- Windows 安装 及解决 tvm 无法打开 源 文件 “dmlc/logging.h“
杜波超
windows
如果你在编译TVM时遇到`dmlc/logging.h`文件缺失的问题,很可能是因为在克隆TVM仓库时没有包含其子模块,而这些子模块(如`dmlc-core`)是通过Git管理的。解决步骤安装Git:如果你还没有安装Git,需要先安装它。根据你的操作系统选择合适的安装方法:Ubuntu/Debian:sudoapt-getinstallgitCentOS/Fedora:sudoyuminstall
- tvm交叉编译android opencl
极乐净土0822
androidtvmndk交叉编译opencl
模型编译:#encoding:utf-8importonnximportnumpyasnpimporttvmimporttvm.relayasrelayimportosfromtvm.contribimportndkonnx_model=onnx.load('mobilenet_v3_small.onnx')x=np.ones([1,3,224,224])input_name='input1'sh
- 一篇文章教你从入门到精通 Google 指纹验证功能
vivo互联网技术
本文首发于vivo互联网技术微信公众号链接:https://mp.weixin.qq.com/s/EHomjBy4Tvm8u962J6ZgsA作者:SunDaxiangGoogle从Android6.0开始,提供了开放的指纹识别相关API,通过此篇文章可以帮助开发者接入指纹验证的基础功能,并且提供了系统应用基于指纹验证的功能扩展,如指纹验证登录功能核心流程图和关键代码分析。一、基础篇从Androi
- Vitis AI 集成
人工智能
更多TVM中文文档可访问→ApacheTVM是一个端到端的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。IApacheTVM中文站VitisAI是用在Xilinx平台(包括边缘设备和Alveo卡)上进行硬件加速AI推理的Xilinx开发堆栈。它由优化的IP、工具、库、模型和示例设计组成。在设计时兼顾高效率和易用性,充分发挥了XilinxFPGA和ACAP上AI加速的潜力。TVM中当
- Vitis AI 集成
HyperAI超神经
TVM人工智能TVM
更多TVM中文文档可访问→ApacheTVM是一个端到端的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。IApacheTVM中文站**VitisAI**是用在Xilinx平台(包括边缘设备和Alveo卡)上进行硬件加速AI推理的Xilinx开发堆栈。它由优化的IP、工具、库、模型和示例设计组成。在设计时兼顾高效率和易用性,充分发挥了XilinxFPGA和ACAP上AI加速的潜力。T
- CFA一级前导:: 计算器使用教程1~7 第2+3节
weixin_52505631
CFAI级职场和发展学习方法金融其他笔记
Time-Value-of-MoneyandAmortizationWorksheets货币的时间价值与摊销表00:48:12点击观看1.用TVM功能:equalandregularcash相等且有规律的现金流按[N][I/Y][PV][PMT][FV]中任5个键中的1个已知其中4个变量,才能求出第5个变量TVM功能Variable中文KeyNumberofperiods(N)期数[N]Inter
- Relay Arm® 计算库集成
HyperAI超神经
TVMarm开发
介绍Arm计算库(ACL)是一个开源项目,它为ArmCPU和GPU提供了加速内核。目前,集成将算子迁移到ACL以在库中使用手工制作的汇编程序例程。通过将选择算子从Relay计算图迁移到ACL,可在此类设备上实现性能提升。安装Arm计算库安装Arm计算库前,了解要构建的架构非常重要。一种方法是使用lscpu,并查找CPU的“模型名称”,然后,可以使用它通过在线查看来确定架构。TVM目前只支持v21.
- TVM安装
血_影
ToolsTVM
为什么选择TVM为提升深度学习模型的推理效率,设备平台制造商针对自己的平台推出优化的推理引擎,例如NAVIDA的tensorRT,Intel的OpenVINO,Tencent针对移动端应用推出NCNN等。目前,深度学习模型应用广泛,在服务端和移动端都有应用,甚至于特殊的嵌入式场景想,它们都有加速模型推理的需求。TVM介是从深度学习编译器的角度来做推理引擎,目前技术领域还比较新,具体技术细节以后有机
- 【TEE】PENGLAI TEE
Destiny
可信执行环境TEE可信计算技术安全架构安全risc-v
蓬莱TEE介绍蓬莱TEE论文蓬莱TEE文档蓬莱TEE项目文章目录1简介2PengLai于2021RISC-V中国峰会2.1TEE/enclave有什么用蓬莱TEE3蓬莱文档3.1教程(蓬莱TVM)3.1.1运行飞地程序helloworld3.1.2enclave-enclave和enclave-host之间的IPC3.1.3影子飞地3.1.4服务器enclave3.1.5证明3.1.6enclav
- 机器学习系统或者SysML&DL笔记
AAI机器之心
机器学习笔记人工智能pytorch深度学习python
在使用过TVM、TensorRT等优秀的机器学习编译优化系统以及Pytorch、Keras等深度学习框架后,总觉得有必要从理论上对这些系统进行一些分析,虽然说在实践中学习是最快最直接的(指哪儿打哪儿、不会哪儿查哪儿),但恶补一些关于系统设计的一些知识还是非常有用了,权当是巩固一些基础了。因此,有必要学习了解一下机器学习系统的设计和思想。以下是本系列文章的笔记来源:CSE599W:Systemsfo
- 使用docker镜像快速构建TVM
早睡的叶子
AI编译器docker容器运维
TVMdocekr编译文章目录TVMdocekr编译使用云镜像使用docker进行本地构建使用云镜像下载docker镜像如果对docker指令不熟悉可以查阅:dockercli命令行APITVMdockerhub镜像dockerpulltlcpack/ci-cpu:20230604-060130-0af9ff90e运行containerdockerrun--name2306_tvm_cpu-it-
- 打破硬件壁垒:TVM 助力 AI技术跨平台部署
程序边界
人工智能
文章目录《TVM编译器原理与实践》编辑推荐内容简介作者简介目录前言/序言获取方式随着人工智能(ArtificialIntelligence,AI)在全世界信息产业中的广泛应用,深度学习模型已经成为推动AI技术革命的关键。TensorFlow、PyTorch、MXNet、Caffe等深度学习模型已经在服务器级GPU上取得了显著的成果。然而,大多数现有的系统框架只针对小范围的服务器级GPU进行过优化,
- [zz]TVM之神经网络Auto-Tuning
crazyhank
最近在研究TVM项目,这篇文章值得一读,对于搞神经网络性能优化的同学来说,很有价值:(http://closure11.com/%E5%85%B6%E4%BB%96/2018/12/20/TVM%E4%B9%8BAuto-Tuning/)
- 2024三掌柜赠书活动第一期:TVM编译器原理与实践
三掌柜666
人工智能
目录前言TVM编译器的实现过程关于《TVM编译器原理与实践》编辑推荐内容简介作者简介图书目录书中前言/序言《TVM编译器原理与实践》全书速览结束语前言随着人工智能的发展,计算机视觉、自然语言处理和语音识别等领域的需求不断增加。为了更好地满足这些需求,许多深度学习框架被开发出来,其中TVM(TVirtualMachine)是一种优秀的编译器,能够将深度学习模型编译为高效的机器码。而且TVM编译器的核
- RK3588-TVM-GPU推理模型
呆呆珝
推理框架人工智能linux前端
1.前言之前的博客已经在RK3588上安装了tvm的mali-gpu的版本,我们整理一下思路,本文将从模型的转换和调用两个方面进行讲解,tvm使用的是0.10版本,模型和代码也都是tvm官方的案例。2.onnx模型转换将ONNX格式的ResNet50-v2模型转换为TVMRuntime支持的形式,并将其编译为一个共享库文件。以下是对代码的解释:1.导入库和模块importonnximporttvm
- win10 安装tvm(aarch64进行推理)
SongpingWang
TensorRT/TVMc++python
文章目录准备一、编译llvm二、编译tvm三、测试tvm准备llvm下载:gitclone-bv0.14.0--depth=1--recursivehttp://github.com/apache/tvmtvmtvm下载:https://codeload.github.com/apache/tvm/zip/refs/tags/v0.14.0E:\TVM_LLVM├─llvm-project-llv
- RK3588安装TVM-GPU版本
呆呆珝
推理框架嵌入式硬件opencv目标检测计算机视觉python
1.前言RK3588还有相应的GPU可以使用,我们也可以配置相关的环境,进行GPU的使用2.RK3588的GPU介绍Mali-G610是Arm公司开发的第三代Valhall架构的GPU。它于2022年7月发布,面向中端和高端移动设备。Mali-G610采用Armv9架构,具有10个核心,每个核心都有128个FP32ALU。它还支持FP16、INT8和INT4计算,以及硬件加速的AI功能。Mali-
- RK3588安装TVM-CPU版本
呆呆珝
推理框架人工智能深度学习
1.背景TVM是一个开源的机器学习编译器栈,用于优化和编译深度学习模型,以在各种硬件平台上实现高效性能。以下是关于TVM的详细介绍:TVM的目标是将深度学习模型的优化和编译过程自动化,以便开发人员可以轻松地将其模型部署到各种硬件平台上,包括CPU、GPU、FPGA等。TVM的核心功能包括自动优化、代码生成和硬件抽象。它可以根据硬件平台的特点自动调整模型的计算图,生成高效的代码,并通过硬件抽象层与底
- 探索“超级服务器” TON:SDK 应用与开发入门
TinTin Land
TinTinMeetingweb3TONtelegram
TON是一个由多个组件构成的去中心化和开放的互联网平台,聚焦于实现广泛的跨链互操作性,同时在高可扩展性的安全框架中运作。TON区块链被设计为分布式超级计算机或“超级服务器(superserver)”,旨在提供各种产品和服务,以促进去中心化的发展。从TVM基础到合约开发语言,TON区块链的技术优势与生态发展有何特点?基于TON生态开发的技术工具又将赋予开发者怎样高效、个性的应用体验?第25期TinT
- 将VM放入TVM:Relay虚拟机
zxros10
TVM官方文档翻译人工智能
Relay是一种新的程序表示方法,它实现了大量机器学习程序的表示和优化。不幸的是,在引入支持更有表现力的程序集的同时,我们也引入了一些新的执行上的挑战。Relay的解释器可以执行完整的语言,但是有明显的限制,这使得它不适合生产部署。它被构造成通过遍历AST来执行程序的低效解释器。这种方法在概念上很简单,但效率很低,因为AST遍历严重依赖于间接性。在编译动态代码方面还有更多的挑战,比如动态调度和内存
- TVM(端到端的优化栈)概述
wangbowj123
深度学习深度学习从入门到放弃TVM深度学习GPU优化人工智能
陈天奇团队宣布推出TVM,在微博上表示,「我们今天发布了TVM,和NNVM一起组成深度学习到各种硬件的完整优化工具链,支持手机,cuda,opencl,metal,javascript以及其它各种后端。欢迎对于深度学习,编译原理,高性能计算,硬件加速有兴趣的同学一起加入dmlc推动领导开源项目社区。」大多数现有系统针对窄范围的服务器级GPU进行优化,且需要在包括手机、IOT设备及专用加速器上部署大
- 深度学习模型编译框架TVM概述
Linux基金会AI&Data基金会
算法数据结构大数据编程语言python
★在任意深度学习的应用场景落地一个模型/算法时,需要经历两个基本步骤:1.根据数据生产一个模型的训练步骤;2.将生产出的模型部署到目标设备上执行服务的推理步骤。训练步骤目前基本由Tensorflow、PyTorch、Keras、MXNet等主流框架主导,同样的,推理步骤目前也处在“百家争鸣”的状态。”TVM是什么?TVM是一款开源的、端到端的深度学习模型编译框架,用于优化深度学习模型在CPU、GP
- AI编译器及TVM概述
WRichards
人工智能
AI编译器AI编译器有许多不同的类型和品牌,以下是一些常见的AI编译器:TensorFlow:谷歌开发的深度学习框架,它包含了一个用于优化和编译TensorFlow模型的编译器。PyTorch:一个基于Python的开源深度学习框架,也提供了一个编译器用于执行和优化PyTorch模型。ONNX:开放神经网络交换的标准,它定义了一个中间表示格式,允许不同的深度学习框架之间交换和执行模型。TVM:一个
- TVM Ubuntu20安装
shelgi
框架使用python各种填坑ubuntu人工智能TVMpytorchpython
TVMUbuntu20安装最近和大佬聊天,谈到对于现在项目上部署的一些问题,总觉得各大部署框架对“自家”产品都支持的很好,但是对其他平台可能效果一般.于是聊到通用的部署框架TVM,可能对特定的设备优化不如那些针对“自家”产品优化的好,但是普适性来说还是非常好的,起码很多时候不会因为换了一个硬件平台就得重复编译优化.况且现在TVM还加入了Tensorrt的算子优化,基本上和纯Tensorrt部署性能
- Ubuntu20.04部署TVM流程及编译优化模型示例
Briwisdom
#技术教程linuxllvmclangtvm
前言:记录自己安装TVM的流程,以及一个简单的利用TVM编译模型并执行的示例。1,官网下载TVM源码gitclone--recursivehttps://github.com/apache/tvmgitsubmoduleinitgitsubmoduleupdate顺便完成准备工作,比如升级cmake版本需要3.18及以上版本。还有如下库:sudoapt-getupdatesudoapt-getin
- esp32-s3部署yolox_nano进行目标检测
咚咚锵咚咚锵
模型落地人工智能目标检测嵌入式硬件
ESP32-S3部署yolox_nano进行目标检测一、生成模型部署项目01环境02配置TVM包03模型量化3.1预处理3.2量化04生成项目二、烧录程序手上的是ESP32-S3-WROOM-1N8R8芯片,整个链路跑通了,但是识别速度太慢了,20秒一张图,所以暂时还没打算进一步优化程序。一、生成模型部署项目官方指导文件:使用TVM自动生成模型部署项目先下载onnx模型:yolox_nano.on
- TVM 0.9 在 ubuntu(任意版本)上的安装(简单且保姆级!)
哥谭最性感的下巴
TVMubuntupython深度学习人工智能pytorch
近一年来尝试过TVM在ubuntu16.04、ubuntu18.04、ubuntu20.04以及windows上的安装,也看了官方教程和网上各种博客,踩坑无数,现在总结在Ubuntu上踩坑几率最小的安装流程如下。(建议学习TVM一开始就在ubuntu上进行,windows上TVM从安装到运行都会有意想不到的bug,我曾经遇到过同样的代码在windows上报奇怪的错而在Ubuntu上就不会)以TVM
- Ubuntu20.04上编译安装TVM
ltshan139
TVMTVMCMAKELLVM
本文主要讲述如何在ubuntu20.04平台上编译TVM代码并在python中importtvm成功。源代码下载:gitclone--recursivehttps://github.com/apache/tvmtvm平台环境升级:1)sudoapt-getupdate2)sudoapt-getinstall-ypython3python3-devpython3-setuptoolsgcclibti
- 深度学习AI编译器-TVM简介
WRichards
人工智能深度学习人工智能
1.为什么需要深度学习编译器深度学习编译器主要为解决不同框架下训练的模型部署到指定的某些设备上时所遇到的一系列复杂的问题,即将各种深度学习训练框架的模型部署到各种硬件所面临的问题;首先深度学习领域,从训练框架看,当前可选的框架有pytorch、TensorFlow、Mxnet、paddle,oneflow、caffe/caffe2、mindspore等,具体选择哪个,不尽相同,但如果项目要部署落地
- TVM中tensorflow pb格式模型加载过程学习
编程小猪
1、通过tf将pb模型文件加载后生成GraphDef这里需要注意,目前tvm只支持加载forzon的PB模型。withtf.gfile.FastGFile(FLAGS.frozen_model_path,'rb')asf:graph_def=tf.compat.v1.GraphDef()graph_def.ParseFromString(f.read())graph=tf.import_graph
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22
[email protected]
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla