Jason.xin
Jason.xin

py-faster-rcnn 训练常见错误

py-faster-rcnn 训练常见错误

在训练 py-faster-rcnn 时，常会出现以下错误：

  • TypeError: ‘numpy.float64’ object cannot be interpreted as an index
  • Check failed: error == cudaSuccess (4 vs. 0) unspecified launch failure
  • AttributeError: ‘module’ object has no attribute ‘text_format’

TypeError: ‘numpy.float64’ object cannot be interpreted as an index

  • 解决方法 sudo pip install -U numpy==1.11.0`

Check failed: error == cudaSuccess (4 vs. 0) unspecified launch failure

  • 解决方法
    • ① 安装cudnn：
            cp caffe/inlude/caffe/layers/cudnn_* caffe-fast-rcnn/include/caffe/layers/
            cp caffe/src/caffe/layers/cudnn_* caffe-fast-rcnn/src/caffe/layers/
            cp caffe/include/caffe/util/cudnn.hpp caffe-fast-rcnn/include/caffe/util/

            cd caffe-fast-rcnn
            make clean
            make -j8
            make pycaffe
 - ② 修改配置文件 py-faster-rcnn/lib/fast_rcnn/config.py：将BATCH_SIZE调小，比如64,32,16,8....

        # Minibatch size (number of regions of interest [ROIs])
        __C.TRAIN.BATCH_SIZE = 128

AttributeError: ‘module’ object has no attribute ‘text_format’

  • 在py-faster-rcnn/lib/fast_rcnn/train.py中添加： import google.protobuf.text_format

你可能感兴趣的:(faster-r-cnn)

  • 目标检测算法R-cnn系列 ouger爱编程 算法岗面经深度学习的自我学习和学习资料目标检测算法cnn
    目标检测：R-cnn、faster-r-cnn等R-cnn：候选区域：使用选择性搜索(SelectiveSearch)等算法(合并像素，非常耗时)在输入图像中生成一组候选区域。特征提取：候选区->特征向量。区域分类：SVM判断是否有物体，并进行分类。区域校准：对边界框(boundingbox)进行校准。有大量的重复计算，非常耗时。fast-r-cnnICCV2015解决了特征图重复计算的问题。候选
  • 计算机视觉 ouger爱编程 深度学习的自我学习和学习资料算法岗面经计算机视觉人工智能
    目标检测：R-cnn、faster-r-cnn、YOLO等R-cnn：候选区域：使用选择性搜索(SelectiveSearch)等算法(合并像素，非常耗时)在输入图像中生成一组候选区域。特征提取：候选区->特征向量。区域分类：SVM判断是否有物体，并进行分类。区域校准：对边界框(boundingbox)进行校准。有大量的重复计算，非常耗时。fast-r-cnnICCV2015解决了特征图重复计算的
  • 2020-12-30 高斯纯牛奶
    目录特征图与候选区域建立起联系不像faster-r-cnn一个候选框会对应好多个正的候选区域，那样预测出来总得正的候选区域也比较少划分锚框跟图片大小没关系，小方块的尺寸是固定的：这三种大小是在COCO数据集上统计出来的：可以调中心坐标和高度宽度cx是小方块左上角的坐标。pwph是原本锚框的宽度和高度。tx是随机初始化得到的，也就是说他是一个可以训练的参数。如果txty=0，正好在小方块的中心twt
  • DynaSLAM代码详解(2) — Mask RCNN物体检测框架 几度春风里 动态SLAM动态slam目标检测机器人
    目录2.1前言2.2MaskR-CNN优点2.3MaskR-CNN框架解析(1)MaskR-CNN算法步骤(2)Faster-R-CNN(3)FCN(4)ROIPooling和ROIAlign的分析与比较(5)MaskR-CNN损失参考链接：（1）MaskR-CNN网络详解_fcn太阳花的小绿豆_太阳花的小绿豆的博客-CSDN博客（2）MaskR-CNN详解_maskrcnn_技术挖掘者的博客-C
  • YOLOV1和Faster-R-CNN的区别 云从天上来 深度学习细节研讨
    抽空总结一下Yolov1和Faster-r-cnn的区别。首先要知道Yolov1：anchor-free的one-stage目标检测算法；Faster：anchor-base的two-stage目标检测算法。YOLOV1可以去看下我之前的博客Yolov1细节解读1.Yolov1并没有预先设置anchor，而是选择直接预测boundingbox，并且仅对每一个特征点（模型最后的特征图是一张7*7*3
  • 目标检测之：Faster-R-Cnn 新生代农民工！ 深度学习目标检测深度学习目标检测faste-r-cnn
    目标检测：即在一张图中找出目标所在的位置，然后告诉我们目标的种类和坐标。现在目标检测主要分为单阶段和双阶段。单阶段目检测如ssd、yolo等，双阶段的如faster-r-cnn、cascade--rcnn等。本文的faster-rcnn为双阶段目标检测的代表，一般来说双阶段的目标检测效果要强于单阶段的目标检测，但是速度上和单阶段的目标检测还是有差距的。所以需要根据使用场景进行选择。双阶段的目标检测
  • yolo v1的学习与理解 QUIPY yolov1yolodection
    论文的原题目为：YouOnlyLookOnce:Unified,Real-TimeObjectDetection原论文下载地址作为一种新的目标检测算法，相比于之前的fast-RCNN,Faster-R-CNN等，其最大的区别是将检测问题转换为回归问题。之前的目标检测算法都是先通过CNN生成大量的regionproposal，即可疑目标区域，然后再在这些区域中进一步进行CNN的特征提取，检测出目标。
  • R-CNN、Fast-R-CNN、Faster-R-CNN详解 爱抓猫的狗 图像处理目标检测objectdetection计算机视觉深度学习
    objectdetection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。objectdetection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。objectdetection技术的演进：RCNN->SppNET->Fa
  • 论文笔记：DETR: End-to-End Object Detection with Transformers (from 李沐老师and朱老师) 两面包+芝士 paper目标检测深度学习计算机视觉
    背景大多数目标检测方法都是two-stage(proposal)，即便是single-stage(anchor)，最后往往还需要一个后处理的操作，也就是nms(non-maximumsuppersion)非极大值抑制来去除预测框。避免了调参和部署困难(很多复杂的库和普通硬件不支持的算子，人工干预的先验知识)。先前广泛使用的检测模型将detection通过proposal:Faster-R-CNN，
  • 初学Yolov1学习心得分享 小白白选手 python目标检测深度学习人工智能
    第一次写博客记录自己的学习分享，开始复现一些经典的YOLO系列论文，首先从YOLOV1开始。1.YOLOV1（youonlylookonce）介绍之前的R-CNN,Fast-R-CNN，Faster-R-CNN等都是Two-stage算法的代表，它们将目标检测分解成了两个阶段，首先是候选区域的提取，然后是候选区域目标的识别两大步骤；由于先提取了候选区域进而再进行目标的识别和定位的回归，这使得准确率
  • 目标检测 Faster-R-CNN论文笔记 FlyDremever ML&DL卷积神经网络算法深度学习
    FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksShaoqingRen,KaimingHe,RossGirshick,andJianSun（主要用于自己学习）摘要：最先进的目标检测网络(当年最先进的)依赖于区域建议算法来假设目标位置。例如SPPnet[1]和FastR-CNN[2]等算法，这些算法虽然缩短了检
  • 【深度学习】详解Faster-R-CNN 风度78 计算机视觉机器学习人工智能深度学习神经网络
    作者简介CW，广东深圳人，毕业于中山大学（SYSU）数据科学与计算机学院，毕业后就业于腾讯计算机系统有限公司技术工程与事业群（TEG）从事Devops工作，期间在AILAB实习过，实操过道路交通元素与医疗病例图像分割、视频实时人脸检测与表情识别、OCR等项目。目前也有在一些自媒体平台上参与外包项目的研发工作，项目专注于CV领域（传统图像处理与深度学习方向均有）。前言CW每次回顾FasterR-CN
  • 令我“细思极恐”的Faster-R-CNN 深蓝学院 深度学习人工智能深度学习
    作者简介CW，广东深圳人，毕业于中山大学（SYSU）数据科学与计算机学院，毕业后就业于腾讯计算机系统有限公司技术工程与事业群（TEG）从事Devops工作，期间在AILAB实习过，实操过道路交通元素与医疗病例图像分割、视频实时人脸检测与表情识别、OCR等项目。目前也有在一些自媒体平台上参与外包项目的研发工作，项目专注于CV领域（传统图像处理与深度学习方向均有）。前言CW每次回顾FasterR-CN
  • Faster-r-cnn cpu_tensorflow版 windows系统实现 吃西瓜的小妖 图片识别与定位
    文章目录Faster-r-cnncpu_tensorflow版windows系统实现1.本机环境2.demo执行条件Faster-r-cnncpu_tensorflow版windows系统实现首先感谢@村民的菜篮子提供的帮助，我是基于他的脚本改动，然后自己尝试在windows上实现的转载大佬的博客（基于Ubuntu实现）：https://blog.csdn.net/sinat_33486980/a
  • Faster-R-CNN（Python）.1：从配置到demo guyunee deeplearningpythonobjectdetection
    本文主要讲解Faster-R-CNN（Python）配置过程中遇到的问题。1.下载源码Python版本：https://github.com/rbgirshick/py-faster-rcnn网传需要用–recursive命令复制源码，否则无法clone到caffe，但是我用的自己的caffe，所以不受影响。gitclone--recursivehttps://github.com/rbgirsh
  • 【论文笔记】-目标检测-YOLOv1-You Only Look Once: Unified, Real-Time Object Detection 努力写题的tyf 论文笔记
    Abstract以前的算法：通过regioinproposal产生大量的可能包含待检测物体的potentialboundingbox，再用分类器去判断每个boundingbox里是否含有物体及其所属类别的概率或置信度。（比如：R-CNN,Fast-R-CNN,Faster-R-CNN）YOLO算法：把目标检测看做是一个regression问题来处理，通过一个神经网络，直接从一张图像中预测出bbox
  • R-CNN 、SPPNet、Fast R-CNN、Faster R-CNN、Cascade R-CNN论文翻译 洪流之源 深度学习目标检测
    R-CNN:https://alvinzhu.xyz/2017/10/09/r-cnn/SPPNet:http://www.dengfanxin.cn/?p=403FastR-CNN:https://alvinzhu.xyz/2017/10/10/fast-r-cnn/FasterR-CNN:https://alvinzhu.xyz/2017/10/12/faster-r-cnn/orhttps:
  • 关于anchor的解释 小魔大树哥 机器学习
    第一次接触anchor是Faster-R-CNN中提及的RPN（RegionProposalNetwork）。在我的博文里【Faster-R-CNN总结】也有介绍Faster-R-CNN的几点总结，但是对anchor的定义没有详细说明。在学习过程中，发现很多人其实没有真正搞懂anchor，本人也是如此，反复研究后总算弄清楚原理。首先明确anchor的位置。anchor是在原图上的区域，而不是在特征
  • 浅谈YOLOV2与YOLOV3 米小凡
    YOLOv1:YOLOv1论文理解最近要做目标跟踪，经过调研发现，YOLOv3的速度与精度喜人，超过了同时代的(Faster-R-cnn、SSD、YOLOv2)，达到了art-to-state水平，但是在阅读过程中，尽管我曾经看过v1和v2但是在了解v3的时候还是有点困难，因此重新进行了梳理。YOLOv2:不得不说，作者的"分而治之"的策略的确很好，在提高速度的同时，精度也比较高。训练trick：
  • 解决OpenCV: ld cannot find lippicv 问题 刘小狼 CaffeOpenCVlippicv
    问题1：caffe/proto/caffe.pb.h:Nosuchfileordirectorycaffe配置问题与解决方法集锦http://blog.csdn.net/u010167269/article/details/50703923实验C++版faster-r-cnn过程中遇到的OpenCV问题，通过Google查找解决。问题2：g++example.cpp-oexample`pkg-co
  • resnet50、FPN、Panet结构及代码 不你不想 pytorch深度学习python
    起初faster-r-cnn，只采用最后一层特作为rpn以及head部分的特征图，后来不断改进，有了FPN，再后来有了Panet，一般来说网络的层数越深它的语义信息越丰富。但是随着网络层数的加深，检测所需的位置信息就会越差，CNN分类网络只需要知道一张图像的种类即可所以很多时候网络越深效果越好，但是不是分类效果越好的网越适合检测。FPN如下图所示，它用了不同大小的特征图进行预测，图中：下方的特征图
  • 目标检测学习小结1（R-CNN、Fast-R-CNN、Faster-R-CNN） Puremelo 目标检测
    目标检测学习小结之一深度学习小白首次接触目标检测，在阅读了几篇关于目标检测的论文后做一个阶段性小结，以便日后复习。经过对目标检测的初步了解后，一个目标检测算法大体可分为以下几个部分：（1）锁定目标区域（2）图像特征提取（3）根据特征对目标进行分类（4）对目标定位并用包围框进行标注本文重点叙述锁定候选区域的算法及其余三部分的典型算法介绍，最后对R-CNN、Fast-R-CNN、Faster-R-CN
  • 车辆检测识别（YOLOV2) yang1688899
    代码地址：yang1688899/Vehicle-Detection-YOLO-kerasYOLO简介：YOLO意为YouOnlyLookOnce，是一种基于深度学习的端对端（endtoend）物体检测方法.与R-CNN,Fast-R-CNN,Faster-R-CNN等通过regionproposal产生大量的可能包含待检测物体的potentialboundingbox，再用分类器去判断每个bou
  • R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD, R-FCN系列深度学习检测方法梳理 weixin_30699443
    注：1.本博文持续更新中，文章较长，可以收藏方便下次阅读。2.本人原创，谢绝转载。1.R-CNN：Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation技术路线：selectivesearch+CNN+SVMsStep1:候选框提取(selectivesearch)训练：给定一张图片，利用seletivesea
  • 深度学习面试题21-40 是小晰瓜啊
    21.r-cnn，fast-r-cnn、faster-r-cnn三者的区别？CNN流行之后，Szegedy做过将detection问题作为回归问题的尝试（DeepNeuralNetworksforObjectDetection），但是效果差强人意，在VOC2007上mAP只有30.5%。既然回归方法效果不好，而CNN在分类问题上效果很好，那么为什么不把detection问题转化为分类问题呢？RBG
  • 基于深度学习的目标检测识别算法 daxuan1881
    目前可以将现有的基于深度学习的目标检测与识别算法大致分为以下三大类：基于区域建议的目标检测与识别算法，如R-CNN,Fast-R-CNN,Faster-R-CNN;基于回归的目标检测与识别算法，如YOLO,SSD;基于搜索的目标检测与识别算法，如基于视觉注意的AttentionNet，基于强化学习的算法一、基于区域建议的目标检测与识别算法这类算法的主要步骤是：首先使用选择性搜索算法（Selecti
  • 什么是Faster-R-CNN（Fast R-CNN与R-CNN） codebrid 随记
    提出这一概念的论文：《FasterR-CNN：TowardsReal-TimeObjectDetectionwithRegionProposalNetworks》Faster-R-CNN是CV-Objectdetection领域下的。（目标检测=多图像识别+多物体定位）CV-Objectdetection的相关学习可以参考https://zhuanlan.zhihu.com/p/31117359o
  • 深度学习之目标检测与目标识别 笨拙的石头 深度学习
    一目标识别分类及应用场景目前可以将现有的基于深度学习的目标检测与识别算法大致分为以下三大类：①基于区域建议的目标检测与识别算法，如R-CNN,Fast-R-CNN,Faster-R-CNN;②基于回归的目标检测与识别算法，如YOLO,SSD;③基于搜索的目标检测与识别算法，如基于视觉注意的AttentionNet，基于强化学习的算法.目前,目标识别主要有以下几个应用场景:①安全领域：指纹识别、人脸
  • 从YOLO到SSD再到YOLO9000（一） 水果先生 深度学习
    YOLO摘要YOLO之前的物体检测方法主要是通过regionproposal产生大量的可能包含待检测物体的potentialboundingbox，再用分类器去判断每个boundingbox里是否包含有物体，以及物体所属类别的probability或者confidence，如R-CNN,Fast-R-CNN,Faster-R-CNN等。YOLO不同于这些物体检测方法，它将物体检测任务当做一个reg
  • 第一次深度学习实习生面试经历 Beach_pants 深度学习实习面试
    投了很多简历，只有这一家给了我面试，首先还是比较感谢的。一家创业型公司，不过看到的时候还有有点小吃惊，是一个住宅大厦里面，里面本身有很多公司，进门看上去也是一个住宅的感觉，房子比较小，里面就俩人。。。。。。桌子上大约有4、5台台式。面试是工程师面的我，拿着笔记本，直接看简历，我简历上写着faster-r-cnn，直接github上找到了源码，开始想编译一下，看下结果，不过出了点小问题，没成功。面试
  • Enum 枚举 120153216 enum枚举
    原文地址：http://www.cnblogs.com/Kavlez/p/4268601.html Enumeration 于Java 1.5增加的enum type...enum type是由一组固定的常量组成的类型，比如四个季节、扑克花色。在出现enum type之前，通常用一组int常量表示枚举类型。比如这样： public static final int APPLE_FUJI = 0
  • Java8简明教程 bijian1013 javajdk1.8
            Java 8已于2014年3月18日正式发布了，新版本带来了诸多改进，包括Lambda表达式、Streams、日期时间API等等。本文就带你领略Java 8的全新特性。  一.允许在接口中有默认方法实现         Java 8 允许我们使用default关键字，为接口声明添
  • Oracle表维护 快速备份删除数据 cuisuqiang oracle索引快速备份删除
    我知道oracle表分区，不过那是数据库设计阶段的事情，目前是远水解不了近渴。 当前的数据库表，要求保留一个月数据，且表存在大量录入更新，不存在程序删除。 为了解决频繁查询和更新的瓶颈，我在oracle内根据需要创建了索引。但是随着数据量的增加，一个半月数据就要超千万，此时就算有索引，对高并发的查询和更新来说，让然有所拖累。 为了解决这个问题，我一般一个月会进行一次数据库维护，主要工作就是备
  • java多态内存分析 麦田的设计者 java内存分析多态原理接口和抽象类
          “  时针如果可以回头，熟悉那张脸，重温嬉戏这乐园，墙壁的松脱涂鸦已经褪色才明白存在的价值归于记忆。街角小店尚存在吗？这大时代会不会牵挂，过去现在花开怎么会等待。       但有种意外不管痛不痛都有伤害，光阴远远离开，那笑声徘徊与脑海。但这一秒可笑不再可爱，当天心
  • Xshell实现Windows上传文件到Linux主机 被触发 windows
    经常有这样的需求，我们在Windows下载的软件包，如何上传到远程Linux主机上？还有如何从Linux主机下载软件包到Windows下；之前我的做法现在看来好笨好繁琐，不过也达到了目的，笨人有本方法嘛； 我是怎么操作的： 1、打开一台本地Linux虚拟机，使用mount 挂载Windows的共享文件夹到Linux上，然后拷贝数据到Linux虚拟机里面；（经常第一步都不顺利，无法挂载Windo
  • 类的加载ClassLoader 肆无忌惮_ ClassLoader
    类加载器ClassLoader是用来将java的类加载到虚拟机中，类加载器负责读取class字节文件到内存中，并将它转为Class的对象（类对象），通过此实例的 newInstance()方法就可以创建出该类的一个对象。   其中重要的方法为findClass(String name)。   如何写一个自己的类加载器呢？ 首先写一个便于测试的类Student
  • html5写的玫瑰花 知了ing html5
    <html> <head> <title>I Love You!</title> <meta charset="utf-8" /> </head> <body> <canvas id="c"></canvas>
  • google的ConcurrentLinkedHashmap源代码解析 矮蛋蛋 LRU
    原文地址： http://janeky.iteye.com/blog/1534352 简述 ConcurrentLinkedHashMap 是google团队提供的一个容器。它有什么用呢？其实它本身是对 ConcurrentHashMap的封装，可以用来实现一个基于LRU策略的缓存。详细介绍可以参见 http://code.google.com/p/concurrentlinke
  • webservice获取访问服务的ip地址 alleni123 webservice
    1. 首先注入javax.xml.ws.WebServiceContext, @Resource private WebServiceContext context; 2. 在方法中获取交换请求的对象。 javax.xml.ws.handler.MessageContext mc=context.getMessageContext(); com.sun.net.http
  • 菜鸟的java基础提升之道——————>是否值得拥有 百合不是茶
    1，c++，java是面向对象编程的语言，将万事万物都看成是对象；java做一件事情关注的是人物，java是c++继承过来的，java没有直接更改地址的权限但是可以通过引用来传值操作地址，java也没有c++中繁琐的操作，java以其优越的可移植型，平台的安全型，高效性赢得了广泛的认同，全世界越来越多的人去学习java，我也是其中的一员      java组成：
  • 通过修改Linux服务自动启动指定应用程序 bijian1013 linux
    Linux中修改系统服务的命令是chkconfig (check config)，命令的详细解释如下: chkconfig 功能说明：检查，设置系统的各种服务。 语　　法：chkconfig [ -- add][ -- del][ -- list][系统服务] 或 chkconfig [ -- level  <</SPAN>
  • spring拦截器的一个简单实例 bijian1013 javaspring拦截器Interceptor
    Purview接口 package aop; public interface Purview { void checkLogin(); } Purview接口的实现类PurviesImpl.java package aop; public class PurviewImpl implements Purview { public void check
  • [Velocity二]自定义Velocity指令 bit1129 velocity
    什么是Velocity指令 在Velocity中，#set,#if, #foreach, #elseif, #parse等，以#开头的称之为指令，Velocity内置的这些指令可以用来做赋值，条件判断，循环控制等脚本语言必备的逻辑控制等语句，Velocity的指令是可扩展的，即用户可以根据实际的需要自定义Velocity指令   自定义指令(Directive)的一般步骤 &nbs
  • 【Hive十】Programming Hive学习笔记 bit1129 programming
    第二章 Getting Started 1.Hive最大的局限性是什么？一是不支持行级别的增删改(insert, delete, update)二是查询性能非常差(基于Hadoop MapReduce）,不适合延迟小的交互式任务三是不支持事务2. Hive MetaStore是干什么的？Hive persists table schemas and other system metadata.
  • nginx有选择性进行限制 ronin47 nginx 动静　限制
    http { limit_conn_zone $binary_remote_addr zone=addr:10m; limit_req_zone $binary_remote_addr zone=one:10m rate=5r/s;... server {... location ~.*\.(gif|png|css|js|icon)$ {
  • java-4.-在二元树中找出和为某一值的所有路径 . bylijinnan java
    /* * 0.use a TwoWayLinkedList to store the path.when the node can't be path,you should/can delete it. * 1.curSum==exceptedSum:if the lastNode is TreeNode,printPath();delete the node otherwise
  • Netty学习笔记 bylijinnan javanetty
    本文是阅读以下两篇文章时： http://seeallhearall.blogspot.com/2012/05/netty-tutorial-part-1-introduction-to.html http://seeallhearall.blogspot.com/2012/06/netty-tutorial-part-15-on-channel.html 我的一些笔记 ===
  • js获取项目路径 cngolon js
    //js获取项目根路径，如： http://localhost:8083/uimcardprj function getRootPath(){     //获取当前网址，如： http://localhost:8083/uimcardprj/share/meun.jsp     var curWwwPath=window.document.locati
  • oracle 的性能优化 cuishikuan oracleSQL Server
       在网上搜索了一些Oracle性能优化的文章，为了更加深层次的巩固[边写边记]，也为了可以随时查看，所以发表这篇文章。     1.ORACLE采用自下而上的顺序解析WHERE子句，根据这个原理，表之间的连接必须写在其他WHERE条件之前，那些可以过滤掉最大数量记录的条件必须写在WHERE子句的末尾。（这点本人曾经做过实例验证过，的确如此哦！
  • Shell变量和数组使用详解 daizj linuxshell变量数组
    Shell 变量 定义变量时，变量名不加美元符号（$，PHP语言中变量需要），如： your_name="w3cschool.cc" 注意，变量名和等号之间不能有空格，这可能和你熟悉的所有编程语言都不一样。同时，变量名的命名须遵循如下规则： 首个字符必须为字母（a-z，A-Z）。 中间不能有空格，可以使用下划线（_）。 不能使用标点符号。 不能使用ba
  • 编程中的一些概念，KISS、DRY、MVC、OOP、REST dcj3sjt126com REST
    KISS、DRY、MVC、OOP、REST （1）KISS是指Keep It Simple,Stupid（摘自wikipedia），指设计时要坚持简约原则，避免不必要的复杂化。 （2）DRY是指Don't Repeat Yourself（摘自wikipedia），特指在程序设计以及计算中避免重复代码，因为这样会降低灵活性、简洁性，并且可能导致代码之间的矛盾。 （3）OOP 即Object-Orie
  • [Android]设置Activity为全屏显示的两种方法 dcj3sjt126com Activity
    1. 方法1：AndroidManifest.xml 里，Activity的 android:theme  指定为" @android:style/Theme.NoTitleBar.Fullscreen" 示例:   <application      
  • solrcloud 部署方式比较 eksliang solrCloud
    solrcloud 的部署其实有两种方式可选，那么我们在实践开发中应该怎样选择呢？ 第一种：当启动solr服务器时，内嵌的启动一个Zookeeper服务器，然后将这些内嵌的Zookeeper服务器组成一个集群。  第二种：将Zookeeper服务器独立的配置一个集群，然后将solr交给Zookeeper进行管理   谈谈第一种：每启动一个solr服务器就内嵌的启动一个Zoo
  • Java synchronized关键字详解 gqdy365 synchronized
    转载自：http://www.cnblogs.com/mengdd/archive/2013/02/16/2913806.html 多线程的同步机制对资源进行加锁，使得在同一个时间，只有一个线程可以进行操作，同步用以解决多个线程同时访问时可能出现的问题。 同步机制可以使用synchronized关键字实现。 当synchronized关键字修饰一个方法的时候，该方法叫做同步方法。 当s
  • js实现登录时记住用户名 hw1287789687 记住我记住密码cookie记住用户名记住账号
    在页面中如何获取cookie值呢? 如果是JSP的话,可以通过servlet的对象request 获取cookie,可以 参考:http://hw1287789687.iteye.com/blog/2050040 如果要求登录页面是html呢?html页面中如何获取cookie呢? 直接上代码了 页面:loginInput.html 代码: <!DOCTYPE html PUB
  • 开发者必备的 Chrome 扩展 justjavac chrome
    Firebug：不用多介绍了吧https://chrome.google.com/webstore/detail/bmagokdooijbeehmkpknfglimnifench ChromeSnifferPlus：Chrome 探测器，可以探测正在使用的开源软件或者 js 类库https://chrome.google.com/webstore/detail/chrome-sniffer-pl
  • 算法机试题 李亚飞 java算法机试题
           在面试机试时，遇到一个算法题，当时没能写出来，最后是同学帮忙解决的。        这道题大致意思是：输入一个数，比如4,。这时会输出：           &n
  • 正确配置Linux系统ulimit值 字符串 ulimit
    在Linux下面部 署应用的时候，有时候会遇上Socket/File: Can’t open so many files的问题；这个值也会影响服务器的最大并发数，其实Linux是有文件句柄限制的，而且Linux默认不是很高，一般都是1024，生产服务器用 其实很容易就达到这个数量。下面说的是，如何通过正解配置来改正这个系统默认值。因为这个问题是我配置Nginx+php5时遇到了，所以我将这篇归纳进
  • hibernate调用返回游标的存储过程 Supanccy2013 javaDAOoracleHibernatejdbc
    注：原创作品，转载请注明出处。     上篇博文介绍的是hibernate调用返回单值的存储过程，本片博文说的是hibernate调用返回游标的存储过程。     此此扁博文的存储过程的功能相当于是jdbc调用select 的作用。 1，创建oracle中的包，并在该包中创建的游标类型。 ---创建oracle的程
  • Spring 4.2新特性-更简单的Application Event wiselyman application
    1.1 Application Event Spring 4.1的写法请参考10点睛Spring4.1-Application Event 请对比10点睛Spring4.1-Application Event 使用一个@EventListener取代了实现ApplicationListener接口,使耦合度降低; 1.2 示例 包依赖 <p
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他