- 9. 卷积神经网络工程实践
路小漫
小姐姐归来,带着蜜汁微笑,啦啦啦~这次讲的应该是一些成功的神经网络架构,毕竟我们不能总重复造轮子,借鉴很重要AlexNet结构AlexNet的架构如图,有5个卷积层问题1输入是:227×227×3的图像第一层(卷积层1):96个大小为11×11的滤波器,步长为4问题:卷积层的输出是?*答案:55×55×96问题2问题:这一层的超参数的个数是多少?答案:(11×11×3)×96=35k问题3输入:2
- 深度学习,人工智能总结
qq_14827935
人工智能深度学习
1,入门建议少看书,多看csdn上帖子总结(主要就是BP神经网络,CNN,rnn),建立宏观的概念和主要框架,书可以作为进阶补充作为工具书查阅。2,目前的神经网络还处于前牛顿时代,就是实践中图像识别效果很好,但是原理不太清楚3,现在的人工智能有点像通信行业2g时代,从2012年alexnet到openai的chatgpt,未来还有很长的发展潜力。丰田不是汽车的发明者,但现在销量最高。oepnai在
- 【深度学习】使用tensorflow实现VGG19网络
杨得江-君临天下wyj
网络协议网络
【深度学习】使用tensorflow实现VGG19网络本文章向大家介绍【深度学习】使用tensorflow实现VGG19网络,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。VGG网络与AlexNet类似,也是一种CNN,VGG在2014年的ILSVRClocalizationandclassification两个问题上分别取得了第一名和
- AlexNet的出现推动深度学习的巨大发展
科学禅道
深度学习模型专栏深度学习人工智能
尽管AlexNet(2012)的代码只比LeNet(1998)多出几行,但学术界花了很多年才接受深度学习这一概念,并应用其出色的实验结果。AlexNet(由AlexKrizhevsky、IlyaSutskever和GeoffreyHinton共同设计)在架构上相对于早先的LeNet-5等浅层神经网络并没有显著增加代码行数,但其在深度学习领域的重要突破在于其对深层卷积神经网络的实际应用和验证。Ale
- ChatGPT魔法1: 背后的原理
王丰博
GPTchatgpt
1.AI的三个阶段1)上世纪50~60年代,计算机刚刚产生2)Machinelearning3)Deeplearning,有神经网络,最有代表性的是ChatGPT,GPT(GenerativePre-TrainedTransformer)2.深度神经网络llyaSutskever:做图像识别,使用了GPT去并行计算及训练。Alexnet数据库已经label好的(李飞飞)GPU算力3.GPT3.1T
- R-CNN、Fast R-CNN、Faster R-CNN实现
今 晚 打 老 虎
面试之CV基础知识深度学习点滴
R-CNN:传统的目标检测算法:使用穷举法(不同大小比例的滑窗)进行区域选择,时间复杂度高对提取的区域进行特征提取(HOG或者SIFT),对光照、背景等鲁棒性差使用分类器对提取的特征进行分类(SVM或Adaboost)R-CNN的过程:采用SelectiveSearch生成类别独立的候选区域使用AlexNet来提取特征,输入是227*227*3,输出是4096将4096维的特征向量送入SVM来分类
- 深度学习-分类任务---经典网络
丁引
网络深度学习
文章目录经典网络1LeNet51.1模型结构1.2模型结构1.3模型特性2AlexNet2.1模型介绍2.2模型结构2.3模型解读2.4模型特性3可视化ZFNet-转置卷积3.1基本的思想及其过程3.2卷积与转置卷积3.3卷积可视化3.4ZFNet和AlexNet比较4VGGNet4.1模型结构4.2模型特点5NetworkinNetwork5.1模型结构5.2模型创新点6GoogleNet6.1
- 【机器学习】卷积和反向传播
无水先生
机器学习人工智能人工智能神经网络
一、说明自从AlexNet在2012年赢得ImageNet竞赛以来,卷积神经网络(CNN)就变得无处不在。从不起眼的LeNet到ResNets再到DenseNets,CNN无处不在。您是否想知道CNN的反向传播中会发生什么,特别是反向传播在CNN中的工作原理。如果您读过反向传播,您就会了解它是如何在具有全连接层的简单神经网络中实现的。(AndrewNg在Coursera上的课程对此做了很好的解释)
- 深度学习的新进展:从图像识别到自然语言处理
一休哥助手
话题深度学习自然语言处理人工智能
导语:深度学习作为人工智能领域的重要分支,近年来取得了巨大的突破和进展。从最初的图像识别到如今的自然语言处理,深度学习正逐渐渗透到我们日常生活的方方面面。本文将带您一探深度学习的新进展,了解其在图像识别和自然语言处理领域的应用。一、图像识别:从精确度到实时性的提升深度学习在图像识别领域的应用已经取得了令人瞩目的成果。从最早的AlexNet到如今的ResNet、Inception等模型,深度学习模型
- 卷积神经网络(CNN)
栉风沐雪
深度学习cnn人工智能神经网络
本文仅在理论方面讲述CNN相关的知识,并给出AlexNet,Agg,ResNet等网络结构的代码。1.构成由输入层、卷积层、池化层、全连接层构成。输入层:输入数据卷积层:提取图像特征池化层:压缩特征全连接层:为输出准备,形同一维神经网络,下文不另起文笔描述2.神经网络与CNN对比左边为神经网络,右边为卷积神经网络。均采用的时较为简单的结构,卷积神经网络是对基础神经网络的延申,由一维扩展到三位空间,
- 深度学习的进展
李建军
软件使用深度学习人工智能
深度学习近年来的进展在各个领域均展现出非凡的实力,以下将进一步详述几个关键领域的具体突破和应用:1.计算机视觉图像分类与识别:随着深度卷积神经网络的发展,如AlexNet、VGG、Inception系列、ResNet以及DenseNet等模型,图像分类准确率显著提高。尤其是ImageNet大规模视觉识别挑战赛上,错误率逐年降低,现在已经接近人类水平。目标检测:RCNN系列(FastRCNN、Fas
- 易 AI - 使用 TensorFlow 2 Keras 实现 AlexNet CNN 架构
CatchZeng
原文:https://makeoptim.com/deep-learning/yiai-alexnet-implementation前言网络结构实现SequentialSubclassingDemo小结参考前言上一篇笔者使用如何阅读深度学习论文的方法阅读了AlexNet。为了加深理解,本文带大家使用TensorFlow2Keras实现AlexNetCNN架构。网络结构image从上一篇可以得到Al
- caffe中的参考模型
雨住多一横
RCNNmode_reference_rcnn_ilsvrc13l.pngcaffenet用于Flickrstyle数据集model_finetune_flickr_style.pngAlexNetmodel_alexnet.pnggooglenetmodel_googlenet.pngcaffenetmodel_reference_caffenet.png
- 人工智能:破局与创新的较量,谁将主宰未来?
猫之角
一、AI发展趋势1.1数据驱动的增长AI的快速发展离不开大量数据的支撑。随着5G、物联网等技术的普及,数据的采集、传输和处理能力得到了极大提升。这使得数据驱动的AI技术取得了突破性进展,尤其是在计算机视觉、自然语言处理等领域。1.2深度学习与神经网络的创新深度学习作为AI的核心技术之一,其基于神经网络的算法在近年来得到了快速发展。从LeNet、AlexNet到ResNet,再到GPT、BERT等模
- Deeplearning with pytorch p1ch2
风与海的半神
深度学习
Deeplearningwithpytorchp1ch2AlexNet&ResNetResNet&resnet101AlexNet&ResNetResNet&resnet101ResNet:residualnetworksresnet101多层神经网络结构,今天的主要收获如下更改jupyter默认文件路径;torchvision中的models,transforms模块;PIL的Image模块;t
- 语义分割:从早期探索到深度学习的突破
kadog
ByGPT深度学习人工智能笔记python
语义分割:从早期探索到深度学习的突破语义分割的端倪:从早期探索到深度学习的突破引言早期技术:图像处理与模式识别边缘检测区域生长图割(GraphCut)聚类方法深度学习的兴起:CNN革命2012年AlexNet的突破全卷积网络(FCN)U-Net的创新设计深度学习卷积网络技术不断创新发展里程碑:端到端学习端到端全卷积网络(FCN)MaskR-CNN的多任务学习Transformer在视觉任务中的应用
- 面向ChatGPT学AI?
fVector
ChatGPT初体验本文整理了一些询问ChatGPT的有关深度学习的问题和答案本文首发于2022年12月6日,微信公众号[胡说深度学习]。1.一些深度学习的问题2.问题和答案3.使用ChatGPT后的感觉1.一些深度学习的问题使用python和pytorch写Alexnet神经网络神经网络中使用激活函数的作用是什么?深度学习中常用的生成模型有哪些?深度学习中正则化的作用是什么?现在图像生成领域可以
- RMNet: Equivalently Removing Residual Connection from Networks
qgh1223
人工智能计算机视觉深度学习剪枝
RMNet:EquivalentlyRemovingResidualConnectionfromNetworks论文链接:https://arxiv.org/pdf/2111.00687.pdf源码链接:https://hub.nuaa.cf//fxmeng/RMNet简介自从AlexNet问世以来,SOTA的CNN架构变得越来越深。例如,AlexNet只有5个卷积层,很快被VGG和GoogleN
- Sparse Iso-FLOP Transformations for Maximizing Training Efficiency
qgh1223
模型压缩深度学习计算机视觉人工智能剪枝
SparseIso-FLOPTransformationsforMaximizingTrainingEfficiency论文链接:https://arxiv.org/pdf/2303.11525.pdf源码链接:https://hub.nuaa.cf/CerebrasResearch/Sparse-IFT简介模型尺寸和训练数据的增加导致了很多深度学习的突破(AlexNet、ResNet、Trans
- 局部响应归一化层(LRN)
LiBiscuit
冒泡~二月啦!一年的十二分之一就过啦鸭接下来该收收心过春节啦!于是来个年前最后一更~局部响应归一化层(LocalResponseNormalization)局部响应归一化层简称LRN,是在深度学习中提高准确度的技术方法。一般是在激活、池化后进行的一中处理方法,因在Alexnet中运用到,故做一下整理。为什么要引入LRN层?首先要引入一个神经生物学的概念:侧抑制(lateralinhibitio),
- 论文(二):AlexNet
瑾怀轩
论文集深度学习
原名:ImageNetClassificationwithDeepConvolutionalNeuralNetworks作者:AlexKrizhevsky,IlyaSutskever,GeoffreyE.Hinton摘要Wetrainedalarge,deepconvolutionalneuralnetworktoclassifythe1.2millionhigh-resolutionimages
- AlexNet,ZFNet详解
圆圆栗子君
深度学习专栏深度学习人工智能cnn神经网络
1AlexNet网络结构对于AlexNet网络来说,因为当时资源环境受限,他从第一步卷积开始就把一个图像分到两个GPU上训练,然后中间进行组合最后进行融合成全连接成1000个置信度1得到一张3x224x224的图像,然后进行11x11的卷积,卷积两次,分别分配到不同的GPU上分别得到,两个48x55x55的featuremap,然后进行最大池化操作从48x55x55变成48x27x272分别进行相
- AlexNet(深度学习模型)详解
GeekyGuru
深度学习计算机视觉神经网络
AlexNet是一种深度卷积神经网络,由AlexKrizhevsky、IlyaSutskever和GeoffreyHinton于2012年在ImageNet图像分类竞赛中首次引入。这项竞赛是一个庞大的数据集,其中包含超过100万张图像和1000个不同的类别。AlexNet是第一个在ImageNet数据集上取得最佳结果的深度学习模型。本文将详细介绍AlexNet的结构和训练过程,并分析它在计算机视觉
- tensorflow学习笔记-图像分类模型-AlexNet实现
飞天小小猫
之前一篇文章中总结了CNN中图像分类的经典模型,包括论文解读和分析,但是不写个代码搞一把总觉得虚~啊哈哈这个系列里准备把这些个经典模型用tensorflow实现一下。参考之前引用的blog:深度学习AlexNet模型详细分析上代码吧。参照着模型看更好读一些。'''图像分类模型的tensorflow实现之--AlexNetTensorflowVersion:1.4PythonVersion:3.6R
- 经典分类CNN模型系列其一:Alexnet
manofmountain
介绍传统的机器学习分类模型像SVM,逻辑回归,决策树,甚至贝叶斯网络等在CNN推动的深度学习近几年大肆发展之后,都已纷纷被秒成了渣。这一切都始于2012年。Alexnet的横空出世及其在ILSVRC2012Imagenet数据集分类大赛中表现出的摧枯拉朽的领先正式宣告了深度学习纪元的开启。其实CNN模型并非啥新玩意,早在1997年Yang,Lecun就有实现过一个CNN模型并将之用于类似于MNST
- 查看神经网络中间层特征矩阵及卷积核参数
mango1698
神经网络矩阵人工智能
可视化featuremaps以及kernelweights,使用alexnet模型进行演示。1.查看中间层特征矩阵alexnet模型,修改了向前传播importtorchfromtorchimportnnfromtorch.nnimportfunctionalasF#对花图像数据进行分类classAlexNet(nn.Module):def__init__(self,num_classes=100
- [论文复现]Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing
JUNLONG2
论文翻译连接https://www.jianshu.com/p/b1be6a8a0bf7文章中提到的轮子有:1.在开源BranchyNet和Chainer下,实现了分支模型。2.使用经典AlexNet模型对cifar-10数据集执行图像识别任务。3.设置静态带宽环境,我们使用WonderShaper工具控制可用带宽。4.对于动态带宽环境设置,我们使用比利时4G/LTE带宽记录的数据集来模拟动态带宽
- 快速入门Torch构建自己的网络模型
半度、
机器学习网络
真有用构建自己的网络模型读前必看刚学完Alex网络感觉很厉害的样子,我也要搭建一个可以看着网络结构实现上面的代码你已经很强了,千万不要再想实现VGG等网络!!!90%你能了解到的模型大佬早已实现好,直接调用就OK下面是源码用nn.Module实现的AlexNet,和我们实现的区别并不大,将模型print出来能看懂就可以不忘初心,构建自己的网络模型,将AlexNet输入改为单通道图片:Tips读前必
- 李沐之使用块的网络VGG
sendmeasong_ying
深度学习pytorch人工智能python
目录1.VGG2.代码实现1.VGGn层是指可以有N个窗口3*3,填充为1的卷积层。有m个通道,这里输入和输出都是一样的。VGG就是替换掉AlexNet整个卷积层的架构。直径大小表示占内存,横坐标表示速度,纵坐标表示精确度。2.代码实现importtorchfromtorchimportnnfrond2limporttorchasd2l"""VGG块"""#该函数有三个参数,分别对应于卷积层的数量
- 机器学习 | 卷积神经网络
rookiexiong
机器学习机器学习cnn人工智能
机器学习|卷积神经网络实验目的采用任意一种课程中介绍过的或者其它卷积神经网络模型(例如LeNet-5、AlexNet等)用于解决某种媒体类型的模式识别问题。实验内容卷积神经网络可以基于现有框架如TensorFlow、Pytorch或者Mindspore等构建,也可以自行设计实现。数据集可以使用手写体数字图像标准数据集,也可以自行构建。预测问题可以包括分类或者回归等。实验工作还需要对激活函数的选择、
- 对于规范和实现,你会混淆吗?
yangshangchuan
HotSpot
昨晚和朋友聊天,喝了点咖啡,由于我经常喝茶,很长时间没喝咖啡了,所以失眠了,于是起床读JVM规范,读完后在朋友圈发了一条信息:
JVM Run-Time Data Areas:The Java Virtual Machine defines various run-time data areas that are used during execution of a program. So
- android 网络
百合不是茶
网络
android的网络编程和java的一样没什么好分析的都是一些死的照着写就可以了,所以记录下来 方便查找 , 服务器使用的是TomCat
服务器代码; servlet的使用需要在xml中注册
package servlet;
import java.io.IOException;
import java.util.Arr
- [读书笔记]读法拉第传
comsci
读书笔记
1831年的时候,一年可以赚到1000英镑的人..应该很少的...
要成为一个科学家,没有足够的资金支持,很多实验都无法完成
但是当钱赚够了以后....就不能够一直在商业和市场中徘徊......
- 随机数的产生
沐刃青蛟
随机数
c++中阐述随机数的方法有两种:
一是产生假随机数(不管操作多少次,所产生的数都不会改变)
这类随机数是使用了默认的种子值产生的,所以每次都是一样的。
//默认种子
for (int i = 0; i < 5; i++)
{
cout<<
- PHP检测函数所在的文件名
IT独行者
PHP函数
很简单的功能,用到PHP中的反射机制,具体使用的是ReflectionFunction类,可以获取指定函数所在PHP脚本中的具体位置。 创建引用脚本。
代码:
[php]
view plain
copy
// Filename: functions.php
<?php&nbs
- 银行各系统功能简介
文强chu
金融
银行各系统功能简介 业务系统 核心业务系统 业务功能包括:总账管理、卡系统管理、客户信息管理、额度控管、存款、贷款、资金业务、国际结算、支付结算、对外接口等 清分清算系统 以清算日期为准,将账务类交易、非账务类交易的手续费、代理费、网络服务费等相关费用,按费用类型计算应收、应付金额,经过清算人员确认后上送核心系统完成结算的过程 国际结算系
- Python学习1(pip django 安装以及第一个project)
小桔子
pythondjangopip
最近开始学习python,要安装个pip的工具。听说这个工具很强大,安装了它,在安装第三方工具的话so easy!然后也下载了,按照别人给的教程开始安装,奶奶的怎么也安装不上!
第一步:官方下载pip-1.5.6.tar.gz, https://pypi.python.org/pypi/pip easy!
第二部:解压这个压缩文件,会看到一个setup.p
- php 数组
aichenglong
PHP排序数组循环多维数组
1 php中的创建数组
$product = array('tires','oil','spark');//array()实际上是语言结构而不 是函数
2 如果需要创建一个升序的排列的数字保存在一个数组中,可以使用range()函数来自动创建数组
$numbers=range(1,10)//1 2 3 4 5 6 7 8 9 10
$numbers=range(1,10,
- 安装python2.7
AILIKES
python
安装python2.7
1、下载可从 http://www.python.org/进行下载#wget https://www.python.org/ftp/python/2.7.10/Python-2.7.10.tgz
2、复制解压
#mkdir -p /opt/usr/python
#cp /opt/soft/Python-2
- java异常的处理探讨
百合不是茶
JAVA异常
//java异常
/*
1,了解java 中的异常处理机制,有三种操作
a,声明异常
b,抛出异常
c,捕获异常
2,学会使用try-catch-finally来处理异常
3,学会如何声明异常和抛出异常
4,学会创建自己的异常
*/
//2,学会使用try-catch-finally来处理异常
- getElementsByName实例
bijian1013
element
实例1:
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/x
- 探索JUnit4扩展:Runner
bijian1013
java单元测试JUnit
参加敏捷培训时,教练提到Junit4的Runner和Rule,于是特上网查一下,发现很多都讲的太理论,或者是举的例子实在是太牵强。多搜索了几下,搜索到两篇我觉得写的非常好的文章。
文章地址:http://www.blogjava.net/jiangshachina/archive/20
- [MongoDB学习笔记二]MongoDB副本集
bit1129
mongodb
1. 副本集的特性
1)一台主服务器(Primary),多台从服务器(Secondary)
2)Primary挂了之后,从服务器自动完成从它们之中选举一台服务器作为主服务器,继续工作,这就解决了单点故障,因此,在这种情况下,MongoDB集群能够继续工作
3)挂了的主服务器恢复到集群中只能以Secondary服务器的角色加入进来
2
- 【Spark八十一】Hive in the spark assembly
bit1129
assembly
Spark SQL supports most commonly used features of HiveQL. However, different HiveQL statements are executed in different manners:
1. DDL statements (e.g. CREATE TABLE, DROP TABLE, etc.)
- Nginx问题定位之监控进程异常退出
ronin47
nginx在运行过程中是否稳定,是否有异常退出过?这里总结几项平时会用到的小技巧。
1. 在error.log中查看是否有signal项,如果有,看看signal是多少。
比如,这是一个异常退出的情况:
$grep signal error.log
2012/12/24 16:39:56 [alert] 13661#0: worker process 13666 exited on s
- No grammar constraints (DTD or XML schema).....两种解决方法
byalias
xml
方法一:常用方法 关闭XML验证
工具栏:windows => preferences => xml => xml files => validation => Indicate when no grammar is specified:选择Ignore即可。
方法二:(个人推荐)
添加 内容如下
<?xml version=
- Netty源码学习-DefaultChannelPipeline
bylijinnan
netty
package com.ljn.channel;
/**
* ChannelPipeline采用的是Intercepting Filter 模式
* 但由于用到两个双向链表和内部类,这个模式看起来不是那么明显,需要仔细查看调用过程才发现
*
* 下面对ChannelPipeline作一个模拟,只模拟关键代码:
*/
public class Pipeline {
- MYSQL数据库常用备份及恢复语句
chicony
mysql
备份MySQL数据库的命令,可以加选不同的参数选项来实现不同格式的要求。
mysqldump -h主机 -u用户名 -p密码 数据库名 > 文件
备份MySQL数据库为带删除表的格式,能够让该备份覆盖已有数据库而不需要手动删除原有数据库。
mysqldump -–add-drop-table -uusername -ppassword databasename > ba
- 小白谈谈云计算--基于Google三大论文
CrazyMizzz
Google云计算GFS
之前在没有接触到云计算之前,只是对云计算有一点点模糊的概念,觉得这是一个很高大上的东西,似乎离我们大一的还很远。后来有机会上了一节云计算的普及课程吧,并且在之前的一周里拜读了谷歌三大论文。不敢说理解,至少囫囵吞枣啃下了一大堆看不明白的理论。现在就简单聊聊我对于云计算的了解。
我先说说GFS
&n
- hadoop 平衡空间设置方法
daizj
hadoopbalancer
在hdfs-site.xml中增加设置balance的带宽,默认只有1M:
<property>
<name>dfs.balance.bandwidthPerSec</name>
<value>10485760</value>
<description&g
- Eclipse程序员要掌握的常用快捷键
dcj3sjt126com
编程
判断一个人的编程水平,就看他用键盘多,还是鼠标多。用键盘一是为了输入代码(当然了,也包括注释),再有就是熟练使用快捷键。 曾有人在豆瓣评
《卓有成效的程序员》:“人有多大懒,才有多大闲”。之前我整理了一个
程序员图书列表,目的也就是通过读书,让程序员变懒。 程序员作为特殊的群体,有的人可以这么懒,懒到事情都交给机器去做,而有的人又可以那么勤奋,每天都孜孜不倦得
- Android学习之路
dcj3sjt126com
Android学习
转自:http://blog.csdn.net/ryantang03/article/details/6901459
以前有J2EE基础,接触JAVA也有两三年的时间了,上手Android并不困难,思维上稍微转变一下就可以很快适应。以前做的都是WEB项目,现今体验移动终端项目,让我越来越觉得移动互联网应用是未来的主宰。
下面说说我学习Android的感受,我学Android首先是看MARS的视
- java 遍历Map的四种方法
eksliang
javaHashMapjava 遍历Map的四种方法
转载请出自出处:
http://eksliang.iteye.com/blog/2059996
package com.ickes;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Map.Entry;
/**
* 遍历Map的四种方式
- 【精典】数据库相关相关
gengzg
数据库
package C3P0;
import java.sql.Connection;
import java.sql.SQLException;
import java.beans.PropertyVetoException;
import com.mchange.v2.c3p0.ComboPooledDataSource;
public class DBPool{
- 自动补全
huyana_town
自动补全
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml&quo
- jquery在线预览PDF文件,打开PDF文件
天梯梦
jquery
最主要的是使用到了一个jquery的插件jquery.media.js,使用这个插件就很容易实现了。
核心代码
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.
- ViewPager刷新单个页面的方法
lovelease
androidviewpagertag刷新
使用ViewPager做滑动切换图片的效果时,如果图片是从网络下载的,那么再子线程中下载完图片时我们会使用handler通知UI线程,然后UI线程就可以调用mViewPager.getAdapter().notifyDataSetChanged()进行页面的刷新,但是viewpager不同于listview,你会发现单纯的调用notifyDataSetChanged()并不能刷新页面
- 利用按位取反(~)从复合枚举值里清除枚举值
草料场
enum
以 C# 中的 System.Drawing.FontStyle 为例。
如果需要同时有多种效果,
如:“粗体”和“下划线”的效果,可以用按位或(|)
FontStyle style = FontStyle.Bold | FontStyle.Underline;
如果需要去除 style 里的某一种效果,
- Linux系统新手学习的11点建议
刘星宇
编程工作linux脚本
随着Linux应用的扩展许多朋友开始接触Linux,根据学习Windwos的经验往往有一些茫然的感觉:不知从何处开始学起。这里介绍学习Linux的一些建议。
一、从基础开始:常常有些朋友在Linux论坛问一些问题,不过,其中大多数的问题都是很基础的。例如:为什么我使用一个命令的时候,系统告诉我找不到该目录,我要如何限制使用者的权限等问题,这些问题其实都不是很难的,只要了解了 Linu
- hibernate dao层应用之HibernateDaoSupport二次封装
wangzhezichuan
DAOHibernate
/**
* <p>方法描述:sql语句查询 返回List<Class> </p>
* <p>方法备注: Class 只能是自定义类 </p>
* @param calzz
* @param sql
* @return
* <p>创建人:王川</p>
* <p>创建时间:Jul