- mixture_of_depths
道真人
深度学习人工智能
mixture_of_depths是一种用于处理不同深度模型组合的技术或机制,通常用于模型的加载和推理过程中。它涉及将模型的不同层次或深度进行组合或切换,以提高模型的灵活性和性能。mixture_of_depths的具体含义模型组合策略:mixture_of_depths可能涉及在不同的模型深度(即层数)之间进行切换或组合,可能是为了在推理时选择合适的深度,以平衡计算资源和模型性能。这在需要对性能
- paddle nlp 3.0 全面拥抱开源大模型
路人与大师
paddle自然语言处理开源
首先安装神圣的飞桨自然语言处理框架3.0pipinstall--upgradepaddlenlp==3.0.0b0阿里云通义千问(Qwen2)系列大模型介绍阿里云通义千问(Qwen2)是阿里云推出的一系列先进的大型语言模型,涵盖了从轻量级到超大规模的各种模型,包括混合专家模型(Mixture-of-Experts,MoE)。Qwen2系列在多个自然语言处理任务上展现了卓越的性能,并且在一些基准测试
- 高斯混合模型聚类(GMM)matlab实现
唐维康
高斯混合模型聚类
GaussianMixtureModel,就是假设数据服从MixtureGaussianDistribution,换句话说,数据可以看作是从数个GaussianDistribution中生成出来的。实际上,我们在K-means和K-medoids两篇文章中用到的那个例子就是由三个Gaussian分布从随机选取出来的。实际上,从中心极限定理可以看出,Gaussian分布(也叫做正态(Normal)分
- Kmeans、混合高斯模型、EM 算法
dreampai
混合高斯模型(MixturesofGaussians)和EM算法image.pngKmeans与EM算法E步是确定隐含类别变量CM步更新其他参数u(质心)来时J(平方误差)最小化隐含类别变量指定方法比较特殊,属于硬指定,从k个类别中硬选出一个给样例,而不是对每个类别赋予不同的概率。总体思想还是一个迭代优化过程,有目标函数,也有参数变量,只是多了个隐含变量,确定其他参数估计隐含变量,再确定隐含变量估
- VLM 系列——MoE-LLaVa——论文解读
TigerZ*
AIGC算法深度学习人工智能AIGC计算机视觉transformer
一、概述1、是什么moe-Llava是Llava1.5的改进全称《MoE-LLaVA:MixtureofExpertsforLargeVision-LanguageModels》,是一个多模态视觉-文本大语言模型,可以完成:图像描述、视觉问答,潜在可以完成单个目标的视觉定位、名画名人等识别(问答、描述),未知是否能偶根据图片写代码(HTML、JS、CSS)。支持单幅图片输入(可以作为第一个或第二个
- VLM 系列——LLaVA-MoLE——论文解读
TigerZ*
AIGC算法深度学习人工智能AIGCtransformer计算机视觉
一、概述1、是什么Llava-MoLE是Llava1.5的改进全称《LLaVA-MoLE:SparseMixtureofLoRAExpertsforMitigatingDataConflictsinInstructionFinetuningMLLMs》,是一个多模态视觉-文本大语言模型,可以完成:图像描述、视觉问答,潜在可以完成单个目标的视觉定位、名画名人等识别(问答、描述),未知是否能偶根据图片
- 基于VCF文件做基因渗入分析(Dsuite)
DumplingLucky
Dsuite软件文章:Malinsky,M.,Matschiner,M.andSvardal,H.(2021)Dsuite‐fastD‐statisticsandrelatedadmixtureevidencefromVCFfiles.MolecularEcologyResources21,584–595.doi:https://doi.org/10.1111/1755-0998.132651.软
- MoE-LLaVA: Mixture of Experts for Large Vision-Language Models
UnknownBody
LLM语言模型人工智能
本文是LLM系列文章,针对《MoE-LLaVA:MixtureofExpertsforLargeVision-LanguageModels》的翻译。MoE-LLaVA:大型视觉语言模型的专家混合摘要1引言2相关工作3方法4实验5结论和未来方向摘要对于大型视觉语言模型(LVLM),缩放模型可以有效地提高性能。然而,扩展模型参数显著增加了训练和推理成本,因为计算中的每个token都激活了所有模型参数。
- 51-11 多模态论文串讲—VLMo 论文精读
深圳季连AIgraphX
AutoGPT自动驾驶大模型自动驾驶transformergpt-3智慧城市迁移学习算法
VLMo:UnifiedVision-LanguagePre-TrainingwithMixture-of-Modality-Experts(NeurIPS2022)VLMo是一种多模态Transformer模型,从名字可以看得出来它是一种Mixture-of-Modality-Experts(MoME),即混合多模态专家。怎么理解呢?主流VLP模型分为两种,一种是双塔结构(DualEncoder
- STM32+WIFI+Django+MySQL+BIM实现数字孪生环境控制系统
爱吃糖的猫
python前端单片机djangostm32python
本文节选自我的博客:水果冷库环境控制系统作者简介:大家好,我是MilesChen,偏前端的全栈开发者。CSDN主页:爱吃糖的猫我的博客:爱吃糖的猫Github主页:MilesChen支持我:点赞+收藏⭐️+留言介绍:ThemixtureofWEB+DeepLearning+Iot+anything简介水果冷库环境控制系统是基于物联网、WEB、BIM的背景下实现对大型果品冷藏库无线监测与控制。传感器
- Nous Hermes 2:超越Mixtral 8x7B的MOE模型新高度
努力犯错
语言模型AI编程
引言随着人工智能技术的迅猛发展,开源大模型在近几年成为了AI领域的热点。最近,NousResearch公司发布了其基于Mixtral8x7B开发的新型大模型——NousHermes2,这一模型在多项基准测试中超越了Mixtral8x7BInstruct,标志着MOE(MixtureofExperts,专家混合模型)技术的新突破。Huggingface模型下载:https://huggingface
- GPT-3被超越?解读低能耗、高性能的GlaM模型
NLP论文解读
©原创作者|LJGLaM:EfficientScalingofLanguageModelswithMixture-of-Expertshttps://arxiv.org/pdf/2112.06905.pdf01摘要这是上个月谷歌刚刚在arxiv发布的论文,证明了一种能scaleGPT-3但又比较节省耗能的架构。GPT-3自问世以来在多项自然语言处理的任务上都有超强的表现。但是训练GPT-3这样庞大
- 经济学人每天5分钟10个单词 第七天
LongLongName
1.sulphurn.硫磺;硫v.使硫化;用硫磺处理;在...中加硫磺单词形态:形容词:sulphurousexamples:Gunpowderisamixtureofsulfhur,saltpeterandcharcoal.2.indicesn.目录,指数examples:Thissoftwarecanautomaticallygenerateindicesforarticles.3.robbe
- PBM模型学习(三)模型设置
Guanghui Yu
PBM模型学习学习CFDPBM模型
模型设置以气液为例标准ke模型,标准壁面函数PBM模型只能在mixture或者eulerian多相流模型中打开。设置液态水water为主相,空气为次相设置主次相的原则:主相为流体连续相,次相为气泡或者颗粒。Phenomenas现象设置:勾选AggregationKernel和BreakageKernel注意:只能在多相流模型打开前提下,才能进行操作对于多相流参考以下设置,一般操作密度设置为密度较小
- AI通用大模型 —— Pathways,MoE, etc.
人生简洁之道
DLLLMGeneralAI人工智能机器学习深度学习
文章目录Pathways现有AI缺憾PathwaysCanDoMultipleTasksMultipleSensesSparseandEfficientMixtureofExperts(MoE)NeuralComputation'1991,AdaptivemixturesoflocalexpertsICLR'17,OutrageouslyLargeNeuralNetworks:TheSparsel
- 快速玩转 Mixtral 8x7B MOE大模型!阿里云机器学习 PAI 推出最佳实践
阿里云大数据AI技术
阿里云机器学习云计算
作者:熊兮、贺弘、临在Mixtral8x7B大模型是MixtralAI推出的基于decoder-only架构的稀疏专家混合网络(Mixture-Of-Experts,MOE)开源大语言模型。这一模型具有46.7B的总参数量,对于每个token,路由器网络选择八组专家网络中的两组进行处理,并且将其输出累加组合,在增加模型参数总量的同时,优化了模型推理的成本。在大多数基准测试中,Mixtral8x7B
- 突破界限:首个国产DeepSeek MoE的高效表现
努力犯错
人工智能语言模型自然语言处理chatgptstablediffusion
前言在人工智能技术的快速发展过程中,国产首个开源MoE(MixtureofExperts)大模型——DeepSeekMoE的推出,不仅标志着中国在全球AI领域的重大突破,而且在计算效率和模型性能上展现了显著的优势。这款160亿参数的模型在保持与国际知名Llama2-7B模型相媲美的性能的同时,实现了显著的计算效率提升,计算量仅为对手的40%。模型特性与技术创新DeepSeekMoE模型的核心优势在
- DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models
步子哥
语言模型人工智能自然语言处理
Q:这篇论文试图解决什么问题?A:这篇论文旨在解决大型语言模型(LLMs)在扩展参数规模时面临的计算成本问题。具体来说,它提出了一种名为DeepSeekMoE的新型Mixture-of-Experts(MoE)架构,以实现专家的终极专业化。MoE架构通过将模型分解为多个专家,每个专家专注于特定任务,从而在保持参数规模的同时降低计算成本。然而,现有的MoE架构在确保专家专业化方面面临挑战,即每个专家
- 十分钟读完「超越GPT-3.5和LLama2的Mixtral 8x7B」论文
夕小瑶
自然语言处理人工智能神经网络深度学习大模型nlp
超越GPT-3.5和LLama2!专家混合模型Mixtral8x7B颠覆性表现震撼全球引言:Mixtral8x7B模型及其在多个基准测试中的表现在当今人工智能领域,语言模型的发展正以惊人的速度推进着自然语言处理技术的边界。最近,一个名为Mixtral8x7B的模型引起了广泛关注,它是一种基于稀疏混合专家(SparseMixtureofExperts,SMoE)的语言模型,以其在多个基准测试中的卓越
- sample 算子_Halcon算子解释 - osc_poeqd6cw的个人空间 - OSCHINA - 中文开源技术交流社区...
weixin_39791322
sample算子
Halcon算子解释大全Halcon/Visionpro视频教程和资料,请访问重码网,网址:http://www.211code.comChapter1:Classification1.1Gaussian-Mixture-Models1.add_sample_class_gmm功能:把一个训练样本添加到一个高斯混合模型的训练数据上。2.classify_class_gmm功能:通过一个高斯混合模型
- HALCON算子函数总结(上)
逆风路途
视觉
HALCON算子函数总结(上)**HALCON算子函数——Chapter1:Classification**Chapter_1_:Classification1.1Gaussian-Mixture-Models1.add_sample_class_gmm功能:把一个训练样本添加到一个高斯混合模型的训练数据上。2.classify_class_gmm功能:通过一个高斯混合模型来计算一个特征矢量的类。
- 不是 GPT4 用不起,而是本地运行 Mixtral-8x7B 更有性价比
xiangzhihong8
大数据与人工智能神经网络人工智能
当GPT4刚问世时,社区猜测它用了“多少亿个参数”才实现的如此惊人的性能。但事实证明,GPT4的创新不仅仅是“更多参数”。它本质上是8个GPT3.5模型一起工作。这些模型中的每一个都针对不同的任务(即“专家”)进行了调整。这称为“专家组合”(MixtureofExperts,缩写为MoE)。输入文本根据内容和所需任务会被分派给8个专家模型中的一个。然后,小组中的其他专家模型会评估结果,从而改进未来
- Mixtral 8X7B MoE模型基于阿里云人工智能平台PAI实践合集
阿里云大数据AI技术
阿里云人工智能云计算
作者:熊兮、贺弘、临在Mixtral8x7B大模型是MixtralAI推出的基于decoder-only架构的稀疏专家混合网络(Mixture-Of-Experts,MOE)开源大语言模型。这一模型具有46.7B的总参数量,对于每个token,路由器网络选择八组专家网络中的两组进行处理,并且将其输出累加组合,在增加模型参数总量的同时,优化了模型推理的成本。在大多数基准测试中,Mixtral8x7B
- 用通俗易懂的方式讲解大模型分布式训练并行技术:MOE并行
Python算法实战
大模型理论与实战大模型分布式langchain大模型多模态大语言模型大模型训练大模型部署
前面的文章中讲述了数据并行、流水线并行、张量并行、序列并行、自动并行等多种并行技术。但现在的模型越来越大,训练样本越来越多,每个样本都需要经过模型的全部计算,这就导致了训练成本的平方级增长。而当我们希望在牺牲极少的计算效率的情况下,把模型规模提升上百倍、千倍,通常就需要使用MOE(Mixture-of-Experts)并行。因此,本文接下来给大家分享MOE并行。码字不易,如果觉得我的文章能够能够给
- MoE模型性能还能更上一层楼?一次QLoRA微调实践
Baihai IDP
技术干货白海科技人工智能深度学习LLMAIMoE自然语言处理
Fine-TuningMixtral8x7BwithQLoRA:EnhancingModelPerformance编者按:最近,混合专家(MixtureofExperts,MoE)这种模型设计策略展现出了卓越的语言理解能力,如何在此基础上进一步提升MoE模型的性能成为业界热点。本文作者使用一种名为QLoRA的方法,通过量化和LoRA技术对MoE模型Mixtral-8x7B进行微调,以期大幅提高其性
- 使用PyTorch实现混合专家(MoE)模型
deephub
pytorch人工智能python深度学习混合专家模型
Mixtral8x7B的推出在开放AI领域引发了广泛关注,特别是混合专家(Mixture-of-Experts:MoEs)这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征,体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型的优势,以提供更好的预测。它是围绕一个门控网络和一组专家网络构建的,每个专家网络都擅长特定任务的不同方面在本文中,我将使用Pytorch来实现一个MoE模
- 论文系列之-Mixtral of Experts
Takoony
transformer深度学习人工智能
Q:这篇论文试图解决什么问题?A:这篇论文介绍了Mixtral8x7B,这是一个稀疏混合专家(SparseMixtureofExperts,SMoE)语言模型。它试图解决的主要问题包括:1.提高模型性能:通过使用稀疏混合专家结构,Mixtral在多个基准测试中超越或匹配了现有的大型模型(如Llama270B和GPT-3.5),尤其是在数学、代码生成和多语言理解任务上。2.控制计算成本:尽管模型拥有
- 系统性介绍MoE模型架构,以及在如今大模型方向的发展现状
zenRRan
知乎:Verlocksss编辑:马景锐链接:https://zhuanlan.zhihu.com/p/6752162811学习动机第一次了解到MoE(Mixtureofexperts),是在GPT-4模型架构泄漏事件,听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构(8*220B)组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索,更多的工作还是聚焦在
- 超详细EM算法举例及推导
老实人小李
聚类算法聚类
最好先学习一下极大似然EM(Expectation-Maximum)算法也称期望最大化算法,曾入选“数据挖掘十大算法”中,可见EM算法在机器学习、数据挖掘中的影响力。EM算法是最常见的隐变量估计方法,在机器学习中有极为广泛的用途,例如常被用来学习高斯混合模型(Gaussianmixturemodel,简称GMM)的参数;隐式马尔科夫算法(HMM)、LDA主题模型的变分推断等等。EM算法是一种迭代优
- 【数据不完整?用EM算法填补缺失】期望值最大化 EM 算法:睹始知终
Debroon
算法
期望值最大化算法EM:睹始知终算法思想算法推导算法流程E步骤:期望M步骤:最大化陷入局部最优的原因算法应用高斯混合模型(GaussianMixtureModel,GMM)问题描述输入输出Python代码实现算法思想期望值最大化方法,是宇宙演变、物种进化背后的动力。如果一个公司在制定年终奖标准时,把每个员工一半的奖金和公司价值观挂钩,人们就会背诵创始人每个语录—整个公司都会自动迭代寻找最优解,每个人
- java数字签名三种方式
知了ing
javajdk
以下3钟数字签名都是基于jdk7的
1,RSA
String password="test";
// 1.初始化密钥
KeyPairGenerator keyPairGenerator = KeyPairGenerator.getInstance("RSA");
keyPairGenerator.initialize(51
- Hibernate学习笔记
caoyong
Hibernate
1>、Hibernate是数据访问层框架,是一个ORM(Object Relation Mapping)框架,作者为:Gavin King
2>、搭建Hibernate的开发环境
a>、添加jar包:
aa>、hibernatte开发包中/lib/required/所
- 设计模式之装饰器模式Decorator(结构型)
漂泊一剑客
Decorator
1. 概述
若你从事过面向对象开发,实现给一个类或对象增加行为,使用继承机制,这是所有面向对象语言的一个基本特性。如果已经存在的一个类缺少某些方法,或者须要给方法添加更多的功能(魅力),你也许会仅仅继承这个类来产生一个新类—这建立在额外的代码上。
- 读取磁盘文件txt,并输入String
一炮送你回车库
String
public static void main(String[] args) throws IOException {
String fileContent = readFileContent("d:/aaa.txt");
System.out.println(fileContent);
- js三级联动下拉框
3213213333332132
三级联动
//三级联动
省/直辖市<select id="province"></select>
市/省直辖<select id="city"></select>
县/区 <select id="area"></select>
- erlang之parse_transform编译选项的应用
616050468
parse_transform游戏服务器属性同步abstract_code
最近使用erlang重构了游戏服务器的所有代码,之前看过C++/lua写的服务器引擎代码,引擎实现了玩家属性自动同步给前端和增量更新玩家数据到数据库的功能,这也是现在很多游戏服务器的优化方向,在引擎层面去解决数据同步和数据持久化,数据发生变化了业务层不需要关心怎么去同步给前端。由于游戏过程中玩家每个业务中玩家数据更改的量其实是很少
- JAVA JSON的解析
darkranger
java
// {
// “Total”:“条数”,
// Code: 1,
//
// “PaymentItems”:[
// {
// “PaymentItemID”:”支款单ID”,
// “PaymentCode”:”支款单编号”,
// “PaymentTime”:”支款日期”,
// ”ContractNo”:”合同号”,
//
- POJ-1273-Drainage Ditches
aijuans
ACM_POJ
POJ-1273-Drainage Ditches
http://poj.org/problem?id=1273
基本的最大流,按LRJ的白书写的
#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
#define INF 0x7fffffff
int ma
- 工作流Activiti5表的命名及含义
atongyeye
工作流Activiti
activiti5 - http://activiti.org/designer/update在线插件安装
activiti5一共23张表
Activiti的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。
ACT_RE_*: 'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 (图片,规则,等等)。
A
- android的广播机制和广播的简单使用
百合不是茶
android广播机制广播的注册
Android广播机制简介 在Android中,有一些操作完成以后,会发送广播,比如说发出一条短信,或打出一个电话,如果某个程序接收了这个广播,就会做相应的处理。这个广播跟我们传统意义中的电台广播有些相似之处。之所以叫做广播,就是因为它只负责“说”而不管你“听不听”,也就是不管你接收方如何处理。另外,广播可以被不只一个应用程序所接收,当然也可能不被任何应
- Spring事务传播行为详解
bijian1013
javaspring事务传播行为
在service类前加上@Transactional,声明这个service所有方法需要事务管理。每一个业务方法开始时都会打开一个事务。
Spring默认情况下会对运行期例外(RunTimeException)进行事务回滚。这
- eidtplus operate
征客丶
eidtplus
开启列模式: Alt+C 鼠标选择 OR Alt+鼠标左键拖动
列模式替换或复制内容(多行):
右键-->格式-->填充所选内容-->选择相应操作
OR
Ctrl+Shift+V(复制多行数据,必须行数一致)
-------------------------------------------------------
- 【Kafka一】Kafka入门
bit1129
kafka
这篇文章来自Spark集成Kafka(http://bit1129.iteye.com/blog/2174765),这里把它单独取出来,作为Kafka的入门吧
下载Kafka
http://mirror.bit.edu.cn/apache/kafka/0.8.1.1/kafka_2.10-0.8.1.1.tgz
2.10表示Scala的版本,而0.8.1.1表示Kafka
- Spring 事务实现机制
BlueSkator
spring代理事务
Spring是以代理的方式实现对事务的管理。我们在Action中所使用的Service对象,其实是代理对象的实例,并不是我们所写的Service对象实例。既然是两个不同的对象,那为什么我们在Action中可以象使用Service对象一样的使用代理对象呢?为了说明问题,假设有个Service类叫AService,它的Spring事务代理类为AProxyService,AService实现了一个接口
- bootstrap源码学习与示例:bootstrap-dropdown(转帖)
BreakingBad
bootstrapdropdown
bootstrap-dropdown组件是个烂东西,我读后的整体感觉。
一个下拉开菜单的设计:
<ul class="nav pull-right">
<li id="fat-menu" class="dropdown">
- 读《研磨设计模式》-代码笔记-中介者模式-Mediator
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/
/*
* 中介者模式(Mediator):用一个中介对象来封装一系列的对象交互。
* 中介者使各对象不需要显式地相互引用,从而使其耦合松散,而且可以独立地改变它们之间的交互。
*
* 在我看来,Mediator模式是把多个对象(
- 常用代码记录
chenjunt3
UIExcelJ#
1、单据设置某行或某字段不能修改
//i是行号,"cash"是字段名称
getBillCardPanelWrapper().getBillCardPanel().getBillModel().setCellEditable(i, "cash", false);
//取得单据表体所有项用以上语句做循环就能设置整行了
getBillC
- 搜索引擎与工作流引擎
comsci
算法工作搜索引擎网络应用
最近在公司做和搜索有关的工作,(只是简单的应用开源工具集成到自己的产品中)工作流系统的进一步设计暂时放在一边了,偶然看到谷歌的研究员吴军写的数学之美系列中的搜索引擎与图论这篇文章中的介绍,我发现这样一个关系(仅仅是猜想)
-----搜索引擎和流程引擎的基础--都是图论,至少像在我在JWFD中引擎算法中用到的是自定义的广度优先
- oracle Health Monitor
daizj
oracleHealth Monitor
About Health Monitor
Beginning with Release 11g, Oracle Database includes a framework called Health Monitor for running diagnostic checks on the database.
About Health Monitor Checks
Health M
- JSON字符串转换为对象
dieslrae
javajson
作为前言,首先是要吐槽一下公司的脑残编译部署方式,web和core分开部署本来没什么问题,但是这丫居然不把json的包作为基础包而作为web的包,导致了core端不能使用,而且我们的core是可以当web来用的(不要在意这些细节),所以在core中处理json串就是个问题.没办法,跟编译那帮人也扯不清楚,只有自己写json的解析了.
- C语言学习八结构体,综合应用,学生管理系统
dcj3sjt126com
C语言
实现功能的代码:
# include <stdio.h>
# include <malloc.h>
struct Student
{
int age;
float score;
char name[100];
};
int main(void)
{
int len;
struct Student * pArr;
int i,
- vagrant学习笔记
dcj3sjt126com
vagrant
想了解多主机是如何定义和使用的, 所以又学习了一遍vagrant
1. vagrant virtualbox 下载安装
https://www.vagrantup.com/downloads.html
https://www.virtualbox.org/wiki/Downloads
查看安装在命令行输入vagrant
2.
- 14.性能优化-优化-软件配置优化
frank1234
软件配置性能优化
1.Tomcat线程池
修改tomcat的server.xml文件:
<Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" maxThreads="1200" m
- 一个不错的shell 脚本教程 入门级
HarborChung
linuxshell
一个不错的shell 脚本教程 入门级
建立一个脚本 Linux中有好多中不同的shell,但是通常我们使用bash (bourne again shell) 进行shell编程,因为bash是免费的并且很容易使用。所以在本文中笔者所提供的脚本都是使用bash(但是在大多数情况下,这些脚本同样可以在 bash的大姐,bourne shell中运行)。 如同其他语言一样
- Spring4新特性——核心容器的其他改进
jinnianshilongnian
spring动态代理spring4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
- Linux设置tomcat开机启动
liuxingguome
tomcatlinux开机自启动
执行命令sudo gedit /etc/init.d/tomcat6
然后把以下英文部分复制过去。(注意第一句#!/bin/sh如果不写,就不是一个shell文件。然后将对应的jdk和tomcat换成你自己的目录就行了。
#!/bin/bash
#
# /etc/rc.d/init.d/tomcat
# init script for tomcat precesses
- 第13章 Ajax进阶(下)
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/
- Troubleshooting Crystal Reports off BW
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Troubleshooting+Crystal+Reports+off+BW#TroubleshootingCrystalReportsoffBW-TracingBOE
Quite useful, especially this part:
SAP BW connectivity
For t
- Java开发熟手该当心的11个错误
tomcat_oracle
javajvm多线程单元测试
#1、不在属性文件或XML文件中外化配置属性。比如,没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中,还是UAT(用户验收
测试)环境中,都可以顺畅无阻地运行,但是一旦部署在PROD 上,把它作为多线程程序处理更大的数据集时,就会抛出IOException,原因可能是JDBC驱动版本不同,也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置,那么使它成为
- 正则表达式大全
yang852220741
html编程正则表达式
今天向大家分享正则表达式大全,它可以大提高你的工作效率
正则表达式也可以被当作是一门语言,当你学习一门新的编程语言的时候,他们是一个小的子语言。初看时觉得它没有任何的意义,但是很多时候,你不得不阅读一些教程,或文章来理解这些简单的描述模式。
一、校验数字的表达式
数字:^[0-9]*$
n位的数字:^\d{n}$
至少n位的数字:^\d{n,}$
m-n位的数字:^\d{m,n}$