- 化妆英语词汇,女生生存必备啊!
英语自学
化妆英语词汇,女生生存必备啊!护肤skincare洗面奶facialcleanser/facewashFoamingmilkycreamGel爽肤水toner/astringent紧肤水firminglotion护肤霜moisturizersandcreams保湿moisturizer隔离霜防晒sunscreen/sunblock美白whitening露lotion霜cream日霜daycream
- Batch normalization 和 Layer normalization的区别
Decennie
DeepLearning
Renfenrence关于batchnormalization和layernormalization的理解文章目录1.Batchnormalization和Layernormalization的动机1.1白化(whitening)1.2内部变量偏移(InternalCovariateShift)2.BN和LN的不同3.BN和LN的优点和不足4.Bert、Transformer中为何使用的是LN而很
- LLM - LLaMA-2 获取文本向量并计算 Cos 相似度
BIT_666
LLMllamahidden_statescosBERT-whitening向量相似度
目录一.引言二.获取文本向量1.hidden_states与last_hidden_states◆hidden_states◆last_hidden_states2.LLaMA-2获取hidden_states◆modelconfig◆getEmbedding三.获取向量Cos相似度1.向量选择2.Cos相似度3.BERT-whitening特征白化四.总结一.引言前面提到了两种基于统计的机器翻译
- 【NLP】NLP 语义匹配:经典前沿方案整理
风度78
算法计算机视觉机器学习人工智能深度学习
作者|周俊贤整理|NewBeeNLP上一篇文章,讨论了语义匹配的语义场景,NLP语义匹配:业务场景、数据集及比赛这篇跟大家讨论相关的技术,主要包括BERT-avg、BERT-Whitening、SBERT、SimCES四个。为了方便,还是从狭义的语义匹配的场景出发,输入一对句子,输出这对句子相似性(回归,0~1)。BERT-avgBERT-avg做法很简单,「直接拿预训练后的预训练模型来做相似度匹
- 数据降维:PCA、CCA、LDA、ICA的区别及适用场景
liuz_notes
学习成长特征提取数据降维机器学习模式识别算法总结
比较PCA:无监督学习,找到最优重构子空间,使主成分能刻画样本绝大部分的方差。应用:数据降维、Eigenfaces、PCA-SIFTCCA(CanonicalCorrelationAnalysis):无监督学习,对两组变量降维,找到一个最优相关子空间进行相关性分析。应用:问卷调查中变量的相关性分析、跨模态学习。LDA:有监督学习,学习一个可分性最好的投影方向。相当于是白化(whitening)+P
- 深度学习(提高泛化能力)+深度学习未来
Elsa的迷弟
深度学习深度学习人工智能
文章目录泛化能力数据集数据增强预处理均值减法均一化白化(whitening)激活函数maxoutReLUDropoutDropConnect深度学习的应用物体识别物体检测分割回归问题人脸识别网络可视化泛化能力训练样本必不可少预处理的数据更容易训练改进激活函数和训练方法有助于提高神经网络的泛化能力数据集两个包含大规模的数据集:ImageNet,Places数据增强通过对样本进行平移、旋转、或镜像翻转
- 前沿 | 数学优化视角下的深度神经网络建模与应用
lifein
机器学习dnn机器学习人工智能数据挖掘
目录一、引言二、最优化问题1、概念2、主要分支3、优化算法4、总结三、机器学习1、概念2、总结四、深度学习1、概念五、数学优化与深度学习之间的关系六、应用案例1、图像去噪——稀疏编码(fromSparseCoding)2、图像分割——fromCRF3、白化操作——whitening一、引言数学是一切科学的基础,是人类探索自然最为重要的语言。诺贝尔奖得主费曼曾说:“如果没有数学语言,宇宙似乎是不可以
- 数字图像处理——皮肤美白(Skin whitening)算法实现
凌青羽
数字图像处理图像处理算法
数字图像处理——皮肤美白(Skinwhitening)算法实现一色调平衡(Colorbalance)算法1.1当选择色调平衡以保持亮度时1.2当取消色调平衡并保持亮度时二logarithmicCurve算法三图层混合(Layerblending)算法一色调平衡(Colorbalance)算法1.1当选择色调平衡以保持亮度时(1)中间色调:加一种颜色时,颜色增加,另两种颜色减少,以保持亮度平衡;减去
- 【调参Tricks】WhiteningBERT: An Easy Unsupervised Sentence Embedding Approach
lwgkzl
信息检索深度学习TricksNLP深度学习pytorch自然语言处理BERTWhitening
总述该文主要介绍了三种使用BERT做SentenceEmbedding的小Trick,分别为:应该使用所有tokenembedding的average作为句子表示,而非只使用[CLS]对应位置的表示。在BERT中应该使用多层的句向量叠加,而非只使用最后一层。在通过余弦相似度做句子相似度判定的时候,可以使用Whitening操作来统一sentenceembedding的向量分布,从而可以获得更好的句
- 丹琦女神的对比学习新SOTA,在中文表现如何?我们补充实验后,惊了!
zenRRan
深度学习人工智能机器学习自然语言处理3d
点击下面卡片,关注我呀,每天给你送来AI技术干货!文|苏剑林(追一科技)编|小戏源|夕小瑶的卖萌屋小编注:他来了他来了,苏神带着他的文章走来了!在小屋这篇《丹琦女神新作:对比学习,简单到只需要Dropout两下》推出后,苏神发来了他在SimCSE上的中文实验,实验结果表明在不少任务上SimCSE确实相当优秀,能明显优于BERT-whitening。那么话不多说,让我们接着前篇的讨论,来看看苏神的文
- 无监督语义相似度哪家强?我们做了个比较全面的评测
PaperWeekly
人工智能深度学习自然语言处理机器学习base64
©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络一月份的时候,笔者写了《你可能不需要BERT-flow:一个线性变换媲美BERT-flow》[1],指出无监督语义相似度的SOTA模型BERT-flow其实可以通过一个简单的线性变换(白化操作,BERT-whitening)达到。随后,我们进一步完善了实验结果,写成了论文《WhiteningSentenceRepre
- 文本表达进击:从BERT-flow到BERT-whitening、SimCSE
PaperWeekly
机器学习人工智能深度学习算法计算机视觉
©作者|舒鑫印学校|东华大学研究方向|NLP文本表达BERT预训练模型问世以来,改变了很多NLP任务的习惯。很多NLP任务都会直接在BERT的基础上做一个fine-tune,构建一个baseline模型,既快捷也使用,但BERT在做文本表达任务时也有一些明显的缺点。既然有缺点,那这么卷的深度学习领域肯定会有解决方法。于是BERT-flow、BERT-whitening及SimCSE就来了。最近刚好
- SimCSE初步使用且和Bert的简单对比
Fitz1318
深度学习深度学习bert分类
SimCSE初步使用且和Bert的简单对比在很多NLP任务中都会用到句子向量,例如文本检索、文本粗排、语义匹配等任务。现在有不少基于Bert的方式获取句子向量,例如Bert-flow和Bert-whitening等,这些方法会对预训练Bert的输出进行变换从而得到更好的句子向量。本文介绍SimCSE,SimCSE通过对比学习的方法训练模型,取得SOTA的效果。模型下载huggingface这个网站
- 进击!BERT句向量表征
JMXGODLZ
bert深度学习人工智能
文章目录前言Sentence-Bert(EMNLP2019)核心思路BERT-flow(EMNLP2020)核心思路BERT-whitening核心思路ConSERT(ACL2021)核心思路正例构建方式负例构建方式SimCSE(EMNLP2021)核心思路正例构建方式负例构建方式ESimCSE(COLING2022)核心思路正例生成方式负例生成方式DiffCSE(NAACL2022)核心思路(将
- 【深度学习】网络中隐含层神经元节点的个数(需要学习的特征数目)
Mister Zhu
深度学习
http://blog.csdn.net/zouxy09/article/details/99833991、网络中隐含层神经元节点的个数(需要学习的特征数目),采集的密度(也就是convolution时的移动步伐,也就是在什么地方计算特征)和感知区域大小对最终特征提取效果的影响很大,甚至比网络的层次数,deeplearning学习算法本身还要重要。2、Whitening在预处理过程中还是很有必要的
- 文本表达:解决BERT中的各向异性方法总结
Litra LIN
NLPbert自然语言处理深度学习
文章目录文本表达:解决BERT中的各向异性方法总结1、BERT-flowBERT表示存在的问题BERT-flow2、BERT-whitening向量的内积标准正交基方差与协方差Bert-Whitning算法流程总结3、SimCSE文本表达:解决BERT中的各向异性方法总结SentenceEmbeddings:即能表征句子语义的特征向量,获取这种特征向量的方法有无监督和有监督两种,在无监督学习中,我
- Keras中的图片生成器类ImageDataGenerator
yzw1298023866
keras深度学习机器学习
tf.keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,samplewise_center=False,featurewise_std_normalization=False,samplewise_std_normalization=False,zca_whitening=False,zca_epsilon=
- 句向量表示--BERT-FLOW,BERT-whitening, ConSERT, coSENT
zhurui_xiaozhuzaizai
自然语言处理自然语言处理深度学习知识图谱
维度选择公式:n>8.33logNJL理论:塞下N个向量,只需要(logN)维空间一BERT句向量缺点论文1和论文2证明了transformer模型出来的向量表达(如BERT、GPT2)会产生各向异性,具体表现是向量分布不均匀,低频词分布稀疏距离原点较远,高频词分布紧密,距离原点较近,如图所示。向量值受句子中词在所有训练语料里的词频影响,导致高频词编码的句向量距离更近,更集中在原点附近,导致即使一
- 当BERT-whitening引入超参数:总有一款适合你
PaperWeekly
人工智能机器学习深度学习神经网络java
©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络在《你可能不需要BERT-flow:一个线性变换媲美BERT-flow》中,笔者提出了BERT-whitening,验证了一个线性变换就能媲美当时的SOTA方法BERT-flow。此外,BERT-whitening还可以对句向量进行降维,带来更低的内存占用和更快的检索速度。然而,在《无监督语义相似度哪家强?我们做了个
- 【NLP】对比学习——文本匹配(一)
馨歌
NLP自然语言处理学习深度学习
文章目录1.任务简介2.NLP的对比学习算法a.BERT-Flow2020.11b.BERT-Whitening2021.03c.ConSERT2021.053.总结1.任务简介深度学习的本质是做两件事情:①表示学习②归纳偏好学习。对比学习(Contrastive Learning)\small(Contrastive\;Learning)(ContrastiveLearning)则是属于表示学
- TensorFlow各种问题整理
乾坤指尖行
深度学习
1、AttributeError:'module'objecthasnoattribute'random_crop'将tf.scalar_summary(loss.op.name,loss)改为tf.summary.scalar(loss.op.name,loss)即可2、AttributeError:'module'objecthasnoattribute'per_image_whitening
- SimCSE 对比学习方法
彭伟_02
NLP学习自然语言处理人工智能
SimCSE对比学习方法某厂四面技术面面试过程问到了这个,遂记录一下,补个漏早期计算句子相似性的方法之前写过一篇博客,记录的是比较早期的文本相似性计算方法,感兴趣可以移步文本相似性计算。在很多NLP任务中都会用到句子向量,例如文本检索、文本粗排、语义匹配等任务。现在有不少基于Bert的方式获取句子向量,一些比较改进的方法:例如Bert-flow和Bert-whitening等。使用预训练好的Ber
- 【自然语言处理】【对比学习】SimCSE:基于对比学习的句向量表示
BQW_
自然语言处理对比学习自然语言处理SimCSEBERT句向量
相关博客:【自然语言处理】【对比学习】SimCSE:基于对比学习的句向量表示【自然语言处理】BERT-Whitening【自然语言处理】【Pytorch】从头实现SimCSE【自然语言处理】【向量检索】面向开发域稠密检索的多视角文档表示学习【自然语言处理】【向量表示】AugSBERT:改善用于成对句子评分任务的Bi-Encoders的数据增强方法【自然语言处理】【向量表示】PairSupCon:用
- 【自然语言处理】【Pytorch】从头实现SimCSE
BQW_
自然语言处理自然语言处理pytorch对比学习文本表示BERT
相关博客:【自然语言处理】【对比学习】SimCSE:基于对比学习的句向量表示【自然语言处理】BERT-Whitening【自然语言处理】【Pytorch】从头实现SimCSE【自然语言处理】【向量检索】面向开发域稠密检索的多视角文档表示学习【自然语言处理】【向量表示】AugSBERT:改善用于成对句子评分任务的Bi-Encoders的数据增强方法【自然语言处理】【向量表示】PairSupCon:用
- 深度学习中的normalization总结(BN、LN、WN、IN、GN)
gongyuandaye
深度学习深度学习归一化normalization
独立同分布(iit)的数据可以简化常规机器学习模型的训练、提升机器学习模型的预测能力,因此,在把数据喂给机器学习模型之前,“白化(whitening)”是一个重要的数据预处理步骤。白化一般包含两个目的:(1)去除特征之间的相关性——独立;(2)使得所有特征具有相同的均值和方差——同分布。白化最典型的方法就是PCA。对于神经网络的各层输出,由于它们经过了层内操作作用,其分布显然与各层对应的输入信号分
- 【自然语言处理】【向量检索】面向开放域稠密检索的多视角文档表示学习
BQW_
自然语言处理自然语言处理深度学习检索向量检索稠密检索
面向开放域稠密检索的多视角文档表示学习《Multi-ViewDocumentRepresentationLearningforOpen-DomainDenseRetrieval》论文地址:https://arxiv.org/pdf/2203.08372.pdf相关博客:【自然语言处理】【对比学习】SimCSE:基于对比学习的句向量表示【自然语言处理】BERT-Whitening【自然语言处理】【P
- 【自然语言处理】【向量表示】PairSupCon:用于句子表示的成对监督对比学习
BQW_
自然语言处理自然语言处理机器学习向量表示对比学习成对相似度
PairSupCon:用于句子表示的成对监督对比学习《PairwiseSupervisedContrastiveLearningofSentenceRepresentations》论文地址:https://arxiv.org/pdf/2109.05424.pdf相关博客:【自然语言处理】【对比学习】SimCSE:基于对比学习的句向量表示【自然语言处理】BERT-Whitening【自然语言处理】【
- Batch Normalization(BN)简介
seven_777k
深度学习batch神经网络深度学习卷积神经网络
目录1提出背景1.1ICS是什么1.2ICS带来的问题1.2.1训练速度降低1.2.2梯度消失问题1.3ICS能如何被解决1.3.1Whitening1.3.2BatchNormalization的提出2BN算法思想2.1大体思路2.2具体算法2.2.1Training过程中的BN2.2.2Inference过程中的BN2.3CNN中的BN3BN的好处3.1加速模型训练速度3.2对初始值没那么敏感
- Batch Normalization深入理解
allein_STR
Deeplearning
BatchNormalization深入理解1.BN的提出背景是什么?统计学习中的一个很重要的假设就是输入的分布是相对稳定的。如果这个假设不满足,则模型的收敛会很慢,甚至无法收敛。所以,对于一般的统计学习问题,在训练前将数据进行归一化或者白化(whitening)是一个很常用的trick。但这个问题在深度神经网络中变得更加难以解决。在神经网络中,网络是分层的,可以把每一层视为一个单独的分类器,将一
- 2021-05-06论文摘要:酷炫的Skip Connection
雷姆是我的
人工智能
之前说过每天大概要搞出来5篇paper,结果果然翘了。为了能够搞出来,现在我们就把这些任务放在CSDN上吧。事实证明,这个世界上有大一堆非常有趣的关于BatchNormalization,SkipConnection之类的东西。下面是几篇文章。ReZero这篇文章列了几个简单的方法。具体见图:如果这个不够酷炫的话,那么IC这篇就更有意思了。基本思路是加一个Whitening。一些其他关于Layer
- JAVA基础
灵静志远
位运算加载Date字符串池覆盖
一、类的初始化顺序
1 (静态变量,静态代码块)-->(变量,初始化块)--> 构造器
同一括号里的,根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况,那就在父类到子类交替初始化。
二、String
1 String a = "abc";
JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象,根
- keepalived实现redis主从高可用
bylijinnan
redis
方案说明
两台机器(称为A和B),以统一的VIP对外提供服务
1.正常情况下,A和B都启动,B会把A的数据同步过来(B is slave of A)
2.当A挂了后,VIP漂移到B;B的keepalived 通知redis 执行:slaveof no one,由B提供服务
3.当A起来后,VIP不切换,仍在B上面;而A的keepalived 通知redis 执行slaveof B,开始
- java文件操作大全
0624chenhong
java
最近在博客园看到一篇比较全面的文件操作文章,转过来留着。
http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html
转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html
一.获得控制台用户输入的信息
&nbs
- android学习任务
不懂事的小屁孩
工作
任务
完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog,并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程,并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果,写一个实例 已完成 复习fragem
- zoom.js
换个号韩国红果果
oom
它的基于bootstrap 的
https://raw.github.com/twbs/bootstrap/master/js/transition.js transition.js模块引用顺序
<link rel="stylesheet" href="style/zoom.css">
<script src=&q
- 详解Oracle云操作系统Solaris 11.2
蓝儿唯美
Solaris
当Oracle发布Solaris 11时,它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是,这些说法没有告诉我们为什么Solaris是配得上云的。幸好,我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用:OpenStack、内核域、统一存档(UA)和弹性虚拟交换(EVS)。
- spring学习——springmvc(一)
a-john
springMVC
Spring MVC基于模型-视图-控制器(Model-View-Controller,MVC)实现,能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。
1,跟踪Spring MVC的请求
请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样,Spring MVC所有的请求都会通过一个前端控制器Servlet。前
- hdu4342 History repeat itself-------多校联合五
aijuans
数论
水题就不多说什么了。
#include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
- EJB和javabean的区别
asia007
beanejb
EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了
1.EJB用于服务端应用开发, 而JavaBeans
- Struts的action和Result总结
百合不是茶
strutsAction配置Result配置
一:Action的配置详解:
下面是一个Struts中一个空的Struts.xml的配置文件
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE struts PUBLIC
&quo
- 如何带好自已的团队
bijian1013
项目管理团队管理团队
在网上看到博客"
怎么才能让团队成员好好干活"的评论,觉得写的比较好。 原文如下: 我做团队管理有几年了吧,我和你分享一下我认为带好团队的几点:
1.诚信
对团队内成员,无论是技术研究、交流、问题探讨,要尽可能的保持一种诚信的态度,用心去做好,你的团队会感觉得到。 2.努力提
- Java代码混淆工具
sunjing
ProGuard
Open Source Obfuscators
ProGuard
http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
- 【Redis三】基于Redis sentinel的自动failover主从复制
bit1129
redis
在第二篇中使用2.8.17搭建了主从复制,但是它存在Master单点问题,为了解决这个问题,Redis从2.6开始引入sentinel,用于监控和管理Redis的主从复制环境,进行自动failover,即Master挂了后,sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作,如果Master醒来再次加入集群,只能以从服务器的形式工作。
什么是Sentine
- 使用代理实现Hibernate Dao层自动事务
白糖_
DAOspringAOP框架Hibernate
都说spring利用AOP实现自动事务处理机制非常好,但在只有hibernate这个框架情况下,我们开启session、管理事务就往往很麻烦。
public void save(Object obj){
Session session = this.getSession();
Transaction tran = session.beginTransaction();
try
- maven3实战读书笔记
braveCS
maven3
Maven简介
是什么?
Is a software project management and comprehension tool.项目管理工具
是基于POM概念(工程对象模型)
[设计重复、编码重复、文档重复、构建重复,maven最大化消除了构建的重复]
[与XP:简单、交流与反馈;测试驱动开发、十分钟构建、持续集成、富有信息的工作区]
功能:
- 编程之美-子数组的最大乘积
bylijinnan
编程之美
public class MaxProduct {
/**
* 编程之美 子数组的最大乘积
* 题目: 给定一个长度为N的整数数组,只允许使用乘法,不能用除法,计算任意N-1个数的组合中乘积中最大的一组,并写出算法的时间复杂度。
* 以下程序对应书上两种方法,求得“乘积中最大的一组”的乘积——都是有溢出的可能的。
* 但按题目的意思,是要求得这个子数组,而不
- 读书笔记-2
chengxuyuancsdn
读书笔记
1、反射
2、oracle年-月-日 时-分-秒
3、oracle创建有参、无参函数
4、oracle行转列
5、Struts2拦截器
6、Filter过滤器(web.xml)
1、反射
(1)检查类的结构
在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。
2、oracle年月日时分秒
s
- [求学与房地产]慎重选择IT培训学校
comsci
it
关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题
培训学校的教学楼和宿舍的环境和稳定性问题
我们大家都知道,房子是一个比较昂贵的东西,特别是那种能够当教室的房子...
&nb
- RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系
daizj
oraclermanfilespersetPARALLELISM
RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转
PARALLELISM ---
我们还可以通过parallelism参数来指定同时"自动"创建多少个通道:
RMAN > configure device type disk parallelism 3 ;
表示启动三个通道,可以加快备份恢复的速度。
- 简单排序:冒泡排序
dieslrae
冒泡排序
public void bubbleSort(int[] array){
for(int i=1;i<array.length;i++){
for(int k=0;k<array.length-i;k++){
if(array[k] > array[k+1]){
- 初二上学期难记单词三
dcj3sjt126com
sciet
concert 音乐会
tonight 今晚
famous 有名的;著名的
song 歌曲
thousand 千
accident 事故;灾难
careless 粗心的,大意的
break 折断;断裂;破碎
heart 心(脏)
happen 偶尔发生,碰巧
tourist 旅游者;观光者
science (自然)科学
marry 结婚
subject 题目;
- I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码
dcj3sjt126com
redis
wget http://download.redis.io/redis-stable.tar.gz
tar xvzf redis-stable.tar.gz
cd redis-stable
make
前面3步应该没有问题,主要的问题是执行make的时候,出现了异常。
异常一:
make[2]: cc: Command not found
异常原因:没有安装g
- 并发容器
shuizhaosi888
并发容器
通过并发容器来改善同步容器的性能,同步容器将所有对容器状态的访问都串行化,来实现线程安全,这种方式严重降低并发性,当多个线程访问时,吞吐量严重降低。
并发容器ConcurrentHashMap
替代同步基于散列的Map,通过Lock控制。
&nb
- Spring Security(12)——Remember-Me功能
234390216
Spring SecurityRemember Me记住我
Remember-Me功能
目录
1.1 概述
1.2 基于简单加密token的方法
1.3 基于持久化token的方法
1.4 Remember-Me相关接口和实现
- 位运算
焦志广
位运算
一、位运算符C语言提供了六种位运算符:
& 按位与
| 按位或
^ 按位异或
~ 取反
<< 左移
>> 右移
1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时,结果位才为1 ,否则为0。参与运算的数以补码方式出现。
例如:9&am
- nodejs 数据库连接 mongodb mysql
liguangsong
mongodbmysqlnode数据库连接
1.mysql 连接
package.json中dependencies加入
"mysql":"~2.7.0"
执行 npm install
在config 下创建文件 database.js
- java动态编译
olive6615
javaHotSpotjvm动态编译
在HotSpot虚拟机中,有两个技术是至关重要的,即动态编译(Dynamic compilation)和Profiling。
HotSpot是如何动态编译Javad的bytecode呢?Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器,即Profile Monitor,专门监视
- Storm0.9.5的集群部署配置优化
roadrunners
优化storm.yaml
nimbus结点配置(storm.yaml)信息:
# Licensed to the Apache Software Foundation (ASF) under one
# or more contributor license agreements. See the NOTICE file
# distributed with this work for additional inf
- 101个MySQL 的调节和优化的提示
tomcat_oracle
mysql
1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的,它的速度很慢。 3. 使用电池供电的RAM(注:RAM即随机存储器)。 4. 使用高级的RAID(注:Redundant Arrays of Inexpensive Disks,即磁盘阵列
- zoj 3829 Known Notation(贪心)
阿尔萨斯
ZOJ
题目链接:zoj 3829 Known Notation
题目大意:给定一个不完整的后缀表达式,要求有2种不同操作,用尽量少的操作使得表达式完整。
解题思路:贪心,数字的个数要要保证比∗的个数多1,不够的话优先补在开头是最优的。然后遍历一遍字符串,碰到数字+1,碰到∗-1,保证数字的个数大于等1,如果不够减的话,可以和最后面的一个数字交换位置(用栈维护十分方便),因为添加和交换代价都是1