- Kelper.js 笔记 python交互
UQI-LIUWJ
python库整理笔记
1加载Kepler地图KeplerGl()1.1主要参数height可选默认值:400地图显示的高度data数据集字典,键是数据集的名称config地图配置字典1.2举例fromkeplerglimportKeplerGlmap_=KeplerGl()map_默认的位置1.3添加自己的图1.3.1读取数据数据集笔记:OpenCelliD(手机基站开放数据库)_UQI-LIUWJ的博客-CSDN博客
- 前端目录笔记
UQI-LIUWJ
各专栏目录前端
HTMLHTML笔记:初识HTML(HTML文本标签、文本列表、嵌入图片、背景色、网页链接)-CSDN博客html笔记:CSS_UQI-LIUWJ的博客-CSDN博客HTML笔记表格_UQI-LIUWJ的博客-CSDN博客javascriptJavaScript笔记初识JavaScript(变量)_UQI-LIUWJ的博客-CSDN博客JavaScript笔记:数组_UQI-LIUWJ的博客-CS
- geopandas 笔记:geometry上的操作汇总
UQI-LIUWJ
python库整理笔记
如无特殊说明,数据主要来自:GeoDataFrame应用:公园分布映射至subzone_UQI-LIUWJ的博客-CSDN博客0读入数据subzone=gpd.read_file('ura-mp19-subzone-no-sea-pl.geojson')subzonesubzone_tst=subzone[0:5]subzone_tstsubzone_tst.plot()1area计算面积subz
- R 笔记 prophet
UQI-LIUWJ
Rpython开发语言后端
0理论部分论文笔记:ForecastingatScale(Prophet)_UQI-LIUWJ的博客-CSDN博客Prophet是一种基于加法模型预测时间序列数据的程序,其中非线性趋势、季节性以及假日效应相匹配。它最适用于具有强烈季节性和有几个季节历史数据的时间序列。Prophet对缺失数据和趋势变化具有鲁棒性,并且通常可以很好地处理异常值。1基本流程在R中,我们使用正常的模型拟合API。我们提供
- 论文笔记:DEEP DECLARATIVE DYNAMIC TIME WARPING FOREND-TO-END LEARNING OF ALIGNMENT PATHS
UQI-LIUWJ
论文笔记论文阅读
个人感觉,可微DTW的主要优点作为一个损失函数,可以进行梯度反向传播,如果目标只是两个时间序列的相似度,可能不太需要?1Intro1.1背景DTW笔记:DynamicTimeWarping动态时间规整(&DTW的python实现)【DDTW,WDTW】_UQI-LIUWJ的博客-CSDN博客近年来,可微DTW被广泛地研究Soft-DTW使用技巧替代min,使之可微机器学习笔记soft-DTW(论文
- 算法笔记:球树
UQI-LIUWJ
算法笔记
1KD树的问题算法笔记:KD树_UQI-LIUWJ的博客-CSDN博客在kd树中,导致性能下降的最核心因素是因为kd-tree中被分割的子空间是一个个的超方体,而求最近邻时使用的是欧式距离(超球)。超方体与超球体相交的可能性是极高的如上图所示,凡是相交的子空间,都需要进行检查,大大的降低运行效率2球树如果划分区域也是超球体,则相交的概率大大降低——>ball-tree通过超球体划分空间,去掉棱角,
- 论文笔记: MOGRIFIER LSTM
UQI-LIUWJ
论文笔记论文阅读
2020ICLR修改传统LSTM当前输入和隐藏状态充分交互,从而获得更佳的上下文相关表达1MogrifierLSTMLSTM的输入X和隐藏状态H是完全独立的机器学习笔记:GRU_gruc_UQI-LIUWJ的博客-CSDN博客这篇论文想探索,如果在输入LSTM之前,能让输入X和隐藏状态H做交互,那么性能能不能得到提升?——>论文提出了MogrifierLSTMi=0的时候,就是传统LSTM的输入和
- pyspark笔记 pyspark.sql.functions
UQI-LIUWJ
笔记
colqqpyspark笔记pyspark.sql.functioncolVSselect_UQI-LIUWJ的博客-CSDN博客取某一列lit创建一个包含指定值的列date_trunc将日期截取成由第一个参数指定的字符串值year,yyyy,yy——截取到年month,mon,mm——截取到月day,dd——截取到天microsecondmillisecondsecondminutehourwe
- statsmodels 笔记:自回归模型 AutoReg
UQI-LIUWJ
python库整理回归数据挖掘人工智能
理论部分“算法笔记:ARIMA_UQI-LIUWJ的博客-CSDN博客1基本用法classstatsmodels.tsa.ar_model.AutoReg(endog,lags,trend='c',seasonal=False,exog=None,hold_back=None,period=None,missing='none',*,deterministic=None)2参数说明endog一维序
- 信息论/python笔记: 最大信息系数 MIC
UQI-LIUWJ
数学知识整理python笔记sklearn
1互信息sklearn笔记整理:sklearn.metrics_sklearn中的meanabsolutepercentageerror_UQI-LIUWJ的博客-CSDN博客2最大信息系数(MIC,MaximalInformationCoefficient)2.1方法介绍衡量两个变量X和Y之间的关联程度,线性或非线性的强度相较于MutualInformation(MI)互信息而言有更高的准确度,
- 机器学习笔记:深度学习模型复杂度
UQI-LIUWJ
机器学习机器学习深度学习笔记
1时间复杂度(模型运算次数)决定了模型的训练/预测时间用FLOPs指代机器学习笔记:FLOPs_flop机器学习_UQI-LIUWJ的博客-CSDN博客2空间复杂度(模型参数数量)决定了模型的参数数量2.1全连接层参数量包含bias的话,参数量就是(2D+1)*4D+(4D+1)*D2.2卷积参数量
- python 笔记:PyTrack(将GPS数据和OpenStreetMap数据进行整合)【官网例子解读】
UQI-LIUWJ
python库整理python
论文笔记:PyTrack:AMap-Matching-BasedPythonToolboxforVehicleTrajectoryReconstruction_UQI-LIUWJ的博客-CSDN博客40包的安装官网的两种方式我都试过,装是能装成功,但是pythonimportPyTrack包的时候还是显示找不到Pytrack#condacondainstallpytrack#orPyPIpipin
- 鲁西南方言杂谈-够戗
一两茶叶
2021年5月拍摄《汉语词典》给“够戗”的解释是“拼音gòuqiàng,同‘够呛’,不能忍受地,非常厉害”的意思。这两个意思主要用于普通话中的口语,当然,鲁西南方言里也有使用。如“恁媳妇的脾气真够戗,性子也孬,动不动就呟(‘骂’的方言表述)老(‘长辈’的方言表述)嘞,实在是让人难以忍受。不行恁‘退货’算啦”,再如“这大冷嘞天,恁就穿一个汗褂子(‘衬衣’的方言表述),裹一个大氅(‘风衣’的方言表述)
- 算法笔记:KM算法(Kuhn-Munkres Algorithm)
UQI-LIUWJ
算法算法
带权二分图的最优匹配问题算法笔记:匈牙利算法_UQI-LIUWJ的博客-CSDN博客匈牙利算法的一个问题是,找到的匹配不一定是最优匹配因为算法将每个匹配对象的地位视为相同的,在这个前提下求解最大匹配而很多时候,二部图连边是带权重的,在这个基础上的匹配才更贴近真实情况1KM算法举例二部图的每条关系之间加入了权重1.1具体步骤首先对每个顶点赋值,称为顶标,将左边的顶点赋值为与其相连的边的最大权重,右边
- 强化学习笔记:PPO 【近端策略优化(Proximal Policy Optimization)】
UQI-LIUWJ
强化学习python
1前言我们回顾一下policynetwork:强化学习笔记:Policy-basedApproach_UQI-LIUWJ的博客-CSDN博客它先去跟环境互动,搜集很多的路径τ。根据它搜集到的路径,按照policygradient的式子去更新policy的参数。但问题是,一旦我们更新了参数,从θ变成了θ',那么这个概率就不对了,之前采样出来的数据就变的不能用了。所以policygradient是一个
- torchvision 笔记:transforms.Compose()
UQI-LIUWJ
pytorch学习pytorch
torchvision.transforms.Compose()类的主要作用是串联多个transforms列表里面的transform操作比如,在torchvision笔记:transforms.Normalize()_UQI-LIUWJ的博客-CSDN博客中的代码,可以用Compose来代替不变的部分fromPILimportImagefromtorchvisionimporttransform
- 论文笔记目录(ver2.0)
UQI-LIUWJ
各专栏目录论文阅读人工智能深度学习
1时间序列1.1时间序列预测论文名称来源主要内容论文笔记:DCRNN(DiffusionConvolutionalRecurrentNeuralNetwork:Data-DrivenTrafficForecasting)_UQI-LIUWJ的博客-CSDN博客iclr2017使用双向扩散卷积+GRU,建模空间和时间依赖性机器学习笔记soft-DTW(论文笔记Adifferentiablelossf
- 机器学习笔记:GRU
UQI-LIUWJ
机器学习机器学习回归人工智能
1LSTM复习机器学习笔记RNN初探&LSTM_UQI-LIUWJ的博客-CSDN博客中,我们使用的是这样的一张图来说明LSTM:这里为了和GRU有一个比较,使用如下的图表示LSTM,意思是一样的,绿色和紫色的部分是二者的对照关系:2GRU原理在GRU模型中只有两个门:分别是更新门zt和重置门rt更新门用于控制前一时刻的状态信息被带入到当前状态中的程度,更新门的值越大说明前一时刻的状态信息带入越多
- Linux下部署Nginx环境
徐文俊
方式1安装Nginx源sudorpm-ivhhttp://nginx.org/packages/centos/7/noarch/RPMS/nginx-release-centos-7-0.el7.ngx.noarch.rpm[root@izm5e33l0ge76uqi8nq87az/]#sudorpm-ivhhttp://nginx.org/packages/centos/7/noarch/RPM
- 图像处理中常用的相似度评估指标
修炼之路
opencv修炼之路图像处理计算机视觉opencv
导读有时候我们想要计算两张图片是否相似,而用来衡量两张图片相似度的算法也有很多,例如:RMSE、PSNR、SSIM、UQI、SIFT以及深度学习等。这篇文章主要介绍,RMSE、PSNR、SSIM、UQI这些指标的计算和应用,关于SIFT算法来计算图像的相似度在后面的文章中再进行介绍影响这些算法的结果也有很多因素,图片的噪声、平移、缩放、旋转、裁剪、透视变换等,都会影响到算法的最终结果,所以我们需要
- NTU 课程目录
UQI-LIUWJ
各专栏目录概率论java1024程序员节
ERICntuERIC课程笔记_UQI-LIUWJ的博客-CSDN博客NTU课程笔记:ERIC1welcoming&introduction_UQI-LIUWJ的博客-CSDN博客ntu课程ERIC(2):Planningyourresearch_UQI-LIUWJ的博客-CSDN博客NTU课程笔记:ERIC(3)开展研究_UQI-LIUWJ的博客-CSDN博客NTU课程ERIC(4)研究交流_U
- 机器学习笔记 :LSTM 变体 (conv-LSTM、Peephole LSTM、 coupled LSTM、conv-GRU)
UQI-LIUWJ
机器学习lstm机器学习深度学习
1LSTM复习机器学习笔记RNN初探&LSTM_UQI-LIUWJ的博客-CSDN博客机器学习笔记:GRU_UQI-LIUWJ的博客-CSDN博客_gru机器学习2PeepholeLSTM就是计算输入门、遗忘门和输出门的时候,我们不仅仅考虑h和x,还将C考虑进来3coupledLSTM输入门和遗忘门二合一4ConvLSTM可以看到convLSTM中也使用了peepholeLSTM的结构——cell
- 机器学习笔记:ViT (论文 An Image Is Worth 16X16 Words: Transformers for Image Recognition at Scale)
UQI-LIUWJ
论文笔记机器学习深度学习人工智能
ICLR20210前言说到图像处理,一般想到的就是CNN/CNN的变体机器学习笔记:CNN卷积神经网络_UQI-LIUWJ的博客-CSDN博客。ViT的想法是利用Transformer机制来替换CNN机制,将Transformer运用到图像分类中。机器学习笔记:Transformer_UQI-LIUWJ的博客-CSDN博客1图像转成句子(图片token化)将图像分割成小块(imagepatch),
- 模仿学习笔记:生成判别模仿学习 Generative Adversarial Imitation Learning, GAIL
UQI-LIUWJ
强化学习强化学习
1GAN(回顾)GAIL的设计基于生成判别网络(GAN)。这里简单地回顾一下GAN,详细的可见NTU课程笔记7454GAN_UQI-LIUWJ的博客-CSDN博客GAN由生成器(Generator)和判别器(Discriminator)组成,它们各是一个神经网络。——>生成器负责生成假的样本——>判别器负责判定一个样本是真是假。我们的目标是希望生成器生成的内容可以“以假乱真”1.1生成器生成器记作
- 机器学习笔记: 时间序列 分解 STL
UQI-LIUWJ
R机器学习机器学习p2p人工智能
1前言STL(’SeasonalandTrenddecompositionusingLoess‘)是以LOSS作为平滑方式的时间序列分解LOSS可以参考机器学习笔记:局部加权回归LOESS_UQI-LIUWJ的博客-CSDN博客2STL分解大致流程和思路2.1主体流程时间序列分解-STL分解法-钮甲跳-博客园(cnblogs.com)中展示了一张STL方法内循环的流程图,我觉得说得蛮好的,附上方便
- python 包介绍:osmnx
UQI-LIUWJ
python库整理python
1osmnx介绍一个Python包,可检索、建模、分析和可视化来自OpenstreetMap的街道网络。2graph模块graph类型就是networkx包中的graph类型。所以python库整理:networkx包_UQI-LIUWJ的博客-CSDN博客中G的操作这里的G都可以2.1graph_from_pointosmnx.graph.graph_from_point(center_poin
- pytorch 笔记:使用Tune 进行调参
UQI-LIUWJ
pytorch学习深度学习神经网络人工智能
自动进行调参,我们以pytorch笔记:搭建简易CNN_UQI-LIUWJ的博客-CSDN博客的代码为基础,进行output_channel和learningrate的调参1导入库fromfunctoolsimportpartialimportnumpyasnpimportosimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimpo
- pytorch 笔记:torchsummary、计算模型参数量
UQI-LIUWJ
pytorch学习pytorch深度学习神经网络
1torchsummary作用:打印神经网络的结构以pytorch笔记:搭建简易CNN_UQI-LIUWJ的博客-CSDN博客中搭建的CNN为例importtorchfromtorchsummaryimportsummaryclassCNN(nn.Module):def__init__(self):super(CNN,self).__init__()self.conv1=nn.Sequential
- pytorch笔记:TD3
UQI-LIUWJ
强化学习pytorchpython深度学习
参考代码来源:easy-rl/codes/TD3atmaster·datawhalechina/easy-rl(github.com)理论部分:强化学习笔记:双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客1task1_train.py1.1导入库importsys,oscurr_path=os.path.dirname(__file__)parent_path=os.path
- pytorch 笔记:DDPG (datawhale 代码解读)
UQI-LIUWJ
pytorch学习pytorch强化学习python机器学习深度学习
理论部分可见:强化学习笔记:双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客源代码路径:easy-rl/codes/DDPGatmaster·datawhalechina/easy-rl(github.com)1task0.py1.1库导入importsys,osimportdatetimeimportgymimporttorchfromenvimportNormalizedA
- java线程Thread和Runnable区别和联系
zx_code
javajvmthread多线程Runnable
我们都晓得java实现线程2种方式,一个是继承Thread,另一个是实现Runnable。
模拟窗口买票,第一例子继承thread,代码如下
package thread;
public class ThreadTest {
public static void main(String[] args) {
Thread1 t1 = new Thread1(
- 【转】JSON与XML的区别比较
丁_新
jsonxml
1.定义介绍
(1).XML定义
扩展标记语言 (Extensible Markup Language, XML) ,用于标记电子文件使其具有结构性的标记语言,可以用来标记数据、定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一,跨平台和语言,早已成为业界公认的标准。
XML是标
- c++ 实现五种基础的排序算法
CrazyMizzz
C++c算法
#include<iostream>
using namespace std;
//辅助函数,交换两数之值
template<class T>
void mySwap(T &x, T &y){
T temp = x;
x = y;
y = temp;
}
const int size = 10;
//一、用直接插入排
- 我的软件
麦田的设计者
我的软件音乐类娱乐放松
这是我写的一款app软件,耗时三个月,是一个根据央视节目开门大吉改变的,提供音调,猜歌曲名。1、手机拥有者在android手机市场下载本APP,同意权限,安装到手机上。2、游客初次进入时会有引导页面提醒用户注册。(同时软件自动播放背景音乐)。3、用户登录到主页后,会有五个模块。a、点击不胫而走,用户得到开门大吉首页部分新闻,点击进入有新闻详情。b、
- linux awk命令详解
被触发
linux awk
awk是行处理器: 相比较屏幕处理的优点,在处理庞大文件时不会出现内存溢出或是处理缓慢的问题,通常用来格式化文本信息
awk处理过程: 依次对每一行进行处理,然后输出
awk命令形式:
awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
[-F|-f|-v]大参数,-F指定分隔符,-f调用脚本,-v定义变量 var=val
- 各种语言比较
_wy_
编程语言
Java Ruby PHP 擅长领域
- oracle 中数据类型为clob的编辑
知了ing
oracle clob
public void updateKpiStatus(String kpiStatus,String taskId){
Connection dbc=null;
Statement stmt=null;
PreparedStatement ps=null;
try {
dbc = new DBConn().getNewConnection();
//stmt = db
- 分布式服务框架 Zookeeper -- 管理分布式环境中的数据
矮蛋蛋
zookeeper
原文地址:
http://www.ibm.com/developerworks/cn/opensource/os-cn-zookeeper/
安装和配置详解
本文介绍的 Zookeeper 是以 3.2.2 这个稳定版本为基础,最新的版本可以通过官网 http://hadoop.apache.org/zookeeper/来获取,Zookeeper 的安装非常简单,下面将从单机模式和集群模式两
- tomcat数据源
alafqq
tomcat
数据库
JNDI(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。
没有使用JNDI时我用要这样连接数据库:
03. Class.forName("com.mysql.jdbc.Driver");
04. conn
- 遍历的方法
百合不是茶
遍历
遍历
在java的泛
- linux查看硬件信息的命令
bijian1013
linux
linux查看硬件信息的命令
一.查看CPU:
cat /proc/cpuinfo
二.查看内存:
free
三.查看硬盘:
df
linux下查看硬件信息
1、lspci 列出所有PCI 设备;
lspci - list all PCI devices:列出机器中的PCI设备(声卡、显卡、Modem、网卡、USB、主板集成设备也能
- java常见的ClassNotFoundException
bijian1013
java
1.java.lang.ClassNotFoundException: org.apache.commons.logging.LogFactory 添加包common-logging.jar2.java.lang.ClassNotFoundException: javax.transaction.Synchronization
- 【Gson五】日期对象的序列化和反序列化
bit1129
反序列化
对日期类型的数据进行序列化和反序列化时,需要考虑如下问题:
1. 序列化时,Date对象序列化的字符串日期格式如何
2. 反序列化时,把日期字符串序列化为Date对象,也需要考虑日期格式问题
3. Date A -> str -> Date B,A和B对象是否equals
默认序列化和反序列化
import com
- 【Spark八十六】Spark Streaming之DStream vs. InputDStream
bit1129
Stream
1. DStream的类说明文档:
/**
* A Discretized Stream (DStream), the basic abstraction in Spark Streaming, is a continuous
* sequence of RDDs (of the same type) representing a continuous st
- 通过nginx获取header信息
ronin47
nginx header
1. 提取整个的Cookies内容到一个变量,然后可以在需要时引用,比如记录到日志里面,
if ( $http_cookie ~* "(.*)$") {
set $all_cookie $1;
}
变量$all_cookie就获得了cookie的值,可以用于运算了
- java-65.输入数字n,按顺序输出从1最大的n位10进制数。比如输入3,则输出1、2、3一直到最大的3位数即999
bylijinnan
java
参考了网上的http://blog.csdn.net/peasking_dd/article/details/6342984
写了个java版的:
public class Print_1_To_NDigit {
/**
* Q65.输入数字n,按顺序输出从1最大的n位10进制数。比如输入3,则输出1、2、3一直到最大的3位数即999
* 1.使用字符串
- Netty源码学习-ReplayingDecoder
bylijinnan
javanetty
ReplayingDecoder是FrameDecoder的子类,不熟悉FrameDecoder的,可以先看看
http://bylijinnan.iteye.com/blog/1982618
API说,ReplayingDecoder简化了操作,比如:
FrameDecoder在decode时,需要判断数据是否接收完全:
public class IntegerH
- js特殊字符过滤
cngolon
js特殊字符js特殊字符过滤
1.js中用正则表达式 过滤特殊字符, 校验所有输入域是否含有特殊符号function stripscript(s) { var pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~!@#¥……&*()——|{}【】‘;:”“'。,、?]"
- hibernate使用sql查询
ctrain
Hibernate
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import org.hibernate.Hibernate;
import org.hibernate.SQLQuery;
import org.hibernate.Session;
import org.hibernate.Transa
- linux shell脚本中切换用户执行命令方法
daizj
linuxshell命令切换用户
经常在写shell脚本时,会碰到要以另外一个用户来执行相关命令,其方法简单记下:
1、执行单个命令:su - user -c "command"
如:下面命令是以test用户在/data目录下创建test123目录
[root@slave19 /data]# su - test -c "mkdir /data/test123" 
- 好的代码里只要一个 return 语句
dcj3sjt126com
return
别再这样写了:public boolean foo() { if (true) { return true; } else { return false;
- Android动画效果学习
dcj3sjt126com
android
1、透明动画效果
方法一:代码实现
public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState)
{
View rootView = inflater.inflate(R.layout.fragment_main, container, fals
- linux复习笔记之bash shell (4)管道命令
eksliang
linux管道命令汇总linux管道命令linux常用管道命令
转载请出自出处:
http://eksliang.iteye.com/blog/2105461
bash命令执行的完毕以后,通常这个命令都会有返回结果,怎么对这个返回的结果做一些操作呢?那就得用管道命令‘|’。
上面那段话,简单说了下管道命令的作用,那什么事管道命令呢?
答:非常的经典的一句话,记住了,何为管
- Android系统中自定义按键的短按、双击、长按事件
gqdy365
android
在项目中碰到这样的问题:
由于系统中的按键在底层做了重新定义或者新增了按键,此时需要在APP层对按键事件(keyevent)做分解处理,模拟Android系统做法,把keyevent分解成:
1、单击事件:就是普通key的单击;
2、双击事件:500ms内同一按键单击两次;
3、长按事件:同一按键长按超过1000ms(系统中长按事件为500ms);
4、组合按键:两个以上按键同时按住;
- asp.net获取站点根目录下子目录的名称
hvt
.netC#asp.nethovertreeWeb Forms
使用Visual Studio建立一个.aspx文件(Web Forms),例如hovertree.aspx,在页面上加入一个ListBox代码如下:
<asp:ListBox runat="server" ID="lbKeleyiFolder" />
那么在页面上显示根目录子文件夹的代码如下:
string[] m_sub
- Eclipse程序员要掌握的常用快捷键
justjavac
javaeclipse快捷键ide
判断一个人的编程水平,就看他用键盘多,还是鼠标多。用键盘一是为了输入代码(当然了,也包括注释),再有就是熟练使用快捷键。 曾有人在豆瓣评
《卓有成效的程序员》:“人有多大懒,才有多大闲”。之前我整理了一个
程序员图书列表,目的也就是通过读书,让程序员变懒。 写道 程序员作为特殊的群体,有的人可以这么懒,懒到事情都交给机器去做,而有的人又可
- c++编程随记
lx.asymmetric
C++笔记
为了字体更好看,改变了格式……
&&运算符:
#include<iostream>
using namespace std;
int main(){
int a=-1,b=4,k;
k=(++a<0)&&!(b--
- linux标准IO缓冲机制研究
音频数据
linux
一、什么是缓存I/O(Buffered I/O)缓存I/O又被称作标准I/O,大多数文件系统默认I/O操作都是缓存I/O。在Linux的缓存I/O机制中,操作系统会将I/O的数据缓存在文件系统的页缓存(page cache)中,也就是说,数据会先被拷贝到操作系统内核的缓冲区中,然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。1.缓存I/O有以下优点:A.缓存I/O使用了操作系统内核缓冲区,
- 随想 生活
暗黑小菠萝
生活
其实账户之前就申请了,但是决定要自己更新一些东西看也是最近。从毕业到现在已经一年了。没有进步是假的,但是有多大的进步可能只有我自己知道。
毕业的时候班里12个女生,真正最后做到软件开发的只要两个包括我,PS:我不是说测试不好。当时因为考研完全放弃找工作,考研失败,我想这只是我的借口。那个时候才想到为什么大学的时候不能好好的学习技术,增强自己的实战能力,以至于后来找工作比较费劲。我
- 我认为POJO是一个错误的概念
windshome
javaPOJO编程J2EE设计
这篇内容其实没有经过太多的深思熟虑,只是个人一时的感觉。从个人风格上来讲,我倾向简单质朴的设计开发理念;从方法论上,我更加倾向自顶向下的设计;从做事情的目标上来看,我追求质量优先,更愿意使用较为保守和稳妥的理念和方法。
&