z2lab.com
z2lab.com

stylegan-encoder（实践-4）

1.Extract and align faces from images

1.1下载代码

git clone Puzer/stylegan-encoder

conda activate tensorflow

1.2Windows10 conda安装dlib包

conda install -c conda-forge dlib

1.3http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下载报错

先用迅雷下载然后修改代码
stylegan-encoder（实践-4）_第1张图片
stylegan-encoder（实践-4）_第2张图片
1.4提取头部图片

在根目录新建文件夹raw_images（存放原始图片）与aligned_images
stylegan-encoder（实践-4）_第3张图片
python align_images.py raw_images/ aligned_images/
在这里插入图片描述
结果
stylegan-encoder（实践-4）_第4张图片
2.Find latent representation of aligned images

2.1安装包依赖

pip install tqdm
stylegan-encoder（实践-4）_第5张图片
2.2运行代码

2.2.1因为网络问题无法下载karras2019stylegan-ffhq-1024x1024.pkl

手动下载后，放在项目根目录，然后修改代码
stylegan-encoder（实践-4）_第6张图片
stylegan-encoder（实践-4）_第7张图片
2.2.2运行代码
python encode_images.py aligned_images/ generated_images/ latent_representations/
stylegan-encoder（实践-4）_第8张图片
结果
stylegan-encoder（实践-4）_第9张图片
stylegan-encoder（实践-4）_第10张图片
stylegan-encoder（实践-4）_第11张图片
stylegan-encoder（实践-4）_第12张图片
3.Jupyter Notebook的使用

3.1安装使用

pip install jupyter

pip install matplotlib

jupyter notebook

3.2用杨紫的头像进行人脸属性编辑

Loss最后收敛在0.5504198
stylegan-encoder（实践-4）_第13张图片
stylegan-encoder（实践-4）_第14张图片
stylegan-encoder（实践-4）_第15张图片
stylegan-encoder（实践-4）_第16张图片
感觉效果不太好
stylegan-encoder（实践-4）_第17张图片
微信号:herry7788

你可能感兴趣的:(Stylegan)

  • Pytorch实现论文：对GAN的交替优化 LJ1147517021 GAN系列生成对抗网络计算机视觉人工智能pytorch机器学习深度学习
    简介这次带来的是ClosingtheGapBetweenTheoryandPracticeDuringAlternatingOptimizationforGANs，Gans交替优化中缩小理论与实践的差距这篇论文的一个核心代码在ACGAN模型上的效果测试，核心是修改了损失函数部分的计算。作者的实验是在StyleGAN上进行的。论文简介论文题目：ClosingtheGapBetweenTheoryan
  • 常见大模型框架 AI小夜 ai
    生成对抗网络（GAN）类似框架StyleGAN（及其变体StyleGAN2和StyleGAN3）：开发者：NVIDIA特点：能够生成极高质量的图像，广泛应用于人脸生成、艺术创作等领域。BigGAN：开发者：DeepMind特点：在大规模数据集上训练的高质量图像生成模型，特别适用于高分辨率图像生成。CycleGAN：特点：用于图像到图像的转换任务，如风格迁移，无需成对的训练数据。Pix2Pix：特点
  • 相片修复框架-GFPGAN qyhua 人工智能计算机视觉
    一GFPGAN介绍GFPGAN是一个由腾讯ARC团队开发的用于人脸图像生成和优化的GAN模型。在github可以找到开源的代码，它由两个主要模块组成：退化移除模块(U-Net)：用于从低分辨率、低质量的人脸图像中恢复出高质量的人脸图像。生成式脸部先验模块(StyleGAN2)：用于生成高分辨率、逼真的人脸图像。GFPGAN的工作原理是首先使用退化移除模块来恢复出高质量的人脸图像。然后，使用生成式脸
  • PLAN方法：解决 GAN 生成医学图像 Latent 空间中的隐私保护方法 Debroon 医学视觉#AI安全#深度学习生成对抗网络人工智能神经网络
    PLAN方法：解决GAN生成医学图像Latent空间中的隐私保护方法PLAN原理StyleGAN生成视网膜图k-SALSA生成视网膜图PLAN方法生成视网膜图总结PLAN原理论文：https://arxiv.org/abs/2307.02984代码：https://github.com/perceivelab/PLAN生成对抗网络(GAN)已经证明了其生成与目标分布匹配的合成样本的能力（比如Syt
  • centos系统安装指定版本的gcc chen_znn Linux系统centoslinuxgccc++ninja
    最近在使用stylegan3时需要用到ninja，而ninja需要使用c++编译。接下来，将讲述如何在centos系统中安装指定版本的gcc。1、首先，查看gcc版本，gcc--version"""gcc(GCC)4.8.520150623(RedHat4.8.5-44)Copyright©2015FreeSoftwareFoundation,Inc."""2、接下来，安装centos-relea
  • 图像检测系列之（12）异常检测（13）拼接伪造（14）deepfake | ICCV2021生成对抗GAN汇总梳理... 机器学习与AI生成创作 扩散模型与GAN生成对抗网络计算机视觉机器学习人工智能深度学习神经网络
    （1）GAN改进系列|最新ICCV2021生成对抗网络GAN论文梳理汇总图像编辑系列之（2）基于StyleGAN（3）GAN逆映射（4）人脸（5）语义生成|ICCV2021生成对抗GAN梳理汇总图像恢复系列之（6）超分（7）反光去除（8）光斑去除（9）阴影去除（10）水下图像失真去除|ICCV2021生成对抗GAN图像恢复系列（11）之修复（inpainting）|最新ICCV2021生成对抗网络
  • python虚拟人脸生成_一个用StyleGAN训练出的黄种人人脸生成器 玛勒隔壁的老王 python虚拟人脸生成
    黄种人人脸生成器更新：基于StyleGAN2制作的新版生成器消除了生成图片中水滴斑点和扭曲/损坏现象的出现，质量大幅提升。点此查看新版。--------------------------------------------------------------------------------------------------------------------注明：之前做的一些有意思的人脸生
  • 深度生成模型之数据生成GAN -＞（个人学习记录笔记） slience_me 机器学习生成对抗网络学习笔记
    文章目录深度生成模型之数据生成GAN数据生成的应用1.图片设计创作2.数据增强3.数据仿真4.视频生成、预测、编辑5.语音生成6.文本生成图像生成模型结构1.基本卷积GAN2.多尺度与残差GAN模型3.条件生成GAN4.半监督条件GAN模型5.属性向量的学习6.分层属性模型StyleGAN深度生成模型之数据生成GAN数据生成的应用1.图片设计创作生成重复性工作多，且需要一定创作能力的作品2.数据增
  • 论文索引记录1 Miao kristoff 深度学习人工智能机器学习
    StyleGAN-NADA:CLIP-GuidedDomainAdaptationofImageGeneratorsTraininggeneratorswithlimiteddataTransferlearningInthetransfer-learningscenario,‘few’typicallyreferstonumbersrangingfromseveralhundredtoasfewa
  • 模型实战（18）之C++ - tensorRT部署GAN模型实现人脸超分辨重建 明月醉窗台 #深度学习实战例程c++生成对抗网络人工智能神经网络visualstudio
    模型实战（18）之C++-tensorRT部署GAN模型实现人脸超分辨重建一个实现人脸超分辨率重建的demo支持StyleGAN:GPENorGFPGAN通过C++-tensorrt快速部署，推理速度每帧在RTX3090上5.5ms+，RTX3050上10ms+下边是实现效果（图片来源于网络search，如若侵权，联系删除）下边给出实现步骤：1.模型转换下载模型至本地Downloadthemode
  • 说说 style gan 中的感知路径长度（Perceptual Path Length） 木水_ 深度学习生成对抗网络神经网络
    我在之前的博库中介绍了stylegan的基本原理，原文中有提出感知路径长度（PerceptualPathLength）的概念。这是一种评价生成器质量的方式。PPL基本思想：给出两个随机噪声z1,z2，为求得两点的感知路径长度PPL，采用微分的思想。把两噪声点插值路径细分成多个小段，求每个小段的长度，再求平均为什么要距离越小越好？假设上图表示perceptual距离空间。z1可以生成一张白色的狗，z
  • 比 style gan 更好的 style gan2 木水_ 深度学习生成对抗网络深度学习
    上一篇博客介绍了stylegan原理，但是stylegan的结果会有水珠伪影，作者实验后发现是Adain导致的，AdaIN对每一个featuremap的通道进行归一化，这样可能破坏掉feature之间的信息。当然实验证明发现，去除AdaIN的归一化操作后，水珠就消失了。因此stylegan2中主要优化改善了这个问题。Adain计算公式如下：网络结构如下图所示。图a是原始的styleGAN1的结构图
  • 使用Pytorch从零开始构建StyleGAN2 Garry1248 pytorch人工智能pythonAIGC深度学习机器学习
    这篇博文是关于StyleGAN2的，来自论文AnalyzingandImprovingtheImageQualityofStyleGAN，我们将使用PyTorch对其进行干净、简单且可读的实现，并尝试尽可能地还原原始论文。如果您没有阅读StyleGAN2论文。或者不知道它是如何工作的并且你想了解它，我强烈建议你看看扫一下原始论文，了解其主要思想。我们在本博客中使用的数据集是来自Kaggle的数据集
  • 使用Pytorch从零开始构建StyleGAN Garry1248 pytorch人工智能神经网络深度学习机器学习AIGC
    本文介绍的是当今最好的GAN之一，来自论文《AStyle-BasedGeneratorArchitectureforGenerativeAdversarialNetworks》的StyleGAN，我们将使用PyTorch对其进行干净、简单且可读的实现，并尝试尽可能接近原始论文。如果您没有阅读过StyleGAN1论文，或者不知道它是如何工作的，但您想了解它，我强烈建议您参考这篇博文。我们在本博文中使
  • 10 分钟解释 StyleGAN 无水先生 GAN-强化学习RL专栏人工智能人工智能计算机视觉
    一、说明G在过去的几年里，生成对抗网络一直是生成内容的首选机器学习技术。看似神奇地将随机输入转换为高度详细的输出，它们已在生成图像、生成音乐甚至生成药物方面找到了应用。StyleGAN是一种真正推动GAN最先进技术向前发展的GAN类型。当Karras等人的论文介绍StyleGAN时，“一种基于样式的生成对抗网络生成器架构”。（2018）出现后，GAN需要大量的正则化，并且无法产生今天所熟知的令人惊
  • 生成式深度学习(第二版)-译文-第十章-高级生成对抗网络 (I) Garry1248 深度学习人工智能AIGC
    章节目标了解ProGAN模型如何渐进式训练一个GAN来生成高质量图像。理解ProGAN如何改进以构建StyleGAN—一种高性能图像合成GAN。探索StyleGAN如何调整以构建StyleGAN2—一种基于原始StyleGAN改进的经典模型。学会这类模型的关键贡献，包括渐进式训练(progressivetraining)，自适应实例归一化(adaptiveinstancenormalization
  • 第四十六周周报 童、一 深度学习
    学习目标：修改ViTGAN代码学习内容：1、傅里叶特征2、位置编码学习时间：7.22-7.28学习产出：一、傅里叶特征根据StyleGAN3，将ViTGAN第一个TransformerBlock的输入从仿射变换A变为傅里叶特征二、位置编码ViTGAN的位置编码采用的是绝对位置编码，即每个位置编码都是补丁位置的线性投影，然后接一个正弦激活函数。补丁位置被归一化到-1.0到1.0之间。想法：将绝对位置
  • 学习记录——StyleGAN2+SA-UNet Chaoy6565 分割SA-UNetStyleGAN2
    SA-UNetforRetinalVesselimprovmentusingStyleGAN2  作者提出了一种改进视网膜图像分割的方法，通过创建图像及其相应的分割地图来实现。作者的解决方案包括使用DRIVE数据集1对StylGAN2进行训练，并使用目前在分割DRIVE图像方面取得最先进结果的SA-UNet模型对新合成的图像进行分割。作者使用新生成的图像及其分割结果来重新训练SA-UNet，以获得
  • StyleGAN：彻底改变生成对抗网络的艺术 无水先生 GAN-强化学习RL专栏人工智能生成对抗网络人工智能神经网络
    一、介绍多年来，人工智能领域取得了显着的进步，其中最令人兴奋的领域之一是生成模型的发展。这些模型旨在生成与人类创作没有区别的内容，例如图像和文本。其中，StyleGAN（即风格生成对抗网络）因其创建高度逼真且视觉上令人惊叹的图像的能力而获得了巨大的关注和赞誉。在本文中，我们将探讨StyleGAN在人工智能和数字艺术领域的架构、工作原理、应用和影响。StyleGAN：想象力与算法的结合，一次一个像素
  • 阅读论文StyleGAN2-ada 子燕若水 深度学习算法3D图像处理人工智能
    在图像分类任务中,使用旋转、噪声等数据增强方法训练图像分类器,可以提高分类器对这些保留语义的扭曲的不变性,这是图像分类器极为期望的一种质量。引用Bora等人的工作,指出只要增强过程可以表示为概率分布上的可逆变换,那么训练过程中网络可以消除这种增强,找到正确的分布。进一步解释可逆变换的关键在于允许仅通过观察增强后的集合就可以推断原始集合的相等性或不等性。这并不需要每个图像的增强都是可逆的。举例解释,
  • 3D、扩散模型、GAN、StyleGAN、MAE.等【换脸方法汇总】 旋转的油纸伞 人脸相关科研笔记【AI换脸】扩散模型+CV与NLP科研笔记生成对抗网络人工智能AI换脸FaceSwapping扩散模型
    【换脸方法汇总】扩散模型、GAN、StyleGAN等综述[【FaceSwapping综述】QuickOverviewofFaceSwapDeepFakes](https://blog.csdn.net/qq_45934285/article/details/132693208?spm=1001.2014.3001.5501)扩散模型[【CVPR2022】DiffFace:Diffusion-bas
  • StyleGAN作者：提升扩散模型生成质量和效率的窍门！业界大佬纷纷点赞 Amusi（CVer） 机器学习人工智能深度学习计算机视觉java
    点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群丰色发自凹非寺转载自：量子位（QbitAI）新晋图像生成王者扩散模型，刚刚诞生没多久。有关它的理论和实践都还在“野蛮生长”。来自英伟达StyleGAN的原班作者们站了出来，尝试给出了一些设计扩散模型的窍门和准则，结果模型的质量和效率都有所改进，比如将现有ImageNet-64模型的FID分数从2.07
  • #今日论文推荐#DeepMind谷歌研究员力荐：扩散模型效率&生成质量提升窍门，来自StyleGAN原作者 wwwsxn 深度学习transformer深度学习计算机视觉
    #今日论文推荐#DeepMind谷歌研究员力荐：扩散模型效率&生成质量提升窍门，来自StyleGAN原作者新晋图像生成王者扩散模型，刚刚诞生没多久。有关它的理论和实践都还在“野蛮生长”。来自英伟达StyleGAN的原班作者们站了出来，尝试给出了一些设计扩散模型的窍门和准则，结果模型的质量和效率都有所改进，比如将现有ImageNet-64模型的FID分数从2.07提高到接近SOTA的1.55分。他们
  • StyleGAN学习笔记 小花024 生成对抗网络深度学习GAN生成对抗网络
    生成对抗网络中一种基于样式的生成器结构原文：https://arxiv.org/abs/1812.04948代码（官方tf版）：https://github.com/NVlabs/stylegan代码（非官方Pytorch版）：https://github.com/rosinality/style-based-gan-pytorch文章目录前言论文核心模型和方法基于样式的生成器结构Style控制自
  • 对抗生成网络总结 __momo__ RecordsPaperReadingClassicalNetwork深度学习人工智能
    对一些基本的对抗生成网络的总结。部分内容整理自Teeyohuang’sblog文章目录GAN(NeurIPS,2014)CGANDCGANStackGANPix2Pix(CVPR,2017)CycleGAN(ICCV,2017)SRGAN(CVPR,2017)StyleGAN(CVPR,2019)GAN(NeurIPS,2014)GenerativeadversarialnetsminGmaxDV
  • （2023|ICML，StyleGAN-T & CLIP & ViT）释放 GAN 的力量，实现快速大规模文本到图像合成 EDPJ 论文笔记计算机视觉人工智能
    StyleGAN-T:UnlockingthePowerofGANsforFastLarge-ScaleText-to-ImageSynthesis公众号：EDPJ（添加VX：CV_EDPJ或直接进Q交流群：922230617获取资料）目录0.摘要1.简介2.StyleGAN-XL3.StyleGAN-T3.1.重新设计生成器3.2.重新设计鉴别器3.3.变化与文本对齐的权衡4.实验4.1.与最先
  • 最新ICCV2021 | GAN少样本（26）实例可控（27）视图合成（28）细粒度生成（29）细粒度检索（30）生成对抗GAN... 机器学习与AI生成创作 扩散模型与GAN生成对抗网络python计算机视觉机器学习人工智能深度学习
    （1）GAN改进系列图像编辑系列之（2）基于StyleGAN（3）GAN逆映射（4）人脸（5）语义生成图像恢复系列之（6）超分（7）反光去除（8）光斑去除（9）阴影去除（10）水下图像失真去除图像恢复系列（11）之修复（inpainting）图像检测系列之（12）异常检测（13）拼接伪造（14）deepfake图像检测系列之（15）图像分割（16）图像外插值图像转换imagetranslation
  • 玩转StyleGan2：手把手教你安装并运行项目！ 托尼是塔克
    时间过得是真快，离上次分享《用AI生成一堆漂亮且独一无二的女朋友！》已经快过去半个多月了。光分享效果，而不分享如何实现，这不是我的风格。所以从今天开始，我会带大家一起玩转这个强大的高清人脸生成项目（不懂开源项目的可以理解为软件）。目前规划了几个主题1.安装并运行2.虚拟人脸编辑，操控虚拟人物表情3.真实人脸编辑，操控任何人的表情。4.云端运行。今天就来介绍第一部分，详细演示如何安装这个并运行这个项
  • 【开箱即用】基于dlib的人脸关键点、对齐(face alignment)、裁剪 曾小蛙 开箱即用计算机视觉相关pythondlibface_alignface_crop
    参考代码：stylegan-encoder/align_images.pyatmaster·Puzer/stylegan-encoder(github.com)理解：https://blog.csdn.net/u012208159/article/details/50500224使用前提基于python熟练使用conda创建python虚拟环境安装dlibpython库下载dlib相应模型：网盘|
  • StyleHEAT: One-Shot High-Resolution Editable Talking Face Generation via Pre-trained StyleGAN 译文 胖胖腐乳 语音驱动说话人计算机视觉人工智能cv语音识别
    链接https://feiiyin.github.io/StyleHEAT/arxiv：https://arxiv.org/abs/2203.04036摘要图1。我们的统一框架支持高分辨率的通话人脸生成，通过驾驶视频或音频解除纠缠控制，以及灵活的人脸编辑。我们的方法首次将一次性会说话的人脸生成的分辨率提高到1024×1024。第一行显示了一个视频驱动的交叉身份再现的合成视频。第二行显示了一个由音频
  • Java实现的基于模板的网页结构化信息精准抽取组件：HtmlExtractor yangshangchuan 信息抽取HtmlExtractor精准抽取信息采集
    HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件，本身并不包含爬虫功能，但可被爬虫或其他程序调用以便更精准地对网页结构化信息进行抽取。   HtmlExtractor是为大规模分布式环境设计的，采用主从架构，主节点负责维护抽取规则，从节点向主节点请求抽取规则，当抽取规则发生变化，主节点主动通知从节点，从而能实现抽取规则变化之后的实时动态生效。 如
  • java编程思想 -- 多态 百合不是茶 java多态详解
    一: 向上转型和向下转型 面向对象中的转型只会发生在有继承关系的子类和父类中（接口的实现也包括在这里）。父类：人    子类：男人向上转型： Person p = new Man() ; //向上转型不需要强制类型转化向下转型： Man man =
  • [自动数据处理]稳扎稳打,逐步形成自有ADP系统体系 comsci dp
          对于国内的IT行业来讲,虽然我们已经有了"两弹一星",在局部领域形成了自己独有的技术特征,并初步摆脱了国外的控制...但是前面的路还很长....       首先是我们的自动数据处理系统还无法处理很多高级工程...中等规模的拓扑分析系统也没有完成,更加复杂的
  • storm 自定义 日志文件 商人shang stormclusterlogback
    Storm中的日志级级别默认为INFO，并且，日志文件是根据worker号来进行区分的，这样，同一个log文件中的信息不一定是一个业务的，这样就会有以下两个需求出现： 1. 想要进行一些调试信息的输出 2. 调试信息或者业务日志信息想要输出到一些固定的文件中   不要怕，不要烦恼，其实Storm已经提供了这样的支持，可以通过自定义logback 下的 cluster.xml 来输
  • Extjs3 SpringMVC使用 @RequestBody 标签问题记录 21jhf
    springMVC使用 @RequestBody(required = false) UserVO userInfo 传递json对象数据，往往会出现http 415，400,500等错误，总结一下需要使用ajax提交json数据才行，ajax提交使用proxy，参数为jsonData，不能为params；另外，需要设置Content-type属性为json，代码如下： （由于使用了父类aaa
  • 一些排错方法 文强chu 方法
    1、java.lang.IllegalStateException: Class invariant violation at org.apache.log4j.LogManager.getLoggerRepository(LogManager.java:199)at org.apache.log4j.LogManager.getLogger(LogManager.java:228) at o
  • Swing中文件恢复我觉得很难 小桔子 swing
           我那个草了！老大怎么回事，怎么做项目评估的？只会说相信你可以做的，试一下，有的是时间！        用java开发一个图文处理工具，类似word，任意位置插入、拖动、删除图片以及文本等。文本框、流程图等，数据保存数据库，其余可保存pdf格式。ok,姐姐千辛万苦，
  • php 文件操作 aichenglong PHP读取文件写入文件
    1 写入文件 @$fp=fopen("$DOCUMENT_ROOT/order.txt", "ab"); if(!$fp){ echo "open file error" ; exit; } $outputstring="date:"." \t tire:".$tire."
  • MySQL的btree索引和hash索引的区别 AILIKES 数据结构mysql算法
    Hash 索引结构的特殊性，其 检索效率非常高，索引的检索可以一次定位，不像B-Tree 索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以 Hash 索引的查询效率要远高于 B-Tree 索引。     可能很多人又有疑问了，既然 Hash 索引的效率要比 B-Tree 高很多，为什么大家不都用 Hash 索引而还要使用 B-Tree 索引呢
  • JAVA的抽象--- 接口 --实现 百合不是茶
    抽象 接口 实现接口   //抽象 类 ,方法   //定义一个公共抽象的类 ,并在类中定义一个抽象的方法体 抽象的定义使用abstract   abstract class A 定义一个抽象类 例如： //定义一个基类 public abstract class A{     //抽象类不能用来实例化，只能用来继承 //
  • JS变量作用域实例 bijian1013 作用域
    <script> var scope='hello'; function a(){ console.log(scope); //undefined var scope='world'; console.log(scope); //world console.log(b);
  • TDD实践（二） bijian1013 javaTDD
    实践题目：分解质因数 Step1： 单元测试： package com.bijian.study.factor.test; import java.util.Arrays; import junit.framework.Assert; import org.junit.Before; import org.junit.Test; import com.bijian.
  • [MongoDB学习笔记一]MongoDB主从复制 bit1129 mongodb
    MongoDB称为分布式数据库，主要原因是1.基于副本集的数据备份， 2.基于切片的数据扩容。副本集解决数据的读写性能问题，切片解决了MongoDB的数据扩容问题。   事实上，MongoDB提供了主从复制和副本复制两种备份方式，在MongoDB的主从复制和副本复制集群环境中，只有一台作为主服务器，另外一台或者多台服务器作为从服务器。 本文介绍MongoDB的主从复制模式，需要指明
  • 【HBase五】Java API操作HBase bit1129 hbase
    import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.ha
  • python调用zabbix api接口实时展示数据 ronin47
    zabbix api接口来进行展示。经过思考之后，计划获取如下内容：     1、  获得认证密钥     2、  获取zabbix所有的主机组     3、  获取单个组下的所有主机     4、  获取某个主机下的所有监控项  
  • jsp取得绝对路径 byalias 绝对路径
    在JavaWeb开发中，常使用绝对路径的方式来引入JavaScript和CSS文件，这样可以避免因为目录变动导致引入文件找不到的情况，常用的做法如下： 一、使用${pageContext.request.contextPath} 　　代码” ${pageContext.request.contextPath}”的作用是取出部署的应用程序名，这样不管如何部署，所用路径都是正确的。
  • Java定时任务调度：用ExecutorService取代Timer bylijinnan java
    《Java并发编程实战》一书提到的用ExecutorService取代Java Timer有几个理由，我认为其中最重要的理由是： 如果TimerTask抛出未检查的异常，Timer将会产生无法预料的行为。Timer线程并不捕获异常，所以 TimerTask抛出的未检查的异常会终止timer线程。这种情况下，Timer也不会再重新恢复线程的执行了;它错误的认为整个Timer都被取消了。此时，已经被
  • SQL 优化原则 chicony sql
    一、问题的提出 　在应用系统开发初期，由于开发数据库数据比较少，对于查询SQL语句，复杂视图的的编写等体会不出SQL语句各种写法的性能优劣，但是如果将应用系统提交实际应用后，随着数据库中数据的增加，系统的响应速度就成为目前系统需要解决的最主要的问题之一。系统优化中一个很重要的方面就是SQL语句的优化。对于海量数据，劣质SQL语句和优质SQL语句之间的速度差别可以达到上百倍，可见对于一个系统
  • java 线程弹球小游戏 CrazyMizzz java游戏
    最近java学到线程，于是做了一个线程弹球的小游戏，不过还没完善 这里是提纲 1.线程弹球游戏实现 1.实现界面需要使用哪些API类 JFrame JPanel JButton FlowLayout Graphics2D Thread Color ActionListener ActionEvent MouseListener Mouse
  • hadoop jps出现process information unavailable提示解决办法 daizj hadoopjps
    hadoop jps出现process information unavailable提示解决办法   jps时出现如下信息： 3019 -- process information unavailable3053 -- process information unavailable2985 -- process information unavailable2917 --
  • PHP图片水印缩放类实现 dcj3sjt126com PHP
    <?php class Image{ private $path; function __construct($path='./'){ $this->path=rtrim($path,'/').'/'; } //水印函数，参数：背景图，水印图，位置，前缀,TMD透明度 public function water($b,$l,$pos
  • IOS控件学习：UILabel常用属性与用法 dcj3sjt126com iosUILabel
    参考网站： http://shijue.me/show_text/521c396a8ddf876566000007 http://www.tuicool.com/articles/zquENb http://blog.csdn.net/a451493485/article/details/9454695 http://wiki.eoe.cn/page/iOS_pptl_artile_281
  • 完全手动建立maven骨架 eksliang javaeclipseWeb
    建一个 JAVA 项目 ： mvn archetype:create -DgroupId=com.demo -DartifactId=App [-Dversion=0.0.1-SNAPSHOT] [-Dpackaging=jar] 建一个 web 项目 ： mvn archetype:create -DgroupId=com.demo -DartifactId=web-a
  • 配置清单 gengzg 配置
    1、修改grub启动的内核版本 vi /boot/grub/grub.conf 将default 0改为1 拷贝mt7601Usta.ko到/lib文件夹 拷贝RT2870STA.dat到 /etc/Wireless/RT2870STA/文件夹 拷贝wifiscan到bin文件夹，chmod 775 /bin/wifiscan 拷贝wifiget.sh到bin文件夹，chm
  • Windows端口被占用处理方法 huqiji windows
    以下文章主要以80端口号为例，如果想知道其他的端口号也可以使用该方法..........................1、在windows下如何查看80端口占用情况?是被哪个进程占用?如何终止等.        这里主要是用到windows下的DOS工具,点击"开始"--"运行",输入&
  • 开源ckplayer 网页播放器， 跨平台(html5, mobile)，flv, f4v, mp4, rtmp协议. webm, ogg, m3u8 ！ 天梯梦 mobile
    CKplayer，其全称为超酷flv播放器，它是一款用于网页上播放视频的软件，支持的格式有：http协议上的flv,f4v,mp4格式，同时支持rtmp视频流格 式播放，此播放器的特点在于用户可以自己定义播放器的风格，诸如播放/暂停按钮，静音按钮，全屏按钮都是以外部图片接口形式调用，用户根据自己的需要制作 出播放器风格所需要使用的各个按钮图片然后替换掉原始风格里相应的图片就可以制作出自己的风格了，
  • 简单工厂设计模式 hm4123660 java工厂设计模式简单工厂模式
           简单工厂模式（Simple Factory Pattern）属于类的创新型模式，又叫静态工厂方法模式。是通过专门定义一个类来负责创建其他类的实例，被创建的实例通常都具有共同的父类。简单工厂模式是由一个工厂对象决定创建出哪一种产品类的实例。简单工厂模式是工厂模式家族中最简单实用的模式，可以理解为是不同工厂模式的一个特殊实现。
  • maven笔记 zhb8015 maven
    跳过测试阶段： mvn package -DskipTests 临时性跳过测试代码的编译： mvn package -Dmaven.test.skip=true   maven.test.skip同时控制maven-compiler-plugin和maven-surefire-plugin两个插件的行为，即跳过编译，又跳过测试。   指定测试类 mvn test
  • 非mapreduce生成Hfile，然后导入hbase当中 Stark_Summer maphbasereduceHfilepath实例
    最近一个群友的boss让研究hbase，让hbase的入库速度达到5w+/s，这可愁死了，4台个人电脑组成的集群，多线程入库调了好久，速度也才1w左右，都没有达到理想的那种速度，然后就想到了这种方式，但是网上多是用mapreduce来实现入库，而现在的需求是实时入库，不生成文件了，所以就只能自己用代码实现了，但是网上查了很多资料都没有查到，最后在一个网友的指引下，看了源码，最后找到了生成Hfile
  • jsp web tomcat 编码问题 王新春 tomcatjsppageEncode
    今天配置jsp项目在tomcat上，windows上正常，而linux上显示乱码，最后定位原因为tomcat 的server.xml 文件的配置，添加 URIEncoding 属性： <Connector port="8080" protocol="HTTP/1.1" connectionTi
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他