- ROS下使用usb_cam驱动读取摄像头数据
小杨~~~~
ubuntu
因为darknet_ros会直接订阅指定的图像话题名,然后对图像进行检测,绘制检测框,并发布相应的检测话题,因此首先需要找一个能够发布图像话题的ROS包,这里经推荐使用ROS官方提供的usb_cam驱动包,可以直接将小车摄像头采集的图像发布为ROS图像话题。1、下载摄像头驱动包usb_cam#方式一:直接终端输入,通过apt便捷安装cdtest/src/sudoapt-getinstallros-
- 目标检测-YOLOv4
wydxry
深度学习目标检测YOLO目标跟踪
YOLOv4介绍YOLOv4是YOLO系列的第四个版本,继承了YOLOv3的高效性,并通过大量优化和改进,在目标检测任务中实现了更高的精度和速度。相比YOLOv3,YOLOv4在框架设计、特征提取、训练策略等方面进行了全面升级。它在保持实时检测的同时,显著提升了检测性能,尤其在复杂场景中的表现尤为出色。相比YOLOv3的改进与优势改进的Backbone(CSPDarknet-53)YOLOv4使用
- 基于yolov8的绝缘子缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
FL1623863129
深度学习YOLO
【算法介绍】基于YOLOv8的绝缘子缺陷检测系统是一种利用先进深度学习技术的高效解决方案,旨在提升电力行业中输电线路的维护和监控水平。YOLOv8作为YOLO系列算法的最新版本,具备更高的检测速度和精度,特别适用于实时物体检测任务。该系统通过深入分析并标注绝缘子数据集,训练YOLOv8模型以精确识别输电线上的绝缘子及其缺陷状态。利用多尺度检测、FPN结构以及CSPDarknet网络等技术,YOLO
- YOLO系列目标检测数据集大全_yolo数据集(1)
2401_84187537
程序员YOLO目标检测人工智能
Darknet版YOLOv4猫狗识别训练好的权重文件:https://download.csdn.net/download/zhiqingAI/85541214Darknet版YOLOv3猫狗识别训练好的权重文件:https://download.csdn.net/download/zhiqingAI/85541209DeepSORT-YOLOv5猫狗检测和跟踪+可视化目标运动轨迹yolov7猫狗
- 在C++上如何使用OpenCV头文件是什么_用OpenCV的dnn模块调用yolov3模型
weixin_39785858
前言在实际应用场景,我们用darknet的GPU版本训练自己的数据,得到权值文件,然后我们可以调用训练的好的模型去实现自己的检测项目。一般情况下,我们可以使用opencv的dnn模块去调用yolov3。下面大致讲解一下如何是实现调用。一、环境准备1、编译好darknet的GPU版本。可参考我的文章https://zhuanlan.zhihu.com/p/1343471762、安装好opencv3.
- C++ OpenCV-dnn模块调用模型进行目标检测 (支持CUDA加速)
枸杞叶儿
经验笔记深度学习神经网络
前言OpenCV4.4开始支持YOLOv4模型的调用,需要使用Opencv的DNN模块。编译安装OpenCV和OpenCV-contrib库步骤,点此链接C++OpenCV调用YOLO模型的完整代码点此下载一、模型加载constexprconstchar*darknet_cfg="../face/yolov3-tiny.cfg";//网络文件constexprconstchar*darknet_w
- YOLOv8 : 网络结构
赛先生.AI
YOLOv8YOLO计算机视觉目标检测
一.YOLOv8网络结构1.BackboneYOLOv8的Backbone同样参考了CSPDarkNet-53网络,我们可以称之为CSPDarkNet结构吧,与YOLOv5不同的是,YOLOv8使用C2f(CSPLayer_2Conv)代替了C3模块(如果你比较熟悉YOLOv5的网络结构,那YOLOv8的网络结构理解起来就easy了)。如图1所示为YOLOv8网络结构图(引用自MMYOLO),对比
- Ubuntu22.04安装cuda,cudnn, 编译darknet
化石草
ubuntu深度学习yolov3
一,安装cuda:1,下载及安装cuda官网:https://developer.nvidia.com/cuda-toolkit-archivewgethttps://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudoshcuda_11.8.0_
- Darknet yolov3 Makefile文件解析
未完城
ubuntudeep-learningdarknetlinuxmakefile
文章目录1.darknetMakefile注释2.reference现在搞深度学习都在linux平台,经常遇到gcc手动编译的时候。由于linux平台没有通用的IDE,大家都是靠Makefile配置文件进行make。在学习darknet框架的过程中,决定要顺便搞清楚Makefile的写法和参数配置。Makefile完整的教程网上有很多,我暂时也不打算完整学一遍,仅仅把遇到的都搞懂,下次遇到新的东西
- [图像算法]-(yolov5.train)-GPU架构中的半精度fp16与单精度fp32计算
蒸饺与白茶
GPU架构中的半精度与单精度计算 由于项目原因,我们需要对darknet中卷积层进行优化,然而对于像caffe或者darknet这类深度学习框架来说,都已经将卷积运算转换成了矩阵乘法,从而可以方便调用cublas库函数和cudnn里tiling过的矩阵乘。 CUDA在推出7.5的时候提出了可以计算16位浮点数据的新特性。定义了两种新的数据类型half和half2.之前有师弟已经DEMO过半精度
- C++调用yolo模型有哪些方法
jjm2002
深度学习C++c++YOLO开发语言
在C++中调用YOLO模型进行目标检测,可以通过以下几种常见的方法:使用Darknet框架:Darknet是YOLO的官方框架,由YOLO的创作者JosephRedmon编写。它是一个轻量级的深度学习框架,用C语言编写,可以很容易地在C++应用程序中使用。你可以直接使用DarknetAPI来加载训练好的YOLO模型,并进行图像的推理。使用OpenCV的dnn模块:OpenCV是一个开源的计算机视觉
- yolov4 训练自己的数据集--人头识别
晓理紫
机器学习
0、实验环境ubuntu16.04opencv3.4.10cuda10.11、yolov4安装1.1、下载编译darknetdarknet下载地址gitclonehttps://github.com/AlexeyAB/darknetcddarknetdarknet默认编译是不带cuda与opencv,而且不会编译so文件。如果想编译带有cuda与opencv,并编译so文件的需要修改Makefil
- yolo,c++目标识别
码狂☆
AIYOLOc++
yolo,c++目标识别yolo官网https://pjreddie.com/darknet/yolo/yologithubhttps://github.com/pjreddie/darknet/下载编译yolo源码gitclonehttps://github.com/pjreddie/darknetcddarknetmake下载预训练权值文件wgethttps://pjreddie.com/me
- 经典目标检测YOLO系列(三)YOLOv3算法详解
undo_try
#深度学习目标检测YOLOpython
经典目标检测YOLO系列(三)YOLOv3算法详解不论是YOLOv1,还是YOLOv2,都有一个共同的致命缺陷:小目标检测的性能差。尽管YOLOv2使用了passthrough技术将16倍降采样的特征图(即C4特征图)融合到了C5特征图中,但最终的检测仍是在C5尺度的特征图上进行的。为了解决这一问题,YOLO作者做了第3次改进,主要改进如下:使用了更好的主干网络DarkNet-53使用了多级检测与
- 经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程
undo_try
#深度学习目标检测YOLO人工智能
经典目标检测YOLO系列(三)YOLOV3的复现(1)总体网络架构及前向处理过程和之前实现的YOLOv2一样,根据《YOLO目标检测》(ISBN:9787115627094)一书,在不脱离YOLOv3的大部分核心理念的前提下,重构一款较新的YOLOv3检测器,来对YOLOv3有更加深刻的认识。书中源码连接:RT-ODLab:YOLOTutorial1、YOLOv3网络架构1.1DarkNet53主
- 用python实现yolov3检测工业相机视频
蘑菇的神
python音视频计算机视觉
前言:学习记录环境:windows+pycharm+yolov3相机:海康工业网口相机:MV-CA020-20GC(Gige,彩色,全局)1.网上有很多网络摄像头跑yolo的案例,但是,不行。网络摄像头和工业相机不一样!yolo是能直接检测网络摄像头的视频的(这个我没有试过,因为没有网络摄像头)./darknetdetectordemocfg/coco.datacfg/yolov3.cfgyolo
- Ubuntu 20.04 安装opencv3.2.0 及报错解决方法
why_blogs
ubuntulinux运维
最近想要学习一下XTDrone里的目标检测与跟踪模块(正好推荐一下肖昆老师团队的项目----XTDrone,感兴趣可以去看看,确实很不错哟!),于是跟着文档往下做,结果发现在ubuntu20.04装Opencv就出问题,此篇文档仅仅记录一下,防止后面忘记。首先说明一下为什么装3.2.0版本,起初我也是图方便,直接装最新版本,结果发现和后面的darknet_ros有冲突,darknet_ros一直编
- Kai - Golang实现的目标检测云服务
yummy_bian
YOLO/Darknet是目前比较流行的ObjectDetection算法(后面统一称为Darknet),在GPU上的表现不但速度快而且准确率很高。但是使用起来不方便,只提供了命令行接口和简单的Python接口。所以我想用RESTful来实现一个云端的Darknet服务kai。选择用Go的原因不是考虑并发,而是goroutine之间的同步能方便的处理,适合实现Pipeline的功能。问题来了,Da
- ROS中darknet_ros功能包运行详解,低帧率如何解决,如何修改Cmake、makefile文件
神筆&『馬良』
ubuntulinux视觉检测YOLOyolov3
本篇博客侧重于使用该功能包,不侧重于获取。我遇到了FPS只有0.2的问题,运行速度过慢。才发现是GPU没有被调用的原因导致的。运行环境:ubuntu20.04+显卡驱动(cuda与cudnn可以装也可以不装)一、获取功能包参考博客:ROS下实现darknet_ros(YOLOV3)检测_camera/rgb/image_raw:=/usb_cam/image_raw__name:=d-CSDN博客
- YOLOv3:算法与论文详细解读
慕溪同学
YOLO目标检测YOLO深度学习目标检测yolo
【yolov1:背景介绍与算法精讲】【yolo9000:Better,Faster,Stronger的目标检测网络】目录一、YOLOv3概述二、创新与改进三、改进细节3.1多尺度特征3.2不同尺度先验框3.3完整的网络结构3.3Darknet-53主干网络3.4残差网络3.4.1恒等映射3.4.2网络退化3.4.3残差结构3.4.4残差的两个堆叠形式3.4.5YOLOV3中的残差连接3.5head
- 基于YOLOv8和RealsenseD455相机实现物体距离检测
油炸大聪明
YOLOpython
目录前言一、Yolov8环境搭建二、配置RealSense-ros功能包1.安装ROS-humble2.安装IntelRealSenseSDK2.0编辑3.克隆ROS功能包三、物体距离检测代码实现1.算法流程:2.代码示例:3.效果展示:前言要基于YOLOv8和RealsenseD455相机实现物体距离检测,可以按照以下步骤进行操作:准备环境:安装YOLOv8:可以使用开源框架如Darknet或P
- 深度学习技术栈 —— Pytorch中保存与加载权重文件
键盘国治理专家
ML&DL技术栈深度学习人工智能
深度学习技术栈——如何保存权重文件?一、权重文件的格式二、保存权重文件三、加载权重文件3.1nn.module.eval()方法一、权重文件的格式权重文件是指训练好的模型参数文件,不同的深度学习框架和模型可能使用不同的权重文件格式。以下是一些常见的权重文件格式:PyTorch的模型格式:.pt文件。Darknet的模型格式:.weight文件。TensorFlow的模型格式:.ckpt文件。一、参
- Darknet_yolov2综述入门整理
立夏陆之昂
学习小记录
接着上次的神经网络,这次整理一下Darknet,yolov2首先得先了解Darknet,是深度学习框架,总的来说深度学习框架提供了一些列的深度学习的组件(对于通用的算法,里面会有实现),当需要使用新的算法的时候就需要用户自己去定义,然后调用深度学习框架的函数接口使用用户自定义的新算法.这篇讲述了深度学习框架的定义:https://blog.csdn.net/yeler082/article/det
- bin文件读写 - C/C++
生活需要深度
CC++c语言C++二进制文件
本文介绍一下C和C++读取和保存bin文件的方法。 bin文件的存取在调试网络推理定位问题的时候可能会经常用到,如在这个框架里网络输出和预期对不上,经常需要把这个网络里的前处理输出、网络推理输出搬到另外的框架里走一遍,来确定是前处理有问题,还是网络推理有问题,还是后处理有问题。这里分享一下C语言和C++读取和保存特征数据为bin文件的方法。其实大部分情况可以用C++搞定,但如darknet这种纯C
- 【深度学习目标检测】十五、基于深度学习的口罩检测系统-含GUI和源码(python,yolov8)
justld
深度学习CNN目标检测深度学习目标检测python
YOLOv8是一种物体检测算法,是YOLO系列算法的最新版本。YOLO(YouOnlyLookOnce)是一种实时物体检测算法,其优势在于快速且准确的检测结果。YOLOv8在之前的版本基础上进行了一系列改进和优化,提高了检测速度和准确性。YOLOv8采用了Darknet-53作为其基础网络架构。Darknet-53是一个53层的卷积神经网络,用于提取图像特征。与传统的卷积神经网络相比,Darkne
- 基于YOLOv5+单目的物体距离和尺寸测量
code2035
yolo从入门到精通机器视觉从入门到精通OpenCV从入门到精通YOLO计算机视觉人工智能opencv机器学习
目录1,YOLOv5原理介绍2,单目测尺寸以及距离原理2.1单目测物体距离2.2单目测物体尺寸3,成果展示3.3测距离3.2测尺寸:1,YOLOv5原理介绍YOLOv5是目前应用广泛的目标检测算法之一,其主要结构分为两个部分:骨干网络和检测头。骨干网络采用的是CSPDarknet53,这是一种基于Darknet框架的改进版卷积神经网络。CSPDarknet53通过使用残差结构和跨层连接来提高网络的
- 目标检测-One Stage-YOLOx
学海一叶
目标检测目标检测人工智能计算机视觉YOLO深度学习
文章目录前言一、YOLOx的网络结构和流程1.YOLOx的不同版本2.Yolox-Darknet53YOLOv3baselineYolox-Darknet533.Yolox-s/Yolox-m/Yolox-l/Yolox-x4.Yolox-Nano/Yolox-Tiny二、YOLOx的创新点总结前言根据前文CenterNet、YOLOv4等可以看出学界和工业界都在积极探索使用各种tricks(an
- 超维空间M1无人机使用说明书——41、ROS无人机使用yolo进行物体识别
南京超维空间智能科技有限公司
超维空间S2无人机使用说明超维空间M1无人机使用说明无人机YOLOROS物体识别
引言:用于M1无人机使用的18.04系统,采用的opencv3.4.5版本,因此M1无人机只提供了基于yolov3和yolov4版本的darknet_ros功能包进行物体识别,识别效果足够满足日常的物体识别使用,如果需要更高版本的yolov7或者yolov8,可以参考博客的yolov7和yolov8的使用。链接:源码链接一、启动darknet_ros物体识别roslaunchrobot_bring
- Darknet yolov4 转onnx
鲤鱼不懂
darknetyolov4onnxpytorch深度学习计算机视觉
前段时间,自己瞎搞,需要把Darknetyolov4转成onnx格式,在此记录一下过程。我们需要在github上下载以为大佬写好的转换代码https://github.com/Tianxiaomo/pytorch-YOLOv4执行如下命令:cdpytorch-YOLOv4python3demo_darknet2onnx.py./yolov4.cfg./data/coco.names./yolov4
- 目标检测-One Stage-YOLO v3
学海一叶
目标检测目标检测YOLO人工智能计算机视觉算法
文章目录前言一、YOLOv3的网络结构和流程二、YOLOv3的创新点总结前言根据前文目标检测-OneStage-YOLOv2可以看出YOLOv2的速度和精度都有相当程度的提升,但是精度仍较低,YOLOv3基于一些先进的结构和思想对YOLOv2做了一些改进。提示:以下是本篇文章正文内容,下面内容和可供参考一、YOLOv3的网络结构和流程将影像输入卷积网络(DarkNet53)+FPN得到多尺度特征图
- 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