- Densenet模型花卉图像分类
深度学习乐园
分类数据挖掘人工智能
项目源码获取方式见文章末尾!600多个深度学习项目资料,快来加入社群一起学习吧。《------往期经典推荐------》项目名称1.【基于CNN-RNN的影像报告生成】2.【卫星图像道路检测DeepLabV3Plus模型】3.【GAN模型实现二次元头像生成】4.【CNN模型实现mnist手写数字识别】5.【fasterRCNN模型实现飞机类目标检测】6.【CNN-LSTM住宅用电量预测】7.【VG
- 基于OpenCv的图片倾斜校正系统详细设计与具体代码实现
AI大模型应用之禅
人工智能数学基础计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
基于OpenCv的图片倾斜校正系统详细设计与具体代码实现1.背景介绍1.1图像处理的重要性在当今数字时代,图像处理技术在各个领域都扮演着重要角色。无论是在计算机视觉、模式识别、医学影像、遥感探测还是多媒体处理等领域,图像处理都是不可或缺的核心技术。通过对图像进行预处理、增强、分割、特征提取等操作,可以从图像中获取有价值的信息,为后续的分析和决策提供支持。1.2图像倾斜问题及其影响在实际应用中,由于
- 信创时代技术栈选择与前景分析:国产替代背景下的战略路径与实践指南
猿享天开
信创开发系统安全科技创业创新开发语言
博主简介:CSDN博客专家、CSDN平台优质创作者,高级开发工程师,数学专业,10年以上C/C++,C#,Java等多种编程语言开发经验,拥有高级工程师证书;擅长C/C++、C#等开发语言,熟悉Java常用开发技术,能熟练应用常用数据库SQLserver,Oracle,mysql,postgresql等进行开发应用,熟悉DICOM医学影像及DICOM协议,业余时间自学JavaScript,Vue,
- Camera相机人脸识别系列专题分析之四:Camera相机领域人脸识别和人脸属性检测介绍
一起搞IT吧
人工智能计算机视觉图像处理android
【关注我,后续持续新增专题博文,谢谢!!!】上一篇我们讲了:Camera相机人脸识别系列专题分析之三:一张图片的人脸识别过程原理这一篇我们开始讲:Camera相机人脸识别系列专题分析之四:Camera相机领域人脸识别和人脸属性检测介绍目录一、背景二、:Camera相机领域人脸识别2.1:影像相关基础知识2.1.1pipeline简介2.1.2Raw阈图像处理2.2:Camera相机人脸识别2.3:
- 新的人工智能模型揭示圣经中的死海古卷比我们想象的要古老得多
TechVision大咖圈
人工智能
死海古卷28a号(1Q28a),出自库姆兰洞穴1号。图片来源:OsamaShukirMuhammedAminFRCP(Glasg),CCBY-SA4.0,来自WikimediaCommons使用人工智能和放射性碳测年法来确定古代手稿的年代。自发现以来,死海古卷极大地加深了我们对犹太教和基督教起源的理解。虽然学者们普遍认为这些古卷的年代可追溯到公元前三世纪至公元二世纪,但具体手稿的年代仍未确定。如今
- 华为pura70,pura70pro和pro+有什么区别
m0_50613577
智能手机
性能Pura70:基础款,配置和性能相对标准,适合日常使用和一般需求。Pura70Pro与Pura70Pro+:作为Pro系列,这两款手机在配置和性能上更为高端,适合对性能有更高要求的用户。两者在处理器、屏幕分辨率、电池快充以及影像配置等方面基本相同,但Pura70Pro+在部分细节上有所提升。华为Pura70活动直降1000元太给力了https://u.jd.com/daVfFeC华为pura7
- SimpleITK——创建nrrd体素模型
bianguanyue
C#c#健康医疗算法
在介绍如何生成nrrd前,了解一下为什么医学影像上一般使用nrrd的体素模型?为什么医学影像上一般使用nrrd的体素模型?在医学影像领域,NRRD(NearlyRawRasterData)格式被广泛用于存储体素模型(如CT、MRI数据),主要基于以下技术优势:1.灵活的数据存储方式支持原始数据无损存储NRRD可直接存储未经压缩的体素数据(如16位整型、32位浮点),避免DICOM等格式
- 产教融合3.0时代:数字影像产业园‘人才+产业+创新’生态闭环构建
cdsmjt
企业微信
产教融合3.0时代,数字影像产业园构建“人才+产业+创新”生态闭环,需要从以下几个关键环节入手:一、人才培养:以产业需求为导向校企深度合作:打破传统“单向输送”模式,构建双向互动机制。高校与企业共同制定人才培养方案,课程设置紧贴产业前沿技术和岗位需求。实战化教学:建设实训基地,引入真实项目,让学生在实践中掌握技能。例如,可以参照“雅职·海信人工智能医学影像三维重建生产性实训基地”模式,打造高仿真的
- 从规划到落成,国际数字影像产业园园区建设全纪实
cdsmjt
大数据
深度报道来了!从规划到落成,国际数字影像产业园园区建设全纪实国际数字影像产业园的建设是一个系统性工程,涉及战略规划、资源整合、专业建设和精细运营等多个环节,旨在打造集技术研发、内容创作、人才培养、企业孵化及展示交易于一体的产业高地。规划阶段产业定位与可行性分析:明确园区核心发展方向,如影视特效、数字孪生、虚拟现实(VR)/增强现实(AR)、动漫游戏等。深入研究市场需求、技术趋势、区域优势及政策环境
- 后量子密码学迁移的战略窗口与陷阱
月_o9
python算法人机交互网络安全
后量子密码学迁移的战略窗口与陷阱字数:1040量子计算机对现行公钥密码体系的毁灭性威胁已进入10年倒计时,但迁移风险远超出技术范畴:迫在眉睫的“现在攻击未来”**HarvestNow,DecryptLater**攻击成为国家行为体标配:已确认超过120个APT组织系统性窃取加密数据医疗影像加密数据半衰期达30年,远超量子霸权实现时间表迁移路径的三重断层1.标准割裂危机NIST后量子密码(PQC)标
- vtk和opencv和opengl直接的区别是什么?
only-lucky
opencv人工智能计算机视觉
简介VTK、OpenCV和OpenGL是三个在计算机图形学、图像处理和可视化领域广泛使用的工具库,但它们在功能、应用场景和底层技术上存在显著差异。以下是它们的核心区别和特点对比:1.核心功能与定位工具核心功能主要应用领域VTK(VisualizationToolkit)三维可视化&科学计算,提供高级渲染、体绘制、交互式可视化医学影像、地质建模、流体力学仿真OpenCV(OpenSourceComp
- 基于OpenCv(开源计算机视觉库)的图像旋转匹配
我在北京coding
计算机视觉opencv人工智能
OpenCV(OpenSourceComputerVisionLibrary)是一个开源的计算机视觉和机器学习软件库,具有跨平台特性,广泛应用于工业检测、医疗影像分析、自动驾驶、无人机、机器人视觉等多个领域。本项目解决了图像模板匹配时的旋转问题。传统的模板匹配方法往往假设目标模板在搜索图像中的位置和方向与原图完全一致,但在实际应用中,目标可能因视角变化而发生旋转。因此,旋转匹配成为一种必要的技术。
- 掌握Python:从基础到AI开发的首选语言
博主简介:CSDN博客专家、CSDN平台优质创作者,高级开发工程师,数学专业,10年以上C/C++,C#,Java等多种编程语言开发经验,拥有高级工程师证书;擅长C/C++、C#等开发语言,熟悉Java常用开发技术,能熟练应用常用数据库SQLserver,Oracle,mysql,postgresql等进行开发应用,熟悉DICOM医学影像及DICOM协议,业余时间自学JavaScript,Vue,
- Java全栈AI平台实战:从模型训练到部署的革命性突破——Spring AI+Deeplearning4j+TensorFlow Java API深度解析
墨夶
Java学习资料3java人工智能spring
一、背景与需求:为什么需要Java驱动的AI平台?某医疗影像公司面临以下挑战:多语言开发混乱:Python训练模型,C++部署推理,Java调用服务,导致维护成本高昂部署效率低下:PyTorch模型需手动转换ONNX格式,TensorRT优化耗时2小时/模型实时性不足:视频流分析延迟达3秒,无法满足急诊场景需求通过Java全栈AI平台,我们实现了:端到端开发:Java调用PyTorch训练模型,直
- 基于深度学习的智能图像语义分割系统:技术与实践
Blossom.118
机器学习与人工智能深度学习人工智能python分类音视频机器学习sklearn
前言图像语义分割是计算机视觉领域中的一个重要任务,其目标是将图像中的每个像素分配到预定义的语义类别中。这一技术在自动驾驶、医学影像分析、机器人视觉等多个领域有着广泛的应用。近年来,深度学习技术,尤其是卷积神经网络(CNN)及其变体,为图像语义分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像语义分割系统的原理、实现方法以及实际应用案例。一、图像语义分割的基本概念1.1什么是图像语义分割?图
- 探秘卷积神经网络(CNN):从原理到实战的深度解析
LNL13
cnn人工智能神经网络
在图像识别、视频处理等领域,卷积神经网络(ConvolutionalNeuralNetwork,简称CNN)如同一位“超级侦探”,能够精准捕捉图像中的关键信息,实现对目标的快速识别与分析。从医疗影像诊断到自动驾驶中的路况感知,CNN凭借独特的架构设计和强大的特征提取能力,成为深度学习领域的中流砥柱。接下来,让我们深入探索CNN的奥秘。一、CNN的诞生背景与核心优势传统的神经网络,如多层感知机(ML
- Patch Position Embedding (PPE) 在医疗 AI 中的应用编程分析
Allen_Lyb
数智化教程(第二期)embedding人工智能机器学习健康医疗
一、PPE的核心原理与医疗场景适配性位置编码的本质需求在医疗影像(如CT、MRI、病理切片)中,Transformer需要将图像划分为若干Patch并作为序列输入。但如果不注入空间信息,模型难以区分同一病灶在不同坐标的语义差异。传统的绝对位置编码(如SinusoidalPE)对等距网格有效,却无法灵活适配病灶大小多变、图像分辨率不一的医学场景。PatchPositionEmbedding(PPE)
- 中科亿海微SoM模组——AI图像推理解决方案
随着AI技术的快速发展,AI图像推理作为一种高效、智能的图像处理技术,已成为推动各行业数字化转型和智能化升级的关键。它凭借强大的图像处理和推理能力,能够自动识别、分离和处理图像内容,为各行各业提供精准、高效的图像分析支持。极大提高了医疗影像、自动驾驶、智能安防、农业智能、无人机、人形机器人、物流管理等领域图像处理的效率和质量。本文介绍的中科亿海微基于FPGA+SoC架构的通用AI图像推理模组,主要
- OpenLayers 计算GeoTIFF影像NDVI
GIS之路
OpenLayersWebGIS前端信息可视化
前言NDVI(NormalizedDifferenceVegetationIndex)即归一化植被指数,是反应农作物长势和营养信息的重要参数之一,用于监测植物生长状态、植被覆盖度和消除部分辐射误差。其值在[-1,1]之间,-1表示可见光高反射;0表示有岩石或裸土等,NIR和R近似相等;正值,表示有植被覆盖,且值越大,表明植被覆盖度越高。计算公式:NDVI=(NIR-RED)/(NIR+RED)1.
- 阿里云大模型AI:开启智能新时代的钥匙
云资源服务商
阿里云人工智能云计算
阿里云大模型AI初印象在当今这个科技迅猛发展的时代,人工智能(AI)无疑已成为最耀眼的明星,深刻地改变着我们生活与工作的方方面面。从智能语音助手到自动驾驶汽车,从医疗影像诊断到金融风险预测,AI技术正以惊人的速度渗透到各个领域,为我们带来前所未有的便利与机遇。在这波澜壮阔的AI发展浪潮中,阿里云大模型AI凭借其卓越的性能、强大的功能以及广泛的应用场景,迅速崛起并占据了举足轻重的地位,吸引着全球无数
- 李宏毅【生成式AI导论 2024】第1讲:生成式AI是什么?
AIshape
AIGC知识库人工智能AIGC
什么是人工智能?人工智慧可以说是一个目标,是一个我们想要达到的目标。它不是一个单一的技术,并没有哪一个技术叫做人工智慧,人工智慧是一个目标。什么是生成式人工智能?生成式人工智慧是要机器产生复杂而有结构的物件。比如说文章,文章也有一连串的文字所构成的。比如说影像,影像是由一堆像素所组成的。比如说语音,语音是由一堆取样点所组成的。所谓的复杂有结构又是什么意思呢?这个复杂到底应该要复杂到什么程度呢?要复
- 基于深度学习的智能图像分割系统:技术与实践
Blossom.118
机器学习与人工智能深度学习人工智能python机器学习tensorflow神经网络sklearn
前言图像分割是计算机视觉领域中的一个核心任务,其目标是将图像划分为多个有意义的区域或对象。图像分割在医学影像分析、自动驾驶、安防监控等多个领域有着广泛的应用。近年来,深度学习技术,尤其是卷积神经网络(CNN)及其变体,为图像分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像分割系统的原理、实现方法以及实际应用案例。一、图像分割的基本概念1.1什么是图像分割?图像分割是一种将图像划分为多个互
- 文献解读-病理影像多模态模型预测乳腺癌新辅助化疗的病理完全反应
今天也不想动
文献解读病理组学影像组学文献解读多模态病理影像组学
期刊:ScienceAdvances影响因子:11.7,中科院1区Top发表时间:2025年4月30日概要:首都医科大学宣武医院放射科卢洁教授团队近日(2025年5月)在中科院1区top期刊《SciAdv》(IF=11.7)上发表研究“Amultimodalandfullyautomatedsystemforpredictionofpathologicalcompleteresponsetoneo
- 【图像处理基石】什么是EIS和OIS?
OIS(光学图像稳定)和EIS(电子图像稳定)是两种常见的图像稳定技术,广泛应用于相机、手机、摄像机等影像设备中,用于减少拍摄时因抖动导致的画面模糊。一、OIS(光学图像稳定,OpticalImageStabilization)1.工作原理通过光学元件(如镜头组或图像传感器)的物理移动来抵消设备的抖动。具体来说,当设备检测到抖动时,OIS系统会驱动镜头或传感器向相反方向移动,使成像光线始终聚焦在正
- YOLOV8模型优化-选择性视角类别整合模块(SPCI):遥感目标检测的注意力增强模型详解
清风AI
YOLO算法魔改系列深度学习算法详解及代码复现计算机视觉算法目标跟踪人工智能计算机视觉YOLOpython目标检测深度学习
一、研究背景与挑战随着卫星和无人机技术的普及,高分辨率遥感影像为城市规划、灾害监测等领域提供了海量数据。然而,遥感目标检测面临三大难题:尺度剧变:目标尺寸从几米到几百米不等(如飞机vs油罐)密集分布:港口/机场等场景存在大量密集目标背景干扰:自然/人造景观交织导致语义混淆现有方法如YOLOv8虽在通用目标检测表现优异,但在遥感场景存在以下局限:Backbone缺乏显式的多尺度特征融合机制传统注意力
- 预算3000元买拍照手机?荣耀400系列:轻松拍出单反级虚化的人像手机!
资讯分享周
智能手机
在手机影像竞争白热化的今天,3000元价位段已成为消费者选购拍照旗舰的核心战场。荣耀、OPPO、vivo等品牌纷纷亮出技术底牌,而荣耀400系列凭借"2亿像素+AI算法+胶片美学"的越级组合,正掀起一场"手机人像革命"!一、荣耀400系列:人像摄影的"双生旗舰"荣耀400Pro(国补价:2899元起)2亿像素硬核配置搭载1/1.4英寸三星HP3超大底传感器,结合行业首发AI人像意图识别引擎,可智能
- 图像灰度化处理技术与应用
mkmk00
本文还有配套的精品资源,点击获取简介:灰度化是图像处理的基础技术,能将彩色图像转换为数据量更小的灰阶图像。本文将深入探讨灰度化的原理和方法,包括直接平均法、权重平均法、最大值法、最小值法以及YUV色彩空间转换等,并分析灰度化在图像处理中的作用,例如数据量减少、简化算法、提高处理速度和易于分析。文章还介绍了灰度化在医学影像、文档扫描、车牌识别等实际应用中的例子,以及如何根据具体需求选择灰度化策略。1
- 2025 开发AI软件的应用场景和优势
哲科软件
人工智能
在人工智能技术持续突破的今天,AI软件开发已从实验室走向千行百业的核心战场。本文深入剖析医疗影像诊断、智能制造预测性维护、金融风控决策链等六大落地场景,揭示AI如何通过算法重构业务流程——某三甲医院通过病理AI系统将诊断效率提升4倍,汽车工厂借助缺陷检测模型降低90%质检成本,金融机构利用深度学习拦截98%的欺诈交易。我们不仅解析技术实现路径,更通过20+行业案例验证:当传统行业遇上AI开发,爆发
- 探索地图新维度:使用tiles-to-tiff轻松整合XYZ瓦片为GeoTIFF影像
金畏战Goddard
探索地图新维度:使用tiles-to-tiff轻松整合XYZ瓦片为GeoTIFF影像tiles-to-tiffPythonscriptforconvertingXYZrastertilesforslippymapstoageoreferencedTIFFimage项目地址:https://gitcode.com/gh_mirrors/ti/tiles-to-tiff在数字时代,地图不再仅仅是探索世
- EasyFeature:智能要素提取的遥感技术创新
智绘空天
人工智能深度学习机器学习图像处理
引言传统遥感解译受制于海量数据与地物复杂性,精度与效率常陷入瓶颈。EasyFeature软件正是应对这一领域痛点的先锋解决方案,其核心“要素智能提取”特性,聚焦于云覆盖、道路、居民地/建筑物、林地、水系等关键专题信息的深度挖掘,彻底改变了工程化影像处理流程。该软件依托强大的核心技术壁垒与智能算法,不仅有效提升了信息提取精度,更将遥感解译的效率提升至全新高度,为遥感数据分析领域注入自动化能量。核心技
- html页面js获取参数值
0624chenhong
html
1.js获取参数值js
function GetQueryString(name)
{
var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");
var r = windo
- MongoDB 在多线程高并发下的问题
BigCat2013
mongodbDB高并发重复数据
最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理,并将分析结果插入Vertica数据库,所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢?笔者开始也是一筹莫 展,重复去看 MongoDB 的 API , 终于有了新发现 :
com.mongodb.DB 这个类有
- c++ 用类模版实现链表(c++语言程序设计第四版示例代码)
CrazyMizzz
数据结构C++
#include<iostream>
#include<cassert>
using namespace std;
template<class T>
class Node
{
private:
Node<T> * next;
public:
T data;
- 最近情况
麦田的设计者
感慨考试生活
在五月黄梅天的岁月里,一年两次的软考又要开始了。到目前为止,我已经考了多达三次的软考,最后的结果就是通过了初级考试(程序员)。人啊,就是不满足,考了初级就希望考中级,于是,这学期我就报考了中级,明天就要考试。感觉机会不大,期待奇迹发生吧。这个学期忙于练车,写项目,反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周,希望能快点度过。
- linux系统中用pkill踢出在线登录用户
被触发
linux
由于linux服务器允许多用户登录,公司很多人知道密码,工作造成一定的障碍所以需要有时踢出指定的用户
1/#who 查出当前有那些终端登录(用 w 命令更详细)
# who
root pts/0 2010-10-28 09:36 (192
- 仿QQ聊天第二版
肆无忌惮_
qq
在第一版之上的改进内容:
第一版链接:
http://479001499.iteye.com/admin/blogs/2100893
用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题.
增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.
信息修改后上传至服务器再告诉所有用户,自己的窗口
- java读取配置文件
知了ing
1,java读取.properties配置文件
InputStream in;
try {
in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径
Properties p = new Properties()
- __attribute__ 你知多少?
矮蛋蛋
C++gcc
原文地址:
http://www.cnblogs.com/astwish/p/3460618.html
GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性(Function Attribute )、变量属性(Variable Attribute )和类型属性(Type Attribute )。
__attribute__ 书写特征是:
- jsoup使用笔记
alleni123
java爬虫JSoup
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.7.3</version>
</dependency>
2014/08/28
今天遇到这种形式,
- JAVA中的集合 Collectio 和Map的简单使用及方法
百合不是茶
listmapset
List ,set ,map的使用方法和区别
java容器类类库的用途是保存对象,并将其分为两个概念:
Collection集合:一个独立的序列,这些序列都服从一条或多条规则;List必须按顺序保存元素 ,set不能重复元素;Queue按照排队规则来确定对象产生的顺序(通常与他们被插入的
- 杀LINUX的JOB进程
bijian1013
linuxunix
今天发现数据库一个JOB一直在执行,都执行了好几个小时还在执行,所以想办法给删除掉
系统环境:
ORACLE 10G
Linux操作系统
操作步骤如下:
第一步.查询出来那个job在运行,找个对应的SID字段
select * from dba_jobs_running--找到job对应的sid
&n
- Spring AOP详解
bijian1013
javaspringAOP
最近项目中遇到了以下几点需求,仔细思考之后,觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题,另一方面是借此机会深入学习Spring AOP相关的内容。例如,以下需求不用AOP肯定也能解决,至于是否牵强附会,仁者见仁智者见智。
1.对部分函数的调用进行日志记录,用于观察特定问题在运行过程中的函数调用
- [Gson六]Gson类型适配器(TypeAdapter)
bit1129
Adapter
TypeAdapter的使用动机
Gson在序列化和反序列化时,默认情况下,是按照POJO类的字段属性名和JSON串键进行一一映射匹配,然后把JSON串的键对应的值转换成POJO相同字段对应的值,反之亦然,在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。
以Date为例,在序列化和反序列化时,Gson默认使用java.
- 【spark八十七】给定Driver Program, 如何判断哪些代码在Driver运行,哪些代码在Worker上执行
bit1129
driver
Driver Program是用户编写的提交给Spark集群执行的application,它包含两部分
作为驱动: Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。
计算逻辑本身,当计算任务在Worker执行时,执行计算逻辑完成application的计算任务
- nginx 经验总结
ronin47
nginx 总结
深感nginx的强大,只学了皮毛,把学下的记录。
获取Header 信息,一般是以$http_XX(XX是小写)
获取body,通过接口,再展开,根据K取V
获取uri,以$arg_XX
&n
- 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点
bylijinnan
数组
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class ExoWeb {
public static void main(String[] args) {
ExoWeb ew=new ExoWeb();
System.out.pri
- Netty源码学习-Java-NIO-Reactor
bylijinnan
java多线程netty
Netty里面采用了NIO-based Reactor Pattern
了解这个模式对学习Netty非常有帮助
参考以下两篇文章:
http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html
http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
- AOP通俗理解
cngolon
springAOP
1.我所知道的aop 初看aop,上来就是一大堆术语,而且还有个拉风的名字,面向切面编程,都说是OOP的一种有益补充等等。一下子让你不知所措,心想着:怪不得很多人都和 我说aop多难多难。当我看进去以后,我才发现:它就是一些java基础上的朴实无华的应用,包括ioc,包括许许多多这样的名词,都是万变不离其宗而 已。 2.为什么用aop&nb
- cursor variable 实例
ctrain
variable
create or replace procedure proc_test01
as
type emp_row is record(
empno emp.empno%type,
ename emp.ename%type,
job emp.job%type,
mgr emp.mgr%type,
hiberdate emp.hiredate%type,
sal emp.sal%t
- shell报bash: service: command not found解决方法
daizj
linuxshellservicejps
今天在执行一个脚本时,本来是想在脚本中启动hdfs和hive等程序,可以在执行到service hive-server start等启动服务的命令时会报错,最终解决方法记录一下:
脚本报错如下:
./olap_quick_intall.sh: line 57: service: command not found
./olap_quick_intall.sh: line 59
- 40个迹象表明你还是PHP菜鸟
dcj3sjt126com
设计模式PHP正则表达式oop
你是PHP菜鸟,如果你:1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统,如Subclipse4. 不采用某种编码与命名标准 ,以及通用约定,不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换(或)也不验证某些输入或SQL查询串(译注:参考PHP相关函
- Android逐帧动画的实现
dcj3sjt126com
android
一、代码实现:
private ImageView iv;
private AnimationDrawable ad;
@Override
protected void onCreate(Bundle savedInstanceState)
{
super.onCreate(savedInstanceState);
setContentView(R.layout
- java远程调用linux的命令或者脚本
eksliang
linuxganymed-ssh2
转载请出自出处:
http://eksliang.iteye.com/blog/2105862
Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)
使用步骤如下:
1.导包
官网下载:
http://www.ganymed.ethz.ch/ssh2/
ma
- adb端口被占用问题
gqdy365
adb
最近重新安装的电脑,配置了新环境,老是出现:
adb server is out of date. killing...
ADB server didn't ACK
* failed to start daemon *
百度了一下,说是端口被占用,我开个eclipse,然后打开cmd,就提示这个,很烦人。
一个比较彻底的解决办法就是修改
- ASP.NET使用FileUpload上传文件
hvt
.netC#hovertreeasp.netwebform
前台代码:
<asp:FileUpload ID="fuKeleyi" runat="server" />
<asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
- 代码之谜(四)- 浮点数(从惊讶到思考)
justjavac
浮点数精度代码之谜IEEE
在『代码之谜』系列的前几篇文章中,很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型,其实,浮点数比起那些复杂数据类型(比如字符串)来说, 一点都不简单。
单单是说明 IEEE浮点数 就可以写一本书了,我将用几篇博文来简单的说说我所理解的浮点数,算是抛砖引玉吧。 一次面试
记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试, 多年以后,他已经称为了一名很出色的
- 数据结构随记_1
lx.asymmetric
数据结构笔记
第一章
1.数据结构包括数据的
逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示,它们分别是
顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种,分别是
查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性:
输入、输出、可行性、确定性和有穷性。 5.算法分析的
- linux的会话和进程组
网络接口
linux
会话: 一个或多个进程组。起于用户登录,终止于用户退出。此期间所有进程都属于这个会话期。会话首进程:调用setsid创建会话的进程1.规定组长进程不能调用setsid,因为调用setsid后,调用进程会成为新的进程组的组长进程.如何保证? 先调用fork,然后终止父进程,此时由于子进程的进程组ID为父进程的进程组ID,而子进程的ID是重新分配的,所以保证子进程不会是进程组长,从而子进程可以调用se
- 二维数组 元素的连续求解
1140566087
二维数组ACM
import java.util.HashMap;
public class Title {
public static void main(String[] args){
f();
}
// 二位数组的应用
//12、二维数组中,哪一行或哪一列的连续存放的0的个数最多,是几个0。注意,是“连续”。
public static void f(){
- 也谈什么时候Java比C++快
windshome
javaC++
刚打开iteye就看到这个标题“Java什么时候比C++快”,觉得很好笑。
你要比,就比同等水平的基础上的相比,笨蛋写得C代码和C++代码,去和高手写的Java代码比效率,有什么意义呢?
我是写密码算法的,深刻知道算法C和C++实现和Java实现之间的效率差,甚至也比对过C代码和汇编代码的效率差,计算机是个死的东西,再怎么优化,Java也就是和C