- XXL-JOB v2.4.2 发布 | 分布式任务调度平台
ReleaseNotes1、【优化】调度中心任务Next计算逻辑调整,避免Cron解析失败导致重复执行问题。2、【优化】Cron解析组件代码重构微调,健壮性提升;3、【优化】修改密码交互调整,避免CSRF隐患;4、【优化】JdkSerializeTool流关闭逻辑优化;5、【优化】任务信息、执行日志API非功能设计完善,避免越权隐患;6、【修复】漏洞修复,包括"CVE-2024-42681"子任务
- LearnLM: Improving Gemini for Learning
UnknownBody
LLMDaily语言模型人工智能自然语言处理
本文是LLM系列文章,针对《LearnLM:ImprovingGeminiforLearning》的翻译。LearnLM:提升Gemini的学习能力摘要1引言2建模3人类评价设计4结果5结论摘要今天的生成式人工智能系统默认情况下会呈现信息,而不是像人类导师那样让用户参与学习服务。为了解决这些系统的广泛潜在教育用例,我们将注入教学行为的挑战重新定义为一种教学指导,其中培训和评估示例包括描述后续模型中
- XXL-RPC v1.8.0 | 分布式服务框架
ReleaseNotes1、【重构】针对“Core/核心模块”进行架构模块化重构,拆分Provider、Invoker、Serializer、Remoting、Registry和Boot等六个核心模块:Provider:定位为服务提供者,提供RPC服务端能力,包括RCP/HTTPServer、业务Service扫描维护、服务执行等能力。Invoker:定位为服务调用者,提供RPC客户端能力,包括R
- SpringBoot——》整合knife4j详细步骤
小仙。
SpringBootspringbootknife4jswaggerswagger2
推荐:总结——》【SpringBoot】SpringBoot——》整合knife4j详细步骤一、在maven项目的pom.xml中引入Knife4j的依赖包二、创建Swagger配置依赖三、启动SpringBoot工程四、新建TestController.java并测试一、在maven项目的pom.xml中引入Knife4j的依赖包1、Knife4j本身已经引入了springfox,不用再单独引入
- springboot整合knife4j,从此告别手写接口文档
棋了个怪啊_Rachel
Java进阶学习汇总java开发语言knife4j
关于knife4jKnife4j的前身是swagger-bootstrap-ui,前身swagger-bootstrap-ui是一个纯swagger-ui的ui皮肤项目一开始项目初衷是为了写一个增强版本的swagger的前端ui,但是随着项目的发展,面对越来越多的个性化需求,不得不编写后端Java代码以满足新的需求,在swagger-bootstrap-ui的1.8.5~1.9.6版本之间,采用的
- Learning Vue 读书笔记 Chapter 2
追光少年3322
vue.jsjavascript前端vue3
2.Vue基本工作原理2.1VirtualDOM概念:DOM:DOM以内存中树状数据结构的形式,代表了网页上的HTML(或XML)文档内容。它充当了一个编程接口,将网页与实际的编程代码(如JavaScript)连接起来。VirtualDOM是浏览器中实际DOM的内存虚拟副本,但它更轻量且具有额外的功能。VirtualDOM工作原理:通过用户界面交互,用户向Vue传达了他们希望元素达到的状态;随后,
- [CMU16-745] Lecture 6 Deterministic Optimal Control Introduction
Jia_-
最优控制机器人
Source:CMU16-745StudyNotes,taughtbyProf.ZacManchesterLecture5OptimizationPart3ContentReviewConstrainedOptimizationDeterministicOptimalControlIntroductionDeterministicOptimalControl(1)Continuous-TimeFo
- Day31-【AI思考】-深度学习方法论全解析——科学提升学习效率的终极指南
一个一定要撑住的学习者
#AI深度思考学习方法人工智能
文章目录深度学习方法论全解析——科学提升学习效率的终极指南**一、影子跟读法(Shadowing)——听力突破核武器****二、番茄工作法(Pomodoro)——时间管理手术刀****三、费曼技巧(FeynmanTechnique)——知识内化加速器****四、康奈尔笔记(CornellNotes)——信息处理引擎**效能倍增组合技常见问题解决方案深度学习方法论全解析——科学提升学习效率的终极指南
- XXL-CRAWLER v1.4.0 | Java爬虫框架
后端爬虫java
ReleaseNotes1、【提升】爬虫JS渲染能力强化:升级提供"Selenium+ChromeDriver"方案支持JS渲染,兼容性更高,废弃旧Phantomjs方案。非JS渲染场景仍然Jsoup,速度更快。同时支持自由扩展其他实现。2、【优化】进一步优化Selenium兼容问题,完善JS渲染场景下兼容性和性能。3、【重构】重构核心功能模块,提升扩展性;修复历史代码隐藏问题,提升系统稳定习惯。
- XXL-BOOT v1.0.0 | 快速开发平台
javaadminrbac
ReleaseNotes1、【整合】项目更名XXL-BOOT,整合xxl-permission、xxl-code-generator多个历史项目;定位为快速开发平台,整合流行前后端技术能力,致力为中小企业与个人开发者打造开箱即用的快速开发解决方案。2、【规范】研发规范:基于标准分层架构设计,统一数据响应结构体,规范化项目目录结构。3、【规范】异常机制:严谨设计全局异常处理机制、ErrorPage异
- DeepSeek R1 简易指南:架构、培训、本地部署和硬件要求
前端javascript
CSS技巧与案例详解vue2与vue3技巧合集VueUse源码解读DeepSeek团队近期发布的DeepSeek-R1技术论文展示了其在增强大语言模型推理能力方面的创新实践。该研究突破性地采用强化学习(ReinforcementLearning)作为核心训练范式,在不依赖大规模监督微调的前提下显著提升了模型的复杂问题求解能力。技术架构深度解析模型体系:DeepSeek-R1系列包含两大核心成员:D
- Spring Boot 基础开发:实现 RESTful API 开发
YY...yy
SpringBoot框架学习springbootrestful后端
前言在现代Web开发中,RESTfulAPI已经成为前后端分离架构的核心。SpringBoot提供了强大的支持,使得RESTfulAPI的开发变得高效且简洁。本文将从以下几个方面详细讲解如何在SpringBoot中实现RESTfulAPI开发:@RestController设计API:简化Controller的编写HTTP状态码与响应封装:了解常见状态码及其使用场景Swagger3集成:生成接口文
- 【Node.js】Koa2 整合接口文档
秀秀_heo
Node.js后端开发node.js
部分学习来源:https://blog.csdn.net/qq_38734862/article/details/107715579依赖//koa2-swagger-uiUI视图组件swagger-jsdoc识别写的/***/转jsonnpminstallkoa2-swagger-uiswagger-jsdoc--save配置config\swaggerConfig.jsconstRouter=r
- 强化学习在自动驾驶中的实现与挑战
Echo_Wish
人工智能前沿技术自动驾驶人工智能机器学习
强化学习在自动驾驶中的实现与挑战自动驾驶技术作为当今人工智能领域的前沿之一,正通过各种方式改变我们的出行方式。而强化学习(ReinforcementLearning,RL),作为机器学习的一大分支,在自动驾驶的实现中扮演了至关重要的角色。它通过模仿人类驾驶员的决策过程,为车辆提供动态、灵活的导航与控制能力。然而,强化学习在实际应用中并非一帆风顺,还面临着诸多技术和现实挑战。本文将从原理、实现与挑战
- AI:263-强化学习在自动驾驶领域的应用与前沿挑战
一键难忘
精通AI实战千例专栏合集自动驾驶汽车强化学习人工智能
强化学习在自动驾驶中的应用与挑战自动驾驶汽车是当前人工智能和机器学习的热门研究方向,而强化学习(ReinforcementLearning,RL)因其在复杂动态环境中的决策能力,成为推动自动驾驶技术的重要工具。本文将探讨强化学习在自动驾驶中的应用、面临的挑战,并提供一个简单的代码实例以展示如何在自动驾驶中应用强化学习。1.强化学习的基础概念强化学习是一种通过试错的方式来学习最佳策略的机器学习方法。
- 修改训练配置记录
positive546
深度学习人工智能机器学习
1.learning_rate:作用:学习率。修改影响:调整此值可以显著影响模型的训练速度和最终性能。在train.py代码的设置训练配置中:trainer=SFTTrainer(model=model,tokenizer=tokenizer,train_dataset=dataset,dataset_text_field="text",max_seq_length=max_seq_length,
- GitHub热门开源项目
李小白杂货铺
计算机技术杂谈github
文章目录GitHub高级搜索GitHub秘籍GitHub开源项目排行榜热门开源项目学习类、资料类freeCodeCampfree-programming-bookscoding-interview-universityawesomedeveloper-roadmapsystem-design-primerYou-Dont-Know-JSCS-Notesjavascript-algorithmsbu
- 论文笔记(七十)DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning(二)
墨绿色的摆渡人
文章论文阅读
DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning(二)文章概括摘要:2.方法2.3.DeepSeek-R1:冷启动强化学习2.3.1.冷启动2.3.2.面向推理的强化学习2.3.3.拒绝采样与监督微调2.3.4.面向所有场景的强化学习2.4.蒸馏:赋予小模型推理能力文章概括引用:@article{g
- 斯坦福吴恩达-深度学习和机器学习全套视频+课件!
Alexquyun
人工智能机器学习深度学习python
这些课程专为已有一定基础(基本的编程知识,熟悉Python、对机器学习有基本了解),想要尝试进入人工智能领域的计算机专业人士准备。介绍显示:“深度学习是科技业最热门的技能之一,本课程将帮你掌握深度学习。”学生将可以学习到深度学习的基础,学会构建神经网络,并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。DeepLearningSpecialization对卷积神经网络(CNN
- (转) [it-ebooks]电子书列表
weixin_34233618
[it-ebooks]电子书列表[2014]:LearningObjective-CbyDevelopingiPhoneGames||LeverageXcodeandObjective-CtodevelopiPhonegameshttp://it-ebooks.info/book/3544/LearningWebAppDevelopment||BuildQuicklywithProvenJavaS
- 《极致C语言》第2章 -- 从源文件到二进制文件
Fyang0906
极致C语言学习笔记c语言c++
《极致C语言》第2章–从源文件到二进制文件extreme-c-learning-notesch2《极致C语言》第2章--从源文件到二进制文件《极致C语言》第2章--从源文件到二进制文件1.编译过程1.1.构建C项目1.2.第1步--预处理1.3第2步--编译1.4第3步--汇编1.5第4步--链接2.预处理器3.编译器4.汇编器5.链接器1.编译过程预处理器编译器汇编器链接器C源代码通过:预处理-
- pytorch深度Q网络
纠结哥_Shrek
pytorch人工智能python
DQN引入了深度神经网络来近似Q函数,解决了传统Q-learning在处理高维状态空间时的瓶颈,尤其是在像Atari游戏这样的复杂环境中。DQN的核心思想是使用神经网络Q(s,a;θ)Q(s,a;\theta)Q(s,a;θ)来近似Q值函数,其中θ\thetaθ是神经网络的参数。DQN的关键创新包括:经验回放(ExperienceReplay):在强化学习中,当前的学习可能会依赖于最近的经验,容易
- AI 大模型创业:如何利用商业优势?
AI天才研究院
大数据AI人工智能ChatGPTjavapythonjavascriptkotlingolang架构人工智能大厂程序员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AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
第1章:AI大模型概述1.1AI大模型的概念与演进AI大模型(Large-scaleArtificialIntelligenceModels)是指通过大规模数据训练得到的复杂神经网络模型。这些模型通常具有数十亿甚至千亿个参数,能够实现从自然语言处理到计算机视觉、语音识别等广泛领域的任务。AI大模型的概念起源于20世纪80年代,当时研究人员提出了深度学习(DeepLearning)这一概念。深度学习
- Apache TVM:开源深度学习编译器栈的领跑者
计攀建Eliza
ApacheTVM:开源深度学习编译器栈的领跑者tvmOpendeeplearningcompilerstackforcpu,gpuandspecializedaccelerators项目地址:https://gitcode.com/gh_mirrors/tv/tvm项目介绍ApacheTVM是一个专为深度学习系统设计的编译器栈。它旨在弥合生产力导向的深度学习框架与性能和效率导向的硬件后端之间的差
- 2025年01月30日Github流行趋势
油泼辣子多加
GitHub每日趋势github
项目名称:Janus项目地址url:https://github.com/deepseek-ai/Janus项目语言:Python历史star数:11942今日star数:2187项目维护者:learningpro,hills-code,TheOneTrueGuy,mowentian,soloice项目简介:Janus系列:统一多模态理解和生成模型项目名称:DeepSeek-Coder项目地址ur
- Rust中奖励函数的实现与应用
AI天才研究院
计算AI大模型企业级应用开发实战大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
Rust中奖励函数的实现与应用作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:Rust,奖励函数,强化学习,机器学习,状态空间1.背景介绍1.1问题的由来在机器学习领域,特别是在强化学习(ReinforcementLearning,RL)中,奖励函数(RewardFunction)扮演着至关重要的角色。它定义了智能体(Agent)在执行任务时
- AI常见的算法
纠结哥_Shrek
人工智能算法
人工智能(AI)中常见的算法分为多个领域,如机器学习、深度学习、强化学习、自然语言处理和计算机视觉等。以下是一些常见的算法及其用途:1.机器学习(MachineLearning)监督学习(SupervisedLearning)线性回归(LinearRegression):用于预测连续值,如房价预测。逻辑回归(LogisticRegression):用于分类问题,如垃圾邮件检测。支持向量机(SVM)
- Linux服务器上安装 Vision Mamba 虚拟环境---全面教程
wsa-
python计算机视觉机器学习
本人装环境踩了很多坑,翻了很多大佬的博客最终安装并运行成功!以下是我的经验分享:1.去GitHub下载VisionMamba的code并上传至服务器上GitHub-hustvl/Vim:VisionMamba:EfficientVisualRepresentationLearningwithBidirectionalStateSpaceModelgithub.com/hustvl/Vim编辑2.环
- 【DL】神经网络与机器学习基础知识介绍(一)
MengWoods
深度学习机器学习神经网络人工智能
原博客:https://mengwoods.github.io/post/dl/009-dl-fundamental/文章目录基本通用概念梯度下降算法数据工程训练技术偏差与方差防止过拟合评估指标决策树基本通用概念机器学习的类型:监督学习(SupervisedLearning):分类,回归无监督学习(UnsupervisedLearning):聚类,降维强化学习(ReinforcementLearn
- 《深度剖析Q-learning中的Q值:解锁智能决策的密码》
人工智能深度学习
在人工智能的飞速发展进程中,强化学习作为一个关键领域,为智能体与环境交互并学习最优行为策略提供了有效框架。其中,Q-learning算法凭借其独特的魅力,在机器人控制、自动驾驶、游戏AI等众多领域大放异彩。而Q-learning中的Q值,更是理解这一算法的核心关键,它如同智能体的“智慧密码”,指导着智能体在复杂环境中做出最优决策。Q值的直观定义:行为价值的“预言家”从直观层面理解,Q值代表着智能体
- 基本数据类型和引用类型的初始值
3213213333332132
java基础
package com.array;
/**
* @Description 测试初始值
* @author FuJianyong
* 2015-1-22上午10:31:53
*/
public class ArrayTest {
ArrayTest at;
String str;
byte bt;
short s;
int i;
long
- 摘抄笔记--《编写高质量代码:改善Java程序的151个建议》
白糖_
高质量代码
记得3年前刚到公司,同桌同事见我无事可做就借我看《编写高质量代码:改善Java程序的151个建议》这本书,当时看了几页没上心就没研究了。到上个月在公司偶然看到,于是乎又找来看看,我的天,真是非常多的干货,对于我这种静不下心的人真是帮助莫大呀。
看完整本书,也记了不少笔记
- 【备忘】Django 常用命令及最佳实践
dongwei_6688
django
注意:本文基于 Django 1.8.2 版本
生成数据库迁移脚本(python 脚本)
python manage.py makemigrations polls
说明:polls 是你的应用名字,运行该命令时需要根据你的应用名字进行调整
查看该次迁移需要执行的 SQL 语句(只查看语句,并不应用到数据库上):
python manage.p
- 阶乘算法之一N! 末尾有多少个零
周凡杨
java算法阶乘面试效率
&n
- spring注入servlet
g21121
Spring注入
传统的配置方法是无法将bean或属性直接注入到servlet中的,配置代理servlet亦比较麻烦,这里其实有比较简单的方法,其实就是在servlet的init()方法中加入要注入的内容:
ServletContext application = getServletContext();
WebApplicationContext wac = WebApplicationContextUtil
- Jenkins 命令行操作说明文档
510888780
centos
假设Jenkins的URL为http://22.11.140.38:9080/jenkins/
基本的格式为
java
基本的格式为
java -jar jenkins-cli.jar [-s JENKINS_URL] command [options][args]
下面具体介绍各个命令的作用及基本使用方法
1. &nb
- UnicodeBlock检测中文用法
布衣凌宇
UnicodeBlock
/** * 判断输入的是汉字 */ public static boolean isChinese(char c) { Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
- java下实现调用oracle的存储过程和函数
aijuans
javaorale
1.创建表:STOCK_PRICES
2.插入测试数据:
3.建立一个返回游标:
PKG_PUB_UTILS
4.创建和存储过程:P_GET_PRICE
5.创建函数:
6.JAVA调用存储过程返回结果集
JDBCoracle10G_INVO
- Velocity Toolbox
antlove
模板toolboxvelocity
velocity.VelocityUtil
package velocity;
import org.apache.velocity.Template;
import org.apache.velocity.app.Velocity;
import org.apache.velocity.app.VelocityEngine;
import org.apache.velocity.c
- JAVA正则表达式匹配基础
百合不是茶
java正则表达式的匹配
正则表达式;提高程序的性能,简化代码,提高代码的可读性,简化对字符串的操作
正则表达式的用途;
字符串的匹配
字符串的分割
字符串的查找
字符串的替换
正则表达式的验证语法
[a] //[]表示这个字符只出现一次 ,[a] 表示a只出现一
- 是否使用EL表达式的配置
bijian1013
jspweb.xmlELEasyTemplate
今天在开发过程中发现一个细节问题,由于前端采用EasyTemplate模板方法实现数据展示,但老是不能正常显示出来。后来发现竟是EL将我的EasyTemplate的${...}解释执行了,导致我的模板不能正常展示后台数据。
网
- 精通Oracle10编程SQL(1-3)PLSQL基础
bijian1013
oracle数据库plsql
--只包含执行部分的PL/SQL块
--set serveroutput off
begin
dbms_output.put_line('Hello,everyone!');
end;
select * from emp;
--包含定义部分和执行部分的PL/SQL块
declare
v_ename varchar2(5);
begin
select
- 【Nginx三】Nginx作为反向代理服务器
bit1129
nginx
Nginx一个常用的功能是作为代理服务器。代理服务器通常完成如下的功能:
接受客户端请求
将请求转发给被代理的服务器
从被代理的服务器获得响应结果
把响应结果返回给客户端
实例
本文把Nginx配置成一个简单的代理服务器
对于静态的html和图片,直接从Nginx获取
对于动态的页面,例如JSP或者Servlet,Nginx则将请求转发给Res
- Plugin execution not covered by lifecycle configuration: org.apache.maven.plugin
blackproof
maven报错
转:http://stackoverflow.com/questions/6352208/how-to-solve-plugin-execution-not-covered-by-lifecycle-configuration-for-sprin
maven报错:
Plugin execution not covered by lifecycle configuration:
- 发布docker程序到marathon
ronin47
docker 发布应用
1 发布docker程序到marathon 1.1 搭建私有docker registry 1.1.1 安装docker regisry
docker pull docker-registry
docker run -t -p 5000:5000 docker-registry
下载docker镜像并发布到私有registry
docker pull consol/tomcat-8.0
- java-57-用两个栈实现队列&&用两个队列实现一个栈
bylijinnan
java
import java.util.ArrayList;
import java.util.List;
import java.util.Stack;
/*
* Q 57 用两个栈实现队列
*/
public class QueueImplementByTwoStacks {
private Stack<Integer> stack1;
pr
- Nginx配置性能优化
cfyme
nginx
转载地址:http://blog.csdn.net/xifeijian/article/details/20956605
大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装,修改这里或那里的几行配置,好了,你已经有了一个Web服务器了。而且,在大多数情况下,一个常规安装的nginx对你的网站来说已经能很好地工作了。然而,如果你真的想挤压出Nginx的性能,你必
- [JAVA图形图像]JAVA体系需要稳扎稳打,逐步推进图像图形处理技术
comsci
java
对图形图像进行精确处理,需要大量的数学工具,即使是从底层硬件模拟层开始设计,也离不开大量的数学工具包,因为我认为,JAVA语言体系在图形图像处理模块上面的研发工作,需要从开发一些基础的,类似实时数学函数构造器和解析器的软件包入手,而不是急于利用第三方代码工具来实现一个不严格的图形图像处理软件......
&nb
- MonkeyRunner的使用
dai_lm
androidMonkeyRunner
要使用MonkeyRunner,就要学习使用Python,哎
先抄一段官方doc里的代码
作用是启动一个程序(应该是启动程序默认的Activity),然后按MENU键,并截屏
# Imports the monkeyrunner modules used by this program
from com.android.monkeyrunner import MonkeyRun
- Hadoop-- 海量文件的分布式计算处理方案
datamachine
mapreducehadoop分布式计算
csdn的一个关于hadoop的分布式处理方案,存档。
原帖:http://blog.csdn.net/calvinxiu/article/details/1506112。
Hadoop 是Google MapReduce的一个Java实现。MapReduce是一种简化的分布式编程模式,让程序自动分布到一个由普通机器组成的超大集群上并发执行。就如同ja
- 以資料庫驗證登入
dcj3sjt126com
yii
以資料庫驗證登入
由於 Yii 內定的原始框架程式, 採用綁定在UserIdentity.php 的 demo 與 admin 帳號密碼: public function authenticate() { $users=array( &nbs
- github做webhooks:[2]php版本自动触发更新
dcj3sjt126com
githubgitwebhooks
上次已经说过了如何在github控制面板做查看url的返回信息了。这次就到了直接贴钩子代码的时候了。
工具/原料
git
github
方法/步骤
在github的setting里面的webhooks里把我们的url地址填进去。
钩子更新的代码如下: error_reportin
- Eos开发常用表达式
蕃薯耀
Eos开发Eos入门Eos开发常用表达式
Eos开发常用表达式
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2014年8月18日 15:03:35 星期一
&
- SpringSecurity3.X--SpEL 表达式
hanqunfeng
SpringSecurity
使用 Spring 表达式语言配置访问控制,要实现这一功能的直接方式是在<http>配置元素上添加 use-expressions 属性:
<http auto-config="true" use-expressions="true">
这样就会在投票器中自动增加一个投票器:org.springframework
- Redis vs Memcache
IXHONG
redis
1. Redis中,并不是所有的数据都一直存储在内存中的,这是和Memcached相比一个最大的区别。
2. Redis不仅仅支持简单的k/v类型的数据,同时还提供list,set,hash等数据结构的存储。
3. Redis支持数据的备份,即master-slave模式的数据备份。
4. Redis支持数据的持久化,可以将内存中的数据保持在磁盘中,重启的时候可以再次加载进行使用。
Red
- Python - 装饰器使用过程中的误区解读
kvhur
JavaScriptjqueryhtml5css
大家都知道装饰器是一个很著名的设计模式,经常被用于AOP(面向切面编程)的场景,较为经典的有插入日志,性能测试,事务处理,Web权限校验, Cache等。
原文链接:http://www.gbtags.com/gb/share/5563.htm
Python语言本身提供了装饰器语法(@),典型的装饰器实现如下:
@function_wrapper
de
- 架构师之mybatis-----update 带case when 针对多种情况更新
nannan408
case when
1.前言.
如题.
2. 代码.
<update id="batchUpdate" parameterType="java.util.List">
<foreach collection="list" item="list" index=&
- Algorithm算法视频教程
栏目记者
Algorithm算法
课程:Algorithm算法视频教程
百度网盘下载地址: http://pan.baidu.com/s/1qWFjjQW 密码: 2mji
程序写的好不好,还得看算法屌不屌!Algorithm算法博大精深。
一、课程内容:
课时1、算法的基本概念 + Sequential search
课时2、Binary search
课时3、Hash table
课时4、Algor
- C语言算法之冒泡排序
qiufeihu
c算法
任意输入10个数字由小到大进行排序。
代码:
#include <stdio.h>
int main()
{
int i,j,t,a[11]; /*定义变量及数组为基本类型*/
for(i = 1;i < 11;i++){
scanf("%d",&a[i]); /*从键盘中输入10个数*/
}
for
- JSP异常处理
wyzuomumu
Webjsp
1.在可能发生异常的网页中通过指令将HTTP请求转发给另一个专门处理异常的网页中:
<%@ page errorPage="errors.jsp"%>
2.在处理异常的网页中做如下声明:
errors.jsp:
<%@ page isErrorPage="true"%>,这样设置完后就可以在网页中直接访问exc