- 【安装Stable Diffusion以及遇到问题和总结】
岁月玲珑
AIstablediffusionAI编程AI作画
在本地安装部署StableDiffusion,需要准备好硬件环境,安装相关依赖,然后配置模型。下面为你详细介绍安装部署的步骤:一、硬件要求显卡:需要NVIDIAGPU,显存至少6GB,推荐8GB及以上。系统:Windows10/11、Linux(Ubuntu等)或macOS(需要Rosetta2)。内存:至少16GBRAM。存储空间:准备10GB以上的可用空间。二、软件准备首先要安装Python和
- 【PyTorch】保存和加载模型
Jackilina_Stone
#DeepLearningpytorchpython人工智能深度学习模型
目录■state_dict■用于推理的保存和加载模型保存/加载state_dict保存/加载整个模型以TorchScript格式导出/加载模型■保存和加载用于推断和/或恢复训练的一般检查点(Checkpoint)■将多个模型保存在一个文件中■使用来自不同模型的参数进行暖启动(Warmstarting)模型■跨设备保存和加载模型保存在GPU,加载到CPU保存在GPU,加载到GPU保存在CPU,加载到
- docker: Error response from daemon: could not select device driver ““ with capabilities: [[gpu]].
这个错误表明Docker无法识别或加载支持GPU所需的设备驱动程序。以下是完整的解决方案和根本原因分析,结合最新技术和实践整理:根本原因分析缺少NVIDIAContainerToolkit现代Docker依赖NVIDIAContainerToolkit(前身为nvidia-docker2)实现GPU透传,未安装时无法调用GPU驱动。Docker配置未启用NVIDIA运行时需在daemon.json
- centos 7 安装NVIDIA Container Toolkit
几道之旅
centoslinux运维
要在CentOS7上离线安装NVIDIAContainerToolkit,需确保已安装NVIDIA驱动和Docker环境。以下是完整步骤及注意事项:⚙️一、环境准备验证NVIDIA驱动运行nvidia-smi确认驱动已正确安装,若未安装需先离线安装驱动:下载对应GPU型号的驱动包(如NVIDIA-Linux-x86_64-xxx.run)。禁用系统自带nouveau驱动(修改/etc/modpro
- 暴雨携AMD ,实现大规模 AI 和 Agentic 工作负载性能突破
BAOYUCompany
服务器
暴雨宣布推出AMDInstinct™MI355XGPU,为客户提供更多选择。与上一代相比,大规模AI训练和推理工作负载的性价比将提高超过两倍。暴雨将推出由新的AMDInstinct处理器以及多达131,072个MI355XGPU提供支持的AI集群,助力客户大规模构建、训练和推理AI。暴雨公司执行副总裁表示:为了支持在云端运行高要求AI工作负载的客户,我们致力于提供广泛的AI基础设施产品。AMDIn
- 异构计算解决方案(兼容不同硬件架构)
ARM2NCWU
硬件架构
异构计算解决方案通过整合不同类型处理器(如CPU、GPU、NPU、FPGA等),实现硬件资源的高效协同与兼容,满足多样化计算需求。其核心技术与实践方案如下:一、硬件架构设计异构处理器组合主从协作模式:采用通用CPU(如ARMCortex-M3)作为主处理器,搭配专用协处理器(如MSP430微控制器)处理特定任务(如射频通信),通过串口/USB/以太网实现通信。众核架构:集成CPU、GPU、N
- MI300X vs H100:DeepSeek 部署在哪个 GPU 上性价比最高?
卓普云
技术科普AIGC人工智能DeepseekH100MI300x
随着大模型部署和推理变得越来越普及,开发者和企业对GPU的选择也越来越挑剔。特别是像DeepSeek这样的开源模型家族,从轻量级的6.7B,到动辄上百亿甚至数百亿参数的超大模型,背后对算力和显存的要求各不相同。最近,一则重磅消息在AI圈引起了轩然大波:连AI巨头OpenAI也在探索并计划使用AMDInstinctMI300xGPU!这无疑是对AMD这款高性能GPU的巨大认可,也预示着它将在AI算力
- 【软件系统架构】系列四:嵌入式软件-NPU(神经网络处理器)系统及模板
目录一、什么是NPU?二、NPU与CPU/GPU/DSP对比三、NPU的工作原理核心结构:数据流架构:四、NPU芯片架构(简化图)五、NPU的优势六、NPU应用场景视觉识别语音识别自动驾驶智能监控AIoT设备七、主流NPU芯片/架构实例八、开发者工具生态(通用)九、NPU集成建议(嵌入式开发场景)十、NPU芯片选型对比+模型部署流程+嵌入式工程模板1.主流NPU芯片选型对比表2.模型部署流程(以T
- 编译OpenCV支持CUDA视频解码
AI标书
pythonopenvccudanvidiadockerbuild
如何在Ubuntu上编译OpenCV并启用CUDA视频解码支持(cudacodec)在深度学习、视频处理等高性能计算领域,OpenCV的GPU加速功能非常重要。特别是它的cudacodec模块,能直接利用NVIDIA硬件实现高效的视频解码,极大提升性能。本文将基于Ubuntu环境,详细介绍从环境准备到编译安装OpenCV,并开启cudacodec模块的全过程。完整的shell脚本以及本次编译所用到
- Milvus向量数据库:处理和分析大规模向量数据
concisedistinct
人工智能milvus数据库向量人工智能机器学习高可用容灾
目录一Milvus概述性能可扩展性易用性二Milvus的核心技术1向量索引HNSWIVFPQ2GPU加速3分布式架构分布式三深入了解Milvus的技术细节1存储机制持久化存储内存存储2数据导入与导出批量导入实时导入3高可用性与容灾机制数据副本自动故障恢复数据备份与恢复四实践中的Milvus1电商平台的图像搜索系统架构性能优化2金融行业的风险控制系统架构成果与展望五结语在当今数据驱动的世界中,处理和
- 开源新王MiniMax -M1 vLLM本地部署教程:百万级上下文支持成大模型领域新标杆!
算家计算
模型构建开源人工智能MiniMax-M1模型部署教程算家云
一、模型介绍MiniMax-M1是由中国AI公司MiniMax于2025年6月17日推出的全球首个开源大规模混合架构推理模型,凭借其百万级上下文支持、超高效计算性能和突破性成本表现,成为大模型领域的新标杆。MiniMax-M1型号可以在配备8个H800或8个H20GPU的单个服务器上高效运行。在硬件配置方面,配备8个H800GPU的服务器可以处理多达200万个令牌的上下文输入,而配备8个H20GP
- CUDA与venv的配置
老兵发新帖
经验分享
根据技术原理和实际配置经验,CUDA工具包本身无法完全安装在Python的venv虚拟环境目录中,但可通过环境变量和依赖管理实现虚拟环境对特定CUDA版本的调用。以下是关键分析及配置方案:⚙️一、CUDA工具包的安装位置与虚拟环境的关系系统级全局安装CUDA工具包(含nvcc编译器、CUDA运行时库等)必须安装在系统全局路径(如Windows的C:\ProgramFiles\NVIDIAGPUCo
- Pytorch血泪安装史好吗(GPU版本+cuda12.1+python3.9.13)
宇宙最强袋鼠
pytorchpython人工智能
1.安装cuda首先看下自己电脑是CPU还是GPU,看自己电脑对应的cuda版本看右下角英伟达标识,点击组件,我的cuda版本是12.3,但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn前两步可以看参考:Pytorch的安装,有点繁琐但是很详细,保姆级教程不信你安装不成功(Cuda+Cudnn+Anaconda+Pytorch)_pytorch安装-CSDN博客3.anaco
- 华为仓颉鸿蒙HarmonyOS NEXT ArkTS应用使用仓颉混合开发实例
暗雨,
华为harmonyosharmonyos5
在鸿蒙HarmonyOSNEXT中,ArkTS与仓颉语言的混合开发可通过ArkUI的XComponent组件实现。仓颉负责高性能逻辑(如并发计算、底层算法),ArkTS负责声明式UI构建,两者通过NativeAPI(NAPI)交互。以下为完整实现步骤与实例:一、混合开发原理角色分工ArkTS:构建UI布局、事件响应、基础组件。仓颉:处理CPU/GPU密集型任务(如实时渲染、复杂算法)。通信桥梁XC
- 基于FPGA的数字图像处理【1.5】
BinaryStarXin
FPGA图像处理fpga开发FPGA与图像处理FPGA技术优势硬件工程dsp开发射频工程驱动开发
第2章FPGA与图像处理随着图像分辨率的大幅度提升和图像处理算法复杂度的提升,传统的串行处理器已经越来越不能满足图像处理的实时性需求。多核结构处理、GPU处理及FPGA很快在实时性图像处理领域得到了迅速的发展。本章将重点介绍基于FPGA的实时性图像处理。FPGA通过为每个功能建立单独的硬件来实现整个应用程序所需要的逻辑功能,这使其很适合图像处理,尤其是采用流水线来处理视频流,可以在同一个时刻进行多
- 高通 Camera 架构全景图:Sensor–ISP–DPU–GPU 数据流向解析
观熵
影像技术全景图谱:架构调优与实战架构接口隔离原则影像Camera
高通Camera架构全景图:Sensor–ISP–DPU–GPU数据流向解析关键词高通Snapdragon、Camera架构、ISP模块、DPU、GPU、数据路径、硬件加速、图像处理流程摘要本文将深入解析高通Snapdragon平台下Camera系统的全链路数据流向,从Sensor输入到ISP图像信号处理、再到DPU显示输出与GPU并行处理的完整通路。通过结合MSM系列SoC的实际驱动架构与硬件模
- CUDA编程:优化GPU并行处理与内存管理
Omoo
CUDAGPU并行处理线程协作内存管理硬件限制
背景简介CUDA是NVIDIA推出的一种通用并行计算架构,它利用GPU的强大计算能力来解决复杂的计算问题。在本书的第12章中,我们深入探讨了CUDA编程的关键概念,包括线程间的协作、内存分配与管理以及如何应对硬件限制。CUDA中的线程协作与内存管理在GPU上进行编程时,我们需要处理内存分配、数据传输以及内核(kernel)的调用等任务。CUDA提供了一系列的API来帮助开发者管理这些资源。在提供的
- 揭秘GPU技术新趋势:从虚拟化到池化
科技互联人生
科技数码人工智能gpu算力性能优化
从GPU虚拟化到池化 大模型兴起加剧GPU算力需求,企业面临GPU资源有限且利用率不高的挑战。为打破这一瓶颈,实现GPU算力资源均衡与国产化替代,GPU算力池化成为关键。本文深入探讨GPU设备虚拟化途径、共享方案及云原生实现,旨在优化资源利用,推动算力革命。汪照辉,中国银河证券杰出架构师,深耕容器云、微服务、DevOps等数据转型技术,见解独到。他倡导
- 深入GPU编程:从硬件架构到内核优化
Kaydeon
硬件架构
深入GPU编程:从硬件架构到内核优化在当今由大型模型驱动的AI时代,GPU集群已成为推动技术进步的核心引擎。然而,仅仅让代码在GPU上“运行”与让其“高效运行”之间存在着巨大的性能鸿沟。对于动辄需要数千甚至数万GPU小时进行训练的超大规模模型而言,这一鸿沟直接关系到研发成本、迭代速度和最终的科研成果。一个未经优化的操作可能在不经意间将训练时间延长数倍,造成巨大的资源浪费。PyTorch、Tenso
- CUDA与PyTorch(GPU)的对应关系
CUDA与PyTorch(GPU)的对应关系:(需要自己按需求去找):https://pytorch.org/get-started/previous-versions/表二:CUDAToolkit版本及可用PyTorch对应关系CUDAToolkit版本可用PyTorch版本7.50.4.1,0.3.0,0.2.0,0.1.12-0.1.68.01.1.0,1.0.0,0.4.19.01.1.0
- OpenCV CUDA模块设备层-----设备端(GPU)线程块级别的一个内存拷贝工具函数blockCopy()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述在同一个线程块(threadblock内,将[beg,end)范围内的数据并行地复制到out开始的位置。它使用了CUDA线程协作机制(warp-level或block-level)来实现高效的块级拷贝,通常比简单的逐线程拷贝更快。函数原型_device__stat
- torch-gpu版本 anaconda配置教程
GXYGGYXG
python
教程Pytorch的GPU版本安装,在安装anaconda的前提下安装pytorch_pytorch-gpu-CSDN博客版本对应PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客cuda下载地址CUDAToolkitArchive|NVIDIADevelopercudacudnn
- vllm docker容器部署大语言模型
zhangxiangweide
docker语言模型容器vllm
什么是VLLM?VLLM(VeryLargeLanguageModelInference)是一个高性能、优化显存管理的大模型推理引擎。它的目标是最大化推理吞吐量,并降低显存消耗,让大语言模型(LLMs)在单卡或多GPU服务器上运行得更高效。VLLM的核心优势:高吞吐量:支持批量推理,减少token生成延迟,高效KV缓存管理:优化GPU显存,支持更长的上下文多GPU支持:TensorParallel
- 创建vllm的docker镜像和容器
zhangxiangweide
docker容器运维
首先用docker启动一个容器,需求是将模型所在目录挂在到容器某个路径下,设置gpu的使用数量,设置端口dockerrun-dit--gpusall--ipc=host--namevLLM-p3001:80-v/mnt/d0/checkpoints:/modelspython:3.11在新建的容器内部安装vllm#进入新建容器内部dockerexec-itvLLMbash#安装vllmpipins
- 人像抠图学习笔记
AI算法网奇
人脸识别深度学习宝典深度学习神经网络自动驾驶
目录RobustVideoMatting实时视频抠图Modnet预测脚本人脸分割BiseNetV2MODNetu2net:MODNet方法RobustVideoMatting实时视频抠图Modnet预测脚本Modnet效果有时比RobustVideoMatting好,在衣服分割时,backbone是mobilev2gpu512*512速度22ms。importosimportsysimportar
- YOLO + OpenVINO 在英特尔平台部署实战:性能调优与跨架构加速全流程指南
YOLO+OpenVINO在英特尔平台部署实战:性能调优与跨架构加速全流程指南关键词:YOLOv5、YOLOv8、OpenVINO、英特尔部署、IR模型、异构加速、CPU推理、VPU、GPU、多设备调度、边缘计算摘要:本篇文章聚焦如何使用OpenVINO在英特尔平台高效部署YOLO系列目标检测模型,结合当前主流的YOLOv5与YOLOv8架构,详解模型格式转换、推理接口调用、多设备异构调度与性能优
- CUDA out of memory内存碎片解决方法
weixin_42319617
深度学习
RuntimeError:CUDAoutofmemory.Triedtoallocate704.00MiB(GPU0;16.00GiBtotalcapacity;13.55GiBalreadyallocated;0bytesfree;14.89GiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_s
- PyTorch的Tensor与Variable的区别, detach的作用, with no_grad()
半张紙
computervisionPython
今天复现论文“3DHandShapeandPosefromImagesintheWild”,写代码用到的一些关于PyTorch的基础知识。1.cuda()与cpu()用法:tensorA.cuda()#tensorA是一个tensor类型的变量作用:把tensorA从CPU移动到GPU,方便后续在GPU中计算用法:modelA.cuda()#把modelA是一个神经网络(nn.Module)作用:
- 从7B到671B:DeepSeek R1大模型微调的GPU选型终极指南
卓普云
教程运维服务器gpu算力DeepSeek
当DeepSeekR1系列以7B到671B的参数跨度构建起完整技术栈时,微调场景的硬件选择已演变为一场精密的数学游戏。以FP16精度计算,7B模型微调需要至少14GB显存(含优化器状态),而671B版本则需要惊人的3TB级存储空间。这种指数级增长不仅考验硬件工程师的决策能力,更揭示了算力投资的核心法则:选错GPU的代价,远不止于训练失败——轻则增加30%推理延迟,重则造成百万级硬件成本的浪费。我们
- 20倍推理加速秘诀!揭秘批处理(Batching)的底层优化逻辑 | 附工业级调优指南
Lilith的AI星球
大模型百宝箱人工智能AIGCBatching大模型LLM
1什么是批处理?批处理(Batching)指在模型推理时一次性输入多个样本(如图像、文本序列)而非逐条处理。例如:单样本推理:输入=[样本1]→输出=[结果1]批处理推理:输入=[样本1,样本2,...,样本N]→输出=[结果1,结果2,...,结果N]关键技术价值:通过并行计算最大化硬件利用率,尤其对GPU/TPU等加速器效果显著。2批处理加速推理的三大核心原理2.1并行计算资源榨取(核心机制)
- 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