- Isaac Lab
独鹿
算法人工智能python开发语言机器人
一、安装isaacsimcondacreate-nisaaclabpython=3.10condaactivateisaaclabpipinstalltorch==2.2.2--index-urlhttps://download.pytorch.org/whl/cu121pipinstallisaacsim-rlisaacsim-replicatorisaacsim-extscache-physi
- 自定义数据集使用框架的线性回归方法对其进行拟合
〖是♂我〗
线性回归算法回归
代码:#导入必要的库importtorchimportnumpyasnpimportmatplotlib.pyplotasplt#定义数据集:二维数据,其中第一列是特征x,第二列是目标值ydata=[[-0.5,7.7],[1.8,98.5],[0.9,57.8],[0.4,39.2],[-1.4,-15.7],[-1.4,-37.3],[-1.8,-49.1],[1.5,75.6],[0.4,3
- 使用 PyTorch 实现逻辑回归:从数据到模型保存与加载
弥树子
pytorch逻辑回归人工智能
在机器学习中,逻辑回归是一种经典的分类算法,广泛应用于二分类问题。本文将通过一个简单的示例,展示如何使用PyTorch框架实现逻辑回归模型,从数据准备到模型训练、保存和加载,最后进行预测。1.数据准备逻辑回归的核心是通过学习数据中的特征与标签之间的关系来进行分类。在本示例中,我们手动创建了一个简单的二维数据集,包含两类数据点。第一类数据点的标签为0,第二类数据点的标签为1。class1_point
- [论文笔记] Megatron: mistral sliding window(ImportError: /workspace/venv/lib/python3.10/site-packag报错解决)
心心喵
论文笔记论文阅读
pyTorch—TransformerEngine1.2.1documentation论文:https://arxiv.org/pdf/2310.06825.pdftransformerengine的slidingwindow是用了flashatttention(新版本2以上,这里用的最新版本2.5.2)里对sliding_window的实现。所以不需要用transformerengine。直接用
- activiti 自动完成第一个任务
杨过姑父
springjava后端
有时候后我们开启一个流程实例的时候需要将第一个任务自动完成例如:我们开启一个请假申请,需要自动将提交请假申请的任务完成,自动跳到下一个审批任务通过监听器完成:监听器类型选择:delegateExpression表示将监听器的请求委托给spring容器中的一个实例${priceEvaluationListener}用来指定要委托的springbean的名字,例如@Slf4j@Componentpub
- pytorch 手写数字识别
CrxzYia
深度学习pytorch机器学习
importnumpyasnpimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimportstructimporttorch.optimasoptimfromPILimportImagefrommatplotlibimportpyplotaspltclassNet(nn.Module):def__init__(self):super
- pytorch单机多卡训练_数据并行DataParallel
Major Tom _
pytorch人工智能python
1.单机多卡概述单卡多级的模型训练,即并行训练,可分为数据并行和模型并行两种.数据并行是指,多张GPUs使用相同的模型副本,但采用不同batch的数据进行训练.模型并行是指,多张GPUs使用同一batch的数据,分别训练模型的不同部分.2.DataParallel源码2.1需要传入的参数module(Module):被并行运算的模型device_ids=None:CUDAdevicesoutput
- Java使用POI获取Excel公式并计算公式得到值-20220530
qq_40711092
java开发语言
参考代码新版@TestpublicvoidtestEvaluator()throwsException{Stringpath="D:\\测试获取公式.xlsx";FileInputStreamfileInputStream=newFileInputStream(path);//获取工作簿,这里使用的07版Workbookworkbook=newXSSFWorkbook(fileInputStrea
- 基于 PyTorch 的深度学习模型开发实战
一ge科研小菜鸡
人工智能深度学习
个人主页:一ge科研小菜鸡-CSDN博客期待您的关注引言深度学习已广泛应用于图像识别、自然语言处理、自动驾驶等领域,凭借其强大的特征学习能力,成为人工智能的核心技术之一。PyTorch作为当前流行的深度学习框架,提供了灵活的张量操作和动态计算图,便于模型的快速开发和调试。本教程将通过一个完整的深度学习模型开发流程,从数据预处理、模型构建、训练与优化、评估以及部署,帮助读者深入理解深度学习的关键技术
- 罗技Ghub配置文件压枪编程——仅供学习
Fortunate瑞
lua游戏
罗技Ghub配置文件压枪宏编程——仅供学习文档和基础C语言基础Lua简单语法G-seriesLuaAPI文档GHUB软件编程实例如何导入配置文件参考文档和基础C语言基础尽管我们基本只需要使用罗技现成的接口简单的编程,但编程所使用的lua脚本语言基于C语言开发,仍需掌握编程语言的基本语法,可参考C语言菜鸟教程Lua简单语法在掌握着C语言语法的前提下,Lua有着一些细小的区别,在使用循环等语句时需正确
- 使用 Pyro 和 PyTorch 的贝叶斯神经网络
无水先生
人工智能综合Pytorch和项目实践pytorch人工智能python
一、说明构建图像分类器已成为新的“helloworld”。还记得当你第一次接触Python时,你的打印“helloworld”感觉很神奇吗?几个月前,当我按照PyTorch官方教程并为自己构建了一个运行良好的简单分类器时,我也有同样的感觉。
- 使用pip install命令安装包时报No matching distribution的错误
夕卜
pippythonlinuxconda
在github下载了一份代码,在服务器上执行pipinstall-rrequirements.txt时报如下错误:ERROR:Couldnotfindaversionthatsatisfiestherequirementtorch==2.1.2(fromversions:1.0.0,1.0.1,1.0.1.post2,1.1.0,1.2.0,1.3.0,1.3.1,1.4.0,1.5.0,1.5.
- 【已解决】ERROR: No matching distribution found for torch.安装torch一次性解决方法
JavaPub-rodert
pythonERROR解决torchpythonpipcomfyuisdpython3
建议收藏这个方法,pythonpip安装依赖失败,多数都可以通过这个方法解决文章目录环境异常原因直接解决方案成功环境python安装torch异常(base)➜ComfyUIgit:(master)pipinstall-ihttps://pypi.mirrors.ustc.edu.cn/simpletorchLookinginindexes:https://pypi.mirrors.ustc.ed
- ML .NET 二手车价格预测之评估(三)
zLulus
C#.net机器学习深度学习
在模型生成后,可以通过Evaluate方法进行评估//注意,这里使用txt或者tsv格式的文件stringtestCsvPath=Path.Combine(AppDomain.CurrentDomain.BaseDirectory,"TrainData","test-data2.txt");stringmodelDirectory=Path.Combine(AppDomain.CurrentDom
- Meta Llama 3 使用 Hugging Face 和 PyTorch 优化 CPU 推理
lichunericli
人工智能pytorchllama
原文地址:meta-llama-3-optimized-cpu-inference-with-hugging-face-and-pytorch了解在CPU上部署Meta*Llama3时如何减少模型延迟2024年4月19日万众期待的Meta第三代Llama发布了,我想确保你知道如何以最佳方式部署这个最先进的(SoTA)LLM。在本文中,我们将重点讨论如何执行只权重量化(WOQ)来压缩8B参数模型并改
- nvdia triton server运行pt文件
滑稽的柴犬
神经网络机器学习python
tritonserver默认都是tensorrt推理。但也会出现有操作不支持,导致无法转模型为engine的情况。可以选择直接运行pytorch的pt文件,以下为操作步骤。1.pytorch后端环境编译步骤原理是使用pytorchC++API运行pt文件模型。安装依赖项apt-getinstallpatchelfrapidjson-devpython3-dev构建NGC的PyTorch容器。例如,
- 在PyTorch框架上训练ImageNet时,Dataloader加载速度慢怎么解决?
cda2024
pytorch人工智能python
在深度学习领域,PyTorch因其灵活性和易用性而受到广泛欢迎。然而,在实际应用中,特别是在处理大规模数据集如ImageNet时,Dataloader的加载速度往往成为瓶颈。本文将深入探讨这一问题,并提供多种解决方案,帮助你在PyTorch框架上高效地训练ImageNet。1.问题背景ImageNet是一个包含超过1400万张图像的大规模数据集,被广泛用于图像分类任务的研究。在PyTorch中,D
- 【安装cudnn】
Eternal-Student
linuxlinux
官网下载并安装如果打算使用深度学习框架,如TensorFlow或PyTorch,并且需要GPU加速,可能还需要安装NVIDIA的cuDNN库,它是一个GPU加速的深度神经网络库。officialweb:https://developer.nvidia.com/cudnn下载具体:cuDNN9.5.0Downloads历史版本下载:https://developer.nvidia.com/rdp/c
- Pytorch深度学习指南 卷I --编程基础(A Beginner‘s Guide) 第1章 一个简单的回归
liuhui244
深度强化学习深度学习pytorch回归
本章正式开始使用pytorch的接口来实现对应的numpy的学习的过程,来学习模型的实现,我们会介绍numpy是如何学习的,以及我们如何一步步的通过torch的接口来实现简单化的过程,优雅的展示我们的代码,已经我们的代码完成的事情numpy的线性回归在此之前,先看看现在的numpy实现的学习的过程是什么样的#引入计算模块importnumpyasnpfromsklearn.linear_model
- 如何在 Ubuntu 18.04 上升级 gcc 到 9.4:一步步详细指南
草莓奶忻
#Linuxubuntulinux运维c++
文章目录问题描述问题解决1.添加Toolchain测试PPA2.安装GCC和G++3.更新替代版本4.验证安装5.出现报错在执行sudoaptinstallgcc-9g++-9时,出现以下报错。解决方案更换默认的Ubuntu软件源问题描述在尝试编译PyTorch时遇到的报错提示需要GCC版本9.3或更高,但系统中安装的是版本7.5.0。因此,需要升级GCC到至少9.3版本。damon@damon-
- PyTorch中,view, reshape, 或者 permute 的区别和联系
不是吧这都有重名
pytorchpytorch人工智能python
在PyTorch中,view、reshape和permute都是用于改变张量形状的方法,但它们的工作方式和使用场景略有不同。以下是它们的区别和联系:1.view功能:view函数用于改变张量的形状,返回的是一个新张量,它与原始张量共享数据内存(相当于浅拷贝)。要求:view只能在张量是连续的(contiguous)的情况下使用。如果张量在内存中不是连续存储的(例如经过transpose或permu
- PyTorch transpose、permute、view和einops.rearrange
qq_27390023
pytorch人工智能python深度学习
einops.rearrange和PyTorch中的transpose、permute以及view都用于张量的操作,但它们的功能侧重和用法各有不同。以下是它们的详细比较和区别:1.功能和用途对比功能/操作einops.rearrangetorch.transposetorch.permutetorch.view维度交换支持直接通过模式字符串交换维度,同时支持插入、移除维度交换两个特定维度以任意顺序
- pytorch torch.vmap函数介绍
qq_27390023
pytorch人工智能python
torch.vmap是PyTorch提供的一个高效矢量化映射函数,用于对批量数据上的操作进行自动矢量化。它可以显著提高代码的性能和可读性,避免显式使用循环来操作批量数据。torch.vmap的核心功能对函数进行批量化操作。自动扩展函数,使其可以作用于批量输入(即N个样本)。提供对批量维度的灵活控制,包括指定输入输出的批量维度。函数签名torch.vmap(func,in_dims=0,out_di
- 基于CNN+Transformer混合模型实现交通流量时序预测(PyTorch版)
矩阵猫咪
cnntransformerpytorch卷积神经网络深度学习
前言系列专栏:【深度学习:算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域,讨论了各种复杂的深度神经网络思想,如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理、深度强化学习、大型语言模型和迁移学习。随着城市化进程的加速,交通流量预测成为城市交通管理与规划中的关键任务。准确的交通流量预测
- pytorch中tensor的底层存储方式,维度变换permute/view/reshape,维度大小和数目
lppfwl
pytorchpytorch
记录一下pytorch中tensor的底层存储方式,维度变换permute/view/reshape,维度大小和数目。tensor的底层存储方式tensor的底层存储是按照行优先的原则存储的,比如:>>importtorch>>a=tensor.rand((2,2,3))>>atensor([[[0.1345,0.4907,0.8740],[0.4888,0.5481,0.8513]],[[0.1
- Evaluation of OpenAI o1: Opportunities and Challenges of AGI
UnknownBody
LLMDailyLLMEvaluationagi人工智能大数据语言模型
本文是LLM系列文章,针对《EvaluationofOpenAIo1:OpportunitiesandChallengesofAGI》的翻译。OpenAIo1评估:AGI的机遇和挑战摘要1引言1.1背景:o1的新功能2研究范围和使用的公共数据集3相关工作4实验和观察5讨论5.1LLMAgents和o1:推进科学与工程中的问题解决6结论摘要这项全面的研究评估了OpenAI的o1-preview大型语
- 机器学习day3
ኈ ቼ ዽ
机器学习人工智能
自定义数据集使用框架的线性回归方法对其进行拟合importmatplotlib.pyplotaspltimporttorchimportnumpyasnp#1.散点输入#1、散点输入#定义输入数据data=[[-0.5,7.7],[1.8,98.5],[0.9,57.8],[0.4,39.2],[-1.4,-15.7],[-1.4,-37.3],[-1.8,-49.1],[1.5,75.6],[0
- 深度ResUnet与ResUnet++:新一代的语义分割神器
倪澄莹George
深度ResUnet与ResUnet++:新一代的语义分割神器去发现同类优质开源项目:https://gitcode.com/在这个数据驱动的时代,深度学习模型在图像处理领域展现出了强大的潜力,尤其是在语义分割任务中。今天,我们向您推荐一个基于PyTorch实现的开源项目——DeepResUnet和ResUnet++。这两个模型源自于学术界的最新研究,旨在提高图像分割的准确性和效率。项目介绍这个开源
- P5学习笔记
无涯学徒1998
pythonpytorch
本文为365天深度学习训练营中的学习记录博客原作者:K同学啊运动鞋品牌识别设置GPU导入数据构建CNN模型编写训练函数编写测试函数设置动态学习率等间隔动态调整自定义调整多间隔调整余弦退火正式训练结果可视化使用模型进行预测个人总结设置GPUimporttorchimporttorch.nnasnnimporttorchvision.transformsastransformsimporttorchv
- 训练入口+保存模型
如若123
深度学习python人工智能
importargparsefromtorch.utils.dataimportDataLoaderfromtesting.testingimport*frommodels.model_coupled_v1importUnetfromdata.data_loadimport*importglobfromcollectionsimportOrderedDictdevice="cuda:0"iftor
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s