- 从零推导线性回归:最小二乘法与梯度下降的数学原理
Echo-Nie
机器学习机器学习线性回归人工智能梯度下降数学推导
欢迎来到我的主页:【Echo-Nie】本篇文章收录于专栏【机器学习】本文所有内容相关代码都可在以下仓库中找到:Github-MachineLearning1线性回归1.1什么是线性回归线性回归是一种用来预测和分析数据之间关系的工具。它的核心思想是找到一条直线(或者一个平面),让这条直线尽可能地“拟合”已有的数据点,通过这条直线,我们可以预测新的数据。eg:假设你想预测房价,你知道房子的大小(面积)
- 在计算机上本地运行 Deepseek R1
itmanll
linux
DownloadOllamaonLinuxDownloadOllamaonWindowsDownloadOllamaonmacOSDeepseekR1是一个强大的人工智能模型,在科技界掀起了波澜。它是一个开源语言模型,可以与GPT-4等大玩家展开竞争。但更重要的是,与其他一些模型不同,您可以在自己的计算机上本地运行DeepseekR1。linux步骤第1步:下载Ollama并安装curl-fsSL
- 机器学习入门——机器学习基本概念
四月是你的
机器学习
@机器学习什么是机器学习机器学习(MachineLearning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎简单来说机器学习就是机
- DeepSeek R1模型基于ollama部署
&Dirac
机器学习笔记python语言模型nlp
DeepSeekR1模型基于ollama部署1、安装部署ollama(windows)2、在ollama中使用deepseekr13、问答示例4、python调用接口5、ollama常用命令1、安装部署ollama(windows)Ollama是一个专为本地机器设计的开源框架,旨在简化大型语言模型(LLM)的部署和运行过程。它提供了一套工具和命令,使用户能够轻松地下载、管理和运行各种语言模型,包括
- 【llm对话系统】RL强化学习的技术演进与RLHF
kakaZhui
人工智能chatgptllama
一、强化学习基础知识强化学习(ReinforcementLearning,RL)是一种机器学习方法,它通过智能体(Agent)与环境(Environment)的交互来学习如何行动以最大化累积奖励(Reward)。1.核心概念:智能体(Agent):做出决策并采取行动的学习者。环境(Environment):智能体所处的外部世界,对智能体的行动做出反应。状态(State,S):对环境当前情况的描述。
- 解决elementui的dialog对话框过高会被拖动的bug
_best
前端elementuivue.jsjavascript
在使用elementUI过程中,当dialog对话元素过多长处浏览器高度是,点击标题就会跳成如下图这样,上方会被遮挡且无法拖动上去:解决方法是通过设置css固定top及left禁止拖动,核心css代码:/deep/.el-dialog{top:15%!important;left:0!important;}
- OpenAI掀桌子!免费版ChatGPT,提供o3-mini模型!
TGITCIC
AI-大模型的落地之道chatgpt人工智能
逆天免费用今天凌晨,OpenAI联合创始人兼首席执行官SamAltman宣布了一个大消息——免费版ChatGPT,将提供o3-mini模型!网页们纷纷不淡定了看来OpenAI,这o3-mini还没正式上线呢,就免费开放使用了。不过还是要感谢一下中国大模型界的开源英雄DeepSeek。正是R1的开源才让OpenAI有了危机感,开始放大福利了。有网友就直接问Altman怎么看待DeepSeek的R1模
- 龙蜥社区落地开源生态发展合作倡议新进展,推出内核 kABI 和配置统一规范
操作系统开源
为共同推动做强做优做大创新操作系统生态,积极响应由龙蜥(OpenAnolis)、开源欧拉(openEuler)、鸥栖(OpenCloudOS)、开放麒麟(openKylin)以及深度(deepin)五大操作系统开源社区联合发起的开源生态发展合作倡议,龙蜥社区在操作系统构建工程落地取得新进展,彰显了龙蜥社区致力于构建一个更加开放、繁荣、安全、高效的全球开源生态系统的坚定承诺。在广泛征求操作系统企业及
- 【无标题】使用ollama配置本地模型(命令行使用)
亭亦青
llama
1.下载ollamaOllama进入官网后,点击下载2.检查是否配置成功输入ollama-h命令3.下载deepseek-r1模型左边选择模型大小,我这里使用1.5b,这里的b指的是一个模型的参数规模,即“billion”(10亿)个参数,通常参数越多,模型的表现潜力也越强。右侧复制命令,在命令行输入就可以了,等待下载完成4.命令行使用本地模型
- XQuery 添加元素 和属性
fengshou1
node.js
向结果添加元素和属性正如在前面一节看到的,我们可以在结果中引用输入文件中的元素和属性:for$xindoc("books.xml")/bookstore/book/titleorderby$xreturn$x上面的XQuery表达式会在结果中引用title元素和lang属性,就像这样:EverydayItalianHarryPotterLearningXMLXQueryKickStart以上XQu
- CVPR 2024 人脸方向总汇(人脸识别、头像重建、人脸合成和3D头像等)
点云SLAM
图形图像处理深度学习计算机视觉3D人脸人脸识别头像重建
1、Face(人脸)UnsupervisedGazeRepresentationLearningfromMulti-viewFaceImagesToonerGAN:ReinforcingGANsforObfuscatingAutomatedFacialIndexingPairDETR:JointDetectionandAssociationofHumanBodiesandFacesNeuralIm
- 《DeepSeek R1:开源大模型的破局者》
空云风语
神经网络人工智能深度学习人工智能开源
惊爆!中国开源大模型震撼登场在人工智能领域的激烈竞争中,一场震撼全球的技术革命正悄然发生。2025年1月20日晚,一家来自中国的人工智能初创公司——DeepSeek(深度求索),如同一颗耀眼的新星,划破了AI世界的夜空,发布了其最新推理模型DeepSeek-R1正式版。这一消息迅速在全球范围内引发了轩然大波,犹如巨石投入平静的湖面,激起千层浪。消息一经传出,各大科技媒体纷纷将其置于头条位置,相关报
- 利用MMDetection进行模型微调和权重初始化
MickeyCV
目标检测深度学习目标检测计算机视觉python
目录模型微调修改第一处:更少的训练回合Epoch修改第二处:更小的学习率LearningRate修改第三处:使用预训练模型权重初始化实际使用案例init_cfg的具体使用规则初始化器配置汇总本文基于MMDetection官方文档,对模型微调和权重初始化进行第三方讲解。模型微调在COCO数据集上预训练的检测器可以作为其他数据集优质的预训练模型。微调超参数与默认的训练策略不同。它通常需要更小的学习率和
- 自主学习与自然语言处理的融合:实现更智能的聊天机器人
AI天才研究院
LLM大模型落地实战指南大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA
1.背景介绍自主学习(autonomouslearning)是一种学习方法,它允许机器人或计算机系统在没有人类干预的情况下自行学习和改进。自主学习可以帮助机器人或计算机系统更好地适应新的环境和任务,提高其智能性和效率。自然语言处理(naturallanguageprocessing,NLP)是计算机科学和人工智能领域的一个分支,它涉及计算机如何理解、处理和生成人类语言。自主学习与自然语言处理的融合
- 英伟达DeepStream学习笔记39———使用netplan固定ip
翟羽嚄
英伟达TX2/Xavier/deepstream开发学习linux运维
英伟达DeepStream学习笔记39———使用netplan固定ip简介●介绍Netplan是一个在linux系统上轻松配置网络的实用工具。您只需创建所需网络接口的YAML描述以及每个接口应配置的功能。根据此描述,Netplan将为您选择的渲染器工具生成所有必要的配置。●原理Netplan从/etc/Netplan/*.yaml读取网络配置,这些文件由管理员、安装人员、云映像实例化或其他操作系统
- Python 安装库报错 “python setup.py egg_info did not run successfully.“
SmallerFL
其他问题fixMac环境设置安装Python相关python开发语言人工智能nlp
文章目录1.Python安装库报错2.问题解决3.参考1.Python安装库报错有时Python用pipinstall安装库的时候会报错,pythonsetup.pyegg_infodidnotrunsuccessfully.,我在安装deepspeed报错示例如下:Preparingmetadata(setup.py)...errorerror:subprocess-exited-with-er
- 一文读懂:AI 工具 Cursor、DeepSeek 和 Copilot 的区别与使用方法
AI云极
【AI智能系列】人工智能copilot
在人工智能技术迅猛发展的今天,各类AI工具层出不穷,为编程、搜索、写作等领域带来了极大的便利。今天,我们将深入介绍三款备受瞩目的AI工具:Cursor、DeepSeek和Copilot。它们各有特色,适合不同场景。想知道它们之间有哪些区别?又该如何使用?一起往下看!一、什么是Cursor、DeepSeek和Copilot?1.CursorCursor是一款专为程序员打造的智能代码编辑工具,结合AI
- 蓝桥杯真题 - 翻转 - 题解
ExRoc
蓝桥杯算法c++
题目链接:https://www.lanqiao.cn/problems/3520/learning/个人评价:难度1星(满星:5)前置知识:无整体思路贪心,除了第一位跟最后一位,其它字符,每当S[i]≠T[i]S[i]\neqT[i]S[i]=T[i]时,能换则换;为什么可以贪心?因为如果某段连续的数字为101101101或者010010010,在被修改之后变为111111111或者00000
- 蓝桥杯真题 - 三国游戏 - 题解
ExRoc
蓝桥杯算法c++
题目链接:https://www.lanqiao.cn/problems/3518/learning/个人评价:难度2星(满星:5)前置知识:贪心整体思路先假设魏蜀吴中的某一个势力最终获胜的情况下,如何求出事件发生的最大数量,最后枚举三个势力获胜的情况取最大值就是答案;假设魏国最终胜利,那最好是让已发生的事件中AiA_iAi的和尽可能大于Bi+CiB_i+C_iBi+Ci的和,大得越多越优先选择让
- 【AI工具】夸克AI试用:分析DeepSeek-V3技术报告
bylander
AI工具AI学习AI论文阅读人工智能学习gpt
安装了夸克AI,试用了一下AI总结功能,导入了DeepSeekV3的技术报告,使用了文章总结、问题提问、脑图、大纲等功能还不错,尤其是几个问题提问,回答的都不错,而且数学公司都是标准的markdown格式,不乱码,这一点就比其他的AI工具强。下面是分析的具体内容》AI文件总结DeepSeek-V3技术报告分析报告引言DeepSeek-V3是一个拥有6710亿参数的专家混合(MoE)语言模型,每次生
- 总结8..
挽清和
c语言
#include//定义结构体表示二叉树节点,包含左右子节点编号structnode{intl;intr;}tree[100000];//全局变量记录二叉树最大深度,初始为0intans=0;//深度优先搜索函数//pos:当前节点在数组中的位置,deep:当前深度voiddfs(intpos,intdeep){//若为叶子节点if(tree[pos].l==0&&tree[pos].r==0){
- el-tree,父节点的复选框不显示
timoingff
前端javascripthtml
对父节点的选择框禁用关键代码:computed:{defaultProps(){return{children:'children',label:'label',disabled:(data,node)=>{//isDir-判断是否为父节点returndata&&data.isDir}}}}//取消禁用样式/deep/[aria-disabled=true]>.el-tree-node__cont
- 组会20220616
m0_61799349
研究生组会深度学习计算机视觉神经网络
安装、使用Ubuntu系统花费了一定的时间2.看结肠镜息肉检测的论文wang.改进DeepLabv3+网络的肠道息肉分割方法[J].计算机科学与探索.2020.14(7):1673-9418Jhaetal.,"ResUNet++:AnAdvancedArchitectureforMedicalImageSegmentation,"2019IEEEInternationalSymposiumonMu
- 深度ResUnet与ResUnet++:新一代的语义分割神器
倪澄莹George
深度ResUnet与ResUnet++:新一代的语义分割神器去发现同类优质开源项目:https://gitcode.com/在这个数据驱动的时代,深度学习模型在图像处理领域展现出了强大的潜力,尤其是在语义分割任务中。今天,我们向您推荐一个基于PyTorch实现的开源项目——DeepResUnet和ResUnet++。这两个模型源自于学术界的最新研究,旨在提高图像分割的准确性和效率。项目介绍这个开源
- 医学类 使用TransUNet、UNet、DeepLabV3+、HRNet、PSPNet 模型对息肉分割数据集进行训练、评估和可视化 EDD2020息肉数据集分割数据集
计算机C9硕士_算法工程师
数据集语义分割医学类数据集语义分割息肉TransUNetUNet
息肉数据集/息肉瘤分割项目解决(已处理好:EDD2020数据集(EndoscopyDiseaseDetectionandSegmentationChallenge)该息肉分割数据集主要包含人体生长的(肠胃)息肉用于器官内部息肉瘤分割,息肉目标检测,息肉定位任务息肉分割是一个重要的医学影像分析任务,特别是在内窥镜检查中。EDD2020数据集是一个很好的起点。我们将使用几种流行的深度学习模型(如Tra
- Windows 11安装DeepSpeed报错(Unable to pre-compile async_io)已解决
day_day_up1
python机器学习计算机视觉
Windows11安装DeepSpeed报错(Unabletopre-compileasync_io)问题解决_pipinstalldeepspeed报错-CSDN博客
- 深度学习中高斯噪声:为什么以及如何使用
小白学视觉
深度学习人工智能
点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达来源:DeepHubIMBA本文约1800字,建议阅读8分钟高斯噪声是深度学习中用于为输入数据或权重添加随机性的一种技术。在数学上,高斯噪声是一种通过向输入数据添加均值为零和标准差(σ)的正态分布随机值而产生的噪声。正态分布,也称为高斯分布,是一种连续概率分布,由其概率密度函数(PDF)定义:pdf(x)=(1/(σ*sqrt(
- 智能推理的革命:DeepSeek-R1 深度解析其算法与实现
步子哥
算法人工智能
在人工智能(AI)领域,语言模型(LargeLanguageModels,LLMs)正以惊人的速度发展,变得越来越智能,能够理解和生成复杂的语言内容。然而,尽管现有的模型在许多任务上表现出色,它们在深度推理和逻辑思维方面仍有显著的提升空间。DeepSeek-R1的出现,正是为了解决这一问题,通过强化学习(ReinforcementLearning,RL)赋予语言模型更强大的推理能力,开创了LLMs
- KNOWLEDGE UNLEARNING FOR MITIGATING PRIVACY RISKS IN LANGUAGE MODELS
绒绒毛毛雨
语言模型人工智能自然语言处理
文章目录摘要1引言2相关工作2.1语言模型的隐私方法2.2机器去学习2.3语言模型中的记忆3语言模型中的知识去学习3.1方法论3.2量化语言模型的隐私风险4实验4.1模型、数据集和配置4.2主要实验4.3知识去学习的分析5结论摘要预训练语言模型(LMs)在初始预训练过程中记忆了大量知识,包括可能侵犯个人隐私和身份的信息。以往针对语言模型隐私问题的研究主要集中在数据预处理和差分隐私方法上,这两者都需
- 机器学习与分布式机器学习_经理人的机器学习–您需要知道的
cumian8165
算法神经网络大数据编程语言python
机器学习与分布式机器学习Ifyouaremanagingatechteamasaproductorprojectmanager,hereiswhatyouneedtoknowaboutmachinelearning.如果您要以产品或项目经理的身份管理技术团队,这是您需要了解的有关机器学习的知识。Machinelearninganddeeplearninghavebeenpopularbuzzwor
- ViewController添加button按钮解析。(翻译)
张亚雄
c
<div class="it610-blog-content-contain" style="font-size: 14px"></div>// ViewController.m
// Reservation software
//
// Created by 张亚雄 on 15/6/2.
- mongoDB 简单的增删改查
开窍的石头
mongodb
在上一篇文章中我们已经讲了mongodb怎么安装和数据库/表的创建。在这里我们讲mongoDB的数据库操作
在mongo中对于不存在的表当你用db.表名 他会自动统计
下边用到的user是表明,db代表的是数据库
添加(insert):
- log4j配置
0624chenhong
log4j
1) 新建java项目
2) 导入jar包,项目右击,properties—java build path—libraries—Add External jar,加入log4j.jar包。
3) 新建一个类com.hand.Log4jTest
package com.hand;
import org.apache.log4j.Logger;
public class
- 多点触摸(图片缩放为例)
不懂事的小屁孩
多点触摸
多点触摸的事件跟单点是大同小异的,上个图片缩放的代码,供大家参考一下
import android.app.Activity;
import android.os.Bundle;
import android.view.MotionEvent;
import android.view.View;
import android.view.View.OnTouchListener
- 有关浏览器窗口宽度高度几个值的解析
换个号韩国红果果
JavaScripthtml
1 元素的 offsetWidth 包括border padding content 整体的宽度。
clientWidth 只包括内容区 padding 不包括border。
clientLeft = offsetWidth -clientWidth 即这个元素border的值
offsetLeft 若无已定位的包裹元素
- 数据库产品巡礼:IBM DB2概览
蓝儿唯美
db2
IBM DB2是一个支持了NoSQL功能的关系数据库管理系统,其包含了对XML,图像存储和Java脚本对象表示(JSON)的支持。DB2可被各种类型的企 业使用,它提供了一个数据平台,同时支持事务和分析操作,通过提供持续的数据流来保持事务工作流和分析操作的高效性。 DB2支持的操作系统
DB2可应用于以下三个主要的平台:
工作站,DB2可在Linus、Unix、Windo
- java笔记5
a-john
java
控制执行流程:
1,true和false
利用条件表达式的真或假来决定执行路径。例:(a==b)。它利用条件操作符“==”来判断a值是否等于b值,返回true或false。java不允许我们将一个数字作为布尔值使用,虽然这在C和C++里是允许的。如果想在布尔测试中使用一个非布尔值,那么首先必须用一个条件表达式将其转化成布尔值,例如if(a!=0)。
2,if-els
- Web开发常用手册汇总
aijuans
PHP
一门技术,如果没有好的参考手册指导,很难普及大众。这其实就是为什么很多技术,非常好,却得不到普遍运用的原因。
正如我们学习一门技术,过程大概是这个样子:
①我们日常工作中,遇到了问题,困难。寻找解决方案,即寻找新的技术;
②为什么要学习这门技术?这门技术是不是很好的解决了我们遇到的难题,困惑。这个问题,非常重要,我们不是为了学习技术而学习技术,而是为了更好的处理我们遇到的问题,才需要学习新的
- 今天帮助人解决的一个sql问题
asialee
sql
今天有个人问了一个问题,如下:
type AD value
A  
- 意图对象传递数据
百合不是茶
android意图IntentBundle对象数据的传递
学习意图将数据传递给目标活动; 初学者需要好好研究的
1,将下面的代码添加到main.xml中
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http:/
- oracle查询锁表解锁语句
bijian1013
oracleobjectsessionkill
一.查询锁定的表
如下语句,都可以查询锁定的表
语句一:
select a.sid,
a.serial#,
p.spid,
c.object_name,
b.session_id,
b.oracle_username,
b.os_user_name
from v$process p, v$s
- mac osx 10.10 下安装 mysql 5.6 二进制文件[tar.gz]
征客丶
mysqlosx
场景:在 mac osx 10.10 下安装 mysql 5.6 的二进制文件。
环境:mac osx 10.10、mysql 5.6 的二进制文件
步骤:[所有目录请从根“/”目录开始取,以免层级弄错导致找不到目录]
1、下载 mysql 5.6 的二进制文件,下载目录下面称之为 mysql5.6SourceDir;
下载地址:http://dev.mysql.com/downl
- 分布式系统与框架
bit1129
分布式
RPC框架 Dubbo
什么是Dubbo
Dubbo是一个分布式服务框架,致力于提供高性能和透明化的RPC远程服务调用方案,以及SOA服务治理方案。其核心部分包含: 远程通讯: 提供对多种基于长连接的NIO框架抽象封装,包括多种线程模型,序列化,以及“请求-响应”模式的信息交换方式。 集群容错: 提供基于接
- 那些令人蛋痛的专业术语
白糖_
springWebSSOIOC
spring
【控制反转(IOC)/依赖注入(DI)】:
由容器控制程序之间的关系,而非传统实现中,由程序代码直接操控。这也就是所谓“控制反转”的概念所在:控制权由应用代码中转到了外部容器,控制权的转移,是所谓反转。
简单的说:对象的创建又容器(比如spring容器)来执行,程序里不直接new对象。
Web
【单点登录(SSO)】:SSO的定义是在多个应用系统中,用户
- 《给大忙人看的java8》摘抄
braveCS
java8
函数式接口:只包含一个抽象方法的接口
lambda表达式:是一段可以传递的代码
你最好将一个lambda表达式想象成一个函数,而不是一个对象,并记住它可以被转换为一个函数式接口。
事实上,函数式接口的转换是你在Java中使用lambda表达式能做的唯一一件事。
方法引用:又是要传递给其他代码的操作已经有实现的方法了,这时可以使
- 编程之美-计算字符串的相似度
bylijinnan
java算法编程之美
public class StringDistance {
/**
* 编程之美 计算字符串的相似度
* 我们定义一套操作方法来把两个不相同的字符串变得相同,具体的操作方法为:
* 1.修改一个字符(如把“a”替换为“b”);
* 2.增加一个字符(如把“abdd”变为“aebdd”);
* 3.删除一个字符(如把“travelling”变为“trav
- 上传、下载压缩图片
chengxuyuancsdn
下载
/**
*
* @param uploadImage --本地路径(tomacat路径)
* @param serverDir --服务器路径
* @param imageType --文件或图片类型
* 此方法可以上传文件或图片.txt,.jpg,.gif等
*/
public void upload(String uploadImage,Str
- bellman-ford(贝尔曼-福特)算法
comsci
算法F#
Bellman-Ford算法(根据发明者 Richard Bellman 和 Lester Ford 命名)是求解单源最短路径问题的一种算法。单源点的最短路径问题是指:给定一个加权有向图G和源点s,对于图G中的任意一点v,求从s到v的最短路径。有时候这种算法也被称为 Moore-Bellman-Ford 算法,因为 Edward F. Moore zu 也为这个算法的发展做出了贡献。
与迪科
- oracle ASM中ASM_POWER_LIMIT参数
daizj
ASMoracleASM_POWER_LIMIT磁盘平衡
ASM_POWER_LIMIT
该初始化参数用于指定ASM例程平衡磁盘所用的最大权值,其数值范围为0~11,默认值为1。该初始化参数是动态参数,可以使用ALTER SESSION或ALTER SYSTEM命令进行修改。示例如下:
SQL>ALTER SESSION SET Asm_power_limit=2;
- 高级排序:快速排序
dieslrae
快速排序
public void quickSort(int[] array){
this.quickSort(array, 0, array.length - 1);
}
public void quickSort(int[] array,int left,int right){
if(right - left <= 0
- C语言学习六指针_何谓变量的地址 一个指针变量到底占几个字节
dcj3sjt126com
C语言
# include <stdio.h>
int main(void)
{
/*
1、一个变量的地址只用第一个字节表示
2、虽然他只使用了第一个字节表示,但是他本身指针变量类型就可以确定出他指向的指针变量占几个字节了
3、他都只存了第一个字节地址,为什么只需要存一个字节的地址,却占了4个字节,虽然只有一个字节,
但是这些字节比较多,所以编号就比较大,
- phpize使用方法
dcj3sjt126com
PHP
phpize是用来扩展php扩展模块的,通过phpize可以建立php的外挂模块,下面介绍一个它的使用方法,需要的朋友可以参考下
安装(fastcgi模式)的时候,常常有这样一句命令:
代码如下:
/usr/local/webserver/php/bin/phpize
一、phpize是干嘛的?
phpize是什么?
phpize是用来扩展php扩展模块的,通过phpi
- Java虚拟机学习 - 对象引用强度
shuizhaosi888
JAVA虚拟机
本文原文链接:http://blog.csdn.net/java2000_wl/article/details/8090276 转载请注明出处!
无论是通过计数算法判断对象的引用数量,还是通过根搜索算法判断对象引用链是否可达,判定对象是否存活都与“引用”相关。
引用主要分为 :强引用(Strong Reference)、软引用(Soft Reference)、弱引用(Wea
- .NET Framework 3.5 Service Pack 1(完整软件包)下载地址
happyqing
.net下载framework
Microsoft .NET Framework 3.5 Service Pack 1(完整软件包)
http://www.microsoft.com/zh-cn/download/details.aspx?id=25150
Microsoft .NET Framework 3.5 Service Pack 1 是一个累积更新,包含很多基于 .NET Framewo
- JAVA定时器的使用
jingjing0907
javatimer线程定时器
1、在应用开发中,经常需要一些周期性的操作,比如每5分钟执行某一操作等。
对于这样的操作最方便、高效的实现方式就是使用java.util.Timer工具类。
privatejava.util.Timer timer;
timer = newTimer(true);
timer.schedule(
newjava.util.TimerTask() { public void run()
- Webbench
流浪鱼
webbench
首页下载地址 http://home.tiscali.cz/~cz210552/webbench.html
Webbench是知名的网站压力测试工具,它是由Lionbridge公司(http://www.lionbridge.com)开发。
Webbench能测试处在相同硬件上,不同服务的性能以及不同硬件上同一个服务的运行状况。webbench的标准测试可以向我们展示服务器的两项内容:每秒钟相
- 第11章 动画效果(中)
onestopweb
动画
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- windows下制作bat启动脚本.
sanyecao2314
javacmd脚本bat
java -classpath C:\dwjj\commons-dbcp.jar;C:\dwjj\commons-pool.jar;C:\dwjj\log4j-1.2.16.jar;C:\dwjj\poi-3.9-20121203.jar;C:\dwjj\sqljdbc4.jar;C:\dwjj\voucherimp.jar com.citsamex.core.startup.MainStart
- Java进行RSA加解密的例子
tomcat_oracle
java
加密是保证数据安全的手段之一。加密是将纯文本数据转换为难以理解的密文;解密是将密文转换回纯文本。 数据的加解密属于密码学的范畴。通常,加密和解密都需要使用一些秘密信息,这些秘密信息叫做密钥,将纯文本转为密文或者转回的时候都要用到这些密钥。 对称加密指的是发送者和接收者共用同一个密钥的加解密方法。 非对称加密(又称公钥加密)指的是需要一个私有密钥一个公开密钥,两个不同的密钥的
- Android_ViewStub
阿尔萨斯
ViewStub
public final class ViewStub extends View
java.lang.Object
android.view.View
android.view.ViewStub
类摘要: ViewStub 是一个隐藏的,不占用内存空间的视图对象,它可以在运行时延迟加载布局资源文件。当 ViewSt