- 微调大语言模型后,如何评估效果?一文讲清
茫茫人海一粒沙
人工智能
在做大语言模型(LLM)微调时,“怎么判断模型调得好不好”是必须回答的问题。无论是在研究、项目落地,还是面试中,评估方法都不能停留在“训练loss降了”这么简单。本文从评估目标、技术指标、业务适配、实战建议四个维度,讲清楚微调后的模型评估怎么做,为什么这么做。一,评估前,先搞清楚目标不同的微调目的,评估方式也不同:✅精调任务能力:判断模型是否更好完成分类、问答、摘要、代码生成等任务。✅领域适应:关
- 多模态大语言模型arxiv论文略读(140)
SemiHVision:EnhancingMedicalMultimodalModelswithaSemi-HumanAnnotatedDatasetandFine-TunedInstructionGeneration➡️论文标题:SemiHVision:EnhancingMedicalMultimodalModelswithaSemi-HumanAnnotatedDatasetandFine-T
- 如何实现聊天模型响应流式处理
yunwu12777
langchain
在现代人工智能应用中,流式处理聊天模型的响应成为一种常见需求,特别是在需要实时输出或大规模处理时。本文将详细介绍如何在Python中实现聊天模型的同步和异步流式处理,使用langchain库中提供的ChatAnthropic模型作为示例。技术背景介绍流式处理是指从模型逐步获取输出,而不是等待整个输出完成。这对于处理长文本生成或需要动态响应的应用场景特别有用。langchain库中的聊天模型实现了R
- 本地运行大型语言模型(LLM)的实践指南
yunwu12777
语言模型人工智能自然语言处理
技术背景介绍近年来,项目如llama.cpp、Ollama、GPT4All等的流行标志着在本地设备上运行大型语言模型(LLM)的需求日益增长。选择在本地运行LLM,至少有两个重要的好处:隐私和成本。隐私上,数据不需要发送到第三方,避免了商业服务条款的限制;成本方面,无需支付推理费用,尤其是对于那些需要大量计算的应用,如长时间的模拟和总结。核心原理解析在本地运行LLM,需要准备以下几个条件:开源LL
- CNN-GRU混合模型学习笔记
weixin_54372988
cnngru学习
GRU学习笔记CNN:卷积神经网络GRU(GateRecurrentUnit),门控循环单元CNN:卷积神经网络3个组成部分:1.卷积层——提取图像局部特征2.池化层——降维(防止过拟合)3.全连接层——输出结果一个卷积核扫完整张图片,得到每个小区域的特征值具体应用中通常有多个卷积核CNN可能有多层结构,如LeNet-5:卷积层–池化层–卷积层–池化层–卷积层–全连接层处理时间序列(1D序列):(
- 解锁UV工具新玩法:让Python脚本运行更高效的实用技巧
marao
pythonuv深度学习开发语言人工智能
作为Python开发者,你是否经常被依赖安装的漫长等待、虚拟环境的繁琐管理,或是脚本分享时“环境不一致”的问题困扰?近年来,一款名为UV的工具悄然兴起,它不仅以极速安装依赖著称,更通过一系列创新设计重构了Python脚本的运行逻辑。本文主要介绍UV的三大实用技巧,从“依赖即代码”到“动态环境隔离”,体验真正“即写即跑”的高效开发模式。1.极速启动:1秒搞定依赖安装,告别虚拟环境烦恼传统Python
- TVFEMD-CPO-TCN-BiLSTM多输入单输出模型
微光-沫年
matlab回归机器学习
47-TVFEMD-CPO-TCN-BiLSTM多输入单输出模型适合单变量,多变量时间序列预测模型(可改进,加入各种优化算法)时变滤波的经验模态分解TVFEMD时域卷积TCN双向长短期记忆网络BiLSTM时间序列预测模型另外以及有TCN-BILSTMTCN-LSTMTCN-BiLSTM-ATTENTION等!(此不包含在内,另算的!)Matlab代码!
- CPO-CNN-GRU-Attention、CNN-GRU-Attention、CPO-CNN-GRU、CNN-GRU四模型多变量时序预测对比
Matlab科研辅导帮
cnngru人工智能
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。个人主页:Matlab科研工作室个人信条:格物致知,求助可私信。内容介绍多变量时序预测在诸多领域扮演着至关重要的角色,例如金融、气象和工业控制等。近年来,深度学习方法在时序预测任务中取得了显著的进展。本文旨在系统地比较四种基于卷积神经网络(CNN)和循环神经网络(GRU)的不同架构,包
- 【STM32】USART串口协议&串口外设
对error说不
stm32嵌入式硬件单片机
✅作者简介:热爱科研的嵌入式开发者,修心和技术同步精进❤欢迎关注我的知乎:对error视而不见代码获取、问题探讨及文章转载可私信。☁愿你的生命中有够多的云翳,来造就一个美丽的黄昏。获取更多嵌入式资料可点击链接进群领取,谢谢支持!点击领取更多详细资料一、引言在嵌入式系统开发里,设备间的通信是关键环节。串口通信由于其实现简单、成本低廉等特性,被广泛应用于各类设备之间的数据传输。STM32系列微控制器具
- Python包管理新纪元:极速工具 uv 完全指南(2025最新版)
coder_风逝
Python数据挖掘分析pythonuv开发语言
作为Python开发者,你是否还在忍受pip缓慢的依赖解析速度?是否厌倦了在virtualenv、pip-tools和poetry之间来回切换?今天我要向大家介绍一款革命性的工具—uv,它将彻底改变你的Python开发体验!一、uv是什么?uv是由打造了Ruff(Python超速Linter)的Astral团队开发的全新Python包管理工具,基于Rust编写,旨在成为"Python界的Cargo
- 构建私有视觉搜索应用:多模态大模型的应用实例
2301_80727036
自然语言处理
在当今的科技时代,视觉搜索功能已经不再是新鲜事物,许多智能手机用户都可以通过自然语言搜索照片。随着开源多模态大型语言模型(Multi-modalLLMs)的兴起,我们现在可以为自己构建这种视觉搜索应用,用于管理自己的私人照片收藏。本教程将向您展示如何通过代码示例,使用开源多模态LLM构建私有视觉搜索和问答系统。技术背景介绍多模态大模型结合了文本和图像处理能力,使得我们可以开发更智能的应用程序。通过
- zookeeper Curator(5):集群架构和集群搭建
后会无期77
zookeeperCuratorzookeeper架构分布式
文章目录一、集群架构:Leader-Follower模式二、核心机制:ZAB协议三、Leader选举机制四、集群部署要点五、优势与挑战Zookeeper集群是一个由多个Zookeeper服务实例组成的分布式协调服务系统,通过奇数个节点(通常3、5、7个)的协作,提供高可用性、容错性和数据一致性,适用于分布式环境下的配置管理、命名服务、分布式锁等场景。以下从架构、核心机制、选举机制、数据模型、应用场
- 我是如何在一周内拿到4份offer的?
yoyo小小汐~
软件测试面试软件测试程序员测试工程师简历
前言我大概面试了6,7家公司吧,有大公司也有小公司,最后拿到4家offer,可能有的人看到这样的数据,会说我在吹牛*,我想说的是你做不到的事情不代表别人做不到。现在把我是如何在一周内拿到4份offer的经验和经历做个简单的介绍,分享一下自己的心得,希望对即将找工作的你有些帮助。面试准备简历简历是面试者的敲门砖,只有通过HR的初步筛选你才能有机会得到面试,所以简历还是一大关。说实话我也不确定我的简历
- AI人工智能助力空间智能领域提升运营效率
AI智能探索者
AIAgent智能体开发实战人工智能网络ai
AI人工智能助力空间智能领域提升运营效率关键词:AI人工智能、空间智能领域、运营效率、智能算法、数据驱动摘要:本文聚焦于AI人工智能在空间智能领域的应用,旨在探讨其如何助力该领域提升运营效率。首先介绍了空间智能领域的背景和相关概念,阐述了AI在其中的核心作用和原理。接着详细讲解了相关核心算法,并结合数学模型进行分析。通过项目实战案例展示了AI在空间智能领域的具体应用和实现方式。同时探讨了实际应用场
- DeepSeek:AI驱动的效率革命与实战案例解
weixin_45788582
人工智能aiDeepSeek
在人工智能技术的浪潮中,DeepSeek作为一款专注实现AGI(通用人工智能)的先锋工具,正通过其强大的自然语言处理(NLP)与分布式计算能力,重新定义高效办公的边界。以下通过技术解析与实战案例,展现DeepSeek如何赋能个人与企业,开启职场效率革命。一、技术革新:DeepSeek的核心竞争力深度学习赋能DeepSeek的技术架构基于BERT、Transformer等先进深度学习模型,通过构建复
- 如何让人工智能使你的工作效率一日千里
南风过闲庭
人工智能aipython
1.自动化重复性任务1.1识别并自动化日常任务提高工作效率的首要步骤是识别日常工作中重复性高且耗时的任务。根据麦肯锡全球研究院的报告,知识工作者大约有40%的时间花费在此类任务上。通过自动化这些任务,员工可以将更多时间投入到需要创造性思维和复杂决策的工作上。数据支持:一项针对500名知识工作者的调查显示,通过自动化日常任务,平均每天可以节省2小时的工作时间。这些任务包括数据录入、文件整理、邮件分类
- AI驱动的智能电网:平衡供需提高效率
AI智能应用
AI大模型应用入门实战与进阶javapythonjavascriptkotlingolang架构人工智能
智能电网,AI,机器学习,预测模型,优化算法,供需平衡,能源效率1.背景介绍随着全球能源需求的不断增长和可再生能源的快速发展,传统电网面临着越来越多的挑战。传统的电网结构是集中式供电,难以适应分布式能源的接入和负荷需求的波动性。智能电网应运而生,它利用先进的通信技术、传感器网络和数据分析技术,实现电网的自动化、智能化和可视化,从而提高电网的可靠性、效率和安全性。人工智能(AI)作为一种新兴技术,在
- 从用户日志到智能宏:我的BFS寻宝奇遇记(2014. 重复 K 次的最长子序列)
满分观察网友z
算法解构与应用算法
从用户日志到智能宏:我的BFS寻宝奇遇记大家好,我是一个在代码世界里摸爬滚打了N年的老兵。今天想和大家聊聊最近在项目中遇到的一个棘手问题,以及我是如何用一个看似“学院派”的算法——广度优先搜索(BFS)——漂亮地解决它的。这趟旅程有“踩坑”的窘迫,也有“恍然大悟”的喜悦,希望能给同在路上的你带来一些启发。一、我遇到了什么问题?一个“善解人意”的功能我所在的团队正在开发一款面向设计师的创意软件。为了
- [插电式混合动力车辆][交替方向乘子法(ADMM)结合CVX]插电式混合动力车辆的能源管理:基于凸优化算法用于模型预测控制MPC研究(Matlab代码实现)
程序辅导帮
算法matlab人工智能
欢迎来到本博客❤️❤️博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。⛳️座右铭:行百里者,半于九十。本文目录如下:目录⛳️赠与读者1概述2运行结果3参考文献4Matlab代码、数据、文章⛳️赠与读者做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时
- 同花顺python_【本地直连】同花顺 Python量化交易接口上线
weixin_39938724
同花顺python
来源:雪球App,作者:私募之家THS,(https://xueqiu.com/5808549553/129022113)导读:同花顺智能交易终端MindGo版已上线2年多,凭借着同花顺深厚的技术底蕴,不断地对终端进行优化。至今,已服务近1000位个人客户,超过200家私募机构,市场份额不断扩大。目前终端已实现:支持股票、指数、基金、期货、外汇、黄金T+D等6个品种日/分钟级策略回测投研策略无缝对
- ai工具推荐系列:文生图,图生图工具liblibAi
风生水气
ai应用体验人工智能深度学习神经网络
在ai应用泛滥的今天,你是否也想通过简单的描述来创作一张这样高质量的图片?你可能听过一些比较知名软件,比如Midjourney,Stability.ai等,但是这些软件在国内访问起来都不是很方便。今天推荐一个国内可以访问的且可以生成较高自由度的图片生成工具---liblibAi。相比于国内其他的文生图,图生图工具,它拥有更多的参数可供调节,可以从不同粒度约束图片最终的生成效果。对于专业的同学来说更
- [大A量化专栏] 独家梳理-A股周末消息汇总-20250630
心心喵
大A量化专栏金融
短期ST板块博弈机会政策催化主板ST股涨跌幅放宽至10%,与普通股一致(*ST华光、ST新研弹性大)。风险提示需严格筛选“摘帽预期强+业绩改善”标的,避免退市风险。稳定币/数字人民币香港政策落地8月1日《稳定币条例》生效,关注HB股份(硬件钱包)、JBF(银行IT改造)。上海地铁试点数字人民币“碰一碰”全线网覆盖,CTL(交通支付场景)受益明确。充电宝新规3C认证强制化维K技术(半固态电芯)、安K
- 2025年上半年软考系统架构设计师--案例分析试题与答案
不对法
计算机软考机考系统架构
必选题一:大模型训练系统某公司开发一个在线大模型训练平台,支持Python代码编写、模型训练和部署,用户通过python编写模型代码,将代码交给系统进行模型代码的解析,最终由系统匹配相应的计算机资源进行输出,用户不需要关心底层硬件平台。a.系统发生错误时,不影响正常运行时发送一个消息给系统管理员(可靠性。ps:可靠性中包括了健壮性:指的是保护应用程序不受错误使用和错误输入的影响,在发生意外错误事件
- 【全网最快,不服来战,输了叫大哥】Ubuntu 22.04安装Docker
逆羽飘扬
Docker学习ubuntudockerlinux
文章目录Docker的安装快速绿色安装Docker正常安装Docker报错解决完全卸载Docker其他问题解决方法参考博客点此到文末惊喜↩︎Docker的安装特别鸣谢,这位大佬写的非常好:https://blog.csdn.net/weixin_42571882/article/details/134015815比我速度快、简单且稳定的,评论区给我你的博客,输了叫你大哥快速绿色安装Docker选择
- AI 技术&AI开发框架
34号树洞
人工智能深度学习人工智能机器学习NLPGAI
目录一、AI技术及其开发框架1.AI技术分类与代表方向2.主流AI开发框架3.AI应用开发流程简述4.补充:基础依赖与生态二、AI技术方向1.机器学习(MachineLearning,ML)✦核心概念:✦关键方法:✦应用案例:2.深度学习(DeepLearning,DL)✦核心概念:✦网络结构举例:✦技术趋势:3.自然语言处理(NLP)✦核心任务:✦代表模型:4.计算机视觉(ComputerVis
- LGTM?Github中那些迷之缩写
SunTecTec
github
PR:PullRequest.拉取请求,给其他项目提交代码LGTM:LooksGoodToMe.朕知道了代码已经过review,可以合并SGTM:SoundsGoodToMe.和上面那句意思差不多,也是已经通过了review的意思WIP:WorkInProgress.传说中提PR的最佳实践是,如果你有个改动很大的PR,可以在写了一部分的情况下先提交,但是在标题里写上WIP,以告诉项目维护者这个功能
- Dify实现图文混排的智能问答实践
一望无际的大草原
Dify高级应用工作总结Agent数据分析agent智能客服
最近在做类似于各大平台中广泛应用的智能客服,相当于基于各平台的用户操作手册,业务流程场景等文档资料,开发一个类似于智能客服的自动化问答应用。主要基于dify进行开发,但对数据有些特殊要求,之前大家做的都是基于文本的,结合大模型返回的结果主要也是文本信息,这种方式不够直观全面,也有信息丢失,同时,一般这些资料中都包含了大量的图文结合内容,很多问题的答复需要结合图像进行答复更加直观,因此对其进行简单的
- 建议是先把base完全搞懂
weixin_47868976
Web云存储项目网络
并发编程日志系统啥的我只了解了一点点直接从网络层入手这个项目可行么?底层base模块没搞懂从web开始合理么?你的担心很有道理!让我来分析一下学习路径的可行性,并给你一个合理的学习建议。一、项目依赖关系分析1.模块依赖层次application/(应用层)↓强依赖net/(网络层)↓强依赖base/(基础层)↓强依赖系统调用(LinuxAPI)2.具体依赖关系Rantool从依赖分析可以看出,网络
- 同步日志系统深度解析【链式调用】【宏定义】【固定缓冲区】【线程局部存储】【RAII】
weixin_47868976
链表python
你的理解完全正确!让我结合你的项目,深入讲解同步日志的实现原理和代码。同步日志系统深度解析开始之前:没有必要一行一行理解!没有必要一行一行理解!我建议你采用更高效的学习策略:一、学习策略建议重点理解核心概念和设计思路//只需要理解这些核心概念:1.RAII模式:构造函数获取资源,析构函数释放资源2.链式调用:operatorstream()output();//手动调用输出deletelogger
- 数据分析案例-全球表面温度数据可视化与统计分析
艾派森
数据分析信息可视化python数据分析数据挖掘
♂️个人主页:@艾派森的个人主页✍作者简介:Python学习者希望大家多多支持,我们一起进步!如果文章对你有帮助的话,欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22
[email protected]
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla