- tensorRT 与 torchserve-GPU性能对比
joker-G
计算机视觉pytorchpython
实验对比前端时间搭建了TensorRT、Torchserve-GPU,最近抽时间将这两种方案做一个简单的实验对比。实验数据Cuda11.0、Xeon®62423.1*80、RTX309024G、Resnet50TensorRT、Torchserve-GPU各自一张卡搭建10进程接口,感兴趣的可以查看我个人其他文章。30进程并发、2000张1200*720像素图像的总量数据TensorRT的部署使用
- 141G显存H20单机DeepSeek-R1满血FP8版性能测试
#环境参数#H20141G单机8卡,CUDA12.4,vLLMv0.8.3,flashinferv0.2.2#服务化命令#基于知乎大神的推荐出装与前期H800双机生产环境测试,在H20上开启EP、MLA等核心优化参数,实现推理吞吐性能最优吞吐量破10000tokens/s,VLLM0.8.1版本驱动下的Deepseek-r1671Bhttps://zhuanlan.zhihu.com/p/1887
- AI算力综述和资料整理
木鱼时刻
人工智能
目录总体介绍计算精度传输协议GPU池化资源调度CUDA技术GPU硬件参考链接总体介绍AI算力是人工智能系统的核心基础设施,涵盖了从计算精度、传输协议到硬件架构的完整技术栈。计算精度混合精度训练原生满血版DeepSeek671B是FP8精度。FP16在训练计算力占比有80-90%,FP32占比10%-20%。大模型训练中通常会用到FP16(半精度浮点数),但并不是只使用FP16,而是采用**混合精度
- Day33打卡 @浙大疏锦行
ayuan0119
python打卡shupython
知识点回顾:PyTorch和cuda的安装查看显卡信息的命令行命令(cmd中使用)cuda的检查简单神经网络的流程数据预处理(归一化、转换成张量)#仍然用4特征,3分类的鸢尾花数据集作为我们今天的数据集fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportnumpyasnp
- CIANNA由天体物理学家提供/为天体物理学家提供的卷积交互式人工神经网络
struggle2025
神经网络
一、软件介绍文末提供程序和源码下载CIANNA是一个通用的深度学习框架,主要用于天文数据分析。根据天体物理问题解决的相关性添加功能和优化。CIANNA可用于为各种任务构建和训练大型神经网络模型,并提供高级Python接口(类似于keras、pytorch等)。CIANNA的特点之一是它定制实施了受YOLO启发的对象探测器,用于2D或3D射电天文数据产品中的星系探测。该框架通过低级CUDA编程完全实
- 使用vllm部署 Nanonets-OCR-s
没刮胡子
软件开发技术实战专栏Linux服务器技术人工智能AIocrpython深度学习
使用vLLM部署Nanonets-OCR-s模型的完整指南Nanonets-OCR-s作为基于Qwen2.5-VL-3B的多模态OCR模型,结合vLLM的高效推理引擎可显著提升部署性能。一、环境准备与依赖安装1.安装vLLM与多模态依赖#安装vLLM(含CUDA加速)pipinstallvllm==0.3.21#建议使用稳定版本pipinstalltransformers==4.35
- OpenCV CUDA模块设备层-----线性插值函数log()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述该函数用于创建线性插值访问器,支持对GPU内存中的图像数据进行双线性插值采样。主要应用于图像缩放、旋转等几何变换中需要亚像素级精度的场景。为输入图像构造一个基于“双线性插值”的访问器对象LinearInterPtrSz,可以在CUDA核函数中按需访问缩放后的像素值
- 强化学习 16G实践以下是基于CQL(Conservative Q-Learning)与QLoRA(Quantized Low-Rank Adaptation)结合的方案相关开源项目及资源,【ai技】
行云流水AI笔记
开源人工智能
根据你提供的CUDA版本(11.5)和NVIDIA驱动错误信息,以下是PyTorch、TensorFlow的兼容版本建议及环境修复方案:1.版本兼容性表框架兼容CUDA版本推荐安装命令(CUDA11.5)PyTorch11.3/11.6pipinstalltorchtorchvisiontorchaudio--extra-index-urlhttps://download.pytorch.org/
- Windows 下编译 AMGX
东北豆子哥
数值计算/数值优化HPC/MPICUDAHPC
文章目录Windows下编译AMGX**1.系统要求****2.安装必要工具****(1)安装VisualStudio****(2)安装CUDAToolkit****(3)安装CMake****3.获取AMGX源码****4.使用CMake生成VisualStudio项目****(1)配置CMake****(2)生成项目****5.使用VisualStudio编译****6.验证安装****7.常
- 深度学习计算机视觉开源系统OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置【详细、可运行】
nomoremorphine
深度学习计算机视觉开源
OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置OpenMMLab简介优势:一、Windows/Linux下环境配置(以mmsegmentationv1.2.2(最新版)为例)0.确认安装版本信息1)确认电脑显卡版本2)确认mmcv对应版本3)确认版本1.安装CUDA和cuDNN2.创建conda环境,下载pytorch3.安装mmcv4.安装MMS
- 编译OpenCV支持CUDA视频解码
AI标书
pythonopenvccudanvidiadockerbuild
如何在Ubuntu上编译OpenCV并启用CUDA视频解码支持(cudacodec)在深度学习、视频处理等高性能计算领域,OpenCV的GPU加速功能非常重要。特别是它的cudacodec模块,能直接利用NVIDIA硬件实现高效的视频解码,极大提升性能。本文将基于Ubuntu环境,详细介绍从环境准备到编译安装OpenCV,并开启cudacodec模块的全过程。完整的shell脚本以及本次编译所用到
- CUDA加速cloud compare高度渲染算法
小充
图像加速OpenCVCUDAopencv算法计算机视觉
一、CPU版本算法为一个for循环内,将高度信息,映射到彩色空间,比较耗时的是正弦运算,还执行了多次乘除法,当图像大小为2038*4000时,处理耗时为170ms。原算法是处理点云,这里是输入一张深度图像,数据类型为intvoidsetRGBColorByBanding(cv::Mat*src,cv::Mat*dst,floatfreq=10.0f){ cv::TickMeterst; s
- OpenCV CUDA模块设备层-----逐通道的正弦运算函数sin()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述OpenCV的CUDA模块(cv::cudev)中的一个设备端数学函数,用于在CUDA核函数中对uchar4类型(即4通道无符号字符类型)进行逐通道的正弦运算,并将结果转换为float4类型输出。将一个uchar4类型像素值(每个通道取值范围[0,255])逐通道
- CUDA与venv的配置
老兵发新帖
经验分享
根据技术原理和实际配置经验,CUDA工具包本身无法完全安装在Python的venv虚拟环境目录中,但可通过环境变量和依赖管理实现虚拟环境对特定CUDA版本的调用。以下是关键分析及配置方案:⚙️一、CUDA工具包的安装位置与虚拟环境的关系系统级全局安装CUDA工具包(含nvcc编译器、CUDA运行时库等)必须安装在系统全局路径(如Windows的C:\ProgramFiles\NVIDIAGPUCo
- PyTorch版本匹配终极指南:手把手教你避开99%的安装坑
被版本支配的恐惧(真实故事)上周我的学弟兴冲冲跑来:“师兄!我照着CSDN教程装PyTorch,结果训练时直接报错cudaruntimeerror!”我一看他的环境——Python3.12强行装PyTorch1.8,搭配CUDA11.6…(此时应有乌鸦飞过)这就像用Win11系统装XP时代的显卡驱动,能不翻车吗?!一、版本对应表(2024最新版)(掏出小本本记重点!!!)这是我整理的最新版本对应关
- Anaconda 创建python3.9+pytorch1.10.1+cuda11.3环境
canny_kevin
DeepLearningPythonpythonconda
1.打开AnacondaPowershellPrompt2.创建conda环境condacreate--nameRordAIpython=3.9conda一些命令condainfo--envs:输出中带有【*】号的的就是当前所处的环境condalist:看这个环境下安装的包和版本condainstallnumpyscikit-learn:安装numpysklearn包condaenvremove-
- Pytorch血泪安装史好吗(GPU版本+cuda12.1+python3.9.13)
宇宙最强袋鼠
pytorchpython人工智能
1.安装cuda首先看下自己电脑是CPU还是GPU,看自己电脑对应的cuda版本看右下角英伟达标识,点击组件,我的cuda版本是12.3,但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn前两步可以看参考:Pytorch的安装,有点繁琐但是很详细,保姆级教程不信你安装不成功(Cuda+Cudnn+Anaconda+Pytorch)_pytorch安装-CSDN博客3.anaco
- CUDA编程:优化GPU并行处理与内存管理
Omoo
CUDAGPU并行处理线程协作内存管理硬件限制
背景简介CUDA是NVIDIA推出的一种通用并行计算架构,它利用GPU的强大计算能力来解决复杂的计算问题。在本书的第12章中,我们深入探讨了CUDA编程的关键概念,包括线程间的协作、内存分配与管理以及如何应对硬件限制。CUDA中的线程协作与内存管理在GPU上进行编程时,我们需要处理内存分配、数据传输以及内核(kernel)的调用等任务。CUDA提供了一系列的API来帮助开发者管理这些资源。在提供的
- 如何使用YOLOv8对遥感图像中的滑坡-泥石流进行分割 深度学习遥感图像滑坡泥石流分割数据集的训练及应用
计算机C9硕士_算法工程师
YOLO深度学习人工智能
如何使用YOLOv8对遥感图像中的滑坡-泥石流进行分割深度学习遥感图像滑坡泥石流分割数据集的训练及应用文章目录遥感图像滑坡-泥石流分割数据集情况数据集概述类别统计总体统计注意事项✅一、安装CUDA驱动(Linux示例)✅二、安装Anaconda(Linux示例)✅三、创建Python虚拟环境并安装依赖✅四、数据集结构示例(遥感图像滑坡-泥石流分割)✅五、创建data.yaml文件(用于训练)✅六、
- bitsandbytes:轻量级CUDA自定义函数Python封装库
步子哥
AGI通用人工智能python开发语言人工智能算法深度学习
引言在人工智能和深度学习领域,计算效率和内存使用一直是研究人员和开发者关注的重点。随着模型规模的不断扩大,如何在有限的硬件资源下实现高效的计算成为了一个关键问题。在这样的背景下,bitsandbytes库应运而生,为我们提供了一种优化计算和内存使用的有效解决方案。bitsandbytes库简介bitsandbytes是一个轻量级的Python库,它主要为CUDA自定义函数提供了一个便捷的封装。这个
- bitsandbytes 安装和配置指南
黎沁颖Desired
bitsandbytes安装和配置指南bitsandbytes8-bitCUDAfunctionsforPyTorch项目地址:https://gitcode.com/gh_mirrors/bi/bitsandbytes1.项目基础介绍和主要编程语言项目基础介绍bitsandbytes是一个轻量级的Python库,主要用于在PyTorch中实现k-bit量化,从而使得大规模语言模型(LLM)更加易
- CUDA与PyTorch(GPU)的对应关系
CUDA与PyTorch(GPU)的对应关系:(需要自己按需求去找):https://pytorch.org/get-started/previous-versions/表二:CUDAToolkit版本及可用PyTorch对应关系CUDAToolkit版本可用PyTorch版本7.50.4.1,0.3.0,0.2.0,0.1.12-0.1.68.01.1.0,1.0.0,0.4.19.01.1.0
- OpenCV CUDA模块设备层-----设备端(GPU)线程块级别的一个内存拷贝工具函数blockCopy()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述在同一个线程块(threadblock内,将[beg,end)范围内的数据并行地复制到out开始的位置。它使用了CUDA线程协作机制(warp-level或block-level)来实现高效的块级拷贝,通常比简单的逐线程拷贝更快。函数原型_device__stat
- Python学习Day33
m0_64472246
python打卡学习python
学习来源:浙大疏锦行一、PyTorch和CUDA的安装:给电脑装“超级计算器”通俗解释PyTorch:是一个专门用于深度学习的“工具箱”,类似程序员的“智能积木”,能快速搭建神经网络。CUDA:是NVIDIA显卡的“加速引擎”,相当于给电脑的显卡装了一个“超级计算器”,让它能快速计算复杂的数学问题(如图像识别、数据训练)。安装逻辑:先装CUDA(显卡的“计算器驱动”),再装PyTorch(用这个计
- torch-gpu版本 anaconda配置教程
GXYGGYXG
python
教程Pytorch的GPU版本安装,在安装anaconda的前提下安装pytorch_pytorch-gpu-CSDN博客版本对应PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客cuda下载地址CUDAToolkitArchive|NVIDIADevelopercudacudnn
- 服务器安装指南
星码
服务器使用服务器运维
服务器安装指南一、安装系统二、磁盘挂载2.1磁盘分区2.2磁盘格式化2.3磁盘挂载三、显卡驱动安装(容易bug)3.1参考目录3.2常见错误3.3正确安装步骤四、Cuda安装五、显卡压力测试六、Cudnn安装七、Conda安装八、用户添加与删除九、关闭图形界面十、其他问题一、安装系统制作ubuntu18.04的启动盘二、磁盘挂载磁盘挂载主要是把硬盘分区后挂载在某个目录下,之后存储在这个目录下的东西
- ../aten/src/ATen/native/cuda/Loss.cu:115: operator(): block: [192,0,0], thread: [95,0,0] Assertion
weixin_42319617
深度学习人工智能
../aten/src/ATen/native/cuda/Loss.cu:115:operator():block:[192,0,0],thread:[95,0,0]Assertion`input_val>=zero&&input_val源代码上下文(计算损失函数):loss=nn.BCEWithLogitsLoss()(logit,truth.float())pos=(truth>0.5).fl
- CUDA out of memory内存碎片解决方法
weixin_42319617
深度学习
RuntimeError:CUDAoutofmemory.Triedtoallocate704.00MiB(GPU0;16.00GiBtotalcapacity;13.55GiBalreadyallocated;0bytesfree;14.89GiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_s
- PyTorch的Tensor与Variable的区别, detach的作用, with no_grad()
半张紙
computervisionPython
今天复现论文“3DHandShapeandPosefromImagesintheWild”,写代码用到的一些关于PyTorch的基础知识。1.cuda()与cpu()用法:tensorA.cuda()#tensorA是一个tensor类型的变量作用:把tensorA从CPU移动到GPU,方便后续在GPU中计算用法:modelA.cuda()#把modelA是一个神经网络(nn.Module)作用:
- OpenCV CUDA模块设备层-----线程块级别的一个内存填充工具函数blockFill()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述在同一个线程块(threadblock)内,将[beg,end)范围内的数据并行地填充为指定值value。它使用了CUDA线程协作机制(warp-level或block-level)来实现高效的块级填充,通常比简单的逐线程填充更快。函数原型__device__st
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite