真心等待自由飞翔
真心等待自由飞翔

py-faster-rcnn 中 shell脚本解读：./experiments/scripts/faster_rcnn_alt_opt.sh

【说明】：如果要训练一个网络，可以在shell中输入：./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc；

只要指定了gpu编号，网络名称，数据集名称三个参数，就可以了运行了。

通过阅读该脚本可以看出，作者搞这么麻烦，其实一句话调用train_faster_rcnn_alt_opt.py就可以实现同样的效果。

比如训练，直接使用python脚本的话，如下输入：

./tools/train_faster_rcnn_alt_opt.py --gpu 0 --net_name VGG16 

--weights data/imagenet_models/VGG16.v2.caffemodel 

--imdb voc_2007_trainval --cfg experiments/cfgs/faster_rcnn_alt_opt.yml





你可能感兴趣的:(Faster-RCNN)

  • c++读取图片_四、faster-rcnn源码阅读：数据流读取 weixin_39719078 c++读取图片img标签读取本地图片os如何读取图片torchdataloader数据并行
    数据读取在faster-rcnn源码里是比较简单的部分，但也是非常重要的部分，不了解数据，就不可能了解算法。另一方面，由于python环境碎片话化，源码调用的库在你的电脑上如果碰巧（其实概率还蛮大，特别是windows下）不能用，完全可以用另外一种等价的方式取代。一、图片读取就是把图片转化成矩阵，等待下一个流程进一步处理。图片读取要注意不是所有都是RGB顺序读取1.cv2（OpenCV-Pytho
  • Transformer实战-系列教程13：DETR 算法解读 机器学习杨卓越 Transformer实战transformer深度学习DETR物体检测
    Transformer实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在Pycharm中进行本篇文章配套的代码资源已经上传点我下载源码1、物体检测说到目标检测你能想到什么faster-rcnn系列，开山之作，各种proposal方法YOLO肯定也少不了，都是基于anchor这路子玩的NMS那也一定得用上，输出结果肯定要过滤一下的如果一个目标检测算法，上面这三点都木有，你说神不神
  • 目标检测SSD：训练自己的数据集 BigCowPeking 目标检测算法安装SSD
    最近一直在搞objectdetection玩，之前用的是faster-rcnn，准确率方面73.2%，效果还不错，但是识别速度有点欠缺，我用的GPU是GTX980ti,识别速度大概是15fps.最近发现SSD(singleshotmultiboxdetector)这篇论文效果和速度都不错，我自己实验了一下，速度确实比faster-rcnn快不少。下面分两部分来介绍。第一部分介绍SSD的安装，第二部
  • YOLO系列 Array902 YOLOpython深度学习
    深度学习经典检测方法two-stage（两阶段）：Faster-rcnn\Mask-Rcnn系列（两阶段即多了一步预选操作）one-stage（单阶段）：YOLO系列（直接处理，不需要对数据进行预选）one-stage:最核心的优势：速度非常快，适合做实时监测任务！但是缺点也是有的，效果通常情况下不会太好！（速度越快效果越差，二者相互有些矛盾）mAP：效果好坏FPS：速度快慢two-stage:速
  • 目标检测 Faster-RCNN 石中璇 深度学习
    文章目录标题目标检测算法：Faster-RCNNR-CNNRegionProposals候选区域RCNN结构原理RCNN存在的问题用SPP-Net改进（spatialpyramidpoolinglayer空间金字塔池化）FastR-CNNFastR-CNN结构图FastR-CNN的缺陷FasterR-CNN标题目标检测算法：Faster-RCNNR-CNNRegionProposals候选区域原先
  • caffe版本Faster-RCNN：py-faster-rcnn-master/lib/datasets/factory.py ->用于集成程序默认提供的数据集 a1103688841
    分析：这个代码分两个部分：1）首先往__sets()字典的key中注入名字，往对应的val中注入对应的初始化函数。下次只要在__sets()字典中输入key的名字就可以执行对应的初始化函数。__sets（）的具体情况如下：2）get_imdb(name)用于配套__sets()的初始化，输入__sets（）中存在key，调用他对应的val进行初始化list_imdbs()用于配套__sets()，
  • Multi-adversarial Faster-RCNN with Paradigm Teacher for Unrestricted Object Detection 宇来风满楼 目标检测目标检测人工智能计算机视觉算法深度学习机器学习神经网络
    GRLmeans‘gradientreversedlayer’，SRMmeans‘ScaleReduceModule’.DiscriminatorsubmoduleatthemmmthblockisdenotedasDm^mm作者未提供代码
  • R-C3D论文详解 ce0b74704937
    论文链接：R-C3D:RegionConvolutional3DNetworkforTemporalActivityDetection代码地址（论文提供地址）：http://ai.bu.edu/r-c3d/该论文借鉴图像物体检测中的Faster-RCNN的思想，文章采用3D卷积来获取视频的时序信息，然后通过类似Faster-RCNN的rpn层和roi层输出时间维度的boundingbox，也就是视
  • 【Digest】YOLO系列：YOLOv1,YOLOv2,YOLOv3,YOLOv4,YOLOv5简介 gikod YOLO
    1.前言论文下载：http://arxiv.org/abs/1506.02640代码下载：https://github.com/pjreddie/darknet核心思想：将整张图片作为网络的输入（类似于Faster-RCNN），直接在输出层对BBox的位置和类别进行回归。目标检测之YOLO算法：YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile
  • 学习笔记：Pytorch 搭建自己的Faster-RCNN目标检测平台 hongyuyahei vqa学习笔记pytorch
    B站学习视频up主的csdn博客1、什么是FasterR-CNN2、pytorch-gpu环境配置（跳过）3、FasterR-CNN整体结构介绍Faster-RCNN可以采用多种的主干特征提取网络，常用的有VGG，Resnet，Xception等等。Faster-RCNN对输入进来的图片尺寸没有固定，但一般会把输入进来的图片短边固定成600.4、Resnet50-主干特征提取网络介绍具体学习见：R
  • MMdetection3.0 报错data[‘category_id‘] = self.cat_ids[label] IndexError: list index out of range MZYYZT MMdetectionpython深度学习MMdetection3.0
    MMdetection3.0问题报错data[‘category_id’]=self.cat_ids[label]IndexError:listindexoutofrange痛苦，希望各位大佬看到后可以指教一下：问题：在使用MMdetection3.0训练NWPU-VHR-10数据时，使用Yolov3模型可以正常训练测试，但是当使用Faster-rcnn模型训练的时候，一直如下图所示错误。1、按照
  • MMdetection3.0 问题 MZYYZT MMdetectionpython目标检测MMdetection3.0python深度学习目标检测
    MMdetection3.0问题希望各位路过的大佬指教一下：问题：1、NWPU-VHR-10有标注的数据一共650张，我将其分为了455张训练集，195张验证集。2、然后使用MMdetection3.0框架中的Faster-rcnn网络进行训练，设置训练参数batch-size=2,num_worker=2。3、那么问题来了：为什么下图中的画圈的地方不是【**/228or227】，也就是datal
  • YOLO系列/20230903 lucharaar YOLO
    深度学习经典检测方法1.two-stage（分两阶段）：Faster-Rcnn和Mask-Rcnn系列-------检测过程中加了预选框步骤速度通常较慢（5FPS），但是效果通常不错非常实用的通用框架Mask-Rcnn，需要了解2.one-stage（单阶段）：YOLO系列------当我们想做检测任务，一个cnn网络直接做一个回归任务就可以，中间不需要加额外的补充最核心的优势：速度非常快，适合做
  • 目标检测｜实战总结 voice_an
    1.实现ssd-keras实时目标检测算法，并制作十张图片的测试集。效果一般。ssd算法是继faster-rcnn与yolo之后的又一力作。来自UNC团队2016年发表在ECCV上。SSD最大的特点就是在较高的准确率下实现较好的检测准确度。并非为两种模型：SSD300（300*300输入图片），SSD500（512*512输入图片）。当然输入图片的尺寸越大，往往会得到更好的检测准确率，但同时也带来
  • 第五章 目标检测中K-means聚类生成Anchor box(工具) 小酒馆燃着灯 目标检测深度学习工具目标检测kmeans聚类
    基础理论在基于anchor的目标检测算法中，anchor一般都是通过人工设计的。例如，在SSD、Faster-RCNN中，设计了9个不同大小和宽高比的anchor。然而，通过人工设计的anchor存在一个弊端，就是并不能保证它们一定能很好的适合数据集，如果anchor的尺寸和目标的尺寸差异较大，则会影响模型的检测效果。在论文YOLOv2中提到了这个问题，作者建议使用K-means聚类来代替人工设计
  • YOLO系列详解（YOLO1-YOLO5） 陈子迩 深度学习学习笔记pythonpandas机器学习
    目录前言二、YOLOv1举例说明：三、YOLOv2四、YOLOv3五、YOLOv4框架原理5.4.5余弦模拟退火5.5.2DIoU-NMS六YOLOv5七、YOLOv6前言一、前言YOLO系列是one-stage且是基于深度学习的回归方法，而R-CNN、Fast-RCNN、Faster-RCNN等是two-stage且是基于深度学习的分类方法。YOLO官网：GitHub-pjreddie/dark
  • pkl文件的简介（Python中的Pickle） 北岛寒沫 Pythonpython开发语言
    文章目录Pickle模块简介Pickle模块的使用最近从Github上下载了一个预训练好的Faster-RCNN模型用于科研任务，突然对该文件的格式，.pkl文件产生了一丝疑惑，便去特意了解了一下该格式的文件的含义，下面与大家共享。Pickle模块简介.pkl是Python中pickle模块的默认文件扩展名。pickle是Python中的一个模块，它允许您序列化和反序列化Python对象结构。“序
  • SSD安装及训练自己的数据集 zhang_shuai12 深度学习ssdcaffe
    最近一直在搞objectdetection玩，之前用的是faster-rcnn，准确率方面73.2%，效果还不错，但是识别速度有点欠缺，我用的GPU是GTX980ti,识别速度大概是15fps.最近发现SSD(singleshotmultiboxdetector)这篇论文效果和速度都不错，我自己实验了一下，速度确实比faster-rcnn快不少。下面分两部分来介绍。第一部分介绍SSD的安装，第二部
  • 在AI Studio中配置faster-rcnn pytorch环境 ForesterZz cuda
    在AIStudio中配置faster-rcnnpytorch环境AIStudio自带cuda版本faster-rcnn的pytorch版本支持AIStudio自带cuda版本AIStudio目前有两个版本的cuda（cuda9.2和cuda10），不过我从没分配到过cuda10，大部分都是cuda9.2。使用以下语句查看cuda版本。cat/usr/local/cuda/version.txtfa
  • 使用mmdetection训练模型--记faster-rcnn不同backbone性能比较 hedgehogbb 工作总结深度学习目标检测pytorch
    使用mmdetection训练模型一、安装采用的是直接安装，并未使用在conda中建虚拟环境。主要安装的有mmcv和mmdet，其中mmcv的安装与下载的mmdetction版本有关，参考https://mmdetection.readthedocs.io/zh_CN/v2.18.1/get_started.html#id官网安装依赖教程中的mmdetection版本和mmcv版本的对应关系安装。
  • 基于Pytorch的从零开始的目标检测 金戈鐡馬 深度学习pytorch目标检测人工智能深度学习python
    引言目标检测是计算机视觉中一个非常流行的任务，在这个任务中，给定一个图像，你预测图像中物体的包围盒(通常是矩形的)，并且识别物体的类型。在这个图像中可能有多个对象，而且现在有各种先进的技术和框架来解决这个问题，例如Faster-RCNN和YOLOv3。本文讨论将讨论图像中只有一个感兴趣的对象的情况。这里的重点更多是关于如何读取图像及其边界框、调整大小和正确执行增强，而不是模型本身。目标是很好地掌握
  • YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进【NO.78】引入2023年华为诺亚提出Gold-YOLO模型中Gatherand-Distribute 人工智能算法研究院 YOLO算法改进系列YOLO算法
    前言作为当前先进的深度学习目标检测算法YOLOv8，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv8的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv8，YOLOv7、YOLOv5算法2020年至今已经涌现出大
  • YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进【NO.79】改进损失函数为VariFocal Loss 人工智能算法研究院 YOLO算法改进系列YOLO算法目标跟踪
    前言作为当前先进的深度学习目标检测算法YOLOv8，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv8的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv8，YOLOv7、YOLOv5算法2020年至今已经涌现出大
  • CV综述OCR任务---目录 慕一Chambers 图像分类CNN深度学习机器学习
    CV综述OCR任务---目录图像任务OCR任务图像分类目标检测图像分割图像增强视频任务正文：OCR学习OCR参考资料:参考博客:典型应用常见挑战比赛经典OCR方法单字符识别方法序列识别方法tessernet文字检测模型Part(thinkaboutCV中的目标检测)faster-RCNN/YOLO/SSDCTPN(2016):ConnectionistTextProposalNetworkEAST
  • 第五章 目标检测中K-means聚类生成Anchor box(工具) 小酒馆燃着灯 机器学习工具深度学习目标检测kmeans聚类
    第一种做法在基于anchor的目标检测算法中，anchor一般都是通过人工设计的。例如，在SSD、Faster-RCNN中，设计了9个不同大小和宽高比的anchor。然而，通过人工设计的anchor存在一个弊端，就是并不能保证它们一定能很好的适合数据集，如果anchor的尺寸和目标的尺寸差异较大，则会影响模型的检测效果。在论文YOLOv2中提到了这个问题，作者建议使用K-means聚类来代替人工设
  • YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进【NO.77】引入百度最新提出RT-DETR模型中AIFI模块 人工智能算法研究院 YOLO算法改进系列YOLO算法目标跟踪
    前言作为当前先进的深度学习目标检测算法YOLOv8，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv8的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv8，YOLOv7、YOLOv5算法2020年至今已经涌现出大
  • mmdetection安装与训练 不减到100斤不吃锅包肉 深度学习pytorch深度学习
    一、什么是mmdetection商汤科技（2018COCO目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。二、mmdetection安装本人安装环境：系统环境：Ubuntu20.0
  • 安装yolo,mmlab，等工具时pycocotools报错 zRezin YOLO深度学习人工智能计算机视觉
    安装yolo的时候，因为是白板机，很多依赖都没有安装。安装yolo的依赖时候会报错。其实如果安装其他的视觉框架，例如yolov系列，mmlab，faster-rcnn等只要是用到了coco数据集的预置框架，都需要安装pycocotools。conda环境下依赖安装可能报错，可能是因为环境版本不匹配。需要手动安装报错语句如下ERROR:Couldnotbuildwheelsforpycocotool
  • Faster-RCNN and Mask-RCNN框架解析 nice-wyh pytorch目标检测深度学习机器学习
    由于本人记忆力实在太差，每次学完一个框架没过多久就会忘，而且码文能力不行，人又懒，所以看到了其他人写的不错的两篇框架解析的博文，先来记录一下，就当是我写的喽Faster-rcnn详解_fasterr-cnn-CSDN博客MaskR-CNN详解_maskrcnn-CSDN博客
  • Pytorch实现Faster-RCNN *Major*
    Pytorch实现Faster−RCNNPytorch实现Faster-RCNNPytorch实现Faster−RCNN基本结构![在这里插入图片描述](https://img-blog.csdnimg.cn/20200614150822116.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR
  • Java常用排序算法/程序员必须掌握的8大排序算法 cugfy java
    分类： 1）插入排序（直接插入排序、希尔排序） 2）交换排序（冒泡排序、快速排序） 3）选择排序（直接选择排序、堆排序） 4）归并排序 5）分配排序（基数排序） 所需辅助空间最多：归并排序 所需辅助空间最少：堆排序 平均速度最快：快速排序 不稳定：快速排序，希尔排序，堆排序。 先来看看8种排序之间的关系：   1.直接插入排序 （1
  • 【Spark102】Spark存储模块BlockManager剖析 bit1129 manager
    Spark围绕着BlockManager构建了存储模块，包括RDD，Shuffle，Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构，即Driver上BlockManager充当了Master角色，而各个Slave上(具体到应用范围，就是Executor)的BlockManager充当了Slave角色
  • linux 查看端口被占用情况详解 daizj linux端口占用netstatlsof
    经常在启动一个程序会碰到端口被占用，这里讲一下怎么查看端口是否被占用，及哪个程序占用，怎么Kill掉已占用端口的程序   1、lsof -i:port port为端口号   [root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080 COMMAND   PID USER   FD   TY
  • Hosts文件使用 周凡杨 hostslocahost
         一切都要从localhost说起，经常在tomcat容器起动后，访问页面时输入http://localhost:8088/index.jsp，大家都知道localhost代表本机地址，如果本机IP是10.10.134.21，那就相当于http://10.10.134.21:8088/index.jsp，有时候也会看到http: 127.0.0.1:
  • java excel工具 g21121 Java excel
    直接上代码，一看就懂，利用的是jxl： import java.io.File; import java.io.IOException; import jxl.Cell; import jxl.Sheet; import jxl.Workbook; import jxl.read.biff.BiffException; import jxl.write.Label; import
  • web报表工具finereport常用函数的用法总结（数组函数） 老A不折腾 finereportweb报表函数总结
    ADD2ARRAY ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素，再返回该数组。 示例： ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7]. ADDARRAY([3,4, 1, 5, 7], "测试&q
  • 游戏服务器网络带宽负载计算 墙头上一根草 服务器
    家庭所安装的4M，8M宽带。其中M是指，Mbits/S 其中要提前说明的是： 8bits = 1Byte 即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节，约为 50000多字节。但是网宽是以“位”为单位的，所以，8Mbits就是1M字节。是容积体积的单位。 8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位，即每秒1M字节。 我是在计算我们网络流量时想到的
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans Spring 3 系列
    IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。 IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明： 如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
  • 高性能mysql 之 选择存储引擎(一) annan211 mysqlInnoDBMySQL引擎存储引擎
    1 没有特殊情况，应尽可能使用InnoDB存储引擎。   原因：InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她   被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的，很少有回滚的情况。InnoDB的性能和自动崩溃   恢复特性使得她在非事务型存储的需求中也非常流行，除非有非常
  • UDP网络编程 百合不是茶 UDP编程局域网组播
      UDP是基于无连接的,不可靠的传输   与TCP/IP相反       UDP实现私聊,发送方式客户端,接受方式服务器 package netUDP_sc; import java.net.DatagramPacket; import java.net.DatagramSocket; import java.net.Ine
  • JQuery对象的val()方法执行结果分析 bijian1013 JavaScriptjsjquery
            JavaScript中，如果id对应的标签不存在（同理JAVA中，如果对象不存在），则调用它的方法会报错或抛异常。在实际开发中，发现JQuery在id对应的标签不存在时，调其val()方法不会报错，结果是undefined。        
  • http请求测试实例（采用json-lib解析） bijian1013 jsonhttp
            由于fastjson只支持JDK1.5版本，因些对于JDK1.4的项目，可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法，仅供参考。 package com; import java.util.HashMap; import java.util.Map; import
  • 【RPC框架Hessian四】Hessian与Spring集成 bit1129 hessian
    在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤，在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用，本文使用Spring对Hessian的集成来实现Hessian的RPC调用。   定义模型、接口和服务器端代码 |---Model    &nb
  • 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析 bit1129 Mahout
    1.Mahout环境搭建  1.下载Mahout http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz    2.解压Mahout  3. 配置环境变量 vim /etc/profile export HADOOP_HOME=/home
  • nginx负载tomcat遇非80时的转发问题 ronin47
    　　nginx负载后端容器是tomcat（其它容器如WAS,JBOSS暂没发现这个问题）非８０端口，遇到跳转异常问题。解决的思路是：$host:port        详细如下： 　　 该问题是最先发现的，由于之前对nginx不是特别的熟悉所以该问题是个入门级别的： ? 1 2 3 4 5
  • java-17-在一个字符串中找到第一个只出现一次的字符 bylijinnan java
    public class FirstShowOnlyOnceElement { /**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff，则输出b * 1.int[] count:count[i]表示i对应字符出现的次数 * 2.将26个英文字母映射：a-z <--> 0-25 * 3.假设全部字母都是小写 */ pu
  • mongoDB 复制集 开窍的石头 mongodb
    mongo的复制集就像mysql的主从数据库，当你往其中的主复制集(primary)写数据的时候，副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题             mo
  • [宇宙与天文]宇宙时代的经济学 comsci 经济
        宇宙尺度的交通工具一般都体型巨大，造价高昂。。。。。      在宇宙中进行航行，近程采用反作用力类型的发动机，需要消耗少量矿石燃料，中远程航行要采用量子或者聚变反应堆发动机，进行超空间跳跃，要消耗大量高纯度水晶体能源      以目前地球上国家的经济发展水平来讲，
  • Git忽略文件 Cwind git
         有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件，编译生成的各种目标或临时文件等。使用git status时，会在Untracked files里面看到这些文件列表，在一次需要添加的文件比较多时（使用git add . / git add -u），会把这些所有的未跟踪文件添加进索引。 ==== ==== ==== 一些牢骚
  • MySQL连接数据库的必须配置 dashuaifu mysql连接数据库配置
    MySQL连接数据库的必须配置   1.driverClass：com.mysql.jdbc.Driver   2.jdbcUrl：jdbc:mysql://localhost:3306/dbname   3.user：username   4.password：password   其中1是驱动名；2是url，这里的‘dbna
  • 一生要养成的60个习惯 dcj3sjt126com 习惯
    一生要养成的60个习惯 第1篇 让你更受大家欢迎的习惯 1 守时，不准时赴约,让别人等,会失去很多机会。 如何做到： ①该起床时就起床， ②养成任何事情都提前15分钟的习惯。 ③带本可以随时阅读的书，如果早了就拿出来读读。 ④有条理，生活没条理最容易耽误时间。 ⑤提前计划：将重要和不重要的事情岔开。 ⑥今天就准备好明天要穿的衣服。 ⑦按时睡觉，这会让按时起床更容易。 2 注重
  • [介绍]Yii 是什么 dcj3sjt126com PHPyii2
    Yii 是一个高性能，基于组件的 PHP 框架，用于快速开发现代 Web 应用程序。名字 Yii （读作 易）在中文里有“极致简单与不断演变”两重含义，也可看作 Yes It Is! 的缩写。 Yii 最适合做什么？ Yii 是一个通用的 Web 编程框架，即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持，它特别适合开发大型应
  • Linux SSH常用总结 eksliang linux sshSSHD
    转载请出自出处：http://eksliang.iteye.com/blog/2186931 一、连接到远程主机   格式： ssh name@remoteserver 例如： ssh [email protected]   二、连接到远程主机指定的端口   格式： ssh name@remoteserver -p 22 例如： ssh i
  • 快速上传头像到服务端工具类FaceUtil gundumw100 android
    快速迭代用 import java.io.DataOutputStream; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.IOExceptio
  • jQuery入门之怎么使用 ini JavaScripthtmljqueryWebcss
    jQuery的强大我何问起（个人主页：hovertree.com）就不用多说了，那么怎么使用jQuery呢？   首先，下载jquery。下载地址：http://hovertree.com/hvtart/bjae/b8627323101a4994.htm，一个是压缩版本，一个是未压缩版本，如果在开发测试阶段，可以使用未压缩版本，实际应用一般使用压缩版本(min)。然后就在页面上引用。
  • 带filter的hbase查询优化 kane_xie 查询优化hbaseRandomRowFilter
    问题描述 hbase scan数据缓慢，server端出现LeaseException。hbase写入缓慢。   问题原因 直接原因是： hbase client端每次和regionserver交互的时候，都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
  • java设计模式-单例模式 men4661273 java单例枚举反射IOC
             单例模式1，饿汉模式 //饿汉式单例类.在类初始化时，已经自行实例化 public class Singleton1 { //私有的默认构造函数 private Singleton1() {} //已经自行实例化 private static final Singleton1 singl
  • mongodb 查询某一天所有信息的3种方法，根据日期查询 qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    // mongodb的查询真让人难以琢磨，就查询单天信息，都需要花费一番功夫才行。 // 第一种方式： coll.aggregate([ {$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}}, {$match:{sendDate: '2015-
  • 二维数组转换成JSON tangqi609567707 java二维数组json
    原文出处：http://blog.csdn.net/springsen/article/details/7833596 public class Demo {     public static void main(String[] args) {        String[][] blogL
  • erlang supervisor wudixiaotie erlang
    定义supervisor时，如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid)，如果shutdown策略选择的是brutal_kill，那么supervisor会调用exit(ChildPid, kill)，这样的话如果Child的behavior是gen_
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他