- Python 使用 Detectron2 进行目标检测 (Detectron2, CenterNet2, Detic)
Eric Woo X
PythonAIUbuntupython目标检测开发语言
代码说明代码主要是一个用来演示如何使用Detectron2进行目标检测的脚本。它可以从摄像头或视频文件中读取图像,并应用指定的配置文件进行目标检测。其中,Detectron2结合了CenterNet2和Detic进行目标检测。主要库介绍Detectron2Detectron2是由FacebookAIResearch开发的一个用于目标检测和实例分割的开源库。它提供了一系列预训练模型和灵活的配置系统,
- 学习记录——语义分割和实例分割的标签结构
落叶击球
学习笔记学习人工智能
语义分割:一张样本,生成一张掩码图像标签。灰度图像,背景亮度为0,每个目标根据分类赋予不同亮度——1,2,3......实现像素级的类别区分,但无法区分个体。实例分割:原理:一张样本,生成一个多通道的Mat矩阵,也就是多张掩码图像叠在一起。每张掩码图负责存储一个类别的目标,亮度只有0和1,通过通道号区分每个类别。同时,每张掩码图内,每个目标拥有ID号(通过增加一个维度实现),负责区分一个类别中的每
- 快速使用transformers的pipeline实现各种深度学习任务
E寻数据
huggingface计算机视觉nlp深度学习人工智能pythonpipelinetransformers
目录引言安装情感分析文本生成文本摘要图片分类实例分割目标检测音频分类自动语音识别视觉问答文档问题回答图文描述引言在这篇中文博客中,我们将深入探讨使用transformers库中的pipeline()函数,它为预训练模型提供了一个简单且快速的推理方法。pipeline()函数支持多种任务,包括文本分类、文本生成、摘要生成、图像分类、图像分割、对象检测、音频分类、自动语音识别、视觉问题回答、文档问题回
- SAM 2——视频和图像实时实例分割的全新开源模型
知来者逆
计算机视觉SAMSAM2实例分割图像分割语义分割万物分割计算机视觉
引言源码地址:https://github.com/facebookresearch/segment-anything-2过去几年,人工智能领域在文本处理的基础人工智能方面取得了显著进步,这些进步改变了从客户服务到法律分析等各个行业。然而,在图像处理方面,我们才刚刚开始。视觉数据的复杂性以及训练模型以准确解释和分析图像的挑战带来了重大障碍。随着研究人员继续探索图像和视频的基础人工智能,人工智能图像
- 周报 | 24.8.12-24.8.18文章汇总
双木的木
深度学习拓展阅读深度学习人工智能transformer算法pythonstablediffusionllama
为了更好地整理文章和发表接下来的文章,以后每周都汇总一份周报。周报|24.8.5-24.8.11文章汇总-CSDN博客OpenCV与AI深度学习|实战|使用YoloV8实例分割识别猪的姿态(含数据集)-CSDN博客极市平台|异常检测开源数据集汇总-CSDN博客程序员学长|快速学习一个算法,集成学习-CSDN博客Coggle数据科学|行业落地分享:大模型RAG汽车应用实践_rag中的意图识别-CSD
- 计算机设计大赛 深度学习人体语义分割在弹幕防遮挡上的实现 - python
iuerfee
python
文章目录1前言1课题背景2技术原理和方法2.1基本原理2.2技术选型和方法3实例分割4实现效果5最后1前言优质竞赛项目系列,今天要分享的是深度学习人体语义分割在弹幕防遮挡上的应用该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:3分更多资料,项目分享:https://gitee.com/dancheng-senior/p
- 助力工业生产质检,基于轻量级yolov8-seg开发构建工业场景下滚珠丝杠传动表面缺陷分割检测系统
Together_CZ
YOLO
AI赋能工业生产是一个强有力的方式,在我们之前的系列博文中也有很多相应的开发实践,感兴趣的胡都可以自行移步阅读,本文的核心思想就是想要基于轻量级的实例分割模型来开发构建工业场景下的滚珠丝杠传动表面缺陷分割检测系统,首先看下实例效果:简单看下数据集:YOLOv8官方项目地址在这里,如下所示:目前已经收获超过1.7w的star量了。官方提供的预训练模型如下所示:Modelsize(pixels)mAP
- 【深度学习每日小知识】全景分割
jcfszxc
深度学习术语表专栏深度学习人工智能
全景分割全景分割是一项计算机视觉任务,涉及将图像或视频分割成不同的对象及其各自的部分,并用相应的类别标记每个像素。与传统的语义分割相比,它是一种更全面的图像分割方法,传统的语义分割仅将图像划分为类别,而不考虑对象的部分。全景分割算法将语义分割和实例分割相结合,可以区分对象的一般类及其组成部分或实例。它们可以处理各种对象类,例如物体(例如天空、草地和道路)和事物(例如车辆、人和建筑物),并精确地分割
- TBC(Tied Block Convolution):具有共享较薄滤波器的更简洁、更出色的CNN
静静AI学堂
高质量AI论文翻译cnn人工智能神经网络
文章目录摘要引言相关工作TiedBlockConvolution网络设计TBC公式化在瓶颈模块中的TBC/TGCTBC和TFC在注意力模块中的应用实验结果ImageNet分类物体检测和实例分割轻量级注意力消融研究总结补充资料物体检测和实例分割的详细结果额外的Grad-CAM可视化结果
- PyTorch深度学习实战(26)——多对象实例分割
盼小辉丶
深度学习pytorch人工智能
PyTorch深度学习实战(26)——多对象实例分割0.前言1.获取并准备数据2.使用Detectron2训练实例分割模型3.对新图像进行推断小结系列链接0.前言我们已经学习了多种图像分割算法,在本节中,我们将学习如何使用Detectron2平台以及Google开放图像数据集执行多对象实例分割任务。Detectron2是Facebook团队打造的人工智能框架,其中包括了高性能的对象检测算法实现,包
- yolov8之训练、验证、预测、导出
Jumy_S
YOLO
yolov8之训练、验证、预测、导出yolov8之训练、验证、预测、导出yolov8之训练、验证、预测、导出链接:https://pan.baidu.com/s/1_9hI8ZshNCJSMJVXNTVxbQ?pwd=1234提取码:1234一YoloV8数据集制作1.labelme的使用2.数据集转为yolo格式二使用yolov8进行训练、验证、预测、导出1.图像分类2.图像检测3.实例分割1.
- 2023最新半监督语义分割综述 | 技术总结与展望!
自动驾驶之心
计算机视觉人工智能深度学习python机器学习
作者|派派星编辑|CVHub点击下方卡片,关注“自动驾驶之心”公众号ADAS巨卷干货,即可获取点击进入→自动驾驶之心【语义分割】技术交流群后台回复【分割综述】获取语义分割、实例分割、全景分割、弱监督分割等超全学习资料!Title:ASurveyonSemi-SupervisedSemanticSegmentationPaper:https://arxiv.org/pdf/2302.09899.pd
- 【计算机视觉】计算机视觉与深度学习-08-实例分割-北邮鲁鹏老师课程笔记
暖焱
#计算机视觉
计算机视觉与深度学习-08-实例分割-北邮鲁鹏老师课程笔记MaskR-CNNMaskR-CNN
- 【大厂AI课学习笔记】【1.5 AI技术领域】(7)图像分割
giszz
学习笔记人工智能学习笔记
今天学习到了图像分割。这是我学习笔记的脑图。图像分割,ImageSegmentation,就是将数字图像分割为若干个图像子区域(像素的集合,也被称为超像素),改变图像的表达方式,以更容易理解和分析。图像分割,十分重要,也十分困难,是计算机视觉中的关键步骤。图像分割分为三类:语义分割。预测出输入熟悉的每个像素点属于哪一类的标签实例分割。在语义分割的基础上,还要区分出同一类的不同个体全景分割。在实例分
- 实例分割论文阅读之:FCN:《Fully Convolutional Networks for Semantica Segmentation》
交换喜悲
mdetection系列论文阅读目标检测人工智能实例分割计算机视觉卷积神经网络
论文地址:https://openaccess.thecvf.com/content_cvpr_2015/papers/Long_Fully_Convolutional_Networks_2015_CVPR_paper.pdf代码链接:https://github.com/pytorch/vision摘要卷积网络是强大的视觉模型,可以产生特征层次结构。我们证明,经过端到端、像素到像素训练的卷积网络
- 实例分割模型transfiner《transfiner-Mask Transfiner for High-Quality Instance Segmentaion》
交换喜悲
mdetection系列人工智能目标检测计算机视觉深度学习论文阅读python
论文:《MaskTransfinerforHigh-QualityInstanceSegmentaion》论文地址:https://arxiv.org/abs/2111.13673代码:https://github.com/SysCV/transfiner1.环境配置condacreate-ntransfinerpython=3.7-ycondaactivatetransfinercondains
- 实例分割模型解析:solo模型
交换喜悲
mdetection系列人工智能目标检测计算机视觉深度学习
论文链接:https://arxiv.org/abs/1912.04488代码:https://github.com/WXinlong/SOLO1.摘要我们提出了一种新的、极其简单的实例分割方法。与许多其他密集预测任务(例如语义分割)相比,任意数量的实例使得实例分割更具挑战性。为了预测每个实例的掩码,主流方法要么遵循“检测然后分段”策略(例如,MaskR-CNN),要么首先预测嵌入向量,然后使用聚
- 实例分割论文阅读之:《Mask Transfiner for High-Quality Instance Segmentation》
交换喜悲
mdetection系列论文阅读目标检测人工智能深度学习transformer
1.摘要两阶段和基于查询的实例分割方法取得了显著的效果。然而,它们的分段掩模仍然非常粗糙。在本文中,我们提出了一种高质量和高效的实例分割MaskTransfiner。我们的MaskTransfiner不是在规则的密集张量上操作,而是将图像区域分解并表示为四叉树。我们基于变压器的方法只处理检测到的容易出错的树节点,并并行地自我纠正它们的错误。虽然这些稀疏像素只占总数的一小部分,但它们对最终的掩模质量
- 目标检测:3采用YOLOv8 API训练自己的模型
proing
AI目标检测目标跟踪人工智能
目录1.YOLOv8的新特性2.如何使用YOLOv8?3使用YOLOv8训练模型4.验证训练集5.测试训练集6.测验其他图片7其他问题参考:1.YOLOv8的新特性Ultralytics为YOLO模型发布了一个全新的存储库。它被构建为用于训练对象检测、实例分割和图像分类模型的统一框架。2.如何使用YOLOv8?要充分发挥YOLOv8的潜力,需要从存储库和ultralytics包中安装要求。要安装要
- MMLAB的实例分割算法mmsegmentation
我爱派生
实例分割算法深度学习人工智能计算机视觉python
当谈及实例分割时,人们往往只会提到一些早期的经典算法,比如PSP-Net、DeepLabv3、DeepLabv3+和U-Net。然而,实例分割领域已经在过去的五六年中蓬勃发展,涌现出许多新的算法。今天,让我们一起探索这个算法库,它包含了众多最新的实例分割算法。后面,我将会为大家详细介绍如何使用这个算法库。总的来说,若你关注实例分割领域的最新进展,这个算法库值得你拥有。1、目前支持的算法:-[x][
- 利用sklearn工具中的train_test_split快速划分实例分割数据集
我爱派生
数据集的处理sklearn人工智能python
目录1.导入相关的包2.文件夹路径3.获取所有文件的路径列表4.划分数据集为训练集和测试集最终保存测试集5.将进一步上面得到的训练集划分为训练集和验证集,保存训练集和验证集6.将以上的结果保存。1.导入相关的包importosfromsklearn.model_selectionimporttrain_test_split2.文件夹路径#文件夹路径original_images="......\J
- 论文阅读:Learning to Compose Dynamic Tree Structure for Visual Context(CVPR2019)
糖豆豆今天也要努力鸭
机器学习场景图scenegraph场景理解计算机视觉cv
因为我的方向是场景图,所以仅介绍这篇论文中有关场景图的内容,不涉及VQA。(a)FeatureExtraction先对输入图像进行目标检测,每个proposal的视觉特征x包括以下特征:ROIAlignfeature(2048维),空间feature(8维),论文这里说视觉特征不局限于bbox,实例分割特征和全景特征也可以。(b)构建可学习的对称矩阵S(1)S的计算方法如下:f(xi,xj)称为对
- YOLOV8原理和实现全解析
香菜烤面包
深度学习算法与框架#目标检测与跟踪YOLO人工智能深度学习
目录1.简介2.YOLOv8概述3.模型结构设计4.Loss计算5.训练数据增强6.训练策略7.模型推理过程8.总结1.简介YOLOv8是Ultralytics公司在2023年1月10号开源的YOLOv5的下一个重大更新版本,目前支持图像分类、物体检测和实例分割任务,在还没有开源时就收到了用户的广泛关注。按照官方描述,YOLOv8是一个SOTA模型,它建立在以前YOLO版本的成功基础上,并引入了新
- yolov8+多算法多目标追踪+实例分割+目标检测+姿态估计
毕设阿力
计算机视觉YOLO目标检测
YOLOv8是一种先进的目标检测算法,结合多种算法实现多目标追踪、实例分割和姿态估计功能。该算法在计算机视觉领域具有广泛的应用。首先,YOLOv8算法采用了YouOnlyLookOnce(YOLO)的思想,通过单次前向传递将目标检测问题转化为回归问题。它使用了深度卷积神经网络,能够快速而准确地检测图像中的多个目标。相比于传统的目标检测方法,YOLOv8具有更高的检测速度和更好的性能。其次,YOLO
- 【论文阅读|细胞实例分割算法ASF-YOLO】
Dymc
深度学习
论文题目:ASF-YOLO:AnovelYOLOmodelwithattentionalscalesequencefusionforcellinstancesegmentation论文链接:https://arxiv.org/abs/2312.06458代码链接:https://github.com/mkang315/ASF-YOLO摘要(Abstract)作者提出了一种新颖的基于"YouOnly
- YOLOv8实例分割实战:TensorRT加速部署
bai666ai
深度学习之计算机视觉YOLOYOLOv8图像处理
课程链接:https://edu.csdn.net/course/detail/39273PyTorch版的YOLOv8支持高性能实时实例分割方法。TensorRT是针对英伟达GPU的加速工具。本课程讲述如何使用TensorRT对YOLOv8实例分割进行加速和部署,实测推理速度提高3倍以上。采用改进后的tensorrtx/yolov8的代码,使用TensorRTAPI构建优化推理引擎支持在GP
- 超详细YOLOv8实例分割全程概述:环境、训练、验证与预测详解
E寻数据
YOLOV8系列深度学习计算机视觉YOLOyolov8python人工智能计算机视觉
目录搭建环境说明不同版本模型性能对比不同版本对比参数解释不同模型说明YOLOv8n-segYOLOv8s-segYOLOv8m-segYOLOv8l-segYOLOv8x-seg训练训练示意代码训练用数据集与.yaml配置方法.yaml配置数据集路径标签数据说明训练参数说明训练过程示意及输出文件说明训练成功示意输出文件说明F1-置信度曲线(BoxF1_curve.png)精确度-置信度曲线(Box
- MMDetection
pythonSuperman
MMdDetectionMMDetection
什么是MMDetectionMMDetection实际上是一个用于目标检测的工具包,面向深度学习时代的。任务支持目标检测实例分割覆盖广泛440+个预训练模型60+篇论文复现常用学术数据集算法丰富两阶段检测器一阶段检测器级联检测器无锚框检测器Transformer使用方便训练工具测试工具推理APIMMDetection环境搭建MMCV是所有这个OpenMMLab系列包括MMDetection,MMC
- 图像分割——基础——学习笔记
海浪在开花
图像分割2D虚拟试衣机器学习矩阵深度学习
基础知识分类:按照分割任务可以分为:语义分割、实例分割和全景分割。越来越精细。例如其中,语义分割可以分割出picture中所有的飞机(用同一种颜色标注);实例分割可以在语义分割的基础上,对不同飞机用不同颜色标注;全景分割可以在实例分割的基础上,对背景进行划分。常见数据集:PASCALVOC、MSCOCO评价指标:根据真实标签和预测标签得到混淆矩阵根据混淆矩阵的数值计算得到global_accura
- 深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大,哪个检测精度容易实现,哪个速度低。请按照难度、精度容易实现程度、速度排名。
神笔馬良
深度学习目标检测人工智能
问题描述:深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大,哪个检测精度容易实现,哪个速度低。请按照难度、精度容易实现程度、速度排名。问题解答:以下是一般情况下深度学习中图像分类、目标检测、语义分割、实例分割的难度、精度容易实现程度和速度方面的一般排名:难度:实例分割>语义分割>目标检测>图像分类:实例分割任务最为复杂,因为它需要不仅检测物体位置还要精确分割每个物体的边界。语义分割涉及将
- PHP如何实现二维数组排序?
IT独行者
二维数组PHP排序
二维数组在PHP开发中经常遇到,但是他的排序就不如一维数组那样用内置函数来的方便了,(一维数组排序可以参考本站另一篇文章【PHP中数组排序函数详解汇总】)。二维数组的排序需要我们自己写函数处理了,这里UncleToo给大家分享一个PHP二维数组排序的函数:
代码:
functionarray_sort($arr,$keys,$type='asc'){
$keysvalue= $new_arr
- 【Hadoop十七】HDFS HA配置
bit1129
hadoop
基于Zookeeper的HDFS HA配置主要涉及两个文件,core-site和hdfs-site.xml。
测试环境有三台
hadoop.master
hadoop.slave1
hadoop.slave2
hadoop.master包含的组件NameNode, JournalNode, Zookeeper,DFSZKFailoverController
- 由wsdl生成的java vo类不适合做普通java vo
darrenzhu
VOwsdlwebservicerpc
开发java webservice项目时,如果我们通过SOAP协议来输入输出,我们会利用工具从wsdl文件生成webservice的client端类,但是这里面生成的java data model类却不适合做为项目中的普通java vo类来使用,当然有一中情况例外,如果这个自动生成的类里面的properties都是基本数据类型,就没问题,但是如果有集合类,就不行。原因如下:
1)使用了集合如Li
- JAVA海量数据处理之二(BitMap)
周凡杨
java算法bitmapbitset数据
路漫漫其修远兮,吾将上下而求索。想要更快,就要深入挖掘 JAVA 基础的数据结构,从来分析出所编写的 JAVA 代码为什么把内存耗尽,思考有什么办法可以节省内存呢? 啊哈!算法。这里采用了 BitMap 思想。
首先来看一个实验:
指定 VM 参数大小: -Xms256m -Xmx540m
- java类型与数据库类型
g21121
java
很多时候我们用hibernate的时候往往并不是十分关心数据库类型和java类型的对应关心,因为大多数hbm文件是自动生成的,但有些时候诸如:数据库设计、没有生成工具、使用原始JDBC、使用mybatis(ibatIS)等等情况,就会手动的去对应数据库与java的数据类型关心,当然比较简单的数据类型即使配置错了也会很快发现问题,但有些数据类型却并不是十分常见,这就给程序员带来了很多麻烦。
&nb
- Linux命令
510888780
linux命令
系统信息
arch 显示机器的处理器架构(1)
uname -m 显示机器的处理器架构(2)
uname -r 显示正在使用的内核版本
dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)
hdparm -i /dev/hda 罗列一个磁盘的架构特性
hdparm -tT /dev/sda 在磁盘上执行测试性读取操作
cat /proc/cpuinfo 显示C
- java常用JVM参数
墙头上一根草
javajvm参数
-Xms:初始堆大小,默认为物理内存的1/64(<1GB);默认(MinHeapFreeRatio参数可以调整)空余堆内存小于40%时,JVM就会增大堆直到-Xmx的最大限制
-Xmx:最大堆大小,默认(MaxHeapFreeRatio参数可以调整)空余堆内存大于70%时,JVM会减少堆直到 -Xms的最小限制
-Xmn:新生代的内存空间大小,注意:此处的大小是(eden+ 2
- 我的spring学习笔记9-Spring使用工厂方法实例化Bean的注意点
aijuans
Spring 3
方法一:
<bean id="musicBox" class="onlyfun.caterpillar.factory.MusicBoxFactory"
factory-method="createMusicBoxStatic"></bean>
方法二:
- mysql查询性能优化之二
annan211
UNIONmysql查询优化索引优化
1 union的限制
有时mysql无法将限制条件从外层下推到内层,这使得原本能够限制部分返回结果的条件无法应用到内层
查询的优化上。
如果希望union的各个子句能够根据limit只取部分结果集,或者希望能够先排好序在
合并结果集的话,就需要在union的各个子句中分别使用这些子句。
例如 想将两个子查询结果联合起来,然后再取前20条记录,那么mys
- 数据的备份与恢复
百合不是茶
oraclesql数据恢复数据备份
数据的备份与恢复的方式有: 表,方案 ,数据库;
数据的备份:
导出到的常见命令;
参数 说明
USERID 确定执行导出实用程序的用户名和口令
BUFFER 确定导出数据时所使用的缓冲区大小,其大小用字节表示
FILE 指定导出的二进制文
- 线程组
bijian1013
java多线程threadjava多线程线程组
有些程序包含了相当数量的线程。这时,如果按照线程的功能将他们分成不同的类别将很有用。
线程组可以用来同时对一组线程进行操作。
创建线程组:ThreadGroup g = new ThreadGroup(groupName);
&nbs
- top命令找到占用CPU最高的java线程
bijian1013
javalinuxtop
上次分析系统中占用CPU高的问题,得到一些使用Java自身调试工具的经验,与大家分享。 (1)使用top命令找出占用cpu最高的JAVA进程PID:28174 (2)如下命令找出占用cpu最高的线程
top -Hp 28174 -d 1 -n 1
32694 root 20 0 3249m 2.0g 11m S 2 6.4 3:31.12 java
- 【持久化框架MyBatis3四】MyBatis3一对一关联查询
bit1129
Mybatis3
当两个实体具有1对1的对应关系时,可以使用One-To-One的进行映射关联查询
One-To-One示例数据
以学生表Student和地址信息表为例,每个学生都有都有1个唯一的地址(现实中,这种对应关系是不合适的,因为人和地址是多对一的关系),这里只是演示目的
学生表
CREATE TABLE STUDENTS
(
- C/C++图片或文件的读写
bitcarter
写图片
先看代码:
/*strTmpResult是文件或图片字符串
* filePath文件需要写入的地址或路径
*/
int writeFile(std::string &strTmpResult,std::string &filePath)
{
int i,len = strTmpResult.length();
unsigned cha
- nginx自定义指定加载配置
ronin47
进入 /usr/local/nginx/conf/include 目录,创建 nginx.node.conf 文件,在里面输入如下代码:
upstream nodejs {
server 127.0.0.1:3000;
#server 127.0.0.1:3001;
keepalive 64;
}
server {
liste
- java-71-数值的整数次方.实现函数double Power(double base, int exponent),求base的exponent次方
bylijinnan
double
public class Power {
/**
*Q71-数值的整数次方
*实现函数double Power(double base, int exponent),求base的exponent次方。不需要考虑溢出。
*/
private static boolean InvalidInput=false;
public static void main(
- Android四大组件的理解
Cb123456
android四大组件的理解
分享一下,今天在Android开发文档-开发者指南中看到的:
App components are the essential building blocks of an Android
- [宇宙与计算]涡旋场计算与拓扑分析
comsci
计算
怎么阐述我这个理论呢? 。。。。。。。。。
首先: 宇宙是一个非线性的拓扑结构与涡旋轨道时空的统一体。。。。
我们要在宇宙中寻找到一个适合人类居住的行星,时间非常重要,早一个刻度和晚一个刻度,这颗行星的
- 同一个Tomcat不同Web应用之间共享会话Session
cwqcwqmax9
session
实现两个WEB之间通过session 共享数据
查看tomcat 关于 HTTP Connector 中有个emptySessionPath 其解释如下:
If set to true, all paths for session cookies will be set to /. This can be useful for portlet specification impleme
- springmvc Spring3 MVC,ajax,乱码
dashuaifu
springjquerymvcAjax
springmvc Spring3 MVC @ResponseBody返回,jquery ajax调用中文乱码问题解决
Spring3.0 MVC @ResponseBody 的作用是把返回值直接写到HTTP response body里。具体实现AnnotationMethodHandlerAdapter类handleResponseBody方法,具体实
- 搭建WAMP环境
dcj3sjt126com
wamp
这里先解释一下WAMP是什么意思。W:windows,A:Apache,M:MYSQL,P:PHP。也就是说本文说明的是在windows系统下搭建以apache做服务器、MYSQL为数据库的PHP开发环境。
工欲善其事,必须先利其器。因为笔者的系统是WinXP,所以下文指的系统均为此系统。笔者所使用的Apache版本为apache_2.2.11-
- yii2 使用raw http request
dcj3sjt126com
http
Parses a raw HTTP request using yii\helpers\Json::decode()
To enable parsing for JSON requests you can configure yii\web\Request::$parsers using this class:
'request' =&g
- Quartz-1.8.6 理论部分
eksliang
quartz
转载请出自出处:http://eksliang.iteye.com/blog/2207691 一.概述
基于Quartz-1.8.6进行学习,因为Quartz2.0以后的API发生的非常大的变化,统一采用了build模式进行构建;
什么是quartz?
答:简单的说他是一个开源的java作业调度框架,为在 Java 应用程序中进行作业调度提供了简单却强大的机制。并且还能和Sp
- 什么是POJO?
gupeng_ie
javaPOJO框架Hibernate
POJO--Plain Old Java Objects(简单的java对象)
POJO是一个简单的、正规Java对象,它不包含业务逻辑处理或持久化逻辑等,也不是JavaBean、EntityBean等,不具有任何特殊角色和不继承或不实现任何其它Java框架的类或接口。
POJO对象有时也被称为Data对象,大量应用于表现现实中的对象。如果项目中使用了Hiber
- jQuery网站顶部定时折叠广告
ini
JavaScripthtmljqueryWebcss
效果体验:http://hovertree.com/texiao/jquery/4.htmHTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>网页顶部定时收起广告jQuery特效 - HoverTree<
- Spring boot内嵌的tomcat启动失败
kane_xie
spring boot
根据这篇guide创建了一个简单的spring boot应用,能运行且成功的访问。但移植到现有项目(基于hbase)中的时候,却报出以下错误:
SEVERE: A child container failed during start
java.util.concurrent.ExecutionException: org.apache.catalina.Lif
- leetcode: sort list
michelle_0916
Algorithmlinked listsort
Sort a linked list in O(n log n) time using constant space complexity.
====analysis=======
mergeSort for singly-linked list
====code======= /**
* Definition for sin
- nginx的安装与配置,中途遇到问题的解决
qifeifei
nginx
我使用的是ubuntu13.04系统,在安装nginx的时候遇到如下几个问题,然后找思路解决的,nginx 的下载与安装
wget http://nginx.org/download/nginx-1.0.11.tar.gz
tar zxvf nginx-1.0.11.tar.gz
./configure
make
make install
安装的时候出现
- 用枚举来处理java自定义异常
tcrct
javaenumexception
在系统开发过程中,总少不免要自己处理一些异常信息,然后将异常信息变成友好的提示返回到客户端的这样一个过程,之前都是new一个自定义的异常,当然这个所谓的自定义异常也是继承RuntimeException的,但这样往往会造成异常信息说明不一致的情况,所以就想到了用枚举来解决的办法。
1,先创建一个接口,里面有两个方法,一个是getCode, 一个是getMessage
public
- erlang supervisor分析
wudixiaotie
erlang
当我们给supervisor指定需要创建的子进程的时候,会指定M,F,A,如果是simple_one_for_one的策略的话,启动子进程的方式是supervisor:start_child(SupName, OtherArgs),这种方式可以根据调用者的需求传不同的参数给需要启动的子进程的方法。和最初的参数合并成一个数组,A ++ OtherArgs。那么这个时候就有个问题了,既然参数不一致,那