- TensorFlow(3)CNN中的函数
山阴少年
tf.nn.conv2d()函数参数介绍:tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)input:输入参数,具有这样的shape[batch,in_height,in_width,in_channels],分别是[batch张图片,每张图片高度为in_height,每张图片宽度为in_width
- 深度学习第四课程笔记-卷积神经网络
Da_haihuang
深度学习笔记计算机视觉卷积人工智能深度学习
边缘检测我们看下下面的图这个图反应了卷积神经网络的第一步,边缘检测,可以先检测横或者竖的线。左侧部分为一个图片的灰度图(没有其他色RGB),中间是我们的3*3滤波器(也叫卷积核),*号是卷积的标志,右侧也可以看成一个灰度图。注意这里不是矩阵的相乘,在python中使用conv_forward,在tensorflow里使用tf.nn.conv2d,在keras中使用Conv2D实现来看一个更简单的是
- Tensorflow(5) Tensorflow中tf.nn.conv2d()方法详解
冰魂铁心
在TensorFlow中使用tf.nn.conv2d实现卷积操作。方法定义tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)参数:input:输入的要做卷积的图片,要求为一个张量,shape为[batch,in_height,in_width,in_channel],
- 三维点云中tf.nn.conv2d() 的用法
猴子喜
pointnet中就用tf.nn.conv2d(),然后封装了一下,真的很麻烦,也没什么特殊,基本可以用tf.layers层次的API替代。处理的数据是B,N,3的point_cloud,实际代码中对point_cloud进行了扩维处理input_image=tf.expand_dims(point_cloud,-1),将点云拓展成了BHWC格式的图像,此时input_image的维度为B,N,3
- 一个简单可运行的tensorflow CNN代码
布口袋_天晴了
#tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)#除去name参数用以指定该操作的name,与方法有关的一共五个参数:#第一个参数input:指需要做卷积的输入图像,它要求是一个Tensor,具有[batch,in_height,in_width,in_channels]这样的shape,具体含义
- 【深度学习】tensorflow 卷积神经网络 实现手写数字识别
♚人间海
神经网络卷积tensorflow深度学习
激活函数:tf.nn.relu(features,name=None)features:卷积后加上偏置的结果return:结果卷积层:tf.nn.conv2d(input,filter,strides=,padding=,name=None)计算给定4-Dinput和filter张量的2维卷积input:给定的输入张量,具有[batch,heigth,width,channel],类型为float
- 学习Tensorflow之卷积神经网络
_DiMinisH
深度学习tensorflow
学习Tensorflow之卷积神经网络卷积神经网络1.卷积神经网络发展历史2.卷积神经网络原理(1)局部感知(2)权值共享(3)边缘处理和步长(4)下采样(池化)(5)卷积后的宽度计算(6)池化后的宽度计算3.TensorFlow实现卷积神经网络(1)tf.nn.conv2d(2)tf.nn.max_pool与tf.nn.avg_pool(3)卷积层类与池化层类4.CIFAR-10数据集实战(1)
- tf.nn.conv2d详解
wwwlyj123321
TensorFlow
tf.nn.conv2d是TensorFlow里面实现二维卷积的函数,函数原型如下:conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,data_format="NHWC",dilations=[1,1,1,1],name=None):1.input指需要做卷积的输入图像,它要求是一个Tensor,具有[batch,in_height
- tf.nn.conv2d()详解
ZQSZXY
tensorflowtf.nn.conv2d()TensorFlow
tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要。tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)除去name参数用以指定该操作的name,与方法有关的一共五个参数:第一个参数input:指需要做
- tf.nn.conv2d & tf.contrib.layers.conv2d & tf.contrib.slim.conv2d
WeissSama
NeuralNetworkDeepLearningTensorflow
本文主要介绍前两个函数tf.nn.conv2d和tf.contrib.layers.conv2d因为tf.contrib.layers.conv2d和tf.contrib.slim.conv2d用法是相似的,都是高级api,只是slim是一个更高级别的库,用slim中的repeat函数,可以用几行就写出一个vgg16网络。但是tf.nn和tf.contrib.layers是基本ops,最常见也最重
- TypeError: Got an unexpected keyword argument ‘use_cudnn_on_gpu‘
淋雨的小蚂蚁
python人工智能windows
layerInput=tf.nn.conv2d(model_inputs,#[batch,1,length,100]filter_weights,strides=[1,1,1,1],padding="SAME",name="init_layer",use_cudnn_on_gpu=True)在tensorflow2.0中此代码报错,把use_cudnn_on_gpu=True删除就可以了
- 【TensorFlow】理解tf.nn.conv2d方法
yaoyilmm
方法定义tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)参数:input:输入的要做卷积的图片,要求为一个张量,shape为[batch,in_height,in_weight,in_channel],其中batch为图片的数量,in_height为图片高度,in_
- 卷积神经网络边缘检测实例
程序之巅
注:本文是吴恩达网易公开课的学习笔记电脑如何搞清楚一张图片中的物体?首先电脑需要检测楚图片中的垂直边缘(verticaledge),水平边缘(horizontal)。电脑通过卷积检测出做边缘检测。垂直边缘检测过程:卷积是将图片和卷积核进行卷积的过程,在python里面用的是conv_forward,tensorflow中用的是tf.nn.conv2d,在Keras中用的是Conv2D如果将一个有着
- Tensorflow入门到实战五(卷积神经网络)
黑洲非人lyf
Tensorflow
方法定义tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)参数:**input:**输入的要做卷积的图片,要求为一个张量,shape为[batch,in_height,in_weight,in_channel],其中batch为图片的数量,in_height为图片高度
- TensorFlow中的卷积操作和反卷积操作
乐安的皮卡
深度学习TensorFlow卷积操作反卷积操作SAME和VALID
最近在看全连接网络的一些代码,里面的反卷积操作还是有点意思的,写个博客记录一下自己的心得,以便后续自己的查看1.卷积操作在TensorFlow中,由tf.nn.conv2d()函数来实现卷积操作,举个例子y4=tf.nn.conv2d(x2,kernel,strides=[1,2,2,1],padding=“SAME”)具体讲一下函数的参数含义第一个参数:是一个四维的张量输入,具有[batch_s
- 深度学习之卷积神经网络(3)卷积层实现
炎武丶航
深度学习TensorFlow2神经网络tensorflow深度学习
深度学习之卷积神经网络(3)卷积层实现1.自定义权值2.卷积层类 在TensorFlow中,既可以通过自定义权值的底层实现方式搭建神经网络,也可以直接调用现成的卷积层类的高层方式快速搭建复杂网络。我们主要以2D卷积为例,介绍如何实现卷积神经网络层。1.自定义权值 在TensorFlow中,通过tf.nn.conv2d函数可以方便地实现2D卷积运算。tf.nn.conv2d基于输入X:[b,h,w,
- Tensorflow2.0之卷积层实现
AndSonder
小白的ai学习之路TF2卷积神经网络网络pythontensorflow
文章目录Tensorflow2.0之卷积层实现自定义权值Keras高层接口卷积层类Tensorflow2.0之卷积层实现自定义权值在TensorFlow中,通过tf.nn.conv2d函数可以方便地实现2D卷积运算。tf.nn.conv2d基于输入:ℎ和卷积核:进行卷积运算,得到输出ℎ′′,其中表示输入通道数,表示卷积核的数量,也是输出特征图的通道数。例如:In[1]:x=tf.random.no
- Tensorflow 卷积层实现
呆若木鸡~呆
tensorflow深度学习
在TensorFlow中,可以通过自定义权值的底层实现方式搭建神经网络,也可以直接调用现成的卷积层类的高层方式快速搭建复杂网络。卷积运算输出大小公式:h’=(h+2Ph-k)/s+1(向下取整)w’=(w+2Pw-k)/s+1(向下取整)卷积核的大小k、步长s、填充数p、输入的高h和宽w1、自定义权值在TensorFlow中,通过tf.nn.conv2d函数可以实现2D卷积运算。#模拟输入x=tf
- 二维卷积详解,zero padding 和shape=full, same, valid详解
push_
公式图像处理python笔记tensorflowpytorch卷积
本文主要解释:(1)传统离散信号处理中的卷积维度L=M+N-1;(2)matlab卷积函数中的shape=full,same,valid所导致的不同卷积输出维度,和tensorflow的tf.nn.conv2d中的padding=same,valid导致的不同输出维度;(3)pytorch中的卷积函数中设置的padding以及torch官方给的卷积的shape计算公式(https://pytorc
- 【TensorFlow】卷积tf.nn.conv2d()函数使用解析 ( 附代码详解注释 )
人工智能有点
函数用法tensorflowpython
最近在研究学习TensorFlow,在做识别手写数字的demo时,遇到了tf.nn.conv2d这个方法,查阅了官网的API发现讲得比较简略,还是没理解。google了一下,参考了网上一些朋友写得博客,结合自己的理解,差不多整明白了。方法定义tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=Non
- tf.nn.conv2d
林尧彬
人工智能tensorflow
【TensorFlow】理解tf.nn.conv2d方法(附代码详解注释)2018年06月06日14:31:32左理想fisher阅读数24046更多分类专栏:tensorflow最近在研究学习TensorFlow,在做识别手写数字的demo时,遇到了tf.nn.conv2d这个方法,查阅了官网的API发现讲得比较简略,还是没理解。google了一下,参考了网上一些朋友写得博客,结合自己的理解,差
- tf.nn.conv2d用法
仁义礼智信达
TensorFlowPythonpythontensorflow
tf.nn.conv2d:给定input和4Dfilters张量计算2D卷积。tf.nn.conv2d(input,filters,strides,padding,data_format='NHWC',dilations=None,name=None)输入input张量可以具有秩4或更高,其中,形状维度[:-3]被认为是批量维度(batch_shape)。给定shape的输入张量batch_sha
- TensorFlow基础篇(六)——tf.nn.max_pool()和tf.nn.avg_pool()
ooMelloo
TensorFlow基础篇
tf.nn.max_pool()和tf.nn.avg_pool()是TensorFlow中实现最大池化和平均池化的函数,在卷积神经网络中比较核心的方法。有些和卷积很相似,可以参考TensorFlow基础篇(七)——tf.nn.conv2d()(附代码详解)两个函数调用方式相同,下边讲解以tf.nn.max_pool()为例子进行加讲解。函数格式:tf.nn.max_pool(value,ksize
- python +tnesorflow 使用tf.nn.conv2d ()为什么输入和权重的shape 不一样
兔白DingZiLin
python人工智能总结
基于python+tensorflow的深度学习中,数据的输入一般为[batch,in_height,in_weight,in_channel]权重格式一般为[filter_height,filter_weight,in_channel,out_channels],其中filter_height为卷积核高度,filter_weight为卷积核宽度,in_channel是图像通道数,和input的i
- tensorflow 卷积层
weixin_33711641
人工智能
TensorFlow卷积层让我们看下如何在TensorFlow里面实现CNN。TensorFlow提供了tf.nn.conv2d()和tf.nn.bias_add()函数来创建你自己的卷积层。#Outputdepthk_output=64#ImagePropertiesimage_width=10image_height=10color_channels=3#Convolutionfilterfi
- TensorFlow 添加卷积层
机器学习Zero
#Tensorflow
Tensorflow中提供了tf.nn.conv2d与tf.layers.conv2d用于添加卷积层,两者功能类似,后者为更高一级的api,和keras.layer类似。前者的激活函数需要另外代码,后者的激活函数是一个参数,不需要另外代码。1.tf.nn.conv2dtf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,da
- TensorFlow 卷积层
Nicole_Li1095
人工智能
TensorFlow卷积层让我们看下如何在TensorFlow里面实现CNN。TensorFlow提供了tf.nn.conv2d()和tf.nn.bias_add()函数来创建你自己的卷积层。1#Outputdepth2k_output=6434#ImageProperties5image_width=106image_height=107color_channels=389#Convolutio
- TensorFlow学习笔记——MNIST手写数字识别的CNN代码实现(代码注释详细,方便小清新入门)
Colynn Johnson
Tensorflow神经网络图像识别pythontensorflow人工智能
1.全连接神经网络vs.卷积神经网络1.1全连接神经网络1.2卷积神经网络结构2.卷积神经网络核心函数介绍2.1卷积函数tf.nn.conv2d()2.2池化函数tf.nn.max_pool()和tf.nn.avg_pool()3.基于TensorFlow的mnist数字识别CNN代码实现3.1mnist的CNN程序主要包括以下几块内容3.2代码实现1.全连接神经网络vs.卷积神经网络1.1全连接
- python卷积神经网络识别物体
weixin_42353399
神经网络Python卷积神经网络
python卷积神经网络识别物体介绍函数卷积:tf.nn.conv2d(...)池化函数:数据集实现导入数据预处理建立模型训练可视化评估,预测代码介绍模型:函数卷积:tf.nn.conv2d(…)参数:input:输入,4维([batch,in_height,in_width,in_channels]),类型float32或float64。filter:卷积核,([filter_height,fi
- Tensorflow实战学习(十四)【卷积层、激活函数、池化层、归一化层、高级层】
风神修罗使
神经网络
CNN神经网络架构至少包含一个卷积层(tf.nn.conv2d)。单层CNN检测边缘。图像识别分类,使用不同层类型支持卷积层,减少过拟合,加速训练过程,降低内存占用率。TensorFlow加速所有不同类弄卷积层卷积运算。tf.nn.depthwise_conv2d,一个卷积层输出边接到另一个卷积层输入,创建遵循Inception架构网络RethinkingtheInceptionArchitect
- 数据采集高并发的架构应用
3golden
.net
问题的出发点:
最近公司为了发展需要,要扩大对用户的信息采集,每个用户的采集量估计约2W。如果用户量增加的话,将会大量照成采集量成3W倍的增长,但是又要满足日常业务需要,特别是指令要及时得到响应的频率次数远大于预期。
&n
- 不停止 MySQL 服务增加从库的两种方式
brotherlamp
linuxlinux视频linux资料linux教程linux自学
现在生产环境MySQL数据库是一主一从,由于业务量访问不断增大,故再增加一台从库。前提是不能影响线上业务使用,也就是说不能重启MySQL服务,为了避免出现其他情况,选择在网站访问量低峰期时间段操作。
一般在线增加从库有两种方式,一种是通过mysqldump备份主库,恢复到从库,mysqldump是逻辑备份,数据量大时,备份速度会很慢,锁表的时间也会很长。另一种是通过xtrabacku
- Quartz——SimpleTrigger触发器
eksliang
SimpleTriggerTriggerUtilsquartz
转载请出自出处:http://eksliang.iteye.com/blog/2208166 一.概述
SimpleTrigger触发器,当且仅需触发一次或者以固定时间间隔周期触发执行;
二.SimpleTrigger的构造函数
SimpleTrigger(String name, String group):通过该构造函数指定Trigger所属组和名称;
Simpl
- Informatica应用(1)
18289753290
sqlworkflowlookup组件Informatica
1.如果要在workflow中调用shell脚本有一个command组件,在里面设置shell的路径;调度wf可以右键出现schedule,现在用的是HP的tidal调度wf的执行。
2.designer里面的router类似于SSIS中的broadcast(多播组件);Reset_Workflow_Var:参数重置 (比如说我这个参数初始是1在workflow跑得过程中变成了3我要在结束时还要
- python 获取图片验证码中文字
酷的飞上天空
python
根据现成的开源项目 http://code.google.com/p/pytesser/改写
在window上用easy_install安装不上 看了下源码发现代码很少 于是就想自己改写一下
添加支持网络图片的直接解析
#coding:utf-8
#import sys
#reload(sys)
#sys.s
- AJAX
永夜-极光
Ajax
1.AJAX功能:动态更新页面,减少流量消耗,减轻服务器负担
2.代码结构:
<html>
<head>
<script type="text/javascript">
function loadXMLDoc()
{
.... AJAX script goes here ...
- 创业OR读研
随便小屋
创业
现在研一,有种想创业的想法,不知道该不该去实施。因为对于的我情况这两者是矛盾的,可能就是鱼与熊掌不能兼得。
研一的生活刚刚过去两个月,我们学校主要的是
- 需求做得好与坏直接关系着程序员生活质量
aijuans
IT 生活
这个故事还得从去年换工作的事情说起,由于自己不太喜欢第一家公司的环境我选择了换一份工作。去年九月份我入职现在的这家公司,专门从事金融业内软件的开发。十一月份我们整个项目组前往北京做现场开发,从此苦逼的日子开始了。
系统背景:五月份就有同事前往甲方了解需求一直到6月份,后续几个月也完
- 如何定义和区分高级软件开发工程师
aoyouzi
在软件开发领域,高级开发工程师通常是指那些编写代码超过 3 年的人。这些人可能会被放到领导的位置,但经常会产生非常糟糕的结果。Matt Briggs 是一名高级开发工程师兼 Scrum 管理员。他认为,单纯使用年限来划分开发人员存在问题,两个同样具有 10 年开发经验的开发人员可能大不相同。近日,他发表了一篇博文,根据开发者所能发挥的作用划分软件开发工程师的成长阶段。
初
- Servlet的请求与响应
百合不是茶
servletget提交java处理post提交
Servlet是tomcat中的一个重要组成,也是负责客户端和服务端的中介
1,Http的请求方式(get ,post);
客户端的请求一般都会都是Servlet来接受的,在接收之前怎么来确定是那种方式提交的,以及如何反馈,Servlet中有相应的方法, http的get方式 servlet就是都doGet(
- web.xml配置详解之listener
bijian1013
javaweb.xmllistener
一.定义
<listener>
<listen-class>com.myapp.MyListener</listen-class>
</listener>
二.作用 该元素用来注册一个监听器类。可以收到事件什么时候发生以及用什么作为响
- Web页面性能优化(yahoo技术)
Bill_chen
JavaScriptAjaxWebcssYahoo
1.尽可能的减少HTTP请求数 content
2.使用CDN server
3.添加Expires头(或者 Cache-control) server
4.Gzip 组件 server
5.把CSS样式放在页面的上方。 css
6.将脚本放在底部(包括内联的) javascript
7.避免在CSS中使用Expressions css
8.将javascript和css独立成外部文
- 【MongoDB学习笔记八】MongoDB游标、分页查询、查询结果排序
bit1129
mongodb
游标
游标,简单的说就是一个查询结果的指针。游标作为数据库的一个对象,使用它是包括
声明
打开
循环抓去一定数目的文档直到结果集中的所有文档已经抓取完
关闭游标
游标的基本用法,类似于JDBC的ResultSet(hasNext判断是否抓去完,next移动游标到下一条文档),在获取一个文档集时,可以提供一个类似JDBC的FetchSize
- ORA-12514 TNS 监听程序当前无法识别连接描述符中请求服务 的解决方法
白糖_
ORA-12514
今天通过Oracle SQL*Plus连接远端服务器的时候提示“监听程序当前无法识别连接描述符中请求服务”,遂在网上找到了解决方案:
①打开Oracle服务器安装目录\NETWORK\ADMIN\listener.ora文件,你会看到如下信息:
# listener.ora Network Configuration File: D:\database\Oracle\net
- Eclipse 问题 A resource exists with a different case
bozch
eclipse
在使用Eclipse进行开发的时候,出现了如下的问题:
Description Resource Path Location TypeThe project was not built due to "A resource exists with a different case: '/SeenTaoImp_zhV2/bin/seentao'.&
- 编程之美-小飞的电梯调度算法
bylijinnan
编程之美
public class AptElevator {
/**
* 编程之美 小飞 电梯调度算法
* 在繁忙的时间,每次电梯从一层往上走时,我们只允许电梯停在其中的某一层。
* 所有乘客都从一楼上电梯,到达某层楼后,电梯听下来,所有乘客再从这里爬楼梯到自己的目的层。
* 在一楼时,每个乘客选择自己的目的层,电梯则自动计算出应停的楼层。
* 问:电梯停在哪
- SQL注入相关概念
chenbowen00
sqlWeb安全
SQL Injection:就是通过把SQL命令插入到Web表单递交或输入域名或页面请求的查询字符串,最终达到欺骗服务器执行恶意的SQL命令。
具体来说,它是利用现有应用程序,将(恶意)的SQL命令注入到后台数据库引擎执行的能力,它可以通过在Web表单中输入(恶意)SQL语句得到一个存在安全漏洞的网站上的数据库,而不是按照设计者意图去执行SQL语句。
首先让我们了解什么时候可能发生SQ
- [光与电]光子信号战防御原理
comsci
原理
无论是在战场上,还是在后方,敌人都有可能用光子信号对人体进行控制和攻击,那么采取什么样的防御方法,最简单,最有效呢?
我们这里有几个山寨的办法,可能有些作用,大家如果有兴趣可以去实验一下
根据光
- oracle 11g新特性:Pending Statistics
daizj
oracledbms_stats
oracle 11g新特性:Pending Statistics 转
从11g开始,表与索引的统计信息收集完毕后,可以选择收集的统信息立即发布,也可以选择使新收集的统计信息处于pending状态,待确定处于pending状态的统计信息是安全的,再使处于pending状态的统计信息发布,这样就会避免一些因为收集统计信息立即发布而导致SQL执行计划走错的灾难。
在 11g 之前的版本中,D
- 快速理解RequireJs
dengkane
jqueryrequirejs
RequireJs已经流行很久了,我们在项目中也打算使用它。它提供了以下功能:
声明不同js文件之间的依赖
可以按需、并行、延时载入js库
可以让我们的代码以模块化的方式组织
初看起来并不复杂。 在html中引入requirejs
在HTML中,添加这样的 <script> 标签:
<script src="/path/to
- C语言学习四流程控制if条件选择、for循环和强制类型转换
dcj3sjt126com
c
# include <stdio.h>
int main(void)
{
int i, j;
scanf("%d %d", &i, &j);
if (i > j)
printf("i大于j\n");
else
printf("i小于j\n");
retu
- dictionary的使用要注意
dcj3sjt126com
IO
NSDictionary *dict = [NSDictionary dictionaryWithObjectsAndKeys:
user.user_id , @"id",
user.username , @"username",
- Android 中的资源访问(Resource)
finally_m
xmlandroidStringdrawablecolor
简单的说,Android中的资源是指非代码部分。例如,在我们的Android程序中要使用一些图片来设置界面,要使用一些音频文件来设置铃声,要使用一些动画来显示特效,要使用一些字符串来显示提示信息。那么,这些图片、音频、动画和字符串等叫做Android中的资源文件。
在Eclipse创建的工程中,我们可以看到res和assets两个文件夹,是用来保存资源文件的,在assets中保存的一般是原生
- Spring使用Cache、整合Ehcache
234390216
springcacheehcache@Cacheable
Spring使用Cache
从3.1开始,Spring引入了对Cache的支持。其使用方法和原理都类似于Spring对事务管理的支持。Spring Cache是作用在方法上的,其核心思想是这样的:当我们在调用一个缓存方法时会把该方法参数和返回结果作为一个键值对存放在缓存中,等到下次利用同样的
- 当druid遇上oracle blob(clob)
jackyrong
oracle
http://blog.csdn.net/renfufei/article/details/44887371
众所周知,Oracle有很多坑, 所以才有了去IOE。
在使用Druid做数据库连接池后,其实偶尔也会碰到小坑,这就是使用开源项目所必须去填平的。【如果使用不开源的产品,那就不是坑,而是陷阱了,你都不知道怎么去填坑】
用Druid连接池,通过JDBC往Oracle数据库的
- easyui datagrid pagination获得分页页码、总页数等信息
ldzyz007
var grid = $('#datagrid');
var options = grid.datagrid('getPager').data("pagination").options;
var curr = options.pageNumber;
var total = options.total;
var max =
- 浅析awk里的数组
nigelzeng
二维数组array数组awk
awk绝对是文本处理中的神器,它本身也是一门编程语言,还有许多功能本人没有使用到。这篇文章就单单针对awk里的数组来进行讨论,如何利用数组来帮助完成文本分析。
有这么一组数据:
abcd,91#31#2012-12-31 11:24:00
case_a,136#19#2012-12-31 11:24:00
case_a,136#23#2012-12-31 1
- 搭建 CentOS 6 服务器(6) - TigerVNC
rensanning
centos
安装GNOME桌面环境
# yum groupinstall "X Window System" "Desktop"
安装TigerVNC
# yum -y install tigervnc-server tigervnc
启动VNC服务
# /etc/init.d/vncserver restart
# vncser
- Spring 数据库连接整理
tomcat_oracle
springbeanjdbc
1、数据库连接jdbc.properties配置详解 jdbc.url=jdbc:hsqldb:hsql://localhost/xdb jdbc.username=sa jdbc.password= jdbc.driver=不同的数据库厂商驱动,此处不一一列举 接下来,详细配置代码如下:
Spring连接池  
- Dom4J解析使用xpath java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常
xp9802
用Dom4J解析xml,以前没注意,今天使用dom4j包解析xml时在xpath使用处报错
异常栈:java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常
导入包 jaxen-1.1-beta-6.jar 解决;
&nb