- 基于阿里云PAI平台快速部署DeepSeek大模型实战指南
硅基打工人
AI阿里云云计算经验分享人工智能javaspringspringboot
一、DeepSeek大模型:企业级AI应用的新标杆1.1为什么选择DeepSeek?近期,DeepSeek系列模型凭借其接近GPT-4的性能和开源策略,成为全球开发者关注的焦点。在多项国际评测中,DeepSeek-R1模型在推理能力、多语言支持和长上下文处理(最高128K)方面表现卓越,尤其在企业级场景中展现出以下优势:高性能推理:单张A10显卡即可部署7B参数模型,推理速度提升40%;数据安全:
- Kubernetes 网络插件实现原理与典型问题全解析
挣扎与觉醒中的技术人
kubernetes网络phpdocker容器云原生
Kubernetes网络模型是容器编排的核心基础,但也是运维中最复杂的部分之一。本文将深入剖析主流网络插件(CNI)的实现原理,并结合生产环境中的高频问题,提供从底层原理到实战排障的全方位指南。一、Kubernetes网络模型基础1.K8S网络核心要求Pod间直连通信:所有Pod可直接通过IP通信,无需NAT。跨节点网络互通:不同节点上的Pod能够直接通信。Service负载均衡:通过Cluste
- 深度学习框架之主流学习框架
uu1224
深度学习学习人工智能机器学习神经网络
深度学习框架是一类专门设计用来简化和加速神经网络模型开发过程的软件工具。它们提供了构建、训练和部署神经网络所需的各种功能和库。以下是一些主流的深度学习框架及其特点:TensorFlow:由Google开发,是一个广泛使用的开源深度学习框架。它以强大的图计算模型和分布式计算能力著称,并且通过高级API如Keras,为用户提供了易于上手的开发体验。PyTorch:由Facebook开发,以其动态计算图
- 【量化金融自学笔记】--不同行业典型案例基本面分析
花花 Show Python
量化金融自学笔记金融笔记人工智能
通过三个不同行业的典型案例(贵州茅台、宁德时代、万科A),结合基本面术语进行深度分析,帮助你理解如何运用这些指标。案例一:贵州茅台(消费行业龙头)1.公司概况护城河:品牌壁垒(“国酒”地位)、生产工艺不可复制、定价权强。行业地位:高端白酒市场份额超50%,毛利率常年>90%。2.关键财务指标分析(以2022年年报为例)毛利率:91.8%(行业平均约60%)原因:超高品牌溢价,原材料(高粱)成本占比
- Llama 2架构深度解析:Meta开源的70B参数大模型设计哲学
AI时代已来!
llama架构
一、架构设计理念Llama2作为Meta开源的商用级大语言模型,其架构设计体现了三大核心原则:效率优先:在7B/13B/70B参数规模下保持线性计算复杂度扩展性强化:通过改进注意力机制支持4k上下文长度安全性内嵌:在预训练阶段融入5%安全语料,降低有害输出概率(较前代下降34%)二、核心模块创新1.改进型Transformer架构标准化方案:采用RMSNorm替代LayerNorm,计算效率提升1
- 2.28 图像分类全解析:从境界到评估,再到模型与样本处理
不要天天开心
机器学习算法人工智能
图像分类将不同的图像,划分到不同的类别标签,实现最小的分类误差。图像分类的三层境界:通用的多类别图像分类子类细粒度图像分类实例级图片分类图像分类评估指标之混淆矩阵:TP(Truepositive,真正例)——将正类预测为正类数。FP(Falsepostive,假正例)——将反类预测为正类数。TN(Truenegative,真反例)——将反类预测为反类数。FN(Falsenegative,假反例)—
- DeepSeek在个人财务管理中的应用技巧有哪些?
借雨醉东风
热点追踪大数据人工智能
关注我,持续分享逻辑思维&管理思维&面试题;可提供大厂面试辅导、及定制化求职/在职/管理/架构辅导;推荐专栏《10天学会使用asp.net编程AI大模型》,目前已完成所有内容。一顿烧烤不到的费用,让人能紧跟时代的浪潮。从普通网站,到公众号、小程序,再到AI大模型网站。干货满满。学成后可接项目赚外快,绝对划算。不仅学会如何编程,还将学会如何将AI技术应用到实际问题中,为您的职业生涯增添一笔宝贵的财富
- 大模型生成文本控制参数:Top-k Top-p和Temperature(超级易懂,看一眼就学废)
Ven%
简单说深度学习深度学习基础动手深度学习速通系列python机器学习人工智能深度学习自然语言处理
温度(Temperature)作用:就像调节"脑洞大小"的开关。温度调低(比如0.2):AI会变成保守派,总选最稳妥的回答(适合写说明书、正经文案)温度调高(比如1.0):AI就变戏精,各种天马行空(适合编故事、写段子)Top-k(候选词数量)作用:每次选词时的"候选名单人数"设小值(比如10):AI只能在10个最合适的词里挑(回答更靠谱)设大值(比如50):AI能考虑50个可能的词(回答花样更多
- python docx document 输出word 设置字体
南阳范宏云
pythonword开发语言
python相关学习资料:一张图生成指定动作的动态视频,MagicAnimate本地部署搭建私人助理大模型需要什么环境?GitLabCI/CD-pending的原因使用Python-docx库设置Word文档字体Python-docx是一个用于创建和更新MicrosoftWord文档的Python库。它允许我们以编程方式操作Word文档,包括设置字体样式。本文将介绍如何使用Python-docx库
- IOS基础面试题
程序员林北北
ioscocoamacos
1.什么是MVC?MVC(Model-View-Controller)是一种常见的设计模式,用于组织代码Model(模型):代表数据层,处理数据的逻辑。View(视图):负责展示界面,显示数据。Controller(控制器):连接Model和View,处理视图的更新以及用户交互。2.什么是Delegate?Delegate是iOS中一种常用的设计模式,用于对象之间的通信。一个对象通过delegat
- DINO-X:一种用于开放世界目标检测与理解的统一视觉模型
黄阳老师
目标检测目标跟踪人工智能
DINO-X:一种用于开放世界目标检测与理解的统一视觉模型摘要1引言2方法2.1模型架构2.1.1DINO-XPro2.1.2DINO-XEdge3数据集构建和模型训练数据收集模型训练摘要在本文中,我们介绍了DINO-X,这是一种由IDEAResearch团队开发的统一以对象为中心的视觉模型,迄今为止在开放世界目标检测性能方面表现最佳。DINO-X采用了与GroundingDINO1.5[47]相
- 【赵渝强老师】Kafka的消费者与消费者组
大数据kafka
消费者就是从Kafka集群消费数据的客户端,下图展示了一个消费者从主题中消费数据的模型。上图展示的是单消费者模型。单消费者模型存在一些问题。如果Kafka上游生产的数据很快,超过了单个消费者的消费速度,那么就会导致数据堆积。视频讲解如下:https://www.bilibili.com/video/BV1ue2EYxEpL/?aid=113269394117...为了解决单消费者存在的问题,Kaf
- 【Pytorch】基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN(各种KAN修改一行代码搞定)的共享单车租赁预测研究(数据可换)Python
冒泡芳
pythonpytorchlstm
欢迎来到本博客❤️❤️博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。⛳️座右铭:行百里者,半于九十。本文目录如下:目录⛳️赠与读者1概述一、研究背景与意义二、TCN与KAN简介三、基于TCN-KAN的共享单车租赁预测模型四、研究挑战与展望基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN的共享单车租赁预测研究1.引言2.模型介绍
- 指数移动平均(EMA)策略
Sherry Wangs
深度学习深度学习python机器学习
文章目录概述具体步骤代码实现概述指数移动平均(EMA)是一种加权移动平均的方法,它给予近期数据更高的权重,同时也考虑到了历史数据的影响。在神经网络领域,EMA常被用于对模型参数进行平滑处理,使得网络模型在训练过程中能够更加稳定且泛化能力可能得到提升。具体步骤假设我们有一个神经网络模型,其参数为θ\thetaθ(例如权重矩阵和偏置向量等),我们要使用EMA策略来更新这些参数。初始化EMA参数:设θe
- Pytorch神经网络魔改之:模型融合 - 速通(1)
lczdyx
pytorch神经网络深度学习python人工智能
本文将以几种常见方法为例,介绍如何进行Pytorch神经网络的模型融合:1.子模型串联(SequentialConcatenation)在这个方法中,输入数据x首先通过FeatureExtractor(即:子模型1),处理后的结果再传递给Classifier(即:子模型2)。最后,返回Classifier的输出。这种方式允许将两个子模型串联起来,形成一个组合模型:importtorch.nnasn
- Transformer预测 | 基于TCN-Transformer的股票价格预测(Pytorch)
机器学习之心
#Transformer模型transformerpytorch深度学习TCN-Transformer股票价格预测
文章目录预测效果文章概述程序设计参考资料预测效果文章概述Transformer预测|基于TCN-Transformer的股票价格预测(Python)Transformer模型本质上都是预训练语言模型,大都采用自监督学习(Self-supervisedlearning)的方式在大量生语料上进行训练,也就是说,训练这些Transformer模型完全不需要人工标注数据。Transformer模型的标志就
- LLC谐振变换器Simulink仿真模型
管彩嫒Zachary
LLC谐振变换器Simulink仿真模型新建文件夹.zip_0项目地址:https://gitcode.com/open-source-toolkit/b109b简介本仓库提供了一个用于LLC谐振变换器的Simulink仿真模型,包括CLLLC全桥谐振变换器及半桥LLC的仿真模型。这些模型可以帮助工程师和研究人员更好地理解和分析LLC谐振变换器的工作原理和性能。资源内容CLLLC全桥谐振变换器Si
- Dify理论:漫话RAG
几道之旅
Dify与Langflow智能体(Agent)知识库人工智能自然语言处理nlp
兜兜转转,RAG依旧是绕不开的话题。RAG,检索增强生成。给大语言模型一个大型图书馆。大语言模型在回答问题前,不要急于回答。先去图书馆里查阅一番,再根据所获取的知识进行回答。大语言模型,由闭卷考试,变成了开卷考试。第一:减轻了大模型的幻觉。大模型在不知道答案时,往往会胡编乱造。如今,有人把答案告诉了它,它只需要整理一下语言即可。使用大语言模型回答问题时,最极端的情况下,它收到的问题是:请根据背景知
- SQL-o1:一种用于Text-to-SQL的自奖励启发式动态搜索方法
数之何
人工智能ai语言模型sql
1引言文本到SQL(Text2SQL)任务旨在将自然语言查询转换为可执行的SQL查询。得益于大规模语言模型(LLMs)的应用,该领域取得了显著进展。然而,模型的可扩展性、生成空间的限制以及SQL生成过程中的连贯性问题仍然存在。为了解决这些问题,我们提出了SQL-o1,一种基于自奖励的启发式搜索方法,旨在增强LLMs在SQL查询生成中的推理能力。SQL-o1结合了蒙特卡洛树搜索(MCTS)进行过程级
- Deepseek相关梳理
stars and seas
人工智能
发展历程及重要节点2023年:7月17日杭州深度求索人工智能基础技术研究有限公司成立。2024年1月5日,发布首个大模型DeepSeekLLM。5月,宣布开源第二代MoE大模型DeepSeek-V2。9月5日,升级推出DeepSeekV2.5新模型。11月20日,推理模型DeepSeek-R1-Lite预览版上线。12月26日,DeepSeek-V3首个版本上线并开源。2025年1月20日,正式发
- 【AI带来的机遇】
调皮的芋头
人工智能神经网络AIGC
一、AI大模型技术革命的底层逻辑与历史机遇类比AI大模型的普及与DeepSeek等技术的突破,正形成类似互联网初期的技术红利窗口期。其核心特征表现为:技术门槛骤降、生态边界模糊、应用场景裂变。类比房地产黄金期中介赚取信息差、移动互联网初期应用商店分发红利,当前AI领域存在三大核心机遇:基础设施重构机遇(类比域名投资)AI大模型开源浪潮下,高质量训练数据资产、特定领域微调模型、模型中间件将成为新时代
- 分布式系统中的关键技术解析:幂等性、负载均衡、限流算法及其实现
guihong004
java面试题负载均衡算法运维
在构建高效、可靠的分布式系统时,确保系统的各个组件能够正确处理重复请求(即实现幂等性)、合理分配工作负载(负载均衡)、以及有效控制访问速率以防止过载(限流),是至关重要的。这些技术不仅影响着用户体验,还直接关系到系统的稳定性和安全性。本文将深入探讨几种关键技术及其具体实现方法,包括如何保证操作的幂等性,常见的负载均衡算法有哪些,限流策略中常用的算法介绍,特别是详细解释了计数器(固定窗口)算法和滑动
- 【数据分析】R语言的广义线性混合模型(GLMM)分析案例
生信学习者1
数据分析数据分析r语言数据挖掘数据可视化
禁止商业或二改转载,仅供自学使用,侵权必究,如需截取部分内容请后台联系作者!文章目录介绍原理步骤加载R包数据下载导入数据数据预处理成对相关性GLMMs标准化数据字符向量转换成因子化变量构建模型FishesAmphibiansReptilesBirdsMammals画图总结系统信息介绍广义线性混合模型(GeneralizedLinearMixedModels,GLMM)是一种统计模型,用于分析具有非
- 如何用AI写程序
Honmaple
人工智能
一、AI写程序之工具选择(一)主流AI编程工具介绍如今市面上有诸多AI编程工具可供选择,以下为大家介绍几种常见且实用的工具:ChatGPT:由OpenAI开发的一款基于Transformer架构的预训练模型,它的自然语言处理能力十分强大,能够理解和生成人类语言,并进行文本分类、情感分析、机器翻译等自然语言处理任务。它经过大量的训练和优化,可以准确地理解用户的意图和需求,从大量文本数据中提取有用信息
- 机器学习 第一章 绪论
太炀
机器学习机器学习人工智能
1.1引言什么是机器学习(machinelearning)?机器学习是致力于研究如何通过计算手段,利用经验来改善系统自身的性能的学科。在计算机系统中,“经验”以“数据”的形式表现。通过这些数据产生模型(model)的算法,即“学习算法”(learningalgorithm)。如果说计算机科学是研究“算法”的学问,那机器学习就是研究“学习算法”的学问。ps:本系列所说“模型(model)”泛指数据学
- Vue 系列之:基础知识
程序员SKY
VUEvue.js
什么是MVVMMVVM(Model-View-ViewModel)一种软件设计模式,旨在将应用程序的数据模型(Model)与视图层(View)分离,并通过ViewModel来实现它们之间的通信。降低了代码的耦合度。Model代表数据模型,是应用程序中用于处理数据的部分。在Vue.js中,Model通常指的是组件的data函数返回的对象,或者Vue实例的data属性。View是用户界面,是用户与应用
- MATLAB基础应用精讲-【数模应用】主成分(pca)分析(附python代码实现)
林聪木
matlab人工智能大数据
目录前言知识储备降维概述算法原理什么是PCAPCA降维过程PCA算法数学步骤选择主成分个数(即k的值)sklearn中参数的解释数学模型协方差协方差矩阵编辑编辑原理推导编辑编辑编辑编辑实际操作主成分分析的计算方法方法1.协方差+特征值分解方法2:奇异值分解对比不同方法计算效率物理意义算法步骤SPSSAU主成分(pca)分析说明1、信息浓缩2、权重计算3、综合得分【综合竞争力】疑难解惑成分得分后用于
- 模型优化之强化学习(RL)与监督微调(SFT)的区别和联系
搏博
深度学习人工智能机器学习架构transformer
强化学习(RL)与监督微调(SFT)是机器学习中两种重要的模型优化方法,它们在目标、数据依赖、应用场景及实现方式上既有联系又有区别。想了解有关deepseek本地训练的内容可以看我的文章:本地基于GGUF部署的DeepSeek实现轻量级调优之一:提示工程(PromptEngineering)(完整详细教程)_deepseekgguf-CSDN博客本地基于GGUF部署的DeepSeek实现轻量级调优
- 华为战略解码-162页 八大章节 精读
智慧化智能化数字化方案
华为学习专栏华为
该文档主要解读了华为战略解码的过程和内容,强调了领导力在战略管理中的重要性,介绍了华为战略管理的七个关键点以及领导力的七个特质。文档详细阐述了华为在战略解码过程中如何利用BLM模型等工具,以及如何从市场洞察、业务设计等方面制定和执行战略。同时,也介绍了华为干部九条素质与领导力专项素质能力的层级划分,强调领导力对华为战略实施的重要性。目录(一)前四章节总结解析...41.战略成长...4
- 在nodejs中使用ElasticSearch(三)通过ES语义检索,实现RAG
konglong127
nodejselasticsearch搜索引擎node.js全文检索后端
RAG(Retrieval-AugmentedGeneration)是一种结合了信息检索和生成模型的技术,旨在提高生成模型的知识获取和生成能力。它通过在生成的过程中引入外部知识库或文档(如数据库、搜索引擎或文档存储),帮助生成更为准确和丰富的答案。RAG在自然语言处理(NLP)领域,特别是在对话生成、问答系统和文本摘要等任务中,具有非常重要的应用。它的核心思想是,生成模型不仅依赖于模型内部的知识,
- apache ftpserver-CentOS config
gengzg
apache
<server xmlns="http://mina.apache.org/ftpserver/spring/v1"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="
http://mina.apache.o
- 优化MySQL数据库性能的八种方法
AILIKES
sqlmysql
1、选取最适用的字段属性 MySQL可以很好的支持大数据量的存取,但是一般说来,数据库中的表越小,在它上面执行的查询也就会越快。因此,在创建表的时候,为了获得更好的 性能,我们可以将表中字段的宽度设得尽可能小。例如,在定义邮政编码这个字段时,如果将其设置为CHAR(255),显然给数据库增加了不必要的空间,甚至使用VARCHAR这种类型也是多余的,因为CHAR(6)就可以很
- JeeSite 企业信息化快速开发平台
Kai_Ge
JeeSite
JeeSite 企业信息化快速开发平台
平台简介
JeeSite是基于多个优秀的开源项目,高度整合封装而成的高效,高性能,强安全性的开源Java EE快速开发平台。
JeeSite本身是以Spring Framework为核心容器,Spring MVC为模型视图控制器,MyBatis为数据访问层, Apache Shiro为权限授权层,Ehcahe对常用数据进行缓存,Activit为工作流
- 通过Spring Mail Api发送邮件
120153216
邮件main
原文地址:http://www.open-open.com/lib/view/open1346857871615.html
使用Java Mail API来发送邮件也很容易实现,但是最近公司一个同事封装的邮件API实在让我无法接受,于是便打算改用Spring Mail API来发送邮件,顺便记录下这篇文章。 【Spring Mail API】
Spring Mail API都在org.spri
- Pysvn 程序员使用指南
2002wmj
SVN
源文件:http://ju.outofmemory.cn/entry/35762
这是一篇关于pysvn模块的指南.
完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html.
pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个.
该
- 在SQLSERVER中查找被阻塞和正在被阻塞的SQL
357029540
SQL Server
SELECT R.session_id AS BlockedSessionID ,
S.session_id AS BlockingSessionID ,
Q1.text AS Block
- Intent 常用的用法备忘
7454103
.netandroidGoogleBlogF#
Intent
应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作(比如:view,edit,dial),以及程序执行到该动作时所需要的资料 。都指定好后,只要调用startActivity(),Android系统 会自动寻找最符合你指定要求的应用 程序,并执行该程序。
下面列出几种Intent 的用法
显示网页:
- Spring定时器时间配置
adminjun
spring时间配置定时器
红圈中的值由6个数字组成,中间用空格分隔。第一个数字表示定时任务执行时间的秒,第二个数字表示分钟,第三个数字表示小时,后面三个数字表示日,月,年,< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" />
测试的时候,由于是每天定时执行,所以后面三个数
- POJ 2421 Constructing Roads 最小生成树
aijuans
最小生成树
来源:http://poj.org/problem?id=2421
题意:还是给你n个点,然后求最小生成树。特殊之处在于有一些点之间已经连上了边。
思路:对于已经有边的点,特殊标记一下,加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在,又保证了所求的结果正确。
代码:
#include <iostream>
#include <cstdio>
- 重构笔记——提取方法(Extract Method)
ayaoxinchao
java重构提炼函数局部变量提取方法
提取方法(Extract Method)是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候,这时候就可以用提取方法这种重构手法。
下面是我学习这个重构手法的笔记:
提取方法看起来好像仅仅是将被提取方法中的一段代码,放到目标方法中。其实,当方法足够复杂的时候,提取方法也会变得复杂。当然,如果提取方法这种重构手法无法进行时,就可能需要选择其他
- 为UILabel添加点击事件
bewithme
UILabel
默认情况下UILabel是不支持点击事件的,网上查了查居然没有一个是完整的答案,现在我提供一个完整的代码。
UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
- NoSQL数据库之Redis数据库管理(PHP-REDIS实例)
bijian1013
redis数据库NoSQL
一.redis.php
<?php
//实例化
$redis = new Redis();
//连接服务器
$redis->connect("localhost");
//授权
$redis->auth("lamplijie");
//相关操
- SecureCRT使用备注
bingyingao
secureCRT每页行数
SecureCRT日志和卷屏行数设置
一、使用securecrt时,设置自动日志记录功能。
1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径),命名为Logs;
2、点击Options -> Global Options -> Default Session -> Edite Default Sett
- 【Scala九】Scala核心三:泛型
bit1129
scala
泛型类
package spark.examples.scala.generics
class GenericClass[K, V](val k: K, val v: V) {
def print() {
println(k + "," + v)
}
}
object GenericClass {
def main(args: Arr
- 素数与音乐
bookjovi
素数数学haskell
由于一直在看haskell,不可避免的接触到了很多数学知识,其中数论最多,如素数,斐波那契数列等,很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。
闲暇之余,从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
- Java-Collections Framework学习与总结-IdentityHashMap
BrokenDreams
Collections
这篇总结一下java.util.IdentityHashMap。从类名上可以猜到,这个类本质应该还是一个散列表,只是前面有Identity修饰,是一种特殊的HashMap。
简单的说,IdentityHashMap和HashM
- 读《研磨设计模式》-代码笔记-享元模式-Flyweight
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/
import java.util.ArrayList;
import java.util.Collection;
import java.util.HashMap;
import java.util.List;
import java
- PS人像润饰&调色教程集锦
cherishLC
PS
1、仿制图章沿轮廓润饰——柔化图像,凸显轮廓
http://www.howzhi.com/course/retouching/
新建一个透明图层,使用仿制图章不断Alt+鼠标左键选点,设置透明度为21%,大小为修饰区域的1/3左右(比如胳膊宽度的1/3),再沿纹理方向(比如胳膊方向)进行修饰。
所有修饰完成后,对该润饰图层添加噪声,噪声大小应该和
- 更新多个字段的UPDATE语句
crabdave
update
更新多个字段的UPDATE语句
update tableA a
set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
- hive实例讲解实现in和not in子句
daizj
hivenot inin
本文转自:http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html
当前hive不支持 in或not in 中包含查询子句的语法,所以只能通过left join实现。
假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户,字段只有一个uid),这两个表都包含
- 一道24点的10+种非人类解法(2,3,10,10)
dsjt
算法
这是人类算24点的方法?!!!
事件缘由:今天晚上突然看到一条24点状态,当时惊为天人,这NM叫人啊?以下是那条状态
朱明西 : 24点,算2 3 10 10,我LX炮狗等面对四张牌痛不欲生,结果跑跑同学扫了一眼说,算出来了,2的10次方减10的3次方。。我草这是人类的算24点啊。。
然后么。。。我就在深夜很得瑟的问室友求室友算
刚出完题,文哥的暴走之旅开始了
5秒后
- 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题
dcj3sjt126com
yiiframework
在使用 YIi的路径管理工具时,发现了一个问题。 <?php  
- 对象与关系之间的矛盾:“阻抗失配”效应[转]
come_for_dream
对象
概述
“阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库(RDBMS)存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年,而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。
“阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括:类的层次关系必须绑定为关系模式(将对象
- 学习编程那点事
gcq511120594
编程互联网
一年前的夏天,我还在纠结要不要改行,要不要去学php?能学到真本事吗?改行能成功吗?太多的问题,我终于不顾一切,下定决心,辞去了工作,来到传说中的帝都。老师给的乘车方式还算有效,很顺利的就到了学校,赶巧了,正好学校搬到了新校区。先安顿了下来,过了个轻松的周末,第一次到帝都,逛逛吧!
接下来的周一,是我噩梦的开始,学习内容对我这个零基础的人来说,除了勉强完成老师布置的作业外,我已经没有时间和精力去
- Reverse Linked List II
hcx2013
list
Reverse a linked list from position m to n. Do it in-place and in one-pass.
For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4,
return 
- Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- Hadoop集群工具distcp
liyonghui160com
1. 环境描述
两个集群:rock 和 stone
rock无kerberos权限认证,stone有要求认证。
1. 从rock复制到stone,采用hdfs
Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端,即源端问题:报版本
- 一个备份MySQL数据库的简单Shell脚本
pda158
mysql脚本
主脚本(用于备份mysql数据库): 该Shell脚本可以自动备份
数据库。只要复制粘贴本脚本到文本编辑器中,输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。
1. 分别建立目录“backup”和“oldbackup” #mkdir /backup #mkdir /oldbackup
- 300个涵盖IT各方面的免费资源(中)——设计与编码篇
shoothao
IT资源图标库图片库色彩板字体
A. 免费的设计资源
Freebbble:来自于Dribbble的免费的高质量作品。
Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。
Graphic Burger:每个像素点都做得很细的绝佳的设计资源。
Pixel Buddha:免费和优质资源的专业社区。
Premium Pixels:为那些有创意的人提供免费的素材。
- thrift总结 - 跨语言服务开发
uule
thrift
官网
官网JAVA例子
thrift入门介绍
IBM-Apache Thrift - 可伸缩的跨语言服务开发框架
Thrift入门及Java实例演示
thrift的使用介绍
RPC
POM:
<dependency>
<groupId>org.apache.thrift</groupId>