- Kelper.js 笔记 python交互
UQI-LIUWJ
python库整理笔记
1加载Kepler地图KeplerGl()1.1主要参数height可选默认值:400地图显示的高度data数据集字典,键是数据集的名称config地图配置字典1.2举例fromkeplerglimportKeplerGlmap_=KeplerGl()map_默认的位置1.3添加自己的图1.3.1读取数据数据集笔记:OpenCelliD(手机基站开放数据库)_UQI-LIUWJ的博客-CSDN博客
- 前端目录笔记
UQI-LIUWJ
各专栏目录前端
HTMLHTML笔记:初识HTML(HTML文本标签、文本列表、嵌入图片、背景色、网页链接)-CSDN博客html笔记:CSS_UQI-LIUWJ的博客-CSDN博客HTML笔记表格_UQI-LIUWJ的博客-CSDN博客javascriptJavaScript笔记初识JavaScript(变量)_UQI-LIUWJ的博客-CSDN博客JavaScript笔记:数组_UQI-LIUWJ的博客-CS
- geopandas 笔记:geometry上的操作汇总
UQI-LIUWJ
python库整理笔记
如无特殊说明,数据主要来自:GeoDataFrame应用:公园分布映射至subzone_UQI-LIUWJ的博客-CSDN博客0读入数据subzone=gpd.read_file('ura-mp19-subzone-no-sea-pl.geojson')subzonesubzone_tst=subzone[0:5]subzone_tstsubzone_tst.plot()1area计算面积subz
- R 笔记 prophet
UQI-LIUWJ
Rpython开发语言后端
0理论部分论文笔记:ForecastingatScale(Prophet)_UQI-LIUWJ的博客-CSDN博客Prophet是一种基于加法模型预测时间序列数据的程序,其中非线性趋势、季节性以及假日效应相匹配。它最适用于具有强烈季节性和有几个季节历史数据的时间序列。Prophet对缺失数据和趋势变化具有鲁棒性,并且通常可以很好地处理异常值。1基本流程在R中,我们使用正常的模型拟合API。我们提供
- 论文笔记:DEEP DECLARATIVE DYNAMIC TIME WARPING FOREND-TO-END LEARNING OF ALIGNMENT PATHS
UQI-LIUWJ
论文笔记论文阅读
个人感觉,可微DTW的主要优点作为一个损失函数,可以进行梯度反向传播,如果目标只是两个时间序列的相似度,可能不太需要?1Intro1.1背景DTW笔记:DynamicTimeWarping动态时间规整(&DTW的python实现)【DDTW,WDTW】_UQI-LIUWJ的博客-CSDN博客近年来,可微DTW被广泛地研究Soft-DTW使用技巧替代min,使之可微机器学习笔记soft-DTW(论文
- 算法笔记:球树
UQI-LIUWJ
算法笔记
1KD树的问题算法笔记:KD树_UQI-LIUWJ的博客-CSDN博客在kd树中,导致性能下降的最核心因素是因为kd-tree中被分割的子空间是一个个的超方体,而求最近邻时使用的是欧式距离(超球)。超方体与超球体相交的可能性是极高的如上图所示,凡是相交的子空间,都需要进行检查,大大的降低运行效率2球树如果划分区域也是超球体,则相交的概率大大降低——>ball-tree通过超球体划分空间,去掉棱角,
- 论文笔记: MOGRIFIER LSTM
UQI-LIUWJ
论文笔记论文阅读
2020ICLR修改传统LSTM当前输入和隐藏状态充分交互,从而获得更佳的上下文相关表达1MogrifierLSTMLSTM的输入X和隐藏状态H是完全独立的机器学习笔记:GRU_gruc_UQI-LIUWJ的博客-CSDN博客这篇论文想探索,如果在输入LSTM之前,能让输入X和隐藏状态H做交互,那么性能能不能得到提升?——>论文提出了MogrifierLSTMi=0的时候,就是传统LSTM的输入和
- pyspark笔记 pyspark.sql.functions
UQI-LIUWJ
笔记
colqqpyspark笔记pyspark.sql.functioncolVSselect_UQI-LIUWJ的博客-CSDN博客取某一列lit创建一个包含指定值的列date_trunc将日期截取成由第一个参数指定的字符串值year,yyyy,yy——截取到年month,mon,mm——截取到月day,dd——截取到天microsecondmillisecondsecondminutehourwe
- statsmodels 笔记:自回归模型 AutoReg
UQI-LIUWJ
python库整理回归数据挖掘人工智能
理论部分“算法笔记:ARIMA_UQI-LIUWJ的博客-CSDN博客1基本用法classstatsmodels.tsa.ar_model.AutoReg(endog,lags,trend='c',seasonal=False,exog=None,hold_back=None,period=None,missing='none',*,deterministic=None)2参数说明endog一维序
- 信息论/python笔记: 最大信息系数 MIC
UQI-LIUWJ
数学知识整理python笔记sklearn
1互信息sklearn笔记整理:sklearn.metrics_sklearn中的meanabsolutepercentageerror_UQI-LIUWJ的博客-CSDN博客2最大信息系数(MIC,MaximalInformationCoefficient)2.1方法介绍衡量两个变量X和Y之间的关联程度,线性或非线性的强度相较于MutualInformation(MI)互信息而言有更高的准确度,
- 机器学习笔记:深度学习模型复杂度
UQI-LIUWJ
机器学习机器学习深度学习笔记
1时间复杂度(模型运算次数)决定了模型的训练/预测时间用FLOPs指代机器学习笔记:FLOPs_flop机器学习_UQI-LIUWJ的博客-CSDN博客2空间复杂度(模型参数数量)决定了模型的参数数量2.1全连接层参数量包含bias的话,参数量就是(2D+1)*4D+(4D+1)*D2.2卷积参数量
- python 笔记:PyTrack(将GPS数据和OpenStreetMap数据进行整合)【官网例子解读】
UQI-LIUWJ
python库整理python
论文笔记:PyTrack:AMap-Matching-BasedPythonToolboxforVehicleTrajectoryReconstruction_UQI-LIUWJ的博客-CSDN博客40包的安装官网的两种方式我都试过,装是能装成功,但是pythonimportPyTrack包的时候还是显示找不到Pytrack#condacondainstallpytrack#orPyPIpipin
- 鲁西南方言杂谈-够戗
一两茶叶
2021年5月拍摄《汉语词典》给“够戗”的解释是“拼音gòuqiàng,同‘够呛’,不能忍受地,非常厉害”的意思。这两个意思主要用于普通话中的口语,当然,鲁西南方言里也有使用。如“恁媳妇的脾气真够戗,性子也孬,动不动就呟(‘骂’的方言表述)老(‘长辈’的方言表述)嘞,实在是让人难以忍受。不行恁‘退货’算啦”,再如“这大冷嘞天,恁就穿一个汗褂子(‘衬衣’的方言表述),裹一个大氅(‘风衣’的方言表述)
- 算法笔记:KM算法(Kuhn-Munkres Algorithm)
UQI-LIUWJ
算法算法
带权二分图的最优匹配问题算法笔记:匈牙利算法_UQI-LIUWJ的博客-CSDN博客匈牙利算法的一个问题是,找到的匹配不一定是最优匹配因为算法将每个匹配对象的地位视为相同的,在这个前提下求解最大匹配而很多时候,二部图连边是带权重的,在这个基础上的匹配才更贴近真实情况1KM算法举例二部图的每条关系之间加入了权重1.1具体步骤首先对每个顶点赋值,称为顶标,将左边的顶点赋值为与其相连的边的最大权重,右边
- 强化学习笔记:PPO 【近端策略优化(Proximal Policy Optimization)】
UQI-LIUWJ
强化学习python
1前言我们回顾一下policynetwork:强化学习笔记:Policy-basedApproach_UQI-LIUWJ的博客-CSDN博客它先去跟环境互动,搜集很多的路径τ。根据它搜集到的路径,按照policygradient的式子去更新policy的参数。但问题是,一旦我们更新了参数,从θ变成了θ',那么这个概率就不对了,之前采样出来的数据就变的不能用了。所以policygradient是一个
- torchvision 笔记:transforms.Compose()
UQI-LIUWJ
pytorch学习pytorch
torchvision.transforms.Compose()类的主要作用是串联多个transforms列表里面的transform操作比如,在torchvision笔记:transforms.Normalize()_UQI-LIUWJ的博客-CSDN博客中的代码,可以用Compose来代替不变的部分fromPILimportImagefromtorchvisionimporttransform
- 论文笔记目录(ver2.0)
UQI-LIUWJ
各专栏目录论文阅读人工智能深度学习
1时间序列1.1时间序列预测论文名称来源主要内容论文笔记:DCRNN(DiffusionConvolutionalRecurrentNeuralNetwork:Data-DrivenTrafficForecasting)_UQI-LIUWJ的博客-CSDN博客iclr2017使用双向扩散卷积+GRU,建模空间和时间依赖性机器学习笔记soft-DTW(论文笔记Adifferentiablelossf
- 机器学习笔记:GRU
UQI-LIUWJ
机器学习机器学习回归人工智能
1LSTM复习机器学习笔记RNN初探&LSTM_UQI-LIUWJ的博客-CSDN博客中,我们使用的是这样的一张图来说明LSTM:这里为了和GRU有一个比较,使用如下的图表示LSTM,意思是一样的,绿色和紫色的部分是二者的对照关系:2GRU原理在GRU模型中只有两个门:分别是更新门zt和重置门rt更新门用于控制前一时刻的状态信息被带入到当前状态中的程度,更新门的值越大说明前一时刻的状态信息带入越多
- Linux下部署Nginx环境
徐文俊
方式1安装Nginx源sudorpm-ivhhttp://nginx.org/packages/centos/7/noarch/RPMS/nginx-release-centos-7-0.el7.ngx.noarch.rpm[root@izm5e33l0ge76uqi8nq87az/]#sudorpm-ivhhttp://nginx.org/packages/centos/7/noarch/RPM
- 图像处理中常用的相似度评估指标
修炼之路
opencv修炼之路图像处理计算机视觉opencv
导读有时候我们想要计算两张图片是否相似,而用来衡量两张图片相似度的算法也有很多,例如:RMSE、PSNR、SSIM、UQI、SIFT以及深度学习等。这篇文章主要介绍,RMSE、PSNR、SSIM、UQI这些指标的计算和应用,关于SIFT算法来计算图像的相似度在后面的文章中再进行介绍影响这些算法的结果也有很多因素,图片的噪声、平移、缩放、旋转、裁剪、透视变换等,都会影响到算法的最终结果,所以我们需要
- NTU 课程目录
UQI-LIUWJ
各专栏目录概率论java1024程序员节
ERICntuERIC课程笔记_UQI-LIUWJ的博客-CSDN博客NTU课程笔记:ERIC1welcoming&introduction_UQI-LIUWJ的博客-CSDN博客ntu课程ERIC(2):Planningyourresearch_UQI-LIUWJ的博客-CSDN博客NTU课程笔记:ERIC(3)开展研究_UQI-LIUWJ的博客-CSDN博客NTU课程ERIC(4)研究交流_U
- 机器学习笔记 :LSTM 变体 (conv-LSTM、Peephole LSTM、 coupled LSTM、conv-GRU)
UQI-LIUWJ
机器学习lstm机器学习深度学习
1LSTM复习机器学习笔记RNN初探&LSTM_UQI-LIUWJ的博客-CSDN博客机器学习笔记:GRU_UQI-LIUWJ的博客-CSDN博客_gru机器学习2PeepholeLSTM就是计算输入门、遗忘门和输出门的时候,我们不仅仅考虑h和x,还将C考虑进来3coupledLSTM输入门和遗忘门二合一4ConvLSTM可以看到convLSTM中也使用了peepholeLSTM的结构——cell
- 机器学习笔记:ViT (论文 An Image Is Worth 16X16 Words: Transformers for Image Recognition at Scale)
UQI-LIUWJ
论文笔记机器学习深度学习人工智能
ICLR20210前言说到图像处理,一般想到的就是CNN/CNN的变体机器学习笔记:CNN卷积神经网络_UQI-LIUWJ的博客-CSDN博客。ViT的想法是利用Transformer机制来替换CNN机制,将Transformer运用到图像分类中。机器学习笔记:Transformer_UQI-LIUWJ的博客-CSDN博客1图像转成句子(图片token化)将图像分割成小块(imagepatch),
- 模仿学习笔记:生成判别模仿学习 Generative Adversarial Imitation Learning, GAIL
UQI-LIUWJ
强化学习强化学习
1GAN(回顾)GAIL的设计基于生成判别网络(GAN)。这里简单地回顾一下GAN,详细的可见NTU课程笔记7454GAN_UQI-LIUWJ的博客-CSDN博客GAN由生成器(Generator)和判别器(Discriminator)组成,它们各是一个神经网络。——>生成器负责生成假的样本——>判别器负责判定一个样本是真是假。我们的目标是希望生成器生成的内容可以“以假乱真”1.1生成器生成器记作
- 机器学习笔记: 时间序列 分解 STL
UQI-LIUWJ
R机器学习机器学习p2p人工智能
1前言STL(’SeasonalandTrenddecompositionusingLoess‘)是以LOSS作为平滑方式的时间序列分解LOSS可以参考机器学习笔记:局部加权回归LOESS_UQI-LIUWJ的博客-CSDN博客2STL分解大致流程和思路2.1主体流程时间序列分解-STL分解法-钮甲跳-博客园(cnblogs.com)中展示了一张STL方法内循环的流程图,我觉得说得蛮好的,附上方便
- python 包介绍:osmnx
UQI-LIUWJ
python库整理python
1osmnx介绍一个Python包,可检索、建模、分析和可视化来自OpenstreetMap的街道网络。2graph模块graph类型就是networkx包中的graph类型。所以python库整理:networkx包_UQI-LIUWJ的博客-CSDN博客中G的操作这里的G都可以2.1graph_from_pointosmnx.graph.graph_from_point(center_poin
- pytorch 笔记:使用Tune 进行调参
UQI-LIUWJ
pytorch学习深度学习神经网络人工智能
自动进行调参,我们以pytorch笔记:搭建简易CNN_UQI-LIUWJ的博客-CSDN博客的代码为基础,进行output_channel和learningrate的调参1导入库fromfunctoolsimportpartialimportnumpyasnpimportosimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimpo
- pytorch 笔记:torchsummary、计算模型参数量
UQI-LIUWJ
pytorch学习pytorch深度学习神经网络
1torchsummary作用:打印神经网络的结构以pytorch笔记:搭建简易CNN_UQI-LIUWJ的博客-CSDN博客中搭建的CNN为例importtorchfromtorchsummaryimportsummaryclassCNN(nn.Module):def__init__(self):super(CNN,self).__init__()self.conv1=nn.Sequential
- pytorch笔记:TD3
UQI-LIUWJ
强化学习pytorchpython深度学习
参考代码来源:easy-rl/codes/TD3atmaster·datawhalechina/easy-rl(github.com)理论部分:强化学习笔记:双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客1task1_train.py1.1导入库importsys,oscurr_path=os.path.dirname(__file__)parent_path=os.path
- pytorch 笔记:DDPG (datawhale 代码解读)
UQI-LIUWJ
pytorch学习pytorch强化学习python机器学习深度学习
理论部分可见:强化学习笔记:双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客源代码路径:easy-rl/codes/DDPGatmaster·datawhalechina/easy-rl(github.com)1task0.py1.1库导入importsys,osimportdatetimeimportgymimporttorchfromenvimportNormalizedA
- 关于旗正规则引擎中的MD5加密问题
何必如此
jspMD5规则加密
一般情况下,为了防止个人隐私的泄露,我们都会对用户登录密码进行加密,使数据库相应字段保存的是加密后的字符串,而非原始密码。
在旗正规则引擎中,通过外部调用,可以实现MD5的加密,具体步骤如下:
1.在对象库中选择外部调用,选择“com.flagleader.util.MD5”,在子选项中选择“com.flagleader.util.MD5.getMD5ofStr({arg1})”;
2.在规
- 【Spark101】Scala Promise/Future在Spark中的应用
bit1129
Promise
Promise和Future是Scala用于异步调用并实现结果汇集的并发原语,Scala的Future同JUC里面的Future接口含义相同,Promise理解起来就有些绕。等有时间了再仔细的研究下Promise和Future的语义以及应用场景,具体参见Scala在线文档:http://docs.scala-lang.org/sips/completed/futures-promises.html
- spark sql 访问hive数据的配置详解
daizj
spark sqlhivethriftserver
spark sql 能够通过thriftserver 访问hive数据,默认spark编译的版本是不支持访问hive,因为hive依赖比较多,因此打的包中不包含hive和thriftserver,因此需要自己下载源码进行编译,将hive,thriftserver打包进去才能够访问,详细配置步骤如下:
1、下载源码
2、下载Maven,并配置
此配置简单,就略过
- HTTP 协议通信
周凡杨
javahttpclienthttp通信
一:简介
HTTPCLIENT,通过JAVA基于HTTP协议进行点与点间的通信!
二: 代码举例
测试类:
import java
- java unix时间戳转换
g21121
java
把java时间戳转换成unix时间戳:
Timestamp appointTime=Timestamp.valueOf(new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(new Date()))
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd hh:m
- web报表工具FineReport常用函数的用法总结(报表函数)
老A不折腾
web报表finereport总结
说明:本次总结中,凡是以tableName或viewName作为参数因子的。函数在调用的时候均按照先从私有数据源中查找,然后再从公有数据源中查找的顺序。
CLASS
CLASS(object):返回object对象的所属的类。
CNMONEY
CNMONEY(number,unit)返回人民币大写。
number:需要转换的数值型的数。
unit:单位,
- java jni调用c++ 代码 报错
墙头上一根草
javaC++jni
#
# A fatal error has been detected by the Java Runtime Environment:
#
# EXCEPTION_ACCESS_VIOLATION (0xc0000005) at pc=0x00000000777c3290, pid=5632, tid=6656
#
# JRE version: Java(TM) SE Ru
- Spring中事件处理de小技巧
aijuans
springSpring 教程Spring 实例Spring 入门Spring3
Spring 中提供一些Aware相关de接口,BeanFactoryAware、 ApplicationContextAware、ResourceLoaderAware、ServletContextAware等等,其中最常用到de匙ApplicationContextAware.实现ApplicationContextAwaredeBean,在Bean被初始后,将会被注入 Applicati
- linux shell ls脚本样例
annan211
linuxlinux ls源码linux 源码
#! /bin/sh -
#查找输入文件的路径
#在查找路径下寻找一个或多个原始文件或文件模式
# 查找路径由特定的环境变量所定义
#标准输出所产生的结果 通常是查找路径下找到的每个文件的第一个实体的完整路径
# 或是filename :not found 的标准错误输出。
#如果文件没有找到 则退出码为0
#否则 即为找不到的文件个数
#语法 pathfind [--
- List,Set,Map遍历方式 (收集的资源,值得看一下)
百合不是茶
listsetMap遍历方式
List特点:元素有放入顺序,元素可重复
Map特点:元素按键值对存储,无放入顺序
Set特点:元素无放入顺序,元素不可重复(注意:元素虽然无放入顺序,但是元素在set中的位置是有该元素的HashCode决定的,其位置其实是固定的)
List接口有三个实现类:LinkedList,ArrayList,Vector
LinkedList:底层基于链表实现,链表内存是散乱的,每一个元素存储本身
- 解决SimpleDateFormat的线程不安全问题的方法
bijian1013
javathread线程安全
在Java项目中,我们通常会自己写一个DateUtil类,处理日期和字符串的转换,如下所示:
public class DateUtil01 {
private SimpleDateFormat dateformat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
public void format(Date d
- http请求测试实例(采用fastjson解析)
bijian1013
http测试
在实际开发中,我们经常会去做http请求的开发,下面则是如何请求的单元测试小实例,仅供参考。
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.httpclient.HttpClient;
import
- 【RPC框架Hessian三】Hessian 异常处理
bit1129
hessian
RPC异常处理概述
RPC异常处理指是,当客户端调用远端的服务,如果服务执行过程中发生异常,这个异常能否序列到客户端?
如果服务在执行过程中可能发生异常,那么在服务接口的声明中,就该声明该接口可能抛出的异常。
在Hessian中,服务器端发生异常,可以将异常信息从服务器端序列化到客户端,因为Exception本身是实现了Serializable的
- 【日志分析】日志分析工具
bit1129
日志分析
1. 网站日志实时分析工具 GoAccess
http://www.vpsee.com/2014/02/a-real-time-web-log-analyzer-goaccess/
2. 通过日志监控并收集 Java 应用程序性能数据(Perf4J)
http://www.ibm.com/developerworks/cn/java/j-lo-logforperf/
3.log.io
和
- nginx优化加强战斗力及遇到的坑解决
ronin47
nginx 优化
先说遇到个坑,第一个是负载问题,这个问题与架构有关,由于我设计架构多了两层,结果导致会话负载只转向一个。解决这样的问题思路有两个:一是改变负载策略,二是更改架构设计。
由于采用动静分离部署,而nginx又设计了静态,结果客户端去读nginx静态,访问量上来,页面加载很慢。解决:二者留其一。最好是保留apache服务器。
来以下优化:
- java-50-输入两棵二叉树A和B,判断树B是不是A的子结构
bylijinnan
java
思路来自:
http://zhedahht.blog.163.com/blog/static/25411174201011445550396/
import ljn.help.*;
public class HasSubtree {
/**Q50.
* 输入两棵二叉树A和B,判断树B是不是A的子结构。
例如,下图中的两棵树A和B,由于A中有一部分子树的结构和B是一
- mongoDB 备份与恢复
开窍的石头
mongDB备份与恢复
Mongodb导出与导入
1: 导入/导出可以操作的是本地的mongodb服务器,也可以是远程的.
所以,都有如下通用选项:
-h host 主机
--port port 端口
-u username 用户名
-p passwd 密码
2: mongoexport 导出json格式的文件
- [网络与通讯]椭圆轨道计算的一些问题
comsci
网络
如果按照中国古代农历的历法,现在应该是某个季节的开始,但是由于农历历法是3000年前的天文观测数据,如果按照现在的天文学记录来进行修正的话,这个季节已经过去一段时间了。。。。。
也就是说,还要再等3000年。才有机会了,太阳系的行星的椭圆轨道受到外来天体的干扰,轨道次序发生了变
- 软件专利如何申请
cuiyadll
软件专利申请
软件技术可以申请软件著作权以保护软件源代码,也可以申请发明专利以保护软件流程中的步骤执行方式。专利保护的是软件解决问题的思想,而软件著作权保护的是软件代码(即软件思想的表达形式)。例如,离线传送文件,那发明专利保护是如何实现离线传送文件。基于相同的软件思想,但实现离线传送的程序代码有千千万万种,每种代码都可以享有各自的软件著作权。申请一个软件发明专利的代理费大概需要5000-8000申请发明专利可
- Android学习笔记
darrenzhu
android
1.启动一个AVD
2.命令行运行adb shell可连接到AVD,这也就是命令行客户端
3.如何启动一个程序
am start -n package name/.activityName
am start -n com.example.helloworld/.MainActivity
启动Android设置工具的命令如下所示:
# am start -
- apache虚拟机配置,本地多域名访问本地网站
dcj3sjt126com
apache
现在假定你有两个目录,一个存在于 /htdocs/a,另一个存在于 /htdocs/b 。
现在你想要在本地测试的时候访问 www.freeman.com 对应的目录是 /xampp/htdocs/freeman ,访问 www.duchengjiu.com 对应的目录是 /htdocs/duchengjiu。
1、首先修改C盘WINDOWS\system32\drivers\etc目录下的
- yii2 restful web服务[速率限制]
dcj3sjt126com
PHPyii2
速率限制
为防止滥用,你应该考虑增加速率限制到您的API。 例如,您可以限制每个用户的API的使用是在10分钟内最多100次的API调用。 如果一个用户同一个时间段内太多的请求被接收, 将返回响应状态代码 429 (这意味着过多的请求)。
要启用速率限制, [[yii\web\User::identityClass|user identity class]] 应该实现 [[yii\filter
- Hadoop2.5.2安装——单机模式
eksliang
hadoophadoop单机部署
转载请出自出处:http://eksliang.iteye.com/blog/2185414 一、概述
Hadoop有三种模式 单机模式、伪分布模式和完全分布模式,这里先简单介绍单机模式 ,默认情况下,Hadoop被配置成一个非分布式模式,独立运行JAVA进程,适合开始做调试工作。
二、下载地址
Hadoop 网址http:
- LoadMoreListView+SwipeRefreshLayout(分页下拉)基本结构
gundumw100
android
一切为了快速迭代
import java.util.ArrayList;
import org.json.JSONObject;
import android.animation.ObjectAnimator;
import android.os.Bundle;
import android.support.v4.widget.SwipeRefreshLayo
- 三道简单的前端HTML/CSS题目
ini
htmlWeb前端css题目
使用CSS为多个网页进行相同风格的布局和外观设置时,为了方便对这些网页进行修改,最好使用( )。http://hovertree.com/shortanswer/bjae/7bd72acca3206862.htm
在HTML中加入<table style=”color:red; font-size:10pt”>,此为( )。http://hovertree.com/s
- overrided方法编译错误
kane_xie
override
问题描述:
在实现类中的某一或某几个Override方法发生编译错误如下:
Name clash: The method put(String) of type XXXServiceImpl has the same erasure as put(String) of type XXXService but does not override it
当去掉@Over
- Java中使用代理IP获取网址内容(防IP被封,做数据爬虫)
mcj8089
免费代理IP代理IP数据爬虫JAVA设置代理IP爬虫封IP
推荐两个代理IP网站:
1. 全网代理IP:http://proxy.goubanjia.com/
2. 敲代码免费IP:http://ip.qiaodm.com/
Java语言有两种方式使用代理IP访问网址并获取内容,
方式一,设置System系统属性
// 设置代理IP
System.getProper
- Nodejs Express 报错之 listen EADDRINUSE
qiaolevip
每天进步一点点学习永无止境nodejs纵观千象
当你启动 nodejs服务报错:
>node app
Express server listening on port 80
events.js:85
throw er; // Unhandled 'error' event
^
Error: listen EADDRINUSE
at exports._errnoException (
- C++中三种new的用法
_荆棘鸟_
C++new
转载自:http://news.ccidnet.com/art/32855/20100713/2114025_1.html
作者: mt
其一是new operator,也叫new表达式;其二是operator new,也叫new操作符。这两个英文名称起的也太绝了,很容易搞混,那就记中文名称吧。new表达式比较常见,也最常用,例如:
string* ps = new string("
- Ruby深入研究笔记1
wudixiaotie
Ruby
module是可以定义private方法的
module MTest
def aaa
puts "aaa"
private_method
end
private
def private_method
puts "this is private_method"
end
end