- Python第二十三课:自监督学习 | 无标注数据的觉醒
程之编
Python全栈通关秘籍python开发语言人工智能机器学习
本节目标理解自监督学习的核心范式与优势掌握对比学习(ContrastiveLearning)框架实现图像掩码自编码器(MaskedAutoencoder)开发实战项目:亿级参数模型轻量化探索数据增强的创造性艺术一、自监督学习基础(AI的拼图游戏)1.核心思想解析学习范式数据需求生活比喻监督学习海量标注数据老师逐题批改作业无监督学习纯无标签数据自学杂乱笔记自监督学习自动生成伪标签玩拼图游戏(根据碎片
- CTP开发爬坑指北(四)
开心秋水
CTPc++金融网络协议
CTP开发中有很多需要注意的小细节,稍有不慎就会出问题,不然,轻则表现与预期不符,重则程序崩溃影响策略盈利。本系列将容易遇到的坑列出来,以供开发时参考,如有疑义之处,欢迎指正。三人行,必有我师焉。欢迎加入QQ群736174420,一起讨论交易CTP的使用!~01哪些报单状态是最终状态?我们先来看CTP中有哪些报单状态:/*报单状态*////全部成交#defineTHOST_FTDC_OST_All
- MobileNet家族:从v1到v4的架构演进与发展历程
彩旗工作室
人工智能架构人工智能机器学习cnn卷积神经网络
MobileNet是一个专为移动设备和嵌入式系统设计的轻量化卷积神经网络(CNN)家族,旨在在资源受限的环境中实现高效的图像分类、对象检测和语义分割等任务。自2017年首次推出以来,MobileNet经历了从v1到v4的多次迭代,每一代都在计算效率、模型大小和准确性上取得了显著进步。本文将详细探讨MobileNetv1、v2、v3和v4的原理、架构设计及其发展历程,并分析其关键创新和性能表现。Mo
- YOLO11改进-模块-引入CMUNeXt Block 增强全局信息
一勺汤
YOLOv11模型改进系列网络YOLO目标检测模块魔改YOLOv11YOLOV11模型改进
在医学图像分割领域面临诸多问题,如U形架构卷积网络难以提取全局信息,混合架构因计算资源受限在实际医疗场景应用受阻,轻量化网络在保证性能与提取全局信息上存在矛盾。因此,设计了CMUNeXtBlock,CMUNeXtBlock采用大核深度可分离卷积替代普通卷积来提取全局信息,凭借深度可分离卷积减少参数和计算成本以维持轻量化,同时综合利用卷积归纳偏置和全局信息提取能力,有效解决了这些问题。代码:http
- Matlab 高效编程:用矩阵运算替代循环
算法工程师y
matlab矩阵java
引言在Matlab中,循环(如for或while)虽然易于理解,但可能导致性能瓶颈,尤其是处理大规模数据时。矩阵运算的向量化是Matlab高效编程的核心,利用内置函数和矩阵操作避免逐元素处理,可显著提升代码速度(有时甚至提速百倍)。本文将通过实例演示如何将循环逻辑转化为矩阵运算。1.为什么矩阵运算比循环快?Matlab底层基于C/C++和Fortran高度优化的矩阵库(如BLAS、LAPACK),
- 财务管理核心知识深度剖析
阿贾克斯的黎明
基础学科学习
目录财务管理核心知识深度剖析一、财务指标计算:企业财务状况的量化洞察二、成本计算方法:企业成本管控的核心策略三、财务分析方法:解读企业财务密码的钥匙在华为财经笔试的知识体系中,第二章财务管理核心知识是重中之重,它涵盖了从基础指标计算到复杂分析方法、预算管理、资金与投资决策以及风险把控等多方面内容,对企业的财务运营和决策起着关键作用。深入理解这些知识,不仅有助于在笔试中取得优异成绩,更能为实际的财务
- jqktrader 项目教程
经优英
jqktrader项目教程jqktrader同花顺自动程序化交易项目地址:https://gitcode.com/gh_mirrors/jq/jqktrader1.项目的目录结构及介绍jqktrader/├──.github/│└──workflows/├──demo.ipynb├──poetry.lock├──pyproject.toml├──README.md├──LICENSE└──jqkt
- DeepSeek结合Python炒股:编写量化交易策略的5个关键技巧
财云量化
程序化交易量化交易python炒股自动化pythonDeepSeek股票量化接口股票程序化交易
python炒股(0):申请官方API接口,个人账户无门槛python炒股自动化(1):量化交易接口区别Python炒股自动化(2):取股票实时数据和历史数据Python炒股自动化(3):分析实时数据和历史数据Python炒股自动化(4):通过接口向交易所报单炒股自动化(5):通过接口查单查账炒股自动化:散户也可以申请官方API接口量化交易的核心在于将策略思想转化为可执行的代码,本文结合券商的AP
- 论文阅读笔记——QLORA: Efficient Finetuning of Quantized LLMs
寻丶幽风
论文阅读笔记论文阅读笔记人工智能深度学习语言模型
QLoRA论文4-bit标准浮点数量化常见的量化技术是最大绝对值量化:XInt8=round(127absmax(XFP32)XFP32)=round(cFP32,XFP32)式(1)X^{Int8}=round(\frac{127}{absmax(X^{FP32})}X^{FP32})=round(c^{FP32},X^{FP32})\qquad\qquad\text{式(1)}XInt8=ro
- 气候变化和人类活动对中国植被固碳的贡献量化数据(2001-2018)
树谷-胡老师
资源arcgis
气候变化和人类活动对中国植被固碳的贡献量化数据(2001-2018)数据分享:气候变化和人类活动对中国植被固碳的贡献量化数据(2001-2018)该数据集包括中国2001~2018年月尺度或年尺度的地表短波波段反照率、植被光合有效辐射吸收比、叶面积指数、森林覆盖度和非森林植被覆盖度、地表温度、地表净辐射、地表蒸散发、地上部分自养呼吸、地下部分自养呼吸、总初级生产力和净初级生产力。空间分辨率为0.1
- 自立自强的江铃集团新能源,用科技创新实力圈粉
微视资讯
汽车
汽车行业正在经历从价格竞争和配置堆砌,向技术回归的深刻转型。消费者对“冰箱、彩电、大沙发”式的噱头已经逐渐失去兴趣,取而代之的是对核心技术和安全性能的理性关注。在这样的背景下,江铃集团新能源凭借深厚的技术积累和创新能力迅速赢得市场认可。作为拥有56年造车经验的企业,江铃集团新能源在整车研发、智能制造、智能网联、三电技术和车身轻量化等领域全面突破,不仅成功定位于纯电市场,还通过前瞻性的创新战略实现了
- 边缘设备模型量化部署:TFLite INT8校准实现细节深度解析
燃灯工作室
Ai人工智能机器学习
一、技术原理与数学公式INT8量化的核心是通过线性映射将浮点数值范围([-max,max])映射到8位整数范围([-128,127])。校准过程通过分析真实数据分布确定最优缩放因子(scale)和零点(zeropoint):量化公式:Q=round(float_valuescale)+zero_pointQ=round(\frac{float\_value}{scale})+zero\_point
- Python如何快速计算技术指标的金叉死叉?
量化问财
量化软件QMT量化交易Python量化炒股PTradeQMT量化交易量化软件deepseek
推荐阅读:《【最全攻略】免费的量化软件有哪些?券商的交易接口怎么获取?》引言在股票市场中,技术分析是一种重要的工具,它可以帮助投资者识别市场趋势和潜在的买卖点。技术指标金叉死叉是技术分析中常用的一种方法,它涉及到两个移动平均线(MA)的交叉点。金叉是指短期移动平均线从下方穿过长期移动平均线,通常被视为买入信号;而死叉则是短期移动平均线从上方穿过长期移动平均线,通常被视为卖出信号。本文将介绍如何使用
- JavaScript性能优化实战:从8s到0.8s的极致提升
小诸葛IT课堂
前端
摘要:页面卡顿、内存泄漏、CPU爆满?本文通过6个真实场景+可运行代码示例,手把手教你掌握JS性能优化核心技术!涵盖防抖节流、虚拟滚动、WebWorkers、内存泄漏排查等高频痛点解决方案,最后提供Chrome性能分析工具实战指南,助你打造丝滑的Web应用!一、性能优化核心指标(先量化再优化)1.1关键性能指标FPS:帧率≥60为合格(开发者工具Performance面板)内
- Transformer动画讲解 - 工作原理
ghx3110
transformer深度学习人工智能
Transformer模型在多模态数据处理中扮演着重要角色,其能够高效、准确地处理包含不同类型(如图像、文本、音频、视频等)的多模态数据。Transformer工作原理四部曲:Embedding(向量化)、Attention(注意力机制)、MLPs(多层感知机)和Unembedding(模型输出)。阶段一:Embedding(向量化)“Embedding”在字面上的翻译是“嵌入”,但在机器学习和自
- python 基于混合式推荐算法的学术论文投稿系统
mosquito_lover1
python知识图谱
基于混合式推荐算法的学术论文投稿系统是一个结合多种推荐技术(如基于内容的推荐、协同过滤、知识图谱等)来为研究者推荐合适期刊或会议投稿的系统。以下是实现该系统的关键步骤和Python代码示例。系统设计思路1.数据收集与预处理:-收集论文数据(标题、摘要、关键词、作者信息等)。-收集期刊/会议数据(领域、主题、影响因子、投稿要求等)。-对文本数据进行预处理(分词、去停用词、向量化等)。2.推荐算法设计
- 安全测试数据的分析、报告及业务应用
蚂蚁质量
安全测试质量体系安全网络web安全
一、安全测试指标与测量目标在风险分析和管理流程中,有效运用安全测试数据的前提是准确定义安全测试指标和测量目标。例如,通过统计安全测试中发现的漏洞总数,能够量化应用程序的安全状态,还可据此设定软件安全测试的目标,如在应用程序投入生产环境前,将漏洞数量降低至可接受的最低限度。另一个具有管理价值的目标是将应用程序的安全状态与安全基线进行对比,以此评估应用安全流程的改进情况。假设安全指标基线对应的是仅完成
- 【2025年37期免费获取股票数据API接口】实例演示五种主流语言获取股票行情api接口之沪深指数实时数据获取实例演示及接口API说明文档
不会写代码的码农农
pythonjava开发语言股票api股票数据股票数据接口
在近一至两年期间,股票量化分析逐步成为备受关注的热门议题。对于投身于该领域工作而言,首要步骤便是获取全面且精准的股票数据。无论是实时交易数据、历史交易记录、财务数据,亦或是基本面信息,这些数据均是开展量化分析过程中不可或缺的宝贵资源。我们的核心任务在于从这些数据中提炼出具有价值的信息,从而为投资策略提供坚实有力的指导。在数据探索进程中,我尝试运用了多种方法,涵盖自编网易股票页面爬虫程序、申万行业数
- 草根版外卖避雷计划「数据库寄生 2.0」优化方案
cainiaojunshi
预算方案智慧城市
接上回计划省钱版【打败美团和饿了吗的机会越来越大了!#外卖避雷计划#】[特殊字符][特殊字符]-CSDN博客(含三端流程图+预算穿透表+风险应对)一、策划目标(草根版核心)实现单城外卖后厨监督轻量化:✅创作端:骑手/打假人扫码接单,视频自动同步(省90%录入时间)✅服务端:AI+算法自动跑批,日省2小时人工干预(年省2.22万)✅观看端:实时暴雷指数+悬赏助力,用户信任度提升40%✅终极目标:单城
- 模型量化 (Model Quantization) 算法 (Model Quantization Algorithms)
(initial)
大模型科普算法人工智能量化
1模型量化的必要性:降低模型大小、加速推理、减少资源消耗随着深度学习模型的日益复杂和庞大,其在资源受限的设备(如移动端、嵌入式设备)上的部署面临着巨大的挑战。即使在服务器端,部署大型模型也会带来高昂的计算成本和能源消耗。模型量化(ModelQuantization)作为一种关键的模型压缩和加速技术应运而生。其核心思想是将模型中的浮点数(通常是FP32或FP16)表示的权重和激活值转换为低精度整数(
- 全自动量化交易软件是否真的可靠?使用过程中有哪些潜在风险需要注意
财云量化
python炒股自动化量化交易程序化交易全自动量化交易软件可靠性潜在风险数据准确性股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- 嵌入式AI必备技能2-模型的压缩与加速
奥德彪123
嵌入式AI人工智能嵌入式
嵌入式AI必备技能2-模型的压缩与加速引言随着嵌入式AI设备的广泛应用,模型的计算效率和存储需求成为核心挑战。由于嵌入式系统通常资源受限,传统的深度学习模型往往难以直接部署。因此,模型压缩和加速技术应运而生,旨在减少计算量、降低存储需求,同时尽可能保持模型的准确性。本文介绍几种常见的模型压缩与加速方法,包括剪枝、低秩分解、量化、权值共享、知识蒸馏等,并探讨如何综合应用这些技术来优化AI模型。1.常
- 海量数据查询加速:Presto、Trino、Apache Arrow
晴天彩虹雨
apache大数据hive数据仓库
1.引言在大数据分析场景下,查询速度往往是影响业务决策效率的关键因素。随着数据量的增长,传统的行存储数据库难以满足低延迟的查询需求,因此,基于列式存储、向量化计算等技术的查询引擎应运而生。本篇文章将深入探讨Presto、Trino、ApacheArrow三种主流的查询优化工具,剖析其核心机制,并通过案例分析展示它们在实际业务中的应用。2.Presto:分布式SQL查询引擎2.1Presto介绍Pr
- 審單人員效率 PPP 模型
chenchihwen
网络sql数据库
审单人员效率PPP模型的目的审单人员效率PPP模型的主要目的是通过系统化的计算和分析,评估审单人员的工作效率,并为管理决策提供数据支持。具体包括以下几个方面:1.量化审单人员的工作效率目的:通过审单数量、工时、折算率等指标,量化审单人员的工作效率。实现方式:计算每个审单人员的审单量(vol_o)。根据标准工时表(t_dash_ppp_checker_std_v)折算审单数量(vol_c)。结合有效
- Milvus 本地Ollama向量化markdown文件
慌雨
milvus数据库
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言代码测试注意前言提示:这里可以添加本文要记录的大概内容:我在局域网内安装了milvus服务,现在需要把一个文件夹里所有的markdown文档都向量化到milvus数据库中。所用的切分方法是langchain中自带的markdown按照标题切分,且带有标题的metadata,非常清晰。但是用langchain提供的milvu
- 嵌入式软件工程师为什么要撰写博客?——开启技术进阶与职业发展的双重大门
Electron-er
软件需求嵌入式硬件架构单片机人工智能
目录一、技术沉淀:构建嵌入式知识复利系统知识沉淀的三层架构二、职业发展:量化个人技术品牌价值职业价值评估模型三、社区贡献:推动嵌入式技术生态演进知识传播的涟漪效应四、写作方法论:打造专业级技术博客内容开发五步法可视化增强技术五、数据验证:博客投资回报率分析六、实践指南:从入门到专家的路径规划博客运营路线图关键成功要素结语一、技术沉淀:构建嵌入式知识复利系统在嵌入式开发领域,寄存器操作、RTOS调度
- 阿里云国际站代理商:怎样量化虚拟世界的QoE体验指标?
linglideman
阿里云
1.沉浸体验质量(QImE)沉浸体验质量主要衡量虚拟世界中视觉和听觉的沉浸感,包括以下几个关键指标:视频质量(QP):考虑视频的平均码率(Brv)、帧率(FR)、分辨率(Rh、Rv)、视场角(FoVh)以及编码标准(Codecv)等因素。音频质量(QA):涉及音频的平均码率(Bra)、声道数(NAC)、采样率(Sra)和编码标准(Codeca)。音视频同步时延(Tasyn):衡量音视频的同步性,影
- 大模型高效优化技术全景解析:微调、量化、剪枝、梯度裁剪与蒸馏
时光旅人01号
人工智能剪枝算法深度学习数据挖掘人工智能
目录微调(Fine-tuning)量化(Quantization)剪枝(Pruning)梯度裁剪(GradientClipping)知识蒸馏(KnowledgeDistillation)技术对比与协同策略总结与趋势1.微调(Fine-tuning)核心思想在预训练模型(如BERT、GPT)基础上,通过领域数据调整参数,适配下游任务。方法流程预训练模型加载:加载通用模型权重(如HuggingFace
- 【2025年35期免费获取股票数据API接口】实例演示五种主流语言获取股票行情api接口之沪深A股当天分价成交占比数据获取实例演示及接口API说明文档
不会写代码的码农农
pythonjava开发语言股票API股票数据接口股票数据
在近一至两年期间,股票量化分析逐步成为备受关注的热门议题。对于投身于该领域工作而言,首要步骤便是获取全面且精准的股票数据。无论是实时交易数据、历史交易记录、财务数据,亦或是基本面信息,这些数据均是开展量化分析过程中不可或缺的宝贵资源。我们的核心任务在于从这些数据中提炼出具有价值的信息,从而为投资策略提供坚实有力的指导。在数据探索进程中,我尝试运用了多种方法,涵盖自编网易股票页面爬虫程序、申万行业数
- AI学习指南RAG篇(5)-RAG的系统架构
俞兆鹏
AI学习指南ai
文章目录一、引言二、RAG系统的四个核心组件1.知识库处理模块1.1文档收集1.2文档预处理1.3示例代码2.向量化模块2.1文本嵌入2.2向量数据库2.3示例代码3.检索引擎3.1检索算法3.2检索结果排序3.3示例代码4.生成模块4.1生成模型4.2提示工程4.3示例代码三、RAG系统的架构图四、总结一、引言RAG(Retrieval-AugmentedGeneration,检索增强生成)技术
- 插入表主键冲突做更新
a-john
有以下场景:
用户下了一个订单,订单内的内容较多,且来自多表,首次下单的时候,内容可能会不全(部分内容不是必须,出现有些表根本就没有没有该订单的值)。在以后更改订单时,有些内容会更改,有些内容会新增。
问题:
如果在sql语句中执行update操作,在没有数据的表中会出错。如果在逻辑代码中先做查询,查询结果有做更新,没有做插入,这样会将代码复杂化。
解决:
mysql中提供了一个sql语
- Android xml资源文件中@、@android:type、@*、?、@+含义和区别
Cb123456
@+@?@*
一.@代表引用资源
1.引用自定义资源。格式:@[package:]type/name
android:text="@string/hello"
2.引用系统资源。格式:@android:type/name
android:textColor="@android:color/opaque_red"
- 数据结构的基本介绍
天子之骄
数据结构散列表树、图线性结构价格标签
数据结构的基本介绍
数据结构就是数据的组织形式,用一种提前设计好的框架去存取数据,以便更方便,高效的对数据进行增删查改。正确选择合适的数据结构,对软件程序的高效执行的影响作用不亚于算法的设计。此外,在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈,堆等,就是经典的数据结构。
经典的数据结构大致如下:
一:线性数据结构
(1):列表
a
- 通过二维码开放平台的API快速生成二维码
一炮送你回车库
api
现在很多网站都有通过扫二维码用手机连接的功能,联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊,写了个前台快速生成二维码的方法。
html代码如下:(二维码将生成在这div下)
? 1
&nbs
- ImageIO读取一张图片改变大小
3213213333332132
javaIOimageBufferedImage
package com.demo;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
/**
* @Description 读取一张图片改变大小
* @author FuJianyon
- myeclipse集成svn(一针见血)
7454103
eclipseSVNMyEclipse
&n
- 装箱与拆箱----autoboxing和unboxing
darkranger
J2SE
4.2 自动装箱和拆箱
基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便,但提供方便的同时表示隐藏了细节,建议在能够区分基本数据类型与对象的差别时再使用。
4.2.1 autoboxing和unboxing
在Java中,所有要处理的东西几乎都是对象(Object)
- ajax传统的方式制作ajax
aijuans
Ajax
//这是前台的代码
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
- 只用jre的eclipse是怎么编译java源文件的?
avords
javaeclipsejdktomcat
eclipse只需要jre就可以运行开发java程序了,也能自动 编译java源代码,但是jre不是java的运行环境么,难道jre中也带有编译工具? 还是eclipse自己实现的?谁能给解释一下呢问题补充:假设系统中没有安装jdk or jre,只在eclipse的目录中有一个jre,那么eclipse会采用该jre,问题是eclipse照样可以编译java源文件,为什么呢?
&nb
- 前端模块化
bee1314
模块化
背景: 前端JavaScript模块化,其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来,还处于刀耕火种的野蛮生长阶段。 JavaScript一直缺乏有效的包管理机制,造成了大量的全局变量,大量的方法冲突。我们多么渴望有天能像Java(import),Python (import),Ruby(require)那样写代码。在没有包管理机制的年代,我们是怎么避免所
- 处理百万级以上的数据处理
bijian1013
oraclesql数据库大数据查询
一.处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描。
2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 o
- mac 卸载 java 1.7 或更高版本
征客丶
javaOS
卸载 java 1.7 或更高
sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin
成功执行此命令后,还可以执行 java 与 javac 命令
sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane
成功执行此命令后,还可以执行 java
- 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析
bit1129
Stream
第一步,Flume和Kakfa对接,Flume抓取日志,写到Kafka中
第二部,Spark Streaming读取Kafka中的数据,进行实时分析
本文首先使用Kakfa自带的消息处理(脚本)来获取消息,走通Flume和Kafka的对接 1. Flume配置
1. 下载Flume和Kafka集成的插件,下载地址:https://github.com/beyondj2ee/f
- Erlang vs TNSDL
bookjovi
erlang
TNSDL是Nokia内部用于开发电信交换软件的私有语言,是在SDL语言的基础上加以修改而成,TNSDL需翻译成C语言得以编译执行,TNSDL语言中实现了异步并行的特点,当然要完整实现异步并行还需要运行时动态库的支持,异步并行类似于Erlang的process(轻量级进程),TNSDL中则称之为hand,Erlang是基于vm(beam)开发,
- 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个
ljy325
企业应用
非常希望有一个预防疲劳的java软件,我看新闻和网站,国防科技大学的科学家累死了,太疲劳,老是加班,不休息,经常吃药,吃药根本就没用,根本原因是疲劳过度。我以前做java,那会公司垃圾,老想赶快学习到东西跳槽离开,搞得超负荷,不明理。深圳做软件开发经常累死人,总有不明理的人,有个软件提醒限制很好,可以挽救很多人的生命。
相关新闻:
(1)IT行业成五大疾病重灾区:过劳死平均37.9岁
- 读《研磨设计模式》-代码笔记-原型模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/**
* Effective Java 建议使用copy constructor or copy factory来代替clone()方法:
* 1.public Product copy(Product p){}
* 2.publi
- 配置管理---svn工具之权限配置
chenyu19891124
SVN
今天花了大半天的功夫,终于弄懂svn权限配置。下面是今天收获的战绩。
安装完svn后就是在svn中建立版本库,比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构
pepos
component
webapps
在conf里面的auth里赋予的权限配置为
[groups]
- 浅谈程序员的数学修养
comsci
设计模式编程算法面试招聘
浅谈程序员的数学修养
- 批量执行 bulk collect与forall用法
daizj
oraclesqlbulk collectforall
BULK COLLECT 子句会批量检索结果,即一次性将结果集绑定到一个集合变量中,并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、
FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。
有关FORALL语句的用法请参考:批量SQL之 F
- Linux下使用rsync最快速删除海量文件的方法
dongwei_6688
OS
1、先安装rsync:yum install rsync
2、建立一个空的文件夹:mkdir /tmp/test
3、用rsync删除目标目录:rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了,删除的速度会非常快。rsync实际上用的是替换原理,处理数十万个文件也是秒删。
- Yii CModel中rules验证规格
dcj3sjt126com
rulesyiivalidate
Yii cValidator主要用法分析:
yii验证rulesit 分类: Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError
 
- 基于vagrant的redis主从实验
dcj3sjt126com
vagrant
平台: Mac
工具: Vagrant
系统: Centos6.5
实验目的: Redis主从
实现思路
制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box
制作sentos6.5+redis的box
mkdir vagrant_redis
cd vagrant_
- Memcached(二)、Centos安装Memcached服务器
frank1234
centosmemcached
一、安装gcc
rpm和yum安装memcached服务器连接没有找到,所以我使用的是make的方式安装,由于make依赖于gcc,所以要先安装gcc
开始安装,命令如下,[color=red][b]顺序一定不能出错[/b][/color]:
建议可以先切换到root用户,不然可能会遇到权限问题:su root 输入密码......
rpm -ivh kernel-head
- Remove Duplicates from Sorted List
hcx2013
remove
Given a sorted linked list, delete all duplicates such that each element appear only once.
For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
- Spring4新特性——JSR310日期时间API的支持
jinnianshilongnian
spring4
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- 浅谈enum与单例设计模式
247687009
java单例
在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种),两者同是私有构
造器,导出静态成员变量,以便调用者访问。
第一种
package singleton;
public class Singleton {
//导出全局成员
public final static Singleton INSTANCE = new S
- 使用switch条件语句需要注意的几点
openwrt
cbreakswitch
1. 当满足条件的case中没有break,程序将依次执行其后的每种条件(包括default)直到遇到break跳出
int main()
{
int n = 1;
switch(n) {
case 1:
printf("--1--\n");
default:
printf("defa
- 配置Spring Mybatis JUnit测试环境的应用上下文
schnell18
springmybatisJUnit
Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有:
单元测试的app context不支持从外部properties文件注入属性
@Value注解不能解析带通配符的路径字符串
解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。
第二个问题的具体实例是:
 
- Java 定时任务总结一
tuoni
javaspringtimerquartztimertask
Java定时任务总结 一.从技术上分类大概分为以下三种方式: 1.Java自带的java.util.Timer类,这个类允许你调度一个java.util.TimerTask任务; 说明: java.util.Timer定时器,实际上是个线程,定时执行TimerTask类 &
- 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法
yangshangchuan
rank相似度计算文本相似度词袋模型余弦相似度
本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法,对于其他的用户生成内容站点类型也具有同样的适用性。
最近在ITEYE博客频道上面出现了一种新型的商业广告形式,方法如下:
1、注册多个账号(一般10个以上)。
2、从多个账号中选择一个账号,发表1-2篇博文