gefeng1209
gefeng1209

循环神经网络(RNN)

1.为什么需要循环神经网络

普通神经网络适合固定长度的数据

对于长度不固定的输入问题，即序列式问题，需要循环神经网络

循环神经网络可以解决的问题:

  • 1对多:输入图片生成不定长的文字描述
  • 多对1:输入不定长的文本分类(文本情感分析)
  • 多对多:机器翻译
  • 实时多对多:视频解说，实时翻译
循环神经网络(RNN)_第1张图片 普通神经网络

 

循环神经网络(RNN)_第2张图片 1对多 循环神经网络(RNN)_第3张图片 多对1 循环神经网络(RNN)_第4张图片 多对多 循环神经网络(RNN)_第5张图片 实时多对多

 

 

 

 

 

 

 

 

 

 

 

2.循环神经网络

  • 维护一个中间状态包含上下文信息，作为下一步的额外输入
  • 每一步使用同样的激活函数和参数

循环神经网络(RNN)_第6张图片

  • 最简单的循环神经网络

循环神经网络(RNN)_第7张图片

  • 字符语言模型(根据当前字符预测下一个字符)
    • 训练阶段:词典:[j,e,p],样本:jeep

  • 循环神经网络(RNN)_第8张图片

    • 测试阶段:上一步的输出作为下一步的输入

循环神经网络(RNN)_第9张图片

 循环神经网络的正向传播:

循环神经网络(RNN)_第10张图片

循环神经网络的反向传播:

循环神经网络(RNN)_第11张图片

 

循环神经网络(RNN)_第12张图片

循环神经网络(RNN)_第13张图片

反向传播特点:

  • 激活函数:tanh输出在-1和1之间
  • 容易发生梯度消失:输出值接近-1和1时，梯度很小；序列很长时，从末端往回传梯度，每次乘上-1和1之间的数，容易发生梯度消失，使得较远的步骤对当前步骤的贡献很小
  • 切换其他激活函数后，可能导致梯度爆炸

多层网络与双向网络

循环神经网络(RNN)_第14张图片

 

循环神经网络(RNN)_第15张图片

3.LSTM(长短期记忆网络)

对于普通的循环神经网络，所有隐藏层单元共享一个参数矩阵W,该参数承载了太多的任务，当一个序列过长时，W无法记住过多的信息，因此，实际上W只能记住最近的一些信息，LSTM网络解决了该问题。

LSTM引入选择性输入，输出，和遗忘机制，用门实现：在某个位置计算一个[0,1]之间的数控制需要记住或需要遗忘的程度，减少没有用的输入，当前不需要输出的信息不进行输出，选择性遗忘之前的状态信息。

循环神经网络(RNN)_第16张图片

循环神经网络(RNN)_第17张图片 循环神经网络(RNN)_第18张图片

 

循环神经网络(RNN)_第19张图片

 

循环神经网络(RNN)_第20张图片

循环神经网络(RNN)_第21张图片

 

循环神经网络(RNN)_第22张图片

 

循环神经网络(RNN)_第23张图片

4. 基于LSTM的文本分类模型(TextRNN与HAN)

网络识别输入文本，判断文本类别。

循环神经网络(RNN)_第24张图片

 对本文分词，对每个词用embedding的形式进行编码，编码成一个向量，将向量输入到LSTM中，最后一个词输入后拿到输出该输出向量编码了句子中所有信息，输出向量经过一个普通的神经网络得到分类结果。

embedding编码:

对每一次进行长度为5的编码，embedding变量是可训练的。

循环神经网络(RNN)_第25张图片

 双向LSTM，组合每一步的输出，避免例最终输出较远的信息无法保存下来。

循环神经网络(RNN)_第26张图片

attention(注意力机制) ：给与一些关键词更高的关注，分词的输出编码与参数u_{w}计算，得到的注意力值\alpha，\alpha对编码加权，所有分词编码加权平均值作为句子的编码，上层再对所有句子加权编码作为段落的编码。

循环神经网络(RNN)_第27张图片

5.基于CNN的文本分类模型(TextCNN)

由于CNN不能解决忽长忽短的序列问题，可以将所有句子变成固定长度的句子(扩充/截断)。

循环神经网络(RNN)_第28张图片

 循环神经网络(RNN)_第29张图片

 将句子每个词对应的每一列看做是这个句子的一个通道，使用若干不同尺寸的卷积核进行卷积，得到多个不同和长度的结果，对卷积结果做池化操作，将多个结果拼接作为这个句子的表示，最后送入到全连接计算类别。

循环神经网络(RNN)_第30张图片

循环神经网络(RNN)_第31张图片

 

循环神经网络(RNN)_第32张图片

6.RNN与CNN融合解决文本分类

R-CNN左边是一个双向的LSTM网络，提取当前词的输出向量和上下文对应的向量，进行组合作为当前词的输出信息，对改向量进行1维卷积得到输出，在经过最大池化层，输出层得到分类结果。该模型同时利用了双向RNN提取信息的能力和一维卷积去做信息抽象的能力

循环神经网络(RNN)_第33张图片

循环神经网络(RNN)_第34张图片 

为了避免embedding层次参数量过大造成过拟合和无法使用的问题，需要对embedding进行压缩:普通的embedding层，使用固定长度(embed_size)的向量表示每一个词，参数个数为:\left | V \right |*embed\_size,使用共享压缩方法进行压缩:使用2个长度为embed\_size/2子向量组合表示一个词，将所有词排列为一个矩形，矩形为正方形时，子向量个数最小为2\sqrt{V}，因此，压缩后参数个数为\sqrt{V}*embed\_size.

循环神经网络(RNN)_第35张图片

7.数据预处理之分词

8.

9.

你可能感兴趣的:(RNN)

  • uniapp 获取各种小程序code 灵魂清零 uniapp小程序
    各种小程序在进入小程序是都需要去获取code才能拿到基础信息，自己记录一下用uniapp开发小程序是获取微信小程序、百度小程序、头条小程序、支付宝小程序的codeVue.prototype.$global={appLogin(){returnnewPromise((resole,reject)=>{varthat=this;varwxLoginUrl=app.globalData.url+"/lo
  • ‌seq_len 不等于 hidden_size 难道不会报错吗，他们是一会事情吗 zhangfeng1133 python人工智能开发语言pytorch
    seq_len与hidden_size在RNN中代表不同概念，不等不会报错‌。‌seq_len‌：序列长度，表示在处理数据时，每个批次（batch）中序列的长度。RNN网络会按照seq_len指定的长度进行循环计算‌1。‌hidden_size‌：隐藏层中隐藏神经元的个数，也是输出向量的长度。它决定了RNN网络中隐藏层的状态向量的维度‌12。在RNN的训练过程中，seq_len和hidden_si
  • 【NLP5-RNN模型、LSTM模型和GRU模型】 一蓑烟雨紫洛 nlprnnlstmgrunlp
    RNN模型、LSTM模型和GRU模型1、什么是RNN模型RNN（RecurrentNeuralNetwork)中文称为循环神经网络，它一般以序列数据为输入，通过网络内部的结构设计有效捕捉序列之间的关系特征，一般也是以序列形式进行输出RNN的循环机制使模型隐层上一时间步产生的结果，能够作为当下时间步输入的一部分（当下时间步的输入除了正常的输入外还包括上一步的隐层输出）对当下时间步的输出产生影响2、R
  • ajax 获取一步数据,ajax异步获取数据 可可子姐姐教英语 ajax获取一步数据
    functioncreateXHR(){if(typeofXMLHttpRequest!="undefined"){returnnewXMLHttpRequest();}elseif(typeofActiveXObject!="undefined"){varversion=["MSXML2.XMLHttp.6.0","MSXML2.XMLHttp.3.0","MSXML2.XMLHttp"];fo
  • JS 获取时间 买买买买菜
    /**针对Ext的工具类*/exportvarMrYangUtil=function(){/****获得当前时间*/this.getCurrentDate=function(){returnnewDate();};/****获得本周起止时间*/this.getCurrentWeek=function(){//起止日期数组varstartStop=newArray();//获取当前时间varcurr
  • python数组的基本操作 迟遇3 python开发语言
    一.创建数组arr:list[int]=[0]*8num1:list[int]=[1,5,9,8,6]二.访问元素1.指定访问（通过索引（下标））defrandom_a(nums:list[int])->int:returnnums[2]print(random_a(arr))2.随机访问(会访问不同的元素)defrandom_access(nums:list[int])->int:"""随机访问
  • antd of vue treeSelect——异步加载 who_become_gods
    onLoadData(treeNode){varthat=thisreturnnewPromise((resolve)=>{if(treeNode.
  • 探索深度学习的奥秘：从理论到实践的奇幻之旅 小周不想卷 深度学习
    目录引言：穿越智能的迷雾一、深度学习的奇幻起源：从感知机到神经网络1.1感知机的启蒙1.2神经网络的诞生与演进1.3深度学习的崛起二、深度学习的核心魔法：神经网络架构2.1前馈神经网络（FeedforwardNeuralNetwork,FNN）2.2卷积神经网络（CNN）2.3循环神经网络（RNN）及其变体（LSTM,GRU）2.4生成对抗网络（GAN）三、深度学习的魔法秘籍：算法与训练3.1损失
  • python用递归方式实现最大公约数_Python - 最大公约数算法 weixin_39765325
    #Python3.6#最大公约数，最大公因子#GreatestCommonDivisor#辗转相除法defgcd(num1:object,num2:object)->object:print('num1={},num2={},r={}'.format(num1,num2,num1%num2))ifnum1%num2==0:returnnum2returngcd(num2,num1%num2)#更相
  • nodejs清空文件内容 不cong明的亚子 前端小技巧javascript前端node.js
    话不多说，直接上代码constfs=require("fs");constpath=require("path");functionclearFile(filename){//写入文件是异步过程，需要使用promise保证文件操作完成returnnewPromise(resolve=>{letstr=path.join(__dirname,`./${filename}`);fs.writeFile
  • 将input type=file 获取到的图片展示到页面上 不会做饭的程序员 JSjs
    我们创建一个函数，用于接收拿到的files[0]，并将生成的base64地址返回出去getBase64(file){returnnewPromise(function(resolve,reject){letreader=newFileReader();letimgResult="";reader.readAsDataURL(file);reader.onload=function(){imgRes
  • 使用LSTM（长短期记忆网络）模型预测股票价格的实例分析 eeee~~ 深度学习lstm人工智能rnn金融python神经网络
    一：LSTM与RNN的区别LSTM（LongShort-TermMemory）是一种特殊的循环神经网络（RNN）架构。LSTM是为了解决传统RNN在处理长序列数据时遇到的梯度消失或梯度爆炸问题而设计的。在传统的RNN中，信息通过隐藏状态在时间步之间传递，但由于权重的重复应用，随着时间的推移，梯度可能会迅速减小或增大，导致网络难以学习长期依赖关系。LSTM通过引入了一种称为“门”（gates）的机制
  • 《自然语言处理 Transformer 模型详解》 黑色叉腰丶大魔王 自然语言处理transformer人工智能
    一、引言在自然语言处理领域，Transformer模型的出现是一个重大的突破。它摒弃了传统的循环神经网络（RNN）和卷积神经网络（CNN）架构，完全基于注意力机制，在机器翻译、文本生成、问答系统等众多任务中取得了卓越的性能。本文将深入讲解Transformer模型的原理、结构和应用。二、Transformer模型的背景在Transformer出现之前，RNN及其变体（如LSTM和GRU）是自然语言
  • 【Python机器学习】循环神经网络（RNN）——传递数据并训练 zhangbin_237 Python机器学习机器学习pythonrnn人工智能开发语言深度学习神经网络
    与其他Keras模型一样，我们需要向.fit()方法传递数据，并告诉它我们希望训练多少个训练周期（epoch）：model.fit(X_train,y_train,batch_size=batch_size,epochs=epochs,validation_data=(X_test,y_test))因为个人小电脑内存不足，所以吧maxlen参数改成了100重新运行。保存模型：model_struc
  • 李沐55_循环神经网络RNN简洁实现——自学笔记 Rrrrrr900 rnn深度学习神经网络pytorch循环神经网络python李沐
    读取《时间机器》数据集!pipinstalld2l!pipinstall--upgraded2l==0.17.5#d2l需要更新importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2lbatch_size,num_steps=32,35train_iter,vocab=d2l.load_da
  • 【Python机器学习】循环神经网络（RNN）——对RNN进行预测 zhangbin_237 Python机器学习机器学习pythonrnn深度学习人工智能自然语言处理
    目录有状态性双向RNN编码向量如果有一个经过训练的模型，接下来就可以对其进行预测：sample_1="""Ihatethatthedismalweatherhadmedownforsolong,whenwillitbreak!Ugh,whendoeshappinessreturn?Thesunisblindingandthepuffycloudsaretoothin.Ican'twaitforth
  • hutool获取大数据量的excel内容及sheet名称问题 liu_qixiang excel
    读取大数据量的excel时代码如下privatestaticRowHandlercreateRowHandler(){returnnewRowHandler(){@Overridepublicvoidhandle(inti,longl,Listlist){System.out.println(i+""+l+""+list);}};}publicstaticvoidmain(String[]args
  • 代码随想录算法训练营 Day5 | Hot100 | 53.最大子数组和 56.合并区间 189.轮转数组 238.除自身以外数组的乘积 火烧沙发土豆 代码随想录算法训练营算法leetcode数据结构
    Day5休息，看看hot100类DP或者前缀和问题53.MaximumSubarrayclassSolution{public:intmaxSubArray(vector&nums){if(nums.size()==1)returnnums[0];intcurrSum=0;intans=nums[0];for(inti=0;i&v1,vector&v2){returnv1[0]>merged;ve
  • 【关于如何调用java的private成员变量】 haozihua java
    packagepg2;classStudent{privateStringname;//设置私有成员变量，只能在本类使用privateintage;publicvoidSetname(Stringname){//set方法不需要返回值，只需要存在栈内存中this.name=name;}publicStringGetname(){//get方法需要返回值，用于其他类调用私有成员变量returnnam
  • 代码随想录Day39：198.打家劫舍、213.打家劫舍II、337.打家劫舍III 小蜗牛爬啊爬 代码随想录算法训练营41期leetcode算法数据结构动态规划
    198.打家劫舍题目链接：LeetCode198.打家劫舍文档讲解：代码随想录LeetCode198.打家劫舍题解dp[i]偷或不偷，取决于dp[i-1]和dp[i-2]是否偷classSolution{public:introb(vector&nums){if(nums.size()==1)returnnums[0];vectordp(nums.size());dp[0]=nums[0];dp[
  • 基于深度学习的动态场景理解 SEU-WYL 深度学习dnn深度学习人工智能
    基于深度学习的动态场景理解是一种通过计算机视觉技术自动分析和解释动态环境中物体、事件和交互的能力。该技术在自动驾驶、智能监控、机器人导航、增强现实等领域有着广泛应用，通过深度学习模型，特别是卷积神经网络（CNNs）、递归神经网络（RNNs）、图神经网络（GNNs）等，对复杂动态场景进行实时解读。1.动态场景理解的核心技术1.1卷积神经网络（CNNs）**卷积神经网络（CNNs）**擅长处理图像数据
  • 机器学习-神经网络：循环神经网络（RNN）详解 刷刷刷粉刷匠 机器学习机器学习神经网络rnn
    引言在当今人工智能（AI）和深度学习（DL）领域，循环神经网络（RNN）作为一种专门处理序列数据的模型，具有不可忽视的重要性。RNN的设计目标是模拟和处理序列中的时间依赖关系，使其成为许多应用场景的理想选择，如自然语言处理（NLP）、时间序列预测和语音识别等。它不仅能处理固定长度的数据输入，还能应对输入长度不一的序列，从而为各种复杂的时序数据任务提供了强有力的支持。1.RNN的起源与发展循环神经网
  • uniapp小程序下载缓存服务器上的图片 牛奶皮子 uni-app小程序
    1.使用uni.downloadFile,但是注意下载图片的地址里的域名，需要在微信公众平台里面的downloadFile合法域名进行配置。exportdefaultfunctiondownloadAndCacheImage(imageUrl,name){returnnewPromise((resolve,reject)=>{console.log("imageUrl",imageUrl,name
  • 经典数据结构题目解析 xace007 数据结构算法
    链表1.删除单链表的重复节点遍历法classSolution{public:ListNode*removeDuplicateNodes(ListNode*head){//先检查头节点是否为空，快速判断if(head==NULL){returnNULL;}ListNode*current=head;//循环遍历检查每一个元素，如果有相同元素则去掉while(current){ListNode*p=c
  • Python | Leetcode Python题解之第292题Nim游戏 Mopes__ 分享PythonLeetcode题解
    题目：题解：classSolution:defcanWinNim(self,n:int)->bool:returnn%4!=0
  • 实验9题目6：编写递归函数2（函数上） 笑笑xx
    #includeintfunc(intn){if(n==1)return2;elseif(n>1)returnn-2+func(n-1);}intmain(void){intm;scanf("%d",&m);printf("%d",func(m));return0;}
  • 预训练语言模型的前世今生 - 从Word Embedding到BERT 脚步的影子 语言模型embeddingbert
    目录一、预训练1.1图像领域的预训练1.2预训练的思想二、语言模型2.1统计语言模型2.2神经网络语言模型三、词向量3.1独热（Onehot）编码3.2WordEmbedding四、Word2Vec模型五、自然语言处理的预训练模型六、RNN和LSTM6.1RNN6.2RNN的梯度消失问题6.3LSTM6.4LSTM解决RNN的梯度消失问题七、ELMo模型7.1ELMo的预训练7.2ELMo的Fea
  • uniapp，vue3，ts，接口封装、小程序登录 程序猿_“大神” uni-app前端typescript
    在src下创建public文件夹，在public文件夹里创建request.ts//设置基地址constbaseUrl='https://meituan.thexxdd.cn/api'//封装请求functionrequest(url:string,method:'GET'|'POST',data:string|object|ArrayBuffer){returnnewPromise((resol
  • Keras-OCR：高效且易用的深度学习 OCR 库 吕真想Harland
    Keras-OCR：高效且易用的深度学习OCR库keras-ocrApackagedandflexibleversionoftheCRAFTtextdetectorandKerasCRNNrecognitionmodel.项目地址:https://gitcode.com/gh_mirrors/ke/keras-ocr是一个基于Python的开源库，它利用[Keras](https和TensorFl
  • 一篇经典Python编程常用的30个操作以及代码演示（非常详细）零基础入门到精通，收藏这一篇就够了 Python_chichi 程序员互联网web安全python开发语言
    这些案例将涵盖数据处理、算法、文件操作、数据可视化、网络编程、机器学习等多个领域.以下是具体的操作步骤和示例代码：基础操作1.计算两个数的和defadd(a,b):returna+bprint(add(3,5))2.判断一个数是否为偶数defis_even(n):returnn%2==0print(is_even(4))3.计算列表中所有数的平均值defaverage(lst):returnsum
  • Spring的注解积累 yijiesuifeng spring注解
    用注解来向Spring容器注册Bean。   需要在applicationContext.xml中注册： <context:component-scan base-package=”pagkage1[,pagkage2,…,pagkageN]”/>。 如：在base-package指明一个包    <context:component-sc
  • 传感器 百合不是茶 android传感器
    android传感器的作用主要就是来获取数据,根据得到的数据来触发某种事件   下面就以重力传感器为例;   1,在onCreate中获得传感器服务   private SensorManager sm;// 获得系统的服务 private Sensor sensor;// 创建传感器实例 @Override protected void
  • [光磁与探测]金吕玉衣的意义 comsci
          这是一个古代人的秘密:现在告诉大家       信不信由你们:       穿上金律玉衣的人,如果处于灵魂出窍的状态,可以飞到宇宙中去看星星       这就是为什么古代
  • 精简的反序打印某个数 沐刃青蛟 打印
    以前看到一些让求反序打印某个数的程序。 比如：输入123，输出321。   记得以前是告诉你是几位数的，当时就抓耳挠腮，完全没有思路。   似乎最后是用到%和/方法解决的。   而今突然想到一个简短的方法，就可以实现任意位数的反序打印（但是如果是首位数或者尾位数为0时就没有打印出来了）   代码如下： long num, num1=0;
  • PHP：6种方法获取文件的扩展名 IT独行者 PHP扩展名
      PHP：6种方法获取文件的扩展名   1、字符串查找和截取的方法   1 $extension = substr ( strrchr ( $file ,  '.' ), 1); 2、字符串查找和截取的方法二   1 $extension = substr
  • 面试111 文强chu 面试
    1事务隔离级别有那些 ，事务特性是什么（问到一次） 2 spring aop 如何管理事务的，如何实现的。动态代理如何实现，jdk怎么实现动态代理的，ioc是怎么实现的，spring是单例还是多例，有那些初始化bean的方式，各有什么区别（经常问） 3 struts默认提供了那些拦截器 （一次） 4 过滤器和拦截器的区别 （频率也挺高） 5 final，finally final
  • XML的四种解析方式 小桔子 domjdomdom4jsax
    在平时工作中，难免会遇到把 XML 作为数据存储格式。面对目前种类繁多的解决方案，哪个最适合我们呢？在这篇文章中，我对这四种主流方案做一个不完全评测，仅仅针对遍历 XML 这块来测试，因为遍历 XML 是工作中使用最多的（至少我认为）。 　　预 备 　　测试环境： 　　AMD 毒龙1.4G OC 1.5G、256M DDR333、Windows2000 Server
  • wordpress中常见的操作 aichenglong 中文注册wordpress移除菜单
    1 wordpress中使用中文名注册解决办法   1)使用插件   2)修改wp源代码      进入到wp-include/formatting.php文件中找到       function sanitize_user( $username, $strict = false
  • 小飞飞学管理-1 alafqq 管理
    项目管理的下午题，其实就在提出问题（挑刺），分析问题，解决问题。 今天我随意看下10年上半年的第一题。主要就是项目经理的提拨和培养。 结合我自己经历写下心得 对于公司选拔和培养项目经理的制度有什么毛病呢？ 1，公司考察，选拔项目经理，只关注技术能力，而很少或没有关注管理方面的经验，能力。 2，公司对项目经理缺乏必要的项目管理知识和技能方面的培训。 3，公司对项目经理的工作缺乏进行指
  • IO输入输出部分探讨 百合不是茶 IO
     //文件处理  在处理文件输入输出时要引入java.IO这个包； /* 1，运用File类对文件目录和属性进行操作 2，理解流，理解输入输出流的概念 3，使用字节/符流对文件进行读/写操作 4，了解标准的I/O 5，了解对象序列化 */   //1，运用File类对文件目录和属性进行操作   //在工程中线创建一个text.txt
  • getElementById的用法 bijian1013 element
            getElementById是通过Id来设置/返回HTML标签的属性及调用其事件与方法。用这个方法基本上可以控制页面所有标签，条件很简单，就是给每个标签分配一个ID号。        返回具有指定ID属性值的第一个对象的一个引用。        语法： &n
  • 励志经典语录 bijian1013 励志人生
    经典语录1:   哈佛有一个著名的理论：人的差别在于业余时间，而一个人的命运决定于晚上8点到10点之间。每晚抽出2个小时的时间用来阅读、进修、思考或参加有意的演讲、讨论，你会发现，你的人生正在发生改变，坚持数年之后，成功会向你招手。不要每天抱着QQ/MSN/游戏/电影/肥皂剧……奋斗到12点都舍不得休息，看就看一些励志的影视或者文章，不要当作消遣；学会思考人生，学会感悟人生
  • [MongoDB学习笔记三]MongoDB分片 bit1129 mongodb
    MongoDB的副本集(Replica Set)一方面解决了数据的备份和数据的可靠性问题，另一方面也提升了数据的读写性能。MongoDB分片(Sharding)则解决了数据的扩容问题，MongoDB作为云计算时代的分布式数据库，大容量数据存储，高效并发的数据存取，自动容错等是MongoDB的关键指标。 本篇介绍MongoDB的切片(Sharding)   1.何时需要分片 &nbs
  • 【Spark八十三】BlockManager在Spark中的使用场景 bit1129 manager
    1. Broadcast变量的存储，在HttpBroadcast类中可以知道 2. RDD通过CacheManager存储RDD中的数据，CacheManager也是通过BlockManager进行存储的 3. ShuffleMapTask得到的结果数据，是通过FileShuffleBlockManager进行管理的，而FileShuffleBlockManager最终也是使用BlockMan
  • yum方式部署zabbix ronin47 yum方式部署zabbix
    安装网络yum库#rpm -ivh http://repo.zabbix.com/zabbix/2.4/rhel/6/x86_64/zabbix-release-2.4-1.el6.noarch.rpm 通过yum装mysql和zabbix调用的插件还有agent代理#yum install zabbix-server-mysql zabbix-web-mysql mysql-
  • Hibernate4和MySQL5.5自动创建表失败问题解决方法 byalias J2EEHibernate4
    今天初学Hibernate4，了解了使用Hibernate的过程。大体分为4个步骤： ①创建hibernate.cfg.xml文件 ②创建持久化对象 ③创建*.hbm.xml映射文件 ④编写hibernate相应代码 在第四步中，进行了单元测试，测试预期结果是hibernate自动帮助在数据库中创建数据表，结果JUnit单元测试没有问题，在控制台打印了创建数据表的SQL语句，但在数据库中
  • Netty源码学习-FrameDecoder bylijinnan javanetty
    Netty 3.x的user guide里FrameDecoder的例子，有几个疑问： 1.文档说：FrameDecoder calls decode method with an internally maintained cumulative buffer whenever new data is received. 为什么每次有新数据到达时，都会调用decode方法？ 2.Dec
  • SQL行列转换方法 chicony 行列转换
    create table tb(终端名称 varchar(10) , CEI分值 varchar(10) , 终端数量 int) insert into tb values('三星' , '0-5' , 74) insert into tb values('三星' , '10-15' , 83) insert into tb values('苹果' , '0-5' , 93)
  • 中文编码测试 ctrain 编码
    循环打印转换编码 String[] codes = { "iso-8859-1", "utf-8", "gbk", "unicode" }; for (int i = 0; i < codes.length; i++) { for (int j
  • hive 客户端查询报堆内存溢出解决方法 daizj hive堆内存溢出
    hive> select * from t_test where ds=20150323 limit 2; OK Exception in thread "main" java.lang.OutOfMemoryError: Java heap space   问题原因： hive堆内存默认为256M   这个问题的解决方法为： 修改/us
  • 人有多大懒，才有多大闲 (评论『卓有成效的程序员』) dcj3sjt126com 程序员
      卓有成效的程序员给我的震撼很大，程序员作为特殊的群体，有的人可以这么懒，  懒到事情都交给机器去做 ，而有的人又可以那么勤奋，每天都孜孜不倦得做着重复单调的工作。   在看这本书之前，我属于勤奋的人，而看完这本书以后，我要努力变成懒惰的人。 不要在去庞大的开始菜单里面一项一项搜索自己的应用程序，也不要在自己的桌面上放置眼花缭乱的快捷图标
  • Eclipse简单有用的配置 dcj3sjt126com eclipse
    1、显示行号  Window -- Prefences -- General -- Editors -- Text Editors -- show line numbers   2、代码提示字符 Window ->Perferences，并依次展开 Java -> Editor -> Content Assist，最下面一栏 auto-Activation
  • 在tomcat上面安装solr4.8.0全过程 eksliang Solrsolr4.0后的版本安装solr4.8.0安装
    转载请出自出处： http://eksliang.iteye.com/blog/2096478       首先solr是一个基于java的web的应用，所以安装solr之前必须先安装JDK和tomcat，我这里就先省略安装tomcat和jdk了         第一步：当然是下载去官网上下载最新的solr版本，下载地址
  • Android APP通用型拒绝服务、漏洞分析报告 gg163 漏洞androidAPP分析
    点评：记得曾经有段时间很多SRC平台被刷了大量APP本地拒绝服务漏洞，移动安全团队爱内测（ineice.com）发现了一个安卓客户端的通用型拒绝服务漏洞，来看看他们的详细分析吧。  0xr0ot和Xbalien交流所有可能导致应用拒绝服务的异常类型时，发现了一处通用的本地拒绝服务漏洞。该通用型本地拒绝服务可以造成大面积的app拒绝服务。  针对序列化对象而出现的拒绝服务主要
  • HoverTree项目已经实现分层 hvt 编程.netWebC#ASP.ENT
    HoverTree项目已经初步实现分层，源代码已经上传到 http://hovertree.codeplex.com请到SOURCE CODE查看。在本地用SQL Server 2008 数据库测试成功。数据库和表请参考：http://keleyi.com/a/bjae/ue6stb42.htmHoverTree是一个ASP.NET 开源项目，希望对你学习ASP.NET或者C#语言有帮助，如果你对
  • Google Maps API v3: Remove Markers 移除标记 天梯梦 google maps api
    Simply do the following:   I. Declare a global variable: var markersArray = [];   II. Define a function: function clearOverlays() { for (var i = 0; i < markersArray.length; i++ )
  • jQuery选择器总结 lq38366 jquery选择器
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
  • 基础数据结构和算法六：Quick sort sunwinner AlgorithmQuicksort
    Quick sort is probably used more widely than any other. It is popular because it is not difficult to implement, works well for a variety of different kinds of input data, and is substantially faster t
  • 如何让Flash不遮挡HTML div元素的技巧_HTML/Xhtml_网页制作 刘星宇 htmlWeb
    今天在写一个flash广告代码的时候，因为flash自带的链接，容易被当成弹出广告，所以做了一个div层放到flash上面，这样链接都是a触发的不会被拦截，但发现flash一直处于div层上面，原来flash需要加个参数才可以。 让flash置于DIV层之下的方法，让flash不挡住飘浮层或下拉菜单，让Flash不档住浮动对象或层的关键参数：wmode=opaque。 方法如下：
  • Mybatis实用Mapper SQL汇总示例 wdmcygah sqlmysqlmybatis实用
    Mybatis作为一个非常好用的持久层框架，相关资料真的是少得可怜，所幸的是官方文档还算详细。本博文主要列举一些个人感觉比较常用的场景及相应的Mapper SQL写法，希望能够对大家有所帮助。 不少持久层框架对动态SQL的支持不足，在SQL需要动态拼接时非常苦恼，而Mybatis很好地解决了这个问题，算是框架的一大亮点。对于常见的场景，例如：批量插入/更新/删除，模糊查询，多条件查询，联表查询，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他