- 对比DeepSeek、ChatGPT和Kimi的学术写作摘要能力
AIWritePaper官方账号
DeepSeekAIWritePaperChatGPT人工智能chatgptllama数据分析论文阅读
摘要摘要是文章的精华,通常在200-250词左右。要包括研究的目的、方法、结果和结论。让AI工具作为某领域内资深的研究专家,编写摘要需要言简意赅,直接概括论文的核心,为读者提供快速了解的窗口。下面我们使用DeepSeek、ChatGPT4以及Kimi辅助编写摘要。提示词:你现在是一名[计算机理论专家],研究方向集中在[人工智能、大模型、数据挖掘等计算机相关方向]。我现在需要撰写一篇围绕[人工智能在
- 小南每日 AI 资讯 | 国产AI之光DeepSeek暴击硅谷??? | 25/01/29
小南AI学院
人工智能
1.中国AI模型震惊硅谷:DeepSeek为何一夜火出圈?国产AI大模型DeepSeek迅速崛起,引发硅谷关注。2.中国银行支持AI产业:1万亿元金融扶持助推智能化升级中国银行宣布提供1万亿元资金支持人工智能产业链发展,助力智能化升级。3.国产AI大模型DeepSeek惊艳全球:游戏科学冯骥称其为“国运级别科技成果”DeepSeek的AI模型引起全球关注,游戏科学的冯骥高度评价其意义。4.AI产业
- 大型语言模型构建指南:从头开始构建大语言模型《Build a Large Language Model (From Scratch)》免费PDF
AGI大模型学习
语言模型pdf人工智能大模型大模型学习大模型教程大模型书籍
通过从头开始构建一个大型语言模型,了解如何创建、训练和调整大型语言模型(LLMs)!一、构建大型语言模型(从头开始)在《构建大型语言模型(从头开始)》中,你将了解如何LLMs从内到外工作。在这本富有洞察力的书中,畅销书作家塞巴斯蒂安·拉施卡(SebastianRaschka)将指导你逐步创建自己的LLM,用清晰的文字、图表和示例解释每个阶段。你将从最初的设计和创建到通用语料库的预训练,一直到特定任
- LLM based Single Agent System
AGI大模型与大数据研究院
大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
LLM-BasedSingleAgentSystem:ANewEraofIntelligentAutomation关键词:大语言模型,单智能体系统,强化学习,自然语言处理,智能自动化1.背景介绍近年来,随着深度学习技术的快速发展,大语言模型(LLM)在自然语言处理(NLP)领域取得了突破性进展。LLM凭借其强大的语言理解和生成能力,正在改变着人们与信息交互的方式。同时,人工智能领域的另一个重要研究
- AI大模型如何赋能电商行业
十二点的泡面
ai
随着技术的发展,越来越多的电商平台开始尝试运用AI技术来提高销售效率,从用户体验到供应链管理,AI深刻影响着行业的未来发展趋势。在AI加持下,如何使用AI技术实现购物推荐、会员分类、商品定价等方面的创新应用?如何运用AI技术提高电商平台的销售效率和用户体验呢?欢迎分享您的看法,为电商行业的数字化转型提供新的思路和方法。方向一:介绍AI技术在电商中的创新应用在电商领域,AI技术的应用正日益广泛,其中
- 华为OD机试D卷 --矩阵匹配--24年OD统一考试(Java & JS & Python & C & C++)
飞码创造者
最新华为OD机试题库2024华为od矩阵pythonjavascriptjavac++c语言
文章目录题目描述输入描述输出描述用例题目解析java源码js源码python源码c源码c++源码题目描述从一个N*M(N≤M)的矩阵中选出N个数,任意两个数字不能在同一行或同一列,求选出来的N个数中第K大的数字的最小值是多少。输入描述输入矩阵要求:1≤K≤N≤M≤150输入格式:NMKN*M矩阵输出描述N*M的矩阵中可以选出M!/N!种组合数组,每个组合数组种第K大的数中的最小值。无需考虑重复数字
- 【 书生·浦语大模型实战营】学习笔记(五):LMDeploy 量化部署
GoAI
深入浅出LLM深入浅出AI大模型LLM部署人工智能LMDeploy
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AI1;;爱好者学习,性价比非常高!加入星球➡️点击链接
- 设计模式Python版 建造者模式
小王子1024
设计模式Python版设计模式python建造者模式
文章目录前言一、建造者模式二、建造者模式示例三、省略指挥者(建议)四、钩子方法的引入前言GOF设计模式分三大类:创建型模式:关注对象的创建过程,包括单例模式、简单工厂模式、工厂方法模式、抽象工厂模式、原型模式和建造者模式。结构型模式:关注类和对象之间的组合,包括适配器模式、桥接模式、组合模式、装饰模式、外观模式、享元模式和代理模式。行为型模式:关注对象之间的交互,包括职责链模式、命令模式、解释器模
- 设计模式Python版 工厂方法模式
小王子1024
设计模式Python版设计模式python工厂方法模式
文章目录前言一、工厂方法模式二、工厂方法模式示例三、工厂方法模式客户端改进四、工厂方法模式隐藏工厂方法(可选)前言GOF设计模式分三大类:创建型模式:关注对象的创建过程,包括单例模式、简单工厂模式、工厂方法模式、抽象工厂模式、原型模式和建造者模式。结构型模式:关注类和对象之间的组合,包括适配器模式、桥接模式、组合模式、装饰模式、外观模式、享元模式和代理模式。行为型模式:关注对象之间的交互,包括职责
- 到底谁在说Nature Communications和Science Advances是水刊?
迪娜学姐
人工智能论文阅读
我是娜姐@迪娜学姐,一个SCI医学期刊编辑,探索用AI工具提效论文写作和发表。为什么说这两个期刊是水刊?评论很主观,褒贬不一,来看看详细的期刊指标吧。NatureCommunications(NC):创刊于2011年,隶属于Nature出版集团。最新影响因子JCR202216.6,在JCR和中科院系统都属于Q1区综合性Top期刊。不可否认,指标很过硬。NC收稿范围广泛,包括但不限于生物、医学、健康
- 论文AI率:检测原理是什么?该如何降低论文AI率?
迪娜学姐
人工智能
我是娜姐@迪娜学姐,一个SCI医学期刊编辑,探索用AI工具提效论文写作和发表。上一篇介绍了10个检测AI率的在线工具。本篇来说说AI率到底是如何检测出来的?该如何有效降低论文的AI率?和AI大模型一样,AI检测的核心也是机器学习模型,它们在包含人类创作和AI生成文本样本的大型数据集上进行训练,通过学习每种文本中存在的模式和特征,以此来区分人类创作的文本和AI生成文本。AI检测器查找的一些关键特征包
- 智能码二维码的成本效益分析
zhongtianhulian
软件工程
以下是智能码二维码的成本效益分析:成本方面硬件成本标签成本:二维码标签本身价格低廉,即使进行大规模应用,成本也相对较低。如在智能仓储中,塑料托盘加二维码方案的标签成本几乎可以忽略不计4。扫描设备成本:扫描设备种类繁多,从智能手机到专业扫描枪,价格差异大,可根据实际需求灵活选择。如果企业已有智能手机等设备,仅需配备少量专业扫描枪,硬件投入成本不高1。软件成本开发成本:若企业需要定制与二维码相关的管理
- 机器学习Day01
酒脑猫
机器学习人工智能
人工智能三大概念及其关系人工智能(AI):使用计算机来模拟或者代替人类机器学习(ML):机器自动学习,并不只由人定义规则编程深度学习(DL):大脑仿生,模拟人大脑神经网络,设计一层层神经元模拟事物机器学习是实现人工智能的一种途径,深度学习是机器学习的一种更加深入的方法。机器学习学习方法基于规则的学习:程序员根据自己经验定义规则基于模型的学习:由于某些事物,问题无法可以定义明确的规则,如:图片,语音
- 动态规划算法(25.1.27)
一位不愿透露姓名的程序猿
算法动态规划
写在前面:已经有半年在忙计算机四大件了,算法可以说是除了10月份看了看代码随想录的题并跟着写了点题之外一点题都没做。1月末开始重拾算法,打算用点时间从做题曲成为algorithm高手,在那些中学就开始接触算法然后故意在我们零基础高考er面前大声讨论“茴字的写法”的OIer面前可以不再装死。0.前置了解:递归思想以及相关题目(详解递归思想-CSDN博客)1.动态规划算法基础概念:最简单的例子:斐波那
- AI技术赋能电商行业,引领变革
m0_74136676
人工智能
AI大模型在电商行业的应用正在不断拓展,其强大的数据处理和分析能力为电商平台带来了前所未有的创新机遇。一、购物推荐的创新应用AI大模型通过分析用户的浏览历史、购买记录、搜索关键词等大量数据,能够生成个性化的商品推荐。这种推荐系统比传统的基于规则或简单协同过滤的推荐更为精准。它利用深度学习技术,更准确地预测用户的兴趣点,使推荐内容更加贴切,从而提高用户点击率和购买转化率。例如,当用户在电商平台上搜索
- ModelScope_Faster_Whisper_Multi_Subtitle:一键式双语字幕制作神器
宋海翌Daley
ModelScope_Faster_Whisper_Multi_Subtitle:一键式双语字幕制作神器Modelscope_Faster_Whisper_Multi_Subtitle基于Faster-whisper和modelscope一键生成双语字幕,双语字幕生成器,基于离线大模型,GeneratebilingualsubtitleswithoneclickbasedonFaster-whis
- 为什么多模态大模型中使用Q-Former的工作变少了?附Q-Former结构简介
同屿Firmirin
多模态大模型深度学习人工智能面试
面试中遇到的问题,自己在实践中注意到了却没有深究原因,没有回答好,特此记录和探讨这个问题。多模态大模型中需要一个输入投影模块,将视觉特征投射到LLM能理解的语言特征维度,这里就可以选择各种不同的模块。LLaVA最初用了简单的线性投射,然而作者提到这么做是为了做实验更快一点,使用复杂的模块可能会有更好的效果。后来就有用MLP的,代表工作有LLaVA后续系列、Intern-VL。还有用Q-Former
- 21环形数组中最大贡献值
liberty030706
算法数据结构java
问题描述小S拿到了一个长度为nn的环形数组,并定义了两个下标ii和jj的贡献值公式为:f(i,j)=(a_i+a_j)×dist(i,j)其中dist(i,j)是下标ii和jj在数组中的最短距离。小S希望找到一对下标,使得它们的贡献值尽可能大。环形数组的特点是最左和最右的元素也是相邻的。你需要帮助她找到最大贡献值。例如,给定数组[1,2,3],由于是环形数组,任意两个下标的距离都是1,因此f(2,
- 【llm对话系统】大模型源码分析之 LLaMA 位置编码 RoPE
kakaZhui
llama深度学习人工智能AIGCchatgpt
在自然语言处理(NLP)领域,Transformer模型已经成为主流。然而,Transformer本身并不具备处理序列顺序的能力。为了让模型理解文本中词语的相对位置,我们需要引入位置编码(PositionalEncoding)。本文将深入探讨LLaMA模型中使用的RotaryEmbedding(旋转式嵌入)位置编码方法,并对比传统的Transformer位置编码方案,分析其设计与实现的优势。1.传
- 【计算机视觉】目标跟踪应用
油泼辣子多加
计算机视觉计算机视觉目标跟踪人工智能
一、简介目标跟踪是指根据目标物体在视频当前帧图像中的位置,估计其在下一帧图像中的位置。视频帧由t到t+1的检测,虽然也可以使用目标检测获取,但实际应用中往往是不可行的,原因如下:目标跟踪的目的是根据目标在当前视频帧图像中的位置,预测其在下一帧图像中的位置。然而,使用目标检测直接获取目标位置的方式在实际应用中存在一些限制,主要原因如下:1.实时性问题频繁检测开销大:目标检测通常需要对每一帧的整个图像
- 计算机基础知识经典问答题,计算机基础知识问答题及答案一
剑胆书心
计算机基础知识经典问答题
计算机基础知识试题及答案(一)一、选择题(1)第四代计算机的主要逻辑元件采用的是A)晶体管B)小规模集成电路C)电子管D)大规模和超大规模集成电路(2)下列叙述中,错误的是A)把数据从内存传输到硬盘叫写盘B)把源程序转换为目标程序的过程叫编译C)应用软件对操作系统没有任何要求D)计算机内部对数据的传输、存储和处理都使用二进制(3)计算机硬件的五大基本构件包括:运算器、存储器、输入设备、输出设备和A
- Mooncake:面向大语言模型服务的以 KVCache 为中心的架构
步子哥
AGI通用人工智能语言模型架构人工智能
摘要Mooncake是Kimi的服务平台,Kimi是由MoonshotAI提供的领先的LLM服务。它采用以KVCache为中心的分解架构,将预填充和解码集群分离。它还利用GPU集群未充分利用的CPU、DRAM和SSD资源来实现KVCache的分解缓存。Mooncake的核心是其以KVCache为中心的调度器,它在满足延迟相关的服务水平目标(SLO)的同时,平衡了最大化整体有效吞吐量。与假设所有请求
- Deepseek爆火背后的多Token技术预测
明哲AI
AIGC人工智能大模型RAG多token预测deepseek
近年来,大语言模型(LLMs)的发展如火如荼,它们在聊天机器人、文档生成、代码编写等领域大放异彩。然而,随着模型规模的增加,生成效率也成为了一大瓶颈。传统的自回归语言模型需要逐字生成(token-by-token),这种方式不仅耗时,还限制了模型在实时场景中的表现。那么,有没有一种方法可以加快生成速度,同时保持文本质量?答案是:多Token预测(Multi-TokenPrediction,MTP)
- 进阶之路:从传统编程到AI大模型与Prompt驱动的爬虫技术
大模型老炮
人工智能prompt爬虫语言模型大模型学习AI大模型
前言爬虫相信很多人都对此有所了解,它主要依靠编写代码实现对网页结构的解析,通过模拟浏览器行为获取目标数据!随着人工智能技术的发展,LLM大模型的出现为爬虫技术带来了新的思路。与传统的编程模式不同,使用AI大模型+prompt可以显著提高程序员的编程效率。通过结合人工智能和自然语言处理技术,开发者可以更加高效地编写爬虫代码,并实现对网页内容的智能解析和提取。前置内容下面我将通过爬取豆瓣电影top25
- 开源模型应用落地-qwen模型小试-Qwen2.5-7B-Instruct-LangGraph-链式处理(一)
开源技术探险家
开源模型-实际应用落地#深度学习自然语言处理语言模型langchain
一、前言在当今人工智能快速发展的时代,大语言模型不断迭代升级,为各种复杂任务的处理提供了强大的支持。LangGraph作为一种创新的架构,其链式处理机制为充分发挥LLMs的潜力提供了新的途径。Qwen2.5模型是一款备受瞩目的大语言模型,它具备出色的语言理解和生成能力,在广泛的自然语言处理任务中都展现出了卓越的性能。其在语言的准确性、逻辑性以及对复杂语义的把握上都有着突出的表现,为基于它进行的各类
- Couchbase UI: Dashboard
PersistDZ
数据存储couchbase
以下是CouchbaseUIDashboard页面详细介绍,包括页面布局和功能说明,帮助你更好地理解和使用。1.首页(Overview)功能:提供集群的整体健康状态和性能摘要集群状态节点健康状况:绿色(正常)、黄色(警告)、红色(问题)。节点数量和服务分布(如数据、索引、查询、分析等服务)。资源利用率内存使用:显示RAM和已分配内存的使用情况。存储使用:展示磁盘空间消耗。网络流量:监控入站和出站流
- 国科大-算法中的最优化方法-林
手板心里煎鱼吃
算法性能优化matlab
2024国科大-算法中的最优化方法-林刚考完,把复习资料也发出来,学弟学妹可以参考学习一下。总的来说不是很难,由于开卷转闭卷的原因,大部分都是原题,在ppt以及网上都能找到。考过内容汇总:A前面是几个填空题,主要考察凸函数,拟凸函数,单峰函数这些的图像判断,以及通过等高线图找到梯度方向(第一个ppt上的最后一页的那个图)。填空题主要就是考察这些基本概念。第二大题给了4个题目,让判断是属于哪种规划(
- 【DeepSeek】大模型强化学习训练GRPO算法,你学会了吗?
FF-Studio
DeepSeekR1算法
如果你还不知道GRPO,你可以先看这篇帖子:【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源?看了论文跟没看一样?做两道题练练!曾经最痛恨的应试教育,却能让你深深记住这知识点。由ChatGPTo1pro生成,o1pro的输出token和写作能力比DeepSeekR1强。GRPO原论文链接:https://arxiv.org/abs/2402.03300GRPO中译文链接:ht
- linux GPMC驱动调试笔记
NearXDU
linuxlinux驱动GPMC调试
考试周一直复习没有更博,突然发现这个月已然过去了一大半。学习这个事情还是要有连续性才能找到节奏,包括之前的JSP&Servlet的学习也耽搁了不少,远不如上个月来的充实,也是时候写一篇博客记录一下最近做项目的一些进展。废话不多说,先来简单介绍一下GPMC。TI特有的总线但是中文资料较少,有过嵌入式驱动开发经验的人最初一定会接触GPIO,而GPMC与GPIO类似,说白了就是一种总线扩展,通过配置其寄
- DeepSeek简介
RobinDevNotes
人工智能
一、DeepSeek是什么?DeepSeek是由中国顶尖AI团队深度求索(DeepSeekInc.)自主研发的通用大语言模型体系,其研发始于2023年,致力于突破认知智能的边界。作为国内首个全面对标GPT-4技术架构的AI大模型,DeepSeek系列涵盖从7B到超千亿参数的完整模型矩阵,在数学推理、代码生成、多轮对话等核心能力上达到国际领先水平。目前已衍生出DeepSeek-R1、DeepSeek
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓