- tensorflow学习笔记(二):机器学习必备API
我愛大泡泡
深度学习机器学习深度学习
前一节介绍了一些最基本的概念和使用方法。因为我个人的最终目的还是在深度学习上,所以一些深度学习和机器学习模块是必须要了解的,这其中包括了tf.train、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。这里准备把常用的API和使用方法按照使用频次进行一个排列,可以当做一个以后使用参考。这一节介绍的内容可以有选择的看。而且最全的信息都在TensorFlow的API里面了
- SQL金融_使用MySQL窗口函数计算简单移动平均(SMA)值
Mostcow
SQLsql金融mysql
SQL金融_使用MySQL窗口函数计算简单移动平均(SMA)值1.前言滑动/移动平均(MovingAverage,MA),又称移动平均线,是技术分析中一种分析时间序列的常用工具。常见的移动平均包括简单移动平均(SimpleMovingAverage,SMA)、权重移动平均(WeightMovingAverage,WMA)和指数移动平均(ExponentialMovingAverage,EMA)等。
- TensorFlow学习笔记
SIENTIST
使用“图”(graph)表示计算任务;在被称为“会话”(session)的“上下文”(context)中执行图;使用“张量”(tensor)表示数据,tensor可以任务是一个n维的数组或列表;通过“变量”(varible)维护状态;使用feed和fetch可以为任意的操作赋值或从中获取数据tensorflow.jpggraph中的节点称为op(operation),每个op能把输入的tensor
- AI数学基础21——指数加权移动平均
LabVIEW_Python
指数加权移动平均exponentiallyweightedmovingaverage(EWMA),又叫指数移动平均exponentialmovingaverage(EMA),数据越老,其权重成指数型下降对于序列Y,EMA公式为:这里,α是一个介于(0,1)之间的权重系数Yt是当前时刻t的值,St是当前时刻序列Y的指数移动平均值(EMA),S(t-1)是上一个时刻Y的EMA由该公式可以看出,EMA的
- tensorflow学习笔记-图像分类模型-AlexNet实现
飞天小小猫
之前一篇文章中总结了CNN中图像分类的经典模型,包括论文解读和分析,但是不写个代码搞一把总觉得虚~啊哈哈这个系列里准备把这些个经典模型用tensorflow实现一下。参考之前引用的blog:深度学习AlexNet模型详细分析上代码吧。参照着模型看更好读一些。'''图像分类模型的tensorflow实现之--AlexNetTensorflowVersion:1.4PythonVersion:3.6R
- Tensorflow学习笔记(六)——卷积神经网络
七月七叶
实现对fashion-minist分类: (1)引包importosos.environ["CUDA_VISIBLE_DEVICES"]="-1"importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportpandasaspdimportsklearnimportsysimpor
- tensorflow vgg基于cifar-10进行训练
GOGOYAO
最近接触tf,想在cifar-10数据集上训练下vgg网络。最开始想先跑vgg16,搜了一大圈,没有一个可以直接跑的(我参考【深度学习系列】用PaddlePaddle和Tensorflow实现经典CNN网络Vgg跑出来的精度就10%),要么是代码是针对1000种分类的,要么是预训练好的。最后在Tensorflow学习笔记:CNN篇(6)——CIFAR-10数据集VGG19实现找到了一个vgg19的
- 深度学习与Tensorflow学习笔记2 ——回调函数callbacks和Tensorboard
木头里有虫911
上一期我们从Fashion-mnist数据集开始,使用Tensorflow.keras搭建一个简单的神经网络来处理分类问题。通过这个简单例子我们熟悉了tf.keras的调用。本期我们来学习keras下面的回调函数callbacks的用法。这里,简单的再说一句,Tensorflow有非常完善的官方文档,相当于学习手册。(而且还有中文网站:https://tensorflow.google.cn/)在
- 浅谈指数移动平均(ema)
dog250
指数移动平均
经常在各种代码中看到指数移动平均(比如我专注的网络传输领域),但却不曾想到它就是诠释世界的方法,我们每个人都在被这种方式“平均”…今天说说指数移动平均(或移动指数平均,ExponentialMovingAverage)。能查到的资料都侧重于其数学形式和实现,比如卷积和python,这一点不再赘述,所以要写点内涵,物理意义和哲学。指数移动平均在我们遇到的很多时间序采样中应用甚广,比如tcp的srtt
- TensorFlow学习笔记--(4)神经网络模型-数据集预处理
Postlude
TensorFlowtensorflow学习笔记
神经网络初步以scikit-leran鸢尾花为例通过scikit-learn库自带的鸢尾花数据集来测试数据的读入fromsklearnimportdatasetsfrompandasimportDataFrameimportpandasaspdx_data=datasets.load_iris().data#.data返回iris数据集所有输入特征y_data=datasets.load_iris
- tensorflow学习笔记:识别图中模糊的手写体数字(2)基于多层神经网络以及TensorBoard可视化网络
heart_ace
tensorflow学习笔记tensorflow神经网络可视化python深度学习
tensorflow学习笔记:识别图中模糊的手写体数字(2)基于多层神经网络以及TensorBoard可视化运行环境tensorflow-gpu1.11.0python3.6.9importtensorflowastfimportos读取MINIST数据集fromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.
- 指数移动平均EMA
lqjun0827
深度学习算法Pytorch机器学习算法numpy
指数移动平均EMA介绍示例代码补充:torch.lerp介绍指数移动平均(ExponentialMovingAverage,简称EMA)是一种常用的平滑方法,通常用于时间序列数据的平滑处理。EMA可以减小噪声的影响,使得数据更加平滑,并且能够自适应地调整权重,更好地反映时间序列的趋势。EMA的计算公式如下:EMAt={x0,t=0αxt+(1−α)EMAt−1,t>0EMA_t=\begin{ca
- tensorflow学习笔记(十):GAN生成手写体数字(MNIST)
陈小虾
深度学习框架实战GAN手写体生成GAN实战
文章目录一、GAN原理二、项目实战2.1项目背景2.2网络描述2.3项目实战一、GAN原理生成对抗网络简称GAN,是由两个网络组成的,一个生成器网络和一个判别器网络。这两个网络可以是神经网络(从卷积神经网络、循环神经网络到自编码器)。生成器从给定噪声中(一般是指均匀分布或者正态分布)产生合成数据,判别器分辨生成器的的输出和真实数据。前者试图产生更接近真实的数据,相应地,后者试图更完美地分辨真实数据
- tensorflow学习笔记3
抬头挺胸才算活着
CreateaTensorFlowobjectthatreturnsx+yifx>y,andx-yotherwise.tf.cond相当于其他编程语言的?,比较要用tf.greatertf.cond(tf.greater(x,y),lambda:tf.add(x,y),lambda:tf.subtract(x,y))tf.case第一个参数是字典或者tuples都可以,只要是一对对,然后每一对第一
- 理解滑动平均(exponential moving average)
upwind_fly
深度学习深度学习
1.用滑动平均估计局部均值滑动平均(exponentialmovingaverage),或者叫做指数加权平均(exponentiallyweightedmovingaverage),可以用来估计变量的局部均值,使得变量的更新与一段时间内的历史取值有关。变量vv在tt时刻记为vtvt,θtθt为变量vv在tt时刻的取值,即在不使用滑动平均模型时vt=θtvt=θt,在使用滑动平均模型后,vtvt的更
- 8月10日TensorFlow学习笔记——TensorFlow 数据类型、创建、索引与切片、维度变换、前向传播
Ashen_0nee
tensorflow学习python
文章目录前言一、Numpy回归问题实战1、Step1:computeloss2、Step2:computeGradientandupdate二、手写数字识别1、Step1:XandY2、Step2:networkstructure3、Step3:循环计算Loss、梯度并更新参数三、数据类型1、tf.constant()2、TensorProperty(1)、.device(2)、.numpy()(
- TensorFlow学习笔记--(3)张量的常用运算函数
Postlude
TensorFlowtensorflow学习笔记
损失函数及求偏导通过tf.GradientTape函数来指定损失函数的变量以及表达式最后通过gradient(%损失函数%,%偏导对象%)来获取求偏导的结果独热编码给出一组特征值来对图像进行分类可以用独热编码0的概率是第0种1的概率是第1种0的概率是第二种tf.one_hot(%某标签值%,%分类数%)这里还没太看懂结果的3X3矩阵是怎么来的如果单纯的是因为有几种类型就有几个1那传入的标签值参数就
- EMA滑动平均训练方式
mingqian_chu
#深度学习深度学习
1.EMA介绍首先该类实现,使用timm==0.6.11版本;ExponentialMovingAverage(EMA)formodelsinPyTorch.目的:它旨在维护模型状态字典的移动平均值,包括参数和缓冲区。该技术通常用于训练方案,其中权重的平滑版本对于最佳性能至关重要。1.1v1版本classModelEma:"""ModelExponentialMovingAverage(DEPRE
- [学习分享]指数移动平均
或许,这就是梦想吧!
学习
指数移动平均指数移动平均(ExponentialMovingAverage,EMA)是一种加权移动平均,根据数据点的新旧程度分配不同的权重和重要性,即其权重随着时间的推移而指数递减。定义假设我们有ttt个数据:[X1,X2,...,Xt][X_1,X_2,...,X_t][X1,X2,...,Xt]普通的平均数:Xˉ=1n∑i=1tXi\bar{X}=\frac{1}{n}\sum_{i=1}^{
- tensorflow学习笔记--张量和基本运算
Yohance0_0
tensorflow框架学习深度学习
张量张量的阶和数据类型(1)张量的属性:graph:张量所属的默认图op:张量的操作名name:张量的字符串描述shape:张量形状一维{5}二维{2,3}三维{2,3,4}importtensorflowastfimportosos.environ['TF_CPP_MIN_LOG_LEVEL']='2'a=tf.constant(5.0)graph=tf.get_default_graph()p
- tensorflow学习笔记----2.常用函数1
qq_35821503
tensorflow深度学习
1.强制tensor转换为该数据类型tf.cast(张量名,dtype=数据类型)x1=tf.constant([1,2,3],dtype=tf.float64)print(x1)x2=tf.cast(x1,dtype=tf.int32)print("x2=",x2)运行结果:2.计算张量维度上元素的最小值tf.reduce_min(张量名)print("min=",tf.reduce_min(x
- TensorFlow学习笔记----3.常用函数2
qq_35821503
tensorflow深度学习
一.Gradienttape我们可以在with结构中,使用Gradienttape实现某个函数对指定参数的求导运算配合上一个文件讲的variable函数可以实现损失函数loss对参数w的求导计算with结构记录计算过程,gradient求出张量的梯度withtf.GradientTape()astape:若干个计算过程grad=tape.gradient(函数,对谁求导)withtf.Gradie
- TensorFlow学习笔记--MLP多层感知机识别手写数字1-9
北航_Curry
TensorFlow2.0tensorflow神经网络深度学习1024程序员节
#简单粗暴tensorflow2.0合集视频p7-p9多层感知机(MLP)利用多层感知机MLP实现手写数字0-9的mnist数据集的识别importtensorflowastfimportnumpyasnp#数据的获取和预处理classMNISTLoader():def__init__(self):mnist=tf.keras.datasets.mnist(self.train_data,self
- Tensorflow学习笔记--张量与会话
IT修炼家
tensorflow
张量张量是Tensorflow的核心组件之一,可以理解为Tensorflow就是张量和流组成的,张量可以简单地理解为多维数组,我的理解就是张量是一个数据模板,深度学习所有数据首先转换为张量的格式再进行计算,然后得到学习结果。横向看张量是整形、浮点型的数,另外注意张量计算中,有些计算需要张量数据的类型相同,否则会报错。纵向看张量是不同维度的“数组”,零阶张量是一个数,是计算的最小单元;二阶张量是向量
- tensorflow学习笔记--Variable变量
爱吃小白兔的大萝卜
tensorflow学习python
tf.Variable()变量:创建、初始化、保存、加载。1.创建Variable()构造函数需要变量的初始值,即任何形状和类型的张量Tensor。初始值定义其形状和类型,一旦构建,变量的类型和形状即确定。如果想要稍后改变变量的形状,需要带上validate_shape=False的赋值操作。#创建一个变量w=tf.Variable(tensor,name=)#运算y=tf.matmul(w,其他
- tensorflow学习笔记:张量介绍以及张量操作函数
heart_ace
tensorflow学习笔记深度学习tensorflow张量
张量(tensor)tensorflow程序使用tensor数据结构来代表所有的数据,计算图中,操作间传递的数据都是tensor。tensor堪为一个n维的数组或列表,每个tensor中包含类型(type)、阶(rank)和形状(shape)。tensor类型tensor类型python类型描述DF_FLOATtf.float3232位浮点数DF_DOUBLEtf.float6461为浮点数DF_
- [TensorFlow 学习笔记-03]TensorFlow简介
caicaiatnbu
TensorFlow学习笔记深度学习TensorFlow
[版权说明]TensorFlow学习笔记参考:李嘉璇著TensorFlow技术解析与实战黄文坚唐源著TensorFlow实战郑泽宇顾思宇著TensorFlow实战Google深度学习框架乐毅王斌著深度学习-Caffe之经典模型详解与实战TensorFlow中文社区http://www.tensorfly.cn/极客学院著TensorFlow官方文档中文版TensorFlow官方文档英文版以及各位大
- TensorFlow学习笔记--(2)张量的常用运算函数
Postlude
TensorFlowtensorflow学习笔记
张量的取值函数求张量的平均值:tf.reduce.mean(%张量名%)求张量的最小值:tf.reduce_min(%张量名%)求张量的最大值:tf.reduce_max(%张量名%)求张量的和:tf.reduce_sum(%张量名%)其次,对于上述所有操作都可在函数后添加一个新的参数axis=%维度%axis=0代表第一维度axis=1代表第二维度以此类推张量的四则运算加减乘除次方/开方特别注意
- Tensorflow学习笔记:1-tensorflow-gpu部署 & keras简单使用-2023-2-12
Merlin雷
python机器学习笔记tensorflowkeras
tensorflow-gpu学习笔记:部署&keras简单使用-2023-2-12tensorflow2.6.0GPU版本部署及测试0-查看NVIDIA驱动版本1-安装2-测试3-简单使用4-tf.keras概述1、(单层)线性回归1、导包&数据读取和观察2、预测目标与损失函数3、创建模型4、训练5、预测2、多层感知器3、逻辑回归1、sigmoid函数2、交叉熵损失函数3、模型预测4、画图看损失和
- TensorFlow学习笔记--(1)张量的随机生成
Postlude
TensorFlowtensorflow学习笔记
张量的生成如何判断一个张量的维数:看张量的中括号有几层012:零维数列[246]:一维向量[[123][456]]:二维数组两行三列第一行数据为123第二行数据为456以此类推n维张量有n层中括号tf.zeros(%指定一个张量的维数%)生成一个全0的张量tf.ones(%指定一个张量的维数%)生成一个全1的张量tf.fill(%指定一个张量的维数%,%Value%)生成一个全为Value的张量随
- PHP如何实现二维数组排序?
IT独行者
二维数组PHP排序
二维数组在PHP开发中经常遇到,但是他的排序就不如一维数组那样用内置函数来的方便了,(一维数组排序可以参考本站另一篇文章【PHP中数组排序函数详解汇总】)。二维数组的排序需要我们自己写函数处理了,这里UncleToo给大家分享一个PHP二维数组排序的函数:
代码:
functionarray_sort($arr,$keys,$type='asc'){
$keysvalue= $new_arr
- 【Hadoop十七】HDFS HA配置
bit1129
hadoop
基于Zookeeper的HDFS HA配置主要涉及两个文件,core-site和hdfs-site.xml。
测试环境有三台
hadoop.master
hadoop.slave1
hadoop.slave2
hadoop.master包含的组件NameNode, JournalNode, Zookeeper,DFSZKFailoverController
- 由wsdl生成的java vo类不适合做普通java vo
darrenzhu
VOwsdlwebservicerpc
开发java webservice项目时,如果我们通过SOAP协议来输入输出,我们会利用工具从wsdl文件生成webservice的client端类,但是这里面生成的java data model类却不适合做为项目中的普通java vo类来使用,当然有一中情况例外,如果这个自动生成的类里面的properties都是基本数据类型,就没问题,但是如果有集合类,就不行。原因如下:
1)使用了集合如Li
- JAVA海量数据处理之二(BitMap)
周凡杨
java算法bitmapbitset数据
路漫漫其修远兮,吾将上下而求索。想要更快,就要深入挖掘 JAVA 基础的数据结构,从来分析出所编写的 JAVA 代码为什么把内存耗尽,思考有什么办法可以节省内存呢? 啊哈!算法。这里采用了 BitMap 思想。
首先来看一个实验:
指定 VM 参数大小: -Xms256m -Xmx540m
- java类型与数据库类型
g21121
java
很多时候我们用hibernate的时候往往并不是十分关心数据库类型和java类型的对应关心,因为大多数hbm文件是自动生成的,但有些时候诸如:数据库设计、没有生成工具、使用原始JDBC、使用mybatis(ibatIS)等等情况,就会手动的去对应数据库与java的数据类型关心,当然比较简单的数据类型即使配置错了也会很快发现问题,但有些数据类型却并不是十分常见,这就给程序员带来了很多麻烦。
&nb
- Linux命令
510888780
linux命令
系统信息
arch 显示机器的处理器架构(1)
uname -m 显示机器的处理器架构(2)
uname -r 显示正在使用的内核版本
dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)
hdparm -i /dev/hda 罗列一个磁盘的架构特性
hdparm -tT /dev/sda 在磁盘上执行测试性读取操作
cat /proc/cpuinfo 显示C
- java常用JVM参数
墙头上一根草
javajvm参数
-Xms:初始堆大小,默认为物理内存的1/64(<1GB);默认(MinHeapFreeRatio参数可以调整)空余堆内存小于40%时,JVM就会增大堆直到-Xmx的最大限制
-Xmx:最大堆大小,默认(MaxHeapFreeRatio参数可以调整)空余堆内存大于70%时,JVM会减少堆直到 -Xms的最小限制
-Xmn:新生代的内存空间大小,注意:此处的大小是(eden+ 2
- 我的spring学习笔记9-Spring使用工厂方法实例化Bean的注意点
aijuans
Spring 3
方法一:
<bean id="musicBox" class="onlyfun.caterpillar.factory.MusicBoxFactory"
factory-method="createMusicBoxStatic"></bean>
方法二:
- mysql查询性能优化之二
annan211
UNIONmysql查询优化索引优化
1 union的限制
有时mysql无法将限制条件从外层下推到内层,这使得原本能够限制部分返回结果的条件无法应用到内层
查询的优化上。
如果希望union的各个子句能够根据limit只取部分结果集,或者希望能够先排好序在
合并结果集的话,就需要在union的各个子句中分别使用这些子句。
例如 想将两个子查询结果联合起来,然后再取前20条记录,那么mys
- 数据的备份与恢复
百合不是茶
oraclesql数据恢复数据备份
数据的备份与恢复的方式有: 表,方案 ,数据库;
数据的备份:
导出到的常见命令;
参数 说明
USERID 确定执行导出实用程序的用户名和口令
BUFFER 确定导出数据时所使用的缓冲区大小,其大小用字节表示
FILE 指定导出的二进制文
- 线程组
bijian1013
java多线程threadjava多线程线程组
有些程序包含了相当数量的线程。这时,如果按照线程的功能将他们分成不同的类别将很有用。
线程组可以用来同时对一组线程进行操作。
创建线程组:ThreadGroup g = new ThreadGroup(groupName);
&nbs
- top命令找到占用CPU最高的java线程
bijian1013
javalinuxtop
上次分析系统中占用CPU高的问题,得到一些使用Java自身调试工具的经验,与大家分享。 (1)使用top命令找出占用cpu最高的JAVA进程PID:28174 (2)如下命令找出占用cpu最高的线程
top -Hp 28174 -d 1 -n 1
32694 root 20 0 3249m 2.0g 11m S 2 6.4 3:31.12 java
- 【持久化框架MyBatis3四】MyBatis3一对一关联查询
bit1129
Mybatis3
当两个实体具有1对1的对应关系时,可以使用One-To-One的进行映射关联查询
One-To-One示例数据
以学生表Student和地址信息表为例,每个学生都有都有1个唯一的地址(现实中,这种对应关系是不合适的,因为人和地址是多对一的关系),这里只是演示目的
学生表
CREATE TABLE STUDENTS
(
- C/C++图片或文件的读写
bitcarter
写图片
先看代码:
/*strTmpResult是文件或图片字符串
* filePath文件需要写入的地址或路径
*/
int writeFile(std::string &strTmpResult,std::string &filePath)
{
int i,len = strTmpResult.length();
unsigned cha
- nginx自定义指定加载配置
ronin47
进入 /usr/local/nginx/conf/include 目录,创建 nginx.node.conf 文件,在里面输入如下代码:
upstream nodejs {
server 127.0.0.1:3000;
#server 127.0.0.1:3001;
keepalive 64;
}
server {
liste
- java-71-数值的整数次方.实现函数double Power(double base, int exponent),求base的exponent次方
bylijinnan
double
public class Power {
/**
*Q71-数值的整数次方
*实现函数double Power(double base, int exponent),求base的exponent次方。不需要考虑溢出。
*/
private static boolean InvalidInput=false;
public static void main(
- Android四大组件的理解
Cb123456
android四大组件的理解
分享一下,今天在Android开发文档-开发者指南中看到的:
App components are the essential building blocks of an Android
- [宇宙与计算]涡旋场计算与拓扑分析
comsci
计算
怎么阐述我这个理论呢? 。。。。。。。。。
首先: 宇宙是一个非线性的拓扑结构与涡旋轨道时空的统一体。。。。
我们要在宇宙中寻找到一个适合人类居住的行星,时间非常重要,早一个刻度和晚一个刻度,这颗行星的
- 同一个Tomcat不同Web应用之间共享会话Session
cwqcwqmax9
session
实现两个WEB之间通过session 共享数据
查看tomcat 关于 HTTP Connector 中有个emptySessionPath 其解释如下:
If set to true, all paths for session cookies will be set to /. This can be useful for portlet specification impleme
- springmvc Spring3 MVC,ajax,乱码
dashuaifu
springjquerymvcAjax
springmvc Spring3 MVC @ResponseBody返回,jquery ajax调用中文乱码问题解决
Spring3.0 MVC @ResponseBody 的作用是把返回值直接写到HTTP response body里。具体实现AnnotationMethodHandlerAdapter类handleResponseBody方法,具体实
- 搭建WAMP环境
dcj3sjt126com
wamp
这里先解释一下WAMP是什么意思。W:windows,A:Apache,M:MYSQL,P:PHP。也就是说本文说明的是在windows系统下搭建以apache做服务器、MYSQL为数据库的PHP开发环境。
工欲善其事,必须先利其器。因为笔者的系统是WinXP,所以下文指的系统均为此系统。笔者所使用的Apache版本为apache_2.2.11-
- yii2 使用raw http request
dcj3sjt126com
http
Parses a raw HTTP request using yii\helpers\Json::decode()
To enable parsing for JSON requests you can configure yii\web\Request::$parsers using this class:
'request' =&g
- Quartz-1.8.6 理论部分
eksliang
quartz
转载请出自出处:http://eksliang.iteye.com/blog/2207691 一.概述
基于Quartz-1.8.6进行学习,因为Quartz2.0以后的API发生的非常大的变化,统一采用了build模式进行构建;
什么是quartz?
答:简单的说他是一个开源的java作业调度框架,为在 Java 应用程序中进行作业调度提供了简单却强大的机制。并且还能和Sp
- 什么是POJO?
gupeng_ie
javaPOJO框架Hibernate
POJO--Plain Old Java Objects(简单的java对象)
POJO是一个简单的、正规Java对象,它不包含业务逻辑处理或持久化逻辑等,也不是JavaBean、EntityBean等,不具有任何特殊角色和不继承或不实现任何其它Java框架的类或接口。
POJO对象有时也被称为Data对象,大量应用于表现现实中的对象。如果项目中使用了Hiber
- jQuery网站顶部定时折叠广告
ini
JavaScripthtmljqueryWebcss
效果体验:http://hovertree.com/texiao/jquery/4.htmHTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>网页顶部定时收起广告jQuery特效 - HoverTree<
- Spring boot内嵌的tomcat启动失败
kane_xie
spring boot
根据这篇guide创建了一个简单的spring boot应用,能运行且成功的访问。但移植到现有项目(基于hbase)中的时候,却报出以下错误:
SEVERE: A child container failed during start
java.util.concurrent.ExecutionException: org.apache.catalina.Lif
- leetcode: sort list
michelle_0916
Algorithmlinked listsort
Sort a linked list in O(n log n) time using constant space complexity.
====analysis=======
mergeSort for singly-linked list
====code======= /**
* Definition for sin
- nginx的安装与配置,中途遇到问题的解决
qifeifei
nginx
我使用的是ubuntu13.04系统,在安装nginx的时候遇到如下几个问题,然后找思路解决的,nginx 的下载与安装
wget http://nginx.org/download/nginx-1.0.11.tar.gz
tar zxvf nginx-1.0.11.tar.gz
./configure
make
make install
安装的时候出现
- 用枚举来处理java自定义异常
tcrct
javaenumexception
在系统开发过程中,总少不免要自己处理一些异常信息,然后将异常信息变成友好的提示返回到客户端的这样一个过程,之前都是new一个自定义的异常,当然这个所谓的自定义异常也是继承RuntimeException的,但这样往往会造成异常信息说明不一致的情况,所以就想到了用枚举来解决的办法。
1,先创建一个接口,里面有两个方法,一个是getCode, 一个是getMessage
public
- erlang supervisor分析
wudixiaotie
erlang
当我们给supervisor指定需要创建的子进程的时候,会指定M,F,A,如果是simple_one_for_one的策略的话,启动子进程的方式是supervisor:start_child(SupName, OtherArgs),这种方式可以根据调用者的需求传不同的参数给需要启动的子进程的方法。和最初的参数合并成一个数组,A ++ OtherArgs。那么这个时候就有个问题了,既然参数不一致,那