一路狂奔的猪
一路狂奔的猪

resnet系列在imagenet上预训练的pytorch模型下载地址

 下载地址列表：

model_urls = {
    'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
    'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
    'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
    'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
    'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
}

如果要下载resnet18：

wget  https://download.pytorch.org/models/resnet18-5c106cde.pth

你可能感兴趣的:(深度学习基础知识)

  • 基于matlab的深度学习案例及基础知识专栏前言 逼子歌 matlab深度学习信号处理神经网络矩阵运算CNN
    专栏简介内容涵盖深度学习基础知识、深度学习典型案例、深度学习工程文件、信号处理等相关内容，博客由基于matlab的深度学习案例、matlab基础知识、matlab图像基础知识和matlab信号处理基础知识四部分组成。一、基于matlab的深度学习案例1.1、matlab:基于模板匹配的车牌识别_阐述基于模板匹配的车牌识别的字符识别-CSDN博客1.2、基于卷积神经网络(CNN)的车牌自动识别系统(
  • 深度学习入门资料整理 AI视觉网奇 应该看的算法深度学习基础深度学习入门
    深度学习基础总结，无一句废话（附完整思维导图）深度学习如何入门？-知乎深度学习入门基础讲义_shuzfan的博客-CSDN博客_深度学习入门神经网络15分钟入门！足够通俗易懂了吧-知乎深度学习基础知识点梳理-知乎
  • 深度学习知识学习笔记 wyn20001128 图像处理深度学习算法
    一相关的深度学习基础知识（1）线性回归  设房屋的⾯积为x1x_1x1，房龄为x2x_2x2，售出价格为yyy。我们需要建⽴基于输⼊x1x_1x1和x2x_2x2来计算输出的表达式，yyy也就是模型（model）。顾名思义，线性回归假设输出与各个输⼊之间是线性关系：y=w1x1+w2x2+by=w_1x_1+w_2x_2+by=w1x1+w2x2+b  在模型训练中，我们需要衡量价格预测值与真实值
  • 深度学习基础知识 湘溶溶 深度学习分割深度学习人工智能
    卷积神经网络——图像卷积特征提取卷积核（算子）用来做图像处理时的矩阵，与原图像做运算的参数。卷积层基本参数（卷积核大小，步长【pytorch默认为1】，padding边缘填充）输出尺寸=（输入尺寸-卷积核尺寸+2*padding）/stride+1卷积神经网络的基本结构层输入层：批次通道图像大小卷积层激活函数：加入非线性因素，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题，CNN较为常
  • 深度学习基础知识整理 Do1phln ML深度学习人工智能
    自动编码器Auto-encoders是一种人工神经网络，用于学习未标记数据的有效编码。它由两个部分组成：编码器和解码器。编码器将输入数据转换为一种更紧凑的表示形式，而解码器则将该表示形式转换回原始数据。这种方法可以用于降维，去噪，特征提取和生成模型。自编码器的训练过程是无监督的，因为它不需要标记数据。它的目标是最小化重构误差，即输入数据与解码器输出之间的差异。这可以通过反向传播算法和梯度下降等优化
  • 深度学习入门 AI-智能 深度学习人工智能机器学习
    概述此学习路径专为有兴趣熟悉和探索深度学习主题的任何人而设计。目前，该学习路径涵盖了深度学习的基础知识，但将来将得到增强，以涵盖有监督和无监督的深度学习概念。深度学习基础知识了解深度学习与机器学习的关系，探索其基础知识，并了解在某些应用中使用深度学习算法的优势。技能水平初学者估计完成时间约2小时。学习目标通过此学习路径，你将获得：对深度学习概念的理解对深度学习架构的理解深度学习框架的比较如何在Te
  • 02-深度学习基础知识 洛八斗
    在TensorFlow中，tensor是一个类，也是存储和变换数据的主要工具。如果你之前用过NumPy，你会发现tensor和NumPy的多维数组非常类似。然而，tensor提供GPU计算和自动求梯度等更多功能，这些使tensor更加适合深度学习。1TensorFlow基本功能首先用arange创建一个行向量创建一个行向量.png关于constan函数在TensorFlow中表示张量。consta
  • 深度学习基础知识神经网络 小森( ﹡ˆoˆ﹡ ) 深度学习神经网络人工智能
    神经网络1.感知机感知机（Perceptron）是FrankRosenblatt在1957年提出的概念，其结构与MP模型类似，一般被视为最简单的人工神经网络，也作为二元线性分类器被广泛使用。通常情况下指单层的人工神经网络，以区别于多层感知机（MultilayerPerceptron）。尽管感知机结构简单，但能够学习并解决较复杂问题感知机结构与MP模型类似，一般被视为最简单的人工神经网络，也作为二元
  • OpenCV完结篇——计算机视觉（人脸识别 || 车牌识别） 源代码•宸 OpenCV计算机视觉opencv人工智能算法经验分享
    文章目录Haar人脸识别方法Haar识别眼鼻口Haar+Tesseract进行车牌识别深度学习基础知识dnn实现图像分类Haar人脸识别方法scaleFactor调整哈尔级联器的人脸选框使其能框住人脸官方教程指路每个特征都是通过从黑色矩形下的像素总和减去白色矩形下的像素总和获得的单个值级联器模型文件位置#-*-coding:utf-8-*-importcv2importnumpyasnpcv2.n
  • 深度学习基础知识——从人工神经网络开始 无水先生 深度学习机器学习人工智能深度学习人工智能
    一、介绍您知道第一个神经网络是在20世纪50年代初发现的吗？深度学习(DL)和神经网络(NN)目前正在推动本世纪一些最巧妙的发明。他们从数据和环境中学习的令人难以置信的能力使他们成为机器学习科学家的首选。深度学习和神经网络是自动驾驶汽车、图像识别软件、推荐系统等产品的核心。显然，它是一种强大的算法，对各种数据类型也具有高度适应性。人们认为神经网络是一个极其难学的课题。因此，要么他们中的一些人不使用
  • 基于昇腾CANN的推理应用开发快速体验（Python) Tianyi Li 1997 pythoncaffe深度学习华为
    0.前情提要这是关于一次Ascend在线实验的记录，主要内容是通过网络模型加载、推理、结果输出的部署全流程展示，从而快速熟悉并掌握ACL（AscendComputingLanguage）基本开发流程。注意，为了保证学习和体验效果，用户应该具有以下知识储备：1.熟练的Python语言编程能力2.深度学习基础知识，理解神经网络模型输入输出数据结构1.目录2.最终目标1.了解ACL的基本概念，清楚ACL
  • BERT课程 baidu_huihui BERT课程AIBERT课程
    本文是作者即将在CSDN作直播的课程的预备知识，对课程感兴趣但是没有相关背景知识的同学可以提前学习这些内容。新增课程slides和视频回放地址。目录课程视频和slides背景知识深度学习基础知识WordEmbedding语言模型RNN/LSTM/GRU、Seq2Seq和Attention机制Tensorflow基础知识PyTorch基础知识BERT课程视频和slides回放视频地址是这里。课程的s
  • 如何学习训练大模型——100条建议 嗯，这是一个好名字 学习
    学习训练大模型需要深度学习知识、计算资源、实践经验和一定的方法。以下是学习训练大模型的一般步骤：基础知识：学习深度学习基础知识，包括神经网络结构、损失函数、优化算法等。可以通过在线课程、教科书和教程来学习。编程技能：熟悉深度学习框架（如TensorFlow、PyTorch等）和编程语言（如Python）。掌握数据处理、模型构建和训练的编程技能是关键。数据准备：收集、清理和准备数据集，确保数据的质量
  • 如何在深度学习领域取得个人的成功 xw555666 深度学习人工智能
    要在深度学习领域取得个人的成功，可以考虑以下建议：学习深度学习的基础知识：首先，建立坚实的深度学习基础知识是非常重要的。你可以学习深度学习的基本概念、神经网络的原理、常用的深度学习框架（如TensorFlow、PyTorch）和数学知识，如线性代数、微积分和概率统计。进行实践项目：深度学习最好通过实际项目来学习。选择一个感兴趣的领域，例如计算机视觉、自然语言处理或增强学习，然后开始构建和训练深度学
  • 深度学习推荐系统架构、Sparrow RecSys项目及深度学习基础知识 我是廖志伟 #博主活动深度学习系统架构人工智能
    文章目录技术架构：深度学习推荐系统的经典技术架构长啥样？一、深度学习推荐系统的技术架构二、基于用户行为的推荐三、基于多模态数据的推荐四、基于知识图谱的推荐SparrowRecSys：我们要实现什么样的推荐系统？一、SparrowRecSys项目简介二、SparrowRecSys项目的技术架构三、SparrowRecSys项目的价值和意义深度学习基础：你打牢深度学习知识的地基了吗？一、深度学习的基本
  • 如何学习深度学习 我是廖志伟 #博主活动学习深度学习人工智能
    文章目录如何学习深度学习基础数学知识编程基础知识深度学习基础知识学习资源总结我是廖志伟，一名Java开发工程师、Java领域优质创作者、CSDN博客专家、51CTO专家博主、阿里云专家博主、清华大学出版社签约作者、产品软文创造者、技术文章评审老师、问卷调查设计师、个人社区创始人、开源项目贡献者。跑过十五公里、徒步爬过衡山、有过三个月减肥20斤的经历、是个喜欢躺平的狠人。拥有多年一线研发和团队管理经
  • 【深度学习基础知识（一）：卷积神经网络CNN基础知识】 CL_Meng77 基础知识深度学习cnn人工智能神经网络机器学习计算机视觉
    @深度学习基础知识深度学习基础知识（一）：卷积神经网络CNN基础知识卷积神经网络CNN基础知识0、目录1.CNN卷积神经网络的特点2.卷积操作基础知识2.1卷积操作的概念2.2卷积操作的种类2.3卷积操作后特征图谱大小计算公式3.池化操作基础知识3.1池化操作的作用/为什么要进行池化操作？3.2池化操作的种类3.3池化操作后特征图谱大小计算公式1、CNN卷积神经网络的特点CNN的使用范围是具有局部
  • 深度学习基础知识 Dataset 与 DataLoade的用法解析 郭庆汝 深度学习人工智能
    深度学习基础知识Dataset与DataLoade的用法解析1、Dataset2、DataLoader参数设置：1、pin_memory2、num_workers3、collate_fn分类任务目标检测任务1、Dataset代码：importtorchfromtorch.utilsimportdataclassMyDataset(torch.utils.data.Dataset):def__ini
  • 深度学习基础知识数据 数据预处理transforms流程讲解 郭庆汝 深度学习人工智能
    深度学习基础知识数据数据预处理transforms流程讲解1、数据预处理2、使用节点2、transform.RandomResizedCrop随机尺寸裁剪缩放3、水平翻转与垂直翻转4、ColorJitter变换5、ToTensor6、Normalization归一化7、transforms.Compose8、重写transforms1、分类任务2、目标检测任务3、分割任务数据增强可以增加训练集的样
  • 深度学习基础知识 给模型的不同层 设置不同学习率 郭庆汝 深度学习学习人工智能
    深度学习基础知识给模型的不同层设置不同学习率1、使用预训练模型时，可能需要将2、学习率设置方式：1、使用预训练模型时，可能需要将（1）预训练好的backbone的参数学习率设置为较小值，（2）backbone之外的部分(新增的部分，一般为分类头、检测头，等)，需要使用较大的学习率。2、学习率设置方式：在定义优化器的时候，用list将参数设置为不同的组，每个组(list中的每个元素)用字典表示，在字
  • 深度学习基础知识 最近邻插值法、双线性插值法、双三次插值算法 郭庆汝 深度学习算法人工智能
    深度学习基础知识最近邻插值法、双线性插值法、双三次插值算法1、最近邻插值法1、最近邻插值法*最邻近插值：将每个目标像素找到距离它最近的原图像素点，然后将该像素的值直接赋值给目标像素优点：实现简单，计算速度快缺点：插值结果缺乏连续性，可能会产生锯齿状的边缘，对于图像质量影响较大，因此当处理精度要求较高的图像时，通常会采用更加精细的插值算法，例如：双线性插值、三次插值。代码示例：importnumpy
  • 深度学习基础知识总结 ThreeS_tones 深度学习神经网络
    目录背景深度学习/机器学习/人工智能，计算机视觉/机器视觉/图像处理...的关系监督学习、无监督学习、半监督学习图像分类、目标检测、语义分割、实例分割基础知识激活函数激活函数的作用激活函数一般是非线性的常见的激活函数训练集/验证集/测试集，交叉验证...训练集验证集（开发集）测试集交叉验证目标检测YOLO算法YOLO算法发展过程卷积空洞卷积感受野过拟合噪声IOU搭建模型相关Dropout方法展平P
  • 深度学习基础知识 register_buffer 与 register_parameter用法分析 郭庆汝 深度学习人工智能register_buffer
    深度学习基础知识register_buffer与register_parameter用法分析1、问题引入2、register_parameter()2.1作用2.2用法3、register_buffer()3.1作用3.2用法1、问题引入思考问题：定义的weight与bias是否会被保存到网络的参数中，可否在优化器的作用下进行学习验证方案：定义网络模型，设置weigut与bias，遍历网络结构参数
  • 深度学习基础知识 BatchNorm、LayerNorm、GroupNorm的用法解析 郭庆汝 深度学习batch人工智能
    深度学习基础知识BatchNorm、LayerNorm、GroupNorm的用法解析1、BatchNorm2、LayerNorm3、GroupNorm用法：BatchNorm、LayerNorm和GroupNorm都是深度学习中常用的归一化方式。它们通过将输入归一化到均值为0和方差为1的分布中，来防止梯度消失和爆炸，并提高模型的泛化能力1、BatchNormimportnumpyasnpimpor
  • 深度学习基础知识 学习率调度器的用法解析 郭庆汝 深度学习学习人工智能
    深度学习基础知识学习率调度器的用法解析1、自定义学习率调度器**：**torch.optim.lr_scheduler.LambdaLR2、正儿八经的模型搭建流程以及学习率调度器的使用设置1、自定义学习率调度器**：**torch.optim.lr_scheduler.LambdaLR实验代码：importtorchimporttorch.nnasnndeflr_lambda(x):returnx
  • 深度学习基础知识 使用torchsummary、netron、tensorboardX查看模参数结构 郭庆汝 深度学习人工智能torchsummarynetrontensorboardX
    深度学习基础知识使用torchsummary、netron、tensorboardX查看模参数结构1、直接打印网络参数结构2、采用torchsummary检测、查看模型参数结构3、采用netron检测、查看模型参数结构3、使用tensorboardX1、直接打印网络参数结构importtorch.nnasnnfromtorchsummaryimportsummaryimporttorchclass
  • 深度学习基础知识 nn.Sequential ｜ nn.ModuleList ｜ nn.ModuleDict 郭庆汝 深度学习人工智能nn.Sequentialnn.ModuleListnn.ModuleDict
    深度学习基础知识nn.Sequential｜nn.ModuleList｜nn.ModuleDict1、nn.Sequential、nn.ModuleList、nn.ModuleDict类都继承自Module类。2、nn.Sequential、nn.ModuleList和nn.ModuleDict语法3、Sequential、ModuleDict、ModuleList的区别4、ModuleDict、
  • 【深度学习概述学习小结】 文海傲舟 人工智能python深度学习
    深度学习概述学习小结人工智能、机器学习与深度学习关系深度学习深度学习历史深度学习基础知识神经元参数更新与误差反向传播Pytorch代码学习螺旋分类整体思考实验对比继续实验人工智能、机器学习与深度学习关系在人工智能领域，对于人们而言十分复杂而庞大的问题对机器来说也许并不难，因为这些问题可以通过一系列正式的数学表达式来描述，真正困难的问题是那些对于人类来说十分直觉、也许我们将其视为本能的一些问题，例如
  • 深度学习基础知识（三）-线性代数的实现 渣渣洒泪成长记 PythonAi与大数据深度学习线性代数人工智能
    1.标量使用标量由只有一个元素的张量表示,标量可以做最简单的计算。importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])print(x+y)print(x*y)print(x/y)print(x**y)结果：tensor([5.])tensor([6.])tensor([1.5000])tensor([9.])2.向量使用向量：将标量值组成的列表
  • 深度学习基础知识-pytorch数据基本操作 渣渣洒泪成长记 Ai与大数据Python深度学习笔记人工智能
    1.深度学习基础知识1.1数据操作1.1.1数据结构机器学习和神经网络的主要数据结构，例如0维：叫标量，代表一个类别，如1.01维：代表一个特征向量。如[1.0，2,7，3.4]2维：就是矩阵，一个样本-特征矩阵，如：[[1.0，2,7，3.4][2.0，3,7，4.4]],每一行是样本，每一列是特征；3维：RGB图片（宽(列)x高(行)x通道）三维数组，[[[1.0，2,7，3.4][2.0，3
  • 二分查找排序算法 周凡杨 java二分查找排序算法折半
    一：概念 二分查找又称 折半查找（ 折半搜索/ 二分搜索），优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而 查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表 分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步
  • java中的BigDecimal bijian1013 javaBigDecimal
            在项目开发过程中出现精度丢失问题，查资料用BigDecimal解决，并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习，特转载。         原文地址：http://blog.csdn.net/ugg/article/de
  • Shell echo命令详解 daizj echoshell
    Shell echo命令 Shell 的 echo 指令与 PHP 的 echo 指令类似，都是用于字符串的输出。命令格式： echo string 您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串: echo "It is a test" 这里的双引号完全可以省略，以下命令与上面实例效果一致： echo Itis a test 2.显示转义
  • Oracle DBA 简单操作 周凡杨 oracle dba sql
    --执行次数多的SQL select sql_text,executions from (      select sql_text,executions from v$sqlarea order by executions desc      ) where rownum<81;  &nb
  • 画图重绘 朱辉辉33 游戏
      我第一次接触重绘是编写五子棋小游戏的时候，因为游戏里的棋盘是用线绘制的，而这些东西并不在系统自带的重绘里，所以在移动窗体时，棋盘并不会重绘出来。所以我们要重写系统的重绘方法。   在重写系统重绘方法时，我们要注意一定要调用父类的重绘方法，即加上super.paint(g)，因为如果不调用父类的重绘方式，重写后会把父类的重绘覆盖掉，而父类的重绘方法是绘制画布，这样就导致我们
  • 线程之初体验 西蜀石兰 线程
    一直觉得多线程是学Java的一个分水岭，懂多线程才算入门。 之前看《编程思想》的多线程章节，看的云里雾里，知道线程类有哪几个方法，却依旧不知道线程到底是什么？书上都写线程是进程的模块，共享线程的资源，可是这跟多线程编程有毛线的关系，呜呜。。。 线程其实也是用户自定义的任务，不要过多的强调线程的属性，而忽略了线程最基本的属性。 你可以在线程类的run()方法中定义自己的任务，就跟正常的Ja
  • linux集群互相免登陆配置 林鹤霄 linux
    配置ssh免登陆 1、生成秘钥和公钥    ssh-keygen -t rsa 2、提示让你输入，什么都不输，三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub    其中id_rsa为秘钥，id_rsa.pub为公钥，使用公钥加密的数据只有私钥才能对这些数据解密    c
  • mysql : Lock wait timeout exceeded; try restarting transaction aigo mysql
    原文：http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html   原因是你使用的InnoDB   表类型的时候, 默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s, 因为有的锁等待超过了这个时间,所以抱错.   你可以把这个时间加长,或者优化存储
  • Socket编程 基本的聊天实现。 alleni123 socket
    public class Server { //用来存储所有连接上来的客户 private List<ServerThread> clients; public static void main(String[] args) { Server s = new Server(); s.startServer(9988); } publi
  • 多线程监听器事件模式(一个简单的例子) 百合不是茶 线程监听模式
        多线程的事件监听器模式   监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到        创建多线程的事件监听器模式 思路:    1, 创建线程并启动,在创建线程的位置设置一个标记     2,创建队
  • spring InitializingBean接口 bijian1013 javaspring
    spring的事务的TransactionTemplate，其源码如下： public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{ ... } TransactionTemplate继承了DefaultT
  • Oracle中询表的权限被授予给了哪些用户 bijian1013 oracle数据库权限
            Oracle查询表将权限赋给了哪些用户的SQL，以备查用。 select t.table_name as "表名", t.grantee as "被授权的属组", t.owner as "对象所在的属组"
  • 【Struts2五】Struts2 参数传值 bit1129 struts2
    Struts2中参数传值的3种情况 1.请求参数绑定到Action的实例字段上 2.Action将值传递到转发的视图上 3.Action将值传递到重定向的视图上   一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上 Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上，绑定的规则使用ognl表达式语言
  • 【Kafka十四】关于auto.offset.reset[Q/A] bit1129 kafka
    I got serveral questions about  auto.offset.reset. This configuration parameter governs how  consumer read the message from  Kafka when  there is no initial offset in ZooKeeper or
  • nginx gzip压缩配置 ronin47 nginx gzip 压缩范例
    nginx gzip压缩配置 更多 0 nginx gzip 配置   随着nginx的发展，越来越多的网站使用nginx，因此nginx的优化变得越来越重要，今天我们来看看nginx的gzip压缩到底是怎么压缩的呢？ gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小，这样，用
  • java-13.输入一个单向链表，输出该链表中倒数第 k 个节点 bylijinnan java
    two cursors. Make the first cursor go K steps first. /* * 第 13 题：题目：输入一个单向链表，输出该链表中倒数第 k 个节点 */ public void displayKthItemsBackWard(ListNode head,int k){ ListNode p1=head,p2=head;
  • Spring源码学习-JdbcTemplate queryForObject bylijinnan javaspring
    JdbcTemplate中有两个可能会混淆的queryForObject方法： 1. Object queryForObject(String sql, Object[] args, Class requiredType) 2. Object queryForObject(String sql, Object[] args, RowMapper rowMapper) 第1个方法是只查
  • [冰川时代]在冰川时代,我们需要什么样的技术? comsci 技术
         看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?      那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...   &nb
  • js 获取浏览器型号 cuityang js浏览器
    根据浏览器获取iphone和apk的下载地址 <!DOCTYPE html> <html> <head>     <meta charset="utf-8" content="text/html"/>     <meta name=
  • C# socks5详解 转 dalan_123 socketC#
    http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html  这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯，Socket4的实现是类似的，注意的事，这里不是讲用C#实现一个代理服务器，因为实现一个代理服务器需要实现很多协议，头大，而且现在市面上有很多现成的代理服务器用，性能又好，
  • 运维 Centos问题汇总 dcj3sjt126com 云主机
    一、sh 脚本不执行的原因 sh脚本不执行的原因 只有2个 1.权限不够 2.sh脚本里路径没写完整。   二、解决You have new mail in /var/spool/mail/root 修改/usr/share/logwatch/default.conf/logwatch.conf配置文件 MailTo = MailFrom   三、查询连接数
  • Yii防注入攻击笔记 dcj3sjt126com sqlWEB安全yii
    网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查，可以使用正则表达式或者直接输入字符判断，大部分是只允许输入字母和数字的，其它字符度不允许；对于内容复杂表单的内容，应该对html和script的符号进行转义替换：尤其是<,>,',"",&这几个符号 这里有个转义对照表： http://blog.csdn.net/xinzhu1990/articl
  • MongoDB简介[一] eksliang mongodbMongoDB简介
    MongoDB简介 转载请出自出处：http://eksliang.iteye.com/blog/2173288 1.1易于使用        MongoDB是一个面向文档的数据库，而不是关系型数据库。与关系型数据库相比，面向文档的数据库不再有行的概念，取而代之的是更为灵活的“文档”模型。        另外，不
  • zookeeper windows 入门安装和测试 greemranqq zookeeper安装分布式
    一、序言       以下是我对zookeeper 的一些理解：      zookeeper 作为一个服务注册信息存储的管理工具，好吧，这样说得很抽象，我们举个“栗子”。       栗子1号：       假设我是一家KTV的老板，我同时拥有5家KTV，我肯定得时刻监视
  • Spring之使用事务缘由(2-注解实现) ihuning spring
      Spring事务注解实现   1. 依赖包：     1.1 spring包：           spring-beans-4.0.0.RELEASE.jar           spring-context-4.0.0.
  • iOS App Launch Option 啸笑天 option
    iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:，其中第二个参数launchOptions为NSDictionary类型的对象，里面存储有此程序启动的原因。   launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。 1、若用户直接
  • jdk与jre的区别（_） macroli javajvmjdk
    简单的说JDK是面向开发人员使用的SDK，它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包，可以包括函数库、编译程序等。  JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境，是面向Java程序的使用者，而不是开发者。 如果安装了JDK，会发同你
  • Updates were rejected because the tip of your current branch is behind qiaolevip 学习永无止境每天进步一点点众观千象git
    $ git push joe prod-2295-1 To [email protected]:joe.le/dr-frontend.git ! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward) error: failed to push some refs to '[email protected]
  • [一起学Hive]之十四-Hive的元数据表结构详解 superlxw1234 hivehive元数据结构
    关键字：Hive元数据、Hive元数据表结构   之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。 本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。   文章最后面，会以一个示例来全面了解一下，
  • Spring 3.2.14，4.1.7，4.2.RC2发布 wiselyman Spring 3
      Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。   其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止)，后续会继续根据需求和bug发布维护版本。此时，Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。   其中Spring 4.1.7主要包含这些更新内容。
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他