liaoxuming002
liaoxuming002

stm32f 固件库 下载, 及简单使用(,目前最新)


如何下载 stm32    最新的固件库.

1.http://www.st.com/web/catalog/tools/FM147/CL1794/SC961/SS1743/PF257890


2. 下载

STSW-STM32054 3.5.0 Active dowxxxxx
3. 此库是目前最新的标准外设固件库.,目前版本为3.5.0

4 .下面简单解绍一下最新固件库的使用



为什么要这样做,因为stm32产品线很多,单是stm32好像都有300多个型号,分成以下几类.


1. 有超值 型,,

2.  基本型.

3. USB型.

4.增强型.

5.互连型的.

当我们选择不同的型号,这个固件库如何使用, 只是一些头文件与包含的文件不同,所以这个固件库,这个工程为了支持这么多型号,

就可通过上图来选择,这个很强大.


下面发一个STM32的产品型号,在官网上可以下载到的造型手册.








你可能感兴趣的:(学习方法)

  • 大模型RLHF强化学习笔记（一）：强化学习基础梳理Part1 Gravity! 大模型笔记大模型LLM算法机器学习强化学习人工智能
    【如果笔记对你有帮助，欢迎关注&点赞&收藏，收到正反馈会加快更新！谢谢支持！】一、强化学习基础1.1Intro定义：强化学习是一种机器学习方法，需要智能体通过与环境交互学习最优策略基本要素：状态（State）：智能体在决策过程中需要考虑的所有相关信息（环境描述）动作（Action）：在环境中可以采取的行为策略（Policy）：定义了在给定状态下智能体应该选择哪个动作，目标是最大化智能体的长期累积奖
  • AI 在自动驾驶路径规划中的深度强化学习优化 QuantumWalker 人工智能自动驾驶机器学习
    ```htmlAI在自动驾驶路径规划中的深度强化学习优化在当今快速发展的科技领域中，人工智能（AI）的应用正在不断拓展其边界。特别是在自动驾驶技术中，AI的应用已经从简单的感知和识别发展到了复杂的决策和控制阶段。其中，深度强化学习作为AI的一个重要分支，在自动驾驶路径规划中发挥着越来越重要的作用。一、深度强化学习简介深度强化学习是一种结合了深度学习和强化学习的机器学习方法。它通过让智能体在环境中进
  • 黑客自学教程（非常详细）黑客零基础入门到精通，收藏这篇就够了 爱吃小石榴16 网络安全黑客技术黑客网络服务器运维android数据库web安全安全
    新手如何通过自学黑客技术成为厉害的白帽黑客？我目前虽然算不上顶尖的白帽大佬，但自己在补天挖漏洞也能搞个1万多块钱。给大家分享一下我的学习方法，0基础也能上手学习,如果你能坚持学完，你也能成为厉害的白帽子！一、打好基础一上来就去玩各种工具的都是脚本小子，如果你是准备在技术这条路上走得长远，那这些必备的基础知识一定要学好。1.网络安全基础导论尤其是法律法规和发展方向，一定要对网络安全有清楚的认知！2.
  • k近邻算法(kNearest Neighbors) 原理与代码实例讲解 AI大模型应用实战 javapythonjavascriptkotlingolang架构人工智能
    k-近邻算法,聚类,分类,分离散数据,决策边界,邻域,机器学习,监督学习k-近邻算法(k-NearestNeighbors)-原理与代码实例讲解k-近邻算法（k-NearestNeighbors，简称kNN）是一种简单的监督学习方法，它在机器学习领域有着广泛的应用。kNN算法的核心思想是：在特征空间中，如果一个样本附近的k个最近邻样本的大多数属于某个类别，则该样本也属于这个类别。这种基于局部决策的
  • 智能交通中的深度学习应用：从理论到实践 Blossom.118 机器学习与人工智能深度学习人工智能机器学习机器人神经网络sklearn目标检测
    最近研学过程中发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击链接跳转到网站人工智能及编程语言学习教程。读者们可以通过里面的文章详细了解一下人工智能及其编程等教程和学习方法。下面开始对正文内容的介绍。在当今数字化时代，人工智能技术正以前所未有的速度改变着我们的生活，其中智能交通领域是人工智能技术大放异彩的重要舞台之一。深度学习作为人工智能的核心技术之一，为智能交通的
  • 每日传习1：个人的《传习录》学习计划 良知即吾心 每日传习传习录心学学习
    一直想系统的学习《传习录》，学习阳明心学，但却总觉得不到时候。经过了这几年的成长，我的心智更加成熟，心性也更加沉稳一些，感觉现在的自己有信心能把《传习录》系统的学完，于是就开始了传习录的每日学习。具体的学习方法暂定如下：第一轮：先把《传习录》的一篇内容手打到这里。这一步相当于手抄书，虽没有直接手抄的效果好，但是我的字实在太难看，手抄的话，说不定会抹杀我学习的热情。搞清楚文章中每个字的读音。通读若干
  • 文献调研[eeg溯源的深度学习方法]（过程记录） 我要学脑机 #神经生物学原理深度学习人工智能
    文章目录问题AI回答关键词组合搜索方式说明限定字段**1.AllFields（所有字段）****2.EEGsourcerecon（EEG源重建）****3.Title（标题）****4.Author（作者）****5.PublicationTitles（期刊/会议名称）****6.YearPublished（发表年份）****7.Affiliation（机构）****8.FundingAgency
  • KNN算法数字识别实战：训练集、测试集与代码实现 Aurora曙光
    本文还有配套的精品资源，点击获取简介：KNN算法，作为一种经典的监督学习方法，特别适用于分类和回归问题，在模式识别和数据挖掘中应用广泛。本文通过构建数字识别任务的训练集和测试集，并提供完整的代码实现，向读者展示如何使用KNN算法进行数字识别。文章详细解释了K值选择、数据预处理、距离计算、最近邻选择、类别决定以及模型评估等关键步骤，并强调了KNN在大数据集中的效率问题。1.KNN算法概述与在数字识别
  • Spring Boot + LangChain 构建 RAG 应用 程序员丸子 langchainAI大模型语言模型自然语言处理人工智能大语言模型RAG
    使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。这种方法在自然语言处理任务中特别有效，例如对话系统和问答系统。RAG的关键组件检索：•RAG首先从大型数据集或知识库中检索与用户查询相关的文档或数据。•通常使用信息检索技术，如向量搜索或关键词匹配。生成：•在检索到
  • 【C语言练习】100. 使用C语言实现简单的自然语言理解算法 视睿 从零开始学习机器人c语言算法开发语言排序算法
    100.使用C语言实现简单的自然语言理解算法100.使用C语言实现简单的自然语言理解算法关键词匹配算法简介示例代码：简单的关键词匹配算法代码说明示例运行扩展功能其他方法基于规则的方法统计机器学习方法C语言中统计机器学习方法概述常见统计机器学习算法的C实现贝叶斯定理基础算法核心思想常见变体实现示例（Python）优缺点优化库与工具性能与注意事项有限状态自动机（FSA）深度学习接口调用混合方法100.
  • 04、谁发明了深度学习的方法，是怎么发明的？
    深度学习的发展是多位研究者长期探索的结果，其核心方法的形成并非由单一人物“发明”，而是历经数十年理论积累与技术突破的产物。以下从关键人物、核心技术突破及历史背景三个维度，梳理深度学习方法的起源与发展脉络：一、深度学习的奠基者与关键贡献者1.GeoffreyHinton：从神经网络到深度学习的理论突破核心贡献：20世纪80年代，Hinton与DavidRumelhart等人重新引入并完善了反向传播算
  • TopNet：基于Transformer的高效点云几何压缩网络模型详解 清风AI 深度学习算法详解及代码复现计算机视觉算法深度学习人工智能计算机视觉神经网络transformer卷积神经网络python
    一、研究背景与挑战随着激光雷达（LiDAR）技术的普及，点云数据在自动驾驶、三维重建等领域得到广泛应用。然而，点云数据的无序性、稀疏性给存储和传输带来巨大挑战。传统的点云几何压缩（PCGC）方法难以平衡压缩率与精度，而深度学习方法逐渐成为主流。现有方法主要分为两类：CNN-based方法：通过3D卷积提取局部特征，但受限于固定感受野，难以捕捉长距离依赖。Transformer-based方法：利用
  • Task 01 第一章习题
    1.1说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。回忆知识点：统计学习方法三要素为：模型+策略+算法模型：在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。策略：统计学习要考虑按照什么样的准则选
  • 《Vue.js前端框架技术学习心得》 dingjiGGbao 前端框架vue.js前端
    一.初遇Vue.js二.数据绑定的便捷性三.组件化思维的养成四.生命周期钩子函数的理解五.指令系统的强大功能六.响应式原理的深入理解七.以下是我平时写的一些代码截图八.学习方法与实践的重要性在本次Vue.js的课程学习中，我收获了许多宝贵的知识和技能，每一个知识点都像是打开了一扇通往前端开发新世界的大门。一.初遇Vue.js最初接触Vue.js时，其简洁直观的语法立刻吸引了我。与传统的JavaSc
  • PolyTouch：一种利用触觉扩散策略实现丰富接触操作的稳健多模态触觉传感器 三谷秋水 智能体计算机视觉机器学习机器人计算机视觉人工智能深度学习
    25年4月来自MIT和TRI的论文“PolyTouch:ARobustMulti-ModalTactileSensorforContact-richManipulationUsingTactile-DiffusionPolicies”。在非结构化的家庭环境中实现稳健的灵巧操作仍然是机器人技术的重大挑战。即使采用最先进的机器人学习方法，触觉无关控制策略（即仅依赖外部视觉和/或本体感觉的策略）也常常由
  • 基于 8.6 万蛋白质结构数据，融合量子力学计算的机器学习方法挖掘 69 个全新氮-氧-硫键 hyperai
    在细胞这个「工厂」中，氮-氧-硫（NOS）键就像一个可逆的「智能开关」，能够根据环境中的氧化还原变化调节酶活性。2021年，来自德国哥廷根乔治奥古斯特大学的团队，通过研究淋病奈瑟氏球菌的转醛醇酶，发现了存在于赖氨酸和半胱氨酸之间的NOS键。这项研究超越了单一病原体和酶的研究范畴，为跨学科的蛋白质科学、药物设计和生物工程奠定了重要基础。然而，随着蛋白质结构数据的爆炸式增长，以及科学界对蛋白质结构中化
  • 基于贝叶斯学习方法的块稀疏信号压缩感知算法 feifeigo123 学习方法matlab
    基于贝叶斯学习方法的块稀疏信号压缩感知算法BSBL-FM-master/BSBL_BO.m,15593BSBL-FM-master/BSBL_FM.m,12854BSBL-FM-master/Phi.mat,131256BSBL-FM-master/README.md,3954BSBL-FM-master/demo.mat,1610BSBL-FM-master/demo_fecg.m,1481BS
  • 基于深度学习的智能视频分析系统：技术与实践 Blossom.118 机器学习与人工智能人工智能机器人机器学习神经网络深度学习sklearn目标检测
    前言最近研学过程中发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击链接跳转到网站人工智能及编程语言学习教程。读者们可以通过里面的文章详细了解一下人工智能及其编程等教程和学习方法。下面开始对正文内容的介绍。随着视频监控技术的普及和视频数据量的爆炸性增长，传统的视频监控系统面临着巨大的挑战。人工监控不仅效率低下，而且容易出现疲劳和疏忽。智能视频分析技术通过自动分析视频内
  • 鸿蒙应用开发快速学习指南(初级篇-1 HarmonyOS简介) 一颗大宝贝 ArkTs快速学习harmonyos华为
    应用程序框架基础第一课：HarmonyOS简介本篇是初级认证考试考纲的第一课，以我们对当代教科书和一些课的认知来看，从标题，我们很容易就能猜到这堂课的主要内容：这个框架是什么，为什么要用，用它有什么好处，它能解决什么问题，以及它怎么遥遥领先于同行（不是）学习方法由于作者有其他相关经验，所以直接从习题开始看起，若是0经验的小伙伴们，建议还是先看看课跟课件再看习题。学习过程首先判断题：“一次开发，多端
  • 深度学习入门指南：从基础概念到代码实践 软考和人工智能学堂 人工智能#深度学习Python开发经验深度学习人工智能
    深度学习入门指南：从基础概念到代码实践1.深度学习概述深度学习是机器学习的一个分支，它通过模拟人脑神经元的工作方式，构建多层次的神经网络模型来处理复杂的数据模式。与传统机器学习方法相比，深度学习能够自动从原始数据中学习特征表示，无需过多的人工特征工程。深度学习已经在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展。例如，ImageNet竞赛中深度学习模型的识别准确率已经超过人类水平，而GP
  • 【数据挖掘】动态正则格兰杰因果学习方法 hans汉斯 论文荐读数据挖掘学习方法人工智能大数据python算法动态规划
    导读在医学和金融学等实际领域中，了解动态系统中的底层结构关系对于调节系统中的变量和预测系统未来状态至关重要。系统的动态变化会生成时间序列数据，通过观察时间序列数据可以分析系统的底层结构。格兰杰因果关系分析方法可以应用于一维或多维时间序列系统，现有的方法以组件式的建模方式分析每个系统变量特定的因果关系，受限于时间方向的强假设性和组件模型的单一性，其无法准确地挖掘出时间序列中的因果关系结构。本文提出了
  • 基于YOLOv8的人脸识别与跟踪系统设计与实现 YOLO实战营 YOLOui目标检测目标跟踪深度学习
    1.项目背景与意义随着智能安防、智能监控、人机交互等领域的快速发展，人脸识别与跟踪技术受到了广泛关注。它不仅在安防监控系统中用于身份认证与异常检测，也在智能门禁、自动考勤和营销系统中发挥重要作用。传统的人脸检测多依赖Haar级联或基于特征的检测方法，准确率和鲁棒性有限。深度学习方法，尤其是YOLOv8等先进目标检测框架，实现了实时且高准确度的人脸检测。同时，结合人脸识别（身份验证）和多目标跟踪，可
  • 强化学习-K臂老虎机
    强化学习强化学习（ReinforcementLearning，RL）是一种机器学习方法，强化学习的基础框架是马尔可夫决策过程，它允许智能体（Agent）能够在与环境（Environment）的交互中通过试错来学习最优策略。智能体在环境中执行行动（Action），并根据行动的结果接收反馈，即奖励（Reward）。这些奖励信号指导智能体调整其策略，以最大化长期累积奖励。强化学习的核心是价值函数（Val
  • 基于MATLAB的车牌检测系统：传统图像处理与深度学习的创新融合 芯作者 D2：MATLAB设计matlab
    车牌检测是智能交通系统中的关键技术，在停车场管理、违章抓拍等场景应用广泛。本文将介绍一种结合传统图像处理和深度学习的创新方法，在MATLAB中实现高精度车牌检测系统。一、创新技术路线传统方法在简单场景下高效，但复杂环境下鲁棒性不足；深度学习方法精度高但计算量大。我们创新性地融合二者：预处理阶段：使用传统图像处理快速定位候选区域验证阶段：采用轻量级CNN网络过滤误检区域后处理阶段：结合颜色空间分析增
  • 计算机视觉与深度学习 ｜ 低照度图像增强算法综述（开源链接，原理，公式，代码） 单北斗SLAMer 低照度图像增强低照度图像处理计算机视觉算法
    低照度图像增强算法综述1算法分类与原理1.1传统方法1.2深度学习方法2核心算法详解2.1多尺度Retinex(MSRCR)实现2.2SCI自校准光照学习2.3自适应伽马校正2.4WaveletMamba架构3开源资源与实现3.1主流算法开源库3.2关键代码实现4评估与实验对比4.1客观评价指标4.2算法性能对比5未来研究方向全面综述低照度图像增强算法，包括开源链接、原理、公式和代码实现。主要内容
  • 【Python】串口通信库pyserial2 宅男很神经 python开发语言
    6.8多传感器融合：YOLO与激光雷达/雷达数据的深度结合6.8.1引言：为什么需要非视觉传感器——以激光雷达为例摄像头因其丰富的信息（颜色、纹理、形状）而成为自动驾驶、智能监控等视觉感知系统的核心。但其固有的局限性不容忽视：深度信息缺失：单目摄像头难以直接获取目标的精确三维位置和距离，需要复杂的几何或深度学习方法进行估算。光照依赖：在强光、弱光、逆光或夜晚环境下，图像质量急剧下降，导致目标检测性
  • OCR技术如何实现铁路集装箱号的自动识别？ 孚为智能科技 火车车号识别系统ocr人工智能图像处理视觉检测大数据5G
    在铁路物流运输中，集装箱号的快速准确识别是提升效率的关键环节。通过先进的OCR（光学字符识别）技术，结合计算机视觉与深度学习方法，可以实现铁路集装箱号的高效、可靠识别。一、OCR技术的核心流程1.图像采集与预处理采用高分辨率摄像头（支持夜视及复杂天气条件）采集集装箱图像，针对火车进站、起重机作业、半挂车运输等不同场景调整安装角度。采集到的图像经过去噪、对比度增强、二值化等预处理，以提升后续识别的准
  • 基于深度学习的文本检索 SEU-WYL 深度学习dnn深度学习人工智能dnn
    基于深度学习的文本检索文本检索（TextRetrieval）是指在大量文本数据中，根据用户的查询文本找到相关文档。基于深度学习的方法通过提取文本的高层次语义特征，实现了高效和准确的文本检索。深度学习在文本检索中的优势语义理解：深度学习模型能够捕捉文本中的复杂语义关系，相比传统的基于关键词匹配的方法更加准确。自动特征提取：深度学习方法可以自动从文本中提取有用的特征，无需手工设计特征。端到端学习：深度
  • 机器学习模型——集成算法（一） 梦想成为一名机器学习高手 机器学习算法人工智能决策树集成学习
    集成学习的定义：集成学习，顾名思义通过将多个单个学习器集成/组合在一起，使它们共同完成学习任务，以达到提高预测准确率的目的。有时也被称为“多分类器系统(multi-classifiersystem)”。集成学习概述：集成学习是一种机器学习方法，它通过组合多个弱学习器来形成一个强学习器，以提高预测性能。以下是一些集成学习的关键点：结合多个学习器：集成学习的核心思想是通过训练多个学习器（基学习器）并结
  • 创客匠人六大核心竞争力实战：创始人IP年破亿的可复制路径 创客匠人老蒋 网络创客匠人创始人IP打造AI数字人
    创客匠人六大核心竞争力已帮助众多创始人IP实现从0到亿的突破，这些实战案例揭示了一套可复制的变现路径——通过垂直聚焦定位、结果付费降低风险、资源整合放大势能，最终在AI技术与系统方法论的加持下实现爆发式增长。垂直聚焦定位：从“大而全”到“小而精”。某教育IP初期泛泛而谈“学习方法”，经创客匠人诊断后聚焦“考研英语阅读技巧”，通过120+行业的深耕经验设计内容体系，3个月内精准粉丝从1万增长至10万
  • LeetCode[Math] - #66 Plus One Cwind javaLeetCode题解AlgorithmMath
    原题链接：#66 Plus One   要求： 给定一个用数字数组表示的非负整数，如num1 = {1, 2, 3, 9}, num2 = {9, 9}等，给这个数加上1。 注意： 1. 数字的较高位存在数组的头上，即num1表示数字1239 2. 每一位（数组中的每个元素）的取值范围为0~9   难度：简单   分析： 题目比较简单，只须从数组
  • JQuery中$.ajax()方法参数详解 AILIKES JavaScriptjsonpjqueryAjaxjson
    url: 要求为String类型的参数，（默认为当前页地址）发送请求的地址。 type: 要求为String类型的参数，请求方式（post或get）默认为get。注意其他http请求方法，例如put和    delete也可以使用，但仅部分浏览器支持。 timeout: 要求为Number类型的参数，设置请求超时时间（毫秒）。此设置将覆盖$.ajaxSetup()方法的全局
  • JConsole & JVisualVM远程监视Webphere服务器JVM Kai_Ge JVisualVMJConsoleWebphere
        JConsole是JDK里自带的一个工具，可以监测Java程序运行时所有对象的申请、释放等动作，将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。 　　使用JConsole工具来分析WAS的JVM问题，需要进行相关的配置。 　　首先我们看WAS服务器端的配置. 　　1、登录was控制台https://10.4.119.18
  • 自定义annotation 120153216 annotation
    Java annotation 自定义注释@interface的用法 一、什么是注释      说起注释，得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说，元数据是描述数据的。就象数据表中的字段一样，每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据，也就是说注释是描述java源
  • CentOS 5/6.X 使用 EPEL YUM源 2002wmj centos
    CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
  • 在SQLSERVER中查找缺失和无用的索引SQL 357029540 SQL Server
    --缺失的索引 SELECT  avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,          last_user_seek ,    
  • Spring3 MVC 笔记（二） —json+rest优化 7454103 Spring3 MVC
    接上次的 spring mvc 注解的一些详细信息！                          其实也是一些个人的学习笔记  呵呵！
  • 替换“\”的时候报错Unexpected internal error near index 1 \ ^ adminjun java“\替换”
    发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...   在拆分字符串时遇到通过 \ 来拆分，可是用所以想通过转义 \\ 来拆分的时候会报异常   public class Main {          /*
  • POJ 1035 Spell checker(哈希表) aijuans 暴力求解--哈希表
    /* 题意：输入字典，然后输入单词，判断字典中是否出现过该单词，或者是否进行删除、添加、替换操作，如果是，则输出对应的字典中的单词 要求按照输入时候的排名输出 题解：建立两个哈希表。一个存储字典和输入字典中单词的排名，一个进行最后输出的判重 */ #include <iostream> //#define using namespace std; const int HASH =
  • 通过原型实现javascript Array的去重、最大值和最小值 ayaoxinchao JavaScriptarrayprototype
    用原型函数（prototype）可以定义一些很方便的自定义函数，实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。 实现代码如下：   <script type="text/javascript"> Array.prototype.unique = function() { var a = {}; var le
  • UIWebView实现https双向认证请求 bewithme UIWebViewhttpsObjective-C
              什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求 中有讲述，不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求，网上有些文章中有涉及到此内容，但都只言片语，没有讲完全，更没有完整的代码，让人困扰不已。但是此知
  • NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存) bijian1013 redis数据库NoSQL
    3.事务处理         Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行，而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时，这个连接会进入一个事务上下文，该连接后续的命令不会立即执行，而是先放到一个队列中，当执行exec命令时，redis会顺序的执行队列中
  • 各数据库分页sql备忘 bingyingao oraclesql分页
    ORACLE 下面这个效率很低 SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20; 下面这个效率很高 SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
  • 【Scala七】Scala核心一：函数 bit1129 scala
    1. 如果函数体只有一行代码，则可以不用写{},比如 def print(x: Int) = println(x) 一行上的多条语句用分号隔开，则只有第一句属于方法体，例如   def printWithValue(x: Int) : String= println(x); "ABC"   上面的代码报错，因为，printWithValue的方法
  • 了解GHC的factorial编译过程 bookjovi haskell
    GHC相对其他主流语言的编译器或解释器还是比较复杂的，一部分原因是haskell本身的设计就不易于实现compiler，如lazy特性，static typed，类型推导等。 关于GHC的内部实现有篇文章说的挺好，这里，文中在RTS一节中详细说了haskell的concurrent实现，里面提到了green thread，如果熟悉Go语言的话就会发现，ghc的concurrent实现和Go有点类
  • Java-Collections Framework学习与总结-LinkedHashMap BrokenDreams LinkedHashMap
            前面总结了java.util.HashMap，了解了其内部由散列表实现，每个桶内是一个单向链表。那有没有双向链表的实现呢？双向链表的实现会具备什么特性呢？来看一下HashMap的一个子类——java.util.LinkedHashMap。       
  • 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory bylijinnan abstract
    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/ package design.pattern; /* * Abstract Factory Pattern * 抽象工厂模式的目的是： * 通过在抽象工厂里面定义一组产品接口，方便地切换“产品簇” * 这些接口是相关或者相依赖的
  • 压暗面部高光 cherishLC PS
    方法一、压暗高光&重新着色 当皮肤很油又使用闪光灯时，很容易在面部形成高光区域。 下面讲一下我今天处理高光区域的心得： 皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道（Lab模式的L通道）决定，色彩则由a、b通道确定。 处理思路为在保持高光区域纹理的情况下，对高光区域着色。具体步骤为：降低高光区域的整体的亮度，再进行着色。 如果想简化步骤，可以只进行着色（参看下面的步骤1
  • Java VisualVM监控远程JVM crabdave visualvm
    Java VisualVM监控远程JVM    JDK1.6开始自带的VisualVM就是不错的监控工具. 这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面   通过JMX连接远程机器, 需要经过下面的配置: 1. 修改远程机器JDK配置文件 (我这里远程机器是linux).    
  • Saiku去掉登录模块 daizj saiku登录olapBI
    1、修改applicationContext-saiku-webapp.xml <security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />  <security:intercept-url pattern=&qu
  • 浅析 Flex中的Focus dsjt htmlFlexFlash
    关键字：focus、 setFocus、 IFocusManager、KeyboardEvent 焦点、设置焦点、获得焦点、键盘事件 一、无焦点的困扰——组件监听不到键盘事件 原因：只有获得焦点的组件（确切说是InteractiveObject）才能监听到键盘事件的目标阶段；键盘事件（flash.events.KeyboardEvent）参与冒泡阶段，所以焦点组件的父项（以及它爸
  • Yii全局函数使用 dcj3sjt126com yii
    由于YII致力于完美的整合第三方库，它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如，Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数，使得代码看起来更加简洁易用。(原文地址) 我们可以保存在globals.php在protected目录下。然后，在入口脚本index.php的，我们包括在
  • 设计模式之单例模式二（解决无序写入的问题） come_for_dream 单例模式volatile乱序执行双重检验锁
                    在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题，但是因为由于JVM为了使得处理器内部的运算单元能充分利用，处理器可能会对输入代码进行乱序执行（Out Of Order Execute）优化，处理器会在计算之后将乱序执行的结果进行重组，保证该
  • 程序员从初级到高级的蜕变 gcq511120594 框架工作PHPandroidhtml5
    软件开发是一个奇怪的行业，市场远远供不应求。这是一个已经存在多年的问题，而且随着时间的流逝，愈演愈烈。 我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题，当然这些方法常常不管用，于是，唯一能做的就是不断地尝试，逐个看看是否奏效”。 现在我们把淫浸代码时间超过3年的开发人员称为
  • Reverse Linked List hcx2013 list
    Reverse a singly linked list.   /** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode(int x) { val = x; } * } */ p
  • Spring4.1新特性——数据库集成测试 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
  • C# Ajax上传图片同时生成微缩图(附Demo) liyonghui160com
        1.Ajax无刷新上传图片,详情请阅我的这篇文章。（jquery + c# ashx）         2.C#位图处理  System.Drawing。         3.最新demo支持IE7,IE8,Fir
  • Java list三种遍历方法性能比较 pda158 java
    从c/c++语言转向java开发，学习java语言list遍历的三种方法，顺便测试各种遍历方法的性能，测试方法为在ArrayList中插入1千万条记录，然后遍历ArrayList，发现了一个奇怪的现象，测试代码例如以下： package com.hisense.tiger.list; import java.util.ArrayList; import java.util.Iterator;
  • 300个涵盖IT各方面的免费资源（上）——商业与市场篇 shoothao seo商业与市场IT资源免费资源
    A.网站模板+logo+服务器主机+发票生成 HTML5 UP:响应式的HTML5和CSS3网站模板。 Bootswatch:免费的Bootstrap主题。 Templated:收集了845个免费的CSS和HTML5网站模板。 Wordpress.org|Wordpress.com:可免费创建你的新网站。 Strikingly:关注领域中免费无限的移动优
  • localStorage、sessionStorage uule localStorage
    W3School 例子   HTML5 提供了两种在客户端存储数据的新方法： localStorage - 没有时间限制的数据存储 sessionStorage - 针对一个 session 的数据存储   之前，这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储，因为它们由每个对服务器的请求来传递，这使得 cookie 速度很慢而且效率也不
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他