- ubuntu安装 veloview_Pointnet+Frustum-Pointnet复现(Pytorch1.3+Ubuntu18.04)
信海松
ubuntu安装veloview
1.数据集和预处理1.1ModelNet40ModelNet40是一个大规模3DCAD数据集,始于3DShapeNets:ADeepRepresentationforVolumetricShapesZhirong,创建初衷是为了学习到能良好捕捉类内差别的3D表示,比当时最新的数据集大22倍。包含151,128个3DCAD模型和660个不同类别,如下图。作者在实验时仅选取了40个类别,每个类别各10
- Pointnet++改进注意力机制系列:全网首发DoubleAttention注意力机制 |即插即用,实现有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能3d
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入DoubleAttention注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步骤三
- Pointnet++改进注意力机制系列:全网首发ShuffleAttention注意力机制 |即插即用,实现有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能3d机器学习
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入ShuffleAttention注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步骤三
- Pointnet++改进优化器系列:全网首发AdamW优化器 |即插即用,实现有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能3d机器学习神经网络
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入AdamW优化器,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步
- Pointnet++改进优化器系列:全网首发Sophia优化器 |即插即用,实现有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能3d机器学习
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入Sophia优化器,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3
- PointNet 和 PointNet++ pytorch版本 复现 modelnet40
Nice_cool.
三维点云pytorch深度学习人工智能
复现一下经典的PointNet的pytorch版本记录一下复现的过程代码下载gitclonehttps://gitcode.net/mirrors/yanx27/pointnet_pointnet2_pytorch.git环境配置python=3.8.13cuda=11.2cudnn=8.1.0pipinstalltorch==1.12.1+cu113torchvision==0.13.1+cu1
- PointNet-Pytorch代码运行(分类部分)
库噜熊
pytorch人工智能python
1、下载源码及环境的准备1.1源码下载PointNet源码下载地址:https://github.com/fxia22/pointnet.pytorch分类数据集为modelnet40数据集下载官网(我从官网下载失败了,然后去其他地方下载的)PrincetonModelNethttp://modelnet.cs.princeton.edu/1.2环境准备安装Pointnet包cdpointnet.
- 【唐宇迪 深度学习-3D点云实战系列】学习笔记
_helen_520
点云算法学习
课程目录如下:https://download.csdn.net/learn/35500/529919一、3D点云应用领域分析3D点云领域都关注了哪些方向?课程核心系列-PointNet系列:点云数据如何处理、点云数据如何进行特征提取。后续无论是分类、分割、补全、配准检测,首先都要先对点云数据进行特征提取。PointNet系列就是重点系列。算法原理、论文思想、源码实现基础算法、论文核心思想。点云数
- 复现PointNet++(语义分割网络):Windows + PyTorch + S3DIS语义分割 + 代码
累了就要打游戏
pytorch人工智能python点云语义分割PointNet
一、平台Windows10GPURTX3090+CUDA11.1+cudnn8.9.6Python3.9Torch1.9.1+cu111所用的原始代码:https://github.com/yanx27/Pointnet_Pointnet2_pytorch二、数据Stanford3dDataset_v1.2_Aligned_Version三、代码分享给有需要的人,代码质量勿喷。对源代码进行了简化和
- Hand PointNet: 3D Hand Pose Estimation using Point Sets总结
中了胖毒
文章链接摘要基于PointNet++,直接处理3D点云数据预测输出3D手势关键PointNet++接受深度图作为输入,转换为点云,并下采样为N个点。每个点取坐标值和曲面法线向量作为初始特征输入,,使用PointNet++提取特征OrientedBoundingBox(OBB)归一化视角OBB是一个紧贴输入点云的边界框,OBB的方向由点云的PCA主成分分析得到(根据特征值降序排序)为p在摄像机坐标系
- 点云相关论文总结
计算机视觉-Archer
人工智能
点云Backbone全链接-PointNet++:https://arxiv.org/pdf/1706.02413.pdfTransformer-PointTransformer:https://openaccess.thecvf.com/content/ICCV2021/papers/Zhao_Point_Transformer_ICCV_2021_paper.pdf3DCNN-https://
- Windows系统保姆级复现Pointnet++算法教程笔记(基于Pytorch)
爱编码的小陈
点云笔记pytorch人工智能
前言今天复现了PointNet++网络,中途也遇到过好多报错问题,但都一一解决了,最终实现cls、partseg、semseg训练(train)和测试(test)程序的成功跑通。首先,我参考的论文和所用的源码参考自这篇文章:3D点云目标检测算法Pointnet++项目实战Pytorch实现附代码:链接:https://pan.baidu.com/s/10Nk4Zd3S_NklY5PJwzmnWA提
- Pointnet++改进:在特征提取模块加入GAM注意力机制
AICurator
Pointnet++改进专栏深度学习人工智能3d
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入GAM注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步
- Pointnet++改进:在特征提取模块加入EMA注意力机制
AICurator
Pointnet++改进专栏深度学习人工智能3d
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入EMA注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步骤三
- Pointnet++改进:在特征提取模块加入SegNext_Attention注意力机制,卷积注意力打造高性能点云分割模型
AICurator
Pointnet++改进专栏深度学习人工智能3dpython机器学习
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入SegNext_Attention注意力机制,提升性能,实现有效涨点。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二
- Pointnet++改进注意力机制系列:全网首发CoordAtt注意力机制 |即插即用,实现有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能3dpython神经网络
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入CoordAtt注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二
- Pointnet++改进:在特征提取模块加入NAMAttention注意力机制,有效涨点
AICurator
Pointnet++改进专栏深度学习人工智能机器学习3d
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,加入NAMAttention注意力机制,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.理论介绍2.修改步骤2.1步骤一
- Pointnet++改进:在特征提取模块加入CBAM注意力机制
AICurator
Pointnet++改进专栏深度学习人工智能3dpython
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++特征提取模块进行改进,提升性能。3.专栏持续更新,紧随最新的研究内容。目录1.步骤一2.步骤二3.步骤三论文介绍:摘要。我们提出了卷积块注意模块(CBAM),这是一种简单而有效的前馈卷积神经网络注意模块。给定一个中间特征映射,我们的模块沿着两个独立的维度依次推断注意力映射,通道和
- Pointnet++改进:更换不同的激活函数,打造更优性能
AICurator
Pointnet++改进专栏人工智能python深度学习3d
简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!2.本篇文章对Pointnet++进行激活函数的改进,助力解决RELU激活函数缺陷。3.专栏持续更新,紧随最新的研究内容。文章目录步骤一步骤二步骤三代码地址步骤一新建activate.py文件,我存放在新建的block目录下,加入以下代码:#Activationfunctionsimporttorchimport
- Pointnet++环境配置(Windows11和ubuntu)及训练教程
AICurator
Pointnet++改进专栏ubuntulinux运维机器学习人工智能3d
本文使用的是Pytorch版本的Pointnet++代码,主要包含完整的环境配置及训练过程,包括在训练时遇到的坑。目录1.Windows11环境配置2.Ubuntu环境配置3.训练教程3.1分类(Classification)训练3.2零件分割(PartSegmentation)训练3.3场景分割(SemanticSegmentation)训练代码地址1.Windows11环境配置这里主要是pyt
- pointNet训练预测自己的数据集Charles版本(一)
竹叶青lvye
检测分割分类深度学习人工智能pointnetCharles3D点云分割
这里跑下作者在github提供的pointNet源码,也会训练和预测下自己的数据集。实际动手看下效果。论文链接:https://openaccess.thecvf.com/content_cvpr_2017/papers/Qi_PointNet_Deep_Learning_CVPR_2017_paper.pdfhttps://openaccess.thecvf.com/content_cvpr_2
- pointNet训练预测自己的数据集Charles版本(二)
竹叶青lvye
检测分割分类深度学习pointNettensorflowpython点云语义分割
之前博客介绍了如何跑通charles版本的pointNet,这篇介绍下如何来训练和预测自己的数据集,介绍如何在自己的数据集上做点云语义分割,此篇的环境配置和博客中保持一致。点云分类较简单,方法差不多,这边就不特地说明了。一.在自己的点云数据集上做语义分割1.RGB-DScenesDatasetv.2数据集介绍博主拿数据集RGB-DScenesDatasetv.2来做实验,数据集下载链接如下:RGB
- RandLA-Net windows Pytorch实现
Noxxhh
点云深度学习pytorchpython深度学习windows
前言最近准备学习有关点云的深度学习模型,想先在自己笔记本电脑(windows11系统)上先简单复现下相关模型和解读代码,由于网上也有很多关于windows系统下的模型复现的博客,所以我就在windows系统下展开了学习。目前只是跑通PointNet和RandLA-Net两个比较基础的模型,但在复现过程中仍遇到很多问题,可能和windows系统本身有关系,所以建议还是提前安装Linux系统,不然可能
- Point-BERT:一种基于Transformer架构的点云深度网络
程序猿老甘
bert学习人工智能
目录1.前言2.PointTokenization3.TransformerBackbone4.MaskedPointModeling5.ExperimentsReference1.前言从PointNet[1]开始,点云深度网络逐渐成为解决点云特征提取与语义分析的主要研究方向。尤其在OpenAI的GPT模型获得了突破性成果后,一系列的点云深度学习研究开始向相同的技术方向靠拢,即基于Transfor
- PointNet:基于Python和PyTorch的3D分割的实用指南
小北的北
pythonpytorch开发语言人工智能深度学习
准备好探索3D分割的世界吧,我们将通过PointNet进行一次旅程,这是一种理解3D形状的超酷方法。PointNet就像计算机查看3D事物的智能工具,尤其是在空间中漂浮的点群。它与其他方法不同,因为它直接处理这些点,而不需要将它们强制放入网格或图片中。在本文中,我们将使PointNet易于理解。我们将从大的想法开始,实际上编写Python和PyTorch的代码来进行3D分割。但在我们进入有趣的部分
- 可以应用于点云的深度学习方法
稻壳特筑
激光SLAMSLAMcomputervisionSLAM计算机视觉
点云处理中应用深度学习方法正变得越来越流行,特别是在任务如分类、分割、检测和重建等领域。下面列出了一些在点云处理中常用的深度学习方法:PointNet和PointNet++:PointNet是首个直接在点云上工作的深度学习模型。它能够从整个点集中直接学习点云的全局特征。PointNet++则在此基础上进行了改进,增加了局部结构的考虑,通过逐点采样和分组来捕捉更细粒度的特征。Voxel-basedN
- 多传感器融合SLAM论文调研
dueen1123
自动驾驶
感知任务物体识别:《Pointnet:Deeplearningonpointsetsfor3dclassificationandsegmentation》《Voxelnet:End-to-endlearningforpointcloudbased3dobjectdetection》语义分割:《Anintegratedframeworkforautonomousdriving:objectdetec
- 【学习笔记】:PointNet的补充材料
喝鸡汤
计算机视觉人工智能
1.比较PointNet与VoxNet的网络:使用两个网络处理缺失点云数据,测试鲁棒性,划分相同的数据集,以1024个点作为输入。对于VoxNet,将点云数据划为323232的网格,并使用随即旋转与抖动增强数据集。由于VoxNet对旋转敏感,使用十二个视点的平均分数,结果如下:本文提出的网络对于数据缺失具有较强的鲁棒性。2.网络框架和训练细节:a.点云分类网络:mini-PointNet(输入变换
- 激光感知(十):深度学习算法发展简史
JayLee719
从零开始入门自动驾驶感知算法算法自动驾驶深度学习
目录前言一、Point-based1.PointNet/PointNet++2.F-PointNet3.PointRCNN总结二、Voxel-based1.VoxelNetVoxelNet特征提取流程1)Voxel特征提取2)全局特征提取2.SECOND稀疏卷积3.后续总结前言在深度学习方法出现之前,基于点云的目标检测已经有一套比较成熟的处理流程:分割地面->点云聚类->特征提取->分类,我们将这
- Debug报错:THC\THC.h: No such file or directory; pip从.git子文件夹中安装指定分支
RuiH.AI
Debug经验gitpippython
Debug报错:THC\THC.h:Nosuchfileordirectory;pip从.git子文件夹中安装问题1描述编译Pointnet2.PyTorch仓库中的setup.py时报THC\THC.h:Nosuchfileordirectory。问题解决原因是THC.h在pytorch1.11版本中被移除了,需要修改代码。仓库issues给除了解决方法://CommentOut/src/bal
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before 
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen