- DeepSeek各模型现有版本对比分析
墨染夜雨笺
DeepSeekAI
文章目录一、基础模型系列:V1到V3的演进二、专用模型系列:推理与多模态三、版本选型与商业化趋势DeepSeek作为最近特别火爆的模型,本文将对DeepSeek现有的主要版本进行对比分析,涵盖参数规模、训练数据、功能改进、应用场景和性能表现等方面。一、基础模型系列:V1到V3的演进DeepSeek-V1发布时间:2024年1月特点:首代模型,专注于自然语言处理(NLP)和编码任务,支持128K标记
- 伏羲加密系统的运行原理?为什么deepseek的创始人在巴黎AI峰会上使用的是全息量子投影技术?
九张算数
人工智能人工智能
现场,所有人都被眼前的景象惊得瞪大了眼睛,嘴巴微张,完全沉浸在震撼之中,甚至连鼓掌都忘记了。原来,他们正在目睹梁文峰带来的量子全息技术3D投影展示。据了解,这套投影技术的误差竟然只有0.1毫米,延迟仅1.2毫秒,更令人惊叹的是,它的耗电量极低。与会者们在回过神后,纷纷对这项技术发出由衷的赞叹。梁文峰透露,此次线上会议的总耗电量,仅仅相当于煮一壶咖啡所需的电量。目前,这项技术已经申请了27项专利,消
- 大数据的核心要点之一,数据作为资产是怎样入表的?
九张算数
数据治理大数据
**一、数据资产入表核心框架**基于《企业会计准则》及《企业数据资源相关会计处理暂行规定》,数据资产入表需满足:可控制性(企业拥有数据所有权或使用权)可计量性(成本或价值可量化)经济利益可预期性(能带来未来收益)二、数据资产入表全流程示例数据资产识别与分类场景:网城亮科技的数据资产类型:生产数据:设备传感器数据、良品率记录、工艺参数供应链数据:供应商评级、物流时效记录、库存周转率客户数据:订单历史
- 电子科大考研经验分享
bugmaker.
杂谈机器学习
最近有好多学弟学妹问我考研相关的问题,我大致总结了一下,无非就是考研和就业相关的问题。趁着我还没忘记,写一篇博客跟大家分享一下我的考研经历,给大家做个参考。先说考研选择大于努力选择大于努力,这是我考完研之后最大的感受。举个栗子:今年中科大的软件,400多分的人有400多个,这意味着如果你初试成绩不在400以上,上岸的机会就很渺茫了,反观中山大学的人工智能,320多分就排到了第二名。所以正确评估自己
- DeepSeek 智慧城市应用:交通流量预测(918)
web13508588635
面试学习路线阿里巴巴智慧城市人工智能
**摘要:**本文探讨了利用DeepSeek技术框架解决城市交通流量预测问题的方法,主要内容包括基于时空图卷积网络(ST-GCN)的预测模型、多传感器数据融合策略以及实时推理API服务的搭建,旨在为智慧城市的交通管理提供高效、准确的解决方案。**引言:**随着城市化进程的加速,交通拥堵成为城市发展的顽疾。准确的交通流量预测对于优化交通管理、提升出行效率至关重要。DeepSeek作为先进的技术框架,
- DeepSeek为云厂商带来新机遇,东吴证券看好AI带动百度智能云增长
大力财经
人工智能百度
近日,摩根士丹利(亚洲)发布研究报告《DeepSeek-AlBifurcation》,报告指出DeepSeek的爆火催生了低成本人工智能市场,为数据中心、芯片及云服务提供商带来新的发展机遇。同时,东吴证券发布研究报告维持百度“买入”评级,看好AI给集团云业务带来新发展机遇。在百度发布的2024年第四季度及全年财报中显示,百度智能云业务第四季度营收同比增长26%,在国内大模型市场中标项目数、行业覆盖
- 西安电子科技大学电子与通信工程考研经验分享
西电研梦
考研经验分享
在考研择校与考研专业上,我是非常纠结的。我是有名校情结的,我想考一个名声非常响的学校。我当时的第一选择是北京理工大学,因为它位于首都嘛,位置好,学科实力也强,她是我非常非常向往的。然后我上网查了相关的资料,我发现考北京理工学校是一个非常有风险,非常有困难的事情。偶然间,我在帖子上看到了学长考西安电子科技大学的经验,我怀着一些不确定的心情去查了相关的资料,最后我发现西电的学科水平非常不错,然后我就选
- Python爬虫实战:电商数据爬取与价格趋势分析
Python爬虫项目
2025年爬虫实战项目python爬虫开发语言零售mongodb人工智能
摘要本文详细介绍了如何使用Python编写爬虫程序,从电商网站抓取商品数据,并对价格趋势进行分析。我们将使用最新的爬虫技术和数据分析工具,包括Selenium、BeautifulSoup、Pandas和Matplotlib等。通过本文,读者将学习到如何构建一个完整的电商数据爬取与分析系统,并掌握相关技术在实际项目中的应用。关键词Python爬虫、电商数据、价格趋势分析、Selenium、Beaut
- 正则化技术和模型融合等方法提高模型的泛化能力
小赖同学啊
人工智能人工智能
在机器学习和深度学习中,提高模型的泛化能力至关重要,正则化技术和模型融合是两种有效的手段,以下将详细介绍它们的原理、常见方法及代码示例。正则化技术原理正则化是通过在损失函数中添加一个正则化项,来限制模型的复杂度,防止模型过拟合训练数据,从而提高模型在未见过数据上的泛化能力。正则化项通常与模型的参数相关,通过惩罚过大的参数值,使模型更加平滑和简单。常见方法L1正则化(Lasso正则化)原理:在损失函
- python包安装相关-conda,pip-虚拟环境
hn_lgc
python深度学习anaconda
运行python的时候一定要注意当前运行所在环境位置,环境位置不同,包含的依赖包是不同的,然后不注意的话就是出很多莫名其妙的问题,比如一个pycharm里面不能运行的东西,命令行又能运行啥的PIP使用的一些点:pip安装包的时候加上后缀--prefer-binary不用最新的包,这样能避免很多包冲突安装不上的问题。为什么anaconda环境中,还需要用pip安装包,anaconda本身只提供部分包
- 算力100问☞第59问:如何评估大模型的性能?
正儿八经的数字经
算力经济人工智能机器学习大模型
目录1、评估指标2、评估方法3、相关案例评估大模型的性能可以从多个维度进行,包括准确性、效率、鲁棒性、公平性等。以下是详细的评估指标、评估方法和案例示意:1、评估指标(1)准确性(Accuracy)事实正确性:衡量模型生成内容与真实事实的一致性,通常使用BLEU、ROUGE、BERTScore等指标。生成质量:评估生成内容的语义、逻辑和流畅性,常用的指标包括METEOR、PRISM等。(2)效率(
- 第5关:线性代数
-阿呆-
#numpy数组的高级操作线性代数矩阵python
任务描述本关任务:编写一个能求解线性方程的函数。相关知识为了完成本关任务,你需要掌握:如何使用numpy进行矩阵运算点积和matmul的区别。numpy的线性代数线性代数(如矩阵乘法、矩阵分解、行列式以及其他方阵数学等)是任何数组库的重要组成部分,一般我们使用*对两个二维数组相乘得到的是一个元素级的积,而不是一个矩阵点积。因此numpy提供了线性代数函数库linalg,该库包含了线性代数所需的所有
- 融云 IM 干货丨如果云存储数据被泄露,用户应该怎么办?
融云即时通讯
云存储数据泄露后的应对措施云存储数据泄露是一个严重的问题,需要迅速采取一系列措施来减少损失并防止进一步的数据泄露。以下是一些关键的应对措施:1.确认泄露情况立即调查:一旦怀疑数据泄露,应立即进行调查,确认泄露的范围和性质。了解哪些数据被泄露,泄露的途径是什么,以及可能的受影响用户。2.通知相关方通知用户:如果用户数据受到影响,应尽快通知用户,告知他们数据泄露的情况,并提供必要的补救措施。通知执法机
- Title: Empowering Social Network Intelligence with AI Agents
诗远小一
人工智能大数据
AIagents,poweredbyadvancementsinlargelanguagemodels(LLMs)andmultimodalAItechnologies,arerevolutionizingsocialnetworksbyofferingdeeperinsightsintouserinteractions,contentdynamics,andcommunitybehaviors.
- 2025年,微服务架构和大模型能“玩出”什么新花样?
2025年开年,DeepSeek开源模型以“低成本、高性能”成功掀起AI平价化浪潮,并以惊人的速度渗透至各个领域。在AI平价化浪潮的推动下,微服务架构正迎来前所未有的变革机遇。微服务架构通过将系统拆解为多个小型、独立的服务,每个服务运行在自己的进程中,负责特定的业务功能。与单体架构相比,微服务架构实现了更高的灵活性、可扩展性和可维护性,这些特性使其成为现代软件开发的首选。然而,随着企业应用规模和复
- 云平台结合DeepSeek的AI模型优化实践:技术突破与应用革新
荣华富贵8
程序员的知识储备1经验分享
云平台与AI模型的深度结合已成为推动人工智能技术落地的重要驱动力。DeepSeek(深度求索)作为前沿AI模型的代表,通过与云计算的深度融合,在技术架构和应用场景层面实现了突破性进展。以下从技术突破和应用革新两个维度进行系统解析:---###**一、技术突破:云原生AI架构的进化**####1.**弹性算力调度体系**-**动态资源分配**:基于Kubernetes的智能调度器实现GPU资源的细粒
- 系统架构设计:软件测试需要掌握的常用方法
Dola_Pan
系统架构设计系统架构
软件测试是软件开发过程中不可或缺的一部分,其目的是确保软件产品的质量和性能。本文将详细介绍软件测试的重要知识点,并附上相关代码示例,帮助读者更好地理解和应用这些知识。一、软件测试的定义与目的1.定义软件测试是在规定的条件下对程序进行操作,以发现程序错误,衡量软件质量,并对其是否能满足设计要求进行评估的过程。2.目的提高软件质量,确认软件做了你所期望的事情,并以正确的方式实现。提供反馈信息,为风险评
- DeepSeek:通用人工智能的探路者与技术革新者——从技术架构到应用生态的全方位解析
sanggou
人工智能架构
一、DeepSeek的发展历程:中国AGI先锋的崛起DeepSeek(深度求索)成立于2023年,是中国人工智能领域的一颗新星。尽管成立时间较短,但其发展速度与技术突破令人瞩目:2023年:公司成立,核心团队由来自全球顶尖高校(如MIT、斯坦福)和科技企业(如GoogleBrain、OpenAI)的AI科学家组成,专注于AGI(通用人工智能)技术的研发。2024年初:推出首个公开产品DeepSee
- 大模型知识蒸馏:技术突破与应用范式重构——从DeepSeek创新看AI基础设施演进路径
大模型服务器厂商
重构人工智能
一、知识蒸馏的技术哲学演进知识蒸馏(KnowledgeDistillation)作为模型压缩领域的核心技术突破,其发展轨迹折射出人工智能从"规模崇拜"向"效率优先"的范式转变。传统知识蒸馏框架主要关注概率分布层面的知识迁移,但DeepSeek等前沿项目展示出更复杂的知识萃取机制。最新研究表明,知识传递已从单纯的输出层模仿,发展到注意力模式迁移(AttentionTransfer)、隐层特征对齐(H
- RAG技术全面解析:从原理到实践中的20个关键问题
大F的智能小课
大模型理论和实战人工智能深度学习算法语言模型
一、基础概念与原理1.RAG是什么?与传统生成模型的区别是什么?RAG定义检索增强生成(Retrieval-AugmentedGeneration,RAG)是一种结合检索技术与生成模型的技术。其核心流程是:用户提问后,系统从外部知识库(如文档、数据库)中检索相关文档片段;将检索结果作为上下文输入大语言模型(LLM);LLM基于上下文生成最终答案。与传统生成模型的对比维度传统生成模型(如GPT-3)
- Elasticsearch 相关面试题
一切顺势而行
elasticsearch
1.Elasticsearch基础Elasticsearch是什么?Elasticsearch是一个分布式搜索引擎,基于Lucene实现。Mapping是什么?ES中有哪些数据类型?Mapping:定义字段的类型和属性。数据类型:text、keyword、integer、float等。2.什么是全文检索?全文检索是一种基于文本内容的检索方式。3.ES支持哪些类型的查询?全文查询:match、que
- DeepSeek颠覆传统教育:揭秘AI作业批改如何实现秒级反馈与精准提升
Coderabo
DeepSeekR1模型企业级应用人工智能
DeepSeek智能教育新突破:基于深度学习的作业批改与个性化反馈系统详解一、研究背景与意义在教育数字化转型的浪潮中,DeepSeek研发团队基于自研大语言模型,构建了新一代智能作业批改系统。该系统通过深度学习技术实现作业的自动化评分与个性化反馈,有效解决了传统教育中教师工作负荷大、反馈周期长、个性化不足等痛点。二、系统架构设计核心模块组成文本预处理模块深度学习评分引擎错误模式识别模块个性化反馈生
- Linux常见命令汇总(2025最新版)
浪子西科
Linuxlinuxchrome运维
Linux常见命令汇总(2025最新版)文章目录Linux常见命令汇总(2025最新版)**一、文件与目录操作****二、文件权限与属性****三、系统信息与管理****四、网络相关****五、压缩与解压****六、用户与权限****七、软件包管理****八、快捷键与技巧****九、文本处理与编辑****十、系统监控与调试****十一、计划任务与后台管理****十二、磁盘与分区管理****十三、高
- 训练神经网络出现nan
崧小果
AI学习记录神经网络深度学习机器学习
在理解和修改QARV的代码时,出现了训练会因为nan而终止的问题,因此学习记录。参考资料Pytorch训练模型损失Loss为Nan或者无穷大(INF)原因Pytorch训练模型损失Loss为Nan或者无穷大(INF)原因_pytorchnan-CSDN博客文章浏览阅读5.6w次,点赞135次,收藏489次。常见原因-1一般来说,出现NaN有以下几种情况:相信很多人都遇到过训练一个deepmodel
- 深度求索DeepSeek:AI大模型的全域应用与技术突破
量子纠缠BUG
DeepSeek部署DeepSeekAI人工智能easyui前端
——从政务到医疗,解析国产大模型的创新实践与未来图景引言:DeepSeek的技术定位与行业价值DeepSeek(深度求索)作为中国AI领域的新锐力量,凭借"低成本、高精度、强场景适配"的差异化优势,在短短两年内实现了从技术研发到行业落地的跨越式发展。其基于DeepSeek-R1系列大模型的创新架构,以600万美元的超低训练成本(仅为OpenAI同类模型的1/30)3,在自然语言处理、逻辑推理、多模
- C/C++内存管理
bbppooi
c++c语言c++学习算法开发语言
1.C/C++内存分布我们先来看下面的一段代码和相关问题intglobalVar=1;staticintstaticGlobalVar=1;voidTest(){staticintstaticVar=1;intlocalVar=1;intnum1[10]={1,2,3,4};charchar2[]="abcd";constchar*pChar3="abcd";int*ptr1=(int*)mall
- DeepSeek:大模型时代的“破局者”
qq_44233281
ai深度学习人工智能
DeepSeek,是谁?DeepSeek,中文名深度求索,是一家成立于2023年7月17日的创新型科技公司,由知名量化资管巨头幻方量化创立,法定代表人系裴湉。公司专注于开发先进的大语言模型(LLM)和相关技术,致力于在人工智能领域实现技术突破和创新应用。在成立后的短时间内,DeepSeek取得了令人瞩目的成绩。2024年1月5日,发布首个包含670亿参数的大模型DeepSeekLLM,该模型从零开
- 鸿蒙HarmonyOS开发实战:网络组件API使用规范总结
冲浪王子_浪浪
HarmonyOSOpenHarmony鸿蒙开发鸿蒙华为前端harmonyos移动开发开发语言策略模式
网络相关类组件模块介绍efAxiosParams提供eftool封装axios请求所需的参数efAxios二次封装axios的产物,提供统一请求响应拦截等efClientApi提供针对于统一post,get,delete,put等请求封装网络组件使用API前言1.efAxiosParams类参数详解/***是否整体传输加密与关键字加密isAllEncrypt互斥二者只能有其一为true*/stat
- 数据挖掘中特征发现与特征提取的数学原理
调皮的芋头
数据挖掘人工智能AIGC计算机视觉
好的,我将深入研究数据挖掘中特征发现与特征提取的数学原理,涵盖统计学基础、特征工程的数学方法、以及在机器学习和深度学习中的应用。我会整理相关数学公式和理论,包括主成分分析(PCA)、独立成分分析(ICA)、线性判别分析(LDA)、信息增益、互信息、方差分析等统计方法,并结合金融量化交易的实际应用,确保内容既有理论深度,又能落地实践。完成后,我会通知您!1.统计学基础:描述性统计、方差分析、相关性与
- 脑洞打开话题:deepseek这么火,什么时候能完全代替人类?
噔噔噔噔@
网络
AI完全代替人类是一个复杂且充满争议的话题,涉及技术、伦理、社会和经济等多个方面。目前来看,AI在某些领域已经表现出超越人类的能力,但要完全代替人类仍然面临许多挑战和限制。以下是关于AI何时可能完全代替人类的一些分析和思考:1.技术层面的限制尽管AI在某些特定任务上已经超越了人类(如图像识别、语音识别、围棋等),但要完全代替人类,AI需要在以下几个方面取得突破:通用人工智能(AGI)目前的AI主要
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
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
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f