- 神经网络(深度学习,计算机视觉,得分函数,损失函数,前向传播,反向传播,激活函数)
MarkHD
深度学习神经网络计算机视觉
神经网络,特别是深度学习,在计算机视觉等领域有着广泛的应用。以下是关于你提到的几个关键概念的详细解释:神经网络:神经网络是一种模拟人脑神经元结构的计算模型,用于处理复杂的数据和模式识别任务。它由多个神经元(或称为节点)组成,这些神经元通过权重和偏置进行连接,并可以学习调整这些参数以优化性能。深度学习:深度学习是神经网络的一个子领域,主要关注于构建和训练深度神经网络(即具有多个隐藏层的神经网络)。通
- 飞桨科学计算套件PaddleScience
skywalk8163
人工智能paddlepaddle人工智能飞桨
PaddleScience是一个基于深度学习框架PaddlePaddle开发的科学计算套件,利用深度神经网络的学习能力和PaddlePaddle框架的自动(高阶)微分机制,解决物理、化学、气象等领域的问题。支持物理机理驱动、数据驱动、数理融合三种求解方式,并提供了基础API和详尽文档供用户使用与二次开发。安装当然要先安装好飞桨PaddlePaddle,再安装PaddleSciencepipinst
- 深度学习——梯度消失、梯度爆炸
小羊头发长
深度学习机器学习人工智能
本文参考:深度学习之3——梯度爆炸与梯度消失梯度消失和梯度爆炸的根源:深度神经网络结构、反向传播算法目前优化神经网络的方法都是基于反向传播的思想,即根据损失函数计算的误差通过反向传播的方式,指导深度网络权值的更新。为什么神经网络优化用到梯度下降的优化方法?深度网络是由许多非线性层(带有激活函数)堆叠而成,每一层非线性层可以视为一个非线性函数f(x),因此整个深度网络可以视为一个复合的非线性多元函数
- 深度学习——第8章 深层神经网络(DNN)
曲入冥
深度学习深度学习神经网络dnn机器学习人工智能
第8章深层神经网络(DNN)目录8.1神经网络为什么要深?8.2深层神经网络标记符号8.3正向传播8.4反向传播8.5多分类Softmax8.6总结上一课是实战内容,我们使用Python一步步搭建了一个最简单的神经网络模型,只包含单层隐藏层。并使用这个简单模型对非线性可分的样本集进行分类,最终得到了不错的分类效果。本节将继续从深度神经网络入手,介绍深层神经网络的数学原理和推导过程。8.1神经网络为
- 深度学习与机器学习的关系
数字化信息化智能化解决方案
深度学习机器学习人工智能
深度学习和机器学习的关系深度学习是机器学习的一个子领域,专注于使用神经网络,特别是深度神经网络(DNN)来解决各种问题。可以说,深度学习是机器学习的一种方法或技术。两者都致力于通过从数据中提取有用的信息或模式来自动改进算法的性能。机器学习涵盖了更广泛的算法和技术,包括决策树、支持向量机、随机森林、聚类算法等,而深度学习则专注于神经网络和相关的优化技术。优缺点比较机器学习:优点:通用性:机器学习算法
- CUDA与CUDNN 关系
XF鸭
小知识caffe深度学习人工智能
CUDA与cuDNN1、什么是CUDACUDA(ComputeUnifiedDeviceArchitecture),是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。2、什么是CUDNNNVIDIAcuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIAcuDNN可以集成到更高级别的机器学
- phaseDNN文章解读
凭轩听雨199407
神经网络
文章DOI:https://doi.org/10.48550/arXiv.1905.01389作者是SouthernMethodistUniversity的WeiCai教授AParallelPhaseShiftDeepNeuralNetworkforAdaptiveWidebandLearning一种并行移相深度神经网络来自适应学习宽带频率信号20190514核心思想:通过相变技术把高频部分转化为
- 【天幕系列 03】深度学习领域的最新前沿:2024年的关键突破与趋势
浅夏的猫
随笔热门话题java大数据人工智能深度学习ai
文章目录导言01深度学习的基本原理和算法1.1神经网络(NeuralNetworks)1.2前馈神经网络(FeedforwardNeuralNetwork)1.3反向传播算法(Backpropagation)1.4激活函数(ActivationFunction)1.5深度神经网络(DeepNeuralNetworks)1.7优化算法1.8正则化1.9批量训练(BatchTraining)02深度学
- 深度学习-图解反向传播算法
AI_王布斯
深度学习算法神经网络深度学习
什么是正向传播网络?前一层的输出作为后一层的输入的逻辑结构,每一层神经元仅与下一层的神经元全连接,通过增加神经网络的层数虽然可为其提供更大的灵活性,让网络具有更强的表征能力,也就是说,能解决的问题更多,但随之而来的数量庞大的网络参数的训练,一直是制约多层神经网络发展的一个重要瓶颈。什么是反向传播?反向传播(Backpropagationalgorithm)全称“误差反向传播”,是在深度神经网络中,
- ChatGPT魔法1: 背后的原理
王丰博
GPTchatgpt
1.AI的三个阶段1)上世纪50~60年代,计算机刚刚产生2)Machinelearning3)Deeplearning,有神经网络,最有代表性的是ChatGPT,GPT(GenerativePre-TrainedTransformer)2.深度神经网络llyaSutskever:做图像识别,使用了GPT去并行计算及训练。Alexnet数据库已经label好的(李飞飞)GPU算力3.GPT3.1T
- 深度神经网络中的BNN和DNN:基于存内计算的原理、实现与能量效率
算法
引言深度神经网络(DNN)在机器学习领域越来越受欢迎,其在一系列任务中展现出最先进的性能。为了达到最佳结果,通常需要大量的训练数据和大型模型,从而使得训练和推理过程变得复杂。尽管图形处理单元(GPU)在许多应用中被用于提供并行计算能力,但较低能耗的平台有可能实现一系列新的应用。目前,一个趋势是降低权重和激活精度的能力,以前的研究表明,在某些情况下,权重和激活可以二值化(即二值化神经网络,BNN),
- 使用深度学习进行序列分类
jk_101
Matlab深度学习分类人工智能
目录加载序列数据准备要填充的数据定义LSTM网络架构训练LSTM网络测试LSTM网络此示例说明如何使用长短期记忆(LSTM)网络对序列数据进行分类。要训练深度神经网络以对序列数据进行分类,可以使用LSTM网络。LSTM网络允许您将序列数据输入网络,并根据序列数据的各个时间步进行预测。此示例使用Waveform数据集。此示例训练LSTM网络来识别给定时间序列数据的波形类型。训练数据包含四种波形的时间
- 为什么深度神经网络难以完全模拟人脑思维
人机与认知实验室
dnn人工智能神经网络深度学习机器学习
由于深度神经网络基于线性函数和激活函数,不能完全模拟人脑思维,也许这是瓶颈。在人类思维中,我们能够处理模糊的概念,例如对于一只动物是否属于“狗”的判断,我们可以接受一定程度上的模糊性。但是在深度网络中,由于其基于线性函数和激活函数的数学模型,很难处理模糊逻辑。深度网络更倾向于进行二分判定,即将输入分为两个离散的类别,难以处理中间状态或模糊边界的情况。人脑思维能够处理各种非线性关系,例如在面对复杂的
- 如何安装Pytorch,CPU版本和GPU版本的安装流程。
JayGboy
pytorch人工智能python
1.PyTorch简介:PyTorch是一个开源的Python机器学习框架,专注于深度学习任务。它由Facebook的人工智能研究团队开发并维护,提供了丰富的工具和库,用于构建和训练各种深度神经网络模型。PyTorch使用动态计算图的概念,允许用户在运行时动态地定义、修改和调试计算图。这种灵活性使得模型构建和调试更加直观和方便,同时也支持更复杂的模型结构和控制流程。PyTorch采用Pythoni
- DFM-无监督图像匹配
alex1801
深度学习图像配准匹配图像拼接
DFM:APerformanceBaselineforDeepFeatureMatching(深度特征匹配的性能基准)2021.06.14摘要提出了一种新的图像匹配方法,利用现成的深度神经网络提取的学习特征来获得良好的图像匹配效果。该方法使用预训练的VGG结构作为特征提取器,不需要任何额外的训练来提高匹配。灵感来自心理学领域成熟的概念,如心理旋转,初始扭曲是作为初步几何变换估计的结果而执行的(an
- 非线性回归的原理与实现
o0Orange
回归数据挖掘人工智能
1.激活函数:激活函数是为了让神经网络可以拟合复杂的非线性函数,比如torch.nn.functional.relu()2.人工神经网络是多层人工神经元组成的网络结构,输入层,隐含层,输出层3,隐含层大于2的神经网络,都可以叫深度神经网络。importtorchimportmatplotlib.pyplotaspltfromtimeimportperf_counter#增加一个维度100000行1
- 使用深度学习进行“序列到序列”回归
jk_101
Matlab深度学习回归人工智能
目录下载数据准备训练数据定义网络架构训练网络测试网络此示例说明如何使用深度学习预测发动机的剩余使用寿命(RUL)。要训练深度神经网络以根据时间序列数据或序列数据预测数值,可以使用长短期记忆(LSTM)网络。此示例使用[1]中所述的涡轮风扇发动机退化仿真数据集。该示例训练一个LSTM网络,旨在根据表示发动机中各种传感器的时间序列数据来预测发动机的剩余使用寿命(预测性维护,以周期为单位进行测量)。训练
- 机器视觉系统中图像分割技术传统方法概论1
欢乐马_e31d
姓名:寇世文学号:21011110234学院:通信工程学院【嵌牛导读】:随着人工智能技术的不断发展,智能机器人领域也得到了空前的发展。尤其是深度神经网络广泛应用于视觉系统中后,取得了许多很明显的成效。对于自主移动机器人来说,视觉系统有着十分重要的作用,而图像分割技术更是在这个系统中担任着十分重要的角色。传统的图像分割技术基本上已经能够将图像的前景和后景分隔开来,但是近年来随着深度学习算法的发展,人
- 图像处理之《隐写网络的隐写术》论文阅读
Hard Coder
图像处理图像处理隐写网络隐写术深度神经网络模型伪装论文阅读
一、文章摘要隐写术是一种在双方之间进行秘密通信的技术。随着深度神经网络(DNN)的快速发展,近年来越来越多的隐写网络被提出,并显示出良好的性能。与传统的手工隐写工具不同,隐写网络的规模相对较大。如何在公共信道上秘密传输隐写网络引起了人们的关注,这是隐写技术在实际应用中的关键阶段。为了解决这一问题,本文提出了一种新的隐写网络隐写方案。不像现有的隐写方案,其重点是微妙的修改封面数据,以适应秘密。我们建
- 大模型题库
lichunericli
LLM人工智能语言模型
你能解释一下Transformer架构及其在大型语言模型中的作用吗?Transformer架构是一种深度神经网络架构,于2017年由Vaswani等人在他们的论文“AttentionisAllYouNeed”中首次提出。自那以后,它已成为大型语言模型(如BERT和GPT)最常用的架构。Transformer架构使用注意机制来解析输入序列,例如句子或段落,专门用于自然语言处理(NLP)应用。与传统的
- YOLO系列详解(YOLOV1-YOLOV3)
X.AI666
深度学习yolo
YOLO算法简介本文主要介绍YOLO算法,包括YOLOv1、YOLOv2/YOLO9000和YOLOv3。YOLO算法作为one-stage目标检测算法最典型的代表,其基于深度神经网络进行对象的识别和定位,运行速度很快,可以用于实时系统。了解YOLO是对目标检测算法研究的一个必须步骤。目标检测思路目标检测属于计算机视觉的一个中层任务,该任务可以细化为目标定位与目标识别两个任务,简单来说,找到图片中
- 深度神经网络中的BNN和DNN:基于存内计算的原理、实现与能量效率
算法
引言深度神经网络(DNN)在机器学习领域越来越受欢迎,其在一系列任务中展现出最先进的性能。为了达到最佳结果,通常需要大量的训练数据和大型模型,从而使得训练和推理过程变得复杂。尽管图形处理单元(GPU)在许多应用中被用于提供并行计算能力,但较低能耗的平台有可能实现一系列新的应用。目前,一个趋势是降低权重和激活精度的能力,以前的研究表明,在某些情况下,权重和激活可以二值化(即二值化神经网络,BNN),
- 【正在更新】从零开始认识语音识别:DNN-HMM混合系统语音识别(ASR)原理
EthanLifeGreat
语音识别dnn人工智能
摘要|AbstractTO-BE-FILLED1.前言|Introduction近期想深入了解语音识别(ASR)中隐马尔可夫模型(HMM)和深度神经网络-隐马尔可夫(DNN-HMM)混合模型,但是尽管网络上有许多关于DNN-HMM的介绍,如李宏毅教授的《深度学习人类语言处理》[1],一些博主的语音识别系列文章[2],斯坦福大学HMM课件[3]。但是这些材料要么不够细致完备,要么对初学者来说过于复杂
- 使用深度学习进行“序列到序列”分类
jk_101
Matlab深度学习分类人工智能
目录加载序列数据定义LSTM网络架构测试LSTM网络此示例说明如何使用长短期记忆(LSTM)网络对序列数据的每个时间步进行分类。要训练深度神经网络以对序列数据的每个时间步进行分类,可以使用“序列到序列”LSTM网络。通过“序列到序列”LSTM网络,可以对序列数据的每个时间步进行不同预测。此示例使用从佩戴在身体上的智能手机获得的传感器数据。该示例训练一个LSTM网络,旨在根据表示三个不同方向上的加速
- 为什么脑机接口不是元宇宙的未来
大囚长
科技前沿黑客帝国元宇宙脑机接口
如果深度神经网络和人脑的机制是类似的,那么人脑就无法直接输入信息,只能通过触听视等知觉来进行数据的收集和训练从而获取知识,而肉体大脑是无法经受机器神经网络那样大规模的数据训练的,所以可以判定,脑机接口无法独立实现对元宇宙的接入,就目前技术来讲也完全无法实现往大脑中加软件一样让你瞬间学会法语,意识上传也是妄想。脑机接口当前更重要的应用领域应该是脑机控制,比如在元宇宙或现实中控制机器开关行走等操作。想
- 【读点论文】A Survey on Vision Transformer,2022年华为诺亚最新综述研究,从发展到任务,整体到局部。ViT有研究价值在于有很多问题还没有解决,真理是阶段性的产物
羞儿
论文笔记深度学习人工智能ViT网络模型研究方向
ASurveyonVisionTransformerAbstracttransformer最早应用于自然语言处理领域,是一种主要基于自注意机制的深度神经网络。由于其强大的表示能力,研究人员正在寻找将transformer应用于计算机视觉任务的方法。在各种可视化基准测试中,基于transformer的模型的性能类似于或优于其他类型的网络,如卷积和循环神经网络。由于transformer具有较高的性能
- 探索未来:集成存储器计算(IMC)与深度神经网络(DNN)的机遇与挑战
繁依Fanyi
dnn人工智能神经网络深度学习机器学习gitwindows
开篇部分:人工智能、深度神经网络与内存计算的交汇在当今数字化时代,人工智能(AI)已经成为科技领域的一股强大力量,而深度神经网络(DNN)则是AI的核心引擎之一。DNN是一种模仿人类神经系统运作方式的计算模型,通过层层堆叠的神经元网络来实现复杂的模式识别和数据处理任务。从图像识别、语音识别到自然语言处理,DNN已经在各个领域展现了惊人的能力。然而,随着DNN模型的不断演进和复杂化,对计算资源的需求
- 使用深度学习对网络摄像头图像进行分类
jk_101
Matlab深度学习网络分类
目录加载相机和预训练网络对相机快照进行分类连续对相机图像进行分类显示排名靠前的预测值连续分类图像并显示排名靠前的预测值另请参阅此示例说明如何使用预训练的深度卷积神经网络GoogLeNet实时对来自网络摄像头的图像进行分类。使用MATLAB®、普通的网络摄像头和深度神经网络来识别周围环境中的对象。此示例使用GoogLeNet,它是预训练的深度卷积神经网络(CNN或ConvNet),已基于超过一百万个
- ChatGPT-4.0:塑造未来对话的智能架构
Draven21
ChatGPTchatgpt
ChatGPT-4.0:塑造未来对话的智能架构引言在人工智能领域,ChatGPT-4.0的问世标志着对话智能技术的重大突破。这个最新的模型不仅在技术层面上实现了革命性的进步,而且在真实世界的应用中展示了前所未有的潜力。本文将深入探讨ChatGPT-4.0的四大核心优势。一、语言理解:更加深入和广泛前沿技术:深度学习与大数据相结合ChatGPT-4.0利用了一个由1750亿参数构成的深度神经网络模型
- 使用Pytorch创建张量以及使用numpy创建数组的异同点
汉德萨姆ys
pytorchpythonnumpy
NumPy(NumericalPython)是Python语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。Pytorch是一个基于Python的计算包,提供两个高级功能:1、具有强大的GPU加速的张量计算;2、包含自动求导系统的深度神经网络。Numpy创建的数组(ndarray)和Pytorch创建的张量(Tensors)具有相似的形式,但是Tensor
- Linux的Initrd机制
被触发
linux
Linux 的 initrd 技术是一个非常普遍使用的机制,linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式,变化不仅反映在文件格式上, linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术,然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
- maven本地仓库路径修改
bitcarter
maven
默认maven本地仓库路径:C:\Users\Administrator\.m2
修改maven本地仓库路径方法:
1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml
2.找到
 
- XSD和XML中的命名空间
darrenzhu
xmlxsdschemanamespace命名空间
http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml
http://blog.csdn.net/wanghuan203/article/details/9203621
http://blog.csdn.net/wanghuan203/article/details/9204337
http://www.cn
- Java 求素数运算
周凡杨
java算法素数
网络上对求素数之解数不胜数,我在此总结归纳一下,同时对一些编码,加以改进,效率有成倍热提高。
第一种:
原理: 6N(+-)1法 任何一个自然数,总可以表示成为如下的形式之一: 6N,6N+1,6N+2,6N+3,6N+4,6N+5 (N=0,1,2,…)
- java 单例模式
g21121
java
想必单例模式大家都不会陌生,有如下两种方式来实现单例模式:
class Singleton {
private static Singleton instance=new Singleton();
private Singleton(){}
static Singleton getInstance() {
return instance;
}
- Linux下Mysql源码安装
510888780
mysql
1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz
(1)创建mysql的安装目录及数据库存放目录
解压缩下载的源码包,目录结构,特殊指定的目录除外:
- 32位和64位操作系统
墙头上一根草
32位和64位操作系统
32位和64位操作系统是指:CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的,但是这些CPU并不是真正意义上的64 位CPU,里面依然保留了大部分32位的技术,只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面,32位系统的最大寻址空间是2 的32次方= 4294967296(bit)= 4(GB)左右,而64位系统的最大寻址空间的寻址空间则达到了
- 我的spring学习笔记10-轻量级_Spring框架
aijuans
Spring 3
一、问题提问:
→ 请简单介绍一下什么是轻量级?
轻量级(Leightweight)是相对于一些重量级的容器来说的,比如Spring的核心是一个轻量级的容器,Spring的核心包在文件容量上只有不到1M大小,使用Spring核心包所需要的资源也是很少的,您甚至可以在小型设备中使用Spring。
 
- mongodb 环境搭建及简单CURD
antlove
WebInstallcurdNoSQLmongo
一 搭建mongodb环境
1. 在mongo官网下载mongodb
2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db"
3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
- 数据字典和动态视图
百合不是茶
oracle数据字典动态视图系统和对象权限
数据字典(data dictionary)是 Oracle 数据库的一个重要组成部分,这是一组用于记录数据库信息的只读(read-only)表。随着数据库的启动而启动,数据库关闭时数据字典也关闭 数据字典中包含
数据库中所有方案对象(schema object)的定义(包括表,视图,索引,簇,同义词,序列,过程,函数,包,触发器等等)
数据库为一
- 多线程编程一般规则
bijian1013
javathread多线程java多线程
如果两个工两个以上的线程都修改一个对象,那么把执行修改的方法定义为被同步的,如果对象更新影响到只读方法,那么只读方法也要定义成同步的。
不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据,就不要将方法设置为synchronized的。
- 将文件或目录拷贝到另一个Linux系统的命令scp
bijian1013
linuxunixscp
一.功能说明 scp就是security copy,用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议,保证了数据传输的安全,其格式如下: scp 远程用户名@IP地址:文件的绝对路径
- 【持久化框架MyBatis3五】MyBatis3一对多关联查询
bit1129
Mybatis3
以教员和课程为例介绍一对多关联关系,在这里认为一个教员可以叫多门课程,而一门课程只有1个教员教,这种关系在实际中不太常见,通过教员和课程是多对多的关系。
示例数据:
地址表:
CREATE TABLE ADDRESSES
(
ADDR_ID INT(11) NOT NULL AUTO_INCREMENT,
STREET VAR
- cookie状态判断引发的查找问题
bitcarter
formcgi
先说一下我们的业务背景:
1.前台将图片和文本通过form表单提交到后台,图片我们都做了base64的编码,并且前台图片进行了压缩
2.form中action是一个cgi服务
3.后台cgi服务同时供PC,H5,APP
4.后台cgi中调用公共的cookie状态判断方法(公共的,大家都用,几年了没有问题)
问题:(折腾两天。。。。)
1.PC端cgi服务正常调用,cookie判断没
- 通过Nginx,Tomcat访问日志(access log)记录请求耗时
ronin47
一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间
nginx.conf使用配置方式:
log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
- java-67- n个骰子的点数。 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
bylijinnan
java
public class ProbabilityOfDice {
/**
* Q67 n个骰子的点数
* 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
* 在以下求解过程中,我们把骰子看作是有序的。
* 例如当n=2时,我们认为(1,2)和(2,1)是两种不同的情况
*/
private stati
- 看别人的博客,觉得心情很好
Cb123456
博客心情
以为写博客,就是总结,就和日记一样吧,同时也在督促自己。今天看了好长时间博客:
职业规划:
http://www.iteye.com/blogs/subjects/zhiyeguihua
android学习:
1.http://byandby.i
- [JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析
comsci
工作流
我们已经不满足于仅仅跳跃一次,通过对引擎的升级,今天我测试了一下循环反馈模式,大概跑了200圈,引擎报一个溢出错误
在一个流程图的结束节点中嵌入一段方程,每次引擎运行到这个节点的时候,通过实时编译器GM模块,计算这个方程,计算结果与预设值进行比较,符合条件则跳跃到开始节点,继续新一轮拓扑分析,直到遇到
- JS常用的事件及方法
cwqcwqmax9
js
事件 描述
onactivate 当对象设置为活动元素时触发。
onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。
onbeforeactivate 对象要被设置为当前元素前立即触发。
onbeforecut 当选中区从文档中删除之前在源对象触发。
onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
- 正则表达式验证日期格式
dashuaifu
正则表达式IT其它java其它
正则表达式验证日期格式
function isDate(d){
var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i);
if(!v) {
this.focus();
return false;
}
}
<input value="2000-8-8" onblu
- Yii CModel.rules() 方法 、validate预定义完整列表、以及说说验证
dcj3sjt126com
yii
public array rules () {return} array 要调用 validate() 时应用的有效性规则。 返回属性的有效性规则。声明验证规则,应重写此方法。 每个规则是数组具有以下结构:array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
- UITextAttributeTextColor = deprecated in iOS 7.0
dcj3sjt126com
ios
In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0."
Ins
- 判断一个数是质数的几种方法
EmmaZhao
Mathpython
质数也叫素数,是只能被1和它本身整除的正整数,最小的质数是2,目前发现的最大的质数是p=2^57885161-1【注1】。
判断一个数是质数的最简单的方法如下:
def isPrime1(n):
for i in range(2, n):
if n % i == 0:
return False
return True
但是在上面的方法中有一些冗余的计算,所以
- SpringSecurity工作原理小解读
坏我一锅粥
SpringSecurity
SecurityContextPersistenceFilter
ConcurrentSessionFilter
WebAsyncManagerIntegrationFilter
HeaderWriterFilter
CsrfFilter
LogoutFilter
Use
- JS实现自适应宽度的Tag切换
ini
JavaScripthtmlWebcsshtml5
效果体验:http://hovertree.com/texiao/js/3.htm
该效果使用纯JavaScript代码,实现TAB页切换效果,TAB标签根据内容自适应宽度,点击TAB标签切换内容页。
HTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"
- Hbase Rest API : 数据查询
kane_xie
RESThbase
hbase(hadoop)是用java编写的,有些语言(例如python)能够对它提供良好的支持,但也有很多语言使用起来并不是那么方便,比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口,它内嵌了jetty作为servlet容器。
启动命令:./bin/hbase rest s
- JQuery实现鼠标拖动元素移动位置(源码+注释)
明子健
jqueryjs源码拖动鼠标
欢迎讨论指正!
print.html代码:
<!DOCTYPE html>
<html>
<head>
<meta http-equiv=Content-Type content="text/html;charset=utf-8">
<title>发票打印</title>
&l
- Postgresql 连表更新字段语法 update
qifeifei
PostgreSQL
下面这段sql本来目的是想更新条件下的数据,可是这段sql却更新了整个表的数据。sql如下:
UPDATE tops_visa.visa_order
SET op_audit_abort_pass_date = now()
FROM
tops_visa.visa_order as t1
INNER JOIN tops_visa.visa_visitor as t2
ON t1.
- 将redis,memcache结合使用的方案?
tcrct
rediscache
公司架构上使用了阿里云的服务,由于阿里的kvstore收费相当高,打算自建,自建后就需要自己维护,所以就有了一个想法,针对kvstore(redis)及ocs(memcache)的特点,想自己开发一个cache层,将需要用到list,set,map等redis方法的继续使用redis来完成,将整条记录放在memcache下,即findbyid,save等时就memcache,其它就对应使用redi
- 开发中遇到的诡异的bug
wudixiaotie
bug
今天我们服务器组遇到个问题:
我们的服务是从Kafka里面取出数据,然后把offset存储到ssdb中,每个topic和partition都对应ssdb中不同的key,服务启动之后,每次kafka数据更新我们这边收到消息,然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了,最开始我们是在代码中打印存储的日志,发现没什么问题,后来去查看ssdb的日志,才发现里面每次set的时候都会对同一个key