- 《交易系统:更新与跨越》读后感
十一假期,本来想找一本书读一读。机缘巧合就找到了这本《交易时间》。这本书主要讲了上海证券交易系统在技术管理、架构设计、应用调优、切换部署、运行维护等方面的经验和教训。成书的时间大概是在2010年,交易系统的上线时间大概在2008年,聚现在已经接近十年了,但是书中介绍的很多开发时候的原则和思路放在今天来看也有很大的价值可以学习。同时,这也是一本介绍大型系统开发的简要过程的参考书目。本书涉及了不少的证
- 2025年6月文章一览
python
2025年6月编程人总共更新了3篇文章:1.2025年5月文章一览2.《算法导论(第4版)》阅读笔记:p175-p1813.《BuildingRESTAPIswithFlask》读后感本月在读3本,阅读完一本——《BuildingRESTAPIswithFlask》。读完《BuildingRESTAPIswithFlask》,有两点感受最深:一、学有所用是效果最好的。其实在2019年就接触了Mar
- 共情的力量读后感
路上^_^
读书学习
何为共情原由自己虽然是个屌丝程序员.但也有着一颗想要善解人意的心.当然,其实就是由于自己性格的原因,以及没有太多的人际交往的经验.倒是朋友较少.不过这么说吧,也不对,应该给自己不能够和大多数的人成为朋友.说到这,可能有的人会说,这只是现在.实际上以后,朋友更可能是只要没话说了,关系就会淡了.听到这,感觉一股惶恐和担忧随之而来.实际上,自己身边也还是有人能够做到的人见人爱,花见花开的.通常来讲,就是
- 深度学习——第2章习题2-1分析为什么平方损失函数不适用于分类问题
笨小古
深度强化学习深度学习分类人工智能
深度学习——第2章习题2-1《神经网络与深度学习》——邱锡鹏2-1分析为什么平方损失函数不适用于分类问题。平方损失函数(QuadraticLossFunction)经常用在预测标签y为实数值的任务中,定义为L(y,f(x;θ))=12(y−f(x;θ))2\mathcal{L}\left(y,f(x;\theta)\right)=\frac{1}{2}\left(y-f(x;\theta)\rig
- 吴恩达机器学习入门笔记(Week 1)
冒冒喵
吴恩达机器学习入门机器学习笔记人工智能
吴恩达机器学习Week1学习资源及工具机器学习分类专业术语(Terminology)线性回归模型(Linearregression)代价函数(costfunction)学习资源及工具1、课程资源:B站大学2、相关工具:Jupter&Github3、书籍资源:神经网络与深度学习(MichaelNielsen)、机器学习(周志华)、统计学习方法(李航)…机器学习分类1、监督学习(supervisedl
- 【神经网络与深度学习】通俗易懂的介绍非凸优化问题、梯度消失、梯度爆炸、模型的收敛、模型的发散
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言深度学习近年来取得了突破性的进展,并在多个领域展现出惊人的性能。然而,神经网络的训练过程并不总是顺利的,优化过程中可能会遇到各种挑战,如非凸优化问题、梯度消失、梯度爆炸、模型收敛和模型发散。这些问题直接影响着模型的稳定性和最终性能,因此理解它们对于深度学习的研究和应用至关重要。本文将深入探讨这些优化问题的本质及其应对策略,帮助你更好地掌握深度学习模型的训练过程,并提高模型的表现。深度学习中的优
- 神经网络与深度学习知识总结(一)
2301_77111278
深度学习神经网络人工智能
1.SGD问题:病态曲率图为损失函数轮廓。在进入以蓝色标记的山沟状区域之前随机开始。颜色实际上表示损失函数在特定点处的值有多大,红色表示最大值,蓝色表示最小值。我们想要达到最小值点,为此但需要我们穿过山沟。这个区域就是所谓的病态曲率。如果把原始的SGD想象成一个纸团在重力作用向下滚动,由于质量小受到山壁弹力的干扰大,导致来回震荡;或者在鞍点处因为质量小速度很快减为0,导致无法离开这块平地。动量方法
- 神经网络与深度学习(三)——卷积神经网络基础
阿健也会编程
神经网络深度学习cnn
卷积神经网络基础1.为什么要学习神经网络1.1全连接网络问题1.2深度学习平台简介1.3PyTorch简介1.4简单示例2.卷积神经网络基础2.1进化史2.2特征提取2.3基本结构3.学习算法3.1前向传播3.2误差反向传播3.2.1经典BP算法3.2.2卷积NN的BP算法4.LeNet-5网络4.1网络介绍4.2网络结构详解4.3LeNet5代码实现1.为什么要学习神经网络1.1全连接网络问题链
- 【神经网络与深度学习】VAE 中的先验分布指的是什么
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
VAE中的先验分布是什么?在变分自编码器(VAE)中,先验分布指的是对潜在空间中随机变量的概率分布假设。通常情况下,VAE设定潜在变量服从标准正态分布(N(0,I)),其中(0)代表均值为零的向量,(I)为单位协方差矩阵。选择标准正态分布作为先验分布的原因主要有以下几点:数学上的便利性:标准正态分布具有良好的数学性质,计算和推导更加简洁,便于模型的优化和训练。结构化的潜在空间:这种假设能够促使模型
- 【神经网络与深度学习】普通自编码器和变分自编码器的区别
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能自编码器变分自编码器
引言自编码器(Autoencoder,AE)和变分自编码器(VariationalAutoencoder,VAE)是深度学习中广泛应用的两类神经网络结构,主要用于数据的压缩、重构和生成。然而,二者在模型设计、训练目标和生成能力等方面存在显著区别。普通自编码器侧重于高效压缩数据并进行无损重构,而变分自编码器则通过潜在空间的概率分布,增强了模型的生成能力和泛化性能。本文将从多个角度探讨AE和VAE的不
- 【神经网络与深度学习】深度学习中的生成模型简介
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能生成模型
深度学习中的生成模型openai的一个古早介绍引言深度学习中的生成模型能够学习数据分布并生成新数据,在人工智能的多个领域中都有重要应用。不同类型的生成模型在原理和结构上各有特点,适用于不同的任务,如图像生成、文本生成和时间序列预测等。本文将介绍几种常见的生成模型,并分析其核心特点和应用场景。深度学习中的生成模型能够学习数据分布并生成新数据,在人工智能的多个领域中都有重要应用。主要生成模型类别包括:
- 【神经网络与深度学习】改变随机种子可以提升模型性能?
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言随机种子在机器学习和数据处理领域中至关重要,它决定了模型训练、数据划分以及参数初始化的随机性。虽然固定随机种子能确保实验的可重复性,但改变随机种子有时会意外提升模型性能。本文将探讨这一现象的潜在原因,并揭示随机性如何影响优化路径、数据分布及模型泛化能力,从而为实践中的实验设计提供有价值的参考。随机种子的概念随机种子(RandomSeed)是一个用于初始化伪随机数生成器的值。在计算机程序中,随机
- 【神经网络与深度学习】端到端方法和多任务学习
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言端到端方法和多任务学习是机器学习和深度学习领域中的两种重要技术,它们各自适用于不同的应用场景,并在模型设计、数据要求和训练过程等方面有着显著区别。端到端方法通过直接将输入数据映射到输出结果,从而简化了处理流程;而多任务学习则通过共享特征提升模型的性能及其对新任务的泛化能力。本文将对两种方法的定义、结构及应用场景进行简要分析,以帮助读者更好地理解和选择适合的技术。对比端到端方法和多任务学习是机器
- 【神经网络与深度学习】探索全连接网络如何学习数据的复杂模式,提取高层次特征
如果树上有叶子
神经网络与深度学习深度学习神经网络学习
引言全连接网络(FullyConnectedNetwork,FCN)是深度学习中的重要架构,广泛用于模式识别、分类和回归任务。其强大的特征提取能力使其能够自动学习输入数据中的复杂模式,并逐步形成高层次特征。这种能力主要依赖于参数学习、非线性激活函数、层次结构和特征组合等关键因素。本文将详细介绍全连接网络如何提取高层次特征,并探讨其优化策略,以提升模型的泛化能力和学习效果。1.参数学习全连接网络的每
- 【神经网络与深度学习】五折交叉验证(5-Fold Cross-Validation)
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言五折交叉验证(5-FoldCross-Validation)是一种广泛应用于机器学习模型性能评估的技术,通过多次实验确保模型的评估结果更加稳定、可靠,同时最大限度地利用有限的数据资源。它将数据分成若干子集,交替作为训练集和测试集,从而减少因数据划分偶然性带来的偏差,并为模型的选择和优化提供科学依据。本文将详细探讨五折交叉验证的具体流程、目的及其实际应用场景,为理解和实施这一方法提供全面的参考。
- 【神经网络与深度学习】两种加载 pickle 文件方式(joblib、pickle)的差异
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言从深度学习应用到数据分析的多元化需求出发,Python提供了丰富的工具和模块,其中pickle和joblib两种方式在加载数据文件方面表现尤为突出。不同场景对性能、兼容性以及后续处理的要求不尽相同,使得这两种方式各显优势。本文将通过深入分析和对比,从技术细节出发,揭示两种加载方式的异同,同时解读文件扩展名的选择背后的逻辑。希望为开发者在实际应用中提供切实可行的参考依据。下面为你详细分析这两种加
- 【神经网络与深度学习】训练集与验证集的功能解析与差异探究
如果树上有叶子
神经网络与深度学习深度学习神经网络人工智能
引言在深度学习模型的训练过程中,训练集和验证集是两个关键组成部分,它们在模型性能的提升和评估中扮演着不可替代的角色。通过分析这两者的区别和作用,可以帮助我们深入理解模型的学习过程和泛化能力,同时为防止过拟合及优化超参数提供重要参考。以下内容将详细剖析训练集和验证集损失值的计算过程、数据来源以及它们在训练和评估中的具体用途。通过这些分析,我们可以更全面地认识验证集的重要性及其在模型开发中的实际应用。
- 凤凰架构-笔记
tcoding
架构笔记
:::info根据遗忘曲线:如果没有记录和回顾,6天后便会忘记75%的内容读书笔记正是帮助你记录和回顾的工具,不必拘泥于形式,其核心是:记录、翻看、思考:::书名凤凰架构-构建可靠的大型分布式系统作者周志明状态已读完简介架构演进、架构设计思维、分布式基石、不可变设施、技术方法论五个方面探索如何构建可靠大型分布式系统链接地址思维导图用思维导图,结构化记录本书的核心观点。读后感
- 《长日将尽》读后感
平和少年
思想零碎个人感想
过年回家,年味渐淡,迎来送往、走亲访友,无非是一些例行公事的无聊絮叨和千篇一律的闲话客套,终究是失去了曾经对年满满的期待,于是只能说我们长大了,不再是那个享受过年的孩童了。家里天气很冷,没有空调也没有暖气,将自己包裹成一个粽子,多少失去了一点行动的自如,于是猫着的时间变长了,闲来无事之际,正是看杂书的好时机。这一周断断续续看了七八本书,有人物传记、历史故事、神话传说、读者意林....总之是毫无目的
- 《茶花女》读后感
平和少年
思想零碎个人感想
上周想看大仲马的《基督山伯爵》-----据说是一本以情节跌宕起伏,引人入胜而闻名于世的好书。在微信读书上看了一下,宏大的篇幅让我望而却步,因为繁忙的工作让空闲时间捉襟见肘,很难支撑我去看这么大部头的作品了。于是,爱屋及乌,找了小仲马的《茶花女》来看。这倒是一本精致的小书,印象中很久之前简单翻过,但情节却已完全记不得了。从周末晚上开始看,瞬间就被深深吸引,一口气看完,酣畅淋漓,意犹未尽,下单纸质书,
- 探索云原生可观测性:技术与团队协作的深度结合
weixin_38754564
云原生
TheNewStack出品的电子书《CloudNativeObservabilityforDevOpsTeams》读后感,老书新读,还是另有一番领悟。阅读原文请转到:https://jimmysong.io/blog/cloud-native-observability-devops/最近读了TheNewStack发布的电子书《CloudNativeObservabilityforDevOpsTe
- 神经网络与深度学习学习笔记 第六章 循环神经网络
虢子仪
深度学习与神经网络神经网络深度学习学习
CSDN和我兰的小伙伴好呀,开学不久,事务繁忙,将近两个月没有更新了,本期为大家更新邱锡鹏老师《神经网络与深度学习》这本书循环神经网络这一章的学习笔记,本人能力有限,希望抛转引玉,为学习这一本书的小伙伴们提供一些思路与启发由于邱老师比较注重版权,因此在此声明,所有内容全部为学习邱老师课程及讲义的学习心得,不得用于任何类型的盈利活动,所有知识版权全部归邱锡鹏老师所有,在此仅做二次加工,以进行学术交流
- 《神经网络与深度学习》邱希鹏 学习笔记(4)
第89号
神经网络与深度学习学习笔记神经网络机器学习
《神经网络与深度学习》邱希鹏学习笔记(4)完成进度第二章机器学习概述机器学习算法的类型数据的特征表示传统的特征学习特征选择特征抽取深度学习方法评价指标理论和定理PAC学习理论没有免费午餐定理奥卡姆剃刀原理丑小鸭定理归纳偏置自我理解代码实现不同基函数实现最小二乘法实现梯度下降法完成进度…第二章(2)第二章(3)第三章…第二章机器学习概述第二章首先介绍机器学习的基本概念和基本要素,并较为详细地描述一个
- 【机器学习】——神经网络与深度学习_机器学习 深度学习 神经网络(1)
2401_84183451
2024年程序员学习机器学习深度学习神经网络
引入一、神经网络及其主要算法1、前馈神经网络2、感知器3、三层前馈网络(多层感知器MLP)4、反向传播算法二、深度学习1、自编码算法AutorEncoder
- 吴恩达深度学习复盘(1)神经网络与深度学习的发展
wgc2k
#深度学习深度学习人工智能
一、神经网络的起源与生物学动机灵感来源神经网络的最初动机源于对生物大脑的模仿。20世纪50年代,科学家试图通过软件模拟神经元的工作机制(如树突接收信号、轴突传递信号),构建类似人类大脑的信息处理系统。生物神经元的简化模型人工神经网络采用数学模型简化生物神经元的行为:每个神经元接收输入(数字信号),通过加权求和与激活函数处理后输出。尽管这一模型远不及真实大脑复杂,但早期研究认为其可能复现智能行为。二
- 我与DeepSeek读《大型网站技术架构》- 总结
诺亚凹凸曼
架构
文章目录读后感一、总结二、反思三、创新四、展望当代大型网站架构一、架构分层模型二、关键组件与技术选型三、架构演进策略四、架构突破口读后感一、总结架构演化优先于设计大型网站架构不是预先设计的产物,而是通过反复迭代和试错演化形成的。技术选型的核心动机是对业务需求的深刻理解,而非盲目模仿。典型案例包括淘宝架构因业务爆发力被迫转型为分布式系统。开放与协作的价值互联网的开放生态通过API经济(如淘宝Open
- 从LLM出发:由浅入深探索AI开发的全流程与简单实践(全文3w字)
码事漫谈
AI人工智能
文章目录第一部分:AI开发的背景与历史1.1人工智能的起源与发展1.2神经网络与深度学习的崛起1.3Transformer架构与LLM的兴起1.4当前AI开发的现状与趋势第二部分:AI开发的核心技术2.1机器学习:AI的基础2.1.1机器学习的类型2.1.2机器学习的流程2.2深度学习:机器学习的进阶2.2.1神经网络基础2.2.2深度学习的关键架构2.3Transformer架构:现代LLM的核
- java实现卷积神经网络CNN(附带源码)
Katie。
Java实战项目java
Java实现卷积神经网络(CNN)项目详解目录项目概述1.1项目背景与意义1.2什么是卷积神经网络(CNN)1.3卷积神经网络的应用场景相关知识与理论基础2.1神经网络与深度学习概述2.2卷积操作与卷积层原理2.3激活函数与池化层2.4全连接层与损失函数2.5前向传播、反向传播与梯度下降项目需求与分析3.1项目目标3.2功能需求分析3.3性能与扩展性要求3.4异常处理与鲁棒性考虑系统设计与实现思路
- 《Quick Start Kubernetes》读后感
python
一、为什么选择这本书?面试的时候经常被问到kubernetes(下称k8s),所以打算学习k8s。看到《QuickStartKubernetes》的作者对自己所写的书持续地更新,被这种认真打动了,外加这本书只有100多页,所以选择了这本书作为入门k8s的教材。二、这本书写了什么?这本书介绍了什么是k8s,k8s的组成结构(controlplanenode,workernode),演示了在Windo
- 逐梦旅程:Windows游戏编程之从零开始 读后感
wo16pao
读《Windows游戏编程之从零开始》有感我目前是一枚大三的学生,读的是数字媒体专业,在大一大二做过视频、三维动画等方面的内容之后,最终决定还是想学游戏编程方面的东西。在学习了一段时间的C++之后,不知如何开始自己的游戏编程,看过叶神给出的书单之后,本以为有了方向,可是实际上读的时候发现并不是那么回事。在读这本书之前,只知道游戏引擎是类似虚幻4和Unity那样的东西,完全不知道Shader是什么,
- jQuery 跨域访问的三种方式 No 'Access-Control-Allow-Origin' header is present on the reque
qiaolevip
每天进步一点点学习永无止境跨域众观千象
XMLHttpRequest cannot load http://v.xxx.com. No 'Access-Control-Allow-Origin' header is present on the requested resource. Origin 'http://localhost:63342' is therefore not allowed access. test.html:1
- mysql 分区查询优化
annan211
java分区优化mysql
分区查询优化
引入分区可以给查询带来一定的优势,但同时也会引入一些bug.
分区最大的优点就是优化器可以根据分区函数来过滤掉一些分区,通过分区过滤可以让查询扫描更少的数据。
所以,对于访问分区表来说,很重要的一点是要在where 条件中带入分区,让优化器过滤掉无需访问的分区。
可以通过查看explain执行计划,是否携带 partitions
- MYSQL存储过程中使用游标
chicony
Mysql存储过程
DELIMITER $$
DROP PROCEDURE IF EXISTS getUserInfo $$
CREATE PROCEDURE getUserInfo(in date_day datetime)-- -- 实例-- 存储过程名为:getUserInfo-- 参数为:date_day日期格式:2008-03-08-- BEGINdecla
- mysql 和 sqlite 区别
Array_06
sqlite
转载:
http://www.cnblogs.com/ygm900/p/3460663.html
mysql 和 sqlite 区别
SQLITE是单机数据库。功能简约,小型化,追求最大磁盘效率
MYSQL是完善的服务器数据库。功能全面,综合化,追求最大并发效率
MYSQL、Sybase、Oracle等这些都是试用于服务器数据量大功能多需要安装,例如网站访问量比较大的。而sq
- pinyin4j使用
oloz
pinyin4j
首先需要pinyin4j的jar包支持;jar包已上传至附件内
方法一:把汉字转换为拼音;例如:编程转换后则为biancheng
/**
* 将汉字转换为全拼
* @param src 你的需要转换的汉字
* @param isUPPERCASE 是否转换为大写的拼音; true:转换为大写;fal
- 微博发送私信
随意而生
微博
在前面文章中说了如和获取登陆时候所需要的cookie,现在只要拿到最后登陆所需要的cookie,然后抓包分析一下微博私信发送界面
http://weibo.com/message/history?uid=****&name=****
可以发现其发送提交的Post请求和其中的数据,
让后用程序模拟发送POST请求中的数据,带着cookie发送到私信的接入口,就可以实现发私信的功能了。
- jsp
香水浓
jsp
JSP初始化
容器载入JSP文件后,它会在为请求提供任何服务前调用jspInit()方法。如果您需要执行自定义的JSP初始化任务,复写jspInit()方法就行了
JSP执行
这一阶段描述了JSP生命周期中一切与请求相关的交互行为,直到被销毁。
当JSP网页完成初始化后
- 在 Windows 上安装 SVN Subversion 服务端
AdyZhang
SVN
在 Windows 上安装 SVN Subversion 服务端2009-09-16高宏伟哈尔滨市道里区通达街291号
最佳阅读效果请访问原地址:http://blog.donews.com/dukejoe/archive/2009/09/16/1560917.aspx
现在的Subversion已经足够稳定,而且已经进入了它的黄金时段。我们看到大量的项目都在使
- android开发中如何使用 alertDialog从listView中删除数据?
aijuans
android
我现在使用listView展示了很多的配置信息,我现在想在点击其中一条的时候填出 alertDialog,点击确认后就删除该条数据,( ArrayAdapter ,ArrayList,listView 全部删除),我知道在 下面的onItemLongClick 方法中 参数 arg2 是选中的序号,但是我不知道如何继续处理下去 1 2 3
- jdk-6u26-linux-x64.bin 安装
baalwolf
linux
1.上传安装文件(jdk-6u26-linux-x64.bin)
2.修改权限
[root@localhost ~]# ls -l /usr/local/jdk-6u26-linux-x64.bin
3.执行安装文件
[root@localhost ~]# cd /usr/local
[root@localhost local]# ./jdk-6u26-linux-x64.bin&nbs
- MongoDB经典面试题集锦
BigBird2012
mongodb
1.什么是NoSQL数据库?NoSQL和RDBMS有什么区别?在哪些情况下使用和不使用NoSQL数据库?
NoSQL是非关系型数据库,NoSQL = Not Only SQL。
关系型数据库采用的结构化的数据,NoSQL采用的是键值对的方式存储数据。
在处理非结构化/半结构化的大数据时;在水平方向上进行扩展时;随时应对动态增加的数据项时可以优先考虑使用NoSQL数据库。
在考虑数据库的成熟
- JavaScript异步编程Promise模式的6个特性
bijian1013
JavaScriptPromise
Promise是一个非常有价值的构造器,能够帮助你避免使用镶套匿名方法,而使用更具有可读性的方式组装异步代码。这里我们将介绍6个最简单的特性。
在我们开始正式介绍之前,我们想看看Javascript Promise的样子:
var p = new Promise(function(r
- [Zookeeper学习笔记之八]Zookeeper源代码分析之Zookeeper.ZKWatchManager
bit1129
zookeeper
ClientWatchManager接口
//接口的唯一方法materialize用于确定那些Watcher需要被通知
//确定Watcher需要三方面的因素1.事件状态 2.事件类型 3.znode的path
public interface ClientWatchManager {
/**
* Return a set of watchers that should
- 【Scala十五】Scala核心九:隐式转换之二
bit1129
scala
隐式转换存在的必要性,
在Java Swing中,按钮点击事件的处理,转换为Scala的的写法如下:
val button = new JButton
button.addActionListener(
new ActionListener {
def actionPerformed(event: ActionEvent) {
- Android JSON数据的解析与封装小Demo
ronin47
转自:http://www.open-open.com/lib/view/open1420529336406.html
package com.example.jsondemo;
import org.json.JSONArray;
import org.json.JSONException;
import org.json.JSONObject;
impor
- [设计]字体创意设计方法谈
brotherlamp
UIui自学ui视频ui教程ui资料
从古至今,文字在我们的生活中是必不可少的事物,我们不能想象没有文字的世界将会是怎样。在平面设计中,UI设计师在文字上所花的心思和功夫最多,因为文字能直观地表达UI设计师所的意念。在文字上的创造设计,直接反映出平面作品的主题。
如设计一幅戴尔笔记本电脑的广告海报,假设海报上没有出现“戴尔”两个文字,即使放上所有戴尔笔记本电脑的图片都不能让人们得知这些电脑是什么品牌。只要写上“戴尔笔
- 单调队列-用一个长度为k的窗在整数数列上移动,求窗里面所包含的数的最大值
bylijinnan
java算法面试题
import java.util.LinkedList;
/*
单调队列 滑动窗口
单调队列是这样的一个队列:队列里面的元素是有序的,是递增或者递减
题目:给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k.
要求:f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1
问题的另一种描述就
- struts2处理一个form多个submit
chiangfai
struts2
web应用中,为完成不同工作,一个jsp的form标签可能有多个submit。如下代码:
<s:form action="submit" method="post" namespace="/my">
<s:textfield name="msg" label="叙述:">
- shell查找上个月,陷阱及野路子
chenchao051
shell
date -d "-1 month" +%F
以上这段代码,假如在2012/10/31执行,结果并不会出现你预计的9月份,而是会出现八月份,原因是10月份有31天,9月份30天,所以-1 month在10月份看来要减去31天,所以直接到了8月31日这天,这不靠谱。
野路子解决:假设当天日期大于15号
- mysql导出数据中文乱码问题
daizj
mysql中文乱码导数据
解决mysql导入导出数据乱码问题方法:
1、进入mysql,通过如下命令查看数据库编码方式:
mysql> show variables like 'character_set_%';
+--------------------------+----------------------------------------+
| Variable_name&nbs
- SAE部署Smarty出现:Uncaught exception 'SmartyException' with message 'unable to write
dcj3sjt126com
PHPsmartysae
对于SAE出现的问题:Uncaught exception 'SmartyException' with message 'unable to write file...。
官方给出了详细的FAQ:http://sae.sina.com.cn/?m=faqs&catId=11#show_213
解决方案为:
01
$path
- 《教父》系列台词
dcj3sjt126com
Your love is also your weak point.
你的所爱同时也是你的弱点。
If anything in this life is certain, if history has taught us anything, it is
that you can kill anyone.
不顾家的人永远不可能成为一个真正的男人。 &
- mongodb安装与使用
dyy_gusi
mongo
一.MongoDB安装和启动,widndows和linux基本相同
1.下载数据库,
linux:mongodb-linux-x86_64-ubuntu1404-3.0.3.tgz
2.解压文件,并且放置到合适的位置
tar -vxf mongodb-linux-x86_64-ubun
- Git排除目录
geeksun
git
在Git的版本控制中,可能有些文件是不需要加入控制的,那我们在提交代码时就需要忽略这些文件,下面讲讲应该怎么给Git配置一些忽略规则。
有三种方法可以忽略掉这些文件,这三种方法都能达到目的,只不过适用情景不一样。
1. 针对单一工程排除文件
这种方式会让这个工程的所有修改者在克隆代码的同时,也能克隆到过滤规则,而不用自己再写一份,这就能保证所有修改者应用的都是同一
- Ubuntu 创建开机自启动脚本的方法
hongtoushizi
ubuntu
转载自: http://rongjih.blog.163.com/blog/static/33574461201111504843245/
Ubuntu 创建开机自启动脚本的步骤如下:
1) 将你的启动脚本复制到 /etc/init.d目录下 以下假设你的脚本文件名为 test。
2) 设置脚本文件的权限 $ sudo chmod 755
- 第八章 流量复制/AB测试/协程
jinnianshilongnian
nginxluacoroutine
流量复制
在实际开发中经常涉及到项目的升级,而该升级不能简单的上线就完事了,需要验证该升级是否兼容老的上线,因此可能需要并行运行两个项目一段时间进行数据比对和校验,待没问题后再进行上线。这其实就需要进行流量复制,把流量复制到其他服务器上,一种方式是使用如tcpcopy引流;另外我们还可以使用nginx的HttpLuaModule模块中的ngx.location.capture_multi进行并发
- 电商系统商品表设计
lkl
DROP TABLE IF EXISTS `category`; -- 类目表
/*!40101 SET @saved_cs_client = @@character_set_client */;
/*!40101 SET character_set_client = utf8 */;
CREATE TABLE `category` (
`id` int(11) NOT NUL
- 修改phpMyAdmin导入SQL文件的大小限制
pda158
sqlmysql
用phpMyAdmin导入mysql数据库时,我的10M的
数据库不能导入,提示mysql数据库最大只能导入2M。
phpMyAdmin数据库导入出错: You probably tried to upload too large file. Please refer to documentation for ways to workaround this limit.
- Tomcat性能调优方案
Sobfist
apachejvmtomcat应用服务器
一、操作系统调优
对于操作系统优化来说,是尽可能的增大可使用的内存容量、提高CPU的频率,保证文件系统的读写速率等。经过压力测试验证,在并发连接很多的情况下,CPU的处理能力越强,系统运行速度越快。。
【适用场景】 任何项目。
二、Java虚拟机调优
应该选择SUN的JVM,在满足项目需要的前提下,尽量选用版本较高的JVM,一般来说高版本产品在速度和效率上比低版本会有改进。
J
- SQLServer学习笔记
vipbooks
数据结构xml
1、create database school 创建数据库school
2、drop database school 删除数据库school
3、use school 连接到school数据库,使其成为当前数据库
4、create table class(classID int primary key identity not null)
创建一个名为class的表,其有一