- Yolo-v3利用GPU训练make时发生错误:/usr/bin/ld: cannot find -lcuda
徐小妞66666
一.利用GPU训练Yolov3时,首先要修改MakeFile文件,修改格式如下:GPU=1(原来为0)CUDNN=1(原来为0)NVCC=/usr/local/cuda/bin/nvcc(新建,注意自己本机的地址)二.此时make产生错误/usr/bin/ld:cannotfind-lcuda1.查看MakeFile文件找到该行代码:LDFLAGS+=-L/usr/local/cuda/lib64
- 使用Flask在B/S端部署YOLOv3(Pytorch)
Wupke
项目与比赛Pytorchflaskpytorchpython
使用Flask在B/S端部署YOLOv3文前白话后端搭建启动服务服务请求&调用模型开启服务发送请求&响应文前白话Flask是一种用python实现轻量级的web微服务,其灵活性较强而且效率高,在深度学习方面,可以用来部署B/S检测模型。下面以yolov3模型为例,介绍基于Flask的简单部署过程。有需要的话可以自行添加丰富的web展示界面。相关链接传送:【YOLO-v3源码详细解读】https:/
- win10 YOLO-v3-keras-gpu版本实现记录
夜深人语寂
1、在https://github.com/qqwweee/keras-yolo3下载yolo-v3的算法2、在https://pjreddie.com/media/files/yolov3.weights下载权重并放在keras-yolo3的文件夹下3、配置cuda环境下载电脑适配的cuda,cudnn版本,两个版本有对应起来。(本人cuda8.0,cudnn6.0)3、配置电脑python环境
- 轨道异物检测
旖旎沐心
深度学习Pythonpython
深度学习-轨道异物检测(1)本实验主要通过YOLO-v3(轻量级)的算法进行设计;(2)本实验所需要的数据集来源于实验室;(3)本实验使用LabelImg标注工具对数据集进行标注(这个标注软件可以对矩形的图像标注,并将标注结果保存为.txt或.xml的格式.如果后期需要对标注文件的标签类别内容进行改变,那我们就需要在主目录data文件夹中找到指定的文件进行改变);(4)本实验将标注好的.xml文件
- Yolo系列-yolov3
coding_ksy
#物体检测经典算法实战YOLO
YOLO-V3这张图讲道理真的过分了!!!我不是针对谁,在座的各位都是终于到V3了,最大的改进就是网络结构,使其更适合小目标检测特征做的更细致,融入多持续特征图信息来预测不同规格物体先验框更丰富了,3种scale,每种3个规格,一共9种softmax改进,预测多标签任务多scale为了能检测到不同大小的物体,设计了3个scalescale变换经典方法左图:图像金字塔;右图:单一的输入;残差连接-为
- Python搭建RTMP流媒体服务器,实现网络摄像头的推流,并使用机器视觉模型Yolo-v3实时处理视频、输出分类标签。
只想大吃一顿
那些项目实践遇到的大坑神经网络python多线程视频处理
Python搭建RTMP流媒体服务器,实现网络摄像头的推流,并使用机器视觉模型Yolo-v3实时处理视频、输出分类标签。对于推流与处理,用到了多线程防止卡死。#-*-coding:utf-8-*-"""CreatedonMonJul622:21:492020@author:Straka"""#=====================================================
- 计算机视觉-目标检测(二):从R-FCN到YOLO-v3
orangerfun
计算机视觉计算机视觉目标检测python
文章目录1.R-FCN1.1动机1.2.R-FCN网络结构1.3.R-FCN的损失函数1.4.R-FCN的训练及性能2.YoLO-v12.1简介2.2YOLO-v1网络结构2.3目标函数2.4YOLO-v1的优缺点3.YOLO-v23.1YOLO-v2相比v1的优化4.YOLO-v3参考1.R-FCN论文链接:R-FCN:ObjectDetectionviaRegion-basedFullyCon
- yolo-v3看不懂?手撕代码逐行讲解,附带网盘完整代码实现
QTreeY123
yoloYOLO神经网络深度学习计算机视觉目标检测
目录一:读取数据二:初始化模型Route层用于将来自不同层的特征图进行连接或拼接。Shortcut层用于执行残差连接,将前一层的特征图与当前层的特征图相加。最重要的一层yolo层:三:初始化完所有有网络层后,开始处理数据四:开始训练五:损失六:完整代码网盘链接(附带训练集,和测试的demo)不多说一句话,直接开撕!!!一:读取数据读取coco.data文件二:初始化模型接下里继续搭建模型,卷积后紧
- (四)目标检测- YoloV3和SSD对比
li三河
深度学习算法总结深度学习cnn人工智能
SSD的loss中,不同类别的分类器是softmax,最终检测目标的类别只能是一类。而在yolo-v3中,例如对于80类的coco数据集,对于类别进行判断是80个logistic分类器,只要输出大于设置的阈值,则都是物体的类别,物体同时可以属于多类,例如一个物体同时是person和woman。SSD损失函数分为两个部分:对应搜索框的位置loss(loc)和类别置信度loss(conf).i指代搜索
- yolo_v3训练自己的模型(人脸及deep-sort)(或自己数据集)
剑峰随心
python深度学习机器学习tensorflow人脸识别
做deep-sort多目标跟踪需要结合yolo_v3进行检测行人由于我的项目中需要对人脸进行检测,所以需要训练针对人脸的模型训练样本是来自WIDER-FACE人脸库。(有3w+的图片和标注框)deep-sort结合yolo-v3的博客分享https://blog.csdn.net/weixin_42755375/article/details/85723239分享一篇博客(按照博客要求可以完美训练
- 百度架构师手把手带你零基础实践深度学习——YOLO-V3
张学义
深度学习深度学习
目标检测Yolov3学习发展历程目标检测基础概念数据集及预处理数据读取数据预处理图像增广方法汇总批量数据读取与加速使用paddle.reader.xmap_readers实现多线程读取数据YOLO-V3模型设计思想产生候选区域卷积神经网络提取特征YOLO-V3骨干网络结构Darknet53的实现代码损失函数定义上采样模块定义YOLO-V3模型开启端到端训练预测模型效果及可视化展示发展历程2013年
- CV——day72:从零开始学YOLO——YOLO-v3(可以在我的资源里下载完整的v1到v3的笔记啦!)
想太多!
CVYOLO计算机视觉深度学习
YOLO-v36.YOLO-v36.1YOLO-v3改进综述6.2多scale方法改进与特征融合6.3经典变换方法对比分析6.4残差连接方法解读6.5整体网络模型架构分析6.6先验框设计改进6.7softmax层改进6.YOLO-v3**tips:**作者本人因为美军广泛运用于军事领域,所以决定不再继续开发YOLO系列。但是其他人还是继续往后做了~v8都有了注意,原点值(x轴预测时间,y轴map)
- YOLOv3 模型中的多尺度融合与训练
Gallant Hu
深度学习目标检测计算机视觉
YOLO-V3模型设计思想下半部分描述了生成候选区域的过程,首先将原图划分成多个小方块,每个小方块的大小是32×3232\times3232×32,然后以每个小方块为中心分别生成一系列锚框,整张图片都会被锚框覆盖到。在每个锚框的基础上产生一个与之对应的预测框,根据锚框和预测框与图片上物体真实框之间的位置关系,对这些预测框进行标注。这里的锚框生成方式和两阶段的算法不同,两阶段的算法通过RPN网络在特
- yolo目标检测软件 c语言,深度学习目标检测之——YOLO-v3目标检测(windows端调用)...
曙Ouba
yolo目标检测软件c语言
前言目前基于深度学习的目标检测越来越火,其准确度很高。笔者采用Yolo-v3实现目标检测。Yolo-v3基于darknet框架,该框架采用纯c语言,不依赖来其他第三方库,相对于caffe框架在易用性对开发者友好(笔者编译过数次caffe才成功)。本文基于windows平台将yolo-v3编译为动态链接库dll,测试其检测性能。New,python接口的YOLO-v3,!!!,走过不要错过为了方便测
- VS2019 C++调用pytorch Faster-RCNN全过程(Libtorch+opencv)
8倍
c++调用python网络c++pytorchcnn目标检测
前言目标检测网络根据阶段数主要有one-stage和two-stage两大类。one-stage:直接通过调整先验框得到预测框(速度更快)two-stage:先生成建议框,再通过调整建议框得到预测框(精度更高)此前我们已经通过Darknet成功实现了在C++中调用one-stage的网络模型YOLO-V3(☞vs2019使用Darknet调用YOLOV3模型并测试(CPU+GPU))。Faster
- 4.2 目标检测YOLO-V3算法--数据预处理&数据增广(百度架构师手把手带你零基础实践深度学习原版笔记系列)
aiAIman
深度学习算法深度学习机器学习数据分析
4.2目标检测YOLO-V3算法--数据预处理&数据增广(百度架构师手把手带你零基础实践深度学习原版笔记系列)目录4.2目标检测YOLO-V3算法--数据预处理&数据增广(百度架构师手把手带你零基础实践深度学习原版笔记系列)数据预处理(数据增广目的)随机改变亮暗、对比度和颜色等随机填充随机裁剪随机缩放随机翻转随机打乱真实框排列顺序图像增广方法汇总批量数据读取与加速数据预处理(数据增广目的)在计算机
- YOLO-V3实时检测实现(opencv+python实现)
shuihg
pythonopencv开发语言
YOLO-V3实时检测实现(opencv+python实现)_Keep_Trying_Go的博客-CSDN博客_opencvyolov3importosimportcv2importnumpyasnpimportmatplotlib.pyplotaspltimporttime#读取网络配置文件和权重文件net=cv2.dnn.readNet(model='./weights/yolov3-tiny
- 目标检测之Yolov3与Anchor-Free
javastart
深度学习深度学习计算机视觉python
原文:目标检测之RCNN、Yolo、SSD、RetinaNet与Anchor-Free_dagongji10的博客-CSDN博客2.2Yolov3(2018)Yolo-v3论文比Yolo-v2还要随意,具体优化内容主要有:bbox的预测:基本上还是沿用Yolo-v2那一套(对anchor的offset),但是Yolo-v3使用逻辑回归对每一个框打分,该分数用于选取与GroundTruth最为契合的
- Autoware1.14-摄像头目标检测YOLO-V3
Double lee
无人驾驶目标检测人工智能计算机视觉自动驾驶
下载YOLO-V3权重文件权重地址:https://pjreddie.com/media/files/yolov3.weights建议存放地址:autoware.ai/install/vision_darknet_detect/share/vision_darknet_detect/darknet/cfg打开autoware控制台,终端执行命令cdautoware.ai/sourceinstall
- PyTorch从零开始实现YOLO-V3目标检测算法
起床啦修狗
PyTorch从零开始实现YOLO-V3目标检测算法主要从以下几位博主中学习第1部分:了解YOLO如何工作第2部分:创建网络结构第3部分:实现网络的前向传播第4部分:对象置信度阈值和非最大抑制第5部分:设计输入和输出管道
- YOLO系列-yolov3
dzm1204
深度学习计算机视觉深度学习人工智能
文章目录YOLO-V3多scalescale经典方法残差链接-resnet思想核心网络架构先验框设计softmax改进YOLO-V3在yolov3中不论速度还是map值都比其他算法高出很多yolov3最大的改进就是网络结构,使其更适合小目标检测特征做的更细致,融入多持续特征图信息来预测不同规格的物体先验框更丰富了,3种scale,每种3个规格,一共9种softmax改进,可以预测多标签任务多sca
- YOLO-V3实时检测实现(opencv+python实现)
Keep_Trying_Go
Opencvpythonopencv计算机视觉目标检测
文章目录1.前置知识点(浅层了解)(1)深度学习的网络模型(2)yolo-v3网络结构2.YOLO-V3权重文件(.weights),类别文件(.names)和网络文件(.cfg)下载(1)YOLOV3权重文件下载(2)YOLOV3类别文件下载(3)YOLO.cfg配置文件下载3.代码实战(1)读取权重文件和网络配置文件(2)获取最后三个输出层的名称(3)读取包含80个类别coco.names的文
- 物体检测之YOLO系列
Clark-dj
人工智能杂七杂八
业界对于目标检测的热度只增不减,但目前的框架也难于逾越RCNN系列、SSD、YOLO系列这三座大山,很多新的方法也是在此基础上做一些改进,所以有必要做一些整理,方便自己后续查看,这里先对YOLO系列做一些整理。没看过文章的可以回头细细品味下yolo-v1(发表于2016.5)、yolo-v2(发表于2016.12)、yolo-v3(发表于2018.4)这是继RCNN系列(two-stage)后针对
- LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
Keep_Trying_Go
pythonxml深度学习人工智能
目录1.LabelImg标注的YOLO格式的TXT标签Opencv+YOLO-V3实现目标跟踪YOLO-V3实时检测实现(opencv+python实现)——改进——>更加的易懂YOLO-V3实时检测实现(opencv+python实现)1.LabelImg标注的YOLO格式的TXT标签关于LabelImg下载及使用:标注工具labelImg的下载安装及使用首先标注一张图片:查看标签.txt文件:
- YOLO-v3论文详解
PD我是你的真爱粉
Tensorflow目标检测深度学习
YOLO-v3论文详解--潘登同学的目标检测笔记文章目录YOLO-v3论文详解--潘登同学的目标检测笔记继承YOLO-9000与技术改进YOLO-v3试了但没成功继承YOLO-9000与技术改进BoundingBoxPrediction计算方法与YOLO-9000bx=σ(tx)+cxby=σ(ty)+cybw=pwetwbh=phethPr(object)∗IOU(b,object)=σ(to)
- Pytorch基础知识(8)多目标检测
求则得之,舍则失之
PyTorch目标检测pytorch深度学习
目标检测是对图像中存在的目标进行定位和分类的过程。识别出的物体在图像中显示为边界框。一般的目标检测有两种方法:基于区域提议的和基于回归/分类的。在本章中,我们将使用一个名为YOLO的基于回归/分类的方法。YOLO-v3是该系列的其中一个版本,在精度方面比以前的(YOLOV1、YOLOV2)版本表现更好。因此,本章将重点介绍使用PyTorch开发的Yolo-v3。在本章中,我们将学习如何实现YOLO
- [深度学习 - 目标检测] YOLO系列(六):YOLO-V3源码解析:基于配置文件构造网络模型
南城同学
深度学习目标检测目标检测深度学习
源码:models.py1.读取配置文件PyTorch-YOLOv3\config\yolov3.cfgdef__init__(self,config_path,img_size=416):super(Darknet,self).__init__()self.module_defs=parse_model_config(config_path)2.创建模型self.hyperparams,self
- YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
mozun2020
DL2:YOLO学习笔记windowsopencvc++机器学习
提醒一下:本文为64位Windows7操作系统下仅CPU的配置,GPU版本及YOLO-V3的训练问题先挖个坑,后期再更新。主要参考:CSDN博主「凌空的桨」:(https://blog.csdn.net/baidu_36669549/article/details/79798587)其实对于初学者,YOLOv3上手真的是非常友好,但架不住网上坑人的所谓狗皮膏药一样的教程,不可避免的要经受洗礼,终于
- 【基于YOLO-v3训练自己的数据与检测任务】
Wupke
深度学习2D目标检测目标检测计算机视觉深度学习YOLO-V3
【基于YOLO-v3训练自己的数据与检测任务】文前白话1、安装标注工具:labelme进行数据标注2、准备需要的网络配置文件3、进行标签格式转换4、设置图片数据与标签的路径5、训练代码参数更改6、预测时的代码参数更改文前白话本文以YOLO-v3为例,介绍训练自己的检测任务过程,包含数据集的制作与转化、训练参数调整等。相关学习链接推送:【YOLO系列v1-v5原理+代码解读+项目实践】.【YOLO-
- 【论文笔记】基于深度学习的视觉检测及抓取方法
Ctrl+Alt+L
论文笔记深度学习视觉检测计算机视觉
目录摘要关键词1目标检测1.1YOLO-V3模型1.2算法优化2抓取位姿估计2.1五维抓取框2.2抓取位姿估计模型2.3角度优化3实验结果与分析3.1目标检测3.2抓取位姿估计3.3机械臂抓取实验4结论摘要工作内容效果提升复杂环境中目标检测的效果采用通道注意力机制对YOLO-V3进行改进,增强网络对图像特征提取的能力平均识别率较改进前增加0.32%针对目前姿态估计角度存在离散性的问题提出一种基于V
- VMware Workstation 11 或者 VMware Player 7安装MAC OS X 10.10 Yosemite
iwindyforest
vmwaremac os10.10workstationplayer
最近尝试了下VMware下安装MacOS 系统,
安装过程中发现网上可供参考的文章都是VMware Workstation 10以下, MacOS X 10.9以下的文章,
只能提供大概的思路, 但是实际安装起来由于版本问题, 走了不少弯路, 所以我尝试写以下总结, 希望能给有兴趣安装OSX的人提供一点帮助。
写在前面的话:
其实安装好后发现, 由于我的th
- 关于《基于模型驱动的B/S在线开发平台》源代码开源的疑虑?
deathwknight
JavaScriptjava框架
本人从学习Java开发到现在已有10年整,从一个要自学 java买成javascript的小菜鸟,成长为只会java和javascript语言的老菜鸟(个人邮箱:
[email protected])
一路走来,跌跌撞撞。用自己的三年多业余时间,瞎搞一个小东西(基于模型驱动的B/S在线开发平台,非MVC框架、非代码生成)。希望与大家一起分享,同时有许些疑虑,希望有人可以交流下
平台
- 如何把maven项目转成web项目
Kai_Ge
mavenMyEclipse
创建Web工程,使用eclipse ee创建maven web工程 1.右键项目,选择Project Facets,点击Convert to faceted from 2.更改Dynamic Web Module的Version为2.5.(3.0为Java7的,Tomcat6不支持). 如果提示错误,可能需要在Java Compiler设置Compiler compl
- 主管???
Array_06
工作
转载:http://www.blogjava.net/fastzch/archive/2010/11/25/339054.html
很久以前跟同事参加的培训,同事整理得很详细,必须得转!
前段时间,公司有组织中高阶主管及其培养干部进行了为期三天的管理训练培训。三天的课程下来,虽然内容较多,因对老师三天来的课程内容深有感触,故借着整理学习心得的机会,将三天来的培训课程做了一个
- python内置函数大全
2002wmj
python
最近一直在看python的document,打算在基础方面重点看一下python的keyword、Build-in Function、Build-in Constants、Build-in Types、Build-in Exception这四个方面,其实在看的时候发现整个《The Python Standard Library》章节都是很不错的,其中描述了很多不错的主题。先把Build-in Fu
- JSP页面通过JQUERY合并行
357029540
JavaScriptjquery
在写程序的过程中我们难免会遇到在页面上合并单元行的情况,如图所示
如果对于会的同学可能很简单,但是对没有思路的同学来说还是比较麻烦的,提供一下用JQUERY实现的参考代码
function mergeCell(){
var trs = $("#table tr");
&nb
- Java基础
冰天百华
java基础
学习函数式编程
package base;
import java.text.DecimalFormat;
public class Main {
public static void main(String[] args) {
// Integer a = 4;
// Double aa = (double)a / 100000;
// Decimal
- unix时间戳相互转换
adminjun
转换unix时间戳
如何在不同编程语言中获取现在的Unix时间戳(Unix timestamp)? Java time JavaScript Math.round(new Date().getTime()/1000)
getTime()返回数值的单位是毫秒 Microsoft .NET / C# epoch = (DateTime.Now.ToUniversalTime().Ticks - 62135
- 作为一个合格程序员该做的事
aijuans
程序员
作为一个合格程序员每天该做的事 1、总结自己一天任务的完成情况 最好的方式是写工作日志,把自己今天完成了什么事情,遇见了什么问题都记录下来,日后翻看好处多多
2、考虑自己明天应该做的主要工作 把明天要做的事情列出来,并按照优先级排列,第二天应该把自己效率最高的时间分配给最重要的工作
3、考虑自己一天工作中失误的地方,并想出避免下一次再犯的方法 出错不要紧,最重
- 由html5视频播放引发的总结
ayaoxinchao
html5视频video
前言
项目中存在视频播放的功能,前期设计是以flash播放器播放视频的。但是现在由于需要兼容苹果的设备,必须采用html5的方式来播放视频。我就出于兴趣对html5播放视频做了简单的了解,不了解不知道,水真是很深。本文所记录的知识一些浅尝辄止的知识,说起来很惭愧。
视频结构
本该直接介绍html5的<video>的,但鉴于本人对视频
- 解决httpclient访问自签名https报javax.net.ssl.SSLHandshakeException: sun.security.validat
bewithme
httpclient
如果你构建了一个https协议的站点,而此站点的安全证书并不是合法的第三方证书颁发机构所签发,那么你用httpclient去访问此站点会报如下错误
javax.net.ssl.SSLHandshakeException: sun.security.validator.ValidatorException: PKIX path bu
- Jedis连接池的入门级使用
bijian1013
redisredis数据库jedis
Jedis连接池操作步骤如下:
a.获取Jedis实例需要从JedisPool中获取;
b.用完Jedis实例需要返还给JedisPool;
c.如果Jedis在使用过程中出错,则也需要还给JedisPool;
packag
- 变与不变
bingyingao
不变变亲情永恒
变与不变
周末骑车转到了五年前租住的小区,曾经最爱吃的西北面馆、江西水饺、手工拉面早已不在,
各种店铺都换了好几茬,这些是变的。
三年前还很流行的一款手机在今天看起来已经落后的不像样子。
三年前还运行的好好的一家公司,今天也已经不复存在。
一座座高楼拔地而起,
- 【Scala十】Scala核心四:集合框架之List
bit1129
scala
Spark的RDD作为一个分布式不可变的数据集合,它提供的转换操作,很多是借鉴于Scala的集合框架提供的一些函数,因此,有必要对Scala的集合进行详细的了解
1. 泛型集合都是协变的,对于List而言,如果B是A的子类,那么List[B]也是List[A]的子类,即可以把List[B]的实例赋值给List[A]变量
2. 给变量赋值(注意val关键字,a,b
- Nested Functions in C
bookjovi
cclosure
Nested Functions 又称closure,属于functional language中的概念,一直以为C中是不支持closure的,现在看来我错了,不过C标准中是不支持的,而GCC支持。
既然GCC支持了closure,那么 lexical scoping自然也支持了,同时在C中label也是可以在nested functions中自由跳转的
- Java-Collections Framework学习与总结-WeakHashMap
BrokenDreams
Collections
总结这个类之前,首先看一下Java引用的相关知识。Java的引用分为四种:强引用、软引用、弱引用和虚引用。
强引用:就是常见的代码中的引用,如Object o = new Object();存在强引用的对象不会被垃圾收集
- 读《研磨设计模式》-代码笔记-解释器模式-Interpret
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/
package design.pattern;
/*
* 解释器(Interpreter)模式的意图是可以按照自己定义的组合规则集合来组合可执行对象
*
* 代码示例实现XML里面1.读取单个元素的值 2.读取单个属性的值
* 多
- After Effects操作&快捷键
cherishLC
After Effects
1、快捷键官方文档
中文版:https://helpx.adobe.com/cn/after-effects/using/keyboard-shortcuts-reference.html
英文版:https://helpx.adobe.com/after-effects/using/keyboard-shortcuts-reference.html
2、常用快捷键
- Maven 常用命令
crabdave
maven
Maven 常用命令
mvn archetype:generate
mvn install
mvn clean
mvn clean complie
mvn clean test
mvn clean install
mvn clean package
mvn test
mvn package
mvn site
mvn dependency:res
- shell bad substitution
daizj
shell脚本
#!/bin/sh
/data/script/common/run_cmd.exp 192.168.13.168 "impala-shell -islave4 -q 'insert OVERWRITE table imeis.${tableName} select ${selectFields}, ds, fnv_hash(concat(cast(ds as string), im
- Java SE 第二讲(原生数据类型 Primitive Data Type)
dcj3sjt126com
java
Java SE 第二讲:
1. Windows: notepad, editplus, ultraedit, gvim
Linux: vi, vim, gedit
2. Java 中的数据类型分为两大类:
1)原生数据类型 (Primitive Data Type)
2)引用类型(对象类型) (R
- CGridView中实现批量删除
dcj3sjt126com
PHPyii
1,CGridView中的columns添加
array(
'selectableRows' => 2,
'footer' => '<button type="button" onclick="GetCheckbox();" style=&
- Java中泛型的各种使用
dyy_gusi
java泛型
Java中的泛型的使用:1.普通的泛型使用
在使用类的时候后面的<>中的类型就是我们确定的类型。
public class MyClass1<T> {//此处定义的泛型是T
private T var;
public T getVar() {
return var;
}
public void setVa
- Web开发技术十年发展历程
gcq511120594
Web浏览器数据挖掘
回顾web开发技术这十年发展历程:
Ajax
03年的时候我上六年级,那时候网吧刚在小县城的角落萌生。传奇,大话西游第一代网游一时风靡。我抱着试一试的心态给了网吧老板两块钱想申请个号玩玩,然后接下来的一个小时我一直在,注,册,账,号。
彼时网吧用的512k的带宽,注册的时候,填了一堆信息,提交,页面跳转,嘣,”您填写的信息有误,请重填”。然后跳转回注册页面,以此循环。我现在时常想,如果当时a
- openSession()与getCurrentSession()区别:
hetongfei
javaDAOHibernate
来自 http://blog.csdn.net/dy511/article/details/6166134
1.getCurrentSession创建的session会和绑定到当前线程,而openSession不会。
2. getCurrentSession创建的线程会在事务回滚或事物提交后自动关闭,而openSession必须手动关闭。
这里getCurrentSession本地事务(本地
- 第一章 安装Nginx+Lua开发环境
jinnianshilongnian
nginxluaopenresty
首先我们选择使用OpenResty,其是由Nginx核心加很多第三方模块组成,其最大的亮点是默认集成了Lua开发环境,使得Nginx可以作为一个Web Server使用。借助于Nginx的事件驱动模型和非阻塞IO,可以实现高性能的Web应用程序。而且OpenResty提供了大量组件如Mysql、Redis、Memcached等等,使在Nginx上开发Web应用更方便更简单。目前在京东如实时价格、秒
- HSQLDB In-Process方式访问内存数据库
liyonghui160com
HSQLDB一大特色就是能够在内存中建立数据库,当然它也能将这些内存数据库保存到文件中以便实现真正的持久化。
先睹为快!
下面是一个In-Process方式访问内存数据库的代码示例:
下面代码需要引入hsqldb.jar包 (hsqldb-2.2.8)
import java.s
- Java线程的5个使用技巧
pda158
java数据结构
Java线程有哪些不太为人所知的技巧与用法? 萝卜白菜各有所爱。像我就喜欢Java。学无止境,这也是我喜欢它的一个原因。日常
工作中你所用到的工具,通常都有些你从来没有了解过的东西,比方说某个方法或者是一些有趣的用法。比如说线程。没错,就是线程。或者确切说是Thread这个类。当我们在构建高可扩展性系统的时候,通常会面临各种各样的并发编程的问题,不过我们现在所要讲的可能会略有不同。
- 开发资源大整合:编程语言篇——JavaScript(1)
shoothao
JavaScript
概述:本系列的资源整合来自于github中各个领域的大牛,来收藏你感兴趣的东西吧。
程序包管理器
管理javascript库并提供对这些库的快速使用与打包的服务。
Bower - 用于web的程序包管理。
component - 用于客户端的程序包管理,构建更好的web应用程序。
spm - 全新的静态的文件包管
- 避免使用终结函数
vahoa.ma
javajvmC++
终结函数(finalizer)通常是不可预测的,常常也是很危险的,一般情况下不是必要的。使用终结函数会导致不稳定的行为、更差的性能,以及带来移植性问题。不要把终结函数当做C++中的析构函数(destructors)的对应物。
我自己总结了一下这一条的综合性结论是这样的:
1)在涉及使用资源,使用完毕后要释放资源的情形下,首先要用一个显示的方