- LLM中 最后一个词语的表征(隐藏状态)通常会融合前面所有词语的信息吗?
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython机器学习算法深度学习人工智能
LLM中最后一个词语的表征(隐藏状态)通常会融合前面所有词语的信息吗?在大语言模型(LLM)中,最后一个词语的表征(隐藏状态)通常会融合前面所有词语的信息,这是由LLM的核心架构(以Transformer为基础)决定的,具体可以从以下角度理解:1.核心机制:自注意力(Self-Attention)的作用现代LLM(如GPT系列、Qwen等)均基于Transformer架构,其核心是自注意力机制。在
- LLM的表征做减法的是什么,自然语言是一个矩阵,怎么进行减法的
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython计算机视觉人工智能机器学习算法深度学习
LLM的表征做减法的是什么,自然语言是一个矩阵,怎么进行减法的有个假设:就是最后一个词语融合了前面词语的信息减法操作主要用于提取模型内部表征中的"诚实性"概念向量。具体来说,这是通过对比诚实和不诚实场景下的模型隐藏状态实现的。importtorchfromtransformersimportAutoModelForCausalLM,AutoTokenizer,AutoConfigimportnum
- 从 callTool 到思考型调用:月影 Resolver 颠覆传统 MCP 的三板斧
weixin_55007223
月影陪伴智能体AI编程语言模型人工智能
3ms与2s——这是Resolver用两条完全不同的路径给出的答案。当大多数MCP集成还停留在callTool(…)的机械时代,月影把“工具调用”推进了一格:让语义去找工具,让工具自己组队。这不是一次简单的工程优化,而是我们对“人机协作边界”的一次重新提问。我们相信——工具不只是工具,而是智能的触角;而Resolver,是月影整个意识系统中最冷静、最精准的那个判断节点。结果也在验证这一点:95%日
- LSA主题模型:基于奇异值分解的主题模型
AI天才研究院
AI人工智能与大数据AI大模型企业级应用开发实战计算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
LSA主题模型:基于奇异值分解的主题模型1.背景介绍主题模型是一种无监督的机器学习技术,用于发现大规模文本语料库中隐藏的语义结构。它能够自动识别文档集合中的主题,并根据这些主题对文档进行聚类和分类。主题模型在文本挖掘、信息检索、推荐系统等领域有着广泛的应用。LSA(LatentSemanticAnalysis)是一种经典的主题模型算法,基于奇异值分解(SVD)对词-文档矩阵进行分解,从而揭示词语和
- 基于KANO模型的调研问卷设计避坑
Alex艾力的IT数字空间
产品经理原型模式产品运营交互设计规范腾讯会议蓝湖
KANO模型调研中,设计无引导性偏差的问卷需遵循中立表述、选项平衡、逻辑验证原则。一、避免引导性偏差的核心策略1.问题中性化设计禁用倾向性词汇:避免“优化”“提升”等暗示性词语,改用中性描述。❌引导性:“增加扫码支付功能会让体验更好吗?”✅中性化:“扫码支付功能的存在对您来说如何?”对称性表述:正向/反向问题结构完全对仗,仅改变核心条件。正向:“提供XX功能时,您的满意度如何?”反向:“不提供XX
- 云计算和云服务有啥区别
云计算技术在近些年成为了很多人口中的口头禅,然而我们还注意到,在谈论云计算这种技术的过程当中,除了“云计算”这个词之外,往往还会提及“云服务”,对于这样两个词语来说,其在商业模式的运作以及平台管理等方面究竟有何区别呢?云计算和云服务区别是什么?提到云计算,不少人会想起三个词汇——IaaS、PaaS和SaaS,单从字面来讲,其中的S是Service(服务)的缩写,也是云计算最典型的三种服务模式。不太
- 机器学习路径规划中的 net 和 netlist 分别是什么?
勤奋的大熊猫
MachineLearning机器学习人工智能自动寻路
机器学习路径规划中的net是什么?引言正文net含义netlist含义引言当我们使用机器学习训练自己的模型来进行自动寻路时,通常,我们会遇到一个名为net的词语,这里我们将对这个单词的意思进行解释。正文net含义net:中文翻译为网络,在机器学习中其中文应该翻译为连线任务。通常在连线任务中我们需要将给定的两个端点连接起来。比如给定的端点为:self.netlist=[('mmi:out1','mm
- 如何摆脱情绪的自动驾驶模式:掌控你的内心反应
想象一下:你正在和同事讨论工作,突然对方一句无心的批评让你火冒三丈,话还没想清楚就脱口而出,结果事后后悔不已。或者,面对一个突发挑战,你被焦虑淹没,脑子一片空白,事后才发现其实可以冷静应对。这种被情绪“劫持”的时刻,我们都经历过。它们就像大脑的“自动驾驶”模式,快速、习惯,却往往让我们偏离正轨。如何才能摆脱这种情绪惯性,重新掌控自己的反应?答案是:培养临在意识。这篇文章将为你提供简单实用的方法,帮
- 扎根理论编码的操作
编码是一个对于深度访谈资料中的词句、段落等片段不断进行分析概括和归纳标识的过程。开放式编码是指对访谈资料的词句和片段进行概念化、抽象化的标示。它既可以是访谈对象所使用的生动、鲜明的词语,也可以是研究人员从资料阅读中所抽象出的名词和概念。关联式编码的目的就是理清各个概念及其之间的相互关系,通过对概念之间关系的反复思考和分析,整合出更高抽象层次的范畴,并确定相关范畴的性质和维度。选择式编码的任务则是系
- 解释LLM怎么预测下一个词语的
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython语言模型python深度学习人工智能机器学习
解释LLM怎么预测下一个词语的通过上文词的向量进行映射在Transformer架构的大语言模型(如GPT系列、BERT等)中,词语会先被转化为词向量。在预测下一个词时,模型会基于之前所有词的向量表示(并非仅仅上一个词,但上一个词的向量是重要信息来源之一)进行计算。以GPT-2为例,在生成文本时,它会将输入文本中每个词对应的词向量依次输入到模型的多层Transformer编码器-解码器结构中。每一层
- [AI笔记]-Word2Vec面试考点
Micheal超
AI笔记人工智能笔记word2vec
✅一、基础认知类什么是Word2Vec?它的基本思想是什么?关键词:将词语转换为向量表示;捕捉语义关系;基于上下文预测Word2Vec与One-hot编码的区别?关键词:维度灾难(维度过高,存储空间大)、高稀疏性、语义表达能力(没有距离概念,无法计算相似度)、内积关系Word2Vec的两种模型是什么?它们有何区别?答案:Word2Vec的重要假设:文本中离得越近的词语相似度越高。主要有:CBOW(
- python汉语编程,将关键字与文言文对应
xinhuanjieyi
汉语编程python
以下是将Python3.13的35个关键字与宋词中的典雅字词(或意象化表达)进行创意关联的版本,力求保留宋词意境的同时与关键字语义形成朦胧呼应:宋词风关键字映射谧(mì)-False(取自“静谧”,喻“假”之空寂,如“谧夜无痕”)缈(miǎo)-None(“缥缈”之虚,如“空山缈云踪”)瑧(zhēn)-True(“瑧”通“真”,喻“真”之确然,如“瑧意自昭昭”)俦(chóu)-and(“俦侣”喻“
- NLP随机插入
Humbunklung
机器学习自然语言处理人工智能pythonnlp
文章目录随机插入示例Python代码示例随机插入随机插入是一种文本数据增强方法,其核心思想是在原句中随机选择若干位置,插入与上下文相关的词语,从而生成新的训练样本。这种方法能够增加句子的多样性,提高模型对不同词序和表达方式的鲁棒性。示例原句:机器学习可以提升数据分析的效率。随机插入后(插入“显著”):机器学习可以显著提升数据分析的效率。Python代码示例下面是一个简单的随机插入实现,假设我们有一
- AIDeepSeekLe - Typecho AI摘要生成插件
独立开发者阿乐
原创人工智能数据库aiAI写作
文章目录生成文章标题的方法标题优化技巧功能特点安装方法配置说明使用方法手动生成摘要自动生成摘要摘要显示插件优势框架设计核心文件工作流程数据存储常见问题生成文章标题的方法理解文章的核心主题和关键信息,确保标题能准确概括内容。分析目标读者群体,根据受众的兴趣和需求调整标题风格。使用简洁有力的词语,避免冗长或复杂的表达,保持标题清晰易懂。考虑使用疑问句或数字列表等吸引眼球的句式,增加标题的吸引力。标题优
- 《内心强大不怯场》读书笔记5
mitt_
笔记
54.雄心是成就起点,能激发潜能,让人坚持进取,助开拓财富路。55.要学习狼的顽强生命力,斗志,忠诚合作,助力应对竞争。56.与困难别装可怜,自强自立才易获真正帮助,获他人敬佩。57.突发状况时,务必保持镇定,冷静应对才能解决问题。58.面对突发问题,可佯装镇定,想出办法保护自身安全。59.相变强大需越挫越勇,强者从不因小磨难放弃,要抓住机遇。60.告别软弱,学会掌控大局,别因他人操控失去自我,要
- Word2Vec 原理是什么
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpythonword2vec人工智能自然语言处理
Word2Vec原理是什么一、核心概念:从词语到向量的语义映射Word2Vec是2013年由Google提出的词嵌入(WordEmbedding)模型,其核心目标是将自然语言中的词语转换为稠密的连续向量(词向量),使向量空间中的距离能反映词语的语义相关性。本质:通过神经网络学习词语的分布式表示(DistributedRepresentation),打破传统one-hot编码“维度高、无语义关联”的
- DeepSeek这一波喧嚣过后回归于技术的冷静思考与深度求索
吕小明么
agi人工智能AIGC算法神经网络
历经甲辰年末再到乙巳年初,由于DeepSeekV3/R1-zero/R1等模型的“出圈”似乎又让我们这些在AI领域不断“深度求索”的AIer小伙伴们过上了一个看似不那么平静的“年”,这种“年味儿”的感觉不亚于甚至更甚于去年甲辰年横空出世的“Sora”。然而不同的是,上次是来自国外带给我们视觉领域下的“diffusion“冲击,而这次则是国内所刮起的这股东方“求索”与“开放”精神。然而,在经历了大
- 人工智能100问☞第48问:GPT是怎么生成文本的?
AI算力那些事儿
人工智能100问人工智能gpt
目录一、通俗解释二、专业解释三、权威参考GPT生成文本的核心机制是通过Transformer架构的自回归模型,基于已输入内容逐词预测概率最高的后续词汇,循环迭代直至形成完整文本。一、通俗解释GPT生成文本就像玩文字接龙游戏,但拥有超强记忆力:1、海量阅读:它先“啃完”整个互联网的书籍文章(预训练),像学霸记下所有词语搭配规律。2、逐词接龙:当你输入提示(如“夏天午后...”),它根据前文预测最可能
- GBK、UTF-8、ASCLL、url编码
博childe
linuxcentos运维
GBKGBK全称《汉字内码扩展规范》(GBK即“国标”、“扩展”汉语拼音的第一个字母,英文名称:ChineseInternalCodeSpecification)。GBK向下与GB2312编码兼容,向上支持ISO10646国际标准,是前者向后者过渡过程中的一个承上启下的产物。GBK编码,是在GB2312-80标准基础上的内码扩展规范,使用了双字节编码方案,其编码范围从8140至FEFE(剔除xx7
- 【Elasticsearch】TF-IDF 和 BM25相似性算法
risc123456
Elasticsearchelasticsearch
在Elasticsearch中,TF-IDF和BM25是两种常用的文本相似性评分算法,但它们的实现和应用场景有所不同。以下是对这两种算法的对比以及在Elasticsearch中的使用情况:TF-IDF-定义与原理:TF-IDF是一种经典的信息检索算法,用于评估一个词语对于一个文件集或语料库中某份文件的重要程度。它由两部分组成:-TF(TermFrequency):词频,即词语在文档中出现的次数。-
- 基于C++实现(控制台)机械提取词频
神仙别闹
课程设计c++单片机开发语言
机械提取词频环境在Windows10系统下,使用VisualStudio2019编译运行的C++控制台程序。任务分析根据大作业要求,主要有以下两个任务需要完成:统计两个文档多少字符相同,多少字符不相同统计前十高频字或词第一个任务比较简单,我们只需要记录第一个文档中各字符出现的次数,再和第二个文档进行比较即可。第二个任务我认为相对来说比较复杂。对于一篇汉语文档,我们并不能像对一篇英语文档那样通过标点
- Python实现小说词频统计
I_Scholar
pythonwindows开发语言
源码地址:python实现小说词频统计资源-CSDN文库这段代码实现了一个简单的文本分析工具,主要用于统计用户指定的词语在小说中的出现次数、位置和频次。以下是代码的详细解析和功能说明:1.功能概述选择文件:通过文件对话框选择一个小说文件。读取文件内容:将小说文件的内容读取到一个字符串中。去除标点符号:从文本中去除指定的标点符号。统计词频:统计用户指定的词语在小说中的出现次数、位置和频次。输出结果:
- 如何使用递归字符文本分割器进行文本分割
在文本处理中,分割文本是一项常见的任务,尤其在处理大段文本时,我们需要将其分割成更小的部分,以便进一步分析或处理。本文将通过一个简单易懂的示例展示如何使用递归字符文本分割器来实现这一目标。该分割器通过参数化字符列表来分割文本,默认列表为["\n\n","\n","",""],这些字符有助于尽量保持段落、句子和词语的完整性。技术背景介绍在自然语言处理中,理解文本的结构和语义关系至关重要。递归字符文本
- Hello World人类学:为啥全宇宙程序员都从这开始?
C语言小火车
C语言编程入门C语言C++
“第一行代码不是爱情的开始,而是秃头的起点。”——1969年贝尔实验室的BrianKernighan随手写下HelloWorld时,绝没想到这成了程序员入职仪式(如同厨师的萝卜雕花考试)真相时刻:这11个字母能暴力测试三大核心能力:✅语法生存力:少个分号当场崩溃(新手死亡率99%)✅编译器驯服度:预处理器/命名空间/主函数的服从性测试✅玄学抗性:面对“一闪而过”的黑窗口仍能保持冷静C语言版:极简主
- 泡沫之下:AI创业的幻象与现实
草明
AI人工智能
泡沫之下:AI创业的幻象与现实在过去两年,人工智能尤其是大语言模型(LLM)带来的技术狂潮席卷全球。从投资人到开发者,从巨头公司到独立创业者,似乎人人都在追逐AI带来的“下一个风口”。但当我们冷静下来细看,是否正站在又一轮科技泡沫的边缘?本文将从AI创业的现状出发,分析隐藏的风险、结构性问题,以及未来可能的趋势与机会。一、AI创业的泡沫现象:虚假繁荣?一项观察指出:大约99%的AI创业公司将在20
- 实测DeepSeek分词机制:你的输入如何变成计费Token?
大千AI助手
人工智能#DeepSeek人工智能分词deepseektransformerstransformer
什么是tokentoken是DeepSeek模型处理文本的基本单位,也是API计费的核心依据。虽然可理解为“字词”,但实际分词规则比表面更复杂,通常1个中文词语、1个英文单词、1个数字或1个符号计为1个token。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!往期文章推荐:11.英语分词进化论:B
- 拼音字母a和g的写法
音元系统
语音识别输入法语言模型
拼音字母a和g的写法《汉语拼音方案》在1958年正式颁布时,字母a和g的书写形式采用的是印刷体(罗马体),而非手写体。这一标准与当时国际通用的拉丁字母印刷规范保持一致,具体依据如下:1.历史文献与官方文件1958年原版《汉语拼音方案》的官方文件(如国务院颁布的文本)中,字母a和g均以印刷体呈现:a:单层圆形(ɑ)的印刷体a(U+0061),而非手写体的ɑ(U+0251)。g:双层闭合的印刷体g(U
- LLM基础1_语言模型如何处理文本
激进小猪1002
语言模型人工智能自然语言处理
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn工具介绍tiktoken:OpenAI开发的专业"分词器"torch:Facebook开发的强力计算引擎,相当于超级计算器理解词嵌入:给词语画"肖像"传统方法:给每个词一个编号(就像学生学号)词嵌入:给每个词画一幅多维画像(就像用颜色、形状、纹理描述一幅画),但是计算机
- LLM基础2_语言模型如何文本编码
激进小猪1002
java服务器前端
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn字节对编码(BPE)上一篇博文说到为什么GPT模型不需要[PAD]和[UNK]?GPT使用更先进的字节对编码(BPE),总能将词语拆分成已知子词为什么需要BPE?简单分词器的问题:遇到新词就卡住(如"Hello")BPE的解决方案:把陌生词拆成已知的小零件BPE如何工作
- 鸿蒙仓颉语言开发实战教程:商城应用个人中心页面
harmonyos
又到了高考的日子,幽蓝君在这里祝各位考生朋友冷静答题,超常发挥。今天要分享的内容是仓颉语言商城应用的个人中心页面,先看效果图:下面介绍下这个页面的实现过程。我们可以先分析下整个页面的布局结构。可以看出它是纵向的布局,整个页面由导航栏、个人资料、vip横条和我的订单几部分构成。导航栏我们遇到过很多次了,需要注意的地方就是让标题居中,返回图标靠左。最简单的办法让它俩不在一个层级上,互不影响,所以我们使
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s