- Numpy、Pandas库的使用
貮叁
量化投资分析pythonpython数据分析
目录Numpy1、概述2、基础操作2.1生成一个numpy的array数组:2.2自定义一个新的数据类型:np.dtype()3、并行化思想4、量化分析应用4.1索引选取和切片选择4.2数据转换与规整4.3逻辑条件进行数据筛选4.4通用序列函数4.5文件保存与读取Pandas1、简介2、Series和DataFrame的使用2.1Series2.2DataFrame3、量化分析应用3.1形成一个p
- 量化交易入门(十)Python开发-异常处理
量化交易学徒
量化交易入门python开发语言
在Python中,异常处理是一种处理程序在运行时可能发生的错误或异常情况的机制。通过使用try-except语句,我们可以捕获和处理异常,避免程序意外终止。下面是Python异常处理的基本语法:try:#可能引发异常的代码块exceptExceptionType:#处理异常的代码块如果try块中的代码引发了指定类型的异常,程序将跳转到对应的except块中执行异常处理代码。除了基本的try-exc
- 揭开访问者模式的神秘面纱-轻松增强对象行为
danci_ww
设计模式设计模式访问者模式软件工程java面试程序人生
个人主页:danci_系列专栏:《设计模式》制定明确可量化的目标,坚持默默的做事。转载自:探索设计模式的魅力:揭开访问者模式的神秘面纱-轻松增强对象行为探索设计模式的魅力:揭开访问者模式的神秘面纱轻松增强对象行为文章目录一、案例场景1.1经典的运用场景1.2一坨坨代码实现1.3痛点二、解决方案2.1定义2.2案例分析2.3访问者模式结构图及说明2.4使用访问者模式重构示例2.5重构后解决的问题一、
- 神经网络量化
小厂程序猿
人工智能
神经网络量化(NeuralNetworkQuantization)是一种技术,旨在减少神经网络模型的计算和存储资源需求,同时保持其性能。在深度学习中,神经网络模型通常使用高精度的参数(例如32位浮点数)来表示权重和激活值。然而,这种表示方式可能会占用大量的内存和计算资源,特别是在部署到资源受限的设备(如移动设备或嵌入式系统)时会受到限制。神经网络量化通过将模型参数和激活值从高精度表示(例如32位浮
- 怎么样提高c/c++编程能力?
魔公子世无双
首先、什么算你所谓的编程能力?我们对一项技能的掌握程度往往很难量化,对于编程能力的考量可能比较抽象,我们来类比比较直观的其他技能。比如说什么叫会弹吉他?我们说一个人吉他玩的好,这个人会弹吉他,是指他会弹《小星星》?还是会弹岸部真明的《timetravel》?(力荐,好听!)恐怕都不是,我们对于会弹吉他的认知,应当是随手给他一个不熟悉的谱子,你也能很快的用吉他精彩的演奏,我们才说这个人吉他玩的真6。
- 加速 PyTorch 模型预测常见方法梳理
samoyan
pytorchpytorch人工智能python
目录1.使用GPU加速2.批量推理3.使用半精度浮点数(FP16)4.禁用梯度计算5.模型简化与量化6.使用TorchScript7.模型并行和数据并行结论在使用PyTorch进行模型预测时,可以通过多种方法来加快推理速度。以下是一些加速模型预测的常用方法,但注意有些模型直接使用下面方法会出错,大家谨慎使用:1.使用GPU加速如果您有可用的GPU资源,确保您的模型在GPU上运行,因为GPU提供了比
- 3个维度,9个细节(1242字)
fcb12615e0bc
3个维度,9个细节,评价一节课一堂课的评价标准应该如何构建,课堂质量如何进行评判?在本文中,程红兵老师从“听、看、说”三个维度提炼出九个课堂评判指标。明确的量化标准可以为新教师们提供一定的教学参考,也能够为有经验的教师带来反思,祝您阅读愉快。1听:学生在课堂上希望听到3种声音掌声。发自内心的掌声让课堂有意义。孩子们希望在课堂上能听到来自老师或者同学的深刻而精彩的见解,简便而有效的解题思路和解题方法
- 挑战杯 机器学习股票大数据量化分析与预测系统 - python 挑战杯
laafeer
python
文章目录0前言1课题背景2实现效果UI界面设计web预测界面RSRS选股界面3软件架构4工具介绍Flask框架MySQL数据库LSTM5最后0前言优质竞赛项目系列,今天要分享的是机器学习股票大数据量化分析与预测系统该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:3分更多资料,项目分享:https://gitee.com
- 图像算法实习生--面经1
小豆包的小朋友0217
算法
系列文章目录文章目录系列文章目录前言一、为什么torch里面要用optimizer.zero_grad()进行梯度置0二、Unet神经网络为什么会在医学图像分割表现好?三、transformer相关问题四、介绍一下胶囊网络的动态路由五、yolo系列出到v9了,介绍一下你最熟悉的yolo算法六、一阶段目标检测算法和二阶段目标检测算法有什么区别?七、讲一下剪枝八、讲一下PTQandQAT量化的区别九、
- 你只是忽略了这些用光基础
洞脑摄影客
肖像用光本质上是用光来表现一个人的个性和面部特征。这一点是大多数摄影师所忽略的,在批量化生产照片的时代减少了观察以及灯光变化这一环节,不同的人不同的脸型不同的性格也用同样的灯光,从不考虑拍摄对象是否适合。很多人就是将固定好的光布置在那里,然后引导被摄者看向相机,咔嚓一声就结束了拍摄,其实这很大一部分原因就是并不是真的完全理解和能运用灯光照明的基础知识。真正理解用光意味着就像运用光圈和快门的关系那样
- 2019-8-10晨间日记
VisualField
今天是周六August.10起床:6:00就寝:23:40天气:第一场秋雨心情:清爽任务清单昨日完成的任务,最重要的三件事:学习人生算法:模糊,量化范围比精确数字更重要;查阅有关“合作”话题的材料;听武侠:奇侠十八兄。习惯养成:背诵100个考研英语单词督促雅淇练习汉字专注读书30分钟学习·信息·阅读今天全世界最看好的三种技术:AI,大数据,云计算。这其实是谷歌提出的技术哲学,还存在其他的演进路径。
- 读书‖用词汇、数字、联结来加强文章的意境
常清净
《写作吧!你值得被看见》day6阅读内容:16篇《词汇力》、17篇《字辩力》、18篇《量化力》、19篇《联结力》。(75——93页)阅读主题:如何运用词汇、数字、联接来丰富我们的文字。三个问题:1、语言从文化而来,请举出一个体现中国文化特色的词汇例子、并说明体现了什么?比如“怒”字,一个生气的人,就是“心的奴隶”;心的奴隶就是一个生气的人。“仙”字:住在山上的人就是神仙;“俗”字:住在山谷的人就是
- 【自动驾驶】自动驾驶地图构建方法与工具小结
CS_Zero
自动驾驶人工智能
自动驾驶地图构建小结概述制作流程主要利用定位与建图算法(组合导航,视觉、激光SLAM等),融合多种传感器数据,构建高精度、高分辨率的三维语义地图,将要素矢量化,构建要素间的关联关系,通过质检确保质量可靠,形成地图引擎(服务、API)以满足自动驾驶系统的需求。底图构建底图构建存在两大类方法,点云建图与视觉建图。点云建图一般面向高精度采集设备,采用高线束激光雷达,硬件成本高。一般使用高精度组合导航进行
- 论文阅读:2020GhostNet华为轻量化网络
A_my_*
论文阅读人工智能计算机视觉深度学习
创新:(1)对卷积进行改进(2)加残差连接1、GhostModule1、利用1x1卷积获得输入特征的必要特征浓缩。利用1x1卷积对我们输入进来的特征图进行跨通道的特征提取,进行通道的压缩,获得一个特征浓缩。2、利用深度可分离卷积获得特征浓缩的相似特征图(Ghost)。在获得特征浓缩之后,利用深度可分离卷积进行逐层卷积,进行跨特征点的特征提取,获得额外的特征图,也就是Ghost。将这两个进行堆叠就是
- 我从来不觉得追星有什么不好,有一个优秀的榜样带动自己,我觉得是很幸福的事情。偶像通过自己的努力,真的会给我们带来很多的力量。
嘉忆2018
学习笔记2021.3.26日更第2天一、时间就是金钱前段时间我看了段视频,上面说:如果你有86400元,弄丢了400元,你肯定不会把剩下的86000元扔掉,而一天有86400秒,如果有400秒让你不开心了,多数人会剩下的86000秒也过不好。其中正是因为大多数人没有认识到时间就是金钱的道理,没有量化思维的概念,也是当你情绪纠结内耗时,值得多读几遍的文字。二、掌控生活中的10%是由发生在你身上的事情
- 什么是服务级别协议(SLA)?
grugoo
网络安全
在数字化时代,企业和服务提供商之间的关系变得越来越复杂,而服务级别协议(SLA)则在这个复杂网络中发挥着至关重要的作用。本文将深入介绍SLA,从它的定义、应用场景到监测方法,全方位解析这一法律桥梁如何确保服务质量和客户满意度。1.什么是SLA?服务级别协议(SLA)是服务提供商和其客户之间的正式契约,旨在明确和量化提供的服务质量。这个协议详细规定了服务的各个方面,包括性能、可用性、支持和处罚条款等
- octave 与 matlab
UPUPUPEveryday
matlab开发语言
octave与matlab联系与区别Octave和Matlab是两种数字计算和科学编程语言。它们之间有很多联系和区别。联系:Octave和Matlab都是为了进行数值计算和科学编程而设计的,它们都具有很强的数值计算和矩阵操作的能力。Octave和Matlab都支持向量化的操作,使得对矩阵和向量的运算更加高效。Octave和Matlab都提供了丰富的数学函数库,包括线性代数、信号处理、图像处理等领域
- 神经网络量化
掉毛学渣
神经网络
最近在做神经网络的端侧部署,在做端侧部署的时候,为了减少内存压力和加快推理速度,会将单精度(fp32)模型量化成int8或者fp16。量化计算原理以线性非对称量化为例,浮点数量化为有符号定点数的计算原理如下:xint=clamp([xs]+z;−2b−1,2b−1−1)x_{int}=clamp([\frac{x}{s}]+z;-2^{b-1},2^{b-1}-1)xint=clamp([sx]+
- R语言编程-Tidyverse 书籍-第二章(1)
Hello育种
本章节主要讲数据操作三个关键点向量化编程思维和函数式编程思维,应用在数据框或更高级的数据结构中将复杂数据操作分解为若干基本数据操作的能力:数据连接、数据重塑(长宽变换/拆分合并列)、筛选行、排序行、选择列、修改列、分组汇总接受数据分解的操作思维1管道操作magrittr包引入了管道操作,能够通过管道将数据从一个函数传给另一个函数,从而用若干函数构成的管道依次变换你的数据。例如x%>%f()%>%g
- 互联网加竞赛 机器学习股票大数据量化分析与预测系统 - python 互联网加竞赛
Mr.D学长
pythonjava
文章目录0前言1课题背景2实现效果UI界面设计web预测界面RSRS选股界面3软件架构4工具介绍Flask框架MySQL数据库LSTM5最后0前言优质竞赛项目系列,今天要分享的是机器学习股票大数据量化分析与预测系统该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:3分更多资料,项目分享:https://gitee.com
- 【深入了解PyTorch】模型优化和加速:PyTorch优化技术与库的应用
prince_zxill
Python实战教程人工智能与机器学习教程pytorch人工智能python
【深入了解PyTorch】模型优化和加速:PyTorch优化技术与库的应用模型优化和加速:PyTorch优化技术与库的应用模型剪枝(ModelPruning)模型量化(ModelQuantization)混合精度训练(MixedPrecisionTraining)总结模型优化和加速:PyTorch优化技术与库的应用在机器学习和深度学习领域,模型的性能和效率一直是研究和应用的重要关注点。随着模型越来
- 七五班第十一周工作总结
静侯花开ing
虽然本周二要进行期中考试,但是常规管理不能松懈,因此,周一早上公布上周量化考核,针对上周卫生问题,对本周卫生进行规范。晚上放学前并进行诚信考试动员会!周二周三考试,合理利用考试后的时间进行复习!周三下午考完试,对学生进行收心教育,以免觉得考完就得放松!周五下午班会以创建优秀班集体为主题,为下步班级文化建设打下基础!下周打造班级文化建设!
- 通信原理教程chapter4
今日你学左米啊
通信原理教程chapter4感冒+繁忙著教材用的是《通信原理教程》(第三版)--樊昌信著第四章模拟信号的数字化@[toc]模拟信号的数字化(AD转换)模电里面也说过,AD转换包括三个基本步骤:抽样,量化,编码,前两个在模电和信号与系统里面其实已经讲得7788了,这章的重点在于基带信号的编码.还有一些就是带通信号的抽样频率,抽样信号的非均匀量化这两个新一点的东西.这里我们顺便帮大家复习一下信号的分类
- 吴恩达机器学习全课程笔记第一篇
亿维数组
MachineLearning机器学习笔记人工智能
目录前言P1-P8监督学习无监督学习P9-P14线性回归模型成本(代价)函数P15-P20梯度下降P21-P24多类特征向量化多元线性回归的梯度下降P25-P30特征缩放检查梯度下降是否收敛学习率的选择特征工程多项式回归前言从今天开始,争取能够在开学之前(2.25)把b站上的【吴恩达机器学习】教程过一遍,并把笔记记录于此,本笔记将会把此课程每一p的重点内容及其截屏记录于此,以供大家参考和本人日后复
- 运营:公众号文章、朋友圈文案、社群文案怎么写更好?
运营指南平台
关于公众号相关的推广文案,究竟该如何写才更有吸引力?其实推广文案,并没有那么复杂,主要注意以下几个方面的写作技巧!公众号推广文章如何撰写才会更有吸引力?接下来我们就从几个方面来讲!1、标题吸引人给出以下几个关于标题写作的建议:●具体化:不要用大词、模糊的词、含义不确切的词,不要让人摸不着头脑。●数字化,量化更有吸引力。例子:《给年轻人的三条建议》《2万3千个年轻人的选择》《十大生活妙招大揭秘》●情
- 大模型量化技术原理-LLM.int8()、GPTQ
吃果冻不吐果冻皮
动手学大模型人工智能
近年来,随着Transformer、MOE架构的提出,使得深度学习模型轻松突破上万亿规模参数,从而导致模型变得越来越大,因此,我们需要一些大模型压缩技术来降低模型部署的成本,并提升模型的推理性能。模型压缩主要分为如下几类:剪枝(Pruning)知识蒸馏(KnowledgeDistillation)量化之前也写过一些文章涉及大模型量化相关的内容。基于LLaMA-7B/Bloomz-7B1-mt复现开
- 同道决策|莫祖泉:数据量化管理责任到位,才知道尽责任的乐趣
同道决策莫祖泉
梁启超先生曾说过:“人生须知责任的苦处,才知道尽责任的乐趣。”回到我们的企业经营实践中,若数据量化工作做得好,每个人都清楚地知道靶心在哪,知道该如何瞄准射击,经营业绩一定能够持续改善!相反,经营业绩极容易潮起潮落,很难保持较高水平,更难实现不断向上突破!经营管理部是数据量化工作的统筹者、责任承担者和管理协调者,业务链上的各个环节及各个部门提供的数据必须保证真实、及时、客观、系统、全面。由此可见,经
- 想要自己的专属 AI 猫娘助理?教你使用 CPU 本地安装部署运行 ChatGLM-6B实现
恒TBOSH
GPT-4人工智能
今天介绍的ChatGLM-6B是一个清华开源的、支持中英双语的对话语言模型,基于GLM架构,具有62亿参数。关键的是结合模型量化技术,ChatGLM-6B可以本地安装部署运行在消费级的显卡上做模型的推理和训练(全量仅需14GB显存,INT4量化级别下最低只需6GB显存)虽然智商比不过openAI的ChatGPT模型,但是ChatGLM-6B是个在部署后可以完全本地运行,可以自己随意调参,几乎没有任
- Datawhale用免费GPU线上跑AI项目实践课程任务一学习笔记。部署ChatGLM3-6B模型
Hoogte-oile
学习笔记学习笔记人工智能自然语言处理
前言本篇文章为学习笔记,流程参照Datawhale用免费GPU线上跑AI项目实践课程任务,个人写此文章为记录学习历程和补充概念,并希望为后续的学习者开辟道路,没有侵权的意思。如有错误也希望大佬们批评指正。模型介绍ChatGLM-6B是一个开源的、支持中英双语问答的对话语言模型,基于GeneralLanguageModel(GLM)架构,具有62亿参数。结合模型量化技术,用户可以在消费级的显卡上进行
- 计算行业集中度
IT_小白
行业集中度:行业集中度(ConcentrationRatio)又称行业集中率或市场集中度(MarketConcentrationRate),是指某行业的相关市场内前N家最大的企业所占市场份额(产值、产量、销售额、销售量、职工人数、资产总额等)的总和,是对整个行业的市场结构集中程度的测量指标,用来衡量企业的数目和相对规模的差异,是市场势力的重要量化指标。衡量指标:行业集中度是决定市场结构最基本、最重
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类:
1)插入排序(直接插入排序、希尔排序)
2)交换排序(冒泡排序、快速排序)
3)选择排序(直接选择排序、堆排序)
4)归并排序
5)分配排序(基数排序)
所需辅助空间最多:归并排序
所需辅助空间最少:堆排序
平均速度最快:快速排序
不稳定:快速排序,希尔排序,堆排序。
先来看看8种排序之间的关系:
1.直接插入排序
(1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块,包括RDD,Shuffle,Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构,即Driver上BlockManager充当了Master角色,而各个Slave上(具体到应用范围,就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用,这里讲一下怎么查看端口是否被占用,及哪个程序占用,怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起,经常在tomcat容器起动后,访问页面时输入http://localhost:8088/index.jsp,大家都知道localhost代表本机地址,如果本机IP是10.10.134.21,那就相当于http://10.10.134.21:8088/index.jsp,有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码,一看就懂,利用的是jxl:
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结(数组函数)
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素,再返回该数组。
示例:
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M,8M宽带。其中M是指,Mbits/S
其中要提前说明的是:
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节,约为 50000多字节。但是网宽是以“位”为单位的,所以,8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位,即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC(反向控制 依赖注入)
aijuans
Spring 3 系列
IoC(反向控制 依赖注入)这是Spring提出来了,这也是Spring一大特色。这里我不用多说,我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC,下面我将介绍不用Spring的IoC。
IoC不是框架,她是java的技术,如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明:
如:程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况,应尽可能使用InnoDB存储引擎。 原因:InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的,很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行,除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中,如果id对应的标签不存在(同理JAVA中,如果对象不存在),则调用它的方法会报错或抛异常。在实际开发中,发现JQuery在id对应的标签不存在时,调其val()方法不会报错,结果是undefined。
- http请求测试实例(采用json-lib解析)
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本,因些对于JDK1.4的项目,可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法,仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤,在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用,本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home
- nginx负载tomcat遇非80时的转发问题
ronin47
nginx负载后端容器是tomcat(其它容器如WAS,JBOSS暂没发现这个问题)非80端口,遇到跳转异常问题。解决的思路是:$host:port
详细如下:
该问题是最先发现的,由于之前对nginx不是特别的熟悉所以该问题是个入门级别的:
? 1 2 3 4 5
- java-17-在一个字符串中找到第一个只出现一次的字符
bylijinnan
java
public class FirstShowOnlyOnceElement {
/**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff,则输出b
* 1.int[] count:count[i]表示i对应字符出现的次数
* 2.将26个英文字母映射:a-z <--> 0-25
* 3.假设全部字母都是小写
*/
pu
- mongoDB 复制集
开窍的石头
mongodb
mongo的复制集就像mysql的主从数据库,当你往其中的主复制集(primary)写数据的时候,副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题
mo
- [宇宙与天文]宇宙时代的经济学
comsci
经济
宇宙尺度的交通工具一般都体型巨大,造价高昂。。。。。
在宇宙中进行航行,近程采用反作用力类型的发动机,需要消耗少量矿石燃料,中远程航行要采用量子或者聚变反应堆发动机,进行超空间跳跃,要消耗大量高纯度水晶体能源
以目前地球上国家的经济发展水平来讲,
- Git忽略文件
Cwind
git
有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件,编译生成的各种目标或临时文件等。使用git status时,会在Untracked files里面看到这些文件列表,在一次需要添加的文件比较多时(使用git add . / git add -u),会把这些所有的未跟踪文件添加进索引。
==== ==== ==== 一些牢骚
- MySQL连接数据库的必须配置
dashuaifu
mysql连接数据库配置
MySQL连接数据库的必须配置
1.driverClass:com.mysql.jdbc.Driver
2.jdbcUrl:jdbc:mysql://localhost:3306/dbname
3.user:username
4.password:password
其中1是驱动名;2是url,这里的‘dbna
- 一生要养成的60个习惯
dcj3sjt126com
习惯
一生要养成的60个习惯
第1篇 让你更受大家欢迎的习惯
1 守时,不准时赴约,让别人等,会失去很多机会。
如何做到:
①该起床时就起床,
②养成任何事情都提前15分钟的习惯。
③带本可以随时阅读的书,如果早了就拿出来读读。
④有条理,生活没条理最容易耽误时间。
⑤提前计划:将重要和不重要的事情岔开。
⑥今天就准备好明天要穿的衣服。
⑦按时睡觉,这会让按时起床更容易。
2 注重
- [介绍]Yii 是什么
dcj3sjt126com
PHPyii2
Yii 是一个高性能,基于组件的 PHP 框架,用于快速开发现代 Web 应用程序。名字 Yii (读作 易)在中文里有“极致简单与不断演变”两重含义,也可看作 Yes It Is! 的缩写。
Yii 最适合做什么?
Yii 是一个通用的 Web 编程框架,即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持,它特别适合开发大型应
- Linux SSH常用总结
eksliang
linux sshSSHD
转载请出自出处:http://eksliang.iteye.com/blog/2186931 一、连接到远程主机
格式:
ssh name@remoteserver
例如:
ssh
[email protected]
二、连接到远程主机指定的端口
格式:
ssh name@remoteserver -p 22
例如:
ssh i
- 快速上传头像到服务端工具类FaceUtil
gundumw100
android
快速迭代用
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOExceptio
- jQuery入门之怎么使用
ini
JavaScripthtmljqueryWebcss
jQuery的强大我何问起(个人主页:hovertree.com)就不用多说了,那么怎么使用jQuery呢?
首先,下载jquery。下载地址:http://hovertree.com/hvtart/bjae/b8627323101a4994.htm,一个是压缩版本,一个是未压缩版本,如果在开发测试阶段,可以使用未压缩版本,实际应用一般使用压缩版本(min)。然后就在页面上引用。
- 带filter的hbase查询优化
kane_xie
查询优化hbaseRandomRowFilter
问题描述
hbase scan数据缓慢,server端出现LeaseException。hbase写入缓慢。
问题原因
直接原因是: hbase client端每次和regionserver交互的时候,都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
- java设计模式-单例模式
men4661273
java单例枚举反射IOC
单例模式1,饿汉模式
//饿汉式单例类.在类初始化时,已经自行实例化
public class Singleton1 {
//私有的默认构造函数
private Singleton1() {}
//已经自行实例化
private static final Singleton1 singl
- mongodb 查询某一天所有信息的3种方法,根据日期查询
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
// mongodb的查询真让人难以琢磨,就查询单天信息,都需要花费一番功夫才行。
// 第一种方式:
coll.aggregate([
{$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}},
{$match:{sendDate: '2015-
- 二维数组转换成JSON
tangqi609567707
java二维数组json
原文出处:http://blog.csdn.net/springsen/article/details/7833596
public class Demo {
public static void main(String[] args) { String[][] blogL
- erlang supervisor
wudixiaotie
erlang
定义supervisor时,如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid),如果shutdown策略选择的是brutal_kill,那么supervisor会调用exit(ChildPid, kill),这样的话如果Child的behavior是gen_