- 《深入浅出多模态》(九)多模态经典模型:MiniGPT-v2、MiniGPT5
GoAI
深入浅出多模态深入浅出AI多模态vllmLLM大模型stablediffusion
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接✨专栏介绍:</
- 人脸识别算法MTCNN论文解读
纸上得来终觉浅~
图像处理paper阅读人脸识别mtcnn
论文名称:JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks论文地址:https://www.lao-wang.com/wp-content/uploads/2017/07/1604.02878.pdf1、MTCNN原理MTCNN,Multi-taskconvolutionalneuralnetwor
- NL2SQL进阶系列(5):论文解读业界前沿方案(DIN-SQL、C3-SQL、DAIL-SQL、SQL-PaLM)、新一代数据集BIRD-SQL解读
汀、人工智能
LLM工业级落地实践copilot人工智能NL2SQLLLM自然语言处理NL2DSLText2SQL
NL2SQL进阶系列(5):论文解读业界前沿方案(DIN-SQL、C3-SQL、DAIL-SQL)、新一代数据集BIRD-SQL解读NL2SQL基础系列(1):业界顶尖排行榜、权威测评数据集及LLM大模型(SpidervsBIRD)全面对比优劣分析[Text2SQL、Text2DSL]NL2SQL基础系列(2):主流大模型与微调方法精选集,Text2SQL经典算法技术回顾七年发展脉络梳理NL2SQ
- 图形学论文笔记
Jozky86
图形学图形学笔记
文章目录PBD:XPBD:shapematchingPBD:【深入浅出NvidiaFleX】(1)PositionBasedDynamics最简化的PBD(基于位置的动力学)算法详解-论文原理讲解和太极代码最简化的PBD(基于位置的动力学)算法详解-论文原理讲解和太极代码XPBD:基于XPBD的物理模拟一条龙:公式推导+代码+文字讲解(纯自制)【论文精读】XPBD基于位置的动力学XPBD论文解读(
- 【论文解读】Macroblock Level Rate Control for Low Delay H.264/AVC based Video Communication
Codec Conductor
论文解读#x264h.264x264音视频码率控制视频编解码AVC
级别:IEEE时间:2015作者:MinGao等机构:哈尔滨工业大学下载:MacroblockLevelRateControlforLowDelayH.264/AVCbasedVideoCommunication摘要算法目的:提出了一种针对低延迟H.264/AVC视频通信的宏块(MB)级别速率控制算法。算法基础:基于ρ域速率模型,该模型涉及量化后零变换系数的百分比(ρ)。关键技术:使用指数模型来描
- 论文解读:从Dijkstra的On-the-Fly到Go的三色标记算法,并行垃圾回收的起源
liuwill
计算机科学算法后端论文阅读
我们经常听到关于垃圾回收的说法是,某种垃圾回收算法是一种特定语言特有的,容易理解成,垃圾回收的算法跟特定编程语言是绑定的,但是仔细想想,垃圾回收器是一种分配和管理内存的机制或者程序,内存管理跟语言本身是没有必然联系的,只是语言运行时实现时的一种策略选择。更严格来说的,其实不仅仅是垃圾回收策略,一些语言的语法特性,也不是某种语言专属,语言的实现者完全可以通过组合,自己选择自己偏好的策略,发明更多的语
- 机器人建图算法2.1从栅格占据地图到ESDF地图
RuiH.AI
机器人建图算法学习算法
机器人建图算法2.1从栅格占据地图到ESDF地图前言论文解读示意图说明伪代码说明算法流程总结前言最基础的地图是占据栅格地图Occupancymap,每个格子标明了该位置是否被物体占据。然而对于规划和避障而言,地图中的占据信息是不够的,还需要障碍距离、方向等信息。TSDF和ESDF地图弥补了这个缺陷。IROS2010:ImprovedupdatingofEuclideandistancemapsan
- 知识图谱最新权威综述论文解读:实体发现
ngl567
上期我们介绍了2020年知识图谱最新权威综述论文《ASurveyonKnowledgeGraphs:Representation,AcquisitionandApplications》的知识图谱补全部分,本期我们将一起学习这篇论文的实体发现部分。论文地址:https://arxiv.org/pdf/2002.00388.pdfarxiv.org1实体发现本节将基于实体的知识获取区分为若干细分任务,
- 这个论文解读 agent 比GPT-4 还要牛!强烈推荐!
夕小瑶
人工智能自然语言处理transformerchatgpt深度学习神经网络
已经2024年了,该出现一个论文解读AIAgent了。但是目前市面上哪怕最强的GPT-4来做论文解读也是不行,所以我们顺手做了这样一个agent,因为——我们公司的算法同学也需要刷论文啊喂=,=而且我们也经常人工写论文解读嘛,所以干脆就顺手做一个得了,不求赚钱,但求有点用。真正尝试过用gpt去刷论文、写论文解读的小伙伴,一定深有体验——费劲。其他agents也没有能搞定的,所以我们就索性做了个,传
- 《生产调度优化》专栏导读
Lins号丹
生产调度优化生产调度优化
文章分类生产调度优化问题入门相关问题求解调度问题求解效率探讨相关论文解读生产调度优化问题入门文章包含重点简述生产车间调度优化问题两种常用的FJSP模型解析FJSP问题的标准测试数据集的Python代码解析FJSP标准测试数据代码相关问题求解文章求解器问题类型【作业车间调度JSP】通过python调用PuLP线性规划库求解PuLP(开源)作业车间调度JSP【作业车间调度JSP】通过PuLP调用COP
- 【ChatIE】论文解读:Zero-Shot Information Extraction via Chatting with ChatGPT
Bigcrab__
神经网络Tensorflowchatgpt人工智能深度学习
文章目录介绍ChatIEEntity-RelationTripleExtration(RE)NamedEntityRecognition(NER)EventExtraction(EE)实验结果结论论文:Zero-ShotInformationExtractionviaChattingwithChatGPT作者:XiangWei,XingyuCui,NingCheng,XiaobinWang,Xin
- FaE:基于符号知识的适应性和可解释的神经记忆
NLP论文解读
©原创作者|朱林论文解读:FactsasExperts:AdaptableandInterpretableNeuralMemoryoverSymbolicKnowledge论文作者:GoogleResearch论文地址:https://arxiv.org/abs/2007.00849收录会议:NAACL202101介绍大规模语言模型,如BERT、Transformer等是现代自然语言建模的核心,其
- 论文解读:知识图谱融入预训练模型
NLP论文解读
深度学习机器学习人工智能自然语言处理知识图谱
©NLP论文解读原创•作者|疯狂的Max背景及动机以BERT为基础的预训练模型在各项NLP任务获得巨大的成功,与此同时,如何在泛化的预训练模型基础上融入某些特定领域的知识图谱以获得在特定领域内让模型有更优秀的表现,这一课题也一直备受关注。然而大部分之前的将知识图谱融入预训练模型的工作都是将知识图谱的知识转化为知识导向的训练任务,通过更新整个模型的参数来进行训练,来实现知识图谱的融入。这种方法虽然可
- 知识增广的预训练语言模型K-BERT:将知识图谱作为训练语料
NLP论文解读
知识图谱语言模型bert
©原创作者|杨健论文标题:K-BERT:EnablingLanguageRepresentationwithKnowledgeGraph收录会议:AAAI论文链接:https://ojs.aaai.org/index.php/AAAI/article/view/5681项目地址:https://github.com/autoliuweijie/K-BERT01背景论述笔者在前面的论文解读中提到过E
- HybridA* 论文解读
Big David
自动驾驶规划系列论文阅读笔记HybridA*论文阅读混合Astar
本文旨在对原论文进行翻译,对混合A*有一个大概的理解论文题目:PracticalSearchTechniquesinPathPlanningforAutonomousDriving1摘要本文描述了一个实用的路径规划算法,无人驾驶汽车在未知的环境中,障碍物通过机器人的传感器实时检测产生平滑的路径。这项工作的动机和实验验证了在2007年DARPA城市挑战赛,机器人必须在停车场自主导航。本文的方法有两个
- 论文解读《Zero-Shot Category-Level Object Pose Estimation》类别级6D位姿估计
ZYLer_
6D位姿估计人工智能计算机视觉
论文:《Zero-ShotCategory-LevelObjectPoseEstimation》该文整体感觉不难,处理流程比较新颖,可以重点参考。Code:https://github.com/applied-ai-lab/zero-shot-pose(48star)摘要:解决问题:实例级姿态估计的问题。=>**零样本(也就是预测未见过的物体(没有该实例的数据标记和CAD模型),类别级)**预测来
- 论文解读《Gen6D: Generalizable Model-Free 6-DoF Object Pose Estimation from RGB Images》 小样本6D位姿估计
ZYLer_
6D位姿估计机器学习人工智能计算机视觉3d深度学习
论文:《Gen6D:GeneralizableModel-Free6-DoFObjectPoseEstimationfromRGBImages》Code:https://github.com/liuyuan-pal/gen6d(469star)摘要:现有的可推广姿态估计器要么需要高质量的对象模型,要么在测试时需要额外的深度图或对象掩码,这大大限制了其应用范围。为了满足实际应用中的需求,我们认为姿态
- 论文解读《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose 》
ZYLer_
6D位姿估计计算机视觉人工智能3d
论文:《EPro-PnP:GeneralizedEnd-to-EndProbabilisticPerspective-n-PointsforMonocularObjectPoseEstimation》Code:https://github.com/tjiiv-cprg/epro-pnp(909star)作者的视频简单介绍:https://www.bilibili.com/video/BV13T41
- VLM 系列——Llava1.6——论文解读
TigerZ*
AIGC算法人工智能AIGC深度学习计算机视觉
一、概述1、是什么Llava1.6是llava1.5的升级暂时还没有论文等,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、根据图片写代码(HTML、JS、CSS),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)。支持单幅图片输入(可以作为第一个或第二个输入),多轮文本对话。本文基于CLIP的视觉编码器,以及多个版本语言解码器,使用最简单的两层FC构成MLP映射视觉特
- VLM (MLLM)系列——论文解读总结
TigerZ*
AIGC算法深度学习人工智能计算机视觉AIGC图像处理算法
建议以下几篇都看一下吧,因为这几篇相对出发点都有新意,并且也都在同期的思南评测中有排名。CLIP*数据:用了4亿的互联网自有图文对数据。*模型:由一个视觉编码器、一个文本编码器*训练:一阶段预训练,在32768的batchsize下做的对比学习。中文CLIP*数据:由LAION5B等构成一个2亿的图文对数据。*模型:整体和CLIP类似,由一个视觉编码器、一个文本编码器。*训练:两阶段预训练,权重来
- 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
- 【论文解读】Document-Level Relation Extraction with Adaptive Focal Loss and Knowledge Distillation
Queen_sy
深度学习人工智能
目录1Introduction1Docre任务比句子级任务更具挑战性:2现有的Docre方法:3现有的Docre方法存在三个局限性2Methodology1使用轴向注意力模块作为特征提取器:2第二,提出适应性焦距损失3第三用知识蒸馏相关知识类别不平衡问题长尾类分布交叉熵损失和二元交叉熵损失二元交叉熵损失定义为知识蒸馏全文翻译https://baijiahao.baidu.com/s?id=1737
- 知识增强的预训练模型简介
NLP论文解读
©NLP论文解读原创•作者|杨健专栏系列概览该专栏主要介绍自然语言处理领域目前比较前沿的领域—知识增强的预训练语言模型。通过解读该主题具备代表性的论文以及对应的代码,为大家揭示当前最新的发展状况。为了能够和大家更好的分享自己的收获,笔者将遵循下面几个原则。1、理论讲解尽量深入浅出,通过举例子或者大白话讲解论文,而非仅针对原文翻译。2、针对论文中一些重要的术语,适时的做出解释。3、理论和实践相结合,
- AAAI 2020「自然语言处理(NLP)论文解读」文本简化要素分析
Shu灬下雨天
来源:AINLPer微信公众号编辑:ShuYini校稿:ShuYini时间:2020-2-17TILE:DiscourseLevelFactorsforSentenceDeletioninTextSimplification.Contributor:俄亥俄州立大学Paper:https://arxiv.org/abs/1911.10384v1Code:None文章摘要 文本简化需要对相关的句子
- 论文笔记-Generative Adversarial Nets
升不上三段的大鱼
论文链接:https://papers.nips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf论文解读:https://www.bilibili.com/video/BV1rb4y187vD?share_source=copy_web一句话总结:提出了生成模型框架GAN,包括一个生成模型G和一个判别模型D,用有监督的损失
- 「论文搬运」王亦洲课题组 CVPR 2021 入选论文解读:时间序列疾病预测的因果隐马尔可夫模型
Sternstunden
论文计算机视觉人工智能深度学习cvpr
本文是对发表于计算机视觉和模式识别领域的顶级会议CVPR2021的论文“CausalHiddenMarkovModelforTimeSeriesDiseaseForecasting(时间序列疾病预测的因果隐马尔可夫模型)”的解读。该论文由北京大学王亦洲课题组与深睿医疗等单位合作,针对时间序列疾病预测的问题,提出了因果隐马尔可夫模型描述疾病的动态发展过程,并使用基于VAE的变分框架进行学习。通过对图
- EMNLP 2023精选:Text-to-SQL任务的前沿进展(下篇)——Findings论文解读
Q同学的nlp笔记
sql人工智能nlp自然语言处理深度学习语言模型论文阅读
导语本文记录了今年的自然语言处理国际顶级会议EMNLP2023中接收的所有与Text-to-SQL相关(通过搜索标题关键词查找得到,可能不全)的论文,共计12篇,包含5篇正会论文和7篇Findings论文,以下是对这些论文的略读,某几篇也有详细的笔记(见链接)。由于篇数过多,分为两篇博客记录,本篇为第二篇,主要记录Findings论文:序号类型标题1MainBenchmarkingandImpro
- 2018年美国大学生数学建模竞赛B题优秀论文解读
校苑数模
2018年美赛B题优秀论文解读校苑数模校苑数模今天2018年美赛B题赛题2018MCMProblemB:HowManyLanguages?Background:Therearecurrentlyabout6,900languagesspokenonEarth.Abouthalftheworld’spopulationclaimoneofthefollowingtenlanguages(inorde
- 论文解读|MetaAI图像分割基础模型SAM——解锁数字大脑“视觉区”
BFT白芙堂
人工智能计算机视觉深度学习
原创|文BFT机器人内容提要事件背景:2023年4月5日,MetaAI研究团队发布论文“分割一切”一《SegmentAnything》并在官网发布了图像分割基础模型一SegmentAnythingModel(SAM)以及图像注释数据集Segment-Anything1-Billion(SA-1B)。论文核心观点:目标:MetaAI的目标是通过引入三个相互关联的部分来构建一个用于图像分割的基础模型:
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before 
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen