- 如何有效的学习AI大模型?
Python程序员罗宾
学习人工智能语言模型自然语言处理架构
学习AI大模型是一个系统性的过程,涉及到多个学科的知识。以下是一些建议,帮助你更有效地学习AI大模型:基础知识储备:数学基础:学习线性代数、概率论、统计学和微积分等,这些是理解机器学习算法的数学基础。编程技能:掌握至少一种编程语言,如Python,因为大多数AI模型都是用Python实现的。理论学习:机器学习基础:了解监督学习、非监督学习、强化学习等基本概念。深度学习:学习神经网络的基本结构,如卷
- 机器学习在医学中的应用
听忆.
机器学习人工智能
边走、边悟迟早会好机器学习在医学中的应用是一个广泛且复杂的领域,涵盖了从基础研究到临床应用的多个方面。以下是一个万字总结的结构性思路,分章节深入探讨不同应用场景、技术方法、挑战与未来展望。1.引言背景与发展:介绍医学领域的数字化转型以及机器学习的兴起,探讨其在医学中的潜力。机器学习的基本概念:简要介绍机器学习的基本原理、分类(监督学习、非监督学习、强化学习等)和常用算法(如神经网络、支持向量机、随
- 每天一个数据分析题(四百八十七)- 非监督学习
跟着紫枫学姐学CDA
数据分析题库数据分析学习数据挖掘
关于非监督学习,在K-means聚类分析使用的距离是()A.欧式距离B.绝对距离C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍:点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python,SQL,统计学,数据分析理论,深度学习,可视化,机器学习,Spark八个方向的专项练习题库,数据分析从业者刷题必备神器!
- 每天一个数据分析题(四百八十八)- 非监督学习
跟着紫枫学姐学CDA
数据分析题库数据分析学习数据挖掘
关于非监督学习,在K-means聚类分析使用的距离是()A.欧式距离B.绝对距离C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍:点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python,SQL,统计学,数据分析理论,深度学习,可视化,机器学习,Spark八个方向的专项练习题库,数据分析从业者刷题必备神器!
- 深度学习如何入门?
nanshaws
yolov5深度学习
深度学习是机器学习的一个子领域,它基于人工神经网络的研究。入门深度学习可以分为以下几个步骤:基础知识准备:(1)掌握基础数学知识,特别是线性代数、概率论和统计学、微积分。(2)学习编程语言,Python是目前最流行的深度学习语言,因其简洁易学且有大量的库支持。(3)了解机器学习基础,包括监督学习和非监督学习的概念、模型评估与选择等。学习深度学习理论:(1)理解神经网络的基本组成,如神经元、激活函数
- 机器学习基础(一)理解机器学习的本质
昊昊该干饭了
人工智能python机器学习人工智能python
导读:在本文中,将深入探索机器学习的根本原理,包括基本概念、分类及如何通过构建预测模型来应用这些理论。目录机器学习机器学习概念相关概念机器学习根本:模型数据的语言:特征与标签训练与测试:模型评估机器学习的分类监督学习:有指导的学习过程非监督学习:自我探索的过程强化学习:通过试错学习构建与分析鸢尾花数据模型鸢尾花数据集简介加载数据集创建和训练模型进行预测与评估模型机器学习机器学习概念机器学习是人工智
- 机器学习---强化学习
三月七꧁ ꧂
机器学习机器学习人工智能
1.什么是强化学习在连接主义学习中,在学习的方式有三种:非监督学习(unsupervisedlearning)、监督学习(supervisedleaning)和强化学习。监督学习也称为有导师的学习,需要外界存在一个“教师”对给定输入提供应有的输出结果,学习的目的是减少系统产生的实际输出和预期输出之间的误差,所产生的误差反馈给系统来指导学习。非监督学习也称为无导师的学习。它是指系统不存在外部教师指导
- 机器学习之监督学习和非监督学习
华农DrLai
机器学习学习人工智能深度学习
监督学习(SupervisedLearning)监督学习是一种学习方式,其中模型从标记的训练数据中学习。这意味着每个训练样本都是由输入向量和相应的目标输出(也称为标签)组成的。模型的任务是学习输入到输出的映射函数,以便当提供新的、未见过的数据时,模型能够预测出正确的输出。例子:邮件分类:根据邮件内容将邮件自动分类为“垃圾邮件或“非垃圾邮件”。这里,邮件内容是输入,而“垃圾邮件“或“非垃圾邮件”的非
- 如何入行人工智能
科联学妹
人工智能
要成功入行人工智能领域,一个坚实的基础是不可或缺的。这个基础包括数学、Python编程以及数据结构与算法的深厚理解。这些知识为深入探索机器学习、深度学习和自然语言处理(NLP)等更高级领域铺平了道路。机器学习作为人工智能的核心,其基本理论涵盖了机器学习的定义、不同类型(如监督学习、非监督学习、强化学习)以及它们的主要应用场景。对于监督学习,我们需要熟悉线性回归、逻辑回归、决策树、随机森林和支持向量
- 【吴恩达机器学习】第八周—聚类降维Kmeans算法
Sunflow007
31.jpg1.聚类(Clustering)1.1介绍之前的课程介绍的都是监督学习、而聚类属于非监督学习,在一个典型的监督学习中,我们有一个有标签的训练集,我们的目标是找到能够区分正样本和负样本的决策边界,在这里的监督学习中,我们有一系列标签,我们需要据此拟合一个假设函数。与此不同的是,在非监督学习中,我们的数据没有附带任何标签,我们拿到的数据就是这样的:1.png在这里我们有一系列点,却没有标签
- 基于WGAN-GP方法的时间序列信号生成(以轴承振动信号为例)
哥廷根数学学派
信号处理图像处理故障诊断算法人工智能深度优先python
生成对抗网络GAN作为非监督学习,由生成器和判别器两个神经网络构成。生成器从潜在空间中随机取样作为输入,试图生成与真实样本数据相仿的数据。判别器的输入则为真实样本数据或生成器生成数据,进而判断其输入是真实数据还是生成数据。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。WGAN作为GAN的改进模型,使用Wasserstein距离来替代JS散度作为优化目标,从
- 聚类(Clustering)理论
时间邮递员
聚类人工智能机器学习
一、无监督学习介绍在这小节中,我将开始介绍聚类算法,这是我们学习的第一个非监督学习算法,我们将要让计算机学习无标签数据而不是此前的标签数据。那么什么是非监督学习呢?在学习机器学习知识的开始我曾简单地介绍过非监督学习,然而我还是有必要将其与监督学习做一下比较。在一个典型的监督学习中我们有一个有标签的训练集,我们的目标是找到能够区分正样本和负样本的决策边界,我们有一系列标签并且我们需要据此拟合一个假设
- About_Machine_Learning_in_action
煮茶温酒曲终人散
#监督学习######仅仅是个人理解对于机器学习,分为监督学习和非监督学习,今天的监督学习仅仅作为自己的学习记录一个数据,有他的类别,一群数据都有他们的类别,而新加入的数据却没有类别,那么监督学习就是以已知分类去区分未知分类没有例子,这就是感悟
- 【吴恩达·机器学习】第一章:机器学习绪论:监督学习和非监督学习
是瑶瑶子啦
机器学习学习人工智能监督学习非监督学习
文章目录0、声明1、前言:Part1/Week1学习总结2、机器学习绪论2.1:什么是机器学习2.2:监督学习2.2.1:回归2.2.2:分类2.2.3:回归和分类对比:2.3:非监督学习2.3.1:聚类博主简介:努力学习的22级计算机科学与技术本科生一枚博主主页:@是瑶瑶子啦每日一言:勇敢的人,不是不落泪的人,而是愿意含着泪继续奔跑的人。——《朗读者》0、声明本系列博客文章是博主本人根据吴恩达老
- 聚类(Clustering)
清☆茶
聚类数据挖掘机器学习
1.无监督学习:简介在非监督学习中,我们的数据没有附带任何标签,我们拿到的数据就是这样的:督学习中,我们需要将一系列无标签的训练数据,输入到一个算法中,然后我们告诉这个算法,快去为我们找找这个数据的内在结构给定数据。我们可能需要某种算法帮助我们寻找一种结构。图上的数据看起来可以分成两个分开的点集(称为簇),一个能够找到我圈出的这些点集的算法,就被称为聚类算法。问题:聚类算法一般用来做什么呢?比如市
- 《深度学习之美》读书笔记章三
wenju_song
这一篇文章介绍第三章机器学习的分类。第三章“机器学习”三重门,“中庸之道”趋若人机器学习分为三大类:监督学习,非监督学习,半监督学习3.1监督学习3.1.1感性认知监督学习监督学习:从有标签的训练数据中学习模型,然后给定某个新数组,利用模型预测它的标签。这里的标签可以理解为事物的分类。3.1.2监督学习的形式化描述在监督学习中,根据目标预测变量的类型不同,可以分为回归分析和分类学习。回归分析包括:
- Python入门之机器学习(非常详细)篇幅拉满,一般人看不完!
码农必胜客
Python零基础入门python机器学习开发语言
一、什么是机器学习什么是机器学习?机器学习其实就是想让计算机像人一样思考而研发出的计算机理论,目前常用的机器学习有以下几种算法:监督学习supervisedlearning;非监督学习unsupervisedlearning;半监督学习semi-supervisedlearning;强化学习reinforcementlearning;监督学习是不断向计算机提供数据(特征),并告诉计算机对应的值(标
- 机器学习之卷积神经网络
WEL测试
人工智能机器学习cnn人工智能
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类,因此又称为SIANN。卷积神经网络仿照生物的视知觉机制构建,可以进行监督学习和非监督学习,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征进行学习。卷积神经网络的结构包括:输入层、卷积层、池化层、全
- 机器学习:李航 统计学习方法 笔记
lealzhan
机器学习算法
詹令
[email protected]待整理统计学习方法监督学习非监督学习半监督学习强化学习监督学习方法生成方法GenerativeApproach:P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)朴素贝叶斯模型隐式马尔科夫模型判别方法DiscrimitiveApproach:k近邻/knn线性分类模型感知机
- 【非监督学习 02】高斯混合模型
一碗姜汤
机器学习机器学习人工智能
高斯混合模型(GuassianMixedModel,GMM)也是一种常见的聚类算法,与K均值算法类似,同样使用了EM算法进行迭代计算。高斯混合模型假设每个簇的数据都是符合高斯分布的,当前数据呈现的分布就是各个簇的高斯分布叠加在一起的结果。图5.6是一个数据分布的样例,如果只用一个高斯分布来拟合图中的数据,图中所有的椭圆即为高斯分布的二倍标准差所对应的椭圆。直观来说,图中的数据明显分为两簇,因此只用
- 梯度下降法(Gradient Descent)
Debroon
#机器学习#凸优化
梯度下降法(GradientDescent)梯度下降法批量梯度下降法随机梯度下降法scikit-learn中的随机梯度下降法小批量梯度下降法梯度下降法梯度下降法,不是一个机器学习算法(既不是再做监督学习,也不是非监督学习,分类、回归问题都解决不了),是一种基于搜索的最优化方法。梯度下降法作用是,最小化一个损失函数;而如果我们要最大化一个效用函数,应该使用梯度上升法。这个二维平面描述了,当我们定义了
- 基于贝叶斯决策理论的分类器
CHENG-HQ
机器学习机器学习贝叶斯分类器参数估计
基于贝叶斯决策理论的分类器基于贝叶斯决策理论的分类器贝叶斯决策理论1如何衡量分类好坏参数估计1极大似然估计2最大后验概率估计3最大熵估计4非参数估计贝叶斯分类器在现实中的应用1垃圾邮件分类2贝叶斯网络参考文献首先,我们知道机器学习分为监督学习和非监督学习两大类。在监督学习中,我们主要面对的是拟合问题(regression)和分类问题(classification)。在本节中,我们先来了解一下如何使
- Week9
kidling_G
第9周十五、异常检测(AnomalyDetection)15.1问题的动机参考文档:15-1-ProblemMotivation(8min).mkv在接下来的一系列视频中,我将向大家介绍异常检测(Anomalydetection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题。什么是异常检测呢?为了解释这个
- day4--GPT/GPT2.0
呆呆有库
深度学习transformer神经网络
目录GPTGPT训练的两个阶段:GPT的架构图:自注意力机制:GPT-2GPT-2的架构图:GPTGPT训练的两个阶段:第一个阶段是Pre-training阶段,主要利用大型语料库完成非监督学习;第二阶段是Fine-tuning,针对特定任务在相应数据集中进行监督学习,通过Fine-tuning技术来适配具体任务。GPT的架构图:自注意力机制:下图中,每一层的所有Trm属于一个自左向右的单向tra
- 【Apriori算法Java实现版】聚类算法与关联分析
张照博
正文之前当初毕设的时候准备用这个算法来着,不过后来为了给自己减少工作量(俗称偷懒),就没搞了,没想到这两天看一篇论文看到了这个,重新捡起来学一下。对于我这种算法底子不是很好的来说。。只能代码实现来感受下了。。正文基本概念关联分析是一种在大规模数据集中寻找有趣关系的非监督学习算法。这些关系可以有两种形式:频繁项集或者关联规则。频繁项集(frequentitemsets)是经常出现在一块的物品的集合,
- 机器学习一些概念
satadriver
机器学习机器学习人工智能
LDA:LDA最大化类间距离,最小化类内距离,使得投影后的不同类别的样本分的更开,属于监督学习。PCA:PCA最小重构误差,使得投影后的值和原来的值尽量接近,属于非监督学习。SVM:最大间隔的优化模型CART算法ID3算法GINI算法C4.5算法Novikoff定理:模糊C均值算法:J(U,V)=∑i=1n∑j=1kuijmdij2∑j=1kuij=1,uij∈[0,1]J(U,V)=\sum_{
- 机械学习 - 基础概念 - scikit-learn - 数据预处理 - 1
沐 修
机器学习scikit-learnpython机器学习
目录安装scikit-learn术语理解1.特征(feature)和样本(sample/demo)的区别?2.关于模型的概念一、机械学习概念1.监督学习总结:2.非监督学习总结:3.强化学习总结:三种学习的特点总结scikit-learn说明二、机械学习的基本实操逻辑1.采集数据2.数据预处理(Preprocessing)预处理算法:归一化:1.normalize()3.数据降维处理(Dimens
- 监督学习和非监督学习有什么区别?监督学习又可分为哪两类任务?
北辰Charih
学习机器学习python
监督学习和非监督学习是机器学习的两种主要类型,它们的区别在于训练数据的标签是否已知。监督学习:训练数据包含输入特征和对应的标签或输出值。模型通过学习输入特征和对应的输出值之间的关系,从而预测新的输入数据的输出值。监督学习的目标是寻找一个函数,将输入映射到输出。监督学习是一种通过使用带有标签的训练数据来训练模型的方法。在监督学习中,模型通过学习输入特征和对应的输出标签之间的关系来进行预测。监督学习的
- 单细胞转录组数据分析课件||7. Clustering of scRNA-seq data
周运来就是我
单细胞分析的一个亮点就是可以找出细胞的异质性,也就是可以对细胞进行分群,找出有意思的亚群。所以这节课很重要:数据聚类。数据质控:选择高质量的数据进行聚类特征选择什么叫聚类为什么说聚类是非监督学习如何面对不同聚类算法得到的不同的结果介绍了几种常见的聚类算法ThislecturebyAhmedMahfouz(LeidenComputationalBiologyCenter,LUMC,Netherlan
- 1 监督学习-概述
奋斗的喵儿
1.1统计学习统计学习包括监督学习、非监督学习、半监督学习及强化学习。步骤:1)得到一个有限的训练数据集合2)确定包含所有可能的模型的假设空间,即学习模型的集合3)确定模型选择的准则,即学习的策略4)实现求解最优模型的算法,即学习的算法5)通过学习方法选择最优模型6)利用学习的最优模型对新数据进行预测或分析1.2监督学习监督学习(supervisedlearning)的任务是学习一个模型,使模型能
- html页面js获取参数值
0624chenhong
html
1.js获取参数值js
function GetQueryString(name)
{
var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");
var r = windo
- MongoDB 在多线程高并发下的问题
BigCat2013
mongodbDB高并发重复数据
最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理,并将分析结果插入Vertica数据库,所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢?笔者开始也是一筹莫 展,重复去看 MongoDB 的 API , 终于有了新发现 :
com.mongodb.DB 这个类有
- c++ 用类模版实现链表(c++语言程序设计第四版示例代码)
CrazyMizzz
数据结构C++
#include<iostream>
#include<cassert>
using namespace std;
template<class T>
class Node
{
private:
Node<T> * next;
public:
T data;
- 最近情况
麦田的设计者
感慨考试生活
在五月黄梅天的岁月里,一年两次的软考又要开始了。到目前为止,我已经考了多达三次的软考,最后的结果就是通过了初级考试(程序员)。人啊,就是不满足,考了初级就希望考中级,于是,这学期我就报考了中级,明天就要考试。感觉机会不大,期待奇迹发生吧。这个学期忙于练车,写项目,反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周,希望能快点度过。
- linux系统中用pkill踢出在线登录用户
被触发
linux
由于linux服务器允许多用户登录,公司很多人知道密码,工作造成一定的障碍所以需要有时踢出指定的用户
1/#who 查出当前有那些终端登录(用 w 命令更详细)
# who
root pts/0 2010-10-28 09:36 (192
- 仿QQ聊天第二版
肆无忌惮_
qq
在第一版之上的改进内容:
第一版链接:
http://479001499.iteye.com/admin/blogs/2100893
用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题.
增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.
信息修改后上传至服务器再告诉所有用户,自己的窗口
- java读取配置文件
知了ing
1,java读取.properties配置文件
InputStream in;
try {
in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径
Properties p = new Properties()
- __attribute__ 你知多少?
矮蛋蛋
C++gcc
原文地址:
http://www.cnblogs.com/astwish/p/3460618.html
GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性(Function Attribute )、变量属性(Variable Attribute )和类型属性(Type Attribute )。
__attribute__ 书写特征是:
- jsoup使用笔记
alleni123
java爬虫JSoup
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.7.3</version>
</dependency>
2014/08/28
今天遇到这种形式,
- JAVA中的集合 Collectio 和Map的简单使用及方法
百合不是茶
listmapset
List ,set ,map的使用方法和区别
java容器类类库的用途是保存对象,并将其分为两个概念:
Collection集合:一个独立的序列,这些序列都服从一条或多条规则;List必须按顺序保存元素 ,set不能重复元素;Queue按照排队规则来确定对象产生的顺序(通常与他们被插入的
- 杀LINUX的JOB进程
bijian1013
linuxunix
今天发现数据库一个JOB一直在执行,都执行了好几个小时还在执行,所以想办法给删除掉
系统环境:
ORACLE 10G
Linux操作系统
操作步骤如下:
第一步.查询出来那个job在运行,找个对应的SID字段
select * from dba_jobs_running--找到job对应的sid
&n
- Spring AOP详解
bijian1013
javaspringAOP
最近项目中遇到了以下几点需求,仔细思考之后,觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题,另一方面是借此机会深入学习Spring AOP相关的内容。例如,以下需求不用AOP肯定也能解决,至于是否牵强附会,仁者见仁智者见智。
1.对部分函数的调用进行日志记录,用于观察特定问题在运行过程中的函数调用
- [Gson六]Gson类型适配器(TypeAdapter)
bit1129
Adapter
TypeAdapter的使用动机
Gson在序列化和反序列化时,默认情况下,是按照POJO类的字段属性名和JSON串键进行一一映射匹配,然后把JSON串的键对应的值转换成POJO相同字段对应的值,反之亦然,在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。
以Date为例,在序列化和反序列化时,Gson默认使用java.
- 【spark八十七】给定Driver Program, 如何判断哪些代码在Driver运行,哪些代码在Worker上执行
bit1129
driver
Driver Program是用户编写的提交给Spark集群执行的application,它包含两部分
作为驱动: Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。
计算逻辑本身,当计算任务在Worker执行时,执行计算逻辑完成application的计算任务
- nginx 经验总结
ronin47
nginx 总结
深感nginx的强大,只学了皮毛,把学下的记录。
获取Header 信息,一般是以$http_XX(XX是小写)
获取body,通过接口,再展开,根据K取V
获取uri,以$arg_XX
&n
- 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点
bylijinnan
数组
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class ExoWeb {
public static void main(String[] args) {
ExoWeb ew=new ExoWeb();
System.out.pri
- Netty源码学习-Java-NIO-Reactor
bylijinnan
java多线程netty
Netty里面采用了NIO-based Reactor Pattern
了解这个模式对学习Netty非常有帮助
参考以下两篇文章:
http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html
http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
- AOP通俗理解
cngolon
springAOP
1.我所知道的aop 初看aop,上来就是一大堆术语,而且还有个拉风的名字,面向切面编程,都说是OOP的一种有益补充等等。一下子让你不知所措,心想着:怪不得很多人都和 我说aop多难多难。当我看进去以后,我才发现:它就是一些java基础上的朴实无华的应用,包括ioc,包括许许多多这样的名词,都是万变不离其宗而 已。 2.为什么用aop&nb
- cursor variable 实例
ctrain
variable
create or replace procedure proc_test01
as
type emp_row is record(
empno emp.empno%type,
ename emp.ename%type,
job emp.job%type,
mgr emp.mgr%type,
hiberdate emp.hiredate%type,
sal emp.sal%t
- shell报bash: service: command not found解决方法
daizj
linuxshellservicejps
今天在执行一个脚本时,本来是想在脚本中启动hdfs和hive等程序,可以在执行到service hive-server start等启动服务的命令时会报错,最终解决方法记录一下:
脚本报错如下:
./olap_quick_intall.sh: line 57: service: command not found
./olap_quick_intall.sh: line 59
- 40个迹象表明你还是PHP菜鸟
dcj3sjt126com
设计模式PHP正则表达式oop
你是PHP菜鸟,如果你:1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统,如Subclipse4. 不采用某种编码与命名标准 ,以及通用约定,不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换(或)也不验证某些输入或SQL查询串(译注:参考PHP相关函
- Android逐帧动画的实现
dcj3sjt126com
android
一、代码实现:
private ImageView iv;
private AnimationDrawable ad;
@Override
protected void onCreate(Bundle savedInstanceState)
{
super.onCreate(savedInstanceState);
setContentView(R.layout
- java远程调用linux的命令或者脚本
eksliang
linuxganymed-ssh2
转载请出自出处:
http://eksliang.iteye.com/blog/2105862
Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)
使用步骤如下:
1.导包
官网下载:
http://www.ganymed.ethz.ch/ssh2/
ma
- adb端口被占用问题
gqdy365
adb
最近重新安装的电脑,配置了新环境,老是出现:
adb server is out of date. killing...
ADB server didn't ACK
* failed to start daemon *
百度了一下,说是端口被占用,我开个eclipse,然后打开cmd,就提示这个,很烦人。
一个比较彻底的解决办法就是修改
- ASP.NET使用FileUpload上传文件
hvt
.netC#hovertreeasp.netwebform
前台代码:
<asp:FileUpload ID="fuKeleyi" runat="server" />
<asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
- 代码之谜(四)- 浮点数(从惊讶到思考)
justjavac
浮点数精度代码之谜IEEE
在『代码之谜』系列的前几篇文章中,很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型,其实,浮点数比起那些复杂数据类型(比如字符串)来说, 一点都不简单。
单单是说明 IEEE浮点数 就可以写一本书了,我将用几篇博文来简单的说说我所理解的浮点数,算是抛砖引玉吧。 一次面试
记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试, 多年以后,他已经称为了一名很出色的
- 数据结构随记_1
lx.asymmetric
数据结构笔记
第一章
1.数据结构包括数据的
逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示,它们分别是
顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种,分别是
查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性:
输入、输出、可行性、确定性和有穷性。 5.算法分析的
- linux的会话和进程组
网络接口
linux
会话: 一个或多个进程组。起于用户登录,终止于用户退出。此期间所有进程都属于这个会话期。会话首进程:调用setsid创建会话的进程1.规定组长进程不能调用setsid,因为调用setsid后,调用进程会成为新的进程组的组长进程.如何保证? 先调用fork,然后终止父进程,此时由于子进程的进程组ID为父进程的进程组ID,而子进程的ID是重新分配的,所以保证子进程不会是进程组长,从而子进程可以调用se
- 二维数组 元素的连续求解
1140566087
二维数组ACM
import java.util.HashMap;
public class Title {
public static void main(String[] args){
f();
}
// 二位数组的应用
//12、二维数组中,哪一行或哪一列的连续存放的0的个数最多,是几个0。注意,是“连续”。
public static void f(){
- 也谈什么时候Java比C++快
windshome
javaC++
刚打开iteye就看到这个标题“Java什么时候比C++快”,觉得很好笑。
你要比,就比同等水平的基础上的相比,笨蛋写得C代码和C++代码,去和高手写的Java代码比效率,有什么意义呢?
我是写密码算法的,深刻知道算法C和C++实现和Java实现之间的效率差,甚至也比对过C代码和汇编代码的效率差,计算机是个死的东西,再怎么优化,Java也就是和C