- 简化版奇异值分解(SVD)方法详解
DuHz
数理统计学知识机器学习人工智能算法信息与通信信号处理
简化版奇异值分解(SVD)方法详解奇异值分解(SVD)是一个强大的矩阵分解工具,广泛应用于数据降维、图像压缩、机器学习等领域。然而,对于大规模数据或高维矩阵,计算和存储的开销非常大,因此提出了多种简化版的SVD方法。这些简化版方法在保证解的精度的同时,能够显著减少计算量和内存占用。本文将详细介绍几种简化版SVD方法,包括经济型SVD、随机化SVD、增量SVD、分块SVD和偏最小二乘法(PLS),并
- 私有AI对话系统实战:基于Ollama+OpenWebUI的DeepSeek-R1本地化部署手把手教学(可共享访问)
Developer-YC
DeekSeek-R1大模型解读与实战教学人工智能pythonjavagithubnode.js语言模型后端
引言:为什么选择本地部署大模型?在数据隐私日益重要的今天,云端AI服务的局限性逐渐显现——敏感信息泄露风险、网络延迟依赖、定制化能力不足。而通过**Ollama(模型管理框架)和OpenWebUI(可视化交互工具)**的组合,开发者可以轻松实现大模型(如DeepSeek-R1)的本地部署,兼顾性能与安全。本文将以DeepSeek-R1为例,详解从环境配置到实战应用的全流程。一、工具与模型简介1.O
- 理论一、大模型—概念
伯牙碎琴
大模型自然语言处理ai
一、总述大模型通常指的是参数规模庞大、训练难度较高的人工智能模型。随着深度学习技术的发展,研究人员和企业越来越倾向于构建更大的模型,以提高模型的性能和泛化能力。这些大模型往往需要大量的数据和计算资源来训练,并且在实际应用中通常表现出色。大模型全称是大型语言模型(LLM,LargeLanguageModel),这个“大”主要指模型结构容量大,结构中的参数多,用于预训练大模型的数据量大。一个大模型可以
- 一、大模型微调的前沿技术与应用
伯牙碎琴
大模型微调人工智能大模型微调Deepseek
大模型微调的前沿技术与应用随着大规模预训练模型(如GPT、BERT、T5等)的广泛应用,大模型微调(Fine-Tuning,FT)成为了提升模型在特定任务中性能的关键技术。通过微调,开发者可以根据实际需求调整预训练模型的参数,使其更好地适应特定应用场景。本文将介绍大模型微调技术的前沿发展,分析不同微调方法的特点、适用场景以及优缺点,并对它们进行系统分类。微调技术的重要性大模型微调能够帮助开发者根据
- 玩转代理模式
清泓y
六大常见设计模式代理模式设计模式c++
文章目录什么是代理模式举例:代理模式结构代理模式适用场景实现方式代理模式的优缺点优点:缺点:什么是代理模式代理模式,主要用途就是代理一个某一个所需要的物件,但是我们不直接使用这个物件,我们用一个代理接口来代替我们使用这个物件。举例:信用卡是银行账户的代理,银行账户则是一大捆现金的代理。它们都实现了同样的接口,均可用于进行支付。消费者会非常满意,因为不必随身携带大量现金;商店老板同样会十分高兴,因为
- 揭秘DeepSeek内幕:清华教授剖析AI模型技术原理
大模型.
人工智能chatgpt安全agigpt大模型deepseek
从ChatGPT到各种新兴的AI模型,每一次技术突破都能引发广泛的关注和讨论——而最近AI界的“新宠”,无疑是DeepSeek。在本文中,清华大学长聘副教授将深入剖析DeepSeekR1背后的大规模强化学习技术及其基本原理,并进一步展望大模型技术未来的发展方向。1、透过DeepSeekR1,看大模型技术的发展趋势今天我将从宏观角度为大家介绍DeepSeekR1所代表的大规模强化学习技术,及其基本原
- 【科普】大模型应用中一个 Token 占多少汉字?答案超乎想象!
大模型.
easyui前端人工智能程序人生语言模型文心一言自然语言处理
先说答案:不同模型可能采用各自的切分方法,因此,一个Token所对应的汉字数量也会有所不同。如腾讯1token≈1.8个汉字,通义千问、千帆大模型等1token=1个汉字,对于英文文本来说,1个token通常对应3至4个字母,不同的模型对相同的输入分词,分词结果是不一样的。同样可以说,一个汉字占约0.5个Token。Token是大模型中最基础、最常见的概念,它既可以是一个完整的单词,也可以是一个
- 大模型产品Deepseek(七)、可视化本地知识库搭建详细教程(Cherry Studio)
伯牙碎琴
大模型DeepSeekAI大模型知识库
完整教程:使用CherryStudio配置OllamaAPI并搭建知识库在本节教程中,我们将通过CherryStudio配置OllamaAPI,并安装嵌入模型bge-m3,以实现知识库的搭建与智能问答功能。具体内容包括CherryStudio的安装、嵌入模型配置、OllamaAPI配置、创建知识库及基于该知识库和通用大模型的提问示例。CherryStudio介绍看这篇文章1.准备工作在开始之前,确
- 国产编辑器EverEdit - 二进制模式下观察Window/Linux/MacOs换行符差异
彩虹小黑馬
妙用编辑器编辑器linuxmacosEverEditEmEditorNotepad
1换行符格式1.1应用场景 稍微了解计算机历史的人都知道,计算机3大操作系统:Windows、Linux/Unix、MacOS,这3大系统对文本换行的定义各不相同,且互不相让,导致在文件的兼容性方面存在一些问题,比如它们对换行的定义:Windows:回车符(CR)+换行符(LF)Linux/Unix:换行符(LF)MacOS:回车符(CR)在Windows上编写的代码,默认使用CR+LF表示换行
- Forrester发布2024年五大网络安全新威胁
岛屿旅人
网络安全web安全网络安全网络安全
文章目录前言一、大选年的叙事(舆论)操控攻击二、深度伪造引发身份安全危机三、生成式人工智能数据泄露四、人工智能软件供应链攻击五、太空成为安全战略高点数据泄露平均成本高达218万美元前言人工智能正重塑网络安全格局,武器化大语言模型正成为首选攻击工具,安全团队在应对武器化人工智能攻击方面将面临日益严峻的挑战。Forrester近日发布《2024年网络安全威胁预测报告》指出,人工智能正重塑网络安全格局,
- AI —— 文字生成图片的逻辑
鱼不知海
AI写作AI作画
事情的起因是我在做一个自用软件时,需要测试文字生成图像的功能。于是就对现在能使用的ai大模型去做了一些尝试。输入几组我的描述性文字其中的一张图片令我大为震撼。(师妹师兄温酒毛驴)问题大家应该可以发现,一位图像人物的下半身时有问题的。同时从人的逻辑上,这种图缺少内核逻辑。在NLP的成熟度如此高的情况下,对描述性文字进行逻辑上的重构并不是太麻烦的事情。豆包扩充文字(在一个宁静的日子里,师兄与师妹并辔而
- DeepSeek崛起:中国AI产业的颠覆者与重构者
:MNongSciFans
人工智能
当DeepSeek以"中国版ChatGPT"的标签横空出世时,这个诞生于杭州的AI新贵仅用三个月时间就完成了从行业黑马到颠覆者的蜕变。其开源大模型DeepSeek-R1在HuggingFace开源大模型排行榜的登顶,不仅意味着技术指标的超越,更预示着中国AI产业格局的深层裂变。这场始于技术突破的产业地震,正在引发资本市场的恐慌性迁徙、技术路线的集体转向以及商业模式的根本性重构。###一、技术奇点的
- DeepSeek正重构具身大模型和人形机器人赛道!
Robot251
重构机器人人工智能科技自动驾驶
中国人工智能公司DeepSeek(深度求索)以“低成本、高效率、强开放”的研发范式横空出世,火遍并震撼全球科技圈;DeepSeek展现出来的核心竞争力,除了低成本及推理能力,更重要的是开源模型能力追赶上了最新的闭源模型;而对具身智能领域影响最大的当属于其开源大模型DeepSeek-R1。2024年1月20日,公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1
- 内核的驱动模块化编程框架
Andy.w
基于Linux的驱动学习内核模块化编程
1、程序的两大空间:内核层和用户层正常写的代码都是运行在用户层,很难或者根本接触不到内核层。并且用户层看到的地址都是虚拟地址,所以用户层访问不了硬件。内核层离硬件近,虽然它的地址也不是真是的物理地址,但是它能间接访问操作真实的物理地址。其中真实的物理地址代表着硬件。2、内核层驱动的框架#include"linux/kernel.h"#include"linux/module.h"//就相当于标准头
- 大语言模型常用微调与基于SFT微调DeepSeek R1指南
知来者逆
LLM深度学习人工智能自然语言处理DeepSeekSFT微调
概述大型语言模型(LLM,LargeLanguageModel)的微调(Fine-tuning)是指在一个预训练模型的基础上,使用特定领域或任务的数据对模型进行进一步训练,以使其在该领域或任务上表现更好。微调是迁移学习的一种常见方法,能够显著提升模型在特定任务上的性能。在大型语言模型(LLM)的微调中,有几种常见的方法,包括SFT(监督微调)、LoRA(低秩适应)、P-tuningv2和**Fre
- Deepseek详细的自我介绍
welcome_123_
人工智能
###**DeepSeek:中国自研AGI大模型的深度解析**---####**1.技术背景与研发理念**DeepSeek由国内顶尖AI科学家团队领衔,核心技术成员来自清华大学、北京大学及国际顶级AI实验室,团队在NLP、分布式训练、模型压缩等领域发表顶会论文超200篇。研发理念聚焦三个核心:-**高效性**:通过模型架构创新(如MoE)实现“小参数量,大性能”。-**可控性**:内置可解释性模块
- 全国通用初中数学《50大几何模型精讲》免费分享!
小小怪下士yeah
算法
自取链接:https://pan.baidu.com/s/1Mj_nJitAqNnYdX7gWvN_qA?pwd=Qx6a提取码:Qx6a【涵盖中考必考模型】手把手教你吃透初中几何!✅8字型旋转妙解✅将军饮马最短路✅截长补短技巧大全✅手拉手模型全拆解......(共50种核心解题模板)【为什么你需要这份资料?】❶全网独家中考高频模型合集❷图解+口诀记忆零基础也能开窍❸附赠典型例题详解拒绝一听就会一
- 从DeepSeek爆火谈AI如何重塑全球医疗健康价值链
明哲AI
人工智能大模型Deepseek医疗
全球医疗系统正面临前所未有的挑战,成本持续攀升与资源日益短缺的双重压力,如同悬在全球人民头顶的达摩克利斯之剑。而中国,作为全球人口老龄化速度最快的国家之一,医疗供需矛盾显得尤为突出。在此背景下,中国的AI大模型DeepSeek以前沿技术突破与切实可行的商业模式,正悄然重塑医疗健康产业的价值链,预示着AI技术应用最具潜力的变革性场景即将到来。本文由公众号“创见数字健康“”首发,原创作者:明哲。转载请
- DeepSeek推荐未来好就业的十大专业
东锋1.3
人工智能deepseek推荐就业
一、人工智能与数据科学专业聚焦人工智能、大数据技术、计算机科学与技术、机器学习、数据科学与大数据技术等专业,构成了这一前沿领域的核心。这些专业旨在培养学生掌握从数据收集、处理到模型构建、算法优化的全流程能力。就业前景洞察人工智能已广泛渗透到医疗、金融、制造、交通等众多领域。在医疗领域,AI辅助诊断系统帮助医生更精准地识别疾病;金融行业里,智能风控模型有效防范风险。未来,算法工程师负责开发和优化各种
- 详解云桌面3种主流架构
黑客KKKing
网络工程师网络安全架构web安全安全
本文简要介绍下云桌面(云电脑)的3种主流架构:VDI、IDV和VOI,概念、原理和区别,欢迎阅读。云桌面作为桌面办公和云计算融合发展的产物,在一定程度上替代了传统的办公形式。目前阿里云、华为云、移动云、电信云,还有华三、锐捷、中兴等互联网大厂都在积极布局该领域。云桌面的技术原理总体来讲,云桌面和云主机、云手机、云游戏等其他形式的云产品类型是一样的,都是采用虚拟化技术。首先,我们会采购一大批的计算资
- C++开发IDE用VisualStudio好还是QtCreator好?
1号程序媛
Qt开发从零到精通C++开发大全idevisualstudioC++
在熟练使用了VisualStudio和QtCreator之后,我依然认为QtCreator作为C++项目开发IDE的便捷性真的相当杰出。当然了,VisualStudio和QtCreator本身就不是一个量级,VS越做越大,庞大的插件库也使得他能够支持从嵌入式到手机端,从web到脚本,甚至游戏,仿真等等各个领域的开发任务。所以做得大,必然导致很多细节功能没法做得好。相反,Qt的IDE工具QtCrea
- flex 布局:实现一行固定个数,超出强制换行(流式布局)
艾米栗写代码
下班一小时打卡每日复习前端css前端javascript
一、flex布局基础知识flex布局的知识想必不用多说,一些常用的属性如下:设置在父容器上的属性:display:flex,align-items,justify-content,flex-wrap。设置在子容器上的属性,通过flex:1,简写了flex-grow、flex-shrink、flex-basis三个属性。基础知识部分可参考阮大的:二、flex布局常用应用1、垂直居中通过align-i
- 文心一言 ,免费使用
悟空码字
AI百度AI百度文心一言
大家好,我是小悟。百度官方公众号发布消息,文心一言宣布自4月1日起全面免费开放,PC端和APP端用户均可体验其最新模型。随着文心大模型的迭代升级和成本不断下降,文心一言将于4月1日零时起,全面免费,所有PC端和APP端用户均可体验文心系列最新模型。与此同时,文心一言上线深度搜索功能。该功能也将于4月1日起免费开放使用。深度搜索功能,具备更强大的思考规划和使用外部工具能力,可为用户提供专家级内容回复
- 什么是 Ollama?如何安装运行?一文讲清
程序员老冉
人工智能开源语言模型学习程序员创富产品经理面试
什么是Ollama?Ollama是一个可以在本地部署和管理开源大语言模型的框架,由于它极大的简化了开源大语言模型的安装和配置细节,一经推出就广受好评,目前已在github上获得了46kstar。不管是著名的羊驼系列,还是最新的AI新贵Mistral,等等各种开源大语言模型,都可以用Ollama实现一键安装并运行,支持的更多模型的列表可以查看Ollama官网。ModelParametersSizeD
- Deepseek与中医:当全球AI遇上世界中医(一)
明哲AI
AI与医疗人工智能deepseek大模型中医
近日与多位中医朋友进行深度交流,探讨Deepseek的使用感受、在中医临床诊疗中的应用价值等。DeepSeek的爆红现象促使传统中医界重新审视AI技术的革新力量,但在实际应用过程中,行业也面临诸多挑战。本文旨在探讨:当前以DeepSeek为代表的大模型在中医辅助诊疗中的实际效能评估,以及未来中医AI发展的可能路径。本文将基于实证调研展开论述,欢迎共同探讨。(本文观点仅代表个人观点,旨在抛砖引玉,欢
- 2025年大模型与Transformer架构:技术前沿与未来趋势报告
和老莫一起学AI
transformer架构深度学习人工智能产品经理学习大模型
_“欧米伽未来研究所”关注科技未来发展趋势,研究人类向欧米伽点演化过程中面临的重大机遇与挑战。将不定期推荐和发布世界范围重要科技研究进展和未来趋势研究。在人工智能的宏大版图中,Transformer架构无疑是一颗璀璨的明星。它的出现,彻底改变了自然语言处理、计算机视觉等诸多领域的发展轨迹。《2025年大模型与Transformer架构:技术前沿与未来趋势报告》深入剖析了Transformer架构的
- AI 大模型创业:如何利用市场优势?
SuperAGI2025
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
AI大模型创业:如何利用市场优势?1.背景介绍随着人工智能技术的不断发展,大模型(LargeModels)在商业化应用中日益受到关注。大模型是指在特定领域中应用广泛、参数量巨大的神经网络模型,如BERT、GPT-3、DALL-E等。这些大模型通过在大规模数据集上进行预训练,具备强大的泛化能力和适应性,能够广泛应用于自然语言处理(NLP)、计算机视觉(CV)、生成对抗网络(GAN)等多个领域。然而,
- 自学网络安全(黑客技术)2024年 —100天学习计划
帝王挥剑指天下
C++web安全学习网络
基于入门网络安全/黑客打造的:前言什么是网络安全网络安全可以基于攻击和防御视角来分类,我们经常听到的“红队”、“渗透测试”等就是研究攻击技术,而“蓝队”、“安全运营”、“安全运维”则研究防御技术。如何成为一名黑客很多朋友在学习安全方面都会半路转行,因为不知如何去学,在这里,我将这个整份答案分为黑客(网络安全)入门必备、黑客(网络安全)职业指南、黑客(网络安全)学习导航三大章节,涉及价值观、方法论、
- 软考高级信息系统项目管理师第四版目录
月梦工作室
软考高级信息系统项目管理师专栏信息系统项目管理师
软考高级信息系统项目管理师教程《信息系统项目管理师教程第4版》,全书共24个章节,页数为731页,相比第三版教程页数有所减少(第3版教程有900多页)。根据第4版教程目录来看(详细目录请看下文),大幅度增加了技术部分内容(前面5章都是技术知识),而管理部分还是以十大管理领域为框架,并没有参考最新的PMP第7版来,所以虽然新版教程出来了,但是大部分管理部分知识与第3版是相差不大的。信息系统项目管理师
- linux 的文件操作
想要变瘦的小码头
linux运维服务器
不得不提vi文件编辑器了,除了vi编辑器,还支持对文件的去重、排序、topN、字符统计查找字符串(找大日志):如果我们想要在一个大文件中查找某一个字符串进行修改,按照我们现在学习的知识,通过vi命令打开文件,然后按键盘上的上下键来滚动光标一行一行肉眼扫描,这样如果碰到上万行的文件,你想哭都不知道该怎么哭了。在命令模式下,输入/,然后再输入你想要查询的字符串,最后按回车键就可以进行查询了,我们查询l
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
 
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
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/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
 
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不