- 计算机视觉(八):CNN架构
GeniusAng丶
深度学习计算机视觉深度学习计算机视觉神经网络卷积神经网络python
计算机视觉笔记总目录下面我们主要以一些常见的网络结构去解析,并介绍大部分的网络的特点。这里看一下卷积的发展历史图。1LeNet-5解析首先我们从一个稍微早一些的卷积网络结构LeNet-5,开始的目的是用来识别数字的。从前往后介绍完整的结构组成,并计算相关输入和输出。1.1网络结构激活层默认不画网络图当中,这个网络结构当时使用的是sigmoid和Tanh函数,还没有出现Relu函数将卷积、激活、池化
- 计算机视觉笔记及资料整理
fengf96
计算机视觉笔记及资料整理(含图像分割、目标检测)--这是一个巨佬写的学习资料大全,内容真的很全本文由博客一文多发平台OpenWrite发布!
- GitHub上的计算机视觉学习资料推荐
fengf96
9月份将要读研,导师是做cv的,最近学习时找到了不少的计算机视觉的资料,记录一下,同时也分享给需要的朋友assmdx/ComputerVisionDocAceCoooool/interview-computer-vision(计算机视觉笔记和总结,这个作者整理的比较详细)WangPerryWPY/Computer-Version(中山大学的计算机视觉课程代码)pascal1129/cv_notes
- 计算机视觉笔记本推荐_视觉灵感:Mishti笔记本
weixin_26732881
计算机视觉人工智能
计算机视觉笔记本推荐TheMishtiNotebookisaprojectclosetomyheart,whereinIexperimentedwithscreenprintingtechniquesatthePrintLabsattheNationalInstituteofDesign,Ahmedabad.Datingbacktotheyear2012whentheNIDPrintLabswas
- 大数据分析和计算机视觉笔记 (8) - 卷积神经网络图像分析(Convolution Neural Network Image Analytic)
王踹踹
cv笔记大数据计算机视觉神经网络机器学习深度学习卷积神经网络
深度学习-卷积神经网络图片分析步骤视觉词袋法流程(Bag-of-Visual-Word)深度学习(DeepLearning)神经网络知识背景其他名词损失函数(lossfunction)激活函数多层感知全连接层(FullyConnectedLayer)挑战网络结构设计学习算法为什么选择卷积神经网络?深度学习模型(DeepLearningModel)卷积神经网络卷积层(ConvolutionLayer
- 李飞飞计算机视觉笔记(4)--神经网络训练细节part1
linjiet
机器学习计算机视觉计算机视觉课程笔记李飞飞计算机视觉神经网络训练细节
这里说明一下,因为这个视频是2016年的,可能现在有些东西已经变化。我们将用到以下和方差相关的定理:假设有随机变量x和w,它们都服从均值为0,方差为σ的分布,且独立同分布,那么:•w*x就会服从均值为0,方差为σ*σ的分布•w*x+w*x就会服从均值为0,方差为2*σ*σ的分布是否我们应该需要大量的数据集对模型进行训练?这种认识是错误的,我们一般很少直接对卷积神经网络进行训练,通常会先在大数据集如
- 计算机视觉笔记11.26
几乎几乎
计算机视觉opencv人工智能
边界填充概念:基于原尺寸对图像边界进行填充使用cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,type)函数type是图像填充的形式,BORDER_REPLICATE复制法,即直接复制最边缘的像素BORDER_REFLECT反射法,例:cba||abcd||dcb镜面BORDER_REFLECT_101反射法,例:f
- 计算机视觉(十四):Tensorflow分布式训练
GeniusAng丶
深度学习计算机视觉计算机视觉人工智能神经网络tensorflow分布式训练
计算机视觉笔记总目录当我们拥有大量计算资源时,通过使用合适的分布式策略,我们可以充分利用这些计算资源,从而大幅压缩模型训练的时间。针对不同的使用场景,TensorFlow在tf.distribute.Strategy中为我们提供了若干种分布式策略,使得我们能够更高效地训练模型。1TensorFlow分布式的分类图间并行(又称数据并行)每个机器上都会有一个完整的模型,将数据分散到各个机器,分别计算梯
- 计算机视觉(九):TensorFlow快速入门模型
GeniusAng丶
深度学习计算机视觉tensorflow计算机视觉人工智能python深度学习
计算机视觉笔记总目录1模型构建-Model与Layer在TensorFlow中,推荐使用Keras(tf.keras)构建模型。Keras是一个广为流行的高级神经网络API,简单、快速而不失灵活性,现已得到TensorFlow的官方内置和全面支持。Keras有两个重要的概念:模型(Model)和层(Layer)。层将各种计算流程和变量进行了封装(例如基本的全连接层,CNN的卷积层、池化层等)Ker
- 计算机视觉(十三):Tensorflow执行模式
GeniusAng丶
深度学习计算机视觉计算机视觉人工智能tensorflowkeras深度学习
计算机视觉笔记总目录1EagerExecution与GraphExecution1.1GraphExecution(图模式)特点:预先定义计算图,运行时反复使用,不能改变速度更快,适合大规模部署,适合嵌入式平台TensorFlow的图执行模式是一个符号式的(基于计算图的)计算框架。简而言之,如果你需要进行一系列计算,则需要依次进行如下两步:1、建立一个“计算图”,这个图描述了如何将输入数据通过一系
- 计算机视觉笔记2
qq_38038123
计算机视觉神经网络深度学习机器学习
梯度消亡*解释:神经网络靠输入段的网络层的系数逐渐不再随着训练而变化,或者变化非常缓慢,随着网络层数的增加,这个现象越发明显。梯度消亡前提使用梯度的训练方法(例如梯度下降)使用的激活函数具有输出值范围大大小于输入值的范围,例如logistic函数,tanh函数梯度消亡解决方案激活函数ReLu:f(x)=max(0,x),输入大于0梯度为1,否这为0激活函数LeakyReLu:f(x)=max(ax
- 计算机视觉(四):浅层/深层神经网络
GeniusAng丶
深度学习计算机视觉神经网络深度学习计算机视觉反向传播python
计算机视觉笔记总目录1神经网络的表达能力理解具有全连接层的神经网络的一个方式是:可以认为它们定义了一个由一系列函数组成的函数族,网络的权重就是每个函数的参数。如此产生的问题是:该函数族的表达能力如何?存在不能被神经网络表达的函数吗?现在看来,拥有至少一个隐层的神经网络是一个通用的近似器。在研究(例如1989年的论文ApproximationbySuperpositionsofSigmoidalFu
- 李飞飞计算机视觉笔记(2)--线性分类器损失函数与最优化
linjiet
计算机视觉机器学习计算机视觉课程笔记李飞飞斯坦福计算机视觉损失函数最优化
文章中的词语解释:分类器:完整的神经网络类别分类器:分类器中的某一个输出对应的所有权值(单层全连接神经网络)损失函数:不包括正则式的损失函数正则化损失函数:包括正则式的损失函数多类SVM损失(MulticlassSVMloss)这里偷个懒,SVM损失对应的公式如下图(图片来自李飞飞计算机视觉课件):公式中的下标jjj表示不正确类别,yiy_{i}yi表示正确类别,sss对应是得分向量,而sjs_{
- 网站
想啥诺
日常
第一篇特征提取以及openvslam中的相关实现详解SLAM入门之视觉里程计(5):单应矩阵一行命令解决Ubuntu不能挂载移动硬盘问题Errormounting/dev/sda1at/media/XXXX:Command-line`mount-t“ntfs”-oJupyterNotebook快速入门tensorflow计算机视觉笔记及资料整理(含图像分割、目标检测小方向学习)Bing搜索CVPR
- (计算机视觉笔记)1、初入计算机视觉
Zensaan
计算机视觉人工智能
计算机视觉笔记1、初入计算机视觉文章目录一、人工智能1、什么是人工智能2、人工智能三大核心要素3、算法概念4、机器学习5、深度学习6、神经网络二、计算机视觉1、什么是计算机视觉2、研究方向3、专业工具4、应用领域三、总结一、人工智能1、什么是人工智能被广泛接受的说法:人工智能是通过机器来模拟人类认知能力的技术。人工智能最核心的能力就是根据给定的输入做出判断或预测。该领域的研究包括机器人、图像识别、
- 计算机视觉(七):卷积神经网络(CNN)
GeniusAng
深度学习计算机视觉神经网络cnn深度学习python计算机视觉
计算机视觉笔记总目录1为什么需要卷积神经网络在计算机视觉领域,通常要做的就是指用机器程序替代人眼对目标图像进行识别等。那么神经网络也好还是卷积神经网络其实都是上个世纪就有的算法,只是近些年来电脑的计算能力已非当年的那种计算水平,同时现在的训练数据很多,于是神经网络的相关算法又重新流行起来,因此卷积神经网络也一样流行。1974年,PaulWerbos提出了误差反向传导来训练人工神经网络,使得训练多层
- 李飞飞计算机视觉笔记(3)--反向传播与神经网络初步
linjiet
机器学习计算机视觉计算机视觉课程笔记机器学习计算机视觉反向传播神经网络李飞飞
当前梯度值:上一层传入当前层的梯度值两层神经网络:除开输入层总共为2层的神经网络单层隐藏层的神经网络:与两层神经网络结构一致,我们描述神经网络的层数是通过有多少层的权值来定的,所以输入层不计入层数里面。梯度计算前一篇文章说了梯度计算有两种方法,一种数值方法,直接简单但速度慢,第二种就是解析方法,通过微积分进行计算,计算速度快,但有时候的结果是错误的,所以一般会进行梯度检查的操作。我们一般使用的是解
- 计算机视觉(五):深度学习优化算法
ComAng
深度学习计算机视觉深度学习优化算法机器学习梯度下降python
计算机视觉笔记总目录1优化算法优化的目标在于降低训练损失,只关注最小化目标函数上的表现]深度学习问题中,我们通常会预先定义一个损失函数。有了损失函数以后,我们就可以使用优化算法试图将其最小化。在优化中,这样的损失函数通常被称作优化问题的目标函数(objectivefunction)。依据惯例,优化算法通常只考虑最小化目标函数。1.1优化遇到的挑战局部最优梯度消失1.2局部最优定义:对于目标函数f(
- 计算机视觉(十二):Tensorflow常用功能模块
GeniusAng
计算机视觉深度学习计算机视觉深度学习人工智能tensorflowpython
计算机视觉笔记总目录1fit的callbacks详解回调是在训练过程的给定阶段应用的一组函数。可以使用回调来获取培训期间内部状态和模型统计信息的视图。您可以将回调列表(作为关键字参数callbacks)传递给或类的fit()方法。然后将在训练的每个阶段调用回调的相关方法。定制化保存模型保存events文件1.1ModelCheckpointfromtensorflow.python.keras.c
- 计算机视觉(六):深度学习正则化
GeniusAng
深度学习计算机视觉深度学习计算机视觉正则化pythondropout
计算机视觉笔记总目录1偏差与方差1.1数据集划分首先我们对机器学习当中涉及到的数据集划分进行一个简单的复习训练集(trainset):用训练集对算法或模型进行训练过程;验证集(developmentset):利用验证集(又称为简单交叉验证集,hold-outcrossvalidationset)进行交叉验证,选择出最好的模型;测试集(testset):最后利用测试集对模型进行测试,对学习方法进行评
- 计算机视觉(二):图像分类-分类器及损失
GeniusAng
深度学习计算机视觉深度学习python图像分类图像识别计算机视觉
计算机视觉笔记总目录1.CIFAR-10例子介绍图像分类数据集示例:CIFAR-10,一个流行的图像分类数据集。这个数据集由60000个32像素高和宽组成的小图像组成。每个图像都被标记为10个类之一(例如“飞机、汽车、鸟等”)。这60000个图像被分割成50000个图像的训练集和10000个图像的测试集。在下图中,您可以看到10个类中每个类的10个随机示例图像:上面图中就是数据集的类别和图像的示例
- 计算机视觉(一):神经网络简介
GeniusAng
计算机视觉深度学习计算机视觉神经网络深度学习感知机
计算机视觉笔记总目录1.什么是神经网络人工神经网络(ArtificialNeuralNetwork,简写为ANN)也简称为神经网络(NN)。是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)结构和功能的计算模型。经典的神经网络结构包含三个层次的神经网络。分别输入层,输出层以及隐藏层。其中每层的圆圈代表一个神经元,隐藏层和输出层的神经元有输入的数据计算后输出,输入层的神经元只是输入。神经网络的
- 计算机视觉笔记及资料整理(含图像分割、目标检测小方向学习)
wangzugenwy
计算机视觉
前言1、简单聊聊:在我脑海中我能通过这些年听到的技术名词来感受到技术的更新及趋势,这种技术发展有时候我觉得连关注的脚步都赶不上。简单回顾看看,从我能听到的技术名词来感受,最开始耳闻比较多「云计算」这玩意,后来听到比较多的是「数据挖掘」,当时想着等考上研也要选数据挖掘这个方向(遗憾最后没考上…),然而本科毕业之后听到的最多便是「人工智能」,整个技术圈似乎完全被这个词所覆盖,怎么突然火起来这个?我觉得
- 【笔记】计算机视觉笔记
江山点墨
计算机视觉及测距
计算机视觉是什么计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,用计算机处理成为更适合人眼观察或传送给仪器检测的图像(选自维基百科)计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景,例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。应用:人脸识别:Snapchat和Faceboo
- 计算机视觉笔记及资料整理(含图像分割、目标检测)
Jaybo_
人工智能[机器学习]机器学习机器学习深度学习计算机视觉CVCNN
前言1、简单聊聊:在我脑海中我能通过这些年听到的技术名词来感受到技术的更新及趋势,这种技术发展有时候我觉得连关注的脚步都赶不上。简单回顾看看,从我能听到的技术名词来感受,最开始耳闻比较多「云计算」这玩意,后来听到比较多的是「数据挖掘」,然而本科毕业之后听到的最多便是「人工智能」,整个技术圈似乎完全被这个词所覆盖,怎么突然火起来这个?我觉得用AlphaGo这个可以去作个反应吧,找了下新闻资料:201
- GitHub上的计算机视觉学习资料推荐
K.osth
9月份将要读研,导师是做cv的,最近学习时找到了不少的计算机视觉的资料,记录一下,同时也分享给需要的朋友assmdx/ComputerVisionDocAceCoooool/interview-computer-vision(计算机视觉笔记和总结,这个作者整理的比较详细)WangPerryWPY/Computer-Version(中山大学的计算机视觉课程代码)pascal1129/cv_notes
- 计算机视觉笔记(三)图像处理(2)霍夫变换、角点检测、图像匹配SIFT
thunderzo
计算机视觉笔记
Outline:1、GlobalImageFeatures(HoughTransform)霍夫变换2、角点检测3、SIFT特征4、Learningwithmanysimplefeatures一、霍夫变换1、简介霍夫变换(HoughTransform)是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体。Givenasetofpoints,findthecurveoflineth
- 【计算机视觉笔记】图像检索学习 (Content Based Image Retrieval)
zqnnn
找工作的二三事儿
论文跟踪:Awesomeimageretrievalpapershttps://github.com/willard-yuan/awesome-cbir-papers综述:SIFTMeetsCNN:ADecadeSurveyofInstanceRetrievalgithubOverview:Guide-CBIRCBIR_LeaderBoardhttps://github.com/willard-y
- 计算机视觉笔记(一) 初探计算机视觉
thunderzo
计算机视觉笔记
Outline:1.CV背景介绍2.OpenCV基础3.图像的基本操作:遍历图像,ROI选取4.Python环境搭建5.机器学习在CV中的应用:KNN与Kmeans一、什么是ComputerVision(CV)计算机视觉的目的:通过写程序来解释图片。图像处理:输入图像,输出图像计算机视觉:输入图像,输出图像的理解。二、图像处理库图像处理库:OpenCVCxImage~=OpenCV1.0CImg显
- 斯坦福CS231n李飞飞计算机视觉笔记
带刺的小花_ea97
第一课:计算机视觉历史回顾与介绍(上)简单的介绍:关于课程,我们要解决的问题,我们要学习的工具神经网络/卷积神经网络(深度学习网络)我们实际上进入了一个视觉时代(像素),互联网作为信息载体和传感器的发展。对照片进行标签、分类、处理视频的每一帧依赖计算机视觉的发展。挑战:非常大量的数据,以及“暗物质”(无法手工处理)。本门课:模型方面:神经网络应用范围:视觉识别深入理解问题本质,思考问题的真正定义,
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓