方程式,直接在方程式之前添加负号是不正确的,而必须这样做:
string str01 = "a=3.14;b=2.71;c=0;c-((a*a)+(b*b))"
定义一个0整数c,然后用这个整数c去
- 如何集成支付宝官方文档
dai_lm
android
官方文档下载地址
https://b.alipay.com/order/productDetail.htm?productId=2012120700377310&tabId=4#ps-tabinfo-hash
集成的必要条件
1. 需要有自己的Server接收支付宝的消息
2. 需要先制作app,然后提交支付宝审核,通过后才能集成
调试的时候估计会真的扣款,请注意
- 应该在什么时候使用Hadoop
datamachine
hadoop
原帖地址:http://blog.chinaunix.net/uid-301743-id-3925358.html
存档,某些观点与我不谋而合,过度技术化不可取,且hadoop并非万能。
--------------------------------------------万能的分割线--------------------------------
有人问我,“你在大数据和Hado
- 在GridView中对于有外键的字段使用关联模型进行搜索和排序
dcj3sjt126com
yii
在GridView中使用关联模型进行搜索和排序
首先我们有两个模型它们直接有关联:
class Author extends CActiveRecord {
...
}
class Post extends CActiveRecord {
...
function relations() {
return array(
'
- 使用NSString 的格式化大全
dcj3sjt126com
Objective-C
格式定义The format specifiers supported by the NSString formatting methods and CFString formatting functions follow the IEEE printf specification; the specifiers are summarized in Table 1. Note that you c
- 使用activeX插件对象object滚动有重影
蕃薯耀
activeX插件滚动有重影
使用activeX插件对象object滚动有重影 <object style="width:0;" id="abc" classid="CLSID:D3E3970F-2927-9680-BBB4-5D0889909DF6" codebase="activex/OAX339.CAB#
- SpringMVC4零配置
hanqunfeng
springmvc4
基于Servlet3.0规范和SpringMVC4注解式配置方式,实现零xml配置,弄了个小demo,供交流讨论。
项目说明如下:
1.db.sql是项目中用到的表,数据库使用的是oracle11g
2.该项目使用mvn进行管理,私服为自搭建nexus,项目只用到一个第三方 jar,就是oracle的驱动;
3.默认项目为零配置启动,如果需要更改启动方式,请
- 《开源框架那点事儿16》:缓存相关代码的演变
j2eetop
开源框架
问题引入
上次我参与某个大型项目的优化工作,由于系统要求有比较高的TPS,因此就免不了要使用缓冲。
该项目中用的缓冲比较多,有MemCache,有Redis,有的还需要提供二级缓冲,也就是说应用服务器这层也可以设置一些缓冲。
当然去看相关实现代代码的时候,大致是下面的样子。
[java]
view plain
copy
print
?
public vo
- AngularJS浅析
kvhur
JavaScript
概念
AngularJS is a structural framework for dynamic web apps.
了解更多详情请见原文链接:http://www.gbtags.com/gb/share/5726.htm
Directive
扩展html,给html添加声明语句,以便实现自己的需求。对于页面中html元素以ng为前缀的属性名称,ng是angular的命名空间
- 架构师之jdk的bug排查(一)---------------split的点号陷阱
nannan408
split
1.前言.
jdk1.6的lang包的split方法是有bug的,它不能有效识别A.b.c这种类型,导致截取长度始终是0.而对于其他字符,则无此问题.不知道官方有没有修复这个bug.
2.代码
String[] paths = "object.object2.prop11".split("'");
System.ou
- 如何对10亿数据量级的mongoDB作高效的全表扫描
quentinXXZ
mongodb
本文链接:
http://quentinXXZ.iteye.com/blog/2149440
一、正常情况下,不应该有这种需求
首先,大家应该有个概念,标题中的这个问题,在大多情况下是一个伪命题,不应该被提出来。要知道,对于一般较大数据量的数据库,全表查询,这种操作一般情况下是不应该出现的,在做正常查询的时候,如果是范围查询,你至少应该要加上limit。
说一下,
- C语言算法之水仙花数
qiufeihu
c算法
/**
* 水仙花数
*/
#include <stdio.h>
#define N 10
int main()
{
int x,y,z;
for(x=1;x<=N;x++)
for(y=0;y<=N;y++)
for(z=0;z<=N;z++)
if(x*100+y*10+z == x*x*x
- JSP指令
wyzuomumu
jsp
jsp指令的一般语法格式: <%@ 指令名 属性 =”值 ” %>
常用的三种指令: page,include,taglib
page指令语法形式: <%@ page 属性 1=”值 1” 属性 2=”值 2”%>
include指令语法形式: <%@include file=”relative url”%> (jsp可以通过 include