Major_s
Major_s

ResNeSt

  • 1.一 论文导读
  • 2.二 论文精读
  • 3.三 代码实现
  • 4.四 问题思索

《ResNeSt: Split-Attention Networks》

作者：Hang Zhang
单位：
发表会议及时间：2020.4

一 论文导读

GoogleNet 采用了Multi-path机制，其中每个网络块均由不同的卷积kernels组成

ResNeXt在ResNet bottle模块中采用组卷积，将multi-path结构转换为统一操作

SE-Net 通过自适应地重新校准通道特征响应来引入通道注意力（channel-attention）机制

SK-Net 通过两个网络分支引入特征图注意力（feature-map attention）

二 论文精读

三 代码实现

https://github.com/zhanghang1989/ResNeSt

四 问题思索

你可能感兴趣的:(ResNeSt)

  • 每月深度学习俱乐部第一卷“ ResNeSt”特别版（日文翻译） qiufeng1ye
    月刊ディープラーニング部vol.1"ResNeSt"特集byピジョン（原文链接）每月深度学习俱乐部第一卷“ResNeSt”特别版（日文翻译）封面原文：【特集1】ResNeSt(TensorFlow2.0系)のPyPIパッケージを作りました表紙にも散々強調してありますが、ResNeSt[1]を実装していました。Kaggle,Colaboratory(Jupyter系全般)においては以下のコマンドで導
  • ResNeSt 2020 论文阅读笔记 Kloping
    ResNeSt:Split-AttentionNetworksGithub:https://github.com/zhanghang1989/ResNeStDetectron2版本Github:https://github.com/zhanghang1989/detectron2-ResNeSt1.Introduction主要谈了一下目前一些ResNet的变体网络存在的问题最近大部分的下游应用还是
  • 利用魔搭中的开源模型进行动物识别 另一个人。 深度学习人工智能深度学习
    细粒度动物识别（8k类）模型介绍本模型是对含有动物的图像进行标签识别，无需任何额外输入，输出动物的类别标签，目前已经覆盖了8K多类的细粒度的动物类别。模型描述模型采用resnest101网络结构。使用方式和范围使用方式：直接推理，对输入的图像，输入图像直接进行推理。使用场景:适合含有动物的图像进行动物标签识别，期望图像中动物占比不要过小。代码范例：#encoding=utf-8frommodels
  • 论文阅读——ResNeSt: Split-Attention Networks 吃远
    一、摘要  尽管图像分类任务持续取得进步，诸如物体检测和语义分割等下游应用在选择骨干网络时仍然大量采用resnet及其变体，因为resnet简单且模块化的结构。本文提出了一个模块化的分离-注意力模块（split-attentionblock)，实现在网络中对特征图跨组（featuregroups）使用注意力机制。通过以resnet风格对split-attentionblock进行堆叠，我们得到一个
  • 目标检测：记录mmdetection替换backbone为ResNeSt qq_30612045 pytorch深度学习人工智能python
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、基本环境配置二、实现过程1.Defineresnest2.Importthemodule3.适配resnest.py4.适配resnet.py5.Usethebackboneinyourconfigfile前言实验需要将现有开源目标检测代码的backbone替换为ResNeSt，开源代码基于mmdetectionv1开
  • 基于Attention机制的轻量级网络架构以及代码实现 深度学习技术前沿 网络python计算机视觉机器学习人工智能
    点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要10分钟Follow小博主，每天更新前沿干货导读之前详细介绍了轻量级网络架构的开源项目，详情请看深度学习中的轻量级网络架构总结与代码实现，今日更新了基于注意力机制的轻量级网络架构，主要包括ECANet、SANet、ResNeSt、Tripletattention等.主要将上述即插即用的注意力模块集成到MobileNetv2的框架中，具体代码可
  • 【最强ResNet改进系列】IResNet：涨点不涨计算量，可训练网络超过3000层！ 深度学习技术前沿 计算机视觉神经网络机器学习人工智能深度学习
    点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要15分钟Follow小博主，每天更新前沿干货【导读】本篇文章是【最强ResNet改进系列】的第四篇文章，前面我们已经介绍了Res2Net和ResNeSt，具体见：【最强ResNet改进系列】Res2Net：一种新的多尺度网络结构，性能提升显著和【CV中的注意力机制】史上最强"ResNet"变体--ResNeSt。本文我们将着重讲解IResNe
  • 【语义分割】对开源FastFCN的改动：FastFCN-Resnest-Xception 幻世至上 语义分割深度学习githubFastFCNResNest
    这篇文章主要是推广一下自己修改的FastFCN，为原文添加了一点backbone，方便有需要的研究者进行研究和学习~主要特点：添加了Resnest和Xception65模型，Xception65没有预训练模型；使用方法与原文相同，即在原文的–backbone[resnet50|resnet101]中，添加了–backbone[resnet50|resnet101|resnest50|resnest
  • MMdetection中Backbone的实现-ResNet50 L闰土 目标检测MMdetection深度学习人工智能python目标检测pytorch
    ResNet50的源码路径为mmdet/models/backbones/resnet.py。ResNet系列网络是经典网络之一，后续很多变种（如ResNeXt和ResNeSt等）和其他网络都借鉴了其残差块结构，首先先对一些结构名词做一些解释，便于理解。残差块，即ResidualBlock，也就是接下来要讲解的BasicBlock和Bottleneck两个基本模块，若干卷积层、归一化层和激活层构成
  • nn.AvgPool2d实现nn.AdaptiveAvgPool2d joyce_peng #深度学习框架pythonpytorch
    importtorch#数据x=torch.randn([1,3,4,4])print(x.shape)#nn.AdaptiveAvgPool2d结果gap=nn.AdaptiveAvgPool2d(1)print(gap(x))#nn.AvgPool2d结果，参考resnest代码gap2=nn.AvgPool2d(kernel_size=(x.size(2),x.size(3)))#ceil_
  • ResNeSt中的ResNest Block（split-attention blocks） CVer_Yxq 深度学习
    从图中很明显可以看出ResNeSt是SENet-block、SKNet-block和ResNeXt的集成。首先和ResNeXt一样，先将输入划分为K份，每一个都记作CardinalX。然后将每个Cardinal继续拆分为SplitY，所以总共就有G=XY个分支（可以想象成一棵树）。SplitY是由若干卷积组成，用于特征的提取，同一个Cardinal里的Split通过同一个SplitAttentio
  • ResNeSt网络结构概要解读 Moeyinss DL#网络结构基础
    本篇主要介绍ResNeSt，其他相关系列及其变体见如下blog目录ResNet系列及其变体目录ResNeSt:Split-AttentionNetworksenablesattentionacrossfeature-mapgroups，提出Split-Attention模块。背景知识基于Multi-pathandFeature-mapAttention。GoogleNet中提出Multi-path
  • 【机器学习】详解 ResNeSt 何处闻韶 【机器学习与深度学习】深度学习
    目录摘要一、介绍二、相关工作2.1现代CNN架构2.2多路和特征图注意力2.3神经架构搜索三、原理(Split-AttentionNetworks)3.1Feature-MapGroup3.2SplitAttentioninCardinalGroups3.3ResNeStBlock3.4Instantiation,Acceleration,andComputationalCosts3.5Relat
  • resnest中split-attention代码实现步骤解析 qq_42556102 深度学习python机器学习
    split-attention先看看原论文的模型图，这里不讲论文的模型图，讲实际代码实现流程。当我看完代码后发觉，代码实现步骤跟论文原图中的步骤是有差别的，当然内部实际计算是一样的。下面我会以举例的形式呈现代码实现split-attention模块的计算步骤。1.下面的步骤得到了splited元组，可以看到分组是radix组为大组，groups反倒是小组，这是为了方便代码操作才这样分。2.下面的步
  • ResNeSt的代码阅读（pytorch版本）ResNeSt Split-Attention Networks 佑林杉 网络结构网络python
    Torch版本主要分为四部分，ResNet、ResNeSt、split-attention和ablationsplit-attention模块也就是下面的图：上图对应论文中的：ResNet就是基本的resnet的编码：classBottleneck(nn.Module):就是对ResNet的bottleneck的编写，需要说的是，全局平均池化没有采用之前的网络采取对池化函数进行编码的方式，如下所：
  • 【论文】ResNeSt: Split-Attention Networks joyce_peng 深度学习
    论文：https://arxiv.org/pdf/2004.08955v1.pdf代码：https://github.com/zhanghang1989/ResNeStB站讲解：https://www.bilibili.com/video/BV1PV411k7ch#reply3078900535目录作者试图解决什么问题研究方法的关键是什么哪些东西可以为你所用哪些参考文献可以跟进一.作者试图解决什么
  • ResNeSt 模型分析和代码详解 (拆组和通道注意力ResNet) 老光头_ME2CS 卷积神经网络Pytorch深度学习
    ResNeSt:Split-AttentionNetworks模型的拆分注意力网络，最近特别火，主要是作为深度学习的backbone模型，ResNeSt在不同的图像任务中都有效提高了模型的预测精度。因此今天分享下，最近两天学习的心得体会，参考资料如下：ResNeSt:Split-AttentionNetworksgithub官网B站作者讲解张航主页文章目录安装使用ResNeSt创新点split(m
  • ResNeSt 之我见 Enjoy_endless Deeplearning
    今天是10.8号，国庆假期的最后一天，终于可以静下来看一篇文章了。最近很茫(是茫然的茫)、正值秋招见尾，今年cv领域的算法岗位确实是不太好找，好多公司企业最低要求都是博士起步了，当然自己能力不足确是原罪。大部分cv的同学、能找到cv岗位的已经比较少了、要不转了搜广推(偏nlp)、要不就只能是AI算法、或者开发等岗位了。搜广推这一块岗位多、工资高，确实不知道自己将会如何选择了，可能明年这个时候就去搞
  • 图像分类（一） ResNest——基于Channel-Wise的Split Attention及其block实现 lzzzzzzm #图像分类深度学习分类python人工智能图像分类注意力
    一、回顾Resnet和ResnextResnet的Residual结构Resnext中的Multi-branch结构二、Channel-Wise通道注意力三、Resnest主要涉及思想Split和poolingAttention总结前言ResNest被称为最强的resnet变体，而ResNest的主要设计思想就是考虑两个方面。一方面想利用Inception中多分支结构带来模型学习能力的提升。另一方
  • EfficientDet_ResneSt_YOLOV4 baidu_36557924 深度学习
    EfficientDet(2019/11/20)ResneSt(2020/4/19)YOLOV4(2020/4/23)1、EfficientDet论文：（https://arxiv.org/pdf/1911.09070.pdf）代码：（https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch）什么检测器能够兼顾准确率和模型效率？如何才能
  • ResNet变种（ResNet-B/C/D、Res2Net、ResNeXt、ResNeSt） @会飞的毛毛虫 深度学习+torch专栏ResNetResNeXtResNeSt
    ResNet-B/C/DResNet-B：将残差分支的下采样移到后面的3×3卷积里，避免了信息的大量流失。因为原始1×1卷积既要降维又要降尺寸，信息流失比较严重，因此做一个解耦。ResNet-C：将输入部分的7×7卷积核替换为3个3×3卷积核，显著降低参数量和计算量。ResNet-D：在ResNet-B的基础上，做了一个解耦，将identity部分的下采样交给avgpool去做，避免出现1×1卷积
  • ResNet最强改进版来啦！ResNest在多项任务中达到SOTA 深度学习技术前沿
    关注上方“深度学习技术前沿”，选择“星标公众号”，资源干货，第一时间送达！转载：机器之心编辑：深度学习技术前沿2015年，ResNet横空出世，一举斩获CVPR2016最佳论文奖，而且在Imagenet比赛的三个任务以及COCO比赛的检测和分割任务上都获得了第一名。四年过去，这一论文的被引量已达43413次。最近，来自亚马逊、加州大学戴维斯分校的张航、李沐、AlexanderSmola等研究者进一
  • Attentional Feature Fusion阅读笔记 Ma lidong Attention人工智能计算机视觉原力计划
    WACV2021YimianDai,FabianGieseke,StefanOehmcke,YiquanWu,KobusBarnard论文地址一、简介现有注意力存在三个缺点：1）有限的使用场景，SKNet和ResNeSt只关注同一层的特征选择，而跨层融合未得到有效解决，面临着如何集成不同尺度特征的问题。2）简单的初始集成，为了将得到的特征提供给注意模块，SKNet通过相加来进行特征融合，而这些特征
  • 【论文笔记】张航和李沐等提出：ResNeSt: Split-Attention Networks（ResNet改进版本） keocce
    github地址：https://github.com/zhanghang1989/ResNeSt论文地址：https://hangzhang.org/files/resnest.pdf核心就是：Split-attentionblocks先看一组图：ResNeSt在图像分类上中ImageNet数据集上超越了其前辈ResNet、ResNeXt、SENet以及EfficientNet。使用ResNeS
  • 《ResNeSt: Split-Attention Networks》阅读笔记 6个小石头 阅读论文神经网络计算机视觉
    目录一、论文二、阅读资料三、网络对比四、代码五、论文部分翻译一、论文《ResNeSt:Split-AttentionNetworks》二、阅读资料关于ResNeSt的点滴疑惑ResNet最强改进版来了！ResNeSt：Split-AttentionNetworks【论文笔记】张航和李沐等提出：ResNeSt:Split-AttentionNetworks（ResNet改进版本）三、网络对比1、SE
  • 深度学习-backbone网络模型 ReaFly CV--通用模块
    1.VGG2.ResNet3.DenseNet4.ResNeXt相关代码参考：PyTorch实现ResNeXt5.ResNeSt在ResNeXt的分组结构基础上，继续对每组划分R个split，执行SplitAttention操作，最后将各个分组concatenate一起，经变换后和原始输入叠加在一起，构成ResNetSt残差模块。思想上类似于ResNeXt和SKNet的结合。SplitAttent
  • 『paddle』paddleclas 学习笔记：分类预训练模型选择 libo-coder 深度学习框架paddlepaddle
    目录ImageNet预训练模型库模型库概览图SSLD知识蒸馏预训练模型ResNet及其Vd系列移动端系列SEResNeXt与Res2Net系列DPN与DenseNet系列HRNet系列Inception系列EfficientNet与ResNeXt101_wsl系列ResNeSt与RegNet系列ViT_and_DeiT系列RepVGG系列MixNet系列ReXNet系列SwinTransforme
  • FLOPs与模型推理速度关系 Nine-days 模型压缩
    2020/04/22更新刚在相关问题回答里跟ResNest作者讨论的时候又发现一个学术论文与工业界需求偏差的地方。好多使用attention的网络，比如x=x*sigmoid(x)，实际上需要把tensor拷贝一次，这其实增大了显存占用，而显存占用是影响工业界实际应用的。因为工业界考虑的不是FLOPs，甚至也不是单纯的inferencetime，考虑的是把一块儿GPU打满情况下的QPS（queri
  • 深度学习图像分类（十）：ResNet外传系列 Arwin（Haowen Yu） 计算机视觉深度学习计算机视觉卷积神经网络
    深度学习图像分类（十）：ResNeXt，ResNest…文章目录深度学习图像分类（十）：ResNeXt，ResNest...前言一、ResNeXt1.Motivation2.ModelArchitecture3.Whyitworks？二、ResNeSt1.SKNet2.ResNet与ResNeSt总结前言由于ResNet在神经网络里的地位实在是无可撼动，其paper引用量在CV界位居第一。因此，基
  • 深度详解ResNet到底在解决一个什么问题？ 小白学视觉 神经网络机器学习人工智能深度学习计算机视觉
    点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达https://www.zhihu.com/question/64494691本文仅作为学术分享，如果侵权，会删文处理最近看到不少ResNet的变体，比如ResNeSt、IResNet等。虽然ResNet发布于2015年，但目前仍有大量CV任务用其作为backbone。截止2020年5月1日，ResNet的引用量已达到44224
  • 怎么样才能成为专业的程序员？ cocos2d-x小菜 编程PHP
      如何要想成为一名专业的程序员？仅仅会写代码是不够的。从团队合作去解决问题到版本控制，你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员，那些必备的关键技能都是什么的时候，下面是我们了解到的情况。   关于如何学习代码，各种声音很多，然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了？！呵呵，就像其他工作一样，光会一个技能那是远远不够的。如果你想要成为
  • java web开发 高并发处理 BreakingBad javaWeb并发开发处理高
    java处理高并发高负载类网站中数据库的设计方法（java教程,java处理大量数据，java高负载数据） 一：高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用，数据库的响应是首先要解决的。 一般来说MySQL是最常用的，可能最初是一个mysql主机，当数据增加到100万以上，那么，MySQL的效能急剧下降。常用的优化措施是M-S（
  • mysql批量更新 ekian mysql
    mysql更新优化： 一版的更新的话都是采用update set的方式，但是如果需要批量更新的话，只能for循环的执行更新。或者采用executeBatch的方式，执行更新。无论哪种方式，性能都不见得多好。 三千多条的更新，需要3分多钟。 查询了批量更新的优化，有说replace into的方式，即： replace into tableName(id,status) values
  • 微软BI（3） 18289753290 微软BI SSIS
    1) Q：该列违反了完整性约束错误；已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID'，表 'JRB_EnterpriseCredit.dbo.QYFZCH'；列不允许有 Null 值。INSERT 失败。”。 A：一般这类问题的存在是
  • Java中的List g21121 java
            List是一个有序的 collection（也称为序列）。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引（在列表中的位置）访问元素，并搜索列表中的元素。         与 set 不同，列表通常允许重复
  • 读书笔记 永夜-极光 读书笔记
       1.  K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?          传统决策: A:100%订单  B,C,D:0%     &nbs
  • centos 安装 Codeblocks 随便小屋 codeblocks
    1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++   2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2* 3. 安装wxGTK    yum search w
  • 23种设计模式的形象比喻 aijuans 设计模式
    1、ABSTRACT FACTORY—追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 　　工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：
  • 开发管理 CheckLists aoyouzi 开发管理 CheckLists
    开发管理 CheckLists(23) -使项目组度过完整的生命周期 开发管理 CheckLists(22) -组织项目资源 开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
  • js实现切换 百合不是茶 JavaScript栏目切换
    js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路: 1,先将要显示的设置为display:bisible 否则设为none 2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示 3,判断js获取的id名字;再设置是否显示   代码实现:   html代码: <di
  • 周鸿祎在360新员工入职培训上的讲话 bijian1013 感悟项目管理人生职场
            这篇文章也是最近偶尔看到的，考虑到原博客发布者可能将其删除等原因，也更方便个人查找，特将原文拷贝再发布的。“学东西是为自己的，不要整天以混的姿态来跟公司博弈，就算是混，我觉得你要是能在混的时间里，收获一些别的有利于人生发展的东西，也是不错的，看你怎么把握了”，看了之后，对这句话记忆犹新。  &
  • 前端Web开发的页面效果 Bill_chen htmlWebMicrosoft
    1.IE6下png图片的透明显示： <img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/> 或在<head></head>间加一段JS代码让透明png图片正常显示。 2.<li>标
  • 【JVM五】老年代垃圾回收：并发标记清理GC(CMS GC) bit1129 垃圾回收
      CMS概述 并发标记清理垃圾回收(Concurrent Mark and Sweep GC）算法的主要目标是在GC过程中，减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能，尽可能短的暂停用户线程的时间。这对于交互式应用，比如web应用来说，是非常重要的。   CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收，它要复杂的多。吞吐量垃圾回收在执
  • Struts2技术总结 白糖_ struts2
      必备jar文件 早在struts2.0.*的时候，struts2的必备jar包需要如下几个： commons-logging-*.jar   Apache旗下commons项目的log日志包 freemarker-*.jar          
  • Jquery easyui layout应用注意事项 bozch jquery浏览器easyuilayout
    在jquery easyui中提供了easyui-layout布局，他的布局比较局限，类似java中GUI的border布局。下面对其使用注意事项作简要介绍：      如果在现有的工程中前台界面均应用了jquery easyui，那么在布局的时候最好应用jquery eaysui的layout布局，否则在表单页面（编辑、查看、添加等等）在不同的浏览器会出
  • java-拷贝特殊链表：有一个特殊的链表，其中每个节点不但有指向下一个节点的指针pNext，还有一个指向链表中任意节点的指针pRand，如何拷贝这个特殊链表？ bylijinnan java
    public class CopySpecialLinkedList { /** * 题目：有一个特殊的链表，其中每个节点不但有指向下一个节点的指针pNext，还有一个指向链表中任意节点的指针pRand，如何拷贝这个特殊链表？ 拷贝pNext指针非常容易，所以题目的难点是如何拷贝pRand指针。 假设原来链表为A1 -> A2 ->... -> An，新拷贝
  • color Chen.H JavaScripthtmlcss
    <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"  "http://www.w3.org/TR/html4/loose.dtd">    <HTML>    <HEAD>&nbs
  • [信息与战争]移动通讯与网络 comsci 网络
          两个坚持:手机的电池必须可以取下来                光纤不能够入户,只能够到楼宇       建议大家找这本书看看:<&
  • oracle flashback query(闪回查询) daizj oracleflashback queryflashback table
    在Oracle 10g中，Flash back家族分为以下成员： Flashback Database Flashback Drop Flashback Table Flashback Query(分Flashback Query,Flashback Version Query，Flashback Transaction Query) 下面介绍一下Flashback Drop 和Flas
  • zeus持久层DAO单元测试 deng520159 单元测试
    zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去. 本文是zeus的dao单元测试: 1.单元测试直接上代码   package com.dengliang.zeus.webdemo.test; import org.junit.Test; import o
  • C语言学习三printf函数和scanf函数学习 dcj3sjt126com cprintfscanflanguage
    printf函数 /* 2013年3月10日20:42:32 地点：北京潘家园 功能： 目的： 测试%x %X %#x %#X的用法 */ # include <stdio.h> int main(void) { printf("哈哈！\n"); // \n表示换行 int i = 10; printf
  • 那你为什么小时候不好好读书? dcj3sjt126com life
    dady, 我今天捡到了十块钱, 不过我还给那个人了 good girl! 那个人有没有和你讲thank you啊 没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you   爸爸, 如果地上有一张5块一张10块你拿哪一张呢.... 当然是拿十块的咯... 爸爸你很笨的, 你不会两张都拿   爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
  • iptables开放端口 Fanyucai linuxiptables端口
    1，找到配置文件 vi /etc/sysconfig/iptables   2，添加端口开放，增加一行，开放18081端口 -A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT   3，保存 ESC :wq!   4，重启服务 service iptables
  • Ehcache（05）——缓存的查询 234390216 排序ehcache统计query
    缓存的查询 目录 1.    使Cache可查询 1.1     基于Xml配置 1.2     基于代码的配置 2     指定可搜索的属性 2.1     可查询属性类型 2.2 &
  • 通过hashset找到数组中重复的元素 jackyrong hashset
      如何在hashset中快速找到重复的元素呢?方法很多，下面是其中一个办法： int[] array = {1,1,2,3,4,5,6,7,8,8}; Set<Integer> set = new HashSet<Integer>(); for(int i = 0
  • 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL lanrikey history
    后退时关闭当前页面 <script type="text/javascript"> jQuery(document).ready(function ($) {         if (window.history && window.history.pushState) {
  • 应用程序的通信成本 netkiller.github.com 虚拟机应用服务器陈景峰netkillerneo
    应用程序的通信成本 什么是通信 一个程序中两个以上功能相互传递信号或数据叫做通信。 什么是成本 这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。 都有哪些通信方式 全局变量 线程间通信 共享内存 共享文件 管道 Socket 硬件（串口，USB） 等等 全局变量 全局变量是成本最低通信方法，通过设置
  • 一维数组与二维数组的声明与定义 恋洁e生 二维数组一维数组定义声明初始化
    /**  *  */ package test20111005; /**  * @author FlyingFire  * @date:2011-11-18 上午04:33:36  * @author ：代码整理  * @introduce :一维数组与二维数组的初始化  *summary：  */ public c
  • Spring Mybatis独立事务配置 toknowme mybatis
    在项目中有很多地方会使用到独立事务，下面以获取主键为例   （1）修改配置文件spring-mybatis.xml  <!-- 开启事务支持 -->  <tx:annotation-driven transaction-manager="transactionManager" />   &n
  • 更新Anadroid SDK Tooks之后，Eclipse提示No update were found xp9802 eclipse
    使用Android SDK Manager 更新了Anadroid SDK Tooks 之后， 打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates  检测一会后提示 No update were found 
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他