- [QMT量化交易小白入门]-六十九、ETF动量评分策略,历史年化收益率107%
python自动化工具
量化交易小白入门数据库java缓存
本专栏主要是介绍QMT的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写100篇左右。QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步。文章目录相关阅读1.定时任务函数`mutorun`的解析1.1获取当前K线日期1.2跳过非回测或非最后一根K线的情况1.3开始任务日志记录1.4获取市场数据1.5检查市场数据有效性1.6计算ETF
- 专知智库数据场景生态:开启全球数字文明新纪元——数据零件×场景编码×SEI指数构建下一代数字经济基座
人形机器人专利池研究中心
数据场景架构师数据零件架构师数据场景生态人工智能数据场景架构师算法大数据
一、传统数字经济的“柏林墙困境”全球产业痛点扫描:数据孤岛化:企业间数据流通成本高达交易额37%(麦肯锡2024)价值黑箱化:85%数据资产无法量化定价(普华永道审计报告)技术碎片化:同类算法重复开发年耗$1800亿破局宣言:专知智库提出“可拆解、可组合、可交易”三可原则,以数据零件+场景编码+SEI计量重构全球数字基础设施二、三大基座:数字经济的新操作系统1.数据零件(DP):技术场景最小单元革
- 一个小时快速部署大模型,附大模型书:ChatGLM3大模型本地化部署、应用开发与微调!
LLM教程
人工智能langchain知识图谱Agent大模型LLMAI
这个教程有以下几部分构成:硬件配置概念介绍实操测试结果1.硬件配置本文使用的方法配置要求低,没有gpu也可以正常使用(就是有点慢),不管是windows还是linux,都可以无障碍使用大模型,有脚就行,废话少说,let’srock!2.概念介绍几个部署要用到的概念,工具和项目huggingface:类似于模型的github,各种各样的开源模型都可以在这被找到.模型量化技术:这也是我们能够在低端设备
- 从亏损到盈利:用Python实现WVAD策略,量价结合更靠谱
程序化交易助手
量化软件Python程序化交易Python量化炒股PTradeQMT量化交易量化软件deepseek
从亏损到盈利:用Python实现WVAD策略,量价结合更靠谱那个让我夜不能寐的亏损账户去年有个客户老张来找我,50万本金半年亏了15万。他红着眼睛问我:"为什么我跟着大V买卖还是亏?"我看了他的交易记录就明白了——全是凭感觉操作,涨了追,跌了割,完全被市场情绪牵着鼻子走。这让我想起自己刚入行时,盯着分时图眼睛发酸的日子。直到有天看到营业部老总桌上那本《量化交易入门》,才恍然大悟:原来职业玩家都在用
- 量化开发(系列第3篇): C++在高性能量化交易中的核心应用与技术栈深度解析
Natsume1710
c++开发语言性能优化python
本文为《量化开发》系列第3篇参考GitHub项目:Awesome-QuantDev-Learn前言在量化交易领域,Python以其开发效率高、生态系统丰富等优势,成为策略研究、数据分析及中低频交易的首选语言。在本系列前两篇文章中,我们详细探讨了Python在量化入门与策略回测中的实践。然而,当进入对延迟要求极为严苛的高频交易(High-FrequencyTrading,HFT)领域时,Python
- 量化策略进阶:事件驱动与另类数据挖掘实战
前面的章节,我们已经详细探讨了量化系统的基础架构:从数据的获取与管理(数据层),到策略的研发与验证(回测层),再到指令的高速执行(交易执行层),以及确保资金安全的防线(风控与监控运维层),我们共同构建了一套完整的量化交易体系。今天,我们将深入探讨量化策略的更高维度:事件驱动型策略和另类数据挖掘。这不仅仅是技术栈的扩展,更是对市场洞察力和信息处理能力的全面提升,旨在帮助您的策略在传统量价数据之外,捕
- Python量化策略与回测框架实战:从“纸上谈兵”到“真金白银”的第一步(系列第2篇)
Natsume1710
python开发语言github
作者:GitHub项目地址Awesome-QuantDev-Learn本文为量化开发学习路线系列第2篇,欢迎收藏与关注。引言:为什么选择Python作为量化入门的起点?在上一篇文章中,我们详细讲解了量化开发的基本框架与开发者思维的转变路径。那么,具体要如何开始第一步实践呢?答案是:从Python入门。Python以其快速原型开发能力、丰富的数据分析工具包,以及良好的社区生态,已经成为全球范围内量化
- 轻量化分布式AGI架构:基于区块链构建终端神经元节点的互联网智脑
探客木木夕
分布式agi人工智能架构区块链
在2025年的技术发展背景下,轻量化分布式AGI架构正成为人工智能领域的重要突破方向。通过将终端设备转化为神经元节点,结合区块链技术构建去中心化的互联网智脑,不仅能够突破传统AGI开发的算力瓶颈,还能实现数据安全共享与价值分配。**这一架构将重塑人工智能的发展范式,使AGI能力从中心化实验室扩散至全球终端设备网络,最终形成一个去中心化、自演进、高可用的互联网级智能系统**。研究显示,通过知识密度提
- matlab教程pdf,Matlab2010经典超强教程(清晰、版).pdf
malartinla
matlab教程pdf
第1章基础准备及入门本章有三个目的:一是讲述MATLAB正常运行所必须具备的基础条件;二是简明地介绍MATLAB及其操作桌面Desktop的基本使用方法;三是全面介绍MATLAB的帮助系统。本章的前两节讲述:MATLAB的正确安装方法和MATLAB环境的启动。因为指令窗是MATLAB最重要的操作界面,所以本章用第1.3、1.4两节以最简单通俗的叙述、算例讲述指令窗的基本操作方法和规则。这部分内容几
- 向量化编程:SIMD(Single Instruction, Multiple Data)深度解析
在现代处理器架构中,向量化编程已成为提升计算密集型应用性能的关键技术。SIMD(SingleInstruction,MultipleData)作为向量化编程的核心,通过一条指令同时处理多个数据,能够显著提高数据并行度。本文将从SIMD的基础概念出发,深入探讨其硬件实现、编程模型、性能优化及典型应用场景,帮助开发者充分利用SIMD技术提升代码性能。一、SIMD基础概念1.1什么是SIMD?SIMD是
- (五)PS识别:压缩痕迹挖掘-压缩量化表与 DCT 系数分析
超龄超能程序猿
机器学习python图像处理人工智能计算机视觉
(一)PS识别:Python图像分析PS识别之道(二)PS识别:特征识别-直方图分析的从原理到实现(三)PS识别:基于噪声分析PS识别的技术实现(四)PS识别:基于边缘纹理检测分析PS识别的技术实现一介绍本文将介绍一种基于量化表分析和DCT系数分析的图片PS检测方法,帮助你判断图片是否经过处理。二实现原理量化表分析在JPEG图片的压缩过程中,量化表起着关键作用。不同的软件或处理操作可能会改变量化表
- QA - RAG智能问答系统中的文档切片与实现原理
ai开发
引言在现代企业知识管理系统中,智能问答系统正发挥着越来越重要的作用。GC-QA-RAG系统作为葡萄城技术栈中的重要组成部分,其核心功能是通过对文档内容进行智能切片和向量化存储,实现对技术文档的高效检索和问答。本文将深入剖析该系统的文档切片原理,包括短文档和长文档的不同处理策略,以及如何将这些技术应用于实际场景中。正文1.原始方案及其局限性最初的GC-QA-RAG系统采用了一种直观的方法:将整个文档
- 探索 Qwen3-0.6B:轻量级大模型的技术突破与应用潜力
在大模型技术飞速发展的今天,轻量化、高性能的模型成为业界关注的焦点。Qwen3-0.6B作为阿里推出的轻量级大模型,凭借其独特的技术架构和卓越性能,在众多模型中脱颖而出。本文将深入探讨Qwen3-0.6B的技术特性、优势以及应用场景,带你领略这款轻量级大模型的魅力。一、Qwen3-0.6B核心技术架构Qwen3-0.6B基于Transformer架构进行优化,采用了一系列先进的技术手段,在保证模型
- Transformer模型压缩:结构化剪枝与混合精度量化研究
pk_xz123456
仿真模型机器学习深度学习transformer剪枝深度学习
Transformer模型压缩:结构化剪枝与混合精度量化研究摘要本文针对Transformer模型在实际部署中面临的计算资源消耗大、内存占用高和推理延迟等问题,提出了一种结合结构化剪枝与混合精度量化的综合压缩方案。我们首先分析了Transformer模型的结构特点及其在计算效率方面的瓶颈,然后系统地研究了结构化剪枝和混合精度量化的理论基础与实现方法。通过实验验证,我们的方法在保持模型性能的同时显著
- 【机器学习笔记Ⅰ】7 向量化
巴伦是只猫
机器学习机器学习笔记人工智能
向量化(Vectorization)详解向量化是将数据或操作转换为向量(或矩阵)形式,并利用并行计算高效处理的技术。它是机器学习和数值计算中的核心优化手段,能显著提升代码运行效率(尤其在Python中避免显式循环)。1.为什么需要向量化?(1)传统循环的缺陷低效:Python的for循环逐元素操作,速度慢。代码冗长:需手动处理每个元素。示例:计算两个数组的点积(非向量化)a=[1,2,3]b=[4
- 条件概率:不确定性决策的基石
大千AI助手
人工智能Python#OTHER决策树算法机器学习人工智能条件概率概率论
条件概率是概率论中的核心概念,用于描述在已知某一事件发生的条件下,另一事件发生的概率。它量化了事件之间的关联性,是贝叶斯推理、统计建模和机器学习的基础。本文由「大千AI助手」原创发布,专注用真话讲AI,回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我,一起撕掉过度包装,学习真实的AI技术!一、定义与公式设(A)和(B)是两个随机事件,且(P(B)>0):条件概率(P(A\midB))表示
- Docker 容器编排原理与使用详解
许先森森
技术杂文docker容器运维容器编排KubernetesDockerCompose
Docker容器编排原理与使用详解一、容器编排概述在容器技术领域,Docker容器以其轻量化、可移植性和快速部署的特性,极大地改变了应用程序的开发和部署方式。然而,当应用规模逐渐扩大,涉及多个容器的协同工作、资源管理、故障恢复等问题时,单纯使用Docker命令管理容器就显得力不从心。此时,容器编排技术应运而生。容器编排是指对多个容器进行自动化管理和协调的过程,它能够实现容器的部署、调度、伸缩、网络
- 《推客系统开发全景指南:从架构设计到运营落地的完整解决方案》
wx_ywyy6798
数据库大数据短剧java推客系统推客小程序推客分销
一、推客系统概述与市场背景1.1什么是推客系统?推客系统(ReferralSystem)是一种基于社交关系网络的数字化推荐营销平台,通过系统化的机制设计激励用户自发进行产品或服务的推广传播。这种系统将传统的口碑营销模式与现代互联网技术相结合,形成了可追踪、可量化、可优化的新型营销生态系统。1.2行业发展现状随着流量红利逐渐消退,企业获客成本不断攀升,推客系统凭借其高效低成本的特性受到广泛关注。据统
- 文末含资料链接!YOLOv11性能飞跃:深度融合iRMB注意力机制,实战教程助你突破检测极限!
博导ai君
深度学习教学-附源码YOLO
文章目录1.介绍:揭秘iRMB——轻量化与高性能的完美融合1.1摘要:洞察iRMB的设计哲学与卓越表现1.2简单描述:深入剖析iRMB的构造与工作原理核心灵感:CNN与Transformer的珠联璧合iRMB的核心结构:短距离与长距离的协同设计理念:实用、统一、有效、高效1.3模块结构:iRMB的内部构造图(概念描述)2.代码解析:逐行揭秘iRMB的魔法2.1`LayerNorm2d`:为2D数据
- 2025年6月AIGC发展全景:技术轻量化、Agent产业化与伦理新挑战
Loving_enjoy
计算机学科论文创新点深度学习人工智能经验分享facebook
>**当一块消费级GPU能解高考数学题,当AI智能体接管医院诊断流程,我们正站在人机协作新纪元的门槛上**2025年6月,AIGC领域迎来关键转折点——**模型轻量化**让百亿参数算法飞入寻常设备,**多模态融合**打破文本与视觉的次元壁,而**Agent智能体**正从实验室概念蜕变为产业核心引擎。这场变革不仅重塑技术范式,更在重构商业逻辑与人类创造力边界。---###一、技术突破:垂直化、轻量化
- 【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
十小大
超分辨率重建(理论+实战科研+应用)超分辨率重建人工智能图像处理深度学习计算机视觉图像超分pytorch
文章目录专栏简介专栏亮点适配人群相关说明关于答疑环境配置超分理解实现流程文章目录基础知识三个常用的SR框架数据集相关可解释性(论文中的可视化说明)图像超分(ImageSuper-Resolution)经典超分(ClassicalSR)任意尺度超分(Arbitrary-ScaleSR)高效/轻量化超分(Efficient/LightweightSR,ESR)盲超分/真实世界图像超分辨率(Blind/
- 手把手构建智能体:多模态AI Agent视-语-决融合实战指南
目录一、原创架构设计:三重融合智能体系统横向对比流程图:传统AIvs多模态Agent二、企业级可运行代码实现1.跨模态融合模块2.决策生成模块3.YAML配置文件(config.yaml)三、量化性能对比四、生产级部署方案安全部署架构安全审计要点部署步骤五、技术前瞻性分析下一代多模态智能体演进方向六、附录:完整技术图谱结语:构建真正智能的决策系统本文将深入探讨多模态AIAgent的核心架构设计与实
- ClickHouse【理论篇】02:ClickHouse架构和组件
做一个有趣的人Zz
ClickHouseclickhouse架构
ClickHouse的架构设计深度适配OLAP(在线分析处理)场景,通过列式存储、向量化执行、分布式分片与副本等核心技术,实现了对海量数据的高效分析与实时查询。以下从核心存储引擎、查询处理流程、分布式架构、元数据管理、复制与分片等维度详细解析其内部架构与关键组件。一、核心存储引擎:MergeTree系列ClickHouse的存储引擎是其性能的核心,其中MergeTree系列引擎(如MergeTre
- RICE模型或KANO模型在具体UI评审时的运用经验
Alex艾力的IT数字空间
设计规范前端框架原型模式产品经理需求分析ux制造
模型是抽象的产物,结合场景才好说明(数据为非精确实际数据,仅供参考,勿照搬)。案例一:RICE模型解决「支付流程优化」vs「首页动效升级」优先级争议背景:APP电商模块在迭代中面临两个需求冲突——支付团队主张优化支付失败提示(减少用户流失),设计团队提议增加首页3D商品动效(提升视觉吸引力)。双方争执不下。应用过程:RICE模型量化评估(参考):支付优化:Reach(覆盖人数):支付流程涉及100
- 展锐 ISP 模块功能特点与应用场景评估:轻量化影像处理方案的实战能力分析
展锐ISP模块功能特点与应用场景评估:轻量化影像处理方案的实战能力分析关键词:展锐ISP、图像信号处理、3DNR、HDR合成、YUV输出、图像管线、降噪算法、调色引擎、应用场景评估、移动终端影像系统摘要:作为国产SoC平台中的关键影像处理核心,展锐ISP(ImageSignalProcessor)聚焦轻量化、低功耗与快速集成三大特性,广泛应用于中低端移动终端、AIoT摄像头及定制化影像设备。相较于
- 散户渡劫指南:从炼气期到化神期的量化之路
python自动化工具
量化投资python
经常有人问我普通人怎么学习量化交易,我就在想怎么学了量化就不是普通人了吗,可能他的意思是类比修仙,量化素人如何修炼进阶,今天就将量化学习每个阶段均对标修仙境界的核心能力与心法要诀一一介绍,助你从“交易凡人”蜕变为“量化金仙”。炼气期:初窥门径(0-3个月)引气入体,打通量化灵脉核心能力:感知市场灵气(数据),运转基础周天(代码)修炼内容:金融引气诀:资产定价、夏普比率、最大回撤等核心概念Pytho
- happy-llm 第一章 NLP 基础概念
weixin_38374194
自然语言处理人工智能学习
文章目录一、什么是NLP?二、NLP发展三大阶段三、NLP核心任务精要四、文本表示演进史1.传统方法:统计表征2.神经网络:语义向量化课程地址:happy-llmNLP基础概念一、什么是NLP?核心目标:让计算机理解、生成、处理人类语言,实现人机自然交互。现状与挑战:成就:深度学习推动文本分类、翻译等任务达到近人类水平。瓶颈:歧义性、隐喻理解、跨文化差异等。二、NLP发展三大阶段时期代表技术核心思
- LabVIEW MathScript薄板热流模拟
LabVIEW开发
LabVIEW参考程序LabVIEW知识LabVIEW知识LabVIEW程序LabVIEW功能labview
热流模拟是热设计关键环节,传统工具精准但开发周期长,本VI利用LabVIEW优势,面向工程师快速验证需求,在初步方案迭代、教学演示等场景更具效率,为热分析提供轻量化替代路径,后续可结合专业工具,先通过本VI快速定性分析,再用传统工具精准求解,提升研发流程效率。此VI用于模拟单点热源下薄板的热流,求解带周期边界条件的椭圆型偏微分方程,借助LabVIEWMathScriptNode实现自定义函数,结合
- 【无线通信】面向多天线用户的网络辅助全双工无蜂窝大规模MIMO研究
hans汉斯
论文荐读网络机器人大数据学习方法人工智能数据挖掘github
导读:基于网络辅助全双工技术无蜂窝大规模多输入多输出(multipleinputmultipleoutput,MIMO)系统是目前无线通信领域的关键技术之一。然而,现有的研究都假设采用完美硬件配置的单天线用户设备发送和接收信号,这种架构限制了系统整体性能的进一步提升。鉴于此,本文针对网络辅助全双工无蜂窝大规模MIMO环境中的多天线用户通信展开研究。利用现有的加性量化噪声模型,推导了低精度模数转换器
- YOLOv11深度解析:Ultralytics新一代目标检测架构创新与实战指南
芯作者
D2:YOLOYOLO神经网络计算机视觉
2024年Ultralytics重磅推出YOLOv11**:在精度与速度的平衡木上再进一步,参数减少22%,推理速度提升2%,多任务支持全面升级!一、YOLOv11核心创新:轻量化与注意力机制的完美融合YOLOv11并非颠覆性重构,而是通过模块级优化实现“少参数、高精度、快推理”的目标。其三大创新点如下:1.1C3k2模块:动态卷积核的灵活设计取代YOLOv8的C2f模块,C3k2通过参数c3k动
- 枚举的构造函数中抛出异常会怎样
bylijinnan
javaenum单例
首先从使用enum实现单例说起。
为什么要用enum来实现单例?
这篇文章(
http://javarevisited.blogspot.sg/2012/07/why-enum-singleton-are-better-in-java.html)阐述了三个理由:
1.enum单例简单、容易,只需几行代码:
public enum Singleton {
INSTANCE;
- CMake 教程
aigo
C++
转自:http://xiang.lf.blog.163.com/blog/static/127733322201481114456136/
CMake是一个跨平台的程序构建工具,比如起自己编写Makefile方便很多。
介绍:http://baike.baidu.com/view/1126160.htm
本文件不介绍CMake的基本语法,下面是篇不错的入门教程:
http:
- cvc-complex-type.2.3: Element 'beans' cannot have character
Cb123456
springWebgis
cvc-complex-type.2.3: Element 'beans' cannot have character
Line 33 in XML document from ServletContext resource [/WEB-INF/backend-servlet.xml] is i
- jquery实例:随页面滚动条滚动而自动加载内容
120153216
jquery
<script language="javascript">
$(function (){
var i = 4;$(window).bind("scroll", function (event){
//滚动条到网页头部的 高度,兼容ie,ff,chrome
var top = document.documentElement.s
- 将数据库中的数据转换成dbs文件
何必如此
sqldbs
旗正规则引擎通过数据库配置器(DataBuilder)来管理数据库,无论是Oracle,还是其他主流的数据都支持,操作方式是一样的。旗正规则引擎的数据库配置器是用于编辑数据库结构信息以及管理数据库表数据,并且可以执行SQL 语句,主要功能如下。
1)数据库生成表结构信息:
主要生成数据库配置文件(.conf文
- 在IBATIS中配置SQL语句的IN方式
357029540
ibatis
在使用IBATIS进行SQL语句配置查询时,我们一定会遇到通过IN查询的地方,在使用IN查询时我们可以有两种方式进行配置参数:String和List。具体使用方式如下:
1.String:定义一个String的参数userIds,把这个参数传入IBATIS的sql配置文件,sql语句就可以这样写:
<select id="getForms" param
- Spring3 MVC 笔记(一)
7454103
springmvcbeanRESTJSF
自从 MVC 这个概念提出来之后 struts1.X struts2.X jsf 。。。。。
这个view 层的技术一个接一个! 都用过!不敢说哪个绝对的强悍!
要看业务,和整体的设计!
最近公司要求开发个新系统!
- Timer与Spring Quartz 定时执行程序
darkranger
springbean工作quartz
有时候需要定时触发某一项任务。其实在jdk1.3,java sdk就通过java.util.Timer提供相应的功能。一个简单的例子说明如何使用,很简单: 1、第一步,我们需要建立一项任务,我们的任务需要继承java.util.TimerTask package com.test; import java.text.SimpleDateFormat; import java.util.Date;
- 大端小端转换,le32_to_cpu 和cpu_to_le32
aijuans
C语言相关
大端小端转换,le32_to_cpu 和cpu_to_le32 字节序
http://oss.org.cn/kernel-book/ldd3/ch11s04.html
小心不要假设字节序. PC 存储多字节值是低字节为先(小端为先, 因此是小端), 一些高级的平台以另一种方式(大端)
- Nginx负载均衡配置实例详解
avords
[导读] 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。负载均衡先来简单了解一下什么是负载均衡,单从字面上的意思来理解就可以解 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。
负载均衡
先来简单了解一下什么是负载均衡
- 乱说的
houxinyou
框架敏捷开发软件测试
从很久以前,大家就研究框架,开发方法,软件工程,好多!反正我是搞不明白!
这两天看好多人研究敏捷模型,瀑布模型!也没太搞明白.
不过感觉和程序开发语言差不多,
瀑布就是顺序,敏捷就是循环.
瀑布就是需求、分析、设计、编码、测试一步一步走下来。而敏捷就是按摸块或者说迭代做个循环,第个循环中也一样是需求、分析、设计、编码、测试一步一步走下来。
也可以把软件开发理
- 欣赏的价值——一个小故事
bijian1013
有效辅导欣赏欣赏的价值
第一次参加家长会,幼儿园的老师说:"您的儿子有多动症,在板凳上连三分钟都坐不了,你最好带他去医院看一看。" 回家的路上,儿子问她老师都说了些什么,她鼻子一酸,差点流下泪来。因为全班30位小朋友,惟有他表现最差;惟有对他,老师表现出不屑,然而她还在告诉她的儿子:"老师表扬你了,说宝宝原来在板凳上坐不了一分钟,现在能坐三分钟。其他妈妈都非常羡慕妈妈,因为全班只有宝宝
- 包冲突问题的解决方法
bingyingao
eclipsemavenexclusions包冲突
包冲突是开发过程中很常见的问题:
其表现有:
1.明明在eclipse中能够索引到某个类,运行时却报出找不到类。
2.明明在eclipse中能够索引到某个类的方法,运行时却报出找不到方法。
3.类及方法都有,以正确编译成了.class文件,在本机跑的好好的,发到测试或者正式环境就
抛如下异常:
java.lang.NoClassDefFoundError: Could not in
- 【Spark七十五】Spark Streaming整合Flume-NG三之接入log4j
bit1129
Stream
先来一段废话:
实际工作中,业务系统的日志基本上是使用Log4j写入到日志文件中的,问题的关键之处在于业务日志的格式混乱,这给对日志文件中的日志进行统计分析带来了极大的困难,或者说,基本上无法进行分析,每个人写日志的习惯不同,导致日志行的格式五花八门,最后只能通过grep来查找特定的关键词缩小范围,但是在集群环境下,每个机器去grep一遍,分析一遍,这个效率如何可想之二,大好光阴都浪费在这上面了
- sudoku solver in Haskell
bookjovi
sudokuhaskell
这几天没太多的事做,想着用函数式语言来写点实用的程序,像fib和prime之类的就不想提了(就一行代码的事),写什么程序呢?在网上闲逛时发现sudoku游戏,sudoku十几年前就知道了,学生生涯时也想过用C/Java来实现个智能求解,但到最后往往没写成,主要是用C/Java写的话会很麻烦。
现在写程序,本人总是有一种思维惯性,总是想把程序写的更紧凑,更精致,代码行数最少,所以现
- java apache ftpClient
bro_feng
java
最近使用apache的ftpclient插件实现ftp下载,遇见几个问题,做如下总结。
1. 上传阻塞,一连串的上传,其中一个就阻塞了,或是用storeFile上传时返回false。查了点资料,说是FTP有主动模式和被动模式。将传出模式修改为被动模式ftp.enterLocalPassiveMode();然后就好了。
看了网上相关介绍,对主动模式和被动模式区别还是比较的模糊,不太了解被动模
- 读《研磨设计模式》-代码笔记-工厂方法模式
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/
package design.pattern;
/*
* 工厂方法模式:使一个类的实例化延迟到子类
* 某次,我在工作不知不觉中就用到了工厂方法模式(称为模板方法模式更恰当。2012-10-29):
* 有很多不同的产品,它
- 面试记录语
chenyu19891124
招聘
或许真的在一个平台上成长成什么样,都必须靠自己去努力。有了好的平台让自己展示,就该好好努力。今天是自己单独一次去面试别人,感觉有点小紧张,说话有点打结。在面试完后写面试情况表,下笔真的好难,尤其是要对面试人的情况说明真的好难。
今天面试的是自己同事的同事,现在的这个同事要离职了,介绍了我现在这位同事以前的同事来面试。今天这位求职者面试的是配置管理,期初看了简历觉得应该很适合做配置管理,但是今天面
- Fire Workflow 1.0正式版终于发布了
comsci
工作workflowGoogle
Fire Workflow 是国内另外一款开源工作流,作者是著名的非也同志,哈哈....
官方网站是 http://www.fireflow.org
经过大家努力,Fire Workflow 1.0正式版终于发布了
正式版主要变化:
1、增加IWorkItem.jumpToEx(...)方法,取消了当前环节和目标环节必须在同一条执行线的限制,使得自由流更加自由
2、增加IT
- Python向脚本传参
daizj
python脚本传参
如果想对python脚本传参数,python中对应的argc, argv(c语言的命令行参数)是什么呢?
需要模块:sys
参数个数:len(sys.argv)
脚本名: sys.argv[0]
参数1: sys.argv[1]
参数2: sys.argv[
- 管理用户分组的命令gpasswd
dongwei_6688
passwd
NAME: gpasswd - administer the /etc/group file
SYNOPSIS:
gpasswd group
gpasswd -a user group
gpasswd -d user group
gpasswd -R group
gpasswd -r group
gpasswd [-A user,...] [-M user,...] g
- 郝斌老师数据结构课程笔记
dcj3sjt126com
数据结构与算法
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
- yii2 cgridview加上选择框进行操作
dcj3sjt126com
GridView
页面代码
<?=Html::beginForm(['controller/bulk'],'post');?>
<?=Html::dropDownList('action','',[''=>'Mark selected as: ','c'=>'Confirmed','nc'=>'No Confirmed'],['class'=>'dropdown',])
- linux mysql
fypop
linux
enquiry mysql version in centos linux
yum list installed | grep mysql
yum -y remove mysql-libs.x86_64
enquiry mysql version in yum repositoryyum list | grep mysql oryum -y list mysql*
install mysq
- Scramble String
hcx2013
String
Given a string s1, we may represent it as a binary tree by partitioning it to two non-empty substrings recursively.
Below is one possible representation of s1 = "great":
- 跟我学Shiro目录贴
jinnianshilongnian
跟我学shiro
历经三个月左右时间,《跟我学Shiro》系列教程已经完结,暂时没有需要补充的内容,因此生成PDF版供大家下载。最近项目比较紧,没有时间解答一些疑问,暂时无法回复一些问题,很抱歉,不过可以加群(334194438/348194195)一起讨论问题。
----广告-----------------------------------------------------
- nginx日志切割并使用flume-ng收集日志
liyonghui160com
nginx的日志文件没有rotate功能。如果你不处理,日志文件将变得越来越大,还好我们可以写一个nginx日志切割脚本来自动切割日志文件。第一步就是重命名日志文件,不用担心重命名后nginx找不到日志文件而丢失日志。在你未重新打开原名字的日志文件前,nginx还是会向你重命名的文件写日志,linux是靠文件描述符而不是文件名定位文件。第二步向nginx主
- Oracle死锁解决方法
pda158
oracle
select p.spid,c.object_name,b.session_id,b.oracle_username,b.os_user_name from v$process p,v$session a, v$locked_object b,all_objects c where p.addr=a.paddr and a.process=b.process and c.object_id=b.
- java之List排序
shiguanghui
list排序
在Java Collection Framework中定义的List实现有Vector,ArrayList和LinkedList。这些集合提供了对对象组的索引访问。他们提供了元素的添加与删除支持。然而,它们并没有内置的元素排序支持。 你能够使用java.util.Collections类中的sort()方法对List元素进行排序。你既可以给方法传递
- servlet单例多线程
utopialxw
单例多线程servlet
转自http://www.cnblogs.com/yjhrem/articles/3160864.html
和 http://blog.chinaunix.net/uid-7374279-id-3687149.html
Servlet 单例多线程
Servlet如何处理多个请求访问?Servlet容器默认是采用单实例多线程的方式处理多个请求的:1.当web服务器启动的