- python机器学习
方安乐
pythonpython机器学习人工智能
Python机器学习是当前最为热门的机器学习领域之一,其简洁、易用、高效的特点,让越来越多的开发者开始探索其应用。本文将从以下几个方面介绍Python机器学习的基础知识和实践案例,帮助读者更好地理解和应用机器学习技术。前提Python机器学习的应用领域A.图像识别和计算机视觉B.自然语言处理和文本分析C.数据挖掘和推荐系统深度学习A.神经网络的基本原理B.常用的深度学习框架和算法C.深度学习在图像
- 情感分析常见算法与模型及实现步骤
计算机软件程序设计
知识科普算法情感分析机器学习
【1】常见算法与模型情感分析(SentimentAnalysis)是一种自然语言处理(NLP)技术,用于识别和提取文本中的主观信息,如情绪、态度和意见。常见的算法和模型包括以下几种:传统机器学习方法朴素贝叶斯(NaiveBayes)基于贝叶斯定理,假设特征之间相互独立。计算简单,适用于大规模数据集。常用于文本分类任务。支持向量机(SVM)通过寻找最优超平面来划分不同的类别。在高维空间中表现良好,适
- 基于深度学习的舆论分析与检测系统应用与研究
计算机软件程序设计
机器学习深度学习人工智能舆论检测
【1】系统介绍研究背景随着互联网技术的迅猛发展和社会媒体平台的普及,信息传播的速度和范围达到了前所未有的水平。这一变化不仅极大地丰富了人们的社交生活,也为社会科学研究提供了新的视角和工具。舆论分析作为社会科学研究的一个重要分支,其目的是通过收集和分析网络上的公众意见和情感倾向,来了解人们对特定事件或话题的看法和态度。近年来,基于深度学习的自然语言处理技术取得了显著进步,这为提高舆论分析的准确性和效
- 自然语言处理(NLP)-总览图学习
汤姆和佩琦
NLP自然语言处理学习人工智能
文章目录自然语言处理(NLP)-总览图学习1.一张总览图的学习1.语音学(Phonology)2.形态学(Morphology)3.句法学(Syntax)4.语义学(Semantics)5.推理(Reasoning)小结自然语言处理(NLP)-总览图学习转自《Python自然语言处理第二版》1.一张总览图的学习这张图片展示了一个自然语言处理的流程模型,涵盖了从语音分析到应用推理和执行的多个阶段,每
- 读论文 Situated Instruction Following
MhZhou0412
人工智能深度学习python
研究背景:在传统的指令跟随范式中,代理独自在一个空房子里行动,导致语言使用既简单又人为“完整”。与此相反,我们提出了情境指令跟随(SIF),该方法拥抱真实世界通信中固有的不完全和模糊性,具有人的物理存在。情境指令的意义通过人类的过去行动和预期未来行为自然展开。在我们的设置中,指令具有以下特征:(1)模糊不清,(2)具有时间演变的意图,(3)可以通过代理的动态行动更精确地解释。SIF中的任务包括两个
- 基于Python的自然语言处理系列(2):Word2Vec(负采样)
会飞的Anthony
自然语言处理人工智能信息系统自然语言处理word2vec人工智能
在本系列的第二篇文章中,我们将继续探讨Word2Vec模型,这次重点介绍负采样(NegativeSampling)技术。负采样是一种优化Skip-gram模型训练效率的技术,它能在大规模语料库中显著减少计算复杂度。接下来,我们将通过详细的代码实现和理论讲解,帮助你理解负采样的工作原理及其在Word2Vec中的应用。1.Word2Vec(负采样)原理1.1负采样的背景在Word2Vec的Skip-g
- 通过Python编程语言实现“机器学习”小项目教程案例
胡萝卜不甜
机器学习python机器学习开发语言
1.Python与机器学习概述1.1Python语言特点Python是一种广泛使用的高级编程语言,具有简洁、易读、易学的特点,这使得它成为初学者和专业人士的首选语言之一。简洁性:Python的语法简洁明了,减少了代码量,提高了开发效率。例如,与其他语言相比,Python可以用更少的代码实现相同的功能,这使得代码更容易编写和维护。易读性:Python的代码风格类似于英语,易于理解和阅读。这种易读性使
- GPT-4、GPT-4O 和 GPT-4O-mini 的区别与联系
surfirst
LLMai语言模型chatgpt
简介近年来,人工智能技术飞速发展,特别是在自然语言处理领域。GPT-4是OpenAI推出的新一代大模型,而GPT-4O和GPT-4O-mini是其优化版本,专门为不同应用场景和计算资源需求进行调整。在这篇文章中,我们将详细比较GPT-4、GPT-4O和GPT-4O-mini的区别与联系,帮助开发者更好地选择适合的模型。GPT-4是OpenAI发布的第四代通用预训练模型,具备强大的生成和理解能力,适
- 30个整数映射到1个字节,查表法实现小范围内常数时间素性判定
磁悬浮青蛙呱呱呱
数据结构C#MATLAB素性测试位图
想用查表法实现小范围内的常数时间的素性判定,怎样节省存储空间呢?自然是1个bit代表1个整数的素性,同时,偶数不用存,个位为5的整数不用存,只有个位为1、3、7、9的整数才可能是素数,也就是每20个整数中只有8个数可能是素数,正好1个字节。但本文的标题是30个整数映射到1个字节,说明上面的方法还有优化的潜力。让我们来考虑31~60这30个整数中最多有几个数可能是素数,所有偶数以及个位是5的数都是合
- 计算机视觉:卷积核
每天五分钟玩转人工智能
计算机视觉计算机视觉深度学习人工智能机器学习卷积神经网络
本文重点卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种深度学习模型,广泛应用于图像识别、自然语言处理、语音识别等领域。在卷积神经网络中,卷积核是网络的核心组件之一。通过不断堆叠卷积层和池化层,可以逐渐提取出更高级别的特征,从而实现更复杂的任务。卷积神经网络中的卷积核可以通过反向传播算法进行训练和优化,使其能够自适应地学习输入数据中的特征。因此,卷积神经网络在图像
- Agent实战系列:快速自定义Agent在业务线落地:从入门到高级[实现tool串联、多轮对话、多Agent动态编排、静态编排等]
汀、人工智能
AIAgentLLM工业级落地实践人工智能AIAgent多智能体协作知识问答智能问答RAGAI编排流
Agent实战系列:快速自定义Agent在业务线落地:从入门到高级[实现tool串联、多轮对话、多Agent动态编排、静态编排等]本系列涵盖了多个关键功能的实现,包括tool串联、多轮对话、多Agent动态编排以及静态编排等。通过这些功能的学习与实践,用户将能够构建出功能丰富、灵活多变的Agent系统。tool串联让Agent能够调用多种工具和服务,多轮对话则让Agent能够与用户进行更加自然和深
- ECharts:数据可视化的魔法师,偶尔也会“皮”一下
Python私教
Web使用Vue3进行前端开发Vue信息可视化echarts前端
在数据爆炸的时代,如何从海量数据中提取有价值的信息,并将其清晰易懂地呈现出来,成为了各行各业面临的共同挑战。数据可视化作为一种有效的信息传递手段,应运而生,并逐渐成为数据分析领域不可或缺的一部分。而在众多数据可视化工具中,ECharts凭借其强大的功能、灵活的配置和丰富的图表类型,脱颖而出,成为了众多开发者的首选利器。一、ECharts:数据可视化的利器ECharts是一个由百度开源的可视化图表库
- TikTok海外直播网络专线费用解析:跨境电商的网络新选择
蓝讯小刘
网络
在全球化的大潮中,跨境电商成为了连接不同国家和地区经济的重要桥梁。而要实现高效的跨境电商运营,稳定、高速的网络连接是必不可少的。TikTok海外直播网络专线即SD-WAN国际专线(就是土豆和马铃薯的区别),以其独特的优势,正逐渐成为跨境电商企业的首选网络解决方案。本文将深入解析SD-WAN国际专线的费用构成,并探讨其对全球跨境电商的影响。一、SD-WAN技术:跨境电商的网络新动力SD-WAN,即软
- DigitalOcean Kubernetes现已支持VPC natvie集群
DO_Community
kubernetes
DigitalOceanKubernetes(DOKS)的VPCnatvie集群功能现已正式上线!这一新功能实现了DOKS集群与虚拟私有云(VPC)资源之间的无缝集成,提升了工作负载的网络灵活性和可扩展性。什么是VPCnatvie集群?VPCnatvie集群支持Kubernetes集群与VPC资源之间进行原生路由。这意味着你的DOKS集群可以作为现有VPC网络架构的自然扩展,提供更流畅的连接和更好
- Rasa的工作流程
不会编程的程序猿ᅟ
rasa
Rasa的工作流程分为两个主要部分:NLU(自然语言理解)和Core(对话管理)。整个流程包括从用户输入到最终响应的多个步骤,下面是详细的工作流程解析:1.用户输入用户通过聊天界面(如微信、Telegram、Slack或Web前端)发送自然语言消息,例如:"我想预订一张明天去北京的火车票"2.自然语言理解(NLU)Rasa的NLU模块解析用户输入,提取意图和实体。2.1意图识别NLU模块会识别用户
- 国内的AI大模型有可能超过ChatGPT吗?
AIWritePaper官方账号
PromptChatGPTAIWritePaperchatgpt人工智能深度学习AI写作AIGC
这是一个非常有前瞻性和现实意义的问题。要回答国内AI是否有可能超过ChatGPT,我们需要从多个方面来分析,包括技术基础、数据资源、应用场景、政策支持以及人才储备等。以下是对这一问题的详细探讨:1.技术基础(1)现状国内AI技术:国内的AI技术发展迅速,尤其在深度学习、自然语言处理(NLP)和计算机视觉等领域已经取得了显著进展。例如,百度的文心一言、阿里的通义千问等大语言模型(LLM)已经在技术上
- 【Lora微调】提高模型效率的创新方法
@fishv
人工智能大模型微调Lora
前言在自然语言处理(NLP)和机器学习的研究和应用中,随着模型规模的不断扩大,模型训练的计算成本和存储需求也不断攀升。大型预训练模型,如GPT、BERT等,虽然在许多任务上表现出色,但它们的训练和微调通常需要巨大的计算资源,这使得许多研究者和开发者无法充分利用这些模型进行个性化或领域特定的调整。为了在保持模型性能的同时减少计算开销,**Lora(Low-RankAdaptation)**应运而生。
- 再分享API形式调用Dify项目应用
福安德信息科技
大模型python人工智能大模型llmdify
大模型相关目录大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容从0起步,扬帆起航。RAGOnMedicalKG:大模型结合知识图谱的RAG实现DSPy:变革式大模型应用开发最简明的Few-shotPrompt指南SemanticKernel:微软大模型开发框架——LangChain替代对话大模型Prompt是否需要
- 基于深度学习的鸟类识别系统详解(UI界面 + YOLOv10 + 数据集)
2025年数学建模美赛
深度学习uiYOLO人工智能python计算机视觉
引言鸟类识别是计算机视觉领域中一个独具挑战性的任务,尤其是在复杂的自然环境中,识别不同种类的鸟类需要非常强大的模型和丰富的数据集。随着深度学习技术的发展,基于YOLO(YouOnlyLookOnce)系列模型的目标检测系统展现了卓越的性能,特别是在速度和精度上的平衡方面。本博客将详细讲解如何利用YOLOv10模型来构建一个基于深度学习的鸟类识别系统。该系统会结合自定义鸟类数据集,设计一个简洁直观的
- Java 大视界 -- Java 大数据中的自然语言生成技术与实践(63)
青云交
大数据新视界Java大视界大数据自然语言生成基于规则模型基于统计模型基于深度学习模型新闻写作智能客服
亲爱的朋友们,热烈欢迎来到青云交的博客!能与诸位在此相逢,我倍感荣幸。在这飞速更迭的时代,我们都渴望一方心灵净土,而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识,也期待你毫无保留地分享独特见解,愿我们于此携手成长,共赴新程!一、欢迎加入【福利社群】点击快速加入:青云交灵犀技韵交响盛汇福利社群点击快速加入2:2024CSDN博客之星创作交流营(NEW)二、本博客的精华专栏:大数据新视
- 你知道吗?其实这些都是AI——智能聊天机器人
贫苦游商
人工智能机器人机器学习AIGC制造
智能聊天机器人AI:优化用户体验的智能助手在现代的数字化生活中,智能聊天机器人已经成为许多中国社交平台上不可或缺的一部分。这些机器人通过人工智能技术的支持,为用户提供各种互动服务,从回答常见问题到提供个性化建议,极大地提升了用户体验和平台的服务质量。智能聊天机器人AI的核心在于其强大的自然语言处理能力。通过分析用户的输入文本,这些系统能够理解用户的意图,并生成相应的回复。例如,当用户在购物平台上询
- 番茄工作法:优点与缺陷分析,适合哪些人群?
番茄工作法是一种广受欢迎的时间管理方法,它通过将工作时间分割成25分钟的工作块,每个工作块之后进行5分钟的休息,形成循环,帮助人们提高专注力和工作效率。尽管这种方法在许多场合取得了显著的效果,但它也并非适用于所有人和所有工作场景。番茄工作法的优点包括提高专注度、减少拖延、有效管理时间和减少压力;然而,它的缺陷也不容忽视,例如对于需要长时间深度思考的任务,番茄工作法可能会打断思路,造成工作不连贯。接
- Transformer大模型实战 BART模型的架构
AI天才研究院
大数据AI人工智能AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
Transformer大模型实战BART模型的架构作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming/TextGenWebUILLMTransformer大模型实战BART模型的架构1.背景介绍1.1问题的由来随着大规模预训练模型的兴起,如BERT、GPT系列等,研究人员发现基于Transformer架构的模型在自然语言处理任务上表现出了显著的优势。为
- 【Unity 天空和昼夜循环系统插件】Procedural Sky Shader & Day Night Cycle - Jupiter 旨在为游戏项目提供动态、真实的天际效果和昼夜变化
Unity游戏资源学习屋
Unity插件
ProceduralSkyShader&DayNightCycle-Jupiter是一款专为Unity开发的程序化天空和昼夜循环系统插件,旨在为游戏项目提供动态、真实的天际效果和昼夜变化。该插件使用程序生成的方式实时模拟天空的变化,提供了多种自定义选项,帮助开发者创建美丽且自然的环境光照和大气效果,适用于各种游戏类型,包括开放世界、冒险、角色扮演等。核心功能程序化天空生成插件采用程序生成方法,能够
- Adobe Animate(常简称为 AN)多媒体创作工具绿色下载安装
sdiSONG
adobe
AdobeAN软件简介AdobeAnimate(常简称为AN)是Adobe公司开发的一款强大的多媒体创作工具。它主要用于制作动画、互动内容以及游戏。AdobeAnimate的前身是FlashProfessional,经过多次版本迭代后,现已成为一款功能丰富、界面友好的专业设计软件。它支持多种平台,包括桌面、移动设备和网页,因而广受动画师和设计师的喜爱。一、软件简介1.1什么是AdobeAnimat
- Golang-Context标准库源码深扒-简介&目录
动起点
golang源码深扒#开发语言golang后端
Context简介&目录简介以下来自官方文档的翻译:context包定义了Context类型,用于跨越API边界和进程传递截止时间、取消信号以及其他与请求相关的值。服务器接收到的请求应该创建一个Context,而发往服务器的调用应该接受一个Context。在它们之间的函数调用链必须传播Context,并可以选择用WithCancel、WithDeadline、WithTimeout或WithVal
- 从文字到思维:呆马GPT在人工智能领域的创新之旅
呆码科技
gpt人工智能
引言生成式预训练变换器(GenerativePre-trainedTransformer,简称GPT)领域是人工智能技术中的一大革新。自OpenAI推出第一代GPT以来,该技术经历了多代发展,不断提升模型的规模、复杂度和智能化程度。GPT模型通过在大规模数据集上进行预训练,学习语言的统计规律和世界知识,然后在特定任务上进行微调,以适应不同的应用需求。GPT领域的发展推动了自然语言处理(NLP)技术
- BERT模型在情感分析中的应用:探寻文本情感的智能之路
Echo_Wish
前沿技术人工智能bert人工智能深度学习
随着互联网的普及和社交媒体的兴起,情感分析(SentimentAnalysis)已成为自然语言处理(NLP)领域的重要研究方向。情感分析通过对文本数据的分析,识别其中所表达的情感倾向(如正面、负面或中性)。近年来,BERT(BidirectionalEncoderRepresentationsfromTransformers)模型凭借其强大的上下文理解能力,在情感分析中展现出了卓越的性能。本文将深
- FPGA在空间领域应用的权衡之道
forgeda
EDA硬件辅助验证fpga开发硬件架构嵌入式硬件EDA硬件辅助验证故障注入测试SEUEmulation商业航天
新官上任,干货较多。去年10月30日,紫光国微在投资者关系活动中表示,对FPGA产品的国产化率以及未来价格压力趋势的答复是,除了个别品类外,FPGA领域已基本完成国产化替代。价格竞争激烈,现有存量市场需求不足,导致产品价格成为重要竞争手段等。价格是市场新进入者的唯一机会,FPGA行业自然也不例外。当下火热的“智算概念”,如果说GPU在数据中心堆算力的方式有多风光,那么在追求性能之外,必须权衡SWa
- 学习AI职场应用技能的意义
Mieux718
学习人工智能
在智能化浪潮下,“人工智能+”通识必修课的普及,其核心并非在于培养人工智能领域的专家,而是旨在构建全民AI素养的基石。学习AI是可以让学生借助其技术力量,为各自的专业领域插上创新的翅膀。除了高校外,越来越多的企业也开始关注AI对企业业务的帮助,职场中掌握AI也变得越来越重要。随着人工智能技术的发展,许多行业都在引入相关技术和应用,人工智能应用场景已深度融入办公流程、项目管理、项目运营、客户服务等工
- 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