- 从深度学习到深度森林方法(Python)
AI科技大本营
算法python神经网络机器学习人工智能
作者|泳鱼来源|算法进阶一、深度森林的介绍目前深度神经网络(DNN)做得好的几乎都是涉及图像视频(CV)、自然语言处理(NLP)等的任务,都是典型的数值建模任务(在表格数据tabulardata的表现也是稍弱的),而在其他涉及符号建模、离散建模、混合建模的任务上,深度神经网络的性能并没有那么好。深度森林(gcForest)是深度神经网络(DNN)之外的探索的一种深度模型,原文:itmayopena
- 深度森林:常见Warning及解决方案
lyc0424
机器学习机器学习
本人最近使用周志华的深度森林算法去解决一些问题,于是在github上下载了官方的Gcforest程序,下载地址:https://github.com/kingfengji/gcForest运行之后发现了一些Warning,有时会导致程序无法运行,下面给出两种常见的Warning和解决方案。1.FutureWarning(1)FutureWarning:Defaultsolverwillbechan
- 【项目实战】Python实现深度神经网络gcForest(多粒度级联森林)分类模型(医学诊断)
胖哥真不错
机器学习python机器学习深度神经网络gcForest多粒度级联森林分类模型医学诊断
说明:这是一个机器学习实战项目(附带数据+代码+文档+代码讲解),如需数据+代码+文档+代码讲解可以直接到文章最后获取。1.项目背景gcForest(多粒度级联森林)是一种深度森林结构。近年来,深度神经网络在图像和声音处理领域取得了很大的进展。关于深度神经网络,我们可以把它简单的理解为多层非线性函数的堆叠,当我们人工很难或者不想去寻找两个目标之间的非线性映射关系,我们就多堆叠几层,让机器自己去学习
- 深度森林(gcforest)原理讲解以及代码实现
LKlk7>|
学习笔记深度森林gcforest机器学习随机森林代码实现
GcForest原理gcforest采用Cascade结构,也就是多层级结构,每层由四个随机森林组成,两个随机森林和两个极端森林,每个极端森林包含1000(超参数)个完全随机树,每个森林都会对的数据进行训练,每个森林都输出结果,我们把这个结果叫做森林生成的类向量,为了避免过拟合,我们喂给每个森林训练的数据都是通过k折交叉验证的,每一层最后生成四个类向量,下一层以上一层的四个类向量以及原有的数据为新
- Deep Forest: gcForest论文知识梳理
vvyuervv
深度学习
本文是对南京大学周志华教授写的DeepForest:TowardsAnAlternativetoDeepNeuralNetworks文章的知识梳理,主要总结一下gcForest的结构和过程。文章下载地址:https://arxiv.org/abs/1702.08835CascadeForest上图为CascadeForest结构的事例。gcForest采用了cascade的结构,每层接受特征信息,
- gcForest论文的价值
qq_30260555
人工智能
【转载】讨论|周志华教授gcForest论文的价值与技术讨论(微信群)2017-03-03全球人工智能一、gcForest的理论:用决策树集成方法解决DNN不足(模型的框架结构)gcForest模型把训练分成两个阶段:G阶段(Multi-GrainedScanning)和C阶段(CascadeForest)这一步主要是featureextraction,具体做法和卷积神经网络类似(如下图),n*n
- gcForest算法理解
余音丶未散
机器学习算法
介绍gcForest(multi-GrainedCascadeforest多粒度级联森林)是周志华教授最新提出的新的决策树集成方法。这种方法生成一个深度树集成方法(deepforestensemblemethod),使用级联结构让gcForest学习。gcForest模型把训练分成两个阶段:Multi-GrainedScanning和CascadeForest。Multi-GrainedScann
- gcForest+++xgboost的树木的个数++train和fit的区别
lusic01
xgboost逻辑回归:objective参数(reg:logistic,binary:logistic,binary:logitraw,)对比分析置顶2018年07月11日22:26:53phyllisyuell阅读数:1755一、问题熟悉xgboost的小伙伴都知道,它在训练模型时,有train()方法和fit()方法,两种方法都是用于构建模型的,然而在使用过程中有什么不同的地方呢,这篇文章带
- python实践gcForest模型对鸢尾花数据集iris进行分类
Together_CZ
机器学习深度学习
gcForest模型是2018年南京大学机器学习大师周志华老师团队提出来的以决策树和随机森林为基础模型的级联深度森林模型,这个论文我看过了感觉跟我当时硕士期间的一个研究有一点类似,当时我基于XGBOOST的再编码能力有效提升了GBDT模型的分类能力,这个gcForest模型也是需要“再编码”,然后将上一层模型的数据累加到下一层的输入中去。它的表征学习能力可以通过对高维输入数据的多粒度扫描而进行加强
- gcforest 深度森林原理及实现
Adupanfei
机器学习
文章目录论文和实现整体架构多粒度扫描模块实现级联森林模块优势(相对DNN):深度学习最大的贡献是表征学习(representationlearning),通过端到端的训练,发现更好的features,而后面用于分类(或其他任务)的输出function,往往也只是普通的softmax(或者其他一些经典而又简单的方法)而已,所以,只要特征足够好,分类函数本身并不需要复杂representationle
- [机器学习] gcForest 官方代码详解
曾先森~~
机器学习
1.介绍gcForestv1.1.1是gcForest的一个官方托管在GitHub上的版本,是由JiFeng(DeepForest的paper的作者之一)维护和开发,该版本支持Python3.5,且有类似于Scikit-Learn的API接口风格,在该项目中提供了一些调用例子,目前支持的基分类器有RandomForestClassifier,XGBClassifer,ExtraTreesClass
- gcForest算法原理及Python实现
煊琰
1.背景介绍从目前来看深度学习大多建立在多层的神经网络基础上,也即一些参数化的多层可微的非线性模块,这样就可以通过后向传播去训练,Zhi-HuaZhou和JiFeng在DeepForest论文中基于不可微的模块建立深度模块,这就是gcForest。传统的深度学习有一定的弊端:●超参数个数较多,训练前需要大量初始化,主要靠经验调整,使得DNN更像一门艺术而非科学;●DNN的训练要求大量的训练数据,数
- 将gcforest的每次相同运行的结果保持不变
shashahi123
bug总结
gcforest的源码在https://github.com/kingfengji/gcForest运行example中的例子,使结果保持不变的措施:1.注释掉demo_mnist.py中的random_state,即下图中的语句2.在代码顶端加上随机种子,即3.若是随机划分训练集和测试集,请去除train_test_split中的随机数的种子,如下图所示:4.这样,gcforest每次相同的运行
- 周志华:最新实验表明gcForest已经是最好的非深度神经网络方法
人工智能学家
北京时间11月5日到11月6日,西瓜书《机器学习》作者、南京大学机器学习与数据挖掘研究所(LAMDA)周志华教授日前在MLA2017上的演讲:深度森林初探——讲述的关于他最新集成学习研究成果-深度森林,一种对深度神经网络可替代性方法。最新实验表明gcForest已经是最好的非深度神经网络方法。来源:全球人工智能
- gcForest分布式深度森林及其在套现欺诈自动检测中的应用
依旧那么挨揍
联级森林论文机器学习
分布式深度森林及其在套现欺诈自动检测中的应用摘要互联网企业每天面对处理大规模机器学习应用的请求,需要一个能够处理超大数据任务的分布式系统.深度森林是最近提出的一个利用树作为组件深度学习框架,在各种领域取得不错的结果.然而并没有在超大规模数据任务上测试.在这项工作中,我们基于我们的参数服务器系统和人工智能平台,我们开发了分布式版本的具有易于使用的GUI的森林,就我们所知,这是第一个分布式深度森林,为
- 【深度学习】Deep Forest:gcForest算法理解
z小白
深度学习深度学习
一、相关理论本篇博文主要介绍南京大学周志华教授在2017年提出的一种深度森林结构——gcForest(多粒度级联森林)。近年来,深度神经网络在图像和声音处理领域取得了很大的进展。关于深度神经网络,我们可以把它简单的理解为多层非线性函数的堆叠,当我们人工很难或者不想去寻找两个目标之间的非线性映射关系,我们就多堆叠几层,让机器自己去学习它们之间的关系,这就是深度学习最初的想法。既然神经网络可以堆叠为深
- [机器学习]gcForest算法理解
曾先森~~
机器学习
一、相关理论本篇博文主要介绍南京大学周志华教授在2017年提出的一种深度森林结构——gcForest(多粒度级联森林)。近年来,深度神经网络在图像和声音处理领域取得了很大的进展。关于深度神经网络,我们可以把它简单的理解为多层非线性函数的堆叠,当我们人工很难或者不想去寻找两个目标之间的非线性映射关系,我们就多堆叠几层,让机器自己去学习它们之间的关系,这就是深度学习最初的想法。既然神经网络可以堆叠为深
- win10 python3.5.2下安装GCForest
nudt_qxx
python深度学习机器学习
南京大学教授,西瓜书的作者周志华先生今年上半年发了一篇论文:DeepForest:TowardsAnAlternativetoDeepNeuralNetworks。这里面提出了一个新的集成学习模型,在实际使用中,默认参数设置的gcForest表现就非常好,Level深度也是自适应,模型的表达能力和复杂度由gcForest训练时自己决定。paper号称“gcForest具有很少的超参数,并且对参数设
- Deep Forest(gcforest)通俗易懂理解
ideas-workstyle
机器学习深度学习
DeepForest(gcforest)深度森林介绍1.背景介绍当前的深度学习模型主要建立在神经网络上,即可以通过反向传播训练的多层参数化可微分非线性模块,周志华老师希望探索深度学习模型的新模式,探索不可微模块构建深度模型的可能性。从而提出了一种深度学习模型-----gcforest(multi-GrainedCascadeForest)上述算法主要有以下几个特点:(1)超参数少(2)模型的复杂度
- 【gcForest】安装;【Git】安装;【安装依赖】
褚骏逸
pythoninstall_guide
官方提示:该软件包是在python2.7中开发的,当前版本不建议使用更高版本的python。But:我用的python3.5,可以正常运行哦~1.安装git2.gitclonehttps://****.git3.gitclone到本地的代码在运行目录下C:\Users\dell,将C:\Users\dell\gcForest\lib\gcforest复制到C:\Users\dell\Anacond
- 1.gcForest 包安装和集成学习方法的 Python 实现2.minepy安装方法(Windows版本)
sljwy
python
https://cloud.tencent.com/developer/article/1020343https://github.com/pylablanche/gcForesthttps://blog.csdn.net/xiangxianghehe/article/details/72811188https://github.com/kingfengji/gcForesthttps://www
- 周志华教授gcForest(多粒度级联森林)算法预测股指期货涨跌
csdn王艺
本文来自:公众号量化投资与机器学习gcForestAlgorithm对于周志华教授的文章,网上已经有人做出很详细的解释啦。我们对论文进行简单描述之后,然后直接从策略开始讲起。gcForest(multi-GrainedCascadeforest多粒度级联森林)是周志华教授最新提出的新的决策树集成方法。这种方法生成一个深度树集成方法(deepforestensemblemethod),使用级联结构让
- 如何利用gcForest为特征打分?
phyllisyuell
大数据机器学习决策树gcForest
楼主前面有一篇博客提到了周志华老师又一力作:gcForest:探索深度神经网络以外的方法,不了解的小伙伴可以翻前面的博客。这个算法的确比传统的集成树算法:RandomForest,XGBoost,lightGBM都要优秀,而且引入层的概念后很好的解决了集成树算法容易过拟合的问题。简单讲他就是借鉴了深度学习分层训练的思路,将机器学习中常用的RandomForest,XGBoost,LogisticR
- gcForest:探索深度神经网络以外的方法
phyllisyuell
大数据机器学习
前段时间一直在搞xgboost,测试数据集准确率达到了:98.14%左右,调参达到了瓶颈,感觉准确率无法提升了,老师给推荐了gcForest,下载了源码,用默认的参数跑了下,测试数据准确率能达到98.6%左右。然后拜读了下周老师的论文,感觉他的算法在原来集成学习的基础上做了很大的改善,吸取了很多深度学习的东西。附上gcForest简介的链接,感兴趣的了解下:https://mp.weixin.qq
- Deep Forest: 使用gcForest时 遇到的源码问题详解和记录
ShinNShirley
python
DeepForest:使用gcForest时遇到的源码问题详解和记录简介资源传送门我的配置依赖的第三方库安装使用gcForest遇到的问题安装错误问题NameError:name'basestring'isnotdefinedTypeError:'float'objectcannotbeinterpretedasanintegeronlyintegers,slices(`:`),ellipsis(
- gcForest中依赖包的安装及简单介绍。(argparse joblib keras psutil scikit-learn>=0.18.1 scipy simplejson tensorfl
高兴就好(石
Python
方法1.在pycharm中一种简单的下载包的方式:文件-->设置-->右上角“+”-->输入要下载的包进行搜索-->点击下方安装方法2.cd切换到requirements.txt这个文件所在的目录(或者手动进入,然后右键从终端运行),再执行这个命令pipinstall-rrequirements.txt(若提示用--user,则用以下命令:pipinstall-rrequirements.txt-
- deep forest 总结
Snow_Jie
人工智能深度森林
1、gcforest(multi-GrainedCascadeforest,多粒度级联森林)优点:训练过程效率高,适用于并行计算2、dnn缺点:训练时需要大量训练数据;模型太复杂,导致它的运行环境更适合公司,个人的使用还是比较局限;参数多,调参过程复杂;3、级联森林:级联结构,每一层都是决策树组成的森林,但每层都是由两种不同的森林所组成。级联中的每一层接收到由前一层处理的特征信息,并将该层的处理结
- Lamda新论文gcForest测试-手写数字测试识别详解(Kaggle数据集)
永恒的秋天
MachineLearning工程实现
lamda实验室最近研发了新的学习算法gcForest,论文和代码在lamda网站上都有,给出的代码没有注释相当费解(大牛请无视),后又在github上找到民间大神实现的代码,较为简洁易懂,先贴上代码链接:https://github.com/pylablanche/gcForest简要对gcForest算法处理数据的流程解释一下:假设我们现在的数据就是kaggle平台上手写数字识别的数据格式,具
- 在Python 3中使用深度森林(Deep Forest)进行分类
洛荷
深度森林(DeepForest)是周志华教授和冯霁博士在2017年2月28日发表的论文《DeepForest:TowardsAnAlternativetoDeepNeuralNetworks》中提出来的一种新的可以与深度神经网络相媲美的基于树的模型,其结构如图所示。gcForest.png文中提出的多粒度级联森林(Multi-GrainedCascadeForest)是一种决策树集成方法,性能较之
- 实验向:Deep Forest 复现与自己数据的实现
神经病研究神经网络
算法
花了半天不到的时间看了一下论文,论文地址:https://arxiv.org/abs/1702.08835本身做图像比较多,机器学习比较少,以下只是我简单粗浅的理解。摘要优点:在small-scale数据集上表现良好;可以处理各类数据,结构化数据,文本数据,图像数据等等等。1.Introduction所谓gcForest,指的是multi-GrainedCascadeForest,主要分为两部分,
- 安装数据库首次应用
Array_06
javaoraclesql
可是为什么再一次失败之后就变成直接跳过那个要求
enter full pathname of java.exe的界面
这个java.exe是你的Oracle 11g安装目录中例如:【F:\app\chen\product\11.2.0\dbhome_1\jdk\jre\bin】下的java.exe 。不是你的电脑安装的java jdk下的java.exe!
注意第一次,使用SQL D
- Weblogic Server Console密码修改和遗忘解决方法
bijian1013
Welogic
在工作中一同事将Weblogic的console的密码忘记了,通过网上查询资料解决,实践整理了一下。
一.修改Console密码
打开weblogic控制台,安全领域 --> myrealm -->&n
- IllegalStateException: Cannot forward a response that is already committed
Cwind
javaServlets
对于初学者来说,一个常见的误解是:当调用 forward() 或者 sendRedirect() 时控制流将会自动跳出原函数。标题所示错误通常是基于此误解而引起的。 示例代码:
protected void doPost() {
if (someCondition) {
sendRedirect();
}
forward(); // Thi
- 基于流的装饰设计模式
木zi_鸣
设计模式
当想要对已有类的对象进行功能增强时,可以定义一个类,将已有对象传入,基于已有的功能,并提供加强功能。
自定义的类成为装饰类
模仿BufferedReader,对Reader进行包装,体现装饰设计模式
装饰类通常会通过构造方法接受被装饰的对象,并基于被装饰的对象功能,提供更强的功能。
装饰模式比继承灵活,避免继承臃肿,降低了类与类之间的关系
装饰类因为增强已有对象,具备的功能该
- Linux中的uniq命令
被触发
linux
Linux命令uniq的作用是过滤重复部分显示文件内容,这个命令读取输入文件,并比较相邻的行。在正常情 况下,第二个及以后更多个重复行将被删去,行比较是根据所用字符集的排序序列进行的。该命令加工后的结果写到输出文件中。输入文件和输出文件必须不同。如 果输入文件用“- ”表示,则从标准输入读取。
AD:
uniq [选项] 文件
说明:这个命令读取输入文件,并比较相邻的行。在正常情况下,第二个
- 正则表达式Pattern
肆无忌惮_
Pattern
正则表达式是符合一定规则的表达式,用来专门操作字符串,对字符创进行匹配,切割,替换,获取。
例如,我们需要对QQ号码格式进行检验
规则是长度6~12位 不能0开头 只能是数字,我们可以一位一位进行比较,利用parseLong进行判断,或者是用正则表达式来匹配[1-9][0-9]{4,14} 或者 [1-9]\d{4,14}
&nbs
- Oracle高级查询之OVER (PARTITION BY ..)
知了ing
oraclesql
一、rank()/dense_rank() over(partition by ...order by ...)
现在客户有这样一个需求,查询每个部门工资最高的雇员的信息,相信有一定oracle应用知识的同学都能写出下面的SQL语句:
select e.ename, e.job, e.sal, e.deptno
from scott.emp e,
(se
- Python调试
矮蛋蛋
pythonpdb
原文地址:
http://blog.csdn.net/xuyuefei1988/article/details/19399137
1、下面网上收罗的资料初学者应该够用了,但对比IBM的Python 代码调试技巧:
IBM:包括 pdb 模块、利用 PyDev 和 Eclipse 集成进行调试、PyCharm 以及 Debug 日志进行调试:
http://www.ibm.com/d
- webservice传递自定义对象时函数为空,以及boolean不对应的问题
alleni123
webservice
今天在客户端调用方法
NodeStatus status=iservice.getNodeStatus().
结果NodeStatus的属性都是null。
进行debug之后,发现服务器端返回的确实是有值的对象。
后来发现原来是因为在客户端,NodeStatus的setter全部被我删除了。
本来是因为逻辑上不需要在客户端使用setter, 结果改了之后竟然不能获取带属性值的
- java如何干掉指针,又如何巧妙的通过引用来操作指针————>说的就是java指针
百合不是茶
C语言的强大在于可以直接操作指针的地址,通过改变指针的地址指向来达到更改地址的目的,又是由于c语言的指针过于强大,初学者很难掌握, java的出现解决了c,c++中指针的问题 java将指针封装在底层,开发人员是不能够去操作指针的地址,但是可以通过引用来间接的操作:
定义一个指针p来指向a的地址(&是地址符号):
- Eclipse打不开,提示“An error has occurred.See the log file ***/.log”
bijian1013
eclipse
打开eclipse工作目录的\.metadata\.log文件,发现如下错误:
!ENTRY org.eclipse.osgi 4 0 2012-09-10 09:28:57.139
!MESSAGE Application error
!STACK 1
java.lang.NoClassDefFoundError: org/eclipse/core/resources/IContai
- spring aop实例annotation方法实现
bijian1013
javaspringAOPannotation
在spring aop实例中我们通过配置xml文件来实现AOP,这里学习使用annotation来实现,使用annotation其实就是指明具体的aspect,pointcut和advice。1.申明一个切面(用一个类来实现)在这个切面里,包括了advice和pointcut
AdviceMethods.jav
- [Velocity一]Velocity语法基础入门
bit1129
velocity
用户和开发人员参考文档
http://velocity.apache.org/engine/releases/velocity-1.7/developer-guide.html
注释
1.行级注释##
2.多行注释#* *#
变量定义
使用$开头的字符串是变量定义,例如$var1, $var2,
赋值
使用#set为变量赋值,例
- 【Kafka十一】关于Kafka的副本管理
bit1129
kafka
1. 关于request.required.acks
request.required.acks控制者Producer写请求的什么时候可以确认写成功,默认是0,
0表示即不进行确认即返回。
1表示Leader写成功即返回,此时还没有进行写数据同步到其它Follower Partition中
-1表示根据指定的最少Partition确认后才返回,这个在
Th
- lua统计nginx内部变量数据
ronin47
lua nginx 统计
server {
listen 80;
server_name photo.domain.com;
location /{set $str $uri;
content_by_lua '
local url = ngx.var.uri
local res = ngx.location.capture(
- java-11.二叉树中节点的最大距离
bylijinnan
java
import java.util.ArrayList;
import java.util.List;
public class MaxLenInBinTree {
/*
a. 1
/ \
2 3
/ \ / \
4 5 6 7
max=4 pass "root"
- Netty源码学习-ReadTimeoutHandler
bylijinnan
javanetty
ReadTimeoutHandler的实现思路:
开启一个定时任务,如果在指定时间内没有接收到消息,则抛出ReadTimeoutException
这个异常的捕获,在开发中,交给跟在ReadTimeoutHandler后面的ChannelHandler,例如
private final ChannelHandler timeoutHandler =
new ReadTim
- jquery验证上传文件样式及大小(好用)
cngolon
文件上传jquery验证
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<script src="jquery1.8/jquery-1.8.0.
- 浏览器兼容【转】
cuishikuan
css浏览器IE
浏览器兼容问题一:不同浏览器的标签默认的外补丁和内补丁不同
问题症状:随便写几个标签,不加样式控制的情况下,各自的margin 和padding差异较大。
碰到频率:100%
解决方案:CSS里 *{margin:0;padding:0;}
备注:这个是最常见的也是最易解决的一个浏览器兼容性问题,几乎所有的CSS文件开头都会用通配符*来设
- Shell特殊变量:Shell $0, $#, $*, $@, $?, $$和命令行参数
daizj
shell$#$?特殊变量
前面已经讲到,变量名只能包含数字、字母和下划线,因为某些包含其他字符的变量有特殊含义,这样的变量被称为特殊变量。例如,$ 表示当前Shell进程的ID,即pid,看下面的代码:
$echo $$
运行结果
29949
特殊变量列表 变量 含义 $0 当前脚本的文件名 $n 传递给脚本或函数的参数。n 是一个数字,表示第几个参数。例如,第一个
- 程序设计KISS 原则-------KEEP IT SIMPLE, STUPID!
dcj3sjt126com
unix
翻到一本书,讲到编程一般原则是kiss:Keep It Simple, Stupid.对这个原则深有体会,其实不仅编程如此,而且系统架构也是如此。
KEEP IT SIMPLE, STUPID! 编写只做一件事情,并且要做好的程序;编写可以在一起工作的程序,编写处理文本流的程序,因为这是通用的接口。这就是UNIX哲学.所有的哲学真 正的浓缩为一个铁一样的定律,高明的工程师的神圣的“KISS 原
- android Activity间List传值
dcj3sjt126com
Activity
第一个Activity:
import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import android.app.Activity;import android.content.Intent;import android.os.Bundle;import a
- tomcat 设置java虚拟机内存
eksliang
tomcat 内存设置
转载请出自出处:http://eksliang.iteye.com/blog/2117772
http://eksliang.iteye.com/
常见的内存溢出有以下两种:
java.lang.OutOfMemoryError: PermGen space
java.lang.OutOfMemoryError: Java heap space
------------
- Android 数据库事务处理
gqdy365
android
使用SQLiteDatabase的beginTransaction()方法可以开启一个事务,程序执行到endTransaction() 方法时会检查事务的标志是否为成功,如果程序执行到endTransaction()之前调用了setTransactionSuccessful() 方法设置事务的标志为成功则提交事务,如果没有调用setTransactionSuccessful() 方法则回滚事务。事
- Java 打开浏览器
hw1287789687
打开网址open浏览器open browser打开url打开浏览器
使用java 语言如何打开浏览器呢?
我们先研究下在cmd窗口中,如何打开网址
使用IE 打开
D:\software\bin>cmd /c start iexplore http://hw1287789687.iteye.com/blog/2153709
使用火狐打开
D:\software\bin>cmd /c start firefox http://hw1287789
- ReplaceGoogleCDN:将 Google CDN 替换为国内的 Chrome 插件
justjavac
chromeGooglegoogle apichrome插件
Chrome Web Store 安装地址: https://chrome.google.com/webstore/detail/replace-google-cdn/kpampjmfiopfpkkepbllemkibefkiice
由于众所周知的原因,只需替换一个域名就可以继续使用Google提供的前端公共库了。 同样,通过script标记引用这些资源,让网站访问速度瞬间提速吧
- 进程VS.线程
m635674608
线程
资料来源:
http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001397567993007df355a3394da48f0bf14960f0c78753f000 1、Apache最早就是采用多进程模式 2、IIS服务器默认采用多线程模式 3、多进程优缺点 优点:
多进程模式最大
- Linux下安装MemCached
字符串
memcached
前提准备:1. MemCached目前最新版本为:1.4.22,可以从官网下载到。2. MemCached依赖libevent,因此在安装MemCached之前需要先安装libevent。2.1 运行下面命令,查看系统是否已安装libevent。[root@SecurityCheck ~]# rpm -qa|grep libevent libevent-headers-1.4.13-4.el6.n
- java设计模式之--jdk动态代理(实现aop编程)
Supanccy2013
javaDAO设计模式AOP
与静态代理类对照的是动态代理类,动态代理类的字节码在程序运行时由Java反射机制动态生成,无需程序员手工编写它的源代码。动态代理类不仅简化了编程工作,而且提高了软件系统的可扩展性,因为Java 反射机制可以生成任意类型的动态代理类。java.lang.reflect 包中的Proxy类和InvocationHandler 接口提供了生成动态代理类的能力。
&
- Spring 4.2新特性-对java8默认方法(default method)定义Bean的支持
wiselyman
spring 4
2.1 默认方法(default method)
java8引入了一个default medthod;
用来扩展已有的接口,在对已有接口的使用不产生任何影响的情况下,添加扩展
使用default关键字
Spring 4.2支持加载在默认方法里声明的bean
2.2
将要被声明成bean的类
public class DemoService {