- 使用MistNet在COCO128数据集上协作训练Yolo-v5
星星失眠️
联邦学习YOLOpython人工智能
本案例介绍如何在MNIST手写数字分类场景中,使用名为MistNet的聚合算法训练联邦学习作业。数据分散在不同的地方(如边缘节点、摄像头等),由于数据隐私和带宽的原因,无法在服务器上聚合。因此,我们不能将所有数据都用于训练。在某些情况下,边缘节点的计算资源有限,甚至没有训练能力。边缘无法从训练过程中获取更新的权重。因此,传统算法(例如,联合平均算法)通常聚合由不同边缘客户端训练的更新权重,在这种情
- yolo使用说明
谢大旭
YOLOpython
yolo-v5代码一、环境准备yolo-v5更像是一个工程算法和v4差不多,只是细节有所不同拉取代码环境要求因为v6用到了torch1.6中的混合精度二、数据准备训练使用的是coco数据集coco数据集很大,训练起来费时间,可以直接用自己数据集来做。建议可以使用的数据集文件组织格式下载的时候需要选择数据的格式就算这个格式不同数据有不同数据的标注格式,格式没对会读取不到测试训练验证数集data配置文
- yolo-v5学习(使用yolo-v5进行安全帽检测错误记录)
谢大旭
pythonYOLOpython
常见错误跑YOLOv5遇到的问题_runtimeerror:aviewofaleafvariablethatrequi_Pysonmi的博客-CSDN博客pythontrain.py--img640--batch16--epochs10--data./data/custom_data.yaml--cfg./models/custom_yolov5.yaml--weights./weights/yo
- YOLO-V5分类实战系列 —— 调优自己的数据集+RK1808部署
X_Imagine
#YOLO-V5分类实战yolov5-cls分类网络RK1808部署项目实战
YOLO-V5分类实战系列——调优自己的数据集1、保存训练和测试图片2、数据归一化3、数据增强3.1、数据增强库:albumentations3.2、数据增强库:torchvision4、ONNXCPU推理4.1、Pt模型转为ONNX4.2、ONNX推理验证4.3、ONNXCPU推理(C++)5、RK1808部署5.1、查看模型输入、输出名字5.2、转换为RKNN模型5.3、C++芯片部署6、调优
- YOLO-V5分类实战系列 —— 快速训练自己的数据集
X_Imagine
目标检测#YOLO-V5分类实战分类yolov5-cls深度学习
YOLO-V5训练自己的分类模型1、获取官方源码2、测试官方源码2.1、公开数据集测试源码3、源码模块解析3.1、数据读取4、快速开始训练自己的数据4.1、准备自己的数据4.2、配置训练参数1、获取官方源码官方代码:https://github.com/ultralytics/yolov5更新版本:v6.2添加了分类模块,v7.0添加分割模块,所以至少要下载v6.2之后的版本环境安装:按照下面的方
- YOLO-V5
QTreeY123
yoloYOLO深度学习人工智能目标检测计算机视觉
目录Yolov5网络结构图1.2网络结构可视化1.2.1Yolov5s网络结构1.2.2Yolov5m网络结构1.2.3Yolov5l网络结构1.2.4Yolov5x网络结构核心基础内容2.1Yolov3&Yolov4网络结构图2.1.1Yolov3网络结构图2.1.2Yolov4网络结构图2.2Yolov5核心基础内容2.2.1输入端(1)Mosaic数据增强(2)自适应锚框计算(3)自适应图片
- 项目实践 | 基于YOLO-V5实现行人社交距离风险提示
小白学视觉
网络python人工智能深度学习神经网络
点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达本文转自:opencv学堂1、与YOLOV4的区别Yolov4在Yolov3的基础上进行了很多的创新。比如输入端采用mosaic数据增强,Backbone上采用了CSPDarknet53、Mish激活函数、Dropblock等方式,Neck中采用了SPP、FPN+PAN的结构,输出端则采用CIOU_Loss、DIOU_nms操作
- YOLO5分钟上手实战!
浪子SJ
YOLO深度学习pytorch神经网络
参考教程:DataXujing/YOLO-v5:PytorchYOLOv5训练自己的数据集超详细教程!!!(提供PDF训练教程下载)(github.com)教程特别详细,这里做主要步骤总结,方便下次快速上手主要流程目录一、pipinstall-U-rrequirements.txt,安装如果报错csdn都能找到快速解决答案二、数据集按下面目录排列好三、选择使用的YOLO模型复制过来改下识别种类,有
- YOLO-V5轻松上手
老师我作业忘带了
AI遮天传#YOLO人工智能YOLOpython计算机视觉
之前介绍了YOLO-V1~V4版本各做了哪些事以及相较于之前版本的改进。有的人或许会想“直接学习最近版本的算法不好吗”,在我看来,每一个年代的版本/算法都凝聚着当年学术界的智慧,即便是它被淘汰了也依旧有值得思考的地方,或是可以使我们对后续算法的改进/提出的缺点有更深的理解,进而“凝百家之长”真正开出道花结出道果有自己的感悟。V4出现后,紧接着V5版本就出现了,相比于之前版本,V5出现时没有论文去介
- YOLO-V5 系列算法和代码解析(七)—— 【val.py】指标评估
X_Imagine
#YOLO-V5代码解读yolov5指标评估解析
文章目录调试设置前置知识整体结构核心函数调试设置Debug设置{//使用IntelliSense了解相关属性。//悬停以查看现有属性的描述。//欲了解更多信息,请访问:https://go.microsoft.com/fwlink/?linkid=830387"version":"0.2.0","configurations":[{"name":"Python:CurrentFile","type
- YOLO-V5 系列算法和代码解析(八)—— 模型移植
X_Imagine
#YOLO-V5代码解读深度学习模型移植瑞芯微板子移植YOLOV5
文章目录工程目标芯片参数查阅官方文档基本流程Python版工具链安装RKNPU2的编译以及使用方法移植自己训练的模型工程目标将自己训练的目标检测模型【YOLO-V5s】移植到瑞芯微【356X】芯片平台,使用C++推理,最终得到预期的结果。芯片参数芯片参数介绍:https://www.rock-chips.com/a/cn/product/RK35xilie/2021/0113/1273.htmlC
- 基于YOLO-V5的结核杆菌目标检测系统【毕业设计,AI+医疗】
毕设论文辅导
目标检测YOLO深度学习课程设计卷积神经网络目标检测
项目背景结核病(Tuberculosis,TB)是由结核分枝杆菌(Mycobacteriumtuberculosis)引起的一种慢性人畜共患病,它不受年龄、性别、种族、职业、地区的影响,人体许多器官、系统均可患结核病,其中以肺结核最为常见。结核病既是一个公共卫生问题,也是一个社会经济问题,对人类的公共健康构成很大威胁,因此对其快速诊断检测就至关重要。虽然染色处理可以使得结核杆菌在显微镜拍摄的医学图
- Colab白嫖指南——以训练YOLO-v5为例
Mr. Wanderer
机器学习
文章目录前言前期准备上传数据集到google-drive创建googlecolaboratoryColab实现模型训练开启GPU加速Colab连接google-drivegitcloneyolo5代码,并适配我们的任务运行训练文件前言本文是在看了《学生党白嫖之GPUGooglecolab训练深度学习模型》一文之后,按照作者所述内容复现的Colab训练YOLO-v5的模型实验。本文将《学生党白嫖之G
- 基于YOLO-V5的口罩佩戴检测系统【毕业设计】
毕设论文辅导
深度学习目标检测计算机视觉课程设计pytorch
完整项目演示视频:【毕业设计】基于YOLO-V5的口罩佩戴检测系统演示视频一、系统说明基于Yolo-V5算法对图片(或者视频等)中的人检测其是否配搭口罩,分为以下三类:1.佩戴口罩2.未佩戴口罩3.佩戴不正确二、本视频演示内容1.数据集(包括图片和标签)演示2.口罩佩戴的目标检测模型训练演示3.使用PyQt绘制好界面,并演示最终效果项目代码结构截图如下:数据集部分图片展示:yoloV5训练脚本代码
- 基于YOLO-V5的吸烟行为检测系统演示视频【毕业设计】
毕设论文辅导
目标检测目标检测深度学习计算机视觉课程设计pytorch
完整项目演示视频:【毕业设计】基于YOLO-V5的吸烟行为检测系统演示视频一、系统说明基于Yolo-V5算法对图片(或者视频等)中的人吸烟行为进行检测二、本视频演示内容1.数据集(包括图片和标签)演示2.吸烟检测的目标检测模型训练演示3.使用PyQt绘制好界面,并演示最终效果项目代码结构截图如下:数据集部分图片展示:yoloV5训练脚本代码:train.py:yoloV5训练脚本代码:train.
- 基于YOLO-V5的安全帽佩戴检测系统【毕业设计】
毕设论文辅导
目标检测深度学习pytorch计算机视觉卷积神经网络
完整项目演示视频:【毕业设计】基于YOLO-V5的安全帽佩戴检测系统演示视频一、系统说明基于Yolo-V5算法对图片(或者视频、摄像头等)中的人检测其是否佩戴安全帽,分为以下两类:1.佩戴安全帽(Helmet标签)2.未佩戴安全帽(Head标签)二、本视频演示内容1.数据集(包括图片和标签)演示2.安全帽佩戴的目标检测模型训练演示3.使用PyQt绘制好界面,并演示最终效果项目代码结构截图如下:数据
- 基于YOLO-V5的农林害虫智能检测系统【毕业设计】
毕设论文辅导
课程设计深度学习pytorch卷积神经网络目标检测
项目完整演示视频:【毕业设计】基于YOLO-V5的农林害虫智能检测系统演示视频项目代码结构截图如下:数据集部分图片展示:yolov5训练脚本:#YOLOv5byUltralytics,GPL-3.0license"""TrainaYOLOv5modelonacustomdatasetUsage:$pythonpath/to/train.py--datacoco128.yaml--weightsbe
- YOLO-V5 算法和代码解析系列(一)—— 快速开始
X_Imagine
#YOLO-V5代码解读python深度学习yolo-v5教程之重新训练
文章目录运行环境配置Demo重新训练YOLO-V5s运行环境配置 环境配置的官方教程如下,如果一些库安装失败,导致安装中断,可以单独安装一些库,比如Pytorch,然后再执行下列安装步骤,具体如下: 个人建议:在上述安装之前,先安装Anaconda,然后创建虚拟环境。Anconda以及相关Pytorch开发环境配置,可以参考本人的博客文章,相关的链接如下,Ubuntu:https://blog
- YOLO-V5 系列算法和代码解析(五)—— 损失函数
X_Imagine
#YOLO-V5代码解读python深度学习yolov5损失函数扩增正样本
文章目录基本简介调试准备损失函数基本简介 损失函数是神经网络的重要组成部分,用于评估网络的预测值和真实值的差异度。根据偏差的大小,反向调整网络的训练参数,迭代优化使得损失尽量小,也就得到最优的网络参数。调试准备debug设置具体设置可以参考上一篇博文:YOLO-V5系列算法和代码解析(三)——训练数据加载。调试过程中,为了避免输出的中间变量太长,关闭【mosaic】数据增强功能。关闭方法:【da
- YOLO-V5 算法和代码解析系列(二)—— 【train.py】核心内容
X_Imagine
#YOLO-V5代码解读算法python开发语言
文章目录调试设置整体结构代码解析ModelTrainloader分布式训练FreezeOptimizerSchedulerEMA调试设置调试平台:Ubuntu,VSCode调试设置,打开【/home/slam/kxh-1/2DDection/yolov5/.vscode/launch.json】,操作如下图所示,内容配置如下代码片段所示,根据需求修改【debug】参数,{//使用IntelliSe
- YOLO-V5 系列算法和代码解析(三)—— 训练数据加载
X_Imagine
#YOLO-V5代码解读算法python开发语言
文章目录调试准备Debug设置代码修改调试数据代码运行逻辑类初始化启动迭代器数据增强调试准备 为了便于阅读代码和打印中间变量,需进行调试模式下运行代码。配置平台:Ubuntu,VSCode。在上一篇博文中,我们简单探讨过调试的设置。在该篇博文中,需要深度阅读代码,所以需要详细设置【Debug】参数,便于调试。Debug设置 为了保证每次只读取同样的数据样本,我们选择单卡、单进程、单线程模式进行
- YOLO-V5 系列算法和代码解析(四)—— 网络结构
X_Imagine
#YOLO-V5代码解读算法深度学习YOLO-V5网络结构
文章目录辅助工具网络配置文件网络构建网络推理绘制网络结构辅助工具 借助辅助工具可视化网络结构,达到辅助阅读代码,进而辅助手动绘制结构清晰的网络结构,最终理解整个网络架构的目的,为深入学习【yolo-v5】提供有效的保障。tensorboard根据训练的日志文件(在exp目录下),可视化命令,tensorboard--logdir="日志路径",参考下图,然后在浏览器打开链接【http://loc
- YOLO-V5 算法和代码解析系列 —— 学习路线规划综述
X_Imagine
#YOLO-V5代码解读算法学习人工智能yolov5
目录标题为什么学习YOLO-V5?博客文章列表面向对象开源项目学习方法预备知识项目目录结构为什么学习YOLO-V5?算法性能:与YOLO系列(V1,V2,V3,V4)相比,YOLO-V5效果最好,速度最快。项目质量:自项目开源,作者一直精心维护,优化,更新,目前已经更新到V7版本,项目整体质量非常高。工业部署:在工业界,要能够部署到低性能设备,并且保证效果和速度。为此,模型不能太大、不能有特别复杂
- yolov5的个人使用记录
狮子王--
深度学习人工智能
yolo-v5实现步骤:准备阶段——数据整理——模型训练——模型推理准备阶段:需要的硬件,软件的安装,环境的配置数据整理:图片标签标注,训练集和验证集模型训练:模型中参数的设置,训练方法,获得训练模型模型推理:用训练好的模型对新的数据进行推理和验证对于yolo-v5搭建1.注意yolov5-5.0文件夹下的VOCdevkit文件夹对于images文件夹如下图所示,其中train与val均为jpg的
- 【目标检测算法】YOLO-V5网络框架与代码分析
三木今天学习了嘛
#目标检测目标检测算法网络
文章目录一YOLOv5网络架构与组件1.1Focus模块1.2CSPNet模块1.3SPP(SpatialPyramidPooling)1.4PANet(Path-AggregationNetwork)二YOLOv5代码2.1激活函数及代码2.2网络组件代码池化自动扩充标准卷积:conv+BN+SiluBottleneck模块CSP模块SPP模块空间金字塔池化Focus模块2.3数据集创建相关代码
- 最详细的YOLO-V5模型配置文件yaml结构理解
Prymce-Q
python人工智能计算机视觉
文章目录前言一、yolov5配置yaml文件二、模型结构详解图总结前言YOLO-V5(GIT链接):https://github.com/ultralytics/yolov5一、yolov5配置yaml文件#YOLOv5byUltralytics,GPL-3.0license#Parametersnc:80#numberofclassesdepth_multiple:1.0#modeldepthm
- 【目标检测算法】YOLO-V5实战检测VOC2007数据集
三木今天学习了嘛
#目标检测目标检测算法python
文章目录一、项目克隆与环境配置1.下载源码2.安装依赖包二、自定义数据集导入和预训练权重1.导入自定义数据集2.获得预训练权重三、修改配置文件1.data目录中的yaml文件2.model目录中的yaml文件四、开始训练train.py1.必须修改的参数2.利用tensorbord查看参数3.训练结果4.检测训练后的网络5.自己标定一个新的图片来验证6.开启摄像头参考博客:目标检测—教你利用yol
- Pytorch:YOLO-v5目标检测(上)
zstar-_
pytorch
在目标检测方面比较流行的是yolo和ssd两种算法。本篇内容就记录如何使用YOLO-v5进行目标检测。由于整体篇幅很长,故分为上下两篇,本篇为上篇,记录如何跑通yolo-v5代码,并对coco128数据集进行训练测试。下篇将会记录如何标注数据,训练自己的数据集。文章目录1.YOLO简介2.YOLO模型3.配置环境4.简单测试5.下载coco128数据集6.开始训练7.模型评价可视化8.上传图片进行
- 【目标检测】YOLOv5跑通VOC2007数据集
zstar-_
专业课相关目标检测目标检测深度学习计算机视觉
前言如果经常阅读我博客的读者,想必对YOLOv5并不陌生。在Pytorch:YOLO-v5目标检测(上)一文中,我使用了coco128数据集,非常轻松的跑通了。然而在使用VOC2007数据集时,却遇到重重阻碍。主要问题在数据标签转化这个阶段,VOC数据集标注形式是xml,需要将其转换为txt。很多博文并未把文件的放置位置交代清楚,导致走了不少弯路,本篇博文就记录如何不走弯路地跑通VOC数据集。VO
- 目标检测: 一文读懂 Mosaic 数据增强
大林兄
目标检测opencv计算机视觉目标检测
前言在Yolo-V4、Yolo-V5中,都有一个很重要的技巧,就是Mosaic数据增强,这种数据增强方式简单来说就是把4张图片,通过随机缩放、随机裁减、随机排布的方式进行拼接。Mosaic有如下优点:(1)丰富数据集:随机使用4张图片,随机缩放,再随机分布进行拼接,大大丰富了检测数据集,特别是随机缩放增加了很多小目标,让网络的鲁棒性更好;(2)减少GPU显存:直接计算4张图片的数据,使得Mini-
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/