c3255
c3255

重新编译tensorflow源代码遇见的问题解决方法

今天试了一下tensorflow自定义op，在tensorflow源代码下创建一个自己的op后需要重新编译tensorflow，但是我这次编译出现了如下所示的错误：
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_3kcompat.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ufunc_api.txt’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/arrayscalars.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/noprefix.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/utils.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ufuncobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_endian.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ndarrayobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_cpu.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_no_deprecated_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/multiarray_api.txt’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/_numpyconfig.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/old_defines.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/__ufunc_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/__multiarray_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_interrupt.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_1_7_deprecated_api.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/halffloat.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/_neighborhood_iterator_imp.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_common.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/ndarraytypes.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/numpyconfig.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_os.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/npy_math.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/arrayobject.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: declared output ‘external/local_config_python/numpy_include/numpy/oldnumeric.h’ is a dangling symbolic link.
ERROR: /home/torstein/.cache/bazel/_bazel_torstein/1f82ba256daa7468e9c0a1514e0b9aa5/external/local_config_python/BUILD:143:1: not all outputs were created or valid.
Target //tensorflow/tools/pip_package:build_pip_package failed to build
Use –verbose_failures to see the command lines of failed build steps.

解决方案如下：
如果你装的是pip3请输入如下3个指令。
sudo pip3 install –no-cache-dir –upgrade –force-reinstall –user numpy
sudo pip3 install –no-cache-dir –upgrade –force-reinstall numpy
sudo rm -rf /home/[usrname]/.cache

如果你装的是pip请输入如下3个指令。
sudo pip install –no-cache-dir –upgrade –force-reinstall –user numpy
sudo pip install –no-cache-dir –upgrade –force-reinstall numpy
sudo rm -rf /home/[usrname]/.cache

然后开始重新编译！具体如何编译请看我上一篇文章https://blog.csdn.net/c3255/article/details/82385939

你可能感兴趣的:(深度学习环境配置)

  • Pytorch 配置 GPU 环境 听风吹等浪起 深度学习环境配置篇pytorch人工智能python
    1、Pytorch深度学习跑代码的时候，因为简单的操作不适合cpu运行，我们更习惯用GPU加速代码。本章将介绍怎么安装pytorch的gpu环境，以及常见的问题关于conda的安装，参考之前文章：深度学习环境配置：Anaconda安装和pip源pytorch官网提供的安装：链接：https://pytorch.org/这里提供的版本都是较新的，电脑的硬件跟不上的话，可以选择之前版本的2、如何查看电
  • 深度学习环境配置常见指令 牛哥带你学代码 Python数据分析YOLO目标检测深度学习人工智能
    首先打开anacondaprompt，激活对应虚拟环境。导入torch并获取对应版本importtorchtorch.__version__导入torchvision并获取对应版本importtorchvisiontorchvision.__version__检查cuda是否可用torch.cuda.is_available()获取CUDA设备数torch.cuda.device_count()获
  • 深度学习手写字符识别：训练模型 DogDaoDao 深度学习深度学习人工智能手写字符识别PyTorchPycharm模型训练模型推理
    说明本篇博客主要是跟着B站中国计量大学杨老师的视频实战深度学习手写字符识别。第一个深度学习实例手写字符识别深度学习环境配置可以参考下篇博客，网上也有很多教程，很容易搭建好深度学习的环境。Windows11搭建GPU版本PyTorch环境详细过程数据集手写字符识别用到的数据集是MNIST数据集（MixedNationalInstituteofStandardsandTechnologydatabas
  • 1、深度学习环境配置相关下载地址整理（cuda、cudnn、torch、miniconda、pycharm、torchvision等） 小树苗m 环境配置深度学习pycharm人工智能
    一、深度学习环境配置相关：1、cuda：https://developer.nvidia.com/cuda-toolkit-archive2、cudnn：https://developer.nvidia.com/rdp/cudnn-archive4、miniconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/?C=S5、pyc
  • 深度学习环境配置：Anaconda 安装和 pip 源 听风吹等浪起 深度学习环境配置篇深度学习人工智能
    conda是一种通用包管理系统，与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，就是把很多常用的不常用的库都给你装好了。Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项。对于基于的深度学
  • pycharm 配置 conda 新环境 听风吹等浪起 深度学习环境配置篇pycharmcondaide
    1.conda创建新环境本章利用pycharm将conda新建的环境载入进去关于conda的下载参考上一章博文：深度学习环境配置：Anaconda安装和pip源首先利用conda新建虚拟环境这里按y确定安装好如下：这里两行命令代表怎么激活和关闭新建的虚拟环境输入condainfo--envs可以看到所有的虚拟环境，如下是刚刚新建立的2.配置pip源激活新建环境输入清华镜像源：pipconfigse
  • 深度学习环境配置超详细教程【Anaconda+Pycharm+PyTorch(GPU版)+CUDA+cuDNN】 Enovo_你当像鸟飞往你的山 深度学习pycharmpytorch
    在宇宙的浩瀚中，我们是微不足道的，但我们的思维却可以触及无尽的边界。目录关于Anaconda：关于Pycharm：关于Pytorch：关于CUDA：关于Cudnn：一、前言：二、Anaconda安装三、Pycharm安装四、CUDA安装1、查看NVDIA显卡型号2、判断自己应该下载什么版本的cuda3、安装CUDA11.2CUDAtoolkitDownload五、Cudnn安装1、cuDNN下载2
  • Docker光速搞定深度学习环境配置！ AAI机器之心 docker深度学习容器人工智能机器学习YOLO运维
    你是否还在用压缩包打包你的代码，然后在新的机器重新安装软件，配置你的环境，才能跑起来？特别有这样的情况：诶，在我电脑跑的好好的，怎么这里这么多问题？当项目比较简单的时候，装个Mysql、Nodejs、Anaconda并不是难事，但如果你的环境更多，新机器更多，你还一个个配置，估计你会疯掉。还有就是最恶心的深度学习环境，配置Cuda，Cudnn，Pytorch，TensorFlow，Opencv，G
  • rocky9.1 深度学习环境配置 _helen_520 深度学习人工智能
    U盘制作启动盘，安装引导；略过；sudofdisk-l安装nvidia驱动教程参考：Rockylinux安装3090+CUDA11.3+pytorch-知乎驱动下载：Nvidia官网下载对应显卡驱动，网址略#确定系统版本uname-auname-r#查看当前电脑的显卡型号lshw-numeric-Cdisplay#命令行搜索集显和独显lspci|grepVGAlspci|grepNVIDIA#关闭
  • 深度学习环境配置系列文章（二）：Anaconda配置Python和PyTorch 图灵猫-Arwin 深度学习环境配置深度学习pythonpytorch
    深度学习环境配置系列文章目录第一章专业名称和配置方案介绍第二章Anaconda配置Python和PyTorch第三章配置VSCode和Jupyter的Python环境第四章配置Windows11和Linux双系统第五章配置Docker深度学习开发环境第二章文章目录深度学习环境配置系列文章目录前言一，Window系统安装Anaconda二，Linux系统安装Anaconda三，Anaconda的快速
  • 【Win10/Win11深度学习环境配置记录】——Anaconda+CUDA+CUDNN+PyCharm+Pytorch weixin_47227105 深度学习人工智能
    目录设备版本软件版本对应配置过程Anaconda显卡驱动CUDACUDNNPyCharmPyTorch创建虚拟环境安装pyTorch检查安装是否成功pycharm配置虚拟环境参考博客设备版本win10台式机，带3060TI显卡。win11笔记本，带ti1200显卡。软件版本对应anaconda-python-torch-cudaanaconda高版本可以建低版本的python环境。配置过程Anac
  • 自家PC全盘安装Deepin V20.9 鬼马老胖墩 linux
    配置：CPU13700KF，主板华硕Z790-P，显卡七彩虹3070，内存2X16G，SSD三星980Pro1T，小米带鱼屏。背景：不经常在家，放在家吃灰一年多了，长时间不利用起来，长久下去不是办法。一、Deepin系统安装最新版本–深度科技社区如何安装–深度科技社区这里没什么难度，用了官方提供的启动盘制作工具，重启后按照提示安装就可以了。二、显卡驱动更换Deepin系统深度学习环境配置指南-知乎
  • pytorch深度学习环境配置 纬领网络 深度学习pytorch人工智能
    cuda10.2pipinstalltorch==1.10.0+cu102torchvision==0.11.0+cu102torchaudio==0.10.0-fhttps://download.pytorch.org/whl/torch_stable.htmlcuda11.1pipinstalltorch==1.8.0+cu111torchvision==0.9.0+cu111torchaud
  • 小白的实验室服务器深度学习环境配置指南 祺呆子 install服务器深度学习
    安装nvidia本文在ubuntuserver22.04上实验成功，其他版本仅供参考注意，本文仅适用于ubuntuserver，不需要图形界面，没有对图形界面进行特殊考虑和验证！依赖图形操作界面的读者慎用查看是否安装了gccgcc-v若没有安装，则输入下面的命令，直接把包括gcc在内很多开发工具包一同安装sudoapt-getinstallbuild-essential禁用nouveau驱动编辑/
  • 【Docker光速搞定深度学习环境配置！】 GIS_宇宙 深度学习docker深度学习容器
    你是否还在用压缩包打包你的代码，然后在新的机器重新安装软件，配置你的环境，才能跑起来？特别有这样的情况：诶，在我电脑跑的好好的，怎么这里这么多问题？当项目比较简单的时候，装个Mysql、Nodejs、Anaconda并不是难事，但如果你的环境更多，新机器更多，你还一个个配置，估计你会疯掉。还有就是最恶心的深度学习环境，配置Cuda，Cudnn，Pytorch，TensorFlow，Opencv，G
  • Windows深度学习环境配置 yangtsejin windows深度学习人工智能算法
    Windows深度学习环境配置文章目录Windows深度学习环境配置前言1CUDA和cuDNN1.1下载CUDA和cuDNN1.2安装CUDA和cuDNN1.2.1安装CUDA1.2.2安装cuDNN1.2.3卸载1.3配置系统环境变量2Anaconda2.1安装2.2换源2.2.1conda换源2.2.2pip换源2.3常用命令3安装GPU版pytorch3.1不通过命令安装pytorch3.2
  • Ubuntu系统使用快速入门实践（六）——Ubuntu深度学习环境配置（2） yangtsejin Ubuntu快速入门实践系列ubuntu深度学习linux
    Ubuntu系统使用快速入门实践系列文章下面是Ubuntu系统使用系列文章的总链接，本人发表这个系列的文章链接均收录于此Ubuntu系统使用快速入门实践系列文章总链接下面是专栏地址：Ubuntu系统使用快速入门实践系列文章专栏文章目录Ubuntu系统使用快速入门实践系列文章Ubuntu系统使用快速入门实践系列文章总链接Ubuntu系统使用快速入门实践系列文章专栏前言Ubuntu系统使用快速入门实践
  • 深度学习环境配置------windows系统（GPU）------Pytorch I张小博I 深度学习深度学习windowspytorch
    深度学习环境配置------windows系统（GPU）------Pytorch准备工作明确操作系统明确显卡系列CUDA和Cudnn下载与安装1.下载2.安装环境配置过程1.安装Anacoda2.配置环境1）创建一个新的虚拟环境2）pytorch相关库的安装2.安装VScode1）下载VScode2）安装VScode准备工作明确操作系统要想配置深度学习环境首先应确定自己电脑的系统，文章以下都以w
  • 深度学习环境配置 shi_jiaye 头部姿态估计python机器学习与数据挖掘深度学习人工智能机器学习
    一、Anaconda安装下载：从清华大学开源软件镜像下载镜像网址出现base即为安装成功：检查显卡的驱动是否正确安装：（GPU可以显示出名称）·GPU0是集显=集成显卡是主板自带的显卡。·GPU1是独显即独立显卡，是单独的一张显卡，性能一般会比集显要高。管理环境用conda指令创建一个pytorch环境condacreate-npytorchpython=3.8激活condaactivatepyt
  • Anaconda+Cuda+Cudnn+Pytorch（GPU版）+Pycharm+Win11深度学习环境配置 find_starshine 机器学习深度学习pytorchpycharm环境安装
    一、准备工作个人电脑配置：RTX4060win11个人配置版本：cuda（11.7）+pytorch(2.0.1)+python(3.9)所需工具：1、python集成开发环境：Anaconda2、CUDA、cuDNN：英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算。3、开发工具：PyCharm4、深度学习库：PyTo
  • Anaconda+Pytorch（GPU版）深度学习环境配置笔记 xyzAriel 深度学习pytorch人工智能
    主要参考以下文章进行配置：https://blog.csdn.net/qq_43757976/article/details/131173301配置版本略有更新，最新版本时间为2023.12.11一、准备工作个人电脑配置：laptopRTX4060win11个人配置版本：cuda（12.1）+pytorch(2.1.0)+python(3.11)所需工具：1、python集成开发环境：Anacon
  • 史上最完整的深度学习环境配置教程，亲自踩雷，看必会（包含问题解决）配置Anaconda+Pycharm+Pytorch+Jupyter A-Plus. pythonpycharmpytorchjupyter
    目录前言一、配置Anaconda二、配置PyCharm三、配置PyTorch四、配置Jupyternotebook前言本人浏览了大量教程，踩过很多的坑，我将配置的过程详细具体的教给大家，只要按照步骤来一定可以配置成功。一、配置Anaconda进入Anaconda官网，点击Download点击Download之后会进入该页面--------------------------------------
  • [零基础深度学习环境配置一]基于python 3.7+anaconda 3+cuda 11.1+cuDNN v8.1.1+win10+TITAN XP 舒心远航 深度学习cudawindows
    第一步：检查显卡支持的cuda版本1.第一种方法：win+R打开cmd，输入nvidia-smi，我的显卡是nvidiaTITANXP，支持的cuda最高版本是11.0（向下兼容）图1cmd查看显卡支持的cuda版本2.第二种方法：搜索框输入nvidia,出现nvidia控制面板，打开帮助中的系统信息，选择组件，出现cuda版本信息。第二步：官网下载cudaNVIDIADeveloper
  • 深度学习环境配置 遇见百分百
    OS:Linux:Ubuntu14.04安装：1.Pip(Python2.7.9或以上自带pip）：sudoapt-getinstallpyton-pip2.尝试安装scikit-neuralnetwork:需要numpyscipytheanosudopipinstallscikit-neuralnetwork错误：SystemError:cannotcompile"python.h".Perha
  • 深度学习环境配置（anaconda+pytorch+cuda） 伍六琪 深度学习与神经网络pythonlinux深度学习pytorch人工智能
    简要地汇总了一下配置环境所所用到的教程首先要看好自己要执行代码里，所要求的对应版本需求，再根据具体需求进行下载安装（版本一定要对应，否则就会出现很多错误）前言本文是Ubuntu22.04.2LTS基于linux系统下（一）Anaconda安装教程https://blog.csdn.net/sonapingo/article/details/124165317?ops_request_misc=&r
  • 超简单的深度学习环境配置Anaconda+Pytorch+Pycharm+CUDA 王赤脚 学习笔记pytorchpycharmpython
    文章目录前言一、安装环境介绍1.安装Anaconda2.安装PyTorch3.配置PyCharm二、详细安装流程1.Anaconda2.PyTorch3.配置Pycharm问题问题一：问题二：前言在学习深度学习，目标检测这些人工智能领域的东西时，绕不开一个东西就是PyTorch。这篇博客就是关于的这个环境的配置，最主要的就是讲一下在配置过程中遇到的问题。一、安装环境介绍1.安装Anaconda安装
  • 【Ubuntu新手入门2】深度学习环境配置 Anaconda+Pycharm+PyTorch 是江姑娘呀 环境配置及报错pycharm深度学习ubuntu
    @[TOC](【Ubuntu新手入门2】深度学习环境配置Anaconda+Pycharm+pytorch)，VScode安装与远程连服务器前言本系统：Ubuntu18.04，anaconda最新，Pycharm最新，PyTorch1.5/1.6/1.0安装参考：Ubuntu系统配置显卡驱动、anaconda、pytorch安装pycharm(先安anaconda再安pycharm)安装pychar
  • 深度学习环境配置(Anaconda+pytorch+pycharm+cuda) ros275229 CFpython环境配置深度学习pytorchpycharm
    NVIDIA驱动安装首先查看电脑的显卡版本，步骤为：此电脑右击-->管理-->设备管理器-->显示适配器。就可以看到电脑显卡的版本了。然后按照电脑信息，到地址去安装相应的驱动，Notebooks是笔记本的意思，然后下载即可；安装完之后，按win+r打开命令行窗口，输入以下命令:Anaconda环境的安装与配置具体详细的可以参考这一篇:Anaconda安装与配置-CSDN博客Pytorch环境安装如
  • 深度学习环境配置Anaconda+cuda+cudnn+PyTorch——李沐大神《动手学深度学习》环境配置（巨详细，持续迭代） Beyond_April 笔记PyTorch深度学习深度学习pythonpytorch人工智能
    李沐大神《动手学深度学习》安装篇——通用AI、深度学习、机器学习环境Anaconda+cuda+cudnn+Pytorch(手把手教你安装深度学习环境）——这里是GPU+PyTorch版本文章目录李沐大神《动手学深度学习》安装篇——通用AI、深度学习、机器学习环境前言一、安装原理指南二、Anaconda三、cuda+cudnn1.cuda2.cudnn四、PyTorch五、jupyternoteb
  • 李沐动手学深度学习环境配置（Win） MhjGreat 深度学习python人工智能
    环境配置（Win）一、安装MinicondaMiniconda—condadocumentation更改镜像源condanotepad.condarcpypipipconfigsetglobal.index-urlhttps://mirror.sjtu.edu.cn/pypi/web/simple二、安装Githttps://ghproxy.com/https://github.com/git-f
  • Java实现的简单双向Map，支持重复Value superlxw1234 java双向map
    关键字：Java双向Map、DualHashBidiMap     有个需求，需要根据即时修改Map结构中的Value值，比如，将Map中所有value=V1的记录改成value=V2，key保持不变。   数据量比较大，遍历Map性能太差，这就需要根据Value先找到Key，然后去修改。   即：既要根据Key找Value，又要根据Value
  • PL/SQL触发器基础及例子 百合不是茶 oracle数据库触发器PL/SQL编程
      触发器的简介; 触发器的定义就是说某个条件成立的时候，触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用，也不能调用。触发器和过程函数类似 过程函数必须要调用,   一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行, 触发时间：指明触发器何时执行，该值可取： before：表示在数据库动作之前触发
  • [时空与探索]穿越时空的一些问题 comsci 问题
          我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....       这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
  • easy ui datagrid上移下移一行 商人shang js上移下移easyuidatagrid
    /** * 向上移动一行 * * @param dg * @param row */ function moveupRow(dg, row) { var datagrid = $(dg); var index = datagrid.datagrid("getRowIndex", row); if (isFirstRow(dg, row)) {
  • Java反射 oloz 反射
    本人菜鸟，今天恰好有时间，写写博客，总结复习一下java反射方面的知识，欢迎大家探讨交流学习指教 首先看看java中的Class package demo; public class ClassTest { /*先了解java中的Class*/ public static void main(String[] args) { //任何一个类都
  • springMVC 使用JSR-303 Validation验证 杨白白 springmvc
    JSR-303是一个数据验证的规范，但是spring并没有对其进行实现，Hibernate Validator是实现了这一规范的，通过此这个实现来讲SpringMVC对JSR-303的支持。 JSR-303的校验是基于注解的，首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。 登录需要验证类 public class Login { @NotEmpty
  • log4j 香水浓 log4j
    log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE #log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML #console log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender log4
  • 使用ajax和history.pushState无刷新改变页面URL agevs jquery框架Ajaxhtml5chrome
    表现 如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时，细心的你会发现页面之间的点击是通过ajax异步请求的，同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。 是什么有这么强大的功能呢？ HTML5里引用了新的API，history.pushState和history.replaceState，就是通过
  • centos中文乱码 AILIKES centosOSssh
    一、CentOS系统访问 g.cn ，发现中文乱码。 于是用以前的方式：yum -y install fonts-chinese CentOS系统安装后，还是不能显示中文字体。我使用 gedit 编辑源码，其中文注释也为乱码。       后来，终于找到以下方法可以解决，需要两个中文支持的包： fonts-chinese-3.02-12.
  • 触发器 baalwolf 触发器
    触发器(trigger)：监视某种情况，并触发某种操作。 触发器创建语法四要素：1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete) 语法： create trigger triggerName after/before 
  • JS正则表达式的i m g bijian1013 JavaScript正则表达式
            g:表示全局（global)模式，即模式将被应用于所有字符串，而非在发现第一个匹配项时立即停止。         i:表示不区分大小写（case-insensitive）模式，即在确定匹配项时忽略模式与字符串的大小写。         m:表示
  • HTML5模式和Hashbang模式 bijian1013 JavaScriptAngularJSHashbang模式HTML5模式
            我们可以用$locationProvider来配置$location服务（可以采用注入的方式，就像AngularJS中其他所有东西一样）。这里provider的两个参数很有意思，介绍如下。 html5Mode         一个布尔值，标识$location服务是否运行在HTML5模式下。 ha
  • [Maven学习笔记六]Maven生命周期 bit1129 maven
    从mvn test的输出开始说起   当我们在user-core中执行mvn test时，执行的输出如下：   /software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
  • 【Hadoop七】基于Yarn的Hadoop Map Reduce容错 bit1129 hadoop
    运行于Yarn的Map Reduce作业，可能发生失败的点包括 Task Failure Application Master Failure Node Manager Failure Resource Manager Failure 1. Task Failure 任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
  • 记一次数据推送的异常解决端口解决 ronin47 记一次数据推送的异常解决
    　　 需求：从db获取数据然后推送到B         程序开发完成，上jboss,刚开始报了很多错，逐一解决，可最后显示连接不到数据库。机房的同事说可以ping 通。 　　  自已画了个图，逐一排除，把linux 防火墙　和　setenforce　设置最低。 　　　service iptables stop
  • 巧用视错觉-UI更有趣 brotherlamp UIui视频ui教程ui自学ui资料
    我们每个人在生活中都曾感受过视错觉（optical illusion）的魅力。 视错觉现象是双眼跟我们开的一个玩笑，而我们往往还心甘情愿地接受我们看到的假象。其实不止如此，视觉错现象的背后还有一个重要的科学原理——格式塔原理。 格式塔原理解释了人们如何以视觉方式感觉物体，以及图像的结构，视角，大小等要素是如何影响我们的视觉的。 在下面这篇文章中，我们首先会简单介绍一下格式塔原理中的基本概念，
  • 线段树-poj1177-N个矩形求边长（离散化+扫描线） bylijinnan 数据结构算法线段树
    package com.ljn.base; import java.util.Arrays; import java.util.Comparator; import java.util.Set; import java.util.TreeSet; /** * POJ 1177 (线段树+离散化+扫描线)，题目链接为http://poj.org/problem?id=1177
  • HTTP协议详解 chicony http协议
    引言                                 
  • Scala设计模式 chenchao051 设计模式scala
    Scala设计模式                我的话： 在国外网站上看到一篇文章，里面详细描述了很多设计模式，并且用Java及Scala两种语言描述，清晰的让我们看到各种常规的设计模式，在Scala中是如何在语言特性层面直接支持的。基于文章很nice，我利用今天的空闲时间将其翻译，希望大家能一起学习，讨论。翻译
  • 安装mysql daizj mysql安装
    安装mysql   (1)删除linux上已经安装的mysql相关库信息。rpm  -e  xxxxxxx   --nodeps (强制删除)      执行命令rpm -qa |grep mysql 检查是否删除干净   (2)执行命令  rpm -i MySQL-server-5.5.31-2.el
  • HTTP状态码大全 dcj3sjt126com http状态码
    完整的 HTTP 1.1规范说明书来自于RFC 2616，你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性，因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端，支持协议版本可以通过调用request
  • asihttprequest上传图片 dcj3sjt126com ASIHTTPRequest
    NSURL *url =@"yourURL"; ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url]; [currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
  • C语言中，关键字static的作用 e200702084 C++cC#
    在C语言中，关键字static有三个明显的作用： 1)在函数体，局部的static变量。生存期为程序的整个生命周期，（它存活多长时间）；作用域却在函数体内（它在什么地方能被访问（空间））。 一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区，函数调用结束后并不释放单元，但是在其它的作用域的无法访问。当再次调用这个函数时，这个局部的静态变量还存活，而且用在它的访
  • win7/8使用curl geeksun win7
    1.  WIN7/8下要使用curl，需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址：  http://curl.haxx.se/download.html 请选择不带SSL的版本，否则还需要安装SSL的支持包   2.  可以给Windows增加c
  • Creating a Shared Repository; Users Sharing The Repository hongtoushizi git
    转载自：   http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section: git init –bare git clone git remote git pull git p
  • Java实现字符串反转的8种或9种方法 Josh_Persistence 异或反转递归反转二分交换反转java字符串反转栈反转
    注：对于第7种使用异或的方式来实现字符串的反转，如果不太看得明白的，可以参照另一篇博客： http://josh-persistence.iteye.com/blog/2205768   /** * */ package com.wsheng.aggregator.algorithm.string; import java.util.Stack; /**
  • 代码实现任意容量倒水问题 home198979 PHP算法倒水
    形象化设计模式实战             HELLO!架构                     redis命令源码解析   倒水问题：有两个杯子，一个A升，一个B升，水有无限多，现要求利用这两杯子装C
  • Druid datasource zhb8015 druid
    推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证，稳定可靠。 它最重要的特点是：监控、扩展和性能。 下载和Maven配置看这里： http
  • 两种启动监听器ApplicationListener和ServletContextListener spjich javaspring框架
    引言:有时候需要在项目初始化的时候进行一系列工作，比如初始化一个线程池，初始化配置文件，初始化缓存等等，这时候就需要用到启动监听器，下面分别介绍一下两种常用的项目启动监听器   ServletContextListener  特点: 依赖于sevlet容器，需要配置web.xml 使用方法: public class StartListener implements
  • JavaScript Rounding Methods of the Math object 何不笑 JavaScriptMath
        The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(),  Math.floor(), and  Math.round() — handle rounding in differen
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他