- A deep multimodal fusion method for personality traits prediction
m0_59933522
python人工智能机器学习神经网络深度学习目标检测计算机视觉
研究背景人格特质对个体的行为、偏好和决策过程有重要影响,因此自动化人格识别成为一个重要的研究领域。本文提出了一种新的深度多模态融合方法,用于从多种数据模态(包括文本、音频和视觉输入)预测人格特质。研究方法模型架构:视觉特征提取:使用预训练模型ViT-B16和VGG16。音频特征提取:使用预训练模型VGGish。文本分析:使用预训练模型GloVe。融合方法:使用早期融合和模型融合技术,结合自注意力和
- ChatGPT-4o和ChatGPT-4o mini的差异点
老六哥_AI助理指南
人工智能chatgpt
在人工智能领域,OpenAI再次引领创新潮流,近日正式发布了其最新模型——ChatGPT-4o及其经济实惠的小型版本ChatGPT-4oMini。这两款模型虽同属于ChatGPT系列,但在性能、应用场景及成本上展现出显著的差异。本文将通过图文并茂的方式,深入解析两者之间的不同点。一、性能差异ChatGPT-4o:全能型语言模型多模态处理能力:ChatGPT-4o不仅限于文本处理,更能够实时处理和生
- 使用Colpali架构掌握多模态RAG技术
大模型之路
RAGRAG多模态多模态RAG检索增强生成LLM
传统的LLM面临着“幻觉”问题,即它们可能生成听起来合理但实际上错误或未经证实的信息。为了解决这个问题,检索增强生成(RAG)模型应运而生。RAG(语义缓存:提升RAG性能的关键策略)通过将LLM的生成能力与外部知识检索系统相结合,实现了更准确、更可靠的输出。然而,传统的RAG主要局限于文本数据,无法充分利用多模态信息。为了应对这一挑战,多模态RAG应运而生,其中Colpali架构成为这一领域的佼
- 【 书生·浦语大模型实战营】学习笔记(三):“茴香豆” 搭建你的RAG 智能助理
GoAI
自然语言处理NLP深入浅出AI深入浅出LLM深度学习LLM人工智能大模型
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接【书生·
- 第二篇:多模态技术突破——DeepSeek如何重构AI的感知与认知边界
python算法(魔法师版)
动态规划
——从跨模态对齐到因果推理的工程化实践在AI技术从单一模态向多模态跃迁的关键阶段,DeepSeek通过自研的多模态融合框架,在视觉-语言-语音的联合理解与生成领域实现系统性突破。本文将从技术实现层面,解构其跨模态表征学习、动态融合机制与因果推理能力的内在创新。1.跨模态对齐革命:时空一致性建模传统多模态模型常面临模态割裂问题,DeepSeek提出「时空同步对比学习」(ST-CL)框架:视觉-语言对
- VARGPT:将视觉理解与生成统一在一个模型中,北大推出支持混合模态输入与输出的多模态统一模型
蚝油菜花
每日AI项目与应用实例人工智能开源
❤️如果你也关注AI的发展现状,且对AI应用开发非常感兴趣,我会每日分享大模型与AI领域的最新开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术,欢迎关注我哦!微信公众号|搜一搜:蚝油菜花快速阅读模型简介:VARGPT是北京大学推出的多模态大语言模型,专注于视觉理解和生成任务。主要功能:支持混合模态输入输出、高效视觉生成和广泛的多模态任务。技术原理:基于自回归框架,采用三阶段训练策略,
- 多模态大模型:技术原理与实战 工具和算法框架介绍
AI大模型应用之禅
AI大模型与大数据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
1.背景介绍1.1从单模态到多模态的必然趋势传统的深度学习模型大多是单模态的,例如只处理图像数据的卷积神经网络(CNN)或只处理文本数据的循环神经网络(RNN)。然而,现实世界的信息往往是多模态的,例如一张图片可以包含物体、场景、文字等多种信息,一段视频则包含图像、声音、字幕等多种模态的数据。为了更好地理解和处理现实世界的信息,多模态学习应运而生。近年来,随着深度学习技术的快速发展,多模态学习取得
- o1、GPT4、GPT4o 这三个有什么区别?
开心的AI频道
人工智能
核心观点:GPT-4擅长文本处理和推理,GPT-4o主打多模态交互,而O1则专注于深度推理和逻辑分析,三者各有侧重,应用场景也大不相同。截至2024年12月,OpenAI已发布13个模型,模型能力已从最初的文本处理拓展到写作、编程、多模态和推理等,实现了从“文科生”到“全科学霸”的飞跃。然而,在众多模型中,GPT-4、GPT-4o和O1三款模型可谓是经典与转型之“模”。GPT-4作为ChatGPT
- 本地部署DeepSeek 多模态大模型Janus-Pro-7B
网络安全我来了
人工智能AI人工智能
本地部署Janus-Pro-7B的完整指南在今天,AI无处不在,它深刻改变了我们与世界的互动方式。是否曾想过,如何能够将强大的多模态大模型,如DeepSeek的Janus-Pro-7B,部署到本地使其为你所用呢?本篇文章将带你逐步了解Janus-Pro-7B的特点和部署过程,并解决你可能遇到的各种问题。1.Janus-Pro-7B简介1.1模型特点与创新在众多AI模型中,Janus-Pro-7B犹
- DeepSeek Janus-Pro:多模态AI模型的突破与创新
大模型之路
大模型(LLM)Deepseekdeepseekr1deepseekLLM强化学习
近年来,人工智能领域取得了显著的进展,尤其是在多模态模型(MultimodalModels)方面。多模态模型能够同时处理和理解文本、图像等多种类型的数据,极大地扩展了AI的应用场景。DeepSeek(DeepSeek-V3深度剖析:下一代AI模型的全面解读)公司最新发布的Janus-Pro模型,正是在这一领域的一次重大突破。本文将深入探讨Janus-Pro的技术特点、创新之处以及其在多模态任务中的
- 玩转大语言模型——使用GraphRAG+Ollama本地构建知识图谱(完全本地化,不依赖OpenAI)
艾醒(AiXing-w)
玩转大语言模型语言模型知识图谱人工智能
系列文章目录玩转大语言模型——使用langchain和Ollama本地部署大语言模型玩转大语言模型——ollama导入huggingface下载的模型玩转大语言模型——langchain调用ollama视觉多模态语言模型玩转大语言模型——使用GraphRAG+Ollama构建知识图谱玩转大语言模型——完美解决GraphRAG构建的知识图谱全为英文的问题玩转大语言模型——配置图数据库Neo4j(含a
- 在亚马逊云科技上通过LangChain ReAct Agent开发金融多模态数据AI分析中台
佛州小李哥
AWS技术科技langchain人工智能云计算亚马逊云科技aws数据分析
项目简介:小李哥将继续每天介绍一个基于亚马逊云科技AWS云计算平台的全球前沿AI技术解决方案,帮助大家快速了解国际上最热门的云计算平台亚马逊云科技AWSAI最佳实践,并应用到自己的日常工作里。本次介绍的是如何在亚马逊云科技机器学习托管服务AmazonSageMaker上搭建一个多模态LangChainAgent,通过ReAct逻辑让Agent通过AmazonBedrockAI模型托管服务上的大模型
- 探索未来AI:飞桨大模型套件PaddleFleetX引领技术新高度
窦育培
探索未来AI:飞桨大模型套件PaddleFleetX引领技术新高度PaddleFleetX飞桨大模型开发套件,提供大语言模型、跨模态大模型、生物计算大模型等领域的全流程开发工具链。项目地址:https://gitcode.com/gh_mirrors/pa/PaddleFleetX在人工智能的快速发展中,大模型已经成为推动技术创新的重要力量。如今,我们有幸向您推荐一个全新的开源项目——Paddle
- 联想Y7000+RTX4060+i7+Ubuntu22.04运行DeepSeek开源多模态大模型Janus-Pro-1B+本地部署
铮铭
深度学习deepseekJanus-Pro文生图图像理解
直接上手搓了:condacreate-nmyenvpython=3.10-ygitclonehttps://github.com/deepseek-ai/Janus.gitcdJanuspipinstall-e.pipinstallwebencodingsbeautifulsoup4tinycss2pipinstall-e.[gradio]pipinstall'pexpect>4.3'python
- DeepSeek-R1:多模态AGI的实践突破与场景革命
热爱分享的博士僧
agi
一、DeepSeek-R1的核心定位DeepSeek-R1是深度求索(DeepSeek)研发的多模态通用人工智能模型,旨在突破单一模态的局限性,实现文本、图像、语音、视频等跨模态信息的深度理解、推理与生成。该模型基于统一的架构设计,通过跨模态对齐与知识共享机制,推动AI在复杂场景中的落地应用,覆盖医疗、工业、教育、娱乐等领域。二、技术架构与创新亮点统一的多模态框架采用Transformer-bas
- A Survey on Large Language Model Acceleration based on KV Cache Management
UnknownBody
LLMDailySurveyPaperLLMInference语言模型人工智能自然语言处理
本文是LLM系列文章,针对《ASurveyonLargeLanguageModelAccelerationbasedonKVCacheManagement》的翻译。基于KV缓存管理的大型语言模型加速研究综述摘要1引言2前言3分类4token级优化5模型级优化6系统级优化7文本和多模态数据集8结论摘要大型语言模型(LLM)因其理解上下文和执行逻辑推理的能力,彻底改变了自然语言处理、计算机视觉和多模态
- Deepseek又开源了颠覆性的新模型Janus-Pro
AI生成曾小健
人工智能
Deepseek又开源了颠覆性的新模型Janus-ProDeepseek真的是一点都不休息啊,除夕还发模型刚刚推出并开源了Janus-Pro,作为之前Janus的全面升级版,这次它不仅参数从1B扩展到7B而且在多模态理解与生成能力上实现飞跃,还大幅提升了图像生成的稳定性和细节表现!先介绍一下Janus架构☝️Janus是为了解决多模态AI领域的一个根本性矛盾:“理解”与“生成”任务对视觉表征的需求
- Helix 文本编辑器使用教程
邬楠满Seaman
Helix文本编辑器使用教程helixAGarry'sModroleplayingframeworkdevelopedbynebulousforthepeople.HelixISopen-source-thecodecanbeusedasyouwish.项目地址:https://gitcode.com/gh_mirrors/helix3/helix1.项目介绍Helix是一个后现代的模态文本编辑器
- 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
- 如何获取 DeepSeek 多模态大模型 Janus-Pro-7B
Channing Lewis
AI#AGI#NLPdeepseek
DeepSeek团队近期开源了新一代多模态模型Janus-Pro-7B,该模型在图像生成和多模态理解方面表现卓越,超越了OpenAI的DALL-E3,并在基准测试中取得了优异成绩。Janus-Pro-7B的代码和模型参数已经分别在github和huggingface上开源,我们拉取到本地后就能运行使用了。以下是如何获取Janus-Pro-7B模型的详细指南:步骤一:克隆代码库gitclonehtt
- AI学习指南Ollama篇-Ollama的多模态应用探索
俞兆鹏
AI学习指南ai
AI学习指南应用篇-Ollama的多模态应用探索一、引言(一)背景介绍随着大语言模型(LLM)的发展,多模态应用(结合文本、图像、语音等)成为新的趋势。多模态模型能够处理多种类型的数据,如文本、图像和语音,从而提供更丰富、更智能的交互体验。Ollama作为本地部署工具,支持多模态模型的运行,为开发者提供了强大的功能。(二)文章目标本文将探讨Ollama在多模态应用中的可能性,并通过实际案例展示如何
- 《向量数据库指南》——MoE应用:解锁深度学习新境界的钥匙
大禹智库
《实战AI智能体》《向量数据库指南》深度学习人工智能向量数据库大禹智库低代码MoE模型
在深度学习的广阔天地里,混合专家(MoE)模型如同一把锐利的钥匙,正逐步解锁着各种复杂应用场景的新境界。作为大禹智库的向量数据库高级研究员,同时也是《向量数据库指南》的作者,我深感MoE模型在推动AI技术向前发展中所扮演的重要角色。今天,我将带大家深入探讨MoE模型在自然语言处理、计算机视觉以及多模态学习等领域的应用,并巧妙引导大家通过《向量数据库指南》获取更多干货和深度实战经验。一、自然语言处理
- 【 书生·浦语大模型实战营】学习笔记(五):LMDeploy 量化部署
GoAI
深入浅出LLM深入浅出AI大模型LLM部署人工智能LMDeploy
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI1;;爱好者学习,性价比非常高!加入星球➡️点击链接
- 为什么多模态大模型中使用Q-Former的工作变少了?附Q-Former结构简介
同屿Firmirin
多模态大模型深度学习人工智能面试
面试中遇到的问题,自己在实践中注意到了却没有深究原因,没有回答好,特此记录和探讨这个问题。多模态大模型中需要一个输入投影模块,将视觉特征投射到LLM能理解的语言特征维度,这里就可以选择各种不同的模块。LLaVA最初用了简单的线性投射,然而作者提到这么做是为了做实验更快一点,使用复杂的模块可能会有更好的效果。后来就有用MLP的,代表工作有LLaVA后续系列、Intern-VL。还有用Q-Former
- 【AI论文】Omni-RGPT:通过标记令牌统一图像和视频的区域级理解
东临碣石82
人工智能
摘要:我们提出了Omni-RGPT,这是一个多模态大型语言模型,旨在促进图像和视频的区域级理解。为了在时空维度上实现一致的区域表示,我们引入了TokenMark,这是一组在视觉特征空间中突出目标区域的标记。这些标记通过使用区域提示符(例如,边框或掩码)直接嵌入到空间区域中,并同时融入到文本提示符中以指定目标,从而在视觉标记和文本标记之间建立了直接联系。为了进一步支持无需轨迹的稳健视频理解,我们引入
- Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
后端
JanusPro是DeepSeek开发的一个开源多模态人工智能框架,它通过集成视觉和语言处理能力,提供了高性能的多模态任务处理能力。在线体验:https://deepseek-januspro.com/背景JanusPro于2025年1月发布,是一个开源的多模态AI框架,能够同时处理视觉和语言信息。它采用了独特的多模态架构,包括解耦的视觉编码框架和统一的Transformer架构,以及SigLIP
- 江大白 | 斯坦福大学教授李飞飞团队:关于 2024年人工智能发展报告总结!
双木的木
深度学习拓展阅读人工智能
本文来源公众号“江大白”,仅用于学术分享,侵权删,干货满满。原文链接:斯坦福大学教授李飞飞团队:关于2024年人工智能发展报告总结!导读斯坦福大学教授李飞飞团队总结、解析了2024年人工智能发展报告,涵盖AI研究进展、技术性能提升、经济影响及医疗教育突破,重点分析大型模型成本、多模态模型崛起、AI可靠性挑战和生成式AI影响,是了解AI现状与未来的必读内容!斯坦福大学教授李飞飞团队关于2024年人工
- DeepSeek:通用人工智能的技术前沿与创新突破
热爱分享的博士僧
人工智能
一、DeepSeek的定位与背景DeepSeek(深度求索)是一家聚焦**通用人工智能(AGI)**研发的中国科技公司,成立于2023年,核心团队由全球顶尖AI科学家、工程师组成。公司以“探索智能本质,实现AGI造福人类”为使命,致力于突破大模型技术的边界,推动AI从专用向通用演进。其研发方向覆盖自然语言处理、多模态交互、强化学习等领域,并在模型架构、训练效率及实际应用场景中取得显著成果。二、核心
- 通义千问 Qwen2-VL-2B:技术架构、核心原理、微调操作与场景应用详解
zhangjiaofa
大模型通义千问大模型多模态模型微调
通义千问Qwen2-VL-2B:技术架构、核心原理、微调操作与场景应用详解引言近年来,多模态大模型在人工智能领域取得了显著进展,尤其是在视觉语言理解(Vision-LanguageUnderstanding,VL)方面。阿里云通义千问团队推出的Qwen2-VL-2B模型,作为Qwen2-VL系列中的轻量级版本,凭借其高效的计算性能和强大的多模态处理能力,成为开源社区和工业界关注的焦点。本文将深入解
- Qwen-VL论文解读
dream_home8407
人工智能
Qwen-VL:用于理解、定位、文本阅读等的通用视觉-语言模型摘要在本文中,我们介绍了Qwen-VL系列,这是一组大规模的视觉-语言模型(LVLMs),旨在感知和理解文本和图像。从Qwen-LM开始,我们通过精心设计的(i)视觉受体,(ii)输入-输出接口,(iii)3阶段训练管道,以及(iv)多语言多模态清洗语料库,赋予其视觉能力。除了传统的图像描述和问答,我们还通过图像-标题-框元组的对齐实现
- 项目中 枚举与注解的结合使用
飞翔的马甲
javaenumannotation
前言:版本兼容,一直是迭代开发头疼的事,最近新版本加上了支持新题型,如果新创建一份问卷包含了新题型,那旧版本客户端就不支持,如果新创建的问卷不包含新题型,那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。
一、枚举
1.在创建枚举类的时候,该类已继承java.lang.Enum类,所以自定义枚举类无法继承别的类,但可以实现接口。
- 【Scala十七】Scala核心十一:下划线_的用法
bit1129
scala
下划线_在Scala中广泛应用,_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方,本文将不断完善_的使用场景以及所表达的含义
1. 在高阶函数中使用
scala> val list = List(-3,8,7,9)
list: List[Int] = List(-3, 8, 7, 9)
scala> list.filter(_ > 7)
r
- web缓存基础:术语、http报头和缓存策略
dalan_123
Web
对于很多人来说,去访问某一个站点,若是该站点能够提供智能化的内容缓存来提高用户体验,那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储,是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求,这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念,具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容,并谈论下
- crontab 问题
周凡杨
linuxcrontabunix
一: 0481-079 Reached a symbol that is not expected.
背景:
*/5 * * * * /usr/IBMIHS/rsync.sh
- 让tomcat支持2级域名共享session
g21121
session
tomcat默认情况下是不支持2级域名共享session的,所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况,但是只需修改几处配置就可以了。
打开tomcat下conf下context.xml文件
找到Context标签,修改为如下内容
如果你的域名是www.test.com
<Context sessionCookiePath="/path&q
- web报表工具FineReport常用函数的用法总结(数学和三角函数)
老A不折腾
Webfinereport总结
ABS
ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。
Number:需要求出绝对值的任意实数。
示例:
ABS(-1.5)等于1.5。
ABS(0)等于0。
ABS(2.5)等于2.5。
ACOS
ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度,返回角度以弧度形式表示。
Number:需要返回角
- linux 启动java进程 sh文件
墙头上一根草
linuxshelljar
#!/bin/bash
#初始化服务器的进程PId变量
user_pid=0;
robot_pid=0;
loadlort_pid=0;
gateway_pid=0;
#########
#检查相关服务器是否启动成功
#说明:
#使用JDK自带的JPS命令及grep命令组合,准确查找pid
#jps 加 l 参数,表示显示java的完整包路径
#使用awk,分割出pid
- 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory
aijuans
Spring 3 系列
如何使用ApplicationContext替换BeanFactory?
package onlyfun.caterpillar.device;
import org.springframework.beans.factory.BeanFactory;
import org.springframework.beans.factory.xml.XmlBeanFactory;
import
- Linux 内存使用方法详细解析
annan211
linux内存Linux内存解析
来源 http://blog.jobbole.com/45748/
我是一名程序员,那么我在这里以一个程序员的角度来讲解Linux内存的使用。
一提到内存管理,我们头脑中闪出的两个概念,就是虚拟内存,与物理内存。这两个概念主要来自于linux内核的支持。
Linux在内存管理上份为两级,一级是线性区,类似于00c73000-00c88000,对应于虚拟内存,它实际上不占用
- 数据库的单表查询常用命令及使用方法(-)
百合不是茶
oracle函数单表查询
创建数据库;
--建表
create table bloguser(username varchar2(20),userage number(10),usersex char(2));
创建bloguser表,里面有三个字段
&nbs
- 多线程基础知识
bijian1013
java多线程threadjava多线程
一.进程和线程
进程就是一个在内存中独立运行的程序,有自己的地址空间。如正在运行的写字板程序就是一个进程。
“多任务”:指操作系统能同时运行多个进程(程序)。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。
线程:是进程内部单一的一个顺序控制流。
线程和进程
a. 每个进程都有独立的
- fastjson简单使用实例
bijian1013
fastjson
一.简介
阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法,把JSON Parse的性能提升到极致,是目前Java语言中最快的JSON库;包括“序列化”和“反序列化”两部分,它具备如下特征:  
- 【RPC框架Burlap】Spring集成Burlap
bit1129
spring
Burlap和Hessian同属于codehaus的RPC调用框架,但是Burlap已经几年不更新,所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时,不应该考虑Burlap了。
这篇文章还是记录下Burlap的用法吧,主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
 
- 【Mahout一】基于Mahout 命令参数含义
bit1129
Mahout
1. mahout seqdirectory
$ mahout seqdirectory
--input (-i) input Path to job input directory(原始文本文件).
--output (-o) output The directory pathna
- linux使用flock文件锁解决脚本重复执行问题
ronin47
linux lock 重复执行
linux的crontab命令,可以定时执行操作,最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题,如果设定了任务每分钟执行一次,但有可能一分钟内任务并没有执行完成,这时系统会再执行任务。导致两个相同的任务在执行。
例如:
<?
//
test
.php
- java-74-数组中有一个数字出现的次数超过了数组长度的一半,找出这个数字
bylijinnan
java
public class OcuppyMoreThanHalf {
/**
* Q74 数组中有一个数字出现的次数超过了数组长度的一半,找出这个数字
* two solutions:
* 1.O(n)
* see <beauty of coding>--每次删除两个不同的数字,不改变数组的特性
* 2.O(nlogn)
* 排序。中间
- linux 系统相关命令
candiio
linux
系统参数
cat /proc/cpuinfo cpu相关参数
cat /proc/meminfo 内存相关参数
cat /proc/loadavg 负载情况
性能参数
1)top
M:按内存使用排序
P:按CPU占用排序
1:显示各CPU的使用情况
k:kill进程
o:更多排序规则
回车:刷新数据
2)ulimit
ulimit -a:显示本用户的系统限制参
- [经营与资产]保持独立性和稳定性对于软件开发的重要意义
comsci
软件开发
一个软件的架构从诞生到成熟,中间要经过很多次的修正和改造
如果在这个过程中,外界的其它行业的资本不断的介入这种软件架构的升级过程中
那么软件开发者原有的设计思想和开发路线
- 在CentOS5.5上编译OpenJDK6
Cwind
linuxOpenJDK
几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6,将编译过程和遇到的问题作一简要记录,备查。
0. OpenJDK介绍
OpenJDK是Sun(现Oracle)公司发布的基于GPL许可的Java平台的实现。其优点:
1、它的核心代码与同时期Sun(-> Oracle)的产品版基本上是一样的,血统纯正,不用担心性能问题,也基本上没什么兼容性问题;(代码上最主要的差异是
- java乱码问题
dashuaifu
java乱码问题js中文乱码
swfupload上传文件参数值为中文传递到后台接收中文乱码 在js中用setPostParams({"tag" : encodeURI( document.getElementByIdx_x("filetag").value,"utf-8")});
然后在servlet中String t
- cygwin很多命令显示command not found的解决办法
dcj3sjt126com
cygwin
cygwin很多命令显示command not found的解决办法
修改cygwin.BAT文件如下
@echo off
D:
set CYGWIN=tty notitle glob
set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
- [介绍]从 Yii 1.1 升级
dcj3sjt126com
PHPyii2
2.0 版框架是完全重写的,在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单,通过本指南你将会了解两个版本间主要的不同之处。
如果你之前没有用过 Yii 1.1,可以跳过本章,直接从"入门篇"开始读起。
请注意,Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
- Linux SSH免登录配置总结
eksliang
ssh-keygenLinux SSH免登录认证Linux SSH互信
转载请出自出处:http://eksliang.iteye.com/blog/2187265 一、原理
我们使用ssh-keygen在ServerA上生成私钥跟公钥,将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。
生成公钥与私钥有两种加密方式,第一种是
- 手势滑动销毁Activity
gundumw100
android
老是效仿ios,做android的真悲催!
有需求:需要手势滑动销毁一个Activity
怎么办尼?自己写?
不用~,网上先问一下百度。
结果:
http://blog.csdn.net/xiaanming/article/details/20934541
首先将你需要的Activity继承SwipeBackActivity,它会在你的布局根目录新增一层SwipeBackLay
- JavaScript变换表格边框颜色
ini
JavaScripthtmlWebhtml5css
效果查看:http://hovertree.com/texiao/js/2.htm代码如下,保存到HTML文件也可以查看效果:
<html>
<head>
<meta charset="utf-8">
<title>表格边框变换颜色代码-何问起</title>
</head>
<body&
- Kafka Rest : Confluent
kane_xie
kafkaRESTconfluent
最近拿到一个kafka rest的需求,但kafka暂时还没有提供rest api(应该是有在开发中,毕竟rest这么火),上网搜了一下,找到一个Confluent Platform,本文简单介绍一下安装。
这里插一句,给大家推荐一个九尾搜索,原名叫谷粉SOSO,不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了,出来之后用度娘搜技术问题,那匹配度简直感人。
环境声明:Ubu
- Calender不是单例
men4661273
单例Calender
在我们使用Calender的时候,使用过Calendar.getInstance()来获取一个日期类的对象,这种方式跟单例的获取方式一样,那么它到底是不是单例呢,如果是单例的话,一个对象修改内容之后,另外一个线程中的数据不久乱套了吗?从试验以及源码中可以得出,Calendar不是单例。
测试:
Calendar c1 =
- 线程内存和主内存之间联系
qifeifei
java thread
1, java多线程共享主内存中变量的时候,一共会经过几个阶段,
lock:将主内存中的变量锁定,为一个线程所独占。
unclock:将lock加的锁定解除,此时其它的线程可以有机会访问此变量。
read:将主内存中的变量值读到工作内存当中。
load:将read读取的值保存到工作内存中的变量副本中。
- schedule和scheduleAtFixedRate
tangqi609567707
javatimerschedule
原文地址:http://blog.csdn.net/weidan1121/article/details/527307
import java.util.Timer;import java.util.TimerTask;import java.util.Date;
/** * @author vincent */public class TimerTest {
 
- erlang 部署
wudixiaotie
erlang
1.如果在启动节点的时候报这个错 :
{"init terminating in do_boot",{'cannot load',elf_format,get_files}}
则需要在reltool.config中加入
{app, hipe, [{incl_cond, exclude}]},
2.当generate时,遇到:
ERROR