- 论文学习笔记 VMamba: Visual State Space Model
Wils0nEdwards
学习笔记
概览这篇论文的动机源于在计算机视觉领域设计计算高效的网络架构的持续需求。当前的视觉模型如卷积神经网络(CNNs)和视觉Transformer(ViTs)在处理大规模视觉任务时展现出良好的表现,但都存在各自的局限性。特别是,ViTs尽管在处理大规模数据上具有优势,但其自注意力机制的二次复杂度对高分辨率图像处理时的计算成本极高。因此,研究者希望通过引入新的架构来降低这种复杂度,并提高视觉任务的效率。现
- 论文学习1----理解深度学习需要重新思考泛化Understanding deep learning requires rethinking generalization
夏洛的网
机器学习深度学习论文深度学习神经网络
——论文地址:Understandingdeeplearningrequiresrethinkinggeneralization1、有关新闻1.1新闻一:参考1:机器之心尽管深度人工神经网络规模庞大,但它们的训练表现和测试表现之间可以表现出非常小的差异。传统的思考是将小的泛化误差要么归结为模型族的特性,要么就认为与训练过程中的正则化技术有关。通过广泛的系统性实验,我们表明这些传统的方法并不能解释大
- 半监督语义分割论文学习记录
西瓜真的很皮啊
半监督语义分割深度学习机器学习人工智能
Semi-SupervisedSemanticSegmentationwithCross-ConsistencyTraining1.1motivation一致性训练的目的是在应用于输入的小扰动上增强模型预测的不变性。因此,学习的模型将对这样的小变化具有鲁棒性。一致性训练的有效性在很大程度上取决于数据分布的行为,即集群假设,其中类必须由低密度区域分隔。在语义分割中,在输入中,我们没有观察到低密度区域
- 2019-1-27晨间日记
紫薇忘了水葫芦
在柳州的第二天起床:八点半左右天气:晴心情:好像很复杂,一会儿开心一会儿不开心纪念日:参加了晗大姐的婚礼任务清单昨日完成的任务,最重要的三件事:⒈把之前的论文题目整理了一遍⒉参加了婚礼⒊送了礼物改进:要静下来多看些书做些运动,多思考。习惯养成:早睡早起,饮食清淡周目标·完成进度开始读论文学习·信息·阅读阅读健康·饮食·锻炼饮食清淡,多锻炼人际·家人·朋友多联系工作·思考怎么把自己的工作做得更好最美
- 语义分割系列之FCN、DeeplabV1、V2、V3、V3Plus论文学习
Diros1g
学习深度学习计算机视觉
FCNFullyConvolutionalNetworks论文:FullyConvolutionalNetworksforSemanticSegmentation地址:https://openaccess.thecvf.com/content_cvpr_2015/papers/Long_Fully_Convolutional_Networks_2015_CVPR_paper.pdf特点:用全卷积替
- 论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning
JiangChSo
论文学习深度学习机器学习神经网络算法分布式
论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearningNDSS2021录用文章目录论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearning一、机器学习1.机器学习(ML)中的挑战2.隐私保护机器学习(PPML)二、POSEIDON方案1.系统和威胁模型2.方
- 论文学习——Vector Quantized Diffusion Model for Text-to-Image Synthesis
客院载论
音频生成学习
文章目录引言正文Abstract文章的核心VQ潜在空间适合文本转图片生成VQDiffusion的比起自回归和GAN的其他模型的成果IntroductionNLP的成功给图片生成的启发自回归模型的单向误差解释预测误差累积VQDiffusion能够解决预测误差累计和单向误差两个问题解决单向误差的方式——每一次预测都是考虑所有token的上下文信息解决错误累积的方式——使用基于掩码和替换的扩散策略模型测
- Python论文学习 -- 第二章 --- Python基础知识
Metallic Cat
学习
1.cmd命令器中如果想终止命令的话可以在终止行输入exit()函数调用停止命令一.字面量二.注释---对代码进行解释说明1.在print函数中:print(a,"asd",c)输出的结果为a变量对应的值+asd+c变量对应的值如:则输出的结果为:往type()函数中输入数据,它会返回数据的类型给我们,然后我们可以用print()函数将数据类型打出来1.值得注意的是变量本身是没有类型的,它只是一个
- 论文学习笔记:PoseFix: Model-agnostic General Human Pose Refinement Network
wangyc1208
姿态估计
论文:https://arxiv.org/abs/1812.03595代码:https://github.com/mks0601/PoseFix_RELEASE—————————————————————————————————————————————————目标:多人姿态估计:本篇论文主要工作是利用一个人体姿势优化网络,从输入图像和姿势中对人体姿态进行优化。大概的效果如下图:———————————
- 2021-9-23晨间日记
言二yaner
今天是什么日子起床:7:40就寝:23:00天气:美好心情:美好纪念日:无任务清单昨日完成的任务,最重要的三件事:投稿改进:想到就做到习惯养成:专注自己,提升自己周目标·完成进度准备再写一篇论文学习·信息·阅读多阅读,多学习健康·饮食·锻炼早饭:小米粥,鸡蛋,烧麦中饭:真味卤,杨枝甘露晚饭:黑米粥锻炼:一小时左右人际·家人·朋友一切都是最好的安排,虽然没有过去,但也有属于自己的收获工作·思考凡事早
- 论文学习记录之Deep-learning seismic full-waveform inversion for realistic structuralmodels
摘星星的屋顶
论文深度学习人工智能
一、ABSTRACT—摘要标题:Deep-learningseismicfull-waveforminversionforrealisticstructuralmodels(用于真实结构模型的深度学习地震全波形反演)作者:BinLiu1,SenlinYang2,YuxiaoRen2,XinjiXu3,PengJiang2,andYangkangChen4(和SeisInvNet有共同作者,应该是同
- 论文学习记录之SeisInvNet(Deep-Learning Inversion of Seismic Data)
摘星星的屋顶
论文人工智能
目录1INTRODUCTION—介绍2RELATEDWORKS—相关作品3METHODOLOGYANDIMPLEMENTATION—方法和执行3.1方法3.2执行4EXPERIMENTS—实验4.1数据集准备4.2实验设置4.3基线模型4.4定向比较4.5定量比较4.6机理研究5CONCLUSION—结论1INTRODUCTION—介绍地震勘探是根据地震波在大地中的传播规律来确定地下地层结构的一种
- 基于变长频带选择的JPEG图像可逆数据隐藏-文献学习
凌峰的博客
学习算法计算机视觉
论文学习原文题目:ReversibleDataHidingofJPEGImageBasedonAdaptiveFrequencyBandLength发表期刊:TCSVT2023(中科院1区)作者:NingxiongMao,HongjieHe,FanChen,YuanYuan,LingfengQu摘要JPEG图像在互联网上被广泛使用。基于quantifieddiscretecosinetransfo
- BASNet:Boundary-aware salient object detection
Kun Li
应用算法目标检测计算机视觉
CVPR2019开源论文|BASNet:关注边界的显著性检测本文提出一种基于深度监督学习的前景提取构架BASNet,其在边缘感知上有优异的表现。https://mp.weixin.qq.com/s/fjq4UyDMN9Z9lvNZ7aNLWABASNet:Boundary-AwareSalientObjectDetection论文学习_basnet:boundary-awaresalientobj
- Nerf-Wild神经辐射场论文学习笔记 Neural Radiance Fields for Unconstrained Photo Collections
出门吃三碗饭
Nerf学习记录三维重建学习笔记
前言:本文为记录自己在Nerf学习道路的一些笔记,包括对论文以及其代码的思考内容。公众号:AI知识物语B站后续同步更新讲解本篇文章主要针对其数学公式来学习其内容,欢迎批评指正!!!(代码下篇出)1:摘要提出基于学习(learning-based)方法,使用野外照片的非结构化集合(unstructuredcollectionsofin-the-wildphotographs)来合成复杂场景。之前的N
- GroupMixFormer:Advancing Vision Transformers with Group-Mix Attention论文学习笔记
athrunsunny
Transformer学习笔记深度学习计算机视觉transformer
论文地址:https://arxiv.org/pdf/2311.15157.pdf代码地址:https://github.com/AILab-CVC/GroupMixFormer摘要:ViT已被证明可以通过使用多头自注意力(MHSA)对远程依赖关系进行建模来增强视觉识别,这通常被表述为Query-Key-Value计算。但是,从“Query”和“Key”生成的注意力图仅捕获单个粒度的token-t
- 论文学习——基于查询的workload预测(CMU)
_zhj
机器学习数据库
一、简介论文题目:Query-basedWorkloadForecastingforSelf-DrivingDatabaseManagementSystems发表在2018SIGMOD,来自cmu的数据库组(这个组真的很厉害)这篇论文主要讲数据库workload预测的问题。因为要实现数据库self-driving(如选择合适的时机在合适的列上自动创建索引),应该根据将要到来的查询对数据库进行优化,
- 第六十八周周报
童、一
周报深度学习
学习目标:项目论文学习时间:2023.12.23-2023.12.29学习产出:一、项目这周后两天在根据吉安方面的需求优化SQL,提升性能二、论文这周周六在杨老师的带领下仔细改了论文前两段,后面几天自己把剩下的改完了,目前还在给杨老师看。实验方面,由于LSUN一直跑不出好的效果,已经转为STL10和CelebA,预计得下周才能出结果。其他时间都在搞开题报告的东西。
- DN-DETR论文学习
彭祥.
DETR系列学习深度学习计算机视觉
摘要本文提出了一种新颖的去噪训练方法,以加快DETR(DEtectionTRansformer)训练,并加深了对类DETR方法的慢收敛问题的理解。我们表明,缓慢收敛是由于二分图匹配的不稳定性导致早期训练阶段的优化目标不一致。为了解决这个问题,除了匈牙利损失之外,我们的方法还向Transformer解码器馈送了带有噪声的GT边界框,并训练模型重建原始框,从而有效地降低了二分图匹配难度,并加快了收敛速
- MS-DETR: Efficient DETR Training with Mixed Supervision论文学习笔记
athrunsunny
Transformer学习笔记transformer深度学习算法
论文地址:https://arxiv.org/pdf/2401.03989.pdf代码地址(中稿后开源):GitHub-Atten4Vis/MS-DETR:Theofficialimplementationfor"MS-DETR:EfficientDETRTrainingwithMixedSupervision"摘要DETR通过迭代生成多个基于图像特征的目标候选者,并为每个真实目标分配一个候选者,
- 经典论文学习:Attention Is All You Need(Transformer)
才能我浪费
AI应用深度学习机器学习人工智能
1,概述《AttentionIsAllYouNeed》是一篇由GoogleDeepMind团队在2017年发表的论文,该论文提出了一种新的神经网络模型,称为Transformer模型,用于自然语言处理任务。该模型的创新点在于使用了一种称为“自注意力机制(self-attentionmechanism)”的技术,以取代传统的循环神经网络(RNN)和卷积神经网络(CNN)等结构,这使得模型在处理序列数
- 2022-6-17晨间日记
七翎
今天是什么日子起床:7.30(因为今天考科四,好困啊!!!)就寝:科四成功考过,熬个小夜(嘻嘻)天气:昨天下雨了,今天超凉快!心情:开心更多一点纪念日:纪念我拿上驾照的日子任务清单昨日完成的任务,最重要的三件事:刷完10套科四卷子✔习惯养成:早睡早起(尽量吧)周目标·完成进度1.完成编程课程2.看完导师论文学习·信息·阅读看了网文(嘻嘻)放纵一下健康·饮食·锻炼吃了很多不健康的食物,但很快乐!人际
- ChatGPT可以帮你做什么?
SiKi学院
chatgpt人工智能
学习利用ChatGPT学习有很多,比如:语言学习、编程学习、论文学习拆解、推荐学习资源等,使用方法大同小异,这里以语言学习为例。在开始前先给GPT充分的信息:(举例)【角色】充当一名有丰富经验的英语老师【背景】我是一名英语雅思备考的学生,想进行英语相关学习(这里最好说明是帮助你做什么练习,如口语)【任务】你要和我进行对话,根据我输入的内容,去进行讲解和说明【要求】我希望你首先可以列举出雅思备
- 【论文学习】SOLVING INVERSE PROBLEMS IN MEDICAL IMAGING WITH SCORE-BASED GENERATIVE MODELS
Lyrig~
神经网络图像修复(ImageRestoration)学习机器学习算法
【论文学习】SOLVINGINVERSEPROBLEMSINMEDICALIMAGINGWITHSCORE-BASEDGENERATIVEMODELS前言相关概念线性逆问题基于分数的生成模型扰动过程逆过程采样利用基于分数的生成模型求解逆问题一种简便的线性测量过程形式将给定的观测结果融合进无条件采样过程前言好不容易写完了这么长的一篇,整体看来,这篇文章更像是对去噪过程的一个改进。通过在不同时间步引入
- 论文学习 使用基于NeRF的精炼特征从3D感知Diffusion模型下实现单视点下的人工重建
Lyrig~
学习3d人工智能
论文学习使用基于NeRF的精炼特征从3D感知Diffusion模型下实现单视点下的人工重建论文连接前言摘要介绍相关工作2.13D生成的扩散模型2.2单视点下的新视点生成神经场(NeRF)以外的方法基于神经场(NeRF)的方法背景3.1图片条件NeRF3.2无几何视图合成NerfDiff论文连接NerfDiff:Single-imageViewSynthesiswithNeRF-guidedDist
- 【论文学习】InstructGPT:Training language models to follow instructions with human feedback
Shackles Lay
学习语言模型自然语言处理
前言:语言模型的输出依赖于预训练的数据集,研究者想要探索无监督领域的模型,使其仅仅依赖无标签的数据就可以实现不错的效果,为了让模型的泛化性能尽可能的强,研究者会提供尽可能大的数据集。但这样的训练方法存在两个问题:一、有效性。模型的性能依赖于训练时使用的文本,但是研究者并不知道无标签的大批量的数据集是否可以使模型学习到解决指定任务的能力,可能对于特定领域来说,模型根本没见过这样的数据;二、安全性,模
- 畸变矫正-深度学习相关论文学习
六个核桃Lu
畸变矫正深度学习学习人工智能
目录DocTr:DocumentImageTransformerforGeometricUnwarpingandIlluminationCorrectionSimFIR:ASimpleFrameworkforFisheyeImageRectificationwithSelf-supervisedRepresentationLearningModel-FreeDistortionRectificat
- A Fast Learning Algorithm for Deep Belief Nets - 论文学习
Mr,yu
论文笔记论文笔记MachineLearningDeepLearning
文章目录摘要介绍互补先验一个带约束权的无限有向模型限制玻尔兹曼机和对比散度学习一种转换表示的贪婪学习算法SomeIdeasBasedonDBNNonlinearDimensionalityReductionLearningSemanticAddressSpace(SAS)forFastDocumentRetrievalLearningNonlinearEmbeddings参考文献摘要explain
- 周四 2020-03-12 07:15 - 24:00 晴 06h54m
么得感情的日更机器
概述 早上6点20被闹钟搞醒,关了接着睡,7:14醒听听力、背单词、学习强国,练字,8:00下楼吃饭,8:30上楼读口语、做日计划。上午从9:00开始锁机学习相应SLAM论文综述,中间锻炼五分钟,跳的我腿好疼。11:00-11:35,对论文学习内容进行总结,编写论文记录文档。下午13:00-14:30看动漫,14:30-16:20整理计算机基本知识的文档。晚上看着手机发呆,然后讨论论文的事情,总
- smpl-x论文学习-部分翻译
ipv-tao
图形学三维重构
论文地址:ExpressiveBodyCapture:3DHands,Face,andBodyfromaSingleImage知乎大佬的讲解:https://zhuanlan.zhihu.com/p/137235901另一位大佬的讲解:https://posts.careerengine.us/p/5f23a5898988c12b4302afb61.定性结果和SMPL,SMPL-H相比,表现能力明
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓