- 基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[5]-高阶实战微调
汀、人工智能
LLM工业级落地实践LLM技术汇总langchain人工智能大模型推理大模型微调p-tuningfastchatRAG
基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[5]-高阶实战微调1.推荐的模型组合在默认的配置文件中,我们提供了以下模型组合LLM:Chatglm2-6bEmbeddingModels:m3e-baseTextSplitter:ChineseRecursiveTextSplitterKb_dataset:faiss我们推荐开发者根据自己的业务需求进行模型微调,如果不需
- Python 科学计算与机器学习入门:NumPy + Scikit-Learn 实战指南
吴师兄大模型
pythonnumpyscikit-learn人工智能开发语言机器学习编程
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 如何优化AI模型的Prompt:深度指南
Earth explosion
人工智能prompt
随着人工智能(AI)技术的快速发展,AI模型在文本生成、翻译、问答等领域的应用越来越广泛。在使用这些模型时,**Prompt(提示)**的质量直接影响输出结果的好坏。优化Prompt不仅能提升生成文本的准确性,还能显著提高工作效率。作为一个希望提升AI应用效果的普通人,如何才能优化Prompt呢?本文将为你提供一份详细的指南,涵盖从基础知识到高级技巧的各个方面。一、什么是Prompt?1.1定义P
- 大语言模型微调和大语言模型应用的区别?
AI Echoes
深度学习人工智能机器学习
1.基本概念微调(Fine-tuning)定义:微调是指在预训练大语言模型的基础上,通过在特定领域或任务的数据上进一步训练,从而使模型在该特定任务上表现更优。目的:适应具体的任务需求,比如法律文书写作、医疗问答、金融分析等,使得模型能更好地理解和生成符合领域要求的内容。过程:通常涉及准备领域特定的数据集、设计合适的损失函数、调整超参数(例如学习率、批量大小等),以及选择冻结或解冻部分参数来更新模型
- RAG技术的PDF智能问答系统
AI Echoes
深度学习
关键要点系统基于RAG(检索增强生成)技术,允许用户上传PDF并进行智能问答。使用Ollama的deepseek-r1模型和FAISS向量数据库,支持普通对话和基于PDF的问答模式。提供简洁的Web界面,支持文件拖拽上传和多轮对话。研究表明,系统适合处理PDF内容查询,但性能可能因PDF复杂性而异。系统概述这个PDF智能问答系统是一个基于RAG技术的工具,旨在帮助用户通过上传PDF文件进行智能交互
- kubernetes集群部署kubesphere环境
weixin_43806846
devopskubernetes自动化
安装步骤选择4核8G(master)、8核16G(node1)、8核16G(node2)三台机器,按量付费进行实验,CentOS7.9安装Docker安装Kubernetes安装KubeSphere前置环境安装KubeSphere1.安装Docker配置docker的yum源地址yum-yinstallwgetwgethttps://mirrors.aliyun.com/docker-ce/lin
- 聊天模型集成指南
三月七꧁ ꧂
langchain+llmmicrosoft语言模型prompt人工智能自然语言处理开发语言llama
文章目录聊天模型集成指南Anthropic聊天模型集成PaLM2聊天模型集成OpenAl聊天模型集成聊天模型集成指南 随着GPT-4等大语言模型的突破,聊天机器人已经不仅仅是简单的问答工具,它们现在广泛应用于客服、企业咨询、电子商务等多种场景,为用户提供准确、快速的反馈。在这样的背景下,开发者们急需一套可以轻松切换、集成不同平台的工具。正是基于这样的需求,Anthropic、PaLM2和Op
- 自然语言处理(NLP)技术介绍
风吹晚风悠
gpt人工智能nlp自然语言处理
自然语言处理(NLP)是一种涉及计算机和人类语言之间交流的技术。NLP技术可以应用于多个领域,例如机器翻译、情感分析、文本分类、问答系统等。以下是一些NLP技术的示例:机器翻译:NLP技术可用于将一个语言的文本自动翻译成另一个语言。例如,GoogleTranslate和百度翻译等在线翻译工具就使用了NLP技术。情感分析:NLP技术可用于分析文本中的情感和情感倾向。这可以帮助企业了解公众对其产品或服
- 深度解析AI智能助手系统架构:数据接入到平台管理的全景指南
AI大模型-搬运工
人工智能系统架构大语言模型深度学习自然语言处理AI智能助手大模型
在数字化转型的大潮中,AI智能助手在帮助企业优化运营、提高决策效率、增强用户体验方面发挥着不可替代的作用。本篇文章将带您深入了解一个典型的AI智能助手系统架构,并提供每个模块的具体实现方案,包括数据接入、模型配置、平台管理等核心模块,帮助企业更好地构建智能化业务流程。一、AI智能助手的核心功能及实现方案AI智能助手的核心功能包括自然语言问答、图表可视化、多维钻取、导出与收藏、需求理解与过程验证、用
- [CRMEB知识付费系统]移动端课程列表一级分类模式实现
道法自然|~
CRMEBvuehtml5css
写在前面最近在使用crmeb知识付费下系统的时候,发现默认是二级分类模式,但需求需要一级直接展示内容所以只能重构一下了,重构只改动了前端,非必要不去改动后端,会很麻烦.....目录写在前面实施准备代码结构与功能说明1.页面结构2.数据与状态管理3.核心方法解析3.1获取一级分类(getCateList)3.2获取二级分类(getSubject)3.3加载课程列表(getSpecialList)3.
- 国家地理信息公共服务平台的天地图
gys9895
百度地图js
文章目录一、国家地理信息公共服务平台的天地图二、地图转换1.GIS数据格式坐标转换(地球坐标WGS84、GCJ-02、火星坐标、百度坐标BD-09、国家大地坐标系CGCS2000)2.读入数据总结一、国家地理信息公共服务平台的天地图三大地图付费后,仍可用的免费商用地图APIFailedtoresolveloader:sass-loader如果是本地测试,那么对应的白名单设置为null第一步,在Vu
- 比付费软件强大的,免费工具!
海斗星河
智能手机科技电脑
今天给大家介绍一款超实用的图片处理软件——洋芋田图像工具箱。它不仅完全免费,还是开源的,使用起来非常顺手,能轻松搞定批量图片处理。洋芋田图像工具箱:专业的图片处理工具洋芋田图像工具箱是一款专业的图片处理工具。它完全免费,没有任何广告和弹窗,使用体验十分清爽,不用担心被打扰。它支持Windows和Mac系统,无论是电脑新手还是资深用户,都能轻松上手。这款软件的功能非常丰富,包括图片加水印、长图拼接、
- Uni-App iOS 打包全攻略:从证书申请到上架 App Store,详解每一步
奶凶的小熊崽
uni-app前端iosuni-appcocoa
一、准备工作在打包iOS应用前,需要准备以下内容:一台macOS设备(因为iOS应用只能在macOS设备上编译)。安装Xcode(建议使用最新版本)。安装HBuilderX(DCloud官方开发工具)。Apple开发者账号(必须是付费的AppleDeveloper账号)。Uni-App项目(已开发完成,并可以正常运行)。二、申请iOS证书和描述文件iOS应用的安装和发布需要开发者证书(.p12)和
- Nature:OpenAI的deep research工具对科研人员有用吗?
迪娜学姐
人工智能论文阅读论文笔记prompt
OpenAI的deepresearch工具对科研人员有用吗?它有哪些优缺点?来看看全球学术界专家的评价。科技巨头OpenAI发布了一款名为“深度研究”的付费访问工具,该工具能够将来自数十乃至数百个网站的信息综合成一份数页长的引用报告。此工具与谷歌去年12月发布的同名“深度研究”功能类似,能在短短数十分钟内完成相当于数小时的工作量。许多科学家对其撰写文献综述或整篇综述论文的能力,甚至识别知识空白的能
- HarmonyOS NEXT 实战系列09-生命周期
harmonyos-next
生命周期编辑页面生命周期,即被@Entry装饰的组件生命周期,提供以下生命周期接口:onPageShow:页面每次显示时触发一次,包括路由过程、应用进入前台等场景。onPageHide:页面每次隐藏时触发一次,包括路由过程、应用进入后台等场景。onBackPress:当用户点击返回按钮时触发。aboutToAppear:组件即将出现时回调该接口,具体时机为在创建自定义组件的新实例后,在执行其bui
- Python 网络编程实战:5分钟实现多线程下载工具与 Web 服务器
吴师兄大模型
pythonWeb服务器多线程下载工具网络编程人工智能开发语言PYTHON
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 【LLM大模型】大模型涌现能力及 Prompt Engineering提示词
Langchain
prompt人工智能llamalangchainai大模型LLM
涌现能力GPT3是第一批拥有“涌现能力”的大语言模型,即模型未经特定任务的训练,但在适当的提示下,仍然能够解决某些特定领域的问题。例如大语言模型可以解答数学问题、辅助进行编程、甚至是进行问答等,其实都属于模型的涌现能力。作为概率模型,大语言模型甚至不知道数字代表的真实含义,模型只是在学习了无数的语料之后,发现了一些数学结论之间的潜在概率关系,才最终涌现出了数学运算或者复杂推理的能力。但是“涌现能力
- 万人在单一世界互动问答集(1)---不使?用分片(sharding)?延迟(latency) 和 吞吐量(throughput)?
微网兔子
後端技術服务器c++架构虚拟现实物联网游戏游戏程序
问:60,000名玩家在同一世界真的可能吗?你们说不使用分片(sharding)就能做到,但是「伺服器网格化(servermeshing)」本质上也是一种分片?此外,我想知道你的延迟(latency)和吞吐量(throughput),以及如果这个技术是依赖「决定性(determinism)」?答:我们开发的技术将瓶颈从空间密集型转移到逻辑密集型,传统根据地理区域(空间密度)来切割游戏世界的Shar
- c语言程序设计---(动态内存分配)考研复试面试问答
眼镜蛇学习编程
c语言考研开发语言
动态内存分配1、malloc函数2、calloc函数3、realloc函数4、常见的动态内存错误动态内存分配1、malloc函数C语言提供了一个动态内存开辟的函数:void*malloc(size_tsize);这个函数向内存申请一块连续可用的空间,并返回指向这块空间的指针。如果开辟成功,则返回一个指向开辟好空间的指针。如果开辟失败,则返回一个null指针。因此malloc函数的返回值一定要给做检
- 相同的问题看看Grok3怎么回答-Dify、RAG-Flow、FastGPT 核心特点对比
释迦呼呼
AI一千问人工智能深度学习机器学习自然语言处理算法
关键要点研究表明,Dify、RAG-Flow和FastGPT都是开源平台,专注于AI应用开发,特别是涉及RAG(检索增强生成)和知识库的场景。证据倾向于认为,Dify更通用,适合广泛的AI应用开发;RAG-Flow专注于深度文档理解的RAG引擎;FastGPT强调视觉工作流,适合构建知识库和问答系统。它们的区别在于平台类型、核心功能和目标用户,存在一些争议,如代理能力或文档处理复杂性。Dify、R
- Pandas数据清洗手册(参数解析与实战)
步入烟尘
Python超入门指南全册pandas数据清洗开发语言python
本文已收录于《Python超入门指南全册》本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学,从基础到精通不断进阶深入,后续还有实战项目,轻松应对面试,专栏订阅地址:https://blog.csdn.net/mrdeam/category_12647587.html优点:订阅限时19.9付费专栏,私信博主还可进入全栈VIP答疑群,作者优先解答机会(代码指导、远程服务),群里大佬众多可以
- RNN 实战指南:用 PyTorch 从零实现文本分类
吴师兄大模型
PyTorchpytorchpython人工智能RNN循环神经网络文本分类开发语言
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 服务器搭建全流程
yzx991013
服务器运维
服务器搭建全流程指南(2025年最新版)一、硬件与服务器选择硬件类型云服务器:推荐阿里云、腾讯云等平台,支持按需付费,适合个人及中小型项目物理服务器:戴尔PowerEdge、惠普ProLiant等企业级设备,适合高并发或大存储需求个人电脑/NAS:通过内网穿透工具(如神卓互联)实现公网访问,适合测试或小型文件服务硬件配置建议CPU:至少4核(如Inteli5或AMDR
- Qt/C++音视频开发09-ffmpeg内核音视频同步
feiyangqingyun
Qt/C++音视频开发ffmpegqt音视频
一、前言用ffmpeg来做音视频同步,个人认为这个是ffmpeg基础处理中最难的一个,无数人就卡在这里,怎么也不准,本人也是尝试过网上各种demo,基本上都是渣渣,要么仅仅支持极其少量的视频文件比如收到的数据包是一帧视频一帧音频的,要么根本没法同步歪七八糟的,要么进度跳过去直接蹦蹦蹦崩溃的,其实最完美的音视频同步处理demo就是ffplay,我亲测过几十种各种各样的音视频本地文件,数十种视频流文件
- 大语言模型(LLM)的微调与应用
AI Echoes
语言模型人工智能自然语言处理
一、微调与应用的核心区别目标差异微调(Fine-tuning):针对预训练模型进行参数调整,使其适应特定任务或领域(如医疗问答、法律文本分析)。需通过有监督微调(SFT)或低秩适配(LoRA)等技术优化模型权重。应用(Application):基于现有模型的能力构建实际系统(如智能客服、文档摘要),侧重于工程化集成和交互设计,通常不修改模型参数,而是通过Prompt工程、RAG(检索增强生成)或A
- AI视频生成工具清单(附网址与免费说明)
远方2.0
人工智能音视频
以下是一份详细的AI视频制作网站总结清单,包含免费/付费信息及核心功能说明:AI视频生成工具清单(附网址与免费说明)1.Synthesia网址:https://www.synthesia.io是否免费:免费试用(生成视频带水印)核心功能:✅120+AI虚拟主播✅支持70种语言语音合成✅直接生成口型同步视频限制:免费版仅限1分钟视频2.RunwayML网址:https://runway.ml是否免费
- AI双轨革命:DeepSeek与Manus
人工智能aigc
DeepSeek与Manus是当前人工智能领域备受关注的两款产品,它们在技术定位、核心能力及适用场景上存在显著差异,但并非直接竞争关系,而是形成互补。一、技术架构与核心能力DeepSeek:知识型“最强大脑”技术架构:基于混合专家模型(MoE),参数规模达6710亿,专注于语言模型的极致优化,擅长知识推理、文本生成与专业问题解答。核心优势:语言理解与生成:中文知识问答正确率达64.1%,在学术论文
- 大模型问答机器人如何实现自然交互
杭州大厂Java程序媛
DeepSeekR1&AI人工智能与大数据javapythonjavascriptkotlingolang架构人工智能
大模型问答机器人如何实现自然交互关键词:大模型问答机器人,自然语言处理(NLP),深度学习,深度对话,多轮对话,意图理解,信息检索,逻辑推理1.背景介绍1.1问题由来近年来,随着人工智能技术的飞速发展,自然语言处理(NLP)领域取得了巨大的突破。特别是深度学习模型在自然语言理解和生成方面的卓越表现,使得基于深度学习的大模型问答机器人(LargeLanguageModel-basedChatbots
- AI问答-供应链管理:直接采购和间接采购有什么区别
快雪时晴-初晴融雪
供应链管理供应链管理
直接采购和间接采购是企业采购活动中的两种主要方式,它们在多个方面存在显著的区别。以下是关于直接采购和间接采购的详细对比:直接采购间接采购定义企业直接从生产商或供应商处购买所需的产品或服务,无需经过中间商或分销商。企业通过中间商(如贸易公司、物资公司、采购中介组织等)实施采购行为,也称委托采购或中介采购。服务对象主要服务于外部客户,用于产品生产及销售所需的物料与服务。主要服务于内部客户,支持产品生产
- Django框架的全面指南:从入门到高级
步入烟尘
Python超入门指南全册djangosqlite数据库
本文已收录于《Python超入门指南全册》本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学,从基础到精通不断进阶深入,后续还有实战项目,轻松应对面试,专栏订阅地址:https://blog.csdn.net/mrdeam/category_12647587.html优点:订阅限时19.9付费专栏,私信博主还可进入全栈VIP答疑群,作者优先解答机会(代码指导、远程服务),群里大佬众多可以
- jQuery 键盘事件keydown ,keypress ,keyup介绍
107x
jsjquerykeydownkeypresskeyup
本文章总结了下些关于jQuery 键盘事件keydown ,keypress ,keyup介绍,有需要了解的朋友可参考。
一、首先需要知道的是: 1、keydown() keydown事件会在键盘按下时触发. 2、keyup() 代码如下 复制代码
$('input').keyup(funciton(){  
- AngularJS中的Promise
bijian1013
JavaScriptAngularJSPromise
一.Promise
Promise是一个接口,它用来处理的对象具有这样的特点:在未来某一时刻(主要是异步调用)会从服务端返回或者被填充属性。其核心是,promise是一个带有then()函数的对象。
为了展示它的优点,下面来看一个例子,其中需要获取用户当前的配置文件:
var cu
- c++ 用数组实现栈类
CrazyMizzz
数据结构C++
#include<iostream>
#include<cassert>
using namespace std;
template<class T, int SIZE = 50>
class Stack{
private:
T list[SIZE];//数组存放栈的元素
int top;//栈顶位置
public:
Stack(
- java和c语言的雷同
麦田的设计者
java递归scaner
软件启动时的初始化代码,加载用户信息2015年5月27号
从头学java二
1、语言的三种基本结构:顺序、选择、循环。废话不多说,需要指出一下几点:
a、return语句的功能除了作为函数返回值以外,还起到结束本函数的功能,return后的语句
不会再继续执行。
b、for循环相比于whi
- LINUX环境并发服务器的三种实现模型
被触发
linux
服务器设计技术有很多,按使用的协议来分有TCP服务器和UDP服务器。按处理方式来分有循环服务器和并发服务器。
1 循环服务器与并发服务器模型
在网络程序里面,一般来说都是许多客户对应一个服务器,为了处理客户的请求,对服务端的程序就提出了特殊的要求。
目前最常用的服务器模型有:
·循环服务器:服务器在同一时刻只能响应一个客户端的请求
·并发服务器:服
- Oracle数据库查询指令
肆无忌惮_
oracle数据库
20140920
单表查询
-- 查询************************************************************************************************************
-- 使用scott用户登录
-- 查看emp表
desc emp
- ext右下角浮动窗口
知了ing
JavaScriptext
第一种
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/
- 浅谈REDIS数据库的键值设计
矮蛋蛋
redis
http://www.cnblogs.com/aidandan/
原文地址:http://www.hoterran.info/redis_kv_design
丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样,DEV和DBA需要深度沟通,review每行sql语句,也不像memcached那样,不需要DBA的参与。redis的DBA需要熟悉数据结构,并能了解使用场景。
- maven编译可执行jar包
alleni123
maven
http://stackoverflow.com/questions/574594/how-can-i-create-an-executable-jar-with-dependencies-using-maven
<build>
<plugins>
<plugin>
<artifactId>maven-asse
- 人力资源在现代企业中的作用
百合不是茶
HR 企业管理
//人力资源在在企业中的作用人力资源为什么会存在,人力资源究竟是干什么的 人力资源管理是对管理模式一次大的创新,人力资源兴起的原因有以下点: 工业时代的国际化竞争,现代市场的风险管控等等。所以人力资源 在现代经济竞争中的优势明显的存在,人力资源在集团类公司中存在着 明显的优势(鸿海集团),有一次笔者亲自去体验过红海集团的招聘,只 知道人力资源是管理企业招聘的 当时我被招聘上了,当时给我们培训 的人
- Linux自启动设置详解
bijian1013
linux
linux有自己一套完整的启动体系,抓住了linux启动的脉络,linux的启动过程将不再神秘。
阅读之前建议先看一下附图。
本文中假设inittab中设置的init tree为:
/etc/rc.d/rc0.d
/etc/rc.d/rc1.d
/etc/rc.d/rc2.d
/etc/rc.d/rc3.d
/etc/rc.d/rc4.d
/etc/rc.d/rc5.d
/etc
- Spring Aop Schema实现
bijian1013
javaspringAOP
本例使用的是Spring2.5
1.Aop配置文件spring-aop.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans
xmlns="http://www.springframework.org/schema/beans"
xmln
- 【Gson七】Gson预定义类型适配器
bit1129
gson
Gson提供了丰富的预定义类型适配器,在对象和JSON串之间进行序列化和反序列化时,指定对象和字符串之间的转换方式,
DateTypeAdapter
public final class DateTypeAdapter extends TypeAdapter<Date> {
public static final TypeAdapterFacto
- 【Spark八十八】Spark Streaming累加器操作(updateStateByKey)
bit1129
update
在实时计算的实际应用中,有时除了需要关心一个时间间隔内的数据,有时还可能会对整个实时计算的所有时间间隔内产生的相关数据进行统计。
比如: 对Nginx的access.log实时监控请求404时,有时除了需要统计某个时间间隔内出现的次数,有时还需要统计一整天出现了多少次404,也就是说404监控横跨多个时间间隔。
Spark Streaming的解决方案是累加器,工作原理是,定义
- linux系统下通过shell脚本快速找到哪个进程在写文件
ronin47
一个文件正在被进程写 我想查看这个进程 文件一直在增大 找不到谁在写 使用lsof也没找到
这个问题挺有普遍性的,解决方法应该很多,这里我给大家提个比较直观的方法。
linux下每个文件都会在某个块设备上存放,当然也都有相应的inode, 那么透过vfs.write我们就可以知道谁在不停的写入特定的设备上的inode。
幸运的是systemtap的安装包里带了inodewatch.stp,位
- java-两种方法求第一个最长的可重复子串
bylijinnan
java算法
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
public class MaxPrefix {
public static void main(String[] args) {
String str="abbdabcdabcx";
- Netty源码学习-ServerBootstrap启动及事件处理过程
bylijinnan
javanetty
Netty是采用了Reactor模式的多线程版本,建议先看下面这篇文章了解一下Reactor模式:
http://bylijinnan.iteye.com/blog/1992325
Netty的启动及事件处理的流程,基本上是按照上面这篇文章来走的
文章里面提到的操作,每一步都能在Netty里面找到对应的代码
其中Reactor里面的Acceptor就对应Netty的ServerBo
- servelt filter listener 的生命周期
cngolon
filterlistenerservelt生命周期
1. servlet 当第一次请求一个servlet资源时,servlet容器创建这个servlet实例,并调用他的 init(ServletConfig config)做一些初始化的工作,然后调用它的service方法处理请求。当第二次请求这个servlet资源时,servlet容器就不在创建实例,而是直接调用它的service方法处理请求,也就是说
- jmpopups获取input元素值
ctrain
JavaScript
jmpopups 获取弹出层form表单
首先,我有一个div,里面包含了一个表单,默认是隐藏的,使用jmpopups时,会弹出这个隐藏的div,其实jmpopups是将我们的代码生成一份拷贝。
当我直接获取这个form表单中的文本框时,使用方法:$('#form input[name=test1]').val();这样是获取不到的。
我们必须到jmpopups生成的代码中去查找这个值,$(
- vi查找替换命令详解
daizj
linux正则表达式替换查找vim
一、查找
查找命令
/pattern<Enter> :向下查找pattern匹配字符串
?pattern<Enter>:向上查找pattern匹配字符串
使用了查找命令之后,使用如下两个键快速查找:
n:按照同一方向继续查找
N:按照反方向查找
字符串匹配
pattern是需要匹配的字符串,例如:
1: /abc<En
- 对网站中的js,css文件进行打包
dcj3sjt126com
PHP打包
一,为什么要用smarty进行打包
apache中也有给js,css这样的静态文件进行打包压缩的模块,但是本文所说的不是以这种方式进行的打包,而是和smarty结合的方式来把网站中的js,css文件进行打包。
为什么要进行打包呢,主要目的是为了合理的管理自己的代码 。现在有好多网站,你查看一下网站的源码的话,你会发现网站的头部有大量的JS文件和CSS文件,网站的尾部也有可能有大量的J
- php Yii: 出现undefined offset 或者 undefined index解决方案
dcj3sjt126com
undefined
在开发Yii 时,在程序中定义了如下方式:
if($this->menuoption[2] === 'test'),那么在运行程序时会报:undefined offset:2,这样的错误主要是由于php.ini 里的错误等级太高了,在windows下错误等级
- linux 文件格式(1) sed工具
eksliang
linuxlinux sed工具sed工具linux sed详解
转载请出自出处:
http://eksliang.iteye.com/blog/2106082
简介
sed 是一种在线编辑器,它一次处理一行内容。处理时,把当前处理的行存储在临时缓冲区中,称为“模式空间”(pattern space),接着用sed命令处理缓冲区中的内容,处理完成后,把缓冲区的内容送往屏幕。接着处理下一行,这样不断重复,直到文件末尾
- Android应用程序获取系统权限
gqdy365
android
引用
如何使Android应用程序获取系统权限
第一个方法简单点,不过需要在Android系统源码的环境下用make来编译:
1. 在应用程序的AndroidManifest.xml中的manifest节点
- HoverTree开发日志之验证码
hvt
.netC#asp.nethovertreewebform
HoverTree是一个ASP.NET的开源CMS,目前包含文章系统,图库和留言板功能。代码完全开放,文章内容页生成了静态的HTM页面,留言板提供留言审核功能,文章可以发布HTML源代码,图片上传同时生成高品质缩略图。推出之后得到许多网友的支持,再此表示感谢!留言板不断收到许多有益留言,但同时也有不少广告,因此决定在提交留言页面增加验证码功能。ASP.NET验证码在网上找,如果不是很多,就是特别多
- JSON API:用 JSON 构建 API 的标准指南中文版
justjavac
json
译文地址:https://github.com/justjavac/json-api-zh_CN
如果你和你的团队曾经争论过使用什么方式构建合理 JSON 响应格式, 那么 JSON API 就是你的 anti-bikeshedding 武器。
通过遵循共同的约定,可以提高开发效率,利用更普遍的工具,可以是你更加专注于开发重点:你的程序。
基于 JSON API 的客户端还能够充分利用缓存,
- 数据结构随记_2
lx.asymmetric
数据结构笔记
第三章 栈与队列
一.简答题
1. 在一个循环队列中,队首指针指向队首元素的 前一个 位置。
2.在具有n个单元的循环队列中,队满时共有 n-1 个元素。
3. 向栈中压入元素的操作是先 移动栈顶指针&n
- Linux下的监控工具dstat
网络接口
linux
1) 工具说明dstat是一个用来替换 vmstat,iostat netstat,nfsstat和ifstat这些命令的工具, 是一个全能系统信息统计工具. 与sysstat相比, dstat拥有一个彩色的界面, 在手动观察性能状况时, 数据比较显眼容易观察; 而且dstat支持即时刷新, 譬如输入dstat 3, 即每三秒收集一次, 但最新的数据都会每秒刷新显示. 和sysstat相同的是,
- C 语言初级入门--二维数组和指针
1140566087
二维数组c/c++指针
/*
二维数组的定义和二维数组元素的引用
二维数组的定义:
当数组中的每个元素带有两个下标时,称这样的数组为二维数组;
(逻辑上把数组看成一个具有行和列的表格或一个矩阵);
语法:
类型名 数组名[常量表达式1][常量表达式2]
二维数组的引用:
引用二维数组元素时必须带有两个下标,引用形式如下:
例如:
int a[3][4]; 引用:
- 10点睛Spring4.1-Application Event
wiselyman
application
10.1 Application Event
Spring使用Application Event给bean之间的消息通讯提供了手段
应按照如下部分实现bean之间的消息通讯
继承ApplicationEvent类实现自己的事件
实现继承ApplicationListener接口实现监听事件
使用ApplicationContext发布消息