- 强化学习探索与利用:多臂老虎机的UCB与Softmax策略
海棠AI实验室
智元启示录深度学习人工智能机器学习USBSoftmax
目录引言多臂老虎机问题概述ε-贪心算法(ε-Greedy)上置信界(UCB,UpperConfidenceBound)软max策略(Softmax)算法对比与评估实验与结果总结与展望参考文献引言多臂老虎机问题(Multi-ArmedBandit,MAB)是强化学习领域中的一个经典问题,广泛应用于广告推荐、网页优化、金融交易、医疗决策等场景。其核心挑战在于如何平衡探索(exploration)和利用
- 谁说消费级硬件不能玩 DeepSeek - R1 微调?手把手教你进阶AI玩家
硅基创想家
#大模型-DeepSeek系列人工智能DeepSeek大模型微调大模型GPU
微调像DeepSeek-R1这样的大规模人工智能模型可能需要大量资源,但借助正确的工具,在消费级硬件上进行高效训练是可行的。让我们来探索如何使用LoRA(低秩自适应)和Unsloth来优化DeepSeek-R1的微调,实现更快、更具成本效益的训练。一、大规模人工智能模型的微调DeepSeek最新的R1模型在推理性能方面树立了新的标杆,在保持开源的同时,可与专有模型相媲美。DeepSeek-R1的蒸
- 2.8 通过微调提升模型的准确度与效率-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能javaai
单选题模型量化技术的主要优势是?A.显著提升模型精度B.减少显存占用和响应时间✅C.完全保留原始模型能力D.支持多模态任务扩展解析:量化通过降低参数精度减少资源消耗,但对精度影响较小(<2%)以下关于LoRA技术的描述错误的是?A.通过低秩矩阵间接影响模型行为B.会直接修改原始模型权重✅C.支持参数回退操作D.训练效率高于全参微调解析:LoRA通过添加额外参数而非修改原权重实现微调当训练过程中出现
- 机器学习:强化学习的epsilon贪心算法
田乐蒙
PythonML机器学习贪心算法人工智能
强化学习(ReinforcementLearning,RL)是一种机器学习方法,旨在通过与环境交互,使智能体(Agent)学习如何采取最优行动,以最大化某种累积奖励。它与监督学习和无监督学习不同,强调试错探索(Exploration-Exploitation)以及基于奖励信号的学习。强化学习任务通常用马尔可夫决策过程来描述:机器处于环境EEE中,状态空间XXX,其中每个状态x∈Xx\inXx∈X是
- 一行指令自动搭建AI绘画:stable-diffusion-webui_v1.3.2
954L
AI前沿技术dockerstablediffusionlinux
Demo效果一、前言本文使用docker进行部署,环境等所有依赖全部整合完毕(版本:v1.3.2)容器内默认已支持(无需额外配置):xformers+controlnet支持自定义启动参数,本文示例为开放api接口供外部业务调用,并已解决API方式下Lora不生效的BUG;开启方式文末细说首次启动下载必要依赖较耗时,容器已配置国内代理加速,预计5分钟内完成容器内自带官方的模型:v1-5-prune
- stable diffusion 大模型及lora等下载安装使用教程及项目目录说明
代码简单说
AIGC实践与人工智能stablediffusion
首先说明,stablediffusion大模型并非controlNet中使用的模型,这两者有根本的区别,请仔细区分。国内可下载模型的站点:哩布哩布https://liblib.ai模型分为几类,下载的时候看清楚类型,都会标记在模型的显眼位置。Checkpoint模型存放位置:SD主程序目录位置/models/Stable-diffusionVAE模型存放位置:SD主程序目录位置/models/VA
- 一文读懂LORA无线传输
天津三格电子
信息与通信
LORA(LongRange)是一种基于扩频技术的超远距离无线传输技术,在物联网领域应用广泛,其特点如下:一键直达长距离传输:LORA采用了扩频调制技术,极大地提高了信号的接收灵敏度,其传输距离可达数公里甚至更远(视具体环境和设备配置而定)。相比传统的无线通信技术,如蓝牙、Wi-Fi等,LORA在长距离传输方面具有明显优势,特别适合应用于覆盖范围广的场景,如智能农业中的大面积农田监测。485转光纤
- 垂类大模型微调(二):使用LLaMA-Factory
CITY_OF_MO_GY
从零到亿大模型微调llama
上一篇博文和大家一起安装了LLaMA-Factory工具,并下载了大模型在上面进行了简单的加载和推理,今天尝试通过LoRa技术对大模型进行微调;一、训练集准备1.1介绍训练集结构这里演示对Qwen2.5-0.5B-Instruct-GPTQ-Int4模型进行LoRA微调,大家可以根据垂类大模型微调(一)从魔塔中下载对应模型;目前该工具支持指令监督微调(Alpaca格式)和多轮对话微调(
- LLaMA-Factory|微调大语言模型初探索(3),qlora微调deepseek记录
闻道且行之
自然语言处理语言模型人工智能qlora微调llamadeepseek
前言 上篇文章记录了使用lora微调llama-1b,微调成功,但是微调llama-8b显存爆炸,这次尝试使用qlora来尝试微调参数体量更大的大语言模型,看看64G显存的极限在哪里。1.WhyQLora?QLoRA在模型加载阶段通过4-bit量化大幅减少了模型权重的显存占用。QLoRA通过反量化到BF16进行训练,在保持计算精度的同时,进一步节省显存和提高效率。QLoRA在加载、训练、以及权重
- ε-贪心算法:在探索与利用之间寻找平衡
Chen_Chance
贪心算法算法
ε-贪心算法:在探索与利用之间寻找平衡在强化学习领域,智能体需要在环境中采取行动以最大化累积奖励。这个过程涉及到两个关键的决策因素:探索(exploration)和利用(exploitation)。探索是指尝试新的行为以发现更好的策略;而利用是指采用已知的最佳行为以获得奖励。ε-贪心算法正是为了在这两个因素之间找到一个平衡点。ε-贪心算法的基本原理ε-贪心算法的核心思想非常简单:以概率ϵ\epsi
- vscode有几个版本 ?vscode的多个版本?vscode多版本在哪里下载?地址?
一只小小狗
开发工具vscodeide编辑器
vscode有几个版本?vscode的多个版本?vscode多版本在哪里下载?地址?1.VSCode的主要版本(1)Stable(稳定版)(2)Insiders(内测版)(3)Exploration(探索版)2.VSCode的分发渠道(1)官方版本(2)Portable(便携版)(3)Snap版本(Linux)(4)Flatpak版本(Linux)(5)OSS(开源版)3.版本对比4.下载地址汇总
- 大模型微调
猴的哥儿
机器学习深度学习神经网络知识图谱个人开发
以下是在本地部署使用LLaMA-Factory导出的LoRA模型,并通过Ollama运行的步骤指南:1.准备工作已训练好的LoRA模型:确保通过LLaMA-Factory导出了LoRA适配器文件(通常是adapter_model.bin和adapter_config.json)。基础模型:准备LoRA适配器对应的基座模型(如LLaMA-2、Mistral等),需转换为Ollama支持的格式(如GG
- SD模型微调之LoRA
好评笔记
补档深度学习计算机视觉人工智能面试AIGCSDstablediffusion
大家好,这里是Goodnote(好评笔记),关注公主号Goodnote,专栏文章私信限时Free。本文是SD模型微调方法LoRA的详细介绍,包括数据集准备,模型微调过程,推理过程,优缺点等。热门专栏机器学习机器学习笔记合集深度学习深度学习笔记合集文章目录热门专栏机器学习深度学习论文概念核心原理优点训练过程预训练模型加载选择微调的层LoRA优化的层Cross-Attention(跨注意力)层Self
- 【第13章】Stable Diffusion WebUI 动画类插件(Animatediff/Deforum)
聚梦小课堂
stablediffusion人工智能计算机视觉语言模型自然语言处理图像处理AI作画
【Animatediff】动画插件(安装&报错)官方地址Animatediff源地址:https://github.com/guoyww/animatediff/Animatediffwebui插件地址:https://github.com/continue-revolution/sd-webui-animatediff模型下载地址(包含大模型和控制lora):https://huggingfac
- AI绘画Stable Diffusion|进阶篇图片复现AnimateDiff动画插件基础教程
设计师阿威
AI作画stablediffusionai绘画AIGCAI教程AnimateDiffAI动画
大家好,我是设计师阿威当你成功安装了SD(StableDiffusion)后,是否也产生过这样的疑惑:为何我创作的图片与他人的作品在风格和质量上存在差异?看着别人创作的精致、引人入胜的图片,你是否也渴望缩小这种质感上的差距?实际上,在AI绘画的领域中,对于SD而言,其核心秘诀在于选取一个恰当的大模型和灵活运用专业的lora包。今天,我将为大家揭示如何使用lora包来创造出具有高度真实感和质感的金克
- LLM Course系列:使用 Unsloth 高效地微调 Llama 3.1
橙狮科技
LLM工程llama人工智能python
最近发布的Llama3.1为模型提供了令人难以置信的性能水平,缩小了闭源模型和开放权重模型之间的差距。你无需使用GPT-4o和Claude3.5等冻结的通用LLM,而是可以根据特定用例对Llama3.1进行微调,以更低的成本实现更好的性能和可定制性。在本文中,我们将全面概述监督微调。我们将将其与即时工程进行比较,以了解何时使用它有意义,详细介绍主要技术及其优缺点,并介绍主要概念,例如LoRA超参数
- 【圣诞树】用python实现圣诞树效果
johnny_hhh
python开发语言
万圣节过完了,下一个就是圣诞节了,那么我们来用代码实现打印一个圣诞树importrandomimporttimefromcoloramaimportFore,Back,Style,init#初始化coloramainit(autoreset=True)defprint_christmas_tree(height):#打印圣诞树的上部(三角形部分)foriinrange(1,height+1):st
- FLUX本地Lora训练
王念博客
前言目前Flux出现了3个训练工具SimpleTunerhttps://github.com/bghira/SimpleTuner,X-LABS的https://github.com/XLabs-AI/x-fluxai-toolkithttps://github.com/ostris/ai-toolkit待支持:https://github.com/kohya-ss/sd-scripts/目前前两
- 第26篇:pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA使用lora微调的模型异构个性化联邦学习
还不秃顶的计科生
联邦学习深度学习人工智能开发语言
第一部分:解决的问题联邦学习(FederatedLearning,FL)是一种分布式机器学习方法,允许客户端在本地数据上训练模型,同时通过中心服务器共享学习成果。传统FL框架假设客户端使用相同的模型结构(模型同构),但在实际中可能面对:统计异质性:客户端的数据分布不均(non-IID)。资源异质性:客户端硬件资源有限。模型异质性:客户端可能拥有不同的模型结构。模型异构的个性化联邦学习(MHPFL)
- 微调alpaca-lora遇到的一些问题
自学AI的鲨鱼儿
#训练个人笔记深度学习LLM
目录一、环境简介二、混合精度训练Tensor相互计算会报错三、推理加载lora报错:SafetensorError:Errorwhiledeserializingheader:InvalidHeaderDeserialization四、peft(版本0.9.0)save_pretrained不保存adapter_model.bin五、一些代码注释六、问题问答6.1、model已经使用了load_i
- LLaMA系列大模型调研与整理-llama-alpaca-lora
AI大模型-大飞
llamaAI大模型AI职场和发展人工智能
文章目录LLaMA大模型及其衍生模型1.LLaMA2.stanford_alpaca3.ChatDoctor4.alpaca-lora5.Chinese-LLaMA-Alpaca6.BELLE大模型综述ASurveyofLargeLanguageModels关键词:大模型,LLaMA,Alpaca,Lora,Belle,模型训练,模型微调,指令微调最近尝试在领域数据进行生成式大模型的再训练和微调,
- 面向对象编程思想--UART设备(Modbus AND AT)
Amber762
面向对象编程网络stm32嵌入式硬件单片机
现在设计一个UART设备的驱动框架,针对AT指令模块和Modbus协议。要整合状态机、时间窗机制,同时满足各种AT指令设备的需求,并且考虑Modbus的解析。首先,AT指令设备包括ESP32、NB-IoT模块、4G模块等,这些都是通过UART使用AT指令控制的。另外还需要支持Modbus协议,所以框架需要兼容不同协议。AT指令通常需要状态机来处理异步响应,比如发送AT命令后等待OK或ERROR。同
- Python--正则表达式
索然无味io
Python安全开发python正则表达式开发语言windows网络安全安全web安全
1.日志打印与终端颜色控制1.1使用loguru打印日志fromloguruimportloggerlogger.debug("调试信息")logger.info("普通信息")logger.warning("警告信息")logger.error("错误信息")logger.success("成功信息")1.2终端颜色控制(Colorama)Colorama库用于控制终端输出的颜色和样式。字体颜色
- Flux【Lora模型】:效率太高了,超写实逼真黑悟空Flux Lora它来了
AI绘画师-海绵
uiAIGC人工智能3d平面设计计算机
在大家热心谈论黑悟空的时候,AI绘画领域也不甘落后,结合最近火爆的AI绘画工具Flux,各路大神第一时间就训练出了Flux的loar版本,今天我们就来体验感受一下大神“AIGAME熊熊”推出的Flux版本的loar模型:FLUX1-超写实逼真黑悟空模型下载地址(文末网盘地址也可获取)****触发词:aiyouxiketang下面是作者推荐的提示词:amaninarmorwithabeardanda
- 技术方案:基于巨控GRM120系列LoRa无线模块的移动设备通信系统
何工13763355074
人工智能GRM110GRM120巨控lora巨控GRM120
技术方案:基于巨控GRM120系列LoRa无线模块的移动设备通信系统项目需求3台移动设备需通过无线通信互联,支持485、网口、DI、AI接口,并满足以下功能:1公里无线通信(无需插卡)多PLC无线通信、PLC与传感器/组态软件通信模块自带逻辑、定时、运算功能(可替代部分PLC功能)支持中心站4G+LoRa组网,实现APP远程监控模块选型与配置1.设备通信需求分析根据设备接口需求,选择对应型号:GR
- 大语言模型常用微调与基于SFT微调DeepSeek R1指南
知来者逆
LLM深度学习人工智能自然语言处理DeepSeekSFT微调
概述大型语言模型(LLM,LargeLanguageModel)的微调(Fine-tuning)是指在一个预训练模型的基础上,使用特定领域或任务的数据对模型进行进一步训练,以使其在该领域或任务上表现更好。微调是迁移学习的一种常见方法,能够显著提升模型在特定任务上的性能。在大型语言模型(LLM)的微调中,有几种常见的方法,包括SFT(监督微调)、LoRA(低秩适应)、P-tuningv2和**Fre
- (15-3)DeepSeek混合专家模型初探:模型微调
码农三叔
训练RAG多模态)人工智能Deekseep深度学习大模型transformer
3.4模型微调在本项目中,微调脚本文件finetune.py提供了一套全面的工具,用于对DeepSeek-MoE预训练语言模型进行微调。支持加载特定任务的数据、对数据进行预处理和编码,以及通过多种配置选项(如LoRA量化、分布式训练等)对模型进行高效训练。用户可以根据自己的需求,通过命令行参数或配置文件调整微调策略,以优化模型在特定任务或数据集上的性能。3.4.1微调原理在DeepSeek-MoE
- LLM大模型中文开源数据集集锦(三)
悟乙己
付费-智能写作专栏LLM大模型开源大模型LLMGPT微调
文章目录1ChatGLM-Med:基于中文医学知识的ChatGLM模型微调1.1数据集1.2ChatGLM+P-tuningV2微调1.3Llama+Alpaca的Lora微调版本2LawGPT_zh:中文法律大模型(獬豸)2.1数据集2.1.1利用ChatGPT清洗CrimeKgAssitant数据集得到52k单轮问答:2.1.2带有法律依据的情景问答92k:2.1.3法律知识问答2.2模型3C
- 如何微调(Fine-tuning)大语言模型?看完这篇你就懂了!!
datian1234
语言模型人工智能chatgptLLMaiAI大模型大模型微调
前言本文介绍了微调的基本概念,以及如何对语言模型进行微调。从GPT3到ChatGPT、从GPT4到GitHubcopilot的过程,微调在其中扮演了重要角色。什么是微调(fine-tuning)?微调能解决什么问题?什么是LoRA?如何进行微调?本文将解答以上问题,并通过代码实例展示如何使用LoRA进行微调。微调的技术门槛并不高,如果微调的模型规模不大10B及10B以下所需硬件成本也不高(10B模
- 自学人工智能大模型,满足7B模型的训练和微调以及推理,预算3万,如何选购电脑
岁月的眸
人工智能
如果你的预算是3万元人民币,希望训练和微调7B参数规模的人工智能大模型(如LLaMA、Mistral等),你需要一台高性能的深度学习工作站。在这个预算范围内,以下是推荐的配置:1.关键硬件配置(1)GPU(显卡)推荐显卡:NVIDIARTX4090(24GBVRAM)或者RTX3090(24GBVRAM)理由:7B模型推理:24GB显存足够跑7B模型的推理,但全参数训练可能吃力,适合LoRA等微调
- 面向对象面向过程
3213213333332132
java
面向对象:把要完成的一件事,通过对象间的协作实现。
面向过程:把要完成的一件事,通过循序依次调用各个模块实现。
我把大象装进冰箱这件事为例,用面向对象和面向过程实现,都是用java代码完成。
1、面向对象
package bigDemo.ObjectOriented;
/**
* 大象类
*
* @Description
* @author FuJian
- Java Hotspot: Remove the Permanent Generation
bookjovi
HotSpot
openjdk上关于hotspot将移除永久带的描述非常详细,http://openjdk.java.net/jeps/122
JEP 122: Remove the Permanent Generation
Author Jon Masamitsu
Organization Oracle
Created 2010/8/15
Updated 2011/
- 正则表达式向前查找向后查找,环绕或零宽断言
dcj3sjt126com
正则表达式
向前查找和向后查找
1. 向前查找:根据要匹配的字符序列后面存在一个特定的字符序列(肯定式向前查找)或不存在一个特定的序列(否定式向前查找)来决定是否匹配。.NET将向前查找称之为零宽度向前查找断言。
对于向前查找,出现在指定项之后的字符序列不会被正则表达式引擎返回。
2. 向后查找:一个要匹配的字符序列前面有或者没有指定的
- BaseDao
171815164
seda
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
public class BaseDao {
public Conn
- Ant标签详解--Java命令
g21121
Java命令
这一篇主要介绍与java相关标签的使用 终于开始重头戏了,Java部分是我们关注的重点也是项目中用处最多的部分。
1
- [简单]代码片段_电梯数字排列
53873039oycg
代码
今天看电梯数字排列是9 18 26这样呈倒N排列的,写了个类似的打印例子,如下:
import java.util.Arrays;
public class 电梯数字排列_S3_Test {
public static void main(S
- Hessian原理
云端月影
hessian原理
Hessian 原理分析
一. 远程通讯协议的基本原理
网络通信需要做的就是将流从一台计算机传输到另外一台计算机,基于传输协议和网络 IO 来实现,其中传输协议比较出名的有 http 、 tcp 、 udp 等等, http 、 tcp 、 udp 都是在基于 Socket 概念上为某类应用场景而扩展出的传输协
- 区分Activity的四种加载模式----以及Intent的setFlags
aijuans
android
在多Activity开发中,有可能是自己应用之间的Activity跳转,或者夹带其他应用的可复用Activity。可能会希望跳转到原来某个Activity实例,而不是产生大量重复的Activity。
这需要为Activity配置特定的加载模式,而不是使用默认的加载模式。 加载模式分类及在哪里配置
Activity有四种加载模式:
standard
singleTop
- hibernate几个核心API及其查询分析
antonyup_2006
html.netHibernatexml配置管理
(一) org.hibernate.cfg.Configuration类
读取配置文件并创建唯一的SessionFactory对象.(一般,程序初始化hibernate时创建.)
Configuration co
- PL/SQL的流程控制
百合不是茶
oraclePL/SQL编程循环控制
PL/SQL也是一门高级语言,所以流程控制是必须要有的,oracle数据库的pl/sql比sqlserver数据库要难,很多pl/sql中有的sqlserver里面没有
流程控制;
分支语句 if 条件 then 结果 else 结果 end if ;
条件语句 case when 条件 then 结果;
循环语句 loop
- 强大的Mockito测试框架
bijian1013
mockito单元测试
一.自动生成Mock类 在需要Mock的属性上标记@Mock注解,然后@RunWith中配置Mockito的TestRunner或者在setUp()方法中显示调用MockitoAnnotations.initMocks(this);生成Mock类即可。二.自动注入Mock类到被测试类 &nbs
- 精通Oracle10编程SQL(11)开发子程序
bijian1013
oracle数据库plsql
/*
*开发子程序
*/
--子程序目是指被命名的PL/SQL块,这种块可以带有参数,可以在不同应用程序中多次调用
--PL/SQL有两种类型的子程序:过程和函数
--开发过程
--建立过程:不带任何参数
CREATE OR REPLACE PROCEDURE out_time
IS
BEGIN
DBMS_OUTPUT.put_line(systimestamp);
E
- 【EhCache一】EhCache版Hello World
bit1129
Hello world
本篇是EhCache系列的第一篇,总体介绍使用EhCache缓存进行CRUD的API的基本使用,更细节的内容包括EhCache源代码和设计、实现原理在接下来的文章中进行介绍
环境准备
1.新建Maven项目
2.添加EhCache的Maven依赖
<dependency>
<groupId>ne
- 学习EJB3基础知识笔记
白糖_
beanHibernatejbosswebserviceejb
最近项目进入系统测试阶段,全赖袁大虾领导有力,保持一周零bug记录,这也让自己腾出不少时间补充知识。花了两天时间把“传智播客EJB3.0”看完了,EJB基本的知识也有些了解,在这记录下EJB的部分知识,以供自己以后复习使用。
EJB是sun的服务器端组件模型,最大的用处是部署分布式应用程序。EJB (Enterprise JavaBean)是J2EE的一部分,定义了一个用于开发基
- angular.bootstrap
boyitech
AngularJSAngularJS APIangular中文api
angular.bootstrap
描述:
手动初始化angular。
这个函数会自动检测创建的module有没有被加载多次,如果有则会在浏览器的控制台打出警告日志,并且不会再次加载。这样可以避免在程序运行过程中许多奇怪的问题发生。
使用方法: angular .
- java-谷歌面试题-给定一个固定长度的数组,将递增整数序列写入这个数组。当写到数组尾部时,返回数组开始重新写,并覆盖先前写过的数
bylijinnan
java
public class SearchInShiftedArray {
/**
* 题目:给定一个固定长度的数组,将递增整数序列写入这个数组。当写到数组尾部时,返回数组开始重新写,并覆盖先前写过的数。
* 请在这个特殊数组中找出给定的整数。
* 解答:
* 其实就是“旋转数组”。旋转数组的最小元素见http://bylijinnan.iteye.com/bl
- 天使还是魔鬼?都是我们制造
ducklsl
生活教育情感
----------------------------剧透请原谅,有兴趣的朋友可以自己看看电影,互相讨论哦!!!
从厦门回来的动车上,无意中瞟到了书中推荐的几部关于儿童的电影。当然,这几部电影可能会另大家失望,并不是类似小鬼当家的电影,而是关于“坏小孩”的电影!
自己挑了两部先看了看,但是发现看完之后,心里久久不能平
- [机器智能与生物]研究生物智能的问题
comsci
生物
我想,人的神经网络和苍蝇的神经网络,并没有本质的区别...就是大规模拓扑系统和中小规模拓扑分析的区别....
但是,如果去研究活体人类的神经网络和脑系统,可能会受到一些法律和道德方面的限制,而且研究结果也不一定可靠,那么希望从事生物神经网络研究的朋友,不如把
- 获取Android Device的信息
dai_lm
android
String phoneInfo = "PRODUCT: " + android.os.Build.PRODUCT;
phoneInfo += ", CPU_ABI: " + android.os.Build.CPU_ABI;
phoneInfo += ", TAGS: " + android.os.Build.TAGS;
ph
- 最佳字符串匹配算法(Damerau-Levenshtein距离算法)的Java实现
datamachine
java算法字符串匹配
原文:http://www.javacodegeeks.com/2013/11/java-implementation-of-optimal-string-alignment.html------------------------------------------------------------------------------------------------------------
- 小学5年级英语单词背诵第一课
dcj3sjt126com
englishword
long 长的
show 给...看,出示
mouth 口,嘴
write 写
use 用,使用
take 拿,带来
hand 手
clever 聪明的
often 经常
wash 洗
slow 慢的
house 房子
water 水
clean 清洁的
supper 晚餐
out 在外
face 脸,
- macvim的使用实战
dcj3sjt126com
macvim
macvim用的是mac里面的vim, 只不过是一个GUI的APP, 相当于一个壳
1. 下载macvim
https://code.google.com/p/macvim/
2. 了解macvim
:h vim的使用帮助信息
:h macvim
- java二分法查找
蕃薯耀
java二分法查找二分法java二分法
java二分法查找
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月23日 11:40:03 星期二
http:/
- Spring Cache注解+Memcached
hanqunfeng
springmemcached
Spring3.1 Cache注解
依赖jar包:
<!-- simple-spring-memcached -->
<dependency>
<groupId>com.google.code.simple-spring-memcached</groupId>
<artifactId>simple-s
- apache commons io包快速入门
jackyrong
apache commons
原文参考
http://www.javacodegeeks.com/2014/10/apache-commons-io-tutorial.html
Apache Commons IO 包绝对是好东西,地址在http://commons.apache.org/proper/commons-io/,下面用例子分别介绍:
1) 工具类
2
- 如何学习编程
lampcy
java编程C++c
首先,我想说一下学习思想.学编程其实跟网络游戏有着类似的效果.开始的时候,你会对那些代码,函数等产生很大的兴趣,尤其是刚接触编程的人,刚学习第一种语言的人.可是,当你一步步深入的时候,你会发现你没有了以前那种斗志.就好象你在玩韩国泡菜网游似的,玩到一定程度,每天就是练级练级,完全是一个想冲到高级别的意志力在支持着你.而学编程就更难了,学了两个月后,总是觉得你好象全都学会了,却又什么都做不了,又没有
- 架构师之spring-----spring3.0新特性的bean加载控制@DependsOn和@Lazy
nannan408
Spring3
1.前言。
如题。
2.描述。
@DependsOn用于强制初始化其他Bean。可以修饰Bean类或方法,使用该Annotation时可以指定一个字符串数组作为参数,每个数组元素对应于一个强制初始化的Bean。
@DependsOn({"steelAxe","abc"})
@Comp
- Spring4+quartz2的配置和代码方式调度
Everyday都不同
代码配置spring4quartz2.x定时任务
前言:这些天简直被quartz虐哭。。因为quartz 2.x版本相比quartz1.x版本的API改动太多,所以,只好自己去查阅底层API……
quartz定时任务必须搞清楚几个概念:
JobDetail——处理类
Trigger——触发器,指定触发时间,必须要有JobDetail属性,即触发对象
Scheduler——调度器,组织处理类和触发器,配置方式一般只需指定触发
- Hibernate入门
tntxia
Hibernate
前言
使用面向对象的语言和关系型的数据库,开发起来很繁琐,费时。由于现在流行的数据库都不面向对象。Hibernate 是一个Java的ORM(Object/Relational Mapping)解决方案。
Hibernte不仅关心把Java对象对应到数据库的表中,而且提供了请求和检索的方法。简化了手工进行JDBC操作的流程。
如
- Math类
xiaoxing598
Math
一、Java中的数字(Math)类是final类,不可继承。
1、常数 PI:double圆周率 E:double自然对数
2、截取(注意方法的返回类型) double ceil(double d) 返回不小于d的最小整数 double floor(double d) 返回不大于d的整最大数 int round(float f) 返回四舍五入后的整数 long round