- Word2Vec ——gensim实战教程
王同学死磕技术
最近斯坦福的CS224N开课了,看了下课程介绍,去年google发表的Transformer以及最近特别火的ContextualWordEmbeddings都会在今年的课程中进行介绍。NLP领域确实是一个知识迭代特别快速的领域,每年都有新的知识冒出来。所以身处NLP领域的同学们要时刻保持住学习的状态啊。笔者又重新在B站上看了这门课程的第一二节课。这里是课程链接。前两节课的主要内容基本上围绕着词向量
- CS224N笔记——词向量表示
random_walk
onehot表示image.png主要问题所有的向量都是正交的,无法准确表达不同词之间的相似度,没有任何语义信息向量维度是语料库中所有单词的数量,维度太大。以下内容主要摘抄自来斯惟的博士论文基于神经网络的词和文档语义向量表示方法研究CS224n的notesYoavGoldberg的word2vecExplained:DerivingMikolovetal.’sNegative-SamplingWo
- 谢撩,人在斯坦福打SoTA
夕小瑶
人工智能aicstring边缘检测nlp
文|Jazon编|小戏小编注:不知道大家还记不记得卖萌屋之前人在斯坦福,刚上CS224n的Jazon小哥发来的关于斯坦福神课CS224n上半学期的报道?今天,Jazon又在斯坦福前线发来了关于他在CS224n下半学期的经历,那么现在让我们把画面交给Jazon,看看大佬的课程作业是怎么完成的吧!上篇文章提到我在Stanford上NLP“神课”CS224n,课程的前半学期以上课、写作业为主,而后半学期
- 2021斯坦福CS224N课程笔记~4
mwcxz
斯坦福CS224N学习笔记pytorch深度学习人工智能
4.依存解析DependencyParsing参考文档:https://zhuanlan.zhihu.com/p/420736640https://www.showmeai.tech/article-detail/237https://zhuanlan.zhihu.com/p/147321515https://zhuanlan.zhihu.com/p/49992664https://blog.cs
- 斯坦福NLP课程来了
人工智能大讲堂
学习资料深度学习自然语言处理人工智能
生成式AI,尤其是以ChatGPT为首的大语言模型正在改变人们的生活方式,我想一定有小伙伴想加入NLP这个行列。微软重磅发布4个适合初学者的机器学习资料我在前一篇文章中分享了微软人工智能初学者课程,其中的【生成式AI】非常适合初学者,今天我将分享NLP的进阶课程。https://web.stanford.edu/class/cs224n/关注v公众号:人工智能大讲堂,后台回复snlp获取全部资料。
- 【关于Python中两个相等字符串is判断出来是false的问题】
李不卷
pythonlist
今天在写cs224n的作业时,在判断words中的单词和corpus中的单词进行判断单词是否相等时,采用了is进行逻辑判断。但是出现了相同的单词进行判断结果为false的情况。即,如“END”is"END"的结果为false.先开始以为是代码的其他部分逻辑错了,就改来改去也没有找到原因。晚上躺在床上,想起来试一试==来判断,结果居然跑通了。所以,利用==来替换is,得到了最终想要的正确结果。在博客
- 2021斯坦福CS224N课程笔记~7
mwcxz
人工智能深度学习机器学习
7.机器翻译,序列到序列、注意力机制参考文献:https://zhuanlan.zhihu.com/p/430709084https://zhuanlan.zhihu.com/p/147310766【简易】https://zhuanlan.zhihu.com/p/47063917【注意力系列】https://www.showmeai.tech/article-detail/242https://z
- 2021斯坦福CS224N课程笔记~5
mwcxz
斯坦福CS224N学习笔记机器学习人工智能自然语言处理
5语言模型(LM)与循环神经网络(RNN)参考文档:https://zhuanlan.zhihu.com/p/424671205https://www.showmeai.tech/article-detail/239https://zhuanlan.zhihu.com/p/147322049[易懂]https://zhuanlan.zhihu.com/p/61893429讲座计划\1.神经依存解析
- 2021斯坦福CS224N课程笔记~3
mwcxz
斯坦福CS224N学习笔记人工智能深度学习机器学习
3.神经网络学习:手工计算梯度Lecture3:Neuralnetlearning:Gradientsbyhand(matrixcalculus)andalgorithmically(thebackpropagationalgorithm)参考文档:https://zhuanlan.zhihu.com/p/527211871https://zhuanlan.zhihu.com/p/41429307
- 【笔记3-6】CS224N课程笔记 - RNN和语言模型
jessie_weiqing
笔记CS224NRNNcs224n自然语言处理GRULSTM
CS224N(六)RecurrentNeuralNetworksandLanguageModels语言模型语言模型介绍n-gram基于窗口的神经语言模型RNNRNNLossandPerplexityRNN的优缺点及应用梯度消失和梯度爆炸问题梯度消失/爆炸问题的解决方法DeepBidirectionalRNN应用:RNN翻译模型GRULSTM【笔记3-1】CS224N课程笔记-深度自然语言处理【笔记
- Transformer简单理解(MT)
rd142857
nlptransformer机器翻译深度学习
Transformer21年cs224n的Transformer这课换了TA来讲,有点听不太懂(我是菜狗)这篇suggestedreading讲得非常清楚TheIllustratedTransformerKey-Query-ValueAttention使得xi的不同方面得以被使用或强调。计算分数时,除以d的平方根以获得更加稳定的梯度。softmax计算得到的某单词上的权重可以被视作为该单词应当被获
- NLP进阶之路——CS224n(一)
技术宅zch
NLP
NLP绪论什么是自然语言处理?NLP的层次NLP的应用人类语言的特殊之处什么是深度学习为什么NLP很难?NLP语义层面的表示Reference什么是自然语言处理?自然语言处理(NLPnaturallanguageprocessing)是一门计算机科学、人工智能和语言学的交叉学科。是人工智能领域的重要分支!人工智能有机器视觉、语音识别、和NLP。自然界拥有视觉的生物有很多,但是拥有高级语言的生物只有
- 关于无监督、聚类和主题模型
Silv_Kim
Somereferenceshttp://www.52nlp.cn/2012/04https://github.com/Computing-Intelligence/Referenceshttp://web.stanford.edu/class/cs224n/https://study.163.com/course/courseLearn.htm?courseId=1004570029#/lear
- 【Stanford CS224N 笔记】lecture 7 Recurrent Neural Network
宇智波艾尼路
深度学习机器学习pytorch
一、语言模型1.1定义语言模型LanguageModel,是指预测一个句子(词语有序序列)出现的概率的模型,即,一般可用于以下场景:1.判断什么词序出现的可能性更高:p(六点吃饭)>p(六点饭吃)2.判断在上下文中,什么词汇出现的可能性更高:p(七点下班回家)>p(七点下班回公司)1.2n-gram语言模型一般基于一个错误但有必要的马尔科夫假设:一个单词的出现概率仅取决于前n个单词是什么,即在足量
- Stanford CS224n 第一讲:深度自然语言处理
江南丶
StanfordCS224nNLPStanfordCS224n学习笔记
第一节课主要是介绍了NLP(尤其是DeepNLP)的背景知识。主要有一下几点:什么是NLP?NLP的应用NLP的难点MachineLearningvs.DeepLearning接下来,根据课程视频+自己的理解,我将一一详细介绍以上的4部分。1.什么是NLP?Naturallanguageprocessing(NLP)是计算机科学+AI+语言学的交叉产物;它的目标是让机器能够处理或者明白自然语言(t
- 2021斯坦福CS224N课程笔记~2
mwcxz
斯坦福CS224N学习笔记机器学习算法人工智能
2NeuralClassifiers2.1本篇内容覆盖word2vec与词向量回顾算法优化基础计数与共现矩阵GloVe模型词向量评估wordsenses2.2.回顾:word2vec的主要思想2.2.1.主要步骤具体见1.3.2Word2Vec算法的具体思路(1)随起:从随机的词向量开始;(2)遍历:遍历整个语料库中的每个单词;(3)预测:尝试使用词向量预测周围的词(见图2.1):(4)学习:更新
- 斯坦福CS224N学习笔记-6 依存分析
CoderZhangsM
学习笔记人工智能深度学习神经网络自然语言处理
课程内容概述句法结构:一致性与依赖性依存文法和Treebank基于转移的依存分析使用神经网络的依存分析描述语言结构的两种方法上下文无关文法上下文无关文法=短语结构文法=句子成分依存文法通过找出句子中每个词所依赖的部分来描述句子的结构为了描述语言结构,人们采用了两种方法。其中一个就是计算机科学中常用的上下文无关文法,在语言学中,这常常被称为短语结构文法,然后也被称为句子成分的概念。另一种方法就是依存
- cs224n学习笔记9-问答系统
TARO_ZERO
学习笔记nlp自然语言处理
目录QuestionAnswering问答系统QuestionAnswering问答ReadingComprehension阅读理解Stanfordquestionansweringdataset(SQuAD)斯坦福问答数据集神经网络模型BiDAF:theBidirectionalAttentionFlowmodel(2017)用于阅读理解的BERT模型比较BiDAF和BERT模型预训练模型Spa
- Stanford CS224N - word2vec
oveZ
AI人工智能深度学习神经网络自然语言处理机器学习
最近在听Stanford放出来的StanfordCS224NNLPwithDeepLearning这门课,弥补一下之前nlp这块基础知识的一些不清楚的地方,顺便巩固一下基础知识关于word2vec:1.为什么要把单词表示成向量一开始人们造了一个类似于词典表的东西-wordnet:但是这里面存在一些问题,大概有这么几个:例如,“proficient”被列为“good”的同义词,但这只在某些情境下是正
- 斯坦福大学CS520知识图谱系列课程学习笔记:第一讲什么是知识图谱
ngl567
随着知识图谱在人工智能各个领域的广泛使用,知识图谱受到越来越多AI研究人员的关注和学习,已经成为人工智能迈向认知系统的关键技术之一。之前,斯坦福大学的面向计算机视觉的CS231n和面向自然语言处理的CS224n成为了全球非常多AI研究人员的入门经典学习课程。因此,斯坦福大学于今年3月开设了一门专门面向知识图谱的系列课程CS520,官网课程页:https://web.stanford.edu/cla
- 神经网络基础知识
hqc888688
神经网络和深度学习
本文由斯坦福CS224n翻译整理而来1.神经网络基础知识1.1单个神经元单个神经元是神经网络的基本单位,其主要接受一个n维的向量x,输出为一个激活函数的输出aa=11+exp(−(ωTx+b))每个神经元均可拟合一种非线性的变化形势,上图采用的主要是基于sigmoid函数的神经元。神经元内部的主要参数为一个n维向量的参数ω和一个偏移量b。每一个神经网络可以看作是同时运行多个逻辑回归1.2单层神经网
- Stanford CS224N: PyTorch Tutorial (Winter ‘21) —— 斯坦福CS224N PyTorch教程 (第二部分)
放肆荒原
AIPyTorchPythonpytorch人工智能python
本教程译文的第一部分,请见我的上一篇博文:StanfordCS224N:PyTorchTutorial(Winter‘21)——斯坦福CS224NPyTorch教程(第一部分)_放肆荒原的博客-CSDN博客运算(Operations)PyTorch运算与NumPy的运算非常相似。我们可以使用标量和其他张量。In[40]:#Createanexampletensor#创建一个示例张量x=torch.
- 机器学习100天-Day10 Tensorflow实现RNN算法
我的昵称违规了
本例是为了配合NLP学习中的RNN网络,斯坦福CS224n课程里面使用的是Tensorflow进行,所以提前熟悉一下,使用Tensorflow生成一个echo-rnn。说实话,这个例子是照着教程敲出来的,仅仅实现了,但是没有对后面的原理进行分析,目前还是在一步一步往前推。代码同样更新在github:https://github.com/jwc19890114/-02-learning-file-1
- Stanford:Natural Language Processing with Deep Learning
元宇宙iwemeta
CS224n:NaturalLanguageProcessingwithDeepLearningStanford/Winter2019LogisticsLectures:areonTuesday/Thursday4:30-5:50pmPSTinNVIDIAAuditorium.Lecturevideosforenrolledstudents:arepostedonmvideox.stanford.
- CS224n 2019 Winter 笔记(一):Word Embedding:Word2vec and Glove
lairongxuan
CS224n自然语言处理
CS224n笔记:Word2Vec:CBOWandSkip-Gram摘要一、语言模型(LanguageModel)(一)一元模型(UnaryLanguageModel)(二)二元模型(BigramModel)二、如何表示“word”——词向量(WordVector)三、Word2Vec模型(一)Word2vec的作用(二)ContinuousBagofWordsModel(CBOW)1、CBOW模
- CS224n自然语言处理(四)——单词表示及预训练,transformer和BERT
李明朔
自然语言处理自然语言处理
文章目录一、ELMO1.TagLM–“Pre-ELMo”2.ELMo:EmbeddingsfromLanguageModels二、ULMfit三、Transformer1.编码器(1)词向量+位置编码(2)多头注意力层(3)前馈神经网络层2.解码器四、BERT1.BERT的输入2.预训练任务1:MaskedLM3.预训练任务2:NextSentencePrediction之前介绍的WordVect
- SoftMax函数
意念回复
机器学习数学
目录1Softmax的形式2hardmax的特性3softmax和hardmax的相似性4softmax函数概率模型构建5softmax函数优化1Softmax的形式Softmax函数是在机器学习中经常出现的,时常出现在输出层中。softmax的表达式:而下面我们要介绍的softmax“暂时”长相和它有些不一样,暂且叫做softmax_g:为什么叫softmax呢?根据CS224n的说法,主要是因
- CS 224N总结
长命百岁️
自然语言处理人工智能深度学习
CS224N网址:StanfordCS224N|NaturalLanguageProcessingwithDeepLearningLecture1PPT网址:PowerPointPresentation(stanford.edu)这一讲主要讲了NLP研究的对象,我们如何表示单词的含义,以及Word2Vec方法的基本原理。这里我们简单介绍一些Word2Vec方法的基本原理:人们认为,一个词往往与其上
- CS224N学习笔记(六)—— 句法分析
DataArk
写在前面的话:CS224N的第四课和第五课分别是word窗口分类、神经网络和反向传播的知识,但是第四课前半部分内容其实蛮乱的,我个人准备后面在这部分的更新换成对传统的一些机器算法在NLP上的应用上的学习。后面的神经网络和反向早就学过了,所以也就跳过了,后面总结神经网络的时候一起总结。一、语言学的两种观点如何描述语法,有两种主流观点,其中一种是短语结构文法,也就是上下文无关文法,英文术语是:Cons
- NLP-D22-cs224n&UNICORN&多层感知机&房价预测kaggle
甄小胖
NLPpython自然语言处理pytorch深度学习
–0519今天0430起床的,早上开始看cs224n,感觉老师好可爱!现在开始读论文啦!一、Unicorn—0558感觉还是有创新的!但是一时间说不上来?可能是时间与关系在溯源图中的综合???先干饭!–0621吃饭的时候看了cs224n,讲的很细。主要讲了word2vec,具体是如何去做word2vec这件事。1、用中心词预测周围词2、用两套向量,分别表示这个词作为中心词和作为周围词时的向量表示3
- Maven
Array_06
eclipsejdkmaven
Maven
Maven是基于项目对象模型(POM), 信息来管理项目的构建,报告和文档的软件项目管理工具。
Maven 除了以程序构建能力为特色之外,还提供高级项目管理工具。由于 Maven 的缺省构建规则有较高的可重用性,所以常常用两三行 Maven 构建脚本就可以构建简单的项目。由于 Maven 的面向项目的方法,许多 Apache Jakarta 项目发文时使用 Maven,而且公司
- ibatis的queyrForList和queryForMap区别
bijian1013
javaibatis
一.说明
iBatis的返回值参数类型也有种:resultMap与resultClass,这两种类型的选择可以用两句话说明之:
1.当结果集列名和类的属性名完全相对应的时候,则可直接用resultClass直接指定查询结果类
- LeetCode[位运算] - #191 计算汉明权重
Cwind
java位运算LeetCodeAlgorithm题解
原题链接:#191 Number of 1 Bits
要求:
写一个函数,以一个无符号整数为参数,返回其汉明权重。例如,‘11’的二进制表示为'00000000000000000000000000001011', 故函数应当返回3。
汉明权重:指一个字符串中非零字符的个数;对于二进制串,即其中‘1’的个数。
难度:简单
分析:
将十进制参数转换为二进制,然后计算其中1的个数即可。
“
- 浅谈java类与对象
15700786134
java
java是一门面向对象的编程语言,类与对象是其最基本的概念。所谓对象,就是一个个具体的物体,一个人,一台电脑,都是对象。而类,就是对象的一种抽象,是多个对象具有的共性的一种集合,其中包含了属性与方法,就是属于该类的对象所具有的共性。当一个类创建了对象,这个对象就拥有了该类全部的属性,方法。相比于结构化的编程思路,面向对象更适用于人的思维
- linux下双网卡同一个IP
被触发
linux
转自:
http://q2482696735.blog.163.com/blog/static/250606077201569029441/
由于需要一台机器有两个网卡,开始时设置在同一个网段的IP,发现数据总是从一个网卡发出,而另一个网卡上没有数据流动。网上找了下,发现相同的问题不少:
一、
关于双网卡设置同一网段IP然后连接交换机的时候出现的奇怪现象。当时没有怎么思考、以为是生成树
- 安卓按主页键隐藏程序之后无法再次打开
肆无忌惮_
安卓
遇到一个奇怪的问题,当SplashActivity跳转到MainActivity之后,按主页键,再去打开程序,程序没法再打开(闪一下),结束任务再开也是这样,只能卸载了再重装。而且每次在Log里都打印了这句话"进入主程序"。后来发现是必须跳转之后再finish掉SplashActivity
本来代码:
// 销毁这个Activity
fin
- 通过cookie保存并读取用户登录信息实例
知了ing
JavaScripthtml
通过cookie的getCookies()方法可获取所有cookie对象的集合;通过getName()方法可以获取指定的名称的cookie;通过getValue()方法获取到cookie对象的值。另外,将一个cookie对象发送到客户端,使用response对象的addCookie()方法。
下面通过cookie保存并读取用户登录信息的例子加深一下理解。
(1)创建index.jsp文件。在改
- JAVA 对象池
矮蛋蛋
javaObjectPool
原文地址:
http://www.blogjava.net/baoyaer/articles/218460.html
Jakarta对象池
☆为什么使用对象池
恰当地使用对象池化技术,可以有效地减少对象生成和初始化时的消耗,提高系统的运行效率。Jakarta Commons Pool组件提供了一整套用于实现对象池化
- ArrayList根据条件+for循环批量删除的方法
alleni123
java
场景如下:
ArrayList<Obj> list
Obj-> createTime, sid.
现在要根据obj的createTime来进行定期清理。(释放内存)
-------------------------
首先想到的方法就是
for(Obj o:list){
if(o.createTime-currentT>xxx){
- 阿里巴巴“耕地宝”大战各种宝
百合不是茶
平台战略
“耕地保”平台是阿里巴巴和安徽农民共同推出的一个 “首个互联网定制私人农场”,“耕地宝”由阿里巴巴投入一亿 ,主要是用来进行农业方面,将农民手中的散地集中起来 不仅加大农民集体在土地上面的话语权,还增加了土地的流通与 利用率,提高了土地的产量,有利于大规模的产业化的高科技农业的 发展,阿里在农业上的探索将会引起新一轮的产业调整,但是集体化之后农民的个体的话语权 将更少,国家应出台相应的法律法规保护
- Spring注入有继承关系的类(1)
bijian1013
javaspring
一个类一个类的注入
1.AClass类
package com.bijian.spring.test2;
public class AClass {
String a;
String b;
public String getA() {
return a;
}
public void setA(Strin
- 30岁转型期你能否成为成功人士
bijian1013
成功
很多人由于年轻时走了弯路,到了30岁一事无成,这样的例子大有人在。但同样也有一些人,整个职业生涯都发展得很优秀,到了30岁已经成为职场的精英阶层。由于做猎头的原因,我们接触很多30岁左右的经理人,发现他们在职业发展道路上往往有很多致命的问题。在30岁之前,他们的职业生涯表现很优秀,但从30岁到40岁这一段,很多人
- [Velocity三]基于Servlet+Velocity的web应用
bit1129
velocity
什么是VelocityViewServlet
使用org.apache.velocity.tools.view.VelocityViewServlet可以将Velocity集成到基于Servlet的web应用中,以Servlet+Velocity的方式实现web应用
Servlet + Velocity的一般步骤
1.自定义Servlet,实现VelocityViewServl
- 【Kafka十二】关于Kafka是一个Commit Log Service
bit1129
service
Kafka is a distributed, partitioned, replicated commit log service.这里的commit log如何理解?
A message is considered "committed" when all in sync replicas for that partition have applied i
- NGINX + LUA实现复杂的控制
ronin47
lua nginx 控制
安装lua_nginx_module 模块
lua_nginx_module 可以一步步的安装,也可以直接用淘宝的OpenResty
Centos和debian的安装就简单了。。
这里说下freebsd的安装:
fetch http://www.lua.org/ftp/lua-5.1.4.tar.gz
tar zxvf lua-5.1.4.tar.gz
cd lua-5.1.4
ma
- java-14.输入一个已经按升序排序过的数组和一个数字, 在数组中查找两个数,使得它们的和正好是输入的那个数字
bylijinnan
java
public class TwoElementEqualSum {
/**
* 第 14 题:
题目:输入一个已经按升序排序过的数组和一个数字,
在数组中查找两个数,使得它们的和正好是输入的那个数字。
要求时间复杂度是 O(n) 。如果有多对数字的和等于输入的数字,输出任意一对即可。
例如输入数组 1 、 2 、 4 、 7 、 11 、 15 和数字 15 。由于
- Netty源码学习-HttpChunkAggregator-HttpRequestEncoder-HttpResponseDecoder
bylijinnan
javanetty
今天看Netty如何实现一个Http Server
org.jboss.netty.example.http.file.HttpStaticFileServerPipelineFactory:
pipeline.addLast("decoder", new HttpRequestDecoder());
pipeline.addLast(&quo
- java敏感词过虑-基于多叉树原理
cngolon
违禁词过虑替换违禁词敏感词过虑多叉树
基于多叉树的敏感词、关键词过滤的工具包,用于java中的敏感词过滤
1、工具包自带敏感词词库,第一次调用时读入词库,故第一次调用时间可能较长,在类加载后普通pc机上html过滤5000字在80毫秒左右,纯文本35毫秒左右。
2、如需自定义词库,将jar包考入WEB-INF工程的lib目录,在WEB-INF/classes目录下建一个
utf-8的words.dict文本文件,
- 多线程知识
cuishikuan
多线程
T1,T2,T3三个线程工作顺序,按照T1,T2,T3依次进行
public class T1 implements Runnable{
@Override
- spring整合activemq
dalan_123
java spring jms
整合spring和activemq需要搞清楚如下的东东1、ConnectionFactory分: a、spring管理连接到activemq服务器的管理ConnectionFactory也即是所谓产生到jms服务器的链接 b、真正产生到JMS服务器链接的ConnectionFactory还得
- MySQL时间字段究竟使用INT还是DateTime?
dcj3sjt126com
mysql
环境:Windows XPPHP Version 5.2.9MySQL Server 5.1
第一步、创建一个表date_test(非定长、int时间)
CREATE TABLE `test`.`date_test` (`id` INT NOT NULL AUTO_INCREMENT ,`start_time` INT NOT NULL ,`some_content`
- Parcel: unable to marshal value
dcj3sjt126com
marshal
在两个activity直接传递List<xxInfo>时,出现Parcel: unable to marshal value异常。 在MainActivity页面(MainActivity页面向NextActivity页面传递一个List<xxInfo>): Intent intent = new Intent(this, Next
- linux进程的查看上(ps)
eksliang
linux pslinux ps -llinux ps aux
ps:将某个时间点的进程运行情况选取下来
转载请出自出处:http://eksliang.iteye.com/admin/blogs/2119469
http://eksliang.iteye.com
ps 这个命令的man page 不是很好查阅,因为很多不同的Unix都使用这儿ps来查阅进程的状态,为了要符合不同版本的需求,所以这个
- 为什么第三方应用能早于System的app启动
gqdy365
System
Android应用的启动顺序网上有一大堆资料可以查阅了,这里就不细述了,这里不阐述ROM启动还有bootloader,软件启动的大致流程应该是启动kernel -> 运行servicemanager 把一些native的服务用命令启动起来(包括wifi, power, rild, surfaceflinger, mediaserver等等)-> 启动Dalivk中的第一个进程Zygot
- App Framework发送JSONP请求(3)
hw1287789687
jsonp跨域请求发送jsonpajax请求越狱请求
App Framework 中如何发送JSONP请求呢?
使用jsonp,详情请参考:http://json-p.org/
如何发送Ajax请求呢?
(1)登录
/***
* 会员登录
* @param username
* @param password
*/
var user_login=function(username,password){
// aler
- 发福利,整理了一份关于“资源汇总”的汇总
justjavac
资源
觉得有用的话,可以去github关注:https://github.com/justjavac/awesome-awesomeness-zh_CN 通用
free-programming-books-zh_CN 免费的计算机编程类中文书籍
精彩博客集合 hacke2/hacke2.github.io#2
ResumeSample 程序员简历
- 用 Java 技术创建 RESTful Web 服务
macroli
java编程WebREST
转载:http://www.ibm.com/developerworks/cn/web/wa-jaxrs/
JAX-RS (JSR-311) 【 Java API for RESTful Web Services 】是一种 Java™ API,可使 Java Restful 服务的开发变得迅速而轻松。这个 API 提供了一种基于注释的模型来描述分布式资源。注释被用来提供资源的位
- CentOS6.5-x86_64位下oracle11g的安装详细步骤及注意事项
超声波
oraclelinux
前言:
这两天项目要上线了,由我负责往服务器部署整个项目,因此首先要往服务器安装oracle,服务器本身是CentOS6.5的64位系统,安装的数据库版本是11g,在整个的安装过程中碰到很多的坑,不过最后还是通过各种途径解决并成功装上了。转别写篇博客来记录完整的安装过程以及在整个过程中的注意事项。希望对以后那些刚刚接触的菜鸟们能起到一定的帮助作用。
安装过程中可能遇到的问题(注
- HttpClient 4.3 设置keeplive 和 timeout 的方法
supben
httpclient
ConnectionKeepAliveStrategy kaStrategy = new DefaultConnectionKeepAliveStrategy() {
@Override
public long getKeepAliveDuration(HttpResponse response, HttpContext context) {
long keepAlive
- Spring 4.2新特性-@Import注解的升级
wiselyman
spring 4
3.1 @Import
@Import注解在4.2之前只支持导入配置类
在4.2,@Import注解支持导入普通的java类,并将其声明成一个bean
3.2 示例
演示java类
package com.wisely.spring4_2.imp;
public class DemoService {
public void doSomethin