- Caffe学习系列——工具篇:计算数据集的图像均值
Solomon1588
计算机视觉CVCaffe深度学习深度学习Caffe数据预处理特征标准化
本系列文章介绍深度学习框架Caffe及其实践,本文主要介绍Caffe的实用工具——compute_image_mean计算图像均值.1.图像预处理——零均值化数据预处理在深度学习中非常重要,数据预处理中,标准的第一步是数据归一化。特征归一化常用的方法包含如下几种:简单缩放逐样本均值消减(也称为移除直流分量)特征标准化(使数据集中所有特征都具有零均值和单位方差)特征标准化指的是(独立地)使得数据的每
- Caffe学习 (五):SSD源码解读ssd_pascal.py
QZX-light
Caffe学习系列Caffe
参考博客:https://blog.csdn.net/xunan003/article/details/79089280from__future__importprint_functionimportcaffefromcaffe.model_libsimport*fromgoogle.protobufimporttext_formatimportmathimportosimportshutilim
- caffe学习(1)------windows下基于GPU配置
lishanlu136
caffecaffe
最近准备用caffe做图片的分类,可配置caffe就让我折腾了大半个月,一直配置不成功,最后还是参考官网的tutorial才配置成功,于是决定把配置的过程写下来,如果后面有朋友配置caffe遇到什么问题,还可以参考参考。首先贴出官方的配置caffe的工程:https://github.com/BVLC/caffe/tree/windows,注意,这可是基于Windows系统的,因为我的电脑是win
- caffemodel特征可视化_Caffe学习笔记4图像特征进行可视化
weixin_39824801
caffemodel特征可视化
Caffe学习笔记4图像特征进行可视化本文为原创作品,未经本人同意,禁止转载,禁止用于商业用途!本人对博客使用拥有最终解释权欢迎关注我的博客:http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing/可以算是对它的翻译的总结吧,它可以算是学习笔记2的一个发展,2是介绍怎么提取特征,这是介绍怎么可视化特征1、准备工作首先
- Caffe学习:build/tools/convert_imageset
jiarenyf
caffecaffe
caffe/build/tools/convert_imageset用于将image图片转化为lmdb(leveldb)格式编写命令,实现图片格式转化:#!bin/sh#工具目录TOOLS_ROOT=caffe/build/tools#train_datas存放训练图片#label_train.txt保存图片标签#shuffle参数用于打乱图片读取顺序#train_db文件夹(不可手动新建)存放转
- Caffe学习之——caffe.cpp源码解析
ciky奇
caffecaffe.cpp
本文主要解析caffe源码中/tools/caffe.cpp文件,此文件是caffe程序的入口main函数,包含了命令行参数代码实现,如tain,test,time等。caffe结构请参考:https://blog.csdn.net/c20081052/article/details/80585888caffe命令行参数请参考:https://blog.csdn.net/c20081052/art
- caffe学习(1):多平台下安装配置caffe
weixin_34238642
操作系统运维git
如何在centos7.3上安装caffe深度学习工具有好多朋友在安装caffe时遇到不少问题。(看文章的朋友希望关心一下我的创业项目趣智思成)今天测试并整理一下安装过程。我是在阿里云上测试,选择centos7.3镜像。先安装epel源1yuminstallepel-release安装基本编译环境12yuminstallprotobuf-develleveldb-develsnappy-develo
- Caffe学习笔记1-安装以及代码结构
baobei0112
CNN卷积神经网络
Caffe学习笔记1-安装以及代码结构ByYuFeiGan2014-12-09更新日期:2014-12-09安装按照官网教程安装,我在OSX10.9和Ubuntu14.04上面都安装成功了。主要麻烦在于gloggflagsgtest这几个依赖项是google上面的需要。由于我用Mac没有CUDA,所以安装时需要设置CPU_ONLY:=1。如果不是干净的系统,安装还是有点麻烦的比如我在OSX10.9
- caffe学习笔记--写一个运行caffe.cpp的makefile
thystar
caffe学习
之前因为有caffe的项目要放到服务器上面,但是其实不需要在服务器上面重新安装caffe,所以写了个makefile.这里改写了个简单的,比较容易读的,只运行caffe.cpp,如果由其他的,可以按照makefile的规则添加就好。首先,还是要说一下关于caffe的依赖,参考之前的两篇博客:http://blog.csdn.net/thystar/article/details/51179064和
- caffe学习笔记10.1--Fine-tuning a Pretrained Network for Style Recognition(new)
thystar
caffe学习
在之前的文章里,写过一个关于微调的博客,但是今天上去发现这部分已经更新了http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb,因此补一篇最新的,关于微调,前面的文章由讲,参考http://blog.csdn.net/thystar/article/details/5067553
- caffe学习笔记(11):多任务学习之HDF5Data类型数据集生成
guyunee
deeplearningmatlabobjectdetection数据标签caffe深度学习
最近开始研究多任务学习(multi-tasklearning,MTL),先分享给大家:本文主要讲述数据集的建立,HDF5Data类型用于处理多标签数据,在网络中定义为:layer{name:"data"type:"HDF5Data"top:"data"top:"label"include{phase:TRAIN}hdf5_data_param{source:"list_train.txt"batc
- Caffe学习:Forward and Backward
jiarenyf
caffecaffe
原文forwardandbackwardpasses(前向迭代和反向迭代)是Net最基本的成分。下面以简单的logisticregressionclassifier(逻辑回归分类器)为例。ForwardPass(前向迭代)利用给定的输入,根据模型设定的函数,计算出输出。Thispassgoesfrombottomtotop(数据流向从bottom到top)。数据x通过一个innerproductl
- Ubuntu14.04下配置Caffe+OpenCV2.4.10+CUDA7.5+cuDNN5.1.10
cuihaolong
3DPrint系统配置
1.CUDA配置与Tensorflow,Keras等深度学习框架一样的配置方法,一次配置可以重用,其他基础软件和依赖项亦可参考:Caffe学习笔记2--Ubuntu14.0464bit安装Caffe(GPU版本)Ubuntu14.04+Caffe+Cuda7.5+Opencv3.0安装教程Caffe+Ubuntu14.0464bit+CUDA6.5配置说明Caffe搭建:Ubuntu14.04+C
- Caffe学习笔记(一): 训练和测试自己的数据集
__Sunshine__
笔记Pythoncaffe训练数据集计算机视觉
1数据准备首先在caffe根目录下建立一个文件夹myfile,用于存放数据文件和后面的caffe模型相关文件。然后在myfile文件夹下建立build_lmdb和datatest两个文件夹,其中build_lmdb文件夹用于存放生成的lmdb文件,datatest文件夹存放图片数据。在datatest下主要有2个文件夹和2个.sh文件和2个.txt文件,其中train文件夹中存放待训练的图片,va
- Caffe学习(三)Caffe模型的结构
遍地流金
Caffe学习
一总体结构在caffe中,解决一个问题首先应该定义一个slover,反应到mnist例程中也就是lenet_solver.prototxt。该slover主要包括两部分,(1)为网络模型model,(2)为该模型参数的具体optimization方法及参数。model主要由各种layer组成,主要包括数据相关的DataLayer,图像滤波变换相关的VisionLayer,非线性激活函数Activa
- caffe数据文件lmdb训练神器digits
hi我是大嘴巴
denny的学习专栏徐其华博客园首页新随笔联系管理订阅随笔-145文章-0评论-1085Caffe学习系列(21):caffe图形化操作工具digits的安装与运行经过前面一系列的学习,我们基本上学会了如何在linux下运行caffe程序,也学会了如何用python接口进行数据及参数的可视化。如果还没有学会的,请自行细细阅读:caffe学习系列:http://www.cnblogs.com/den
- Caffe学习总结(一)——初识caffe
不系之舟913
深度学习caffe深度学习机器学习框架
深度学习在当前情况下可以用一个字来形容“火”,目前项目中使用到了常用的机器学习算法,在使用过程中发现图像的特征提取成为识别的瓶颈,无意中了解到caffe,可以很好的解决特征提取的问题。于是想尝试一下caffe的威力。初识caffe,就习惯性了想了解下作者,发现设计作者是贾杨清,终于发现一个牛逼的框架是我们中国人做的啦!于是很兴奋,很想深入的进行学习,希望能在工作中使用起来。1、caffe的由来到一
- 深度学习之----caffe
Steven_ycs
本文主要讲解caffe的整个使用流程,适用于初级入门caffe,通过学习本篇博文,理清项目训练、测试流程。初级教程,高手请绕道。我们知道,在caffe编译完后,在caffe目录下会生成一个build目录,在build目录下有个tools,这个里面有个可执行文件caffe,如下图所示:有了这个可执行文件我们就可以进行模型的训练,只需要学会调用这个可执行文件就可以了,这便是最简单的caffe学习,不需
- caffe学习系列二:源码深入解析-单步跟踪调试指南
singularpt
为了更好的学习caffe,我们利用上节安装好的环境,进行单步调试,以窥caffe全貌。准备工作:要在vs2013中单步跟踪调试caffe,需要配置caffe工程,打开【属性】-【调试】-【命令行参数】中加入输入参数。如下配置:image.png先贴一张caffe的整体处理流程:image.png一、函数入口众所周知,caffe由c++写的,而c++的入口函数为main,我们在caffe.cpp文件
- Ubuntu 14.04下编译OpenPose
crazyhank
OpenPose是CMU开发的一个开源人体姿态检测模型,github地址为:https://github.com/CMU-Perceptual-Computing-Lab/openpose,下面为在ubuntu14.04版本上编译的过程下载源码由于openpose依赖于第三方的caffe学习框架,所以在gitclone一定要加上"--recursive"选项,如下所示:#gitclone--rec
- Caffe学习笔记6:过程小结
Zz鱼丸
之前写的学习笔记1用两种方法进行预测,今天发现有点不对。下面进行分析总结:先来看看Classifier的源代码#!/usr/bin/envpython"""ClassifierisanimageclassifierspecializationofNet."""importnumpyasnpimportcaffeclassClassifier(caffe.Net):"""Classifierexte
- Caffe Cifar10模型测试及可视化
不会积
本文主体来自[Caffe学习系列(17):模型各层数据和参数可视化],加了一点自己的注释(http://www.cnblogs.com/denny402/p/5105911.html)先用caffe对cifar10进行训练,将训练的结果模型进行保存,得到一个caffemodel,然后从测试图片中选出一张进行测试,并进行可视化。#加载必要的库importnumpyasnpimportmatplotl
- Caffe学习系列(3):视觉层(Vision Layers)及参数
weixin_33850890
matlab人工智能
所有的层都具有的参数,如name,type,bottom,top和transform_param请参看我的前一篇文章:Caffe学习系列(2):数据层及参数本文只讲解视觉层(VisionLayers)的参数,视觉层包括Convolution,Pooling,LocalResponseNormalization(LRN),im2col等层。1、Convolution层:就是卷积层,是卷积神经网络(C
- Caffe学习之一:Caffe的配置和编译
sherry_gp
程序软件安装
最近,在学习deeplearning,使用的工具就是caffe,比较容易上手,不啰嗦了,先说环境的配置和编译。系统的平台为win10+matlab2014b+vs2013.在开始之前,要安装cuda的驱动,我使用的cuda7.5这个版本(为了和caffe里面使用的版本同步)。首先,在https://github.com/happynear/caffe-windows下载caffe和以及此页面上提供
- 【深度学习框架Caffe学习与应用】第四课 Caffe可视化工具
soldier123333
[caffe学习笔记]
1.首先准备pycaffe环境输入一下命令:2.网络可视化的工具2.1在caffe中,有一个专门用于画网络结构图的py文件:caffe/tools/draw_net.py2.2也可以通过在线可视化工具,网址如下:http://ethereon.github.io/netscope/#/editor2.caffemodel的可视化,需要先把代码看明白,这里不写了3.特征图的可视化4.loss和acc
- 【深度学习框架Caffe学习与应用】 第十一课
soldier123333
[caffe学习笔记]
1.车辆检测实践:使用Caffe训练的深度学习模型做目标检测——以车辆检测为例有关文件都放在以下文件夹中:对vehicle_detetc.cpp进行编译:编译之前,需要修改一下代码中的文件路径:我刚开始先编译之后,才修改的源文件,所以运行的时候,出现下面错误:只要修改完路径之后,重新编译就好结果如下图所示:效果不好,有误检
- 【深度学习框架Caffe学习与应用】第五课 自定义神经层和数据输入层
soldier123333
[caffe学习笔记]
一、自定义神经层1.创建新定义的头文件,目录在caffe/include/caffe/layers/my_neuron_layer.hpp我复制了conv_layer.hpp文件,然后在该文件的内容上进行更改如果只是需要CPU方法,可以注释掉forward_gpu和backward_gpu修改对照内容如下(左侧是conv_layer.hpp,右侧是my_neuron_layer.hpp):2.创建
- 【深度学习框架Caffe学习与应用】第三课 使用训练好的模型
soldier123333
[caffe学习笔记]
1.均值文件将所有训练样本的均值保存为文件。首先将计算均值文件的caffe工具compute_image_mean放到当前目录:caffe/test/mnist/下面,之后运行如下命令:这样,我们的均值文件就生成了2.改写deploy文件(以mnist为例)(略过)3.使用修改后的mnist的deploy文件,输入一张图片,输出分类结果首先我们写了一个test_mnist.cpp文件,先进行编译,
- Caffe学习笔记11:Ubuntu 16.04 中 caffe 编译出现的错误——fatal error: hdf5.h: 没有那个文件或目录
weixin_41774576
Caffe
step1:cd/usr/lib/x86_64-linux-gnusudoln-slibhdf5_serial.so.8.0.2libhdf5.sosudoln-slibhdf5_serial_hl.so.8.0.2libhdf5_hl.sostep2:changeMakefile.config//打开Makefile.config将下面的INCLUDE_DIRS:=$(PYTHON_INCLUD
- caffe学习-代码阅读DataLayer
华山汉灵
编程-深度学习框架
以下摘录自《深度学习轻松学》冯超为了能够尽可能地提高训练速度,DataLayer采用了异步准备数据的形式,数据读人的工作和模型训练的工作在各自的线程中进行,相互独立并不依赖。当模型需要数据时,只需要将数据复制到指定的内存中即可。从lmdb数据库中,Cusror逐一获取数据,然后构成batch,经过transform变换后,是实际训练用的data.最上面的虚线框是DataReader类,负责从DB中
- 用MiddleGenIDE工具生成hibernate的POJO(根据数据表生成POJO类)
AdyZhang
POJOeclipseHibernateMiddleGenIDE
推荐:MiddlegenIDE插件, 是一个Eclipse 插件. 用它可以直接连接到数据库, 根据表按照一定的HIBERNATE规则作出BEAN和对应的XML ,用完后你可以手动删除它加载的JAR包和XML文件! 今天开始试着使用
- .9.png
Cb123456
android
“点九”是andriod平台的应用软件开发里的一种特殊的图片形式,文件扩展名为:.9.png
智能手机中有自动横屏的功能,同一幅界面会在随着手机(或平板电脑)中的方向传感器的参数不同而改变显示的方向,在界面改变方向后,界面上的图形会因为长宽的变化而产生拉伸,造成图形的失真变形。
我们都知道android平台有多种不同的分辨率,很多控件的切图文件在被放大拉伸后,边
- 算法的效率
天子之骄
算法效率复杂度最坏情况运行时间大O阶平均情况运行时间
算法的效率
效率是速度和空间消耗的度量。集中考虑程序的速度,也称运行时间或执行时间,用复杂度的阶(O)这一标准来衡量。空间的消耗或需求也可以用大O表示,而且它总是小于或等于时间需求。
以下是我的学习笔记:
1.求值与霍纳法则,即为秦九韶公式。
2.测定运行时间的最可靠方法是计数对运行时间有贡献的基本操作的执行次数。运行时间与这个计数成正比。
- java数据结构
何必如此
java数据结构
Java 数据结构
Java工具包提供了强大的数据结构。在Java中的数据结构主要包括以下几种接口和类:
枚举(Enumeration)
位集合(BitSet)
向量(Vector)
栈(Stack)
字典(Dictionary)
哈希表(Hashtable)
属性(Properties)
以上这些类是传统遗留的,在Java2中引入了一种新的框架-集合框架(Collect
- MybatisHelloWorld
3213213333332132
//测试入口TestMyBatis
package com.base.helloworld.test;
import java.io.IOException;
import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibat
- Java|urlrewrite|URL重写|多个参数
7454103
javaxmlWeb工作
个人工作经验! 如有不当之处,敬请指点
1.0 web -info 目录下建立 urlrewrite.xml 文件 类似如下:
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE u
- 达梦数据库+ibatis
darkranger
sqlmysqlibatisSQL Server
--插入数据方面
如果您需要数据库自增...
那么在插入的时候不需要指定自增列.
如果想自己指定ID列的值, 那么要设置
set identity_insert 数据库名.模式名.表名;
----然后插入数据;
example:
create table zhabei.test(
id bigint identity(1,1) primary key,
nam
- XML 解析 四种方式
aijuans
android
XML现在已经成为一种通用的数据交换格式,平台的无关性使得很多场合都需要用到XML。本文将详细介绍用Java解析XML的四种方法。
XML现在已经成为一种通用的数据交换格式,它的平台无关性,语言无关性,系统无关性,给数据集成与交互带来了极大的方便。对于XML本身的语法知识与技术细节,需要阅读相关的技术文献,这里面包括的内容有DOM(Document Object
- spring中配置文件占位符的使用
avords
1.类
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE beans PUBLIC "-//SPRING//DTD BEAN//EN" "http://www.springframework.o
- 前端工程化-公共模块的依赖和常用的工作流
bee1314
webpack
题记: 一个人的项目,还有工程化的问题嘛? 我们在推进模块化和组件化的过程中,肯定会不断的沉淀出我们项目的模块和组件。对于这些沉淀出的模块和组件怎么管理?另外怎么依赖也是个问题? 你真的想这样嘛? var BreadCrumb = require(‘../../../../uikit/breadcrumb’); //真心ugly。
- 上司说「看你每天准时下班就知道你工作量不饱和」,该如何回应?
bijian1013
项目管理沟通IT职业规划
问题:上司说「看你每天准时下班就知道你工作量不饱和」,如何回应
正常下班时间6点,只要是6点半前下班的,上司都认为没有加班。
Eno-Bea回答,注重感受,不一定是别人的
虽然我不知道你具体从事什么工作与职业,但是我大概猜测,你是从事一项不太容易出现阶段性成果的工作
- TortoiseSVN,过滤文件
征客丶
SVN
环境:
TortoiseSVN 1.8
配置:
在文件夹空白处右键
选择 TortoiseSVN -> Settings
在 Global ignote pattern 中添加要过滤的文件:
多类型用英文空格分开
*name : 过滤所有名称为 name 的文件或文件夹
*.name : 过滤所有后缀为 name 的文件或文件夹
--------
- 【Flume二】HDFS sink细说
bit1129
Flume
1. Flume配置
a1.sources=r1
a1.channels=c1
a1.sinks=k1
###Flume负责启动44444端口
a1.sources.r1.type=avro
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444
a1.sources.r1.chan
- The Eight Myths of Erlang Performance
bookjovi
erlang
erlang有一篇guide很有意思: http://www.erlang.org/doc/efficiency_guide
里面有个The Eight Myths of Erlang Performance: http://www.erlang.org/doc/efficiency_guide/myths.html
Myth: Funs are sl
- java多线程网络传输文件(非同步)-2008-08-17
ljy325
java多线程socket
利用 Socket 套接字进行面向连接通信的编程。客户端读取本地文件并发送;服务器接收文件并保存到本地文件系统中。
使用说明:请将TransferClient, TransferServer, TempFile三个类编译,他们的类包是FileServer.
客户端:
修改TransferClient: serPort, serIP, filePath, blockNum,的值来符合您机器的系
- 读《研磨设计模式》-代码笔记-模板方法模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
- 配置心得
chenyu19891124
配置
时间就这样不知不觉的走过了一个春夏秋冬,转眼间来公司已经一年了,感觉时间过的很快,时间老人总是这样不停走,从来没停歇过。
作为一名新手的配置管理员,刚开始真的是对配置管理是一点不懂,就只听说咱们公司配置主要是负责升级,而具体该怎么做却一点都不了解。经过老员工的一点点讲解,慢慢的对配置有了初步了解,对自己所在的岗位也慢慢的了解。
做了一年的配置管理给自总结下:
1.改变
从一个以前对配置毫无
- 对“带条件选择的并行汇聚路由问题”的再思考
comsci
算法工作软件测试嵌入式领域模型
2008年上半年,我在设计并开发基于”JWFD流程系统“的商业化改进型引擎的时候,由于采用了新的嵌入式公式模块而导致出现“带条件选择的并行汇聚路由问题”(请参考2009-02-27博文),当时对这个问题的解决办法是采用基于拓扑结构的处理思想,对汇聚点的实际前驱分支节点通过算法预测出来,然后进行处理,简单的说就是找到造成这个汇聚模型的分支起点,对这个起始分支节点实际走的路径数进行计算,然后把这个实际
- Oracle 10g 的clusterware 32位 下载地址
daizj
oracle
Oracle 10g 的clusterware 32位 下载地址
http://pan.baidu.com/share/link?shareid=531580&uk=421021908
http://pan.baidu.com/share/link?shareid=137223&uk=321552738
http://pan.baidu.com/share/l
- 非常好的介绍:Linux定时执行工具cron
dongwei_6688
linux
Linux经过十多年的发展,很多用户都很了解Linux了,这里介绍一下Linux下cron的理解,和大家讨论讨论。cron是一个Linux 定时执行工具,可以在无需人工干预的情况下运行作业,本文档不讲cron实现原理,主要讲一下Linux定时执行工具cron的具体使用及简单介绍。
新增调度任务推荐使用crontab -e命令添加自定义的任务(编辑的是/var/spool/cron下对应用户的cr
- Yii assets目录生成及修改
dcj3sjt126com
yii
assets的作用是方便模块化,插件化的,一般来说出于安全原因不允许通过url访问protected下面的文件,但是我们又希望将module单独出来,所以需要使用发布,即将一个目录下的文件复制一份到assets下面方便通过url访问。
assets设置对应的方法位置 \framework\web\CAssetManager.php
assets配置方法 在m
- mac工作软件推荐
dcj3sjt126com
mac
mac上的Terminal + bash + screen组合现在已经非常好用了,但是还是经不起iterm+zsh+tmux的冲击。在同事的强烈推荐下,趁着升级mac系统的机会,顺便也切换到iterm+zsh+tmux的环境下了。
我为什么要要iterm2
切换过来也是脑袋一热的冲动,我也调查过一些资料,看了下iterm的一些优点:
* 兼容性好,远程服务器 vi 什么的低版本能很好兼
- Memcached(三)、封装Memcached和Ehcache
frank1234
memcachedehcachespring ioc
本文对Ehcache和Memcached进行了简单的封装,这样对于客户端程序无需了解ehcache和memcached的差异,仅需要配置缓存的Provider类就可以在二者之间进行切换,Provider实现类通过Spring IoC注入。
cache.xml
<?xml version="1.0" encoding="UTF-8"?>
- Remove Duplicates from Sorted List II
hcx2013
remove
Given a sorted linked list, delete all nodes that have duplicate numbers, leaving only distinct numbers from the original list.
For example,Given 1->2->3->3->4->4->5,
- Spring4新特性——注解、脚本、任务、MVC等其他特性改进
jinnianshilongnian
spring4
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- MySQL安装文档
liyong0802
mysql
工作中用到的MySQL可能安装在两种操作系统中,即Windows系统和Linux系统。以Linux系统中情况居多。
安装在Windows系统时与其它Windows应用程序相同按照安装向导一直下一步就即,这里就不具体介绍,本文档只介绍Linux系统下MySQL的安装步骤。
Linux系统下安装MySQL分为三种:RPM包安装、二进制包安装和源码包安装。二
- 使用VS2010构建HotSpot工程
p2p2500
HotSpotOpenJDKVS2010
1. 下载OpenJDK7的源码:
http://download.java.net/openjdk/jdk7
http://download.java.net/openjdk/
2. 环境配置
▶
- Oracle实用功能之分组后列合并
seandeng888
oracle分组实用功能合并
1 实例解析
由于业务需求需要对表中的数据进行分组后进行合并的处理,鉴于Oracle10g没有现成的函数实现该功能,且该功能如若用JAVA代码实现会比较复杂,因此,特将SQL语言的实现方式分享出来,希望对大家有所帮助。如下:
表test 数据如下:
ID,SUBJECTCODE,DIMCODE,VALUE
1&nbs
- Java定时任务注解方式实现
tuoni
javaspringjvmxmljni
Spring 注解的定时任务,有如下两种方式:
第一种:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http
- 11大Java开源中文分词器的使用方法和分词效果对比
yangshangchuan
word分词器ansj分词器Stanford分词器FudanNLP分词器HanLP分词器
本文的目标有两个:
1、学会使用11大Java开源中文分词器
2、对比分析11大Java开源中文分词器的分词效果
本文给出了11大Java开源中文分词的使用方法以及分词结果对比代码,至于效果哪个好,那要用的人结合自己的应用场景自己来判断。
11大Java开源中文分词器,不同的分词器有不同的用法,定义的接口也不一样,我们先定义一个统一的接口:
/**
* 获取文本的所有分词结果, 对比