- 机器学习(1)机器学习类型和机器学习的主要概念
星影沉璧
深度学习驴车漂移机器学习人工智能
0.前提深度学习(DeepLearing)是机器学习(MachineLearning)领域中的一个新的研究方向,在如今的时代研究深度学习的大模型是十分热门的。我不知道有多少人有关注到最近openai的事件啊,说个比较让我惊讶的事情,一直在支持我做一些实验的老师今年在ICCV的A区发文章,直接给我看傻了,平常经常看到老师骑着电车在学校里面跑。既然深度学习是机器学习的一个子集,那想要入门深度学习,学习
- 2020-12-13 docker build for deepLearing env mxnet-cu10
罗志鹏_6145
dockerbuildfordeepLearingenvmxnet-cu10baseimagenvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04pullimagedockerpull[OPTIONS]NAME[:TAG|@DIGEST]dockerpullnvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04Untitled.pn
- AWS服务器密码登录设置
Greensue86
最近在aws申请了一个服务器,选择的AMI是DeepLearing的linux版本,该实例包含了深度学习所需要的安装包和环境。启动实例后按照aws官网指示的方法从mac登陆远程服务器:$sudossh-i~/.ssh/
[email protected]若每次都这样登陆比较麻烦,所以先设置密码登录,步骤如下:1.更改root用户的密码$sudopasswdroo
- 神经网络那些事之在现实生活中的应用
123liudong
书籍神经网络应用
https://github.com/123liudong/deeplearing_nocode_handbook.git神经网络是一种算法,但是它离我们每个人都很近,不知不觉神经网络已经渗透到了各个领域中并且已经得到大量的应用.也许你没注意到,下面我将介绍几个很常见的应用来告诉你神经网络到底有多么多么的强大!图像领域在未来的某个时间&某个地点,你发现了一张90年代关于自己一家人合照的照片.可是不
- 吴恩达老师DeepLearning系列课程最详细学习笔记之23—Jupyter Ipython笔记本的快速指南
james9668
吴恩达DeepLearning人工智能深度学习
教程是本人学习吴恩达老师DeepLearing系列课程中整理的最为详细的学习笔记。学习视频主要来自B站[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili?,以及DeepLearning官方网站DeepLearningbydeeplearning.ai|Coursera。该系列课程总共有180多个,我会将学习笔记陆续分享出来,为有兴趣深度学习的同仁提供便利。再次由衷
- 吴恩达老师DeepLearning系列课程最详细学习笔记之1—深度学习概念
james9668
吴恩达DeepLearning人工智能深度学习
教程是本人学习吴恩达老师DeepLearing系列课程中整理的最为详细的学习笔记。学习视频主要来自B站[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili?,以及DeepLearning官方网站DeepLearningbydeeplearning.ai|Coursera。该系列课程总共有180多个,我会将学习笔记陆续分享出来,为有兴趣深度学习的同仁提供便利。再次由衷
- 深度学习和tensorflow学习总结---复习自用,大家看到不对的地方多多留言,互相交流
weixin_44140703
学习总结深度学习CNN机器学习学习总结复习自用
深度学习(DeepLearing)深度学习不需要人工提取特征-----模型的可解释性与机器学习区别:机器学习需要手动提取特征,需要大量领域专业知识。深度学习,通过训练大量数据自动得出模型,不需要人工提取特征环节。适合图像、语音、自然语言处理领域应用场景:物体识别场景识别人脸识别人脸身份认证自然语言处理文本识别语音识别加法运算:定义常量:tf.constant(常量值)定义变量:tf.Variabl
- 李宏毅机器学习笔记:Brief Introduction of Deep Learning + Backpropagation(后向传播算法)
TravelingLight77
ML
李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料,在YouTube、网易云课堂、B站都能观看到相应的课程视频,接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳!)Lecture6:BriefIntroductionofDeepLearning本节课主要围绕DeepLearing三步骤:(
- 从Q-Learning到Deep-Q-Learning
ChanZany
神经网络机器学习神经网络算法python机器学习深度学习
DeepLearning定义深度学习(DeepLearing)由一组算法和技术构成,这些算法和技术试图发现数据的重要特征并对其高级抽象建模。深度学习的主要目标是通过对数据的自动学习来避免手动描述数据结构(如手写特征)。深度指的是通常具有两个或多个隐藏层的任何神经网络即(DNN)。大多数深度学习模型都基于人工神经网络(ANN),尽管它们也可以包含命题公式或在深度生成模型中分层组织的潜在变量,例如De
- DeepLearing—CV系列(十六)——基于Pytorch实现的编解码结构之Seq2Seq实现验证码识别
wa1tzy
深度学习AI深度学习人工智能神经网络pytorch机器学习
文章目录一、认识编解码网络(encoder-decoder)二、解编码网络结构2.1编码过程(Encoder)2.2解码过程(Decoder)2.3Seq2Seq生成对联的过程三、Seq2Seq网络的应用四、基于编解码模型实现的验证码识别4.1验证码识别的原理和过程五、代码5.1gen_num.py5.2sampling.py5.3nets.py5.4Train.py首先解释一下Seq2Seq的意
- DeepLearing4j深度学习之Yolo Tiny实现目标检测
victorkevin
d4j目标检测人工智能深度学习java
YoloTiny是Yolo2的简化版,虽然有点过时但对于很多物体检测的应用场景还是很管用,本示例利用DeepLearing4j构建Yolo算法实现目标检测,下图是本示例的网络结构://parametersmatchingthepretrainedTinyYOLOmodelintwidth=416;intheight=416;intnChannels=3;intgridWidth=13;intgri
- DeepLearing—CV系列(二十四)——Pytorch实现OCR识别图片转文字(1)——CTPN理论
wa1tzy
AIpytorchOCR算法计算机视觉pytorch深度学习OCR图像智能字符识别
文章目录一、OCR简介二、CTPN(ConnectionistTextProposalNetwork)连接文本提议网络2.1CTPN简介2.2CTPN模型创新点2.3CTPN与RPN网络结构的差异2.4CTPN网络结构2.4.1CTPN的整体结构与流程2.5如何通过FC层输出产生Textproposals?2.6竖直Anchor定位文字位置2.7文本线构造算法2.8CTPN的训练策略2.9CTPN
- DeepLearing—CV系列(十八)——图像分割之U-Net的Pytorch实现
wa1tzy
深度学习AI图像分割深度学习cvpytorch神经网络图像分割
文章目录一、nets.py二、Mydataset.py三、Train.py一、nets.pyimporttorchfromtorch.nnimportfunctionalasFclassCNNLayer(torch.nn.Module):def__init__(self,C_in,C_out):super(CNNLayer,self).__init__()self.layer=torch.nn.S
- 眼见不为“实”,人们更信任人工智能合成的假脸
、左耳
人工智能深度学习计算机视觉
常言道,耳听为虚,眼见为实。但是现在随着人工智能技术的发展,眼见可不一定为实。而造成这一结果的全都是因为深度伪造技术,简称深伪技术或者深度伪造。是DeepLearing(深度学习)和Fake(伪造)的混成词。一种基于人工智能的人体图像合成技术。而该技术的扩散与发展,引起了人们的担忧。2018年,英伟达利用人工智能技术合成了一些不存在的人脸照片,研究人员依靠一种被称之为生成对抗网络(Generati
- DeepLearing-GAN生成式对抗网络
RP_M
CV深度学习理论GANar网络深度学习
GAN生成对抗网络一、介绍GAN这一概念是由LanGoodfellow于2014年提出,GAN被深度学习先驱之一的YannLeCun称为“数十年来机器学习领域最有趣的想法。”原始GAN论文的链接为:https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1406.2661.pdf我们知道CNN、RNN是通过建立图像与输出之间的关系来判断结果的一
- DeepLearing学习笔记-Building your Deep Neural Network: Step by Step(第四周作业)
JasonLiu1919
deep-learning深度学习机器学习
1-背景:此前,我们已经介绍过单隐藏层的神经网络模型,本文要介绍的是多隐藏层的神经网络模型。采用非线性的如RELU激活函数符号说明:上标[l]表示层号,lth例如:a[L]是第Lth层的激活函数.W[L]和b[L]分别是Lth层的参数。上标(i)表示第ith个样本。例如:x(i)表示第ith个训练样本。下标i表示ith神经元位置。例如:a[l]i表示第lth层,第ith个神经元的激活函数。2-准备
- DeepLearing学习笔记-改善深层神经网络(第三周- 将batch-norm拟合进神经网络)
JasonLiu1919
deep-learning深度学习神经网络deep-learning
0-背景介绍如何将batch归一化引入到神经网络中1-流程如下:在计算z之后,才是之前介绍的batch归一化方法,对其进行归一化,再替代原来的z值,输入到下该层的激活函数中。其他隐藏层,操作类似。在实际中,可以直接使用框架中函数,而不必自己实现这些具体的细节。tf.batch_normalization()#进行batch归一化操作2-min-batch下的batch归一化:对于采用min-bat
- 小白零基础学习:详解梯度下降算法:完整原理+公式推导+视频讲解
追梦Hocking
深度学习机器学习
首先简单自我介绍一下,本人现在是国内某211大学2019级博士研究生,计算机科学与技术专业,研究方向和兴趣包括深度学习(CV)、图像处理、菌群仿生优化算法、元胞自动机等,愿与大家分享自己的学习心得!目前主要研究图像去雾算法和深度学习理论。如果要学习MachineLearning和DeepLearing,那么GradientDescentAlgorithm(梯度下降算法)是必须要掌握的!本篇博文是从
- 深度学习Deep Learning系列教程:01 基础知识
QilongPan
机器学习
前言:最近打算稍微系统的学习下deeplearing的一些理论知识,打算采用AndrewNg的网页教程UFLDLTutorial,据说这个教程写得浅显易懂,也不太长。不过在这这之前还是复习下machinelearning的基础知识,见教程网页。内容其实很短,每小节就那么几分钟,且讲得非常棒。教程中的一些术语:Modelrepresentation:其实就是指学习到的函数的表达形式,可以用矩阵表示。
- DeepLearing—CV系列(七)——多类多目标物体的侦测——R-CNN系列
wa1tzy
深度学习pytorchyolo
文章目录一、R-CNN二、FastR-CNN三、SPP-Net四、ASPP五、Faster-R-CNN5.1Convlayers5.2RegionProposalNetworks(RPN)5.3RoIpooling5.4Classification六、mask-R-CNN七、总结计算机视觉的任务:分类->分类+回归->目标侦测->实例分割单目标识别追踪:多目标识别追踪:R-CNN系列一、R-CNN
- DeepLearing—CV系列(十九)——图像分割之U^2-Net(效果极好)的Pytorch实现
wa1tzy
深度学习AI图像分割
文章目录一、u2net.py二、dataloader.py三、train.py四、test.py五、crop.py六、效果展示代码目录:卷积之后特征图计算公式和空洞卷积之后特征图计算公式:(1)普通卷积之后特征图计算公式:w=h=(n+2p-k)/s+1(2)进行空洞卷积后的计算公式:(3)进行池化后的特征图计算公式:(n-k)/s+1一、u2net.pyEN_1:2次卷积、5次下采样、1个空洞卷
- 安装tensonflow:在Windows10&Anaconda环境下(彻底解决ImportError : No Moduled Name "tensorflow"/_pywrap_ten等一类问题)
仙凡之谣
DeepLearing
版本:V2.0,2018-10-0918:42:52v3.0,2018.11.23这个帖子随着我的理解不断加深,会不断对以前描述不详实之处进行修改与更新写作动力:为了完成吴恩达教授的Deeplearing公开课的课后作业,需要在jupyternotebook中使用tensorflow模块。作为一个刚入坑的小白,第一次接触tf并不会配置,足足花了5天的时间才踩完所有的坑弄好,其中每个模块反反复复装了
- DeepLearing—CV系列(十)——多类多目标物体的侦测——YOLO系列之YOLOv2、YOLO9000算法详解
wa1tzy
深度学习AIyolo
文章目录前言一、YOLOv2的优化改进Better(预测更准确)1.1BatchNormalization(批归一化)1.2HighResolutionClassifier(大尺度预训练分类)1.3ConvolutionalWithAnchorBoxes(使用锚框卷积)1.4DimensionClusters(维度聚类)1.5Directlocationprediction(直接定位预测)1.6F
- DeepLearing—CV系列(十三)——YOLOv4完整核心理论详解
wa1tzy
深度学习AIyolo网络算法python计算机视觉神经网络
文章目录一、结构1.1网络结构图1.2YOLOv4的PAN结构1.3激活函数的思考1.3.1Mish激活函数1.3.2Swish激活函数二、损失2.1L1、L2、SMOPTH_L12.2IOU_LOSS的问题2.3GIOU_Loss2.4DIOU_Loss2.5CIOU_Loss2.6DIOU_nms三、训练3.1Dropblock3.2Mosaic数据增强3.3SAT自对抗训练(Self-adv
- [deeplearing-012] 深度学习的历史、解决问题、源码
未济2019
[0]参考文献http://www.cnblogs.com/skyfsm/p/8451834.htmlhttps://www.cnblogs.com/52machinelearning/p/5821591.html[1]Q:什么是深度学习?A:隐层数量多的神经网络,隐层从5~1000不等。[2]Q:深度学习的网络模型有哪些种类?A:图像处理的卷积神经网络CNN;自然语言处理的循环神经网络RNN;深
- logback 配置不同级别日志输出
summmer-
logback
logback节点配置详解请参考:http://www.cnblogs.com/DeepLearing/p/5663178.html配置不同级别日志输出模板如下:${log.pattern}${log.filePath}/debug.log${log.filePath}/debug/debug.%d{yyyy-MM-dd}.log.gz${log.maxHistory}${log.pattern}
- 硅谷最干货大会之一AI Frontiers 详解全球投资热区和5大应用趋势
机器之心V
记者|彭君韬(Tony)参与|AlexChen美国时间周五,位于硅谷的圣克拉拉会议中心,人头攒动,来自17个国家的1400多人参加了硅谷人工智能前沿大会AIFrontiers。这些人有着共同的兴趣:AI。这是AIFrontiers今年的第二场大会,为期三天。前百度首席人工智能科学家、Coursera和deeplearing.ai的创始人吴恩达,以及来自Google、Amazon、Facebook、
- .net 中 委托的解析、泛型解析、可变性解析、表达式和匿名方法基invoke的用法()
TianGaojie123abc
委托解析:http://www.cnblogs.com/DeepLearing/p/4594518.html.net泛型解析(上)http://www.cnblogs.com/DeepLearing/p/4554867.html#3211258.net可变性解析:http://www.cnblogs.com/DeepLearing/p/4592759.html.netLambda表达式和匿名方法:
- Deep learning笔记
Kylin-Xu
deeplearningdeeplearning
Deeplearning:一(基础知识_1)出处:http://www.cnblogs.com/tornadomeet欢迎转载或分享,但请务必声明文章出处。前言:最近打算稍微系统的学习下deeplearing的一些理论知识,打算采用AndrewNg的网页教程UFLDLTutorial,据说这个教程写得浅显易懂,也不太长。不过在这这之前还是复习下machinelearning的基础知识,见网页:ht
- DeepLearing—CV系列(十四)——YOLOv5理论详解+Pytorch源码解析
wa1tzy
深度学习AIyolo
文章目录一、前言——从YOLOv3到YOLOv5二、代码解析2.1运行起来项目detect.py2.2网络结构models/yolo.py2.3配置文件yolov5s.yaml2.4网络子结构models/common.py2.4.1Conv与Focus2.4.2Bottleneck与BottleneckCSP2.5训练train.py2.6打包成jit2.7打包成onnx先放官网大图YOLOv5
- 矩阵求逆(JAVA)初等行变换
qiuwanchi
矩阵求逆(JAVA)
package gaodai.matrix;
import gaodai.determinant.DeterminantCalculation;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;
/**
* 矩阵求逆(初等行变换)
* @author 邱万迟
*
- JDK timer
antlove
javajdkschedulecodetimer
1.java.util.Timer.schedule(TimerTask task, long delay):多长时间(毫秒)后执行任务
2.java.util.Timer.schedule(TimerTask task, Date time):设定某个时间执行任务
3.java.util.Timer.schedule(TimerTask task, long delay,longperiod
- JVM调优总结 -Xms -Xmx -Xmn -Xss
coder_xpf
jvm应用服务器
堆大小设置JVM 中最大堆大小有三方面限制:相关操作系统的数据模型(32-bt还是64-bit)限制;系统的可用虚拟内存限制;系统的可用物理内存限制。32位系统下,一般限制在1.5G~2G;64为操作系统对内存无限制。我在Windows Server 2003 系统,3.5G物理内存,JDK5.0下测试,最大可设置为1478m。
典型设置:
java -Xmx
- JDBC连接数据库
Array_06
jdbc
package Util;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
public class JDBCUtil {
//完
- Unsupported major.minor version 51.0(jdk版本错误)
oloz
java
java.lang.UnsupportedClassVersionError: cn/support/cache/CacheType : Unsupported major.minor version 51.0 (unable to load class cn.support.cache.CacheType)
at org.apache.catalina.loader.WebappClassL
- 用多个线程处理1个List集合
362217990
多线程threadlist集合
昨天发了一个提问,启动5个线程将一个List中的内容,然后将5个线程的内容拼接起来,由于时间比较急迫,自己就写了一个Demo,希望对菜鸟有参考意义。。
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.CountDownLatch;
public c
- JSP简单访问数据库
香水浓
sqlmysqljsp
学习使用javaBean,代码很烂,仅为留个脚印
public class DBHelper {
private String driverName;
private String url;
private String user;
private String password;
private Connection connection;
privat
- Flex4中使用组件添加柱状图、饼状图等图表
AdyZhang
Flex
1.添加一个最简单的柱状图
? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
<?xml version=
"1.0"&n
- Android 5.0 - ProgressBar 进度条无法展示到按钮的前面
aijuans
android
在低于SDK < 21 的版本中,ProgressBar 可以展示到按钮前面,并且为之在按钮的中间,但是切换到android 5.0后进度条ProgressBar 展示顺序变化了,按钮再前面,ProgressBar 在后面了我的xml配置文件如下:
[html]
view plain
copy
<RelativeLa
- 查询汇总的sql
baalwolf
sql
select list.listname, list.createtime,listcount from dream_list as list , (select listid,count(listid) as listcount from dream_list_user group by listid order by count(
- Linux du命令和df命令区别
BigBird2012
linux
1,两者区别
du,disk usage,是通过搜索文件来计算每个文件的大小然后累加,du能看到的文件只是一些当前存在的,没有被删除的。他计算的大小就是当前他认为存在的所有文件大小的累加和。
- AngularJS中的$apply,用还是不用?
bijian1013
JavaScriptAngularJS$apply
在AngularJS开发中,何时应该调用$scope.$apply(),何时不应该调用。下面我们透彻地解释这个问题。
但是首先,让我们把$apply转换成一种简化的形式。
scope.$apply就像一个懒惰的工人。它需要按照命
- [Zookeeper学习笔记十]Zookeeper源代码分析之ClientCnxn数据序列化和反序列化
bit1129
zookeeper
ClientCnxn是Zookeeper客户端和Zookeeper服务器端进行通信和事件通知处理的主要类,它内部包含两个类,1. SendThread 2. EventThread, SendThread负责客户端和服务器端的数据通信,也包括事件信息的传输,EventThread主要在客户端回调注册的Watchers进行通知处理
ClientCnxn构造方法
&
- 【Java命令一】jmap
bit1129
Java命令
jmap命令的用法:
[hadoop@hadoop sbin]$ jmap
Usage:
jmap [option] <pid>
(to connect to running process)
jmap [option] <executable <core>
(to connect to a
- Apache 服务器安全防护及实战
ronin47
此文转自IBM.
Apache 服务简介
Web 服务器也称为 WWW 服务器或 HTTP 服务器 (HTTP Server),它是 Internet 上最常见也是使用最频繁的服务器之一,Web 服务器能够为用户提供网页浏览、论坛访问等等服务。
由于用户在通过 Web 浏览器访问信息资源的过程中,无须再关心一些技术性的细节,而且界面非常友好,因而 Web 在 Internet 上一推出就得到
- unity 3d实例化位置出现布置?
brotherlamp
unity教程unityunity资料unity视频unity自学
问:unity 3d实例化位置出现布置?
答:实例化的同时就可以指定被实例化的物体的位置,即 position
Instantiate (original : Object, position : Vector3, rotation : Quaternion) : Object
这样你不需要再用Transform.Position了,
如果你省略了第二个参数(
- 《重构,改善现有代码的设计》第八章 Duplicate Observed Data
bylijinnan
java重构
import java.awt.Color;
import java.awt.Container;
import java.awt.FlowLayout;
import java.awt.Label;
import java.awt.TextField;
import java.awt.event.FocusAdapter;
import java.awt.event.FocusE
- struts2更改struts.xml配置目录
chiangfai
struts.xml
struts2默认是读取classes目录下的配置文件,要更改配置文件目录,比如放在WEB-INF下,路径应该写成../struts.xml(非/WEB-INF/struts.xml)
web.xml文件修改如下:
<filter>
<filter-name>struts2</filter-name>
<filter-class&g
- redis做缓存时的一点优化
chenchao051
redishadooppipeline
最近集群上有个job,其中需要短时间内频繁访问缓存,大概7亿多次。我这边的缓存是使用redis来做的,问题就来了。
首先,redis中存的是普通kv,没有考虑使用hash等解结构,那么以为着这个job需要访问7亿多次redis,导致效率低,且出现很多redi
- mysql导出数据不输出标题行
daizj
mysql数据导出去掉第一行去掉标题
当想使用数据库中的某些数据,想将其导入到文件中,而想去掉第一行的标题是可以加上-N参数
如通过下面命令导出数据:
mysql -uuserName -ppasswd -hhost -Pport -Ddatabase -e " select * from tableName" > exportResult.txt
结果为:
studentid
- phpexcel导出excel表简单入门示例
dcj3sjt126com
PHPExcelphpexcel
先下载PHPEXCEL类文件,放在class目录下面,然后新建一个index.php文件,内容如下
<?php
error_reporting(E_ALL);
ini_set('display_errors', TRUE);
ini_set('display_startup_errors', TRUE);
if (PHP_SAPI == 'cli')
die('
- 爱情格言
dcj3sjt126com
格言
1) I love you not because of who you are, but because of who I am when I am with you. 我爱你,不是因为你是一个怎样的人,而是因为我喜欢与你在一起时的感觉。 2) No man or woman is worth your tears, and the one who is, won‘t
- 转 Activity 详解——Activity文档翻译
e200702084
androidUIsqlite配置管理网络应用
activity 展现在用户面前的经常是全屏窗口,你也可以将 activity 作为浮动窗口来使用(使用设置了 windowIsFloating 的主题),或者嵌入到其他的 activity (使用 ActivityGroup )中。 当用户离开 activity 时你可以在 onPause() 进行相应的操作 。更重要的是,用户做的任何改变都应该在该点上提交 ( 经常提交到 ContentPro
- win7安装MongoDB服务
geeksun
mongodb
1. 下载MongoDB的windows版本:mongodb-win32-x86_64-2008plus-ssl-3.0.4.zip,Linux版本也在这里下载,下载地址: http://www.mongodb.org/downloads
2. 解压MongoDB在D:\server\mongodb, 在D:\server\mongodb下创建d
- Javascript魔法方法:__defineGetter__,__defineSetter__
hongtoushizi
js
转载自: http://www.blackglory.me/javascript-magic-method-definegetter-definesetter/
在javascript的类中,可以用defineGetter和defineSetter_控制成员变量的Get和Set行为
例如,在一个图书类中,我们自动为Book加上书名符号:
function Book(name){
- 错误的日期格式可能导致走nginx proxy cache时不能进行304响应
jinnianshilongnian
cache
昨天在整合某些系统的nginx配置时,出现了当使用nginx cache时无法返回304响应的情况,出问题的响应头: Content-Type:text/html; charset=gb2312 Date:Mon, 05 Jan 2015 01:58:05 GMT Expires:Mon , 05 Jan 15 02:03:00 GMT Last-Modified:Mon, 05
- 数据源架构模式之行数据入口
home198979
PHP架构行数据入口
注:看不懂的请勿踩,此文章非针对java,java爱好者可直接略过。
一、概念
行数据入口(Row Data Gateway):充当数据源中单条记录入口的对象,每行一个实例。
二、简单实现行数据入口
为了方便理解,还是先简单实现:
<?php
/**
* 行数据入口类
*/
class OrderGateway {
/*定义元数
- Linux各个目录的作用及内容
pda158
linux脚本
1)根目录“/” 根目录位于目录结构的最顶层,用斜线(/)表示,类似于
Windows
操作系统的“C:\“,包含Fedora操作系统中所有的目录和文件。 2)/bin /bin 目录又称为二进制目录,包含了那些供系统管理员和普通用户使用的重要
linux命令的二进制映像。该目录存放的内容包括各种可执行文件,还有某些可执行文件的符号连接。常用的命令有:cp、d
- ubuntu12.04上编译openjdk7
ol_beta
HotSpotjvmjdkOpenJDK
获取源码
从openjdk代码仓库获取(比较慢)
安装mercurial Mercurial是一个版本管理工具。 sudo apt-get install mercurial
将以下内容添加到$HOME/.hgrc文件中,如果没有则自己创建一个: [extensions] forest=/home/lichengwu/hgforest-crew/forest.py fe
- 将数据库字段转换成设计文档所需的字段
vipbooks
设计模式工作正则表达式
哈哈,出差这么久终于回来了,回家的感觉真好!
PowerDesigner的物理数据库一出来,设计文档中要改的字段就多得不计其数,如果要把PowerDesigner中的字段一个个Copy到设计文档中,那将会是一件非常痛苦的事情。