- 深度学习-20:神经科学、脑科学和稀疏特性
MTVideoAI
深度学习专题深度学习原理与实践深度学习生物神经网络脑科学稀疏特性数学基础
深度学习-20:神经科学、脑科学和稀疏特性深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!第二次世界大战之后,美苏在全维度展开了霸权竞赛,人工智能研究伴随着计算机的发展也开始进入佳境。经过经过半个多世纪的发展,人工智能逐渐形成:符号学派、贝叶斯学派和联结学派三个流派。符号学派:以谓词逻辑表示法理论为基础的符号主义占据了绝对的主流,但是到了上世纪90年代,符号主义具有的先天缺陷开始暴
- 机器学习实战-52: K最近邻分类算法(k-Nearest Neighbor-KNN)
MTVideoAI
机器学习专题机器学习原理与实践机器学习K最近邻分类算法K-NearestNeighbor(KNN)分类算法Sklearn最近邻源码
机器学习实战-52:K最近邻分类算法深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!K最近邻(k-NearestNeighbor-KNN)分类算法属于监督学习算法。常用分类算法包括:逻辑回归(LogisticRegression,LR)、K最近邻(k-NearestNeighbor,KNN)、朴素贝叶斯模型(NaiveBayesianModel,NBM)、隐马尔科夫模型(Hidde
- 详解深度学习感知机原理
蒸熟的土豆
大家好,欢迎阅读深度学习专题。我们之前的机器学习专题已经结束了,我们把机器学习领域当中常用的算法、模型以及它们的原理以及实现都过了一遍。虽然还有一些技术,比如马尔科夫、隐马尔科夫、条件随机场等等没有涉及到。但是这些内容相比来说要弱一些,使用频率并不是非常高,我们就不一一叙述了,感兴趣的同学可以自行研究一下。我想像是GBDT、SVM这些模型都能理解的话,那些模型想必也不在话下。深度学习简介深度学习最
- AI学习路线
Ai扫地僧(yao)
ai
pythonpython语法数学基础AI数学基础在线编程天池leetcode编程基础课数据分析numpy实践pandas实践Matplotlib实践工具与框架pytorchtensorflow机器学习机器学习原理与实践深度学习深度学习原理与实践强化学习计算机视觉视觉AI应用入门与实战AI技术解读数据挖掘数据挖掘原理数据挖掘实战语音识别语音识别原理与应用语音合成技术声纹识别技术人机对话NLPNLP技
- 深度学习-23:矩阵理论(L0/L1/L2范数)
MTVideoAI
深度学习专题深度学习原理与实践深度学习矩阵理论向量和张量L1范数
深度学习-23:矩阵理论(L0/L1/L2范数)深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!线性代数是数学的一个分支,广泛应用于科学和工程领域。线性代数和矩阵理论是机器学习和人工智能的重要数学基础。有短板的请补课,推荐《TheMatrixCookbook》。线性代数主要涉及矩阵理论,本节围绕矩阵理论展开。1标量、向量和张量标量:一个标量就是一个单独的数字向量:一个向量就是一列数
- 机器学习实战-63:混合高斯模型聚类算法(Gaussian Mixture Model)
MTVideoAI
机器学习专题机器学习原理与实践机器学习混合高斯模型GaussianMixtureModel聚类算法
#机器学习实战-63:混合高斯模型聚类算法深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!机器学习分为监督学习、无监督学习和半监督学习(强化学习)。无监督学习最常应用的场景是聚类(clustering)和降维(dimensionreduction)。聚类算法包括:K均值聚类(K-Means)、层次聚类(HierarchicalClustering)和混合高斯模型(GaussianM
- 机器学习实战-54: 集成学习分类算法(ada-boost)
MTVideoAI
机器学习专题机器学习原理与实践机器学习分类算法集成学习ada-boost
集成学习分类算法深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!集成学习分类算法(ada-boost)属于监督学习算法。常用分类算法包括:逻辑回归(LogisticRegression,LR)、K最近邻(k-NearestNeighbor,KNN)、朴素贝叶斯模型(NaiveBayesianModel,NBM)、隐马尔科夫模型(HiddenMarkovModel)、支持向量机(Su
- 老唐全新深度学习专题系列视频
m0_59289028
深度学习音视频神经网络
目录├─02、深度学习入门视频课程(上篇)│├─10梯度下降算法原理.wmv│├─11反向传播.wmv│├─12神经网络整体架构.wmv│├─13神经网络模型实例演示.wmv│├─14过拟合问题解决方案.wmv│├─15Python环境搭建(推荐Anaconda方法).wmv│├─16Eclipse搭建python环境.wmv│├─17深度学习入门视频课程09动手完成简单神经网络.wmv│├─18
- 深度学习-30: 基础CNN模型和深度学习模型
MTVideoAI
深度学习专题深度学习原理与实践深度学习神经元卷积神经网络人工智能
深度学习-30:基础CNN模型和深度学习模型深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!1神经元人脑是生物进化和造物主的杰作,目前我们对微观人脑的知识可能比宏观的天文知识还要少。在众多人脑模型中,神经网络模型独树一帜。生物神经系统的基本结构和功能单位是神经元(神经细胞),而神经元的活动和信息在神经系统中的传输则表现为一定的生物电变化及其传播。神经元通过树突接收到外部信号,然后对
- 《脚本之家》的AI书单
隨筆塗鴉
最近看了《脚本之家》的微信推送,里面罗列了一些关于AI的书籍,在此简记书单:入门基础:《人工智能(第2版)》【美】StephenLucci&DannyKopec《深度学习》【美】lanGoodfellow等《Python神经网络编程》【英】TariqRashid深度学习:《深度学习与TensorFlow实战》李建军等《深度学习原理与实践》陈仲铭等《Python深度学习》【英】N.D.Lewis《K
- 淘系技术联合承办GAITC 2021专题论坛即将召开,就深度学习议题展开讨论
阿里巴巴淘系技术团队官网博客
人工智能深度学习编程语言敏捷开发自然语言处理
6月5日至6日,由中国人工智能学会主办的2021全球人工智能技术大会(GAITC2021)将在杭州举办。本届大会重装升级,集会议、展览、大赛三位一体,打造一个立体呈现智能科技创新前沿的综合性平台。大会期间将举办20余场专题论坛。6月6日,由CAAI深度学习专委会主任季向阳教授、阿里巴巴集团副总裁、淘系技术部负责人汤兴担任论坛主席的《深度学习专题论坛》将拉开帷幕。期间,淘系技术部推荐算法负责人欧文武
- slam特征点深度 svd_ICRA20中的SLAM论文汇总(一)VSLAM
weixin_39789370
slam特征点深度svd
本文是第一部分,包含比较典型的VSLAM工作(包括VIO)。激光SLAM、多传感器融合、多机器人和其它脑洞SLAM留给第二部分。第三部分是深度学习专题。本文来源:知乎空间智能专栏趁着ICRA20还没结束(在线论文集开放到8月底),我和高仙机器人的赵敏同学人肉扫描了一遍SLAM和Localization主题下的所有论文,每篇文章写了一点摘要,大致做了归类,希望能帮各位节省一点时间。虽然摘要基本不含主
- 深度学习专题-计算机视觉一
Better-1
神经网络结构
一早期的图像处理技术缺点有提取了全局的特征而丢了细节。特征提取-索引技术-相关反馈-重排序简单的特征变换包括了:中心化,变量减去它的均值,相当于平移之后,所有数据觉得中心是(0,0);归一化,指的是,所有数据减去均值再除以标准差;去相关,消除或减弱多光谱图像波段之间的相关性:KL变换、HIS(色度、亮度、饱和度)变换;白化:使图像的像素值转化为零均值和单位方差。特征提取-索引技术-相关反馈-重排序
- 机器学习实战-64:线性判别分析降维算法(Linear Discriminant Analysis)
MTVideoAI
机器学习专题机器学习原理与实践
机器学习实战-64:线性判别分析降维算法深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!机器学习分为监督学习、无监督学习和半监督学习(强化学习)。无监督学习最常应用的场景是聚类(clustering)和降维(dimensionreduction)。聚类算法包括:K均值聚类(K-Means)、层次聚类(HierarchicalClustering)和混合高斯模型(GaussianMi
- 深度学习-71: Tensorflow的架构、模型、可视化和案例库
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-71:Tensorflow的架构、模型、可视化和案例库深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!文本介绍Tensorflow的架构,Tensorflow内置数据集,Tensorflow内置模型、内置可视化支持和相关在线资源。Tensorflow一个高度模块化的神经网络库,支持GPU和CPU。TensorFlow是一个使用数据流图进行数值计算的开源软件库。Tensor
- 深度学习-72: PyTorch的架构、模型、可视化和案例库
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-72:PyTorch的架构、模型、可视化和案例库深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!文本介绍PyTorch的架构,PyTorch内置数据集,PyTorch内置模型、PyTorch的可视化支持和相关在线资源。PyTorch(Caffe2)通过混合前端,分布式训练以及工具和库生态系统实现快速,灵活的实验和高效生产。PyTorch和TensorFlow具有不同计算图
- Tensorflow超级资源列表(Github 12.8K星)包罗万象
MTVideoAI
深度学习专题机器学习专题深度学习原理与实践
Tensorflow超级资源列表包罗万象Tensorflow超级资源列表(Github12.8K星)包罗万象-v7.x什么是TensorFlow?教程模型和工程由TensorFlow提供支持相关开源库(生态)相关视频相关论文相关博客相关社区相关图书Tensorflow超级资源列表(Github12.8K星)包罗万象-v7.x深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!发现了一份
- 深度学习-10:人工智能简史及三剑客
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-10:人工智能简史及三剑客深度学习原理与实践(开源图书)-总目录1人工智能简史深度学习理论的突破和深度学习硬件加速能力的突破,使AI在模式识别、无人驾驶、智力游戏领域取得空前的成功。学术界和工业界全力以赴掀起人工智能的新一轮热潮。各大互联网巨头纷纷成立人工智能研究中心,唯恐在新一轮人工智能的竞赛被无情淘汰。如今,机器学习的应用已遍及人工智能的各个分支,如专家系统、自动推理、自然语言理解、
- 一些著名大学关于机器学习,深度学习,计算机视觉,自然语言处理的课程(部分有视频)...
weixin_30820077
(1)Berkeley深度学习专题课程:https://berkeley-deep-learning.github.io/cs294-dl-f16/(2)stanford基于于深度学习的自然语言处理(有视频):https://www.youtube.com/watch?v=sU_Yu_USrNc相关的作业:https://github.com/bogatyy/cs224d(3)由CMU的Larry
- 机器学习实战-51: 逻辑回归分类算法(Logistic Regression)
MTVideoAI
机器学习专题机器学习原理与实践
机器学习实战-51:逻辑回归分类算法(LogisticRegression)深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!逻辑回归(LogisticRegression)分类算法属于监督学习算法。常用分类算法包括:逻辑回归(LogisticRegression,LR)、K最近邻(k-NearestNeighbor,KNN)、朴素贝叶斯模型(NaiveBayesianModel,N
- 机器学习实战-62:层次聚类算法(Hierarchical Clustering)
MTVideoAI
机器学习专题机器学习原理与实践
机器学习实战-62:层次聚类算法深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!机器学习分为监督学习、无监督学习和半监督学习(强化学习)。无监督学习最常应用的场景是聚类(clustering)和降维(dimensionreduction)。聚类算法包括:K均值聚类(K-Means)、层次聚类(HierarchicalClustering)和混合高斯模型(GaussianMixtur
- 深度学习-54:生成式对抗网络GAN(原理、模型和演进)
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-52:生成式对抗网络GAN(原理、模型和演进)深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!一般的学习模型都是基于一个假设的随机分布,然后通过训练真实数据来拟合出模型。网络模型复杂并且数据集规模也不小,这种方法简直就是凭借天生蛮力解决问题。Goodfellow认为正确使用数据的方式,先对数据集的特征信息有insight之后,再干活。在2014年,Goodfellow等提
- 深度学习-13:开源深度学习数据集汇总
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-13:开源深度学习数据集汇总深度学习原理与实践(开源图书)-总目录1机器视觉图形图像数据集1.1MnistMnist数据集:深度学习领域的“HelloWorld!”,入门必备!MNIST是一个手写数字数据库,它有60000个训练样本集和10000个测试样本集,每个样本图像的宽高为28*28。1.2ImageNetImageNet数据集:对深度学习的浪潮起了巨大的推动作用。深度学习领域大牛
- 打开深度学习的潘多拉魔盒(模型可视化)
MTVideoAI
深度学习专题深度学习原理与实践
打开深度学习的潘多拉魔盒(模型可视化)-v3.x深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!深度学习在各个领域攻城略地,在诸多领域秒杀传统算法,但是其运作细节一直是个黑盒。理论研究者特别是数学家无法完全解释的事物。学术界、研究所和企业界纷纷希望搞出工具箱,希望打开这个潘多拉魔盒,一窥究竟。总体上有两个目标:(1)量化和图形化其运行机理;(2)使从业者有更多的Insight,能够
- 深度学习-86:深度学习的降维攻击及流派
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-86:深度学习的降维攻击及流派深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!1AI强势降维攻击当今科技日新月异,行业巨头一不小心就成了不适应环境的恐龙,面临彻底出局的危险。2000年初的移动手机功能机时代向智能手机时代过渡的战国时代,给我们一些生动的案例,大而不死,赢者通吃,强者恒强,定位理论,品类创新等传统经济理论几乎都不能解释诺基亚、摩托罗拉的暴死。从事计算机业的苹
- 深度学习-42:深度递归神经网络(Recursive NN,RNN)
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-42:深度递归神经网络(RecursiveNN,RNN)深度学习原理与实践(开源图书)-总目录,构建知识谱系。递归神经网络(RecursiveNN,RNN)通过带有树状相似的神经网络结构来递归复杂的深度网络。本质上,递归神经网络是对循环神经网络(RecurrentNeuralNetwork)的一个有效扩展,他们具有不同的计算图。递归神经网络(RecursiveNN)和循环神经网络(Rec
- 机器学习原理与实践(开源图书)-总目录
MTVideoAI
机器学习专题机器学习原理与实践
机器学习原理与实践(开源图书)-总目录CSDN专栏:机器学习原理与实践(开源图书)CSDN专栏:深度学习原理与实践(开源图书)现在我们有了足够的基础设施收集数据和处理数据的能力,诸如:物联网、全球导航系统、互联网、工业互联网、电信网络、移动通信网络、传感器网络、云计算、超级计算机集群。从海量数据中建立模型或发现有用的知识才能将数据矿藏变成真实的知识财富,而挖矿的工具就是机器学习。一起阅读和完善:机
- 深度学习-84:自动驾驶技术(L0-L5级别)
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-84:自动驾驶技术(L0-L5级别)深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!人工智能在驾驶领域的应用最为深入。通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在无人类主动的操作下,自动安全进行操作。自动驾驶系统主要由环境感知、决策协同、控制执行组成。加入我们,一起阅读和完善:机器学习&深度学习原理与实践(开源图书)。告别碎片阅读,构成知
- 深度学习-85:智慧地球/智慧城市/智慧家庭
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-85:智慧地球/智慧城市/智慧家庭深度学习原理与实践(开源图书)-总目录,建议收藏,告别碎片阅读!网络互联互通在企业级别渗透范围极其广泛,边缘领域(家庭、公共基础设施、安防等)并未网络互联互通,数据都停留在信息孤岛上。智慧地球从很高的维度关注工业化、信息化和全球化的趋势,智慧地球的理念的发布,立即在IT界、经济界、工业界等领域引起了巨大的反响。加入我们,一起阅读和完善:机器学习&深度学习
- 深度学习-43:长短时记忆神经网络(LSTM)
MTVideoAI
深度学习专题深度学习原理与实践
深度学习-43:长短时记忆神经网络(LSTM)深度学习原理与实践(开源图书)-总目录,构建知识谱系。长短时记忆神经网络(LongShort-termMemoryNetworks,LSTM)是一种RNN特殊的类型,可以学习长期依赖信息。LSTM由Hochreiter&Schmidhuber(1997)提出,并在近期被AlexGraves进行了改良和推广。LSTM明确旨在避免长期依赖性问题。长时间记住
- 关于旗正规则引擎下载页面需要弹窗保存到本地目录的问题
何必如此
jsp超链接文件下载窗口
生成下载页面是需要选择“录入提交页面”,生成之后默认的下载页面<a>标签超链接为:<a href="<%=root_stimage%>stimage/image.jsp?filename=<%=strfile234%>&attachname=<%=java.net.URLEncoder.encode(file234filesourc
- 【Spark九十八】Standalone Cluster Mode下的资源调度源代码分析
bit1129
cluster
在分析源代码之前,首先对Standalone Cluster Mode的资源调度有一个基本的认识:
首先,运行一个Application需要Driver进程和一组Executor进程。在Standalone Cluster Mode下,Driver和Executor都是在Master的监护下给Worker发消息创建(Driver进程和Executor进程都需要分配内存和CPU,这就需要Maste
- linux上独立安装部署spark
daizj
linux安装spark1.4部署
下面讲一下linux上安装spark,以 Standalone Mode 安装
1)首先安装JDK
下载JDK:jdk-7u79-linux-x64.tar.gz ,版本是1.7以上都行,解压 tar -zxvf jdk-7u79-linux-x64.tar.gz
然后配置 ~/.bashrc&nb
- Java 字节码之解析一
周凡杨
java字节码javap
一: Java 字节代码的组织形式
类文件 {
OxCAFEBABE ,小版本号,大版本号,常量池大小,常量池数组,访问控制标记,当前类信息,父类信息,实现的接口个数,实现的接口信息数组,域个数,域信息数组,方法个数,方法信息数组,属性个数,属性信息数组
}
&nbs
- java各种小工具代码
g21121
java
1.数组转换成List
import java.util.Arrays;
Arrays.asList(Object[] obj); 2.判断一个String型是否有值
import org.springframework.util.StringUtils;
if (StringUtils.hasText(str)) 3.判断一个List是否有值
import org.spring
- 加快FineReport报表设计的几个心得体会
老A不折腾
finereport
一、从远程服务器大批量取数进行表样设计时,最好按“列顺序”取一个“空的SQL语句”,这样可提高设计速度。否则每次设计时模板均要从远程读取数据,速度相当慢!!
二、找一个富文本编辑软件(如NOTEPAD+)编辑SQL语句,这样会很好地检查语法。有时候带参数较多检查语法复杂时,结合FineReport中生成的日志,再找一个第三方数据库访问软件(如PL/SQL)进行数据检索,可以很快定位语法错误。
- mysql linux启动与停止
墙头上一根草
如何启动/停止/重启MySQL一、启动方式1、使用 service 启动:service mysqld start2、使用 mysqld 脚本启动:/etc/inint.d/mysqld start3、使用 safe_mysqld 启动:safe_mysqld&二、停止1、使用 service 启动:service mysqld stop2、使用 mysqld 脚本启动:/etc/inin
- Spring中事务管理浅谈
aijuans
spring事务管理
Spring中事务管理浅谈
By Tony Jiang@2012-1-20 Spring中对事务的声明式管理
拿一个XML举例
[html]
view plain
copy
print
?
<?xml version="1.0" encoding="UTF-8"?>&nb
- php中隐形字符65279(utf-8的BOM头)问题
alxw4616
php中隐形字符65279(utf-8的BOM头)问题
今天遇到一个问题. php输出JSON 前端在解析时发生问题:parsererror.
调试:
1.仔细对比字符串发现字符串拼写正确.怀疑是 非打印字符的问题.
2.逐一将字符串还原为unicode编码. 发现在字符串头的位置出现了一个 65279的非打印字符.
- 调用对象是否需要传递对象(初学者一定要注意这个问题)
百合不是茶
对象的传递与调用技巧
类和对象的简单的复习,在做项目的过程中有时候不知道怎样来调用类创建的对象,简单的几个类可以看清楚,一般在项目中创建十几个类往往就不知道怎么来看
为了以后能够看清楚,现在来回顾一下类和对象的创建,对象的调用和传递(前面写过一篇)
类和对象的基础概念:
JAVA中万事万物都是类 类有字段(属性),方法,嵌套类和嵌套接
- JDK1.5 AtomicLong实例
bijian1013
javathreadjava多线程AtomicLong
JDK1.5 AtomicLong实例
类 AtomicLong
可以用原子方式更新的 long 值。有关原子变量属性的描述,请参阅 java.util.concurrent.atomic 包规范。AtomicLong 可用在应用程序中(如以原子方式增加的序列号),并且不能用于替换 Long。但是,此类确实扩展了 Number,允许那些处理基于数字类的工具和实用工具进行统一访问。
- 自定义的RPC的Java实现
bijian1013
javarpc
网上看到纯java实现的RPC,很不错。
RPC的全名Remote Process Call,即远程过程调用。使用RPC,可以像使用本地的程序一样使用远程服务器上的程序。下面是一个简单的RPC 调用实例,从中可以看到RPC如何
- 【RPC框架Hessian一】Hessian RPC Hello World
bit1129
Hello world
什么是Hessian
The Hessian binary web service protocol makes web services usable without requiring a large framework, and without learning yet another alphabet soup of protocols. Because it is a binary p
- 【Spark九十五】Spark Shell操作Spark SQL
bit1129
shell
在Spark Shell上,通过创建HiveContext可以直接进行Hive操作
1. 操作Hive中已存在的表
[hadoop@hadoop bin]$ ./spark-shell
Spark assembly has been built with Hive, including Datanucleus jars on classpath
Welcom
- F5 往header加入客户端的ip
ronin47
when HTTP_RESPONSE {if {[HTTP::is_redirect]}{ HTTP::header replace Location [string map {:port/ /} [HTTP::header value Location]]HTTP::header replace Lo
- java-61-在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差. 求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5,
bylijinnan
java
思路来自:
http://zhedahht.blog.163.com/blog/static/2541117420116135376632/
写了个java版的
public class GreatestLeftRightDiff {
/**
* Q61.在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差。
* 求所有数对之差的最大值。例如在数组
- mongoDB 索引
开窍的石头
mongoDB索引
在这一节中我们讲讲在mongo中如何创建索引
得到当前查询的索引信息
db.user.find(_id:12).explain();
cursor: basicCoursor 指的是没有索引
&
- [硬件和系统]迎峰度夏
comsci
系统
从这几天的气温来看,今年夏天的高温天气可能会维持在一个比较长的时间内
所以,从现在开始准备渡过炎热的夏天。。。。
每间房屋要有一个落地电风扇,一个空调(空调的功率和房间的面积有密切的关系)
坐的,躺的地方要有凉垫,床上要有凉席
电脑的机箱
- 基于ThinkPHP开发的公司官网
cuiyadll
行业系统
后端基于ThinkPHP,前端基于jQuery和BootstrapCo.MZ 企业系统
轻量级企业网站管理系统
运行环境:PHP5.3+, MySQL5.0
系统预览
系统下载:http://www.tecmz.com
预览地址:http://co.tecmz.com
各种设备自适应
响应式的网站设计能够对用户产生友好度,并且对于
- Transaction and redelivery in JMS (JMS的事务和失败消息重发机制)
darrenzhu
jms事务承认MQacknowledge
JMS Message Delivery Reliability and Acknowledgement Patterns
http://wso2.com/library/articles/2013/01/jms-message-delivery-reliability-acknowledgement-patterns/
Transaction and redelivery in
- Centos添加硬盘完全教程
dcj3sjt126com
linuxcentoshardware
Linux的硬盘识别:
sda 表示第1块SCSI硬盘
hda 表示第1块IDE硬盘
scd0 表示第1个USB光驱
一般使用“fdisk -l”命
- yii2 restful web服务路由
dcj3sjt126com
PHPyii2
路由
随着资源和控制器类准备,您可以使用URL如 http://localhost/index.php?r=user/create访问资源,类似于你可以用正常的Web应用程序做法。
在实践中,你通常要用美观的URL并采取有优势的HTTP动词。 例如,请求POST /users意味着访问user/create动作。 这可以很容易地通过配置urlManager应用程序组件来完成 如下所示
- MongoDB查询(4)——游标和分页[八]
eksliang
mongodbMongoDB游标MongoDB深分页
转载请出自出处:http://eksliang.iteye.com/blog/2177567 一、游标
数据库使用游标返回find的执行结果。客户端对游标的实现通常能够对最终结果进行有效控制,从shell中定义一个游标非常简单,就是将查询结果分配给一个变量(用var声明的变量就是局部变量),便创建了一个游标,如下所示:
> var
- Activity的四种启动模式和onNewIntent()
gundumw100
android
Android中Activity启动模式详解
在Android中每个界面都是一个Activity,切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。
Android总Activity的启动模式分为四种:
Activity启动模式设置:
<acti
- 攻城狮送女友的CSS3生日蛋糕
ini
htmlWebhtml5csscss3
在线预览:http://keleyi.com/keleyi/phtml/html5/29.htm
代码如下:
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>攻城狮送女友的CSS3生日蛋糕-柯乐义<
- 读源码学Servlet(1)GenericServlet 源码分析
jzinfo
tomcatWebservlet网络应用网络协议
Servlet API的核心就是javax.servlet.Servlet接口,所有的Servlet 类(抽象的或者自己写的)都必须实现这个接口。在Servlet接口中定义了5个方法,其中有3个方法是由Servlet 容器在Servlet的生命周期的不同阶段来调用的特定方法。
先看javax.servlet.servlet接口源码:
package
- JAVA进阶:VO(DTO)与PO(DAO)之间的转换
snoopy7713
javaVOHibernatepo
PO即 Persistence Object VO即 Value Object
VO和PO的主要区别在于: VO是独立的Java Object。 PO是由Hibernate纳入其实体容器(Entity Map)的对象,它代表了与数据库中某条记录对应的Hibernate实体,PO的变化在事务提交时将反应到实际数据库中。
实际上,这个VO被用作Data Transfer
- mongodb group by date 聚合查询日期 统计每天数据(信息量)
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 1 */
{
"_id" : ObjectId("557ac1e2153c43c320393d9d"),
"msgType" : "text",
"sendTime" : ISODate("2015-06-12T11:26:26.000Z")
- java之18天 常用的类(一)
Luob.
MathDateSystemRuntimeRundom
System类
import java.util.Properties;
/**
* System:
* out:标准输出,默认是控制台
* in:标准输入,默认是键盘
*
* 描述系统的一些信息
* 获取系统的属性信息:Properties getProperties();
*
*
*
*/
public class Sy
- maven
wuai
maven
1、安装maven:解压缩、添加M2_HOME、添加环境变量path
2、创建maven_home文件夹,创建项目mvn_ch01,在其下面建立src、pom.xml,在src下面简历main、test、main下面建立java文件夹
3、编写类,在java文件夹下面依照类的包逐层创建文件夹,将此类放入最后一级文件夹
4、进入mvn_ch01
4.1、mvn compile ,执行后会在