- 强化学习:Deep Deterministic Policy Gradient (DDPG) 学习笔记
烨川南
强化学习学习笔记算法人工智能机器学习
一、DDPG是什么?1.1核心概念DDPG=Deep+Deterministic+PolicyGradientDeep:使用深度神经网络和类似DQN的技术(经验回放、目标网络)Deterministic:输出确定的动作(而不是概率分布)PolicyGradient:基于策略梯度的方法,优化策略以最大化累积奖励1.2算法特点特性说明连续动作空间直接输出连续动作值(如方向盘角度、机器人关节扭矩)离线学
- MIT 6.S184 Lec01 Flow and Diffusion Models
克斯维尔的明天_
机器学习人工智能
MIT6.S184Lec01FlowandDiffusionModels本节中,我们将描述如何通过模拟一个适当构造的微分方程来获得所需的转换。例如,流匹配和扩散模型分别涉及模拟常微分方程(ODE)和随机微分方程(SDE)。因此,本节的目标是定义和构建这些生成模型。具体来说,我们首先定义ODE和SDE,并讨论它们的模拟。其次,我们描述如何使用深度神经网络对ODE/SDE进行参数化。从中推导出流模型和
- 强人工智能是否会诞生于现在的AI之中
一花·一叶
人工智能语言模型
为什么我认为当前AI方法无法实现真正的人工智能?随着大模型的发展日新月异,越来越多的人开始相信我们正在接近通用人工智能(AGI)。然而,作为一名人工智能领域的算法工程师,我反而越来越确信:现有的技术路径——以Transformer为核心的深度神经网络,可能已经达到了它的能力上限。我们或许正站在一个新时代的门槛上:真正的强人工智能将不会诞生于现有的范式中,而需要一条全新的算法路径。Transform
- 推荐文章:探索深度学习的不确定性边界 —— SDE-Net 开源项目解析
史多苹Thomas
推荐文章:探索深度学习的不确定性边界——SDE-Net开源项目解析SDE-NetCodeforpaper:SDE-Net:EquippingDeepNeuralnetworkwithUncertaintyEstimates项目地址:https://gitcode.com/gh_mirrors/sd/SDE-Net在当今的人工智能领域,深度神经网络(DNN)已经成为推动技术创新的基石。然而,其预测的
- C语言教学大变革!DeepSeek如何改变高职院校编程课堂?
武汉唯众智创
c语言开发语言程序设计Deepseek
一、引言在当今数字化转型的浪潮中,程序设计与分析能力已成为高职教育中不可或缺的核心竞争力。作为编程语言的基础,C语言不仅训练学生的计算思维,还培养其算法实现能力。然而,当前高职院校的C语言教学面临诸多挑战,如实践环节薄弱、学生创新能力不足等。DeepSeek等新一代智能编码支持系统的出现,为这一现状带来了转机。该系统融合了深度神经网络与语义解析技术,能够智能生成代码、优化缺陷检测、解构程序逻辑,并
- Keras环境复现代码(三)
yanyiche_
keras深度学习人工智能
DQN雅达利Breakout强化学习实验要求明确实验目的:学习和实现深度Q学习(DQN),这是一种结合了Q学习和深度神经网络的强化学习算法,用于解决复杂的决策问题。清楚实验原理:1、深度Q学习(DeepQ-Network)将卷积神经网络与Q学习结合,解决高维视觉输入的强化学习问题:2、经验回放:将状态转换存储到缓冲区,打破数据相关性,稳定训练。3、目标网络:定期更新目标Q值计算网络,减少训练中的目
- 大语言模型(LLM)笔记
笑衬人心。
大模型学习语言模型笔记人工智能
一、什么是大语言模型(LLM)?LLM(LargeLanguageModel)是基于Transformer架构构建,并在海量文本语料上训练出的具备自然语言理解和生成能力的深度神经网络模型。其本质任务是**预测下一个token(词/字/符号)**的概率分布,但通过大规模参数和数据的支持,表现出类人智能的行为。二、核心架构:Transformer由Google在2017年提出,是目前LLM的主流架构。
- Milvus向量数据库入门指南
longfei.li
milvus数据库人工智能
一、Milvus简介Milvus是一个开源的向量数据库,专为AI应用和向量相似度搜索而设计,以加速非结构化数据的检索。自2019年创建以来,Milvus专注于存储、索引和管理由深度神经网络和其他机器学习模型生成的海量嵌入向量。其能够处理万亿级别的向量索引任务。Milvus的核心优势在于其高效的索引机制,它支持多种索引类型,包括FLAT、IVF_FLAT、IVF_SQ8、IVF_PQ和HNSW等。这
- equine在神经网络中建立量化不确定性
struggle2025
神经网络人工智能深度学习
一、软件介绍文末提供程序和源码下载众所周知,用于监督标记问题的深度神经网络(DNN)可以在各种学习任务中产生准确的结果。但是,当准确性是唯一目标时,DNN经常会做出过于自信的预测,并且无论测试数据是否属于任何已知标签,它们也总是进行标签预测。EQUINEwascreatedtosimplifytwokindsofuncertaintyquantificationforsupervisedlabel
- 理解不同层的表示(layer representations)
科学禅道
高维表示人工智能深度学习
在机器学习和深度学习领域,特别是在处理音频和自然语言处理(NLP)任务时,"层的表示"(layerrepresentations)通常是指神经网络不同层在处理输入数据时生成的特征或嵌入。这些表示捕获了输入数据的不同层次的信息。1.层的表示(layerrepresentations)为了更好地理解这一概念,我们可以从以下几个方面进行解释:1.深度神经网络结构深度神经网络(DNN)通常由多个层组成,每
- ResNet(Residual Network)
不想秃头的程序
神经网络语音识别人工智能深度学习网络残差网络神经网络
ResNet(ResidualNetwork)是深度学习中一种经典的卷积神经网络(CNN)架构,由微软研究院的KaimingHe等人在2015年提出。它通过引入残差连接(SkipConnection)解决了深度神经网络中的梯度消失问题,使得网络可以训练极深的模型(如上百层),并在图像分类、目标检测、语义分割等任务中取得了突破性成果。以下是ResNet的详细介绍:一、核心思想ResNet的核心创新是
- VLLM:虚拟大型语言模型(Virtual Large Language Model)
大霸王龙
语言模型人工智能自然语言处理
VLLM:虚拟大型语言模型(VirtualLargeLanguageModel)VLLM指的是一种基于云计算的大型语言模型的虚拟实现。它通常是指那些由多个服务器组成的分布式计算环境中的复杂机器学习模型,这些模型能够处理和理解大量的文本数据。VLLM的核心是“大型语言模型”,这是一种通过深度神经网络训练的算法,能够在理解和生成人类语言方面表现出极高的能力。解释:虚拟:意味着这个模型不是在单个物理设备
- 昇思25天学习打卡营第9天|使用静态图加速
蓝精灵1
学习
数据集Dataset数据是深度学习的基础,高质量的数据输入将在整个深度神经网络中起到积极作用。MindSpore提供基于Pipeline的数据引擎,通过数据集(Dataset)和数据变换(Transforms)实现高效的数据预处理。其中Dataset是Pipeline的起始,用于加载原始数据。mindspore.dataset提供了内置的文本、图像、音频等数据集加载接口,并提供了自定义数据集加载接
- YOLOv11模型改进-模块-引入轻量级深度神经网络的卷积核DualConv 降低参数量
一勺汤
YOLOv11模型改进系列YOLO目标检测深度学习YOLOv11改进模块视觉检测
本篇文章将介绍一个新的改进机制——轻量级深度神经网络的卷积核DualConv,并阐述如何将其应用于YOLOv11中,显著提升模型性能。首先,DualConv结合了组卷积(GroupConv)和异构卷积(HetConv)的优势,旨在解决现有卷积方法在信息传递和网络性能方面的问题。随后,我们将详细讨论他的模型结构,以及如何将DualConv模块与YOLOv11相结合,以提升目标检测的性能。代码:htt
- PyTorch 是一个 Python 包,提供两个高级功能:具有强大 GPU 加速的张量计算(如 NumPy);基于基于磁带的 autograd 系统构建的深度神经网络;
struggle2025
python神经网络开发语言pytorchC++
一、软件介绍文末提供程序和源码下载PyTorch是一个Python包,提供两个高级功能:具有强大GPU加速的张量计算(如NumPy);基于基于磁带的autograd系统构建的深度神经网络;您可以在需要时重复使用自己喜欢的Python包(如NumPy、SciPy和Cython)来扩展PyTorch。二、在粒度级别上,PyTorch是一个由以下组件组成的库:在粒度级别上,PyTorch是一个由以下组件
- 深入剖析 AI 大模型中的 Dense 架构
Android 小码蜂
AI大模型人工智能架构神经网络自然语言处理深度学习
深入剖析AI大模型中的Dense架构本人掘金号,欢迎点击关注:掘金号地址本人公众号,欢迎点击关注:公众号地址一、引言在人工智能领域,深度神经网络的发展日新月异,各种架构层出不穷。其中,Dense架构(全连接架构)作为神经网络中最基础且核心的架构之一,在众多深度学习任务中扮演着至关重要的角色。Dense架构的核心思想是让每一层的神经元与上一层的所有神经元相连接,这种连接方式使得网络能够充分捕捉输入数
- TensorFlow与Pytorch的区别
m0_49517971
pytorch
TensorFlow是一个开源的机器学习库,由Google于2015年发布。它能够进行深度神经网络的训练和推理,具有高效、灵活、跨平台等优点,被广泛应用于图像识别、语音识别、自然语言处理、推荐系统等领域。TensorFlow的基本概念包括:Tensor:Tensor是TensorFlow中的基本数据结构,可以看作是多维数组。TensorFlow中的计算都是基于Tensor进行的。Graph:Gra
- 深度神经网络隐藏层数,神经网络的隐藏层理解
「已注销」
神经网络隐藏层是什么一个神经网络包括有多个神经元“层”,输入层、隐藏层及输出层。输入层负责接收输入及分发到隐藏层(因为用户看不见这些层,所以见做隐藏层)。这些隐藏层负责所需的计算及输出结果给输出层,而用户则可以看到最终结果。谷歌人工智能写作项目:神经网络伪原创关于循环神经网络RNN,隐藏层是怎么来的?RNN的隐藏层也可以叫循环核,简单来说循环核循环的次数叫时间步,循环核的个数就是隐藏层层数写作猫。
- BasicBlock组件的详解
浩瀚之水_csdn
#目标分类(理论)神经网络
BasicBlock是ResNet(残差网络)中的核心组件,主要用于解决深度神经网络中的梯度消失问题,同时提升特征表达能力。以下是其关键特性与实现原理的详细解析:一、基本结构与设计原理双层卷积架构BasicBlock由两个连续的3×3卷积层构成,每层后接BatchNormalization(BN)和ReLU激活函数:第一层:3×3卷积,可调整步长(stride)实现下采样。第二层:3×3卷积,固定
- AI应用工程师面试
道亦无名
面试人工智能
技术基础简述人工智能、机器学习和深度学习之间的关系。人工智能是一个广泛的概念,旨在让机器能够模拟人类的智能行为。机器学习是人工智能的一个子集,它专注于开发算法和模型,让计算机能够从数据中学习规律并进行预测。深度学习则是机器学习的一个分支,它利用深度神经网络来自动学习数据的特征表示,具有强大的特征提取能力,能够处理复杂的非线性问题。解释梯度下降算法的原理。梯度下降是一种优化算法,用于最小化损失函数。
- DeepAlignmentNetwork 安装和配置指南
邴念韶Monica
DeepAlignmentNetwork安装和配置指南DeepAlignmentNetworkAdeepneuralnetworkforfacealignment项目地址:https://gitcode.com/gh_mirrors/de/DeepAlignmentNetwork1.项目基础介绍和主要编程语言DeepAlignmentNetwork是一个用于人脸对齐的深度神经网络项目。该项目的主要
- 构筑多元视角下的智能安全能力提升之道
芯盾时代
安全网络人工智能网络安全
面对日益专业化、隐蔽化的网络攻击,传统安全防御能力在实时性、精准性和可持续性层面遭遇严峻挑战。人工智能技术通过其强大的数据解析力、模式识别力与决策自动化能力,正在重塑网络安全能力的价值,推动安全体系完成从“被动响应”到“主动免疫”的根本性变革。在威胁检测方面,人工智能通过无监督学习构建动态基线模型,实时解析网络流量、终端行为及用户操作日志,突破传统特征库对已知威胁的依赖。基于深度神经网络的异常检测
- 深度学习模型:技术演进、热点突破与未来图景
accurater
c++算法笔记深度学习
第一章深度学习模型的技术演进1.1从感知机到深度神经网络里程碑突破:AlexNet在ImageNet竞赛中实现图像分类性能飞跃,首次验证深度卷积网络(CNN)的潜力。其采用ReLU激活函数、Dropout正则化等创新,奠定现代深度学习基础架构。梯度消失的破解:LSTM网络通过门控机制实现长时序依赖建模,为自然语言处理(NLP)开辟道路,后续双向LSTM、GRU等变体持续优化记忆能力。计算范式革新:
- Pytorch最新保姆级安装教程!
二进制吟游诗人
pytorch人工智能python
PyTorch是一个广泛使用的深度学习框架,它提供了强大的工具和功能,便于开发和训练深度神经网络模型。本教程诗人将详细介绍如何安装最新版本的PyTorch,并提供详细的代码配置。一、环境要求在开始安装PyTorch之前,请确保你的系统满足以下要求:操作系统:支持Windows、Linux或macOS。Python版本:PyTorch支持Python3.6或更高版本。使用pip进行安装,需确保已正确
- NIPS-2013《Distributed PCA and $k$-Means Clustering》
Christo3
机器学习kmeans算法大数据人工智能
推荐深蓝学院的《深度神经网络加速:cuDNN与TensorRT》,课程面向就业,细致讲解CUDA运算的理论支撑与实践,学完可以系统化掌握CUDA基础编程知识以及TensorRT实战,并且能够利用GPU开发高性能、高并发的软件系统,感兴趣可以直接看看链接:深蓝学院《深度神经网络加速:cuDNN与TensorRT》核心思想该论文的核心思想是将主成分分析(PCA)与分布式kkk-均值聚类相结合,提出一种
- 信号与系统07-信号处理中的AI技术
江畔柳前堤
信号与系统信号处理人工智能深度学习pythonpyqt算法java
第7课:信号处理中的AI技术1.AI在信号处理中的核心应用领域信号处理与人工智能的结合是当前科技发展的核心方向之一。以下三大应用场景展示了AI在信号处理中的典型应用:1.1语音信号的去噪与增强理论基础:语音信号处理是信号与系统课程中的经典课题。传统方法依赖傅里叶变换、小波变换等频域分析技术,而AI技术(如深度神经网络)则通过端到端的方式直接学习信号特征。AI技术应用:语音去噪:基于深度学习的语音去
- 知识蒸馏在小样本学习中的作用
AI天才研究院
ChatGPTAI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
知识蒸馏在小样本学习中的作用关键词:知识蒸馏,小样本学习,深度神经网络,软标签,迁移学习,注意力机制摘要:本文将详细探讨知识蒸馏技术在小样本学习中的重要作用。首先,我们将介绍知识蒸馏的基本原理和在小样本学习中的应用,然后分析深度神经网络的基础知识以及知识蒸馏算法原理。接下来,我们将探讨小样本学习算法与模型,并通过实验和评估来验证知识蒸馏在小样本学习中的效果。最后,我们将讨论知识蒸馏的优化策略和面临
- OpenCV 环境搭建与概述
清醒的兰
OpenCVopencv人工智能计算机视觉
////OpenCV-4.11.0+C+++VS2019//一、OpenCV学习路线1、入门:OpenCV图像读写、视频读写、基本像素处理、基本卷积处理、基本C++开发知识。2、初级:OpenCV自定义卷积操作、图像梯度、边缘提取、二值分析、视频分析、形态学处理、几何变换与透视变换。3、中级:角点查找、BLOB查找、特征提取与匹配、机器学习、深度神经网络、CUDA加速。4、高级:掌握自定义对象检测
- 【RAG实战】语言模型基础
sysu_lluozh
#RAG语言模型人工智能自然语言处理
语言模型赋予了计算机理解和生成人类语言的能力。它结合了统计学原理和深度神经网络技术,通过对大量的样本数据进行复杂的概率分布分析来学习语言结构的内在模式和相关性。具体地,语言模型可根据上下文中已出现的词序列,使用概率推断来预测接下来可能出现的词汇。接下来主要介绍一些基础的语言模型,如Transformer、自动编码器、自回归模型等。2.1TransformerTransformer模型是深度学习,尤
- 反向传播算法——矩阵形式递推公式——ReLU传递函数
phoenix@Capricornus
模式识别与机器学习算法矩阵机器学习
总结反向传播算法。来源于https://udlbook.github.io/udlbook/,我不明白初始不从x0\boldsymbol{x}_0x0开始,而是从z0\boldsymbol{z}_0z0开始,不知道怎么想的。考虑一个深度神经网络g[xi,ϕ]g[\boldsymbol{x}_i,\boldsymbol{\phi}]g[xi,ϕ],它接受输入xi\boldsymbol{x}_ixi,
- mongodb3.03开启认证
21jhf
mongodb
下载了最新mongodb3.03版本,当使用--auth 参数命令行开启mongodb用户认证时遇到很多问题,现总结如下:
(百度上搜到的基本都是老版本的,看到db.addUser的就是,请忽略)
Windows下我做了一个bat文件,用来启动mongodb,命令行如下:
mongod --dbpath db\data --port 27017 --directoryperdb --logp
- 【Spark103】Task not serializable
bit1129
Serializable
Task not serializable是Spark开发过程最令人头疼的问题之一,这里记录下出现这个问题的两个实例,一个是自己遇到的,另一个是stackoverflow上看到。等有时间了再仔细探究出现Task not serialiazable的各种原因以及出现问题后如何快速定位问题的所在,至少目前阶段碰到此类问题,没有什么章法
1.
package spark.exampl
- 你所熟知的 LRU(最近最少使用)
dalan_123
java
关于LRU这个名词在很多地方或听说,或使用,接下来看下lru缓存回收的实现
1、大体的想法
a、查询出最近最晚使用的项
b、给最近的使用的项做标记
通过使用链表就可以完成这两个操作,关于最近最少使用的项只需要返回链表的尾部;标记最近使用的项,只需要将该项移除并放置到头部,那么难点就出现 你如何能够快速在链表定位对应的该项?
这时候多
- Javascript 跨域
周凡杨
JavaScriptjsonp跨域cross-domain
 
- linux下安装apache服务器
g21121
apache
安装apache
下载windows版本apache,下载地址:http://httpd.apache.org/download.cgi
1.windows下安装apache
Windows下安装apache比较简单,注意选择路径和端口即可,这里就不再赘述了。 2.linux下安装apache:
下载之后上传到linux的相关目录,这里指定为/home/apach
- FineReport的JS编辑框和URL地址栏语法简介
老A不折腾
finereportweb报表报表软件语法总结
JS编辑框:
1.FineReport的js。
作为一款BS产品,browser端的JavaScript是必不可少的。
FineReport中的js是已经调用了finereport.js的。
大家知道,预览报表时,报表servlet会将cpt模板转为html,在这个html的head头部中会引入FineReport的js,这个finereport.js中包含了许多内置的fun
- 根据STATUS信息对MySQL进行优化
墙头上一根草
status
mysql 查看当前正在执行的操作,即正在执行的sql语句的方法为:
show processlist 命令
mysql> show global status;可以列出MySQL服务器运行各种状态值,我个人较喜欢的用法是show status like '查询值%';一、慢查询mysql> show variab
- 我的spring学习笔记7-Spring的Bean配置文件给Bean定义别名
aijuans
Spring 3
本文介绍如何给Spring的Bean配置文件的Bean定义别名?
原始的
<bean id="business" class="onlyfun.caterpillar.device.Business">
<property name="writer">
<ref b
- 高性能mysql 之 性能剖析
annan211
性能mysqlmysql 性能剖析剖析
1 定义性能优化
mysql服务器性能,此处定义为 响应时间。
在解释性能优化之前,先来消除一个误解,很多人认为,性能优化就是降低cpu的利用率或者减少对资源的使用。
这是一个陷阱。
资源时用来消耗并用来工作的,所以有时候消耗更多的资源能够加快查询速度,保持cpu忙绿,这是必要的。很多时候发现
编译进了新版本的InnoDB之后,cpu利用率上升的很厉害,这并不
- 主外键和索引唯一性约束
百合不是茶
索引唯一性约束主外键约束联机删除
目标;第一步;创建两张表 用户表和文章表
第二步;发表文章
1,建表;
---用户表 BlogUsers
--userID唯一的
--userName
--pwd
--sex
create
- 线程的调度
bijian1013
java多线程thread线程的调度java多线程
1. Java提供一个线程调度程序来监控程序中启动后进入可运行状态的所有线程。线程调度程序按照线程的优先级决定应调度哪些线程来执行。
2. 多数线程的调度是抢占式的(即我想中断程序运行就中断,不需要和将被中断的程序协商)
a) 
- 查看日志常用命令
bijian1013
linux命令unix
一.日志查找方法,可以用通配符查某台主机上的所有服务器grep "关键字" /wls/applogs/custom-*/error.log
二.查看日志常用命令1.grep '关键字' error.log:在error.log中搜索'关键字'2.grep -C10 '关键字' error.log:显示关键字前后10行记录3.grep '关键字' error.l
- 【持久化框架MyBatis3一】MyBatis版HelloWorld
bit1129
helloworld
MyBatis这个系列的文章,主要参考《Java Persistence with MyBatis 3》。
样例数据
本文以MySQL数据库为例,建立一个STUDENTS表,插入两条数据,然后进行单表的增删改查
CREATE TABLE STUDENTS
(
stud_id int(11) NOT NULL AUTO_INCREMENT,
- 【Hadoop十五】Hadoop Counter
bit1129
hadoop
1. 只有Map任务的Map Reduce Job
File System Counters
FILE: Number of bytes read=3629530
FILE: Number of bytes written=98312
FILE: Number of read operations=0
FILE: Number of lar
- 解决Tomcat数据连接池无法释放
ronin47
tomcat 连接池 优化
近段时间,公司的检测中心报表系统(SMC)的开发人员时不时找到我,说用户老是出现无法登录的情况。前些日子因为手头上 有Jboss集群的测试工作,发现用户不能登录时,都是在Tomcat中将这个项目Reload一下就好了,不过只是治标而已,因为大概几个小时之后又会 再次出现无法登录的情况。
今天上午,开发人员小毛又找到我,要我协助将这个问题根治一下,拖太久用户难保不投诉。
简单分析了一
- java-75-二叉树两结点的最低共同父结点
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import ljn.help.*;
public class BTreeLowestParentOfTwoNodes {
public static void main(String[] args) {
/*
* node data is stored in
- 行业垂直搜索引擎网页抓取项目
carlwu
LuceneNutchHeritrixSolr
公司有一个搜索引擎项目,希望各路高人有空来帮忙指导,谢谢!
这是详细需求:
(1) 通过提供的网站地址(大概100-200个网站),网页抓取程序能不断抓取网页和其它类型的文件(如Excel、PDF、Word、ppt及zip类型),并且程序能够根据事先提供的规则,过滤掉不相干的下载内容。
(2) 程序能够搜索这些抓取的内容,并能对这些抓取文件按照油田名进行分类,然后放到服务器不同的目录中。
- [通讯与服务]在总带宽资源没有大幅增加之前,不适宜大幅度降低资费
comsci
资源
降低通讯服务资费,就意味着有更多的用户进入,就意味着通讯服务提供商要接待和服务更多的用户,在总体运维成本没有由于技术升级而大幅下降的情况下,这种降低资费的行为将导致每个用户的平均带宽不断下降,而享受到的服务质量也在下降,这对用户和服务商都是不利的。。。。。。。。
&nbs
- Java时区转换及时间格式
Cwind
java
本文介绍Java API 中 Date, Calendar, TimeZone和DateFormat的使用,以及不同时区时间相互转化的方法和原理。
问题描述:
向处于不同时区的服务器发请求时需要考虑时区转换的问题。譬如,服务器位于东八区(北京时间,GMT+8:00),而身处东四区的用户想要查询当天的销售记录。则需把东四区的“今天”这个时间范围转换为服务器所在时区的时间范围。
- readonly,只读,不可用
dashuaifu
jsjspdisablereadOnlyreadOnly
readOnly 和 readonly 不同,在做js开发时一定要注意函数大小写和jsp黄线的警告!!!我就经历过这么一件事:
使用readOnly在某些浏览器或同一浏览器不同版本有的可以实现“只读”功能,有的就不行,而且函数readOnly有黄线警告!!!就这样被折磨了不短时间!!!(期间使用过disable函数,但是发现disable函数之后后台接收不到前台的的数据!!!)
- LABjs、RequireJS、SeaJS 介绍
dcj3sjt126com
jsWeb
LABjs 的核心是 LAB(Loading and Blocking):Loading 指异步并行加载,Blocking 是指同步等待执行。LABjs 通过优雅的语法(script 和 wait)实现了这两大特性,核心价值是性能优化。LABjs 是一个文件加载器。RequireJS 和 SeaJS 则是模块加载器,倡导的是一种模块化开发理念,核心价值是让 JavaScript 的模块化开发变得更
- [应用结构]入口脚本
dcj3sjt126com
PHPyii2
入口脚本
入口脚本是应用启动流程中的第一环,一个应用(不管是网页应用还是控制台应用)只有一个入口脚本。终端用户的请求通过入口脚本实例化应用并将将请求转发到应用。
Web 应用的入口脚本必须放在终端用户能够访问的目录下,通常命名为 index.php,也可以使用 Web 服务器能定位到的其他名称。
控制台应用的入口脚本一般在应用根目录下命名为 yii(后缀为.php),该文
- haoop shell命令
eksliang
hadoophadoop shell
cat
chgrp
chmod
chown
copyFromLocal
copyToLocal
cp
du
dus
expunge
get
getmerge
ls
lsr
mkdir
movefromLocal
mv
put
rm
rmr
setrep
stat
tail
test
text
- MultiStateView不同的状态下显示不同的界面
gundumw100
android
只要将指定的view放在该控件里面,可以该view在不同的状态下显示不同的界面,这对ListView很有用,比如加载界面,空白界面,错误界面。而且这些见面由你指定布局,非常灵活。
PS:ListView虽然可以设置一个EmptyView,但使用起来不方便,不灵活,有点累赘。
<com.kennyc.view.MultiStateView xmlns:android=&qu
- jQuery实现页面内锚点平滑跳转
ini
JavaScripthtmljqueryhtml5css
平时我们做导航滚动到内容都是通过锚点来做,刷的一下就直接跳到内容了,没有一丝的滚动效果,而且 url 链接最后会有“小尾巴”,就像#keleyi,今天我就介绍一款 jquery 做的滚动的特效,既可以设置滚动速度,又可以在 url 链接上没有“小尾巴”。
效果体验:http://keleyi.com/keleyi/phtml/jqtexiao/37.htmHTML文件代码:
&
- kafka offset迁移
kane_xie
kafka
在早前的kafka版本中(0.8.0),offset是被存储在zookeeper中的。
到当前版本(0.8.2)为止,kafka同时支持offset存储在zookeeper和offset manager(broker)中。
从官方的说明来看,未来offset的zookeeper存储将会被弃用。因此现有的基于kafka的项目如果今后计划保持更新的话,可以考虑在合适
- android > 搭建 cordova 环境
mft8899
android
1 , 安装 node.js
http://nodejs.org
node -v 查看版本
2, 安装 npm
可以先从 https://github.com/isaacs/npm/tags 下载 源码 解压到
- java封装的比较器,比较是否全相同,获取不同字段名字
qifeifei
非常实用的java比较器,贴上代码:
import java.util.HashSet;
import java.util.List;
import java.util.Set;
import net.sf.json.JSONArray;
import net.sf.json.JSONObject;
import net.sf.json.JsonConfig;
i
- 记录一些函数用法
.Aky.
位运算PHP数据库函数IP
高手们照旧忽略。
想弄个全天朝IP段数据库,找了个今天最新更新的国内所有运营商IP段,copy到文件,用文件函数,字符串函数把玩下。分割出startIp和endIp这样格式写入.txt文件,直接用phpmyadmin导入.csv文件的形式导入。(生命在于折腾,也许你们觉得我傻X,直接下载人家弄好的导入不就可以,做自己的菜鸟,让别人去说吧)
当然用到了ip2long()函数把字符串转为整型数
- sublime text 3 rust
wudixiaotie
Sublime Text
1.sublime text 3 => install package => Rust
2.cd ~/.config/sublime-text-3/Packages
3.mkdir rust
4.git clone https://github.com/sp0/rust-style
5.cd rust-style
6.cargo build --release
7.ctrl