- 使用LLMRails构建增强型AI应用:从文档检索到语义查询
VYSAHF
人工智能python
使用LLMRails构建增强型AI应用:从文档检索到语义查询在构建生成式AI应用时,文档的索引和查询是其中的重要环节。LLMRails提供了一个便捷的API平台,专注于高性能和高准确度的文档处理。本文将详细介绍如何利用LLMRails和LangChain实现这一功能。技术背景介绍LLMRails是一个提供文档索引和查询的API平台,优化了性能和准确度。通过与LangChain的集成,LLMRail
- 深入解析模型蒸馏(Knowledge Distillation):原理、方法与优化策略
赵大仁
AI大语言模型人工智能人工智能深度学习神经网络机器学习自然语言处理
深入解析模型蒸馏(KnowledgeDistillation):原理、方法与优化策略1.引言随着深度学习模型规模的不断增长,训练和部署大模型的计算成本也越来越高。模型蒸馏(KnowledgeDistillation,KD)是一种广泛使用的模型压缩与优化技术,通过让一个小模型(StudentModel)学习大模型(TeacherModel)的知识,使其能够在保持高准确度的同时降低计算复杂度,从而提升
- 深度学习:偏差和方差
壹十壹
深度学习深度学习人工智能python机器学习
偏差(Bias)偏差衡量了模型预测值的平均值与真实值之间的差距。换句话说,偏差描述了模型预测的准确度。一个高偏差的模型容易出现欠拟合,即模型无法捕捉数据中的真实关系,因为它对数据的特征做出了错误的假设。特征:高偏差的模型通常是过于简单的模型,无法对数据中的复杂关系进行准确建模。高偏差模型的训练误差和测试误差可能都较高。解决方法:增加模型复杂度:例如增加多项式的阶数、增加神经网络的层数等。使用更多的
- Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights(预览版本)
境心镜
免训练深度学习人工智能NAS
代码位置摘要深度学习彻底改变了计算机视觉,但它使用深度网络架构取得了巨大的成功,而这些架构大多是手工制作的,因此可能不是最理想的。神经架构搜索(NAS)旨在通过遵循明确定义的优化范式来弥补这一差距,该范式系统地寻找最佳架构,给定客观标准,例如最大分类准确度。然而,NAS的主要限制是其天文数字般的计算成本,因为它通常需要从头开始训练每个候选网络架构。在本文中,我们旨在通过基于Fisher信息提出一种
- FieldFox 手持射频与微波分析仪
XLTYQYB
5G
FieldFox手持射频与微波分析仪简述KeysightFieldFox便携式分析仪可以在非常恶劣的工作环境中,轻松完成从日常维护到深入故障诊断的各项工作。选择最适合您需求且有强大软件支持的KeysightFieldFox配置。主要特性特点:FieldFox分析仪可配置为电缆与天线分析仪(CAT)、手持矢量网络分析仪(VNA)、手持频谱分析仪或一体化综合分析仪。频率范围最高达到54GHz,且准确度
- 为什么「上下文检索」是提升 RAG 系统问答准确度的关键?
后端人工智能数据库
为什么明明答案就在知识库里,但AI却无法准确回答?原因之一是由于RAG系统处理文档的方式。“文档切块”步骤导致丢失语义缺失、语义歧义或全局结构缺失,AI可能只看到了“局部信息”,却忽略了“全局意义”。这正印证了莫拉维克悖论——对人类而言是基于直觉的语义衔接,对AI却是一个需要复杂计算的挑战。针对这一问题,庖丁研究团队推出“上下文检索技术”——突破性地让AI通过结构解析和语义重组跨越文档碎片,让AI
- 智能推送系统的全链路统计功能:数据闭环下的运营增效革命
MobTech袤博科技
大数据
在精细化运营时代,APP企业面临的核心挑战已从“如何触达用户”转向“如何量化每一次触达的价值”。MobPush智能推送系统的全链路统计功能,通过追踪用户从推送接收、点击到最终转化的完整路径,构建起“策略制定-效果评估-迭代优化”的数据闭环。数据显示,使用全链路统计的APP企业,其推送策略迭代效率提升300%,ROI(投资回报率)测算准确度提升65%。本文将从技术实现、业务价值等层面,解析这一功能为
- 2.4 自动化评测答疑机器人的表现-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能前端机器学习
真题真题1:哪些是生成阶段的评估指标?哪些是召回阶段的评估指标?整体回答质量的评估:AnswerCorrectness,用于评估RAG应用生成答案的准确度。生成环节的评估:AnswerRelevancy,用于评估RAG应用生成的答案是否与问题相关。Faithfulness,用于评估RAG应用生成的答案和检索到的参考资料的事实一致性。召回阶段的评估:ContextPrecision,用于评估cont
- 仅需 5 分钟!用 Python 调用微信 OCR,解锁超高效文本识别神器
测试工程师成长之路
python微信ocr
前言想象一下,不需要复杂的C++代码,仅凭Python,就能轻松调用微信的本地OCR引擎,实现对图片中文本内容的精准识别。是的!你没听错,本项目正是一个专为Python用户打造的解决方案,将微信内置的OCR能力变成触手可及的工具!核心亮点零门槛接入:无需理解复杂的微信C++调用机制,直接用纯Python实现。快速高效:直接调用微信官方OCR模型,识别速度和准确度更胜一筹。批量处理:支持多张图片的快
- 2.8 通过微调提升模型的准确度与效率-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能javaai
单选题模型量化技术的主要优势是?A.显著提升模型精度B.减少显存占用和响应时间✅C.完全保留原始模型能力D.支持多模态任务扩展解析:量化通过降低参数精度减少资源消耗,但对精度影响较小(<2%)以下关于LoRA技术的描述错误的是?A.通过低秩矩阵间接影响模型行为B.会直接修改原始模型权重✅C.支持参数回退操作D.训练效率高于全参微调解析:LoRA通过添加额外参数而非修改原权重实现微调当训练过程中出现
- 有哪些开源大数据处理项目使用了大模型
魔王阿卡纳兹
大数据治理与分析开源大数据数据清洗
以下是一些使用了大模型的开源大数据处理项目:1.**RedPajama**:这是一个开源项目,使用了LLM大语言模型数据处理组件,对GitHub代码数据进行清洗和处理。具体流程包括数据清洗、过滤低质量样本、识别和删除重复样本等步骤。2.**SWIFT**:阿里开源的大模型微调轻量级框架,用于提高RAG应用的准确度。3.**Text2SQL**:阿里发布的最新实践开源模型,其准确度超过了GPT4。4
- 模型压缩-模型蒸馏、模型剪枝、模型量化
NLP的小Y
剪枝机器学习nlp语言模型
一、模型蒸馏1.1蒸馏简介知识蒸馏是指通过教师模型指导学生模型训练,通过蒸馏的方式让学生模型学习到教师模型的知识,最终使学生模型达到或媲美教师模型的准确度。在模型压缩中,教师模型是一个预训练好的复杂的模型,而学生模型是一个规模较小的模型。如分类任务中,由训练好的教师模型在相同的数据下,通过将教师模型对样本的预测值作为学生模型的预测目标,指导学生模型学习,这个预测值一般指教师网络输出的类概率。教师模
- 人才测评,探索未来人才管理的新趋势
JiYan_red
业界资讯
以人才测评为核心,探索未来人才管理的新趋势一、人才测评的重要性及其在招聘中的体现在当今社会,随着市场竞争的日益激烈,人才测评已经成为企业招聘不可或缺的一环。通过人才测评,企业可以更加准确地了解应聘者的能力、性格和潜力,从而做出更明智的招聘决策。在招聘过程中,人才测评的重要性体现在以下几个方面:首先,人才测评可以帮助企业识别应聘者的真实能力。在面试过程中,通过一系列的测评工具和方法,如心理测试、技能
- Kfold交叉验证心得
野营者007
感想MachineLearningKFold
运用Kfold交叉验证时,在一个限度内k的值越大越好。因为k越大我们验证的次数就越多,最后取出来的平均数越能代表训练模型的准确度。但是k是需要在一个限度之内的。k太大有两个坏处。1.容易给机器造成过重负担,花费大量时间。2.每一次验证的测试集(或验证集)中数据太少,很难得到准确的误报率。总体而言,k一般取10,取值依不同项目情况而定,当然一定存在k<n(训练集数据条数)。
- AI 基础设施的纳米技术:智能化纳米结构设计与制造
AI天才研究院
【精选大厂面试题详解】大厂Offer收割机面试题简历程序员读书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AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
AI基础设施的纳米技术:智能化纳米结构设计与制造——面试题解析题目1:纳米材料在人工智能应用中的优势是什么?答案:纳米材料在人工智能应用中具有以下优势:高比表面积:纳米材料具有很高的比表面积,这有助于增加催化活性,从而提高人工智能算法中的数据处理效率和准确度。优异的电子特性:纳米材料具有独特的电子特性,如量子尺寸效应、表面等离子共振等,这有助于开发新型传感器和计算设备。多功能性:纳米材料可以与其他
- 基于RFM聚类与随机森林算法的智能手机用户监测数据案例分析
kaka_R-Py
大数据可视化多元统计分析R语言数据分析与可视化算法聚类随机森林
基于RFM聚类与随机森林算法的智能手机用户监测数据案例分析摘要近年来,随着数字化和信息化的快速发展,越来越多的人开始使用智能手机。文章基于某公司某年连续30天4万多位智能手机用户的监测数据,通过随机森林与RFM聚类分析模型对智能手机用户的监测数据进行挖掘和分析,有效地统计和归纳了用户对于A类APP的使用情况,模型准确度达到了80%,同时对于智能手机APP的开发和使用提出了相应的建议。该研究的数据驱
- YOLO 目标检测编程详解
不知名靓仔
YOLO目标检测人工智能
引言目标检测是计算机视觉中的一个重要任务,它旨在识别图像中的对象并定位这些对象的位置。YOLO(YouOnlyLookOnce)是一种流行的目标检测算法,因其速度快且准确度高而广受好评。本文将深入探讨YOLO的原理及其实现方法,并提供一个使用Python和PyTorch的示例代码。项目源码见最下方1.YOLO算法简介YOLO算法的核心思想是将目标检测视为回归问题,而不是传统的分类加定位的两阶段方法
- python用电预测_用Python实时追踪你家的电量使用情况
weixin_39626745
python用电预测
现在的电表(附在你家房子外面的玩意)在每瓦时电量被使用后就会发出一下红外闪光,穿过电表顶部的端口。事实证明,你可以很容易地监测这一闪光,把它解码变成“实时的”电量使用情况,然后做成像这样酷的图表:Y轴表示实时功率,单位是KW,X轴表示时间。这闪光灯,好像有很高的瞬间准确度,至少我家的是这样,这意味着当1瓦时电量被使用时,它会很精确地闪了。这实在太棒了,因为它使得显示精确、实时的电量使用情况可以实现
- 提高记忆力day01
三次拒绝王俊凯
记忆力训练学习
前言问题一:如何衡量一个人的记忆力和思维能力呢?(1)记忆的速度(2)记忆的准确度(3)记忆的持久度问题二:你为什么记不住?(1)没有找到正确的记忆方法(2)压力大导致容易紧张(3)疾病和药物的原因(4)吸烟及过度的饮酒问题三:什么是记忆?记忆是对经历过的事务能够记住,并能在以后再现。包括识记,保持,再现。思维问题四:增强记忆和思维能力的三大黄金思维模式(1)善用图像。(2)善用比喻。(3)善于建
- 道德与法治中考前强调解题方法和注意事项
一禅同学
一、读,练,订,思正常进行,审题语感,做题手感正常二、各题型做题注意:1.选择题:抓题目关键信息,把握题干要求,准确领会考查意图,提高做题准确度,错不多于2道。2.辨析题:三对照,注意答题思路和层次。是什么:亮明观点+总体分析。为什么:对的意义,错的后果,危害。怎么做:总结做法。3.其它非选择题:转化设问:把模糊、新颖设问转化成直接、明确的问题,如把信心来源转化为原因。厘清异问同答的实质,变式设问
- 理论+实践,一文带你读懂线性回归的评价指标
木东居士
关于作者:饼干同学,某人工智能公司交付开发工程师/建模科学家。专注于AI工程化及场景落地,希望和大家分享成长中的专业知识与思考感悟。0x00前言:本篇内容是线性回归系列的第三篇。在《模型之母:简单线性回归&最小二乘法》、《模型之母:简单线性回归&最小二乘法》中我们学习了简单线性回归、最小二乘法,并完成了代码的实现。在结尾,我们抛出了一个问题:在之前的kNN算法(分类问题)中,使用分类准确度来评价算
- 土壤水势传感器的实际应用
QYgengjing
产品概述土壤水势传感器可以很方便地插入到土壤剖面坑中,在其周围包裹上湿土即可。测定和记录非常简单。免维护、无需校准即可测量较大范围的土壤水势;无需灌水,大量程使得它成为测量自然系统水势的理想传感器,特别是张力计无法测量的气穴。功能特点◆使用了自动校准装置逐个校准传感器,准确度大大提升。◆陶质材料不存在因降解引起的漂移。◆盐分不敏感,即使高盐环境、盐分含量多变的土壤传感器依然准确。◆环氧树脂重叠注塑
- 简单聊聊3k厂生产的手表质量怎么样
广州潮品汇
k厂是一家专业生产手表的公司,其产品以钟表精度和高质量而闻名。在市场上,3k厂的手表备受消费者的喜爱,并赢得无数好评。微信:52226813(下单赠送精美礼品)目前3k厂注重生产过程中的每一个环节。他们从原材料的选择到制造工艺的精益求精,力求将每一只手表制作得完美无瑕。通过采用最先进的技术和设备,3k厂能够确保手表的准确度和稳定性。3k厂对于手表的质量控制非常严格。他们拥有一支经验丰富的质检团队,
- 爆改YOLOv8|利用yolov10的PSA注意力机制改进yolov8-高效涨点
不想敲代码!!!
爆改yolov8即插即用YOLOyolov8目标检测python人工智能
1,本文介绍PSA是一种改进的自注意力机制,旨在提升模型的效率和准确性。传统的自注意力机制需要计算所有位置对之间的注意力,这会导致计算复杂度高和训练时间长。PSA通过引入极化因子来减少需要计算的注意力对的数量,从而降低计算负担。极化因子是一个向量,通过与每个位置的向量点积,确定哪些位置需要计算注意力。这种方法可以在保持模型准确度的前提下,显著减少计算量,从而提升自注意力机制的效率。关于PSA的详细
- 洞见数据价值,激活组织活力,让决策更精准的智慧地产开源了。
ai产品老杨
安全开源vue.js人工智能前端
智慧地产视觉监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒,省去繁琐重复的适配流程,实现芯片、算法、应用的全流程组合,从而大大减少企业级应用约95%的开发成本。通过计算机视觉和人工智能技术,搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统,提高检测准确度,降低工人在线的劳动强度,有效提高检测标准、避免客制化生产下,人工有可能存在的工作
- 洞见数据价值,激活组织活力,让决策更精准的智慧地产开源了
AI服务老曹
开源人工智能能源智慧城市
智慧地产视觉监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒,省去繁琐重复的适配流程,实现芯片、算法、应用的全流程组合,从而大大减少企业级应用约95%的开发成本。通过计算机视觉和人工智能技术,搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统,提高检测准确度,降低工人在线的劳动强度,有效提高检测标准、避免客制化生产下,人工有可能存在的工作
- 女生一定要多读历史书,狠狠提升格局
易学棉老师
适合历史小白、提升人生格局、缓解职场焦虑的历史书单来了,请收藏。我喜欢吕思勉老师说的话:“不知往事,一意孤行,又未尝不败。”历史书读多了,心胸自然宽广,眼界自然开阔,在职场上遇到事情的时候,能做出正确的判断,而不是让情绪左右头脑。处事沉稳是格局大的表现。历史中的人和事具有重要的智慧启发,可以学会透过现象看本质,比如爱情也能用上,能看到那些爱情表象背后的认知。增加直觉的准确度。读历史书,思辩和逻辑思
- [Datawhale AI 夏令营][第五期]智能识别系统-Task1笔记
keexh
人工智能笔记
任务是发布在MARS大数据服务平台的2024“大运河杯”数据开发应用创新大赛——城市治理。了解智慧河长的朋友可能听说类似的项目,它们可以识别河道中出现的一些问题。这次的智能识别系统与前者有相似的地方,但这个系统将聚焦城市违规行为的智能检测,通过研究开发高效可靠的计算机视觉算法,提升违规行为检测识别的准确度,降低对大量人工的依赖,提升检测效果和效率,从而推动城市治理向更高效、更智能、更文明的方向发展
- 常见的实时数仓方案
北极冰雨
大数据大数据
常见的实时数仓架构有三种。第一种是Lambda架构,是目前主流的一套实时数仓架构,存在离线和实时两条链路。实时部分以消息队列的方式实时增量消费,一般以Flink+Kafka的组合实现,维度表存在关系型数据库或者HBase;离线部分一般采用T+1周期调度分析历史存量数据,每天凌晨产出,更新覆盖前一天的结果数据,计算引擎通常会选择Hive或者Spark。优点是数据准确度高,不易出错;缺点是架构复杂,运
- 配音文案素材哭腔,女生配音台词文本
声优配音圈
一、哭腔配音常规技巧在进行哭腔配音时,一些常规技巧是非常重要的。首先,要注意声音的温度和准确度。兼职副业推荐公众号,配音新手圈,声优配音圈,新配音兼职圈,配音就业圈,鼎音副业,有声新手圈,每天更新各种远程工作与在线兼职,职位包括:写手、程序开发、剪辑、设计、翻译、配音、无门槛、插画、翻译、等等。。。每日更新兼职。哭腔配音需要表达情感,声音应该具有一定的温度和感染力,但也不能过于夸张,要掌握好度。此
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置