- 【深度学习基础】一分钟带你了解“神经计算棒”
阿超爱嵌入式
#DeepLearning机器学习opencvubuntu机器人
本专栏介绍:免费专栏,并且会持续更新机器人基础知识,欢迎各位订阅关注。关注我,带你了解更多关于机器人、嵌入式、人工智能等方面的优质文章,坚持更新!大家的支持才是更新的最强动力!背景英特尔在2016年收购了Movidius公司,这家公司专注于视觉计算处理器的研发和生产。作为其成果之一,Movidius推出了名为NeuralComputeStick2的计算棒,简称NCS2。这款产品于2017年发布,并
- OpenVINO-yolov5推理代码
英特尔FPGA中国创新中心
openvinopython人工智能
文章目录前言一、OpenVINO2021.3代码二、OpenVINO2022.3代码三、结果展示总结前言 使用OpenVINO实现对yolov5s口罩模型推理,其他版本yolov5可以推广。本文只涉及推理代码的编写,并在不同设备上进行测试。电脑及设备信息如下:CPU:COREi710THGENGPU:Intel®Iris®PlusGraphicsVPU:NCS2口罩数据集链接提取码:lqe7一、
- 在树莓派zero上使用NCS2
贴贴新科娘
树莓派
在树莓派zero上使用NCS2简介树莓派zero是一款低功耗低性能的设备,要在上面跑神经网络模型就需要外接算力设备,英特尔的IntelNeuralComputeStick2(NCS2)就是一款合适的设备。本文记录在树莓派zero上使用NCS2的过程以及踩雷。写在最前边,我因为这个雷耽误了足足一个礼拜。由于树莓派zero使用的是最老的armv6架构(和树莓派一以及iphone1是同一种),而英特尔在
- (二)树莓派4B和NCS2配置时cmake编译报错以及import error:can‘t find moudle named “libopencv_ml.so.4.1“等等各种踩坑解决办法
Geek L
机器视觉算法与部署深度学习神经网络机器学习pythonopencv
笔者近期在继续学习树莓派,搭配英特尔神经计算棒二代NCS2进行边缘段AI硬件平台部署。**一.按照网上教程竟卡壳?**.一切按照网上相关亲娘级无痛教学开始无脑ctrl+c/v,但就在按照openvino工具包官方推荐示例中camke编译出错了,起初是在执行“make-j2object_detection_sample_ssd”时报错,完整报错如下:LinkingCXXexecutable../ar
- 在Windows环境下OpenVINO™(2022.2 edition)的安装与配置【For Python and Intel NCS2】
Z_MiCTrue
openvino人工智能pythoniot边缘计算
Notice:此次安装是完整版本安装包括优化器等,部署调用是基于Python环境,以及涉及到IntelNCS2神经网络计算棒二代的部署一、基本准备1.Python3基本解释器的准备,推荐Python3.8以上,如已有请忽略2.硬件上至少得有一个USB3.0接口(有部署在intelNCS2上需求的);以及一个CPU(Intel、AMD的都行)二、环境搭建Python环境配置通过pip安装可参考官方:
- 树莓派4B+因特尔二代神经棒(NCS2)部署yolov3-tiny错误记录
HO~
人工智能边缘计算目标检测计算机视觉
前言耗费18天,才终于成功的把自己训练的yolov3-tiny.weights模型成功部署到树莓派上,并用神经棒进行推理,记录这十几天的艰难过程,为后来者新手减少一点阻力。一、在树莓派上部署Openvino如果可以的话。请尽量使用intel的官方教程(不需要科学上网),不过官方教程一般是最新版驱动的教程,其他版本的教程网上也有很多,根据需求选择即可。下面我贴出intel的官方教程地址,有需求的自取
- PaddleX树莓派部署--神经计算棒2代
怿窗
图像处理和视觉硬件编程软件编程
PaddleX树莓派部署–神经计算棒2代PaddleX支持在树莓派上插入NCS2(神经计算棒2代)通过OpenVINO部署PadlleX训练出来的分类模型注意:目前仅支持分类模型、仅支持Armv7hf的树莓派前置条件OS:RaspbianOSPaddleX1.0+OpenVINO2020.4Theapplicationoutputsanimage(out_0.bmp)withdetectedfac
- NCS2+Openvino进行模型推理与转换<二>
Vicky Shei
人工智能Unetpython机器学习openvinoGAN
文章目录前言一、使用Python+Pytorch开发模型二、使部署IR模型,并进行推理1.部署于PC上的IntelCPU2.部署于IntelNCS2神经加速棒总结前言由于前面第一章已成功进行Openvino的环境部署,这一章就搭配NCS2进行GNA模型转换与部署,同时在结尾也把笔者在此过程踩过坑分享出来,提高时间效能。提示:以下是本篇文章正文内容,下面案例可供参考一、用Python+Pytorch
- 使用 运行 YOLOv5 推理
英特尔边缘计算社区
OpenVINOopenvino音视频计算机视觉
1.0简介本文档介绍了一种将带.pt扩展名的YOLOv5PyTorch权重文件转换为ONNX*权重文件,以及使用模型优化器将ONNX权重文件转换为IR文件的方法。该方法可帮助OpenVINO™用户优化YOLOv5,以便将其部署在实际应用中。此外,本文档提供了一个关于如何运行YOLOv5推理的Python推理演示,以帮助加快YOLOv5的开发和部署速度。在最后一部分,针对使用NCS2运行推理引擎引发
- 使用OpenVINO™运行YOLOv5 推理
英特尔边缘计算社区
OpenVINO开发者分享
1.0.简介本文档介绍了一种将带*.pt扩展名的YOLOv5PyTorch*权重文件转换为ONNX*权重文件,以及使用模型优化器将ONNX权重文件转换为IR文件的方法。该方法可帮助OpenVINO™用户优化YOLOv5,以便将其部署在实际应用中。此外,本文档提供了一个关于如何运行YOLOv5推理的Python推理演示,以帮助加快YOLOv5的开发和部署速度。在最后一部分,针对使用NCS2运行推理引
- 最新OpenVINO实现yolov5 6.1版本C++
dongjuexk
YOLOv5C++深度学习深度学习人工智能
yolov5.6出来那么久了竟没有OpenVINO的C++实现,又因为树莓派不支持OpenVINO,所以入手NCS2,NCS2又仅支持FP16....中间踩了不少坑,在此记录一下最简单的复现方式,代码Windows通用,直接使用onnx模型文件即可。生成IR文件1.openvino部署(Windows跳过)需要注意的是,之前opencvdnn实现yolov5.6转成了onnx模型文件,OpenVI
- 树莓派+NCS2运行yolov4
华韵韶光
树莓派深度学习python
上一篇在树莓派上搭建好了Openvino的环境,现在在此环境上运行yolov4。流程:Tensorflow模型:先将权重文件.weight转化为.pb文件,然后再转化为IR模型的.bin和.xml文件,最后部署到神经计算棒NCS2运行。Pytorch模型:先将权重文件.pt转化为onnx格式,然后再转化为IR模型的.bin和.xml文件,最后部署到神经计算棒NCS2运行。1.下载yolov4源码g
- 跑yolo3模型出的效果图_干货|手把手教你在NCS2上部署yolov3-tiny检测模型
镜心道长
跑yolo3模型出的效果图
如果说深度学习模型性能的不断提升得益于英伟达GPU的不断发展,那么模型的边缘部署可能就需要借助英特尔的边缘计算来解决。伴随交通、医疗、零售等行业中深度学习应用的发展,数据处理和智能分析逐渐从云端走向边缘。本人与大家分享一下英特尔的边缘计算方案,并实战部署yolov3-tiny模型。OpenVINO与NCS简介早在2016年,英特尔收购了Movidius,并在2018年推出了两代神经计算棒(分别称为
- 使用 NCS2 异步推理——人脸识别
ʚVVcatɞ
深度学习树莓派python深度学习
环境:Python:3.7.3OpenVINO:2021.4.582g++(Raspbian8.3.0-6+rpi1)8.3.0raspberrypi:5.10.52-v7l+系统指令集:armv7l组件:RaspberryPi4B8GNCS2人脸检测器基于MobileNetV2作为主干,带有多个SSD头,用于前置摄像头拍摄的室内和室外场景。在这个模型的训练过程中,训练图像被调整为384x384。
- 用树莓派4b构建深度学习应用(八)Openvino篇
bluishfish
树莓派神经网络人工智能tensorflow计算机视觉深度学习
前言虽然这一代的树莓派增加了内存,但主频的限制使得直接用纯主板推理,速度还是不够实时,这一篇我们介绍一下在树莓派上部署OpenVINO神经棒,进一步提升AI的推理速度。Intel的了第二代神经计算棒(NeuralComputeStick2/NCS2),身材依然只有U盘大小,尺寸只有72.5×27×14毫米,内置了最新的IntelMovidiusMyriadXVPU视觉处理器,集成16个SHAVE计
- ubuntu18.04 yolov5部署openvino c++代码实现 踩坑实录(2022)
迅羽的轻语
方便自己看的小教程openvinopythonubuntu
假设我们现在获得了一个.pt,我们的思路就是.pt->.onnx->IR->模型推理环境:torch1.9.0python3.7openvino2021.4opencv4.5参考:yolov5的openvino部署_迷途小书童的Note的博客-CSDN博客21年的文章了,但是还能用【全流程】从头在树莓派4B上部署自己训练的yolov5模型(配合NCS2加速)_Rainbowman0的博客-CSDN
- 树莓派4b arm64 配置openvino踩坑实录(2022 至今没有成功)
迅羽的轻语
linuxopenvino
配置时解决了一些问题,也有一些致命问题没有解决.其他已解决的问题:1.官网支持树莓派armv7的openvino版本仅限于2020.4版本,且必须配合NCS2使用(淘宝售价大概600左右).这个问题可以通过官方发行的的openvino_contrib解决.官网的:01.orgdistribution(download.01.org)参考:Openvino_ARM源码编译+nano_detect树莓
- 树莓派+OpneVino环境搭建以及快速实现人脸识别
A的猜想
人脸识别深度学习
树莓派Opnevino环境搭建以及快速实现人脸识别本文主要介绍了在树莓派(Raspbian4)上搭建openvino相关环境以及实现一个简单人脸识别功能的详细步骤相关软硬件准备1.硬件准备:树莓派4(RaspberryPi4ModelBRev1.4)一枚SD卡一张、读卡器一枚神经计算棒一枚(IntelNeuralComputeStick2,NCS2)2.软件准备:RaspberryPiOS(32b
- 树莓派结合英特尔神经计算棒二代(NCS2)的openvino包部署人工智能应用
Geek L
深度学习神经网络深度学习linux人脸识别机器学习
利用树莓派和英特尔神经计算棒二代(NCS2)进行边缘端AI硬件平台部署三部曲:(二)树莓派4B和NCS2配置时cmake编译报错以及importerror:can‘tfindmoudlenamed“libopencv_ml.so.4.1“等等各种踩坑解决办法(三)将paddlepaddle模型和paddleX模型转换为openvino模型,实现英特尔计算棒(NCS2)的边缘端部署(一)树莓派结合英
- 干货|树莓派4B 搭建 OpenVINO 环境
英特尔边缘计算社区
OpenVINO人工智能
01环境介绍硬件:树莓派4B8G内存版神经计算棒(NCS2)USB3.0的读卡器64GBSD卡HDMI线(因为要连接显示器)键盘(USB接口,连接树莓派用)软件:Ubuntu20.04OpenVINO2021.3RaspberryPiImager(用于烧录系统)任意命令行工具(我用的是WindowsTerminal)02安装操作系统1.从官网下载Ubuntu系统镜像[InstallUbuntuon
- 树莓派安装部署OpenVINO
dongjuexk
深度学习LinuxYOLOv5openvino人工智能
因为OpenVINO是英特尔基于自身硬件平台开发的一种工具套件,所以树莓派要使用OpenVINO必须配合英特尔神经网络计算棒2(NCS2)安装openvino1.下载树莓派OpenVINO安装包这里使用的是2021.4版本:OpenVINO2021.4.689下载:l_openvino_toolkit_runtime_raspbian_p_2021.4.689.tgz下载之后通过WinSCP或Fi
- 树莓派报错“Cannot currently show the desktop”的完美解决办法
Geek L
树莓派与机器视觉深度学习深度学习神经网络linux
**最近在利用树莓派部署神经网络的时候出现了一些大大小小的问题,很多问题都可以在网上直接或间接地找到答案,但有个别问题即使按照网上的高赞博客说的去做了仍然没用。笔者根据最近遇到的有关树莓派VNC/win10远程桌面连接/接hdmi线连屏幕却报错显示“Cannotcurrentlyshowthedesktop”的问题**。1.问题起源最开始用树莓派的时候我是准备结合英特尔神经计算棒二代(NCS2)做
- 【全流程】从头在树莓派4B上部署自己训练的yolov5模型(配合NCS2加速)
Rainbowman 0
树莓派树莓派yolov5NCS2感悟
目录0.前言1.我的环境2.整个流程3.具体过程3.1训练自己的yolov5模型3.2将.pt模型转换为.onnx模型3.3在本地将.onnx转换成IR模型3.4在树莓派4B上使用IR模型推理4.一些坑4.1树莓派4B上安装pytorch4.2安装好了pytorch没法用4.3模型转换失败4.4转换好的模型推测出的结果和原模型相差较大5.总结0.前言最近这一个月基本没写过博客,因为一直在树莓派4B
- kaldi windows安装_Windows10安装NCS2环境并进行模型格式转换
weixin_39629093
kaldiwindows安装
上一篇:树莓派4B配置摄像头并实现实时人脸检测目录一、Windows10安装OpenVINO1.1、系统要求1.2、安装步骤二、设置环境变量2.1、临时配置方案2.2、永久配置方案三、配置模型优化器3.1、方案1:同时为所有支持的框架配置模型优化器3.2、方案2:单独为各个框架配置模型优化器四、使用验证脚本验证安装4.1、运行图像分类验证脚本4.2、运行推理管道验证脚本五、踩过的坑六、Paddle
- 用树莓派4b构建深度学习应用(八)Openvino篇
bluishfish
人工智能深度学习神经网络raspberry-pitensorflow
前言虽然这一代的树莓派增加了内存,但主频的限制使得直接用纯主板推理,速度还是不够实时,这一篇我们介绍一下在树莓派上部署OpenVINO神经棒,进一步提升AI的推理速度。Intel的了第二代神经计算棒(NeuralComputeStick2/NCS2),身材依然只有U盘大小,尺寸只有72.5×27×14毫米,内置了最新的IntelMovidiusMyriadXVPU视觉处理器,集成16个SHAVE计
- 二代神经计算棒NCS2+YOLOv3+ROS加速目标检测
star0w
ubuntu深度学习
参考:https://www.bilibili.com/video/av98553542/YOLOv3:DarkNet框架转OpenVINO框架1、openvinoopenvino是英特尔推出的一套基于深度学习的计算机视觉加速优化框架,用二代神经计算棒NCS2,就从openvino开始。(NCSDK对应的是NCS1,在这篇博客有一个对比可以看到,要用NCS加速要用openvino,而openvin
- 【8-11】树莓派上部署英特尔神经网络计算棒Intel NCS2
kids0cn
ROS无人机树莓派
如果需要在树莓派上进行神经网络和计算机视觉的操作,仅仅依靠树莓派的性能,是远远不够的。而英特尔神经计算棒就可以用来进行CV的计算,从而在树莓派上部署人脸识别,手势识别之类的CV算法。注意:树莓派必须使用树莓派官方系统Raspian。树莓派上部署的工具包,仅能用来进行计算推理,其余功能需要用笔记本或者台式计算机。官网的安装目录为/opt/intel/openvino,也有博客建议安装到自己的本地目录
- 【8-14】树莓派3B+ Ubuntu Mate 18.04使用Intel NCS2做人脸识别
kids0cn
树莓派无人机Python
想要在无人机平台部署CV,但是无人机的机载电脑需要安装ROS,而ROS需要在Ubuntu的平台才能方便使用,所以树莓派3B+上安装的是UbuntuMate18.04。IntelNcs2(英特尔神经计算棒)官方的文档写的是部署在树莓派官方系统上,而对于其他平台甚至树莓派平台其他版本的系统都不提供支持。我在安装IntelNc2到树莓派上时也遇到了很多坑,初始化setupvar.sh的时候,报错64bi
- 英特尔神经棒使用入门-NCS2 & NCS1 -OpenVino
appel81038103
|--背景:NCS1使用的NCSDK1和NCSDK2,速度一般,没有想象中的速度,能有TX2一半的速度吧。跟大佬又申请了个NCS2来试一试。环境配置到跑通自己写的MNIST分类网络花了2天不到吧。|--总结:Openvino和之前的NCSDK比算是有很大的进步了。文档都比较全,但是都有文档跟不上版本的问题。|--环境:|----Ubuntu16.04+OpenvinoR52018-5Openvin
- 树莓派3上安装使用NCS2之一:模板成功运行
侯增涛
树莓派
官网教程:https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_raspbian.html原以为官网的就是最好的,谁知这次是个坑爹的,大部分是对的,缺少一句指令sed-i“s||$(pwd)/opt/intel/openvino|”/opt/intel/openvino/bin/setupv
- 开发者关心的那些事
圣子足道
ios游戏编程apple支付
我要在app里添加IAP,必须要注册自己的产品标识符(product identifiers)。产品标识符是什么?
产品标识符(Product Identifiers)是一串字符串,它用来识别你在应用内贩卖的每件商品。App Store用产品标识符来检索产品信息,标识符只能包含大小写字母(A-Z)、数字(0-9)、下划线(-)、以及圆点(.)。你可以任意排列这些元素,但我们建议你创建标识符时使用
- 负载均衡器技术Nginx和F5的优缺点对比
bijian1013
nginxF5
对于数据流量过大的网络中,往往单一设备无法承担,需要多台设备进行数据分流,而负载均衡器就是用来将数据分流到多台设备的一个转发器。
目前有许多不同的负载均衡技术用以满足不同的应用需求,如软/硬件负载均衡、本地/全局负载均衡、更高
- LeetCode[Math] - #9 Palindrome Number
Cwind
javaAlgorithm题解LeetCodeMath
原题链接:#9 Palindrome Number
要求:
判断一个整数是否是回文数,不要使用额外的存储空间
难度:简单
分析:
题目限制不允许使用额外的存储空间应指不允许使用O(n)的内存空间,O(1)的内存用于存储中间结果是可以接受的。于是考虑将该整型数反转,然后与原数字进行比较。
注:没有看到有关负数是否可以是回文数的明确结论,例如
- 画图板的基本实现
15700786134
画图板
要实现画图板的基本功能,除了在qq登陆界面中用到的组件和方法外,还需要添加鼠标监听器,和接口实现。
首先,需要显示一个JFrame界面:
public class DrameFrame extends JFrame { //显示
- linux的ps命令
被触发
linux
Linux中的ps命令是Process Status的缩写。ps命令用来列出系统中当前运行的那些进程。ps命令列出的是当前那些进程的快照,就是执行ps命令的那个时刻的那些进程,如果想要动态的显示进程信息,就可以使用top命令。
要对进程进行监测和控制,首先必须要了解当前进程的情况,也就是需要查看当前进程,而 ps 命令就是最基本同时也是非常强大的进程查看命令。使用该命令可以确定有哪些进程正在运行
- Android 音乐播放器 下一曲 连续跳几首歌
肆无忌惮_
android
最近在写安卓音乐播放器的时候遇到个问题。在MediaPlayer播放结束时会回调
player.setOnCompletionListener(new OnCompletionListener() {
@Override
public void onCompletion(MediaPlayer mp) {
mp.reset();
Log.i("H
- java导出txt文件的例子
知了ing
javaservlet
代码很简单就一个servlet,如下:
package com.eastcom.servlet;
import java.io.BufferedOutputStream;
import java.io.IOException;
import java.net.URLEncoder;
import java.sql.Connection;
import java.sql.Resu
- Scala stack试玩, 提高第三方依赖下载速度
矮蛋蛋
scalasbt
原文地址:
http://segmentfault.com/a/1190000002894524
sbt下载速度实在是惨不忍睹, 需要做些配置优化
下载typesafe离线包, 保存为ivy本地库
wget http://downloads.typesafe.com/typesafe-activator/1.3.4/typesafe-activator-1.3.4.zip
解压r
- phantomjs安装(linux,附带环境变量设置) ,以及casperjs安装。
alleni123
linuxspider
1. 首先从官网
http://phantomjs.org/下载phantomjs压缩包,解压缩到/root/phantomjs文件夹。
2. 安装依赖
sudo yum install fontconfig freetype libfreetype.so.6 libfontconfig.so.1 libstdc++.so.6
3. 配置环境变量
vi /etc/profil
- JAVA IO FileInputStream和FileOutputStream,字节流的打包输出
百合不是茶
java核心思想JAVA IO操作字节流
在程序设计语言中,数据的保存是基本,如果某程序语言不能保存数据那么该语言是不可能存在的,JAVA是当今最流行的面向对象设计语言之一,在保存数据中也有自己独特的一面,字节流和字符流
1,字节流是由字节构成的,字符流是由字符构成的 字节流和字符流都是继承的InputStream和OutPutStream ,java中两种最基本的就是字节流和字符流
类 FileInputStream
- Spring基础实例(依赖注入和控制反转)
bijian1013
spring
前提条件:在http://www.springsource.org/download网站上下载Spring框架,并将spring.jar、log4j-1.2.15.jar、commons-logging.jar加载至工程1.武器接口
package com.bijian.spring.base3;
public interface Weapon {
void kil
- HR看重的十大技能
bijian1013
提升能力HR成长
一个人掌握何种技能取决于他的兴趣、能力和聪明程度,也取决于他所能支配的资源以及制定的事业目标,拥有过硬技能的人有更多的工作机会。但是,由于经济发展前景不确定,掌握对你的事业有所帮助的技能显得尤为重要。以下是最受雇主欢迎的十种技能。 一、解决问题的能力 每天,我们都要在生活和工作中解决一些综合性的问题。那些能够发现问题、解决问题并迅速作出有效决
- 【Thrift一】Thrift编译安装
bit1129
thrift
什么是Thrift
The Apache Thrift software framework, for scalable cross-language services development, combines a software stack with a code generation engine to build services that work efficiently and s
- 【Avro三】Hadoop MapReduce读写Avro文件
bit1129
mapreduce
Avro是Doug Cutting(此人绝对是神一般的存在)牵头开发的。 开发之初就是围绕着完善Hadoop生态系统的数据处理而开展的(使用Avro作为Hadoop MapReduce需要处理数据序列化和反序列化的场景),因此Hadoop MapReduce集成Avro也就是自然而然的事情。
这个例子是一个简单的Hadoop MapReduce读取Avro格式的源文件进行计数统计,然后将计算结果
- nginx定制500,502,503,504页面
ronin47
nginx 错误显示
server {
listen 80;
error_page 500/500.html;
error_page 502/502.html;
error_page 503/503.html;
error_page 504/504.html;
location /test {return502;}}
配置很简单,和配
- java-1.二叉查找树转为双向链表
bylijinnan
二叉查找树
import java.util.ArrayList;
import java.util.List;
public class BSTreeToLinkedList {
/*
把二元查找树转变成排序的双向链表
题目:
输入一棵二元查找树,将该二元查找树转换成一个排序的双向链表。
要求不能创建任何新的结点,只调整指针的指向。
10
/ \
6 14
/ \
- Netty源码学习-HTTP-tunnel
bylijinnan
javanetty
Netty关于HTTP tunnel的说明:
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/channel/socket/http/package-summary.html#package_description
这个说明有点太简略了
一个完整的例子在这里:
https://github.com/bylijinnan
- JSONUtil.serialize(map)和JSON.toJSONString(map)的区别
coder_xpf
jqueryjsonmapval()
JSONUtil.serialize(map)和JSON.toJSONString(map)的区别
数据库查询出来的map有一个字段为空
通过System.out.println()输出 JSONUtil.serialize(map): {"one":"1","two":"nul
- Hibernate缓存总结
cuishikuan
开源sshjavawebhibernate缓存三大框架
一、为什么要用Hibernate缓存?
Hibernate是一个持久层框架,经常访问物理数据库。
为了降低应用程序对物理数据源访问的频次,从而提高应用程序的运行性能。
缓存内的数据是对物理数据源中的数据的复制,应用程序在运行时从缓存读写数据,在特定的时刻或事件会同步缓存和物理数据源的数据。
二、Hibernate缓存原理是怎样的?
Hibernate缓存包括两大类:Hib
- CentOs6
dalan_123
centos
首先su - 切换到root下面1、首先要先安装GCC GCC-C++ Openssl等以来模块:yum -y install make gcc gcc-c++ kernel-devel m4 ncurses-devel openssl-devel2、再安装ncurses模块yum -y install ncurses-develyum install ncurses-devel3、下载Erang
- 10款用 jquery 实现滚动条至页面底端自动加载数据效果
dcj3sjt126com
JavaScript
无限滚动自动翻页可以说是web2.0时代的一项堪称伟大的技术,它让我们在浏览页面的时候只需要把滚动条拉到网页底部就能自动显示下一页的结果,改变了一直以来只能通过点击下一页来翻页这种常规做法。
无限滚动自动翻页技术的鼻祖是微博的先驱:推特(twitter),后来必应图片搜索、谷歌图片搜索、google reader、箱包批发网等纷纷抄袭了这一项技术,于是靠滚动浏览器滚动条
- ImageButton去边框&Button或者ImageButton的背景透明
dcj3sjt126com
imagebutton
在ImageButton中载入图片后,很多人会觉得有图片周围的白边会影响到美观,其实解决这个问题有两种方法
一种方法是将ImageButton的背景改为所需要的图片。如:android:background="@drawable/XXX"
第二种方法就是将ImageButton背景改为透明,这个方法更常用
在XML里;
<ImageBut
- JSP之c:foreach
eksliang
jspforearch
原文出自:http://www.cnblogs.com/draem0507/archive/2012/09/24/2699745.html
<c:forEach>标签用于通用数据循环,它有以下属性 属 性 描 述 是否必须 缺省值 items 进行循环的项目 否 无 begin 开始条件 否 0 end 结束条件 否 集合中的最后一个项目 step 步长 否 1
- Android实现主动连接蓝牙耳机
gqdy365
android
在Android程序中可以实现自动扫描蓝牙、配对蓝牙、建立数据通道。蓝牙分不同类型,这篇文字只讨论如何与蓝牙耳机连接。
大致可以分三步:
一、扫描蓝牙设备:
1、注册并监听广播:
BluetoothAdapter.ACTION_DISCOVERY_STARTED
BluetoothDevice.ACTION_FOUND
BluetoothAdapter.ACTION_DIS
- android学习轨迹之四:org.json.JSONException: No value for
hyz301
json
org.json.JSONException: No value for items
在JSON解析中会遇到一种错误,很常见的错误
06-21 12:19:08.714 2098-2127/com.jikexueyuan.secret I/System.out﹕ Result:{"status":1,"page":1,&
- 干货分享:从零开始学编程 系列汇总
justjavac
编程
程序员总爱重新发明轮子,于是做了要给轮子汇总。
从零开始写个编译器吧系列 (知乎专栏)
从零开始写一个简单的操作系统 (伯乐在线)
从零开始写JavaScript框架 (图灵社区)
从零开始写jQuery框架 (蓝色理想 )
从零开始nodejs系列文章 (粉丝日志)
从零开始编写网络游戏 
- jquery-autocomplete 使用手册
macroli
jqueryAjax脚本
jquery-autocomplete学习
一、用前必备
官方网站:http://bassistance.de/jquery-plugins/jquery-plugin-autocomplete/
当前版本:1.1
需要JQuery版本:1.2.6
二、使用
<script src="./jquery-1.3.2.js" type="text/ja
- PLSQL-Developer或者Navicat等工具连接远程oracle数据库的详细配置以及数据库编码的修改
超声波
oracleplsql
在服务器上将Oracle安装好之后接下来要做的就是通过本地机器来远程连接服务器端的oracle数据库,常用的客户端连接工具就是PLSQL-Developer或者Navicat这些工具了。刚开始也是各种报错,什么TNS:no listener;TNS:lost connection;TNS:target hosts...花了一天的时间终于让PLSQL-Developer和Navicat等这些客户
- 数据仓库数据模型之:极限存储--历史拉链表
superlxw1234
极限存储数据仓库数据模型拉链历史表
在数据仓库的数据模型设计过程中,经常会遇到这样的需求:
1. 数据量比较大; 2. 表中的部分字段会被update,如用户的地址,产品的描述信息,订单的状态等等; 3. 需要查看某一个时间点或者时间段的历史快照信息,比如,查看某一个订单在历史某一个时间点的状态, 比如,查看某一个用户在过去某一段时间内,更新过几次等等; 4. 变化的比例和频率不是很大,比如,总共有10
- 10点睛Spring MVC4.1-全局异常处理
wiselyman
spring mvc
10.1 全局异常处理
使用@ControllerAdvice注解来实现全局异常处理;
使用@ControllerAdvice的属性缩小处理范围
10.2 演示
演示控制器
package com.wisely.web;
import org.springframework.stereotype.Controller;
import org.spring