AndrewThompson
AndrewThompson

Caffe---create_mnist.sh问题

在windows下利用cygwin，进行数据格式转换的时候在根目录下输入 ./examples/mnist/create_mnist.sh，会出现问题Creating lmdb...
./examples/mnist/create_mnist.sh:行17: build/examples/mnist/convert_mnist_data.bin: No such file or directory
其实主要是因为.bin文件是linux下可执行的文件，而我们的caffe是在windows下进行编译的，产生的可执行文件的后缀是.exe，所以在windows下利用cygwin来运行create_mnist.sh 是不会成功的，所以要对create_mnist.sh文件修改两个地方就可以了。

修改：BUILD=build/x64/Debug（后面的是你的convert_mnist_data.exe的路径）

修改：$BUILD/convert_mnist_data.exe（后缀由.bin改为.exe，注意一共有两个地方要进行修改）

保存之后，再在根目录下运行上条指令就可以了。


你可能感兴趣的:(Caffe学习)

  • Caffe学习系列——工具篇：计算数据集的图像均值 Solomon1588 计算机视觉CVCaffe深度学习深度学习Caffe数据预处理特征标准化
    本系列文章介绍深度学习框架Caffe及其实践，本文主要介绍Caffe的实用工具——compute_image_mean计算图像均值.1.图像预处理——零均值化数据预处理在深度学习中非常重要，数据预处理中，标准的第一步是数据归一化。特征归一化常用的方法包含如下几种：简单缩放逐样本均值消减(也称为移除直流分量)特征标准化(使数据集中所有特征都具有零均值和单位方差)特征标准化指的是（独立地）使得数据的每
  • Caffe学习 （五）：SSD源码解读ssd_pascal.py QZX-light Caffe学习系列Caffe
    参考博客：https://blog.csdn.net/xunan003/article/details/79089280from__future__importprint_functionimportcaffefromcaffe.model_libsimport*fromgoogle.protobufimporttext_formatimportmathimportosimportshutilim
  • caffe学习（1）------windows下基于GPU配置 lishanlu136 caffecaffe
    最近准备用caffe做图片的分类，可配置caffe就让我折腾了大半个月，一直配置不成功，最后还是参考官网的tutorial才配置成功，于是决定把配置的过程写下来，如果后面有朋友配置caffe遇到什么问题，还可以参考参考。首先贴出官方的配置caffe的工程：https://github.com/BVLC/caffe/tree/windows，注意，这可是基于Windows系统的，因为我的电脑是win
  • caffemodel特征可视化_Caffe学习笔记4图像特征进行可视化 weixin_39824801 caffemodel特征可视化
    Caffe学习笔记4图像特征进行可视化本文为原创作品，未经本人同意，禁止转载，禁止用于商业用途！本人对博客使用拥有最终解释权欢迎关注我的博客：http://blog.csdn.net/hit2015spring和http://www.cnblogs.com/xujianqing/可以算是对它的翻译的总结吧，它可以算是学习笔记2的一个发展，2是介绍怎么提取特征，这是介绍怎么可视化特征1、准备工作首先
  • Caffe学习：build/tools/convert_imageset jiarenyf caffecaffe
    caffe/build/tools/convert_imageset用于将image图片转化为lmdb（leveldb）格式编写命令，实现图片格式转化：#!bin/sh#工具目录TOOLS_ROOT=caffe/build/tools#train_datas存放训练图片#label_train.txt保存图片标签#shuffle参数用于打乱图片读取顺序#train_db文件夹（不可手动新建）存放转
  • Caffe学习之——caffe.cpp源码解析 ciky奇 caffecaffe.cpp
    本文主要解析caffe源码中/tools/caffe.cpp文件，此文件是caffe程序的入口main函数，包含了命令行参数代码实现，如tain,test，time等。caffe结构请参考：https://blog.csdn.net/c20081052/article/details/80585888caffe命令行参数请参考：https://blog.csdn.net/c20081052/art
  • caffe学习(1):多平台下安装配置caffe weixin_34238642 操作系统运维git
    如何在centos7.3上安装caffe深度学习工具有好多朋友在安装caffe时遇到不少问题。(看文章的朋友希望关心一下我的创业项目趣智思成)今天测试并整理一下安装过程。我是在阿里云上测试，选择centos7.3镜像。先安装epel源1yuminstallepel-release安装基本编译环境12yuminstallprotobuf-develleveldb-develsnappy-develo
  • Caffe学习笔记1-安装以及代码结构 baobei0112 CNN卷积神经网络
    Caffe学习笔记1-安装以及代码结构ByYuFeiGan2014-12-09更新日期:2014-12-09安装按照官网教程安装，我在OSX10.9和Ubuntu14.04上面都安装成功了。主要麻烦在于gloggflagsgtest这几个依赖项是google上面的需要。由于我用Mac没有CUDA，所以安装时需要设置CPU_ONLY:=1。如果不是干净的系统，安装还是有点麻烦的比如我在OSX10.9
  • caffe学习笔记--写一个运行caffe.cpp的makefile thystar caffe学习
    之前因为有caffe的项目要放到服务器上面,但是其实不需要在服务器上面重新安装caffe，所以写了个makefile.这里改写了个简单的，比较容易读的，只运行caffe.cpp，如果由其他的，可以按照makefile的规则添加就好。首先，还是要说一下关于caffe的依赖，参考之前的两篇博客：http://blog.csdn.net/thystar/article/details/51179064和
  • caffe学习笔记10.1--Fine-tuning a Pretrained Network for Style Recognition(new) thystar caffe学习
    在之前的文章里，写过一个关于微调的博客，但是今天上去发现这部分已经更新了http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb，因此补一篇最新的，关于微调，前面的文章由讲，参考http://blog.csdn.net/thystar/article/details/5067553
  • caffe学习笔记（11）：多任务学习之HDF5Data类型数据集生成 guyunee deeplearningmatlabobjectdetection数据标签caffe深度学习
    最近开始研究多任务学习（multi-tasklearning，MTL），先分享给大家：本文主要讲述数据集的建立，HDF5Data类型用于处理多标签数据，在网络中定义为：layer{name:"data"type:"HDF5Data"top:"data"top:"label"include{phase:TRAIN}hdf5_data_param{source:"list_train.txt"batc
  • Caffe学习：Forward and Backward jiarenyf caffecaffe
    原文forwardandbackwardpasses（前向迭代和反向迭代）是Net最基本的成分。下面以简单的logisticregressionclassifier（逻辑回归分类器）为例。ForwardPass（前向迭代）利用给定的输入，根据模型设定的函数，计算出输出。Thispassgoesfrombottomtotop（数据流向从bottom到top）。数据x通过一个innerproductl
  • Ubuntu14.04下配置Caffe+OpenCV2.4.10+CUDA7.5+cuDNN5.1.10 cuihaolong 3DPrint系统配置
    1.CUDA配置与Tensorflow，Keras等深度学习框架一样的配置方法，一次配置可以重用，其他基础软件和依赖项亦可参考：Caffe学习笔记2--Ubuntu14.0464bit安装Caffe（GPU版本）Ubuntu14.04+Caffe+Cuda7.5+Opencv3.0安装教程Caffe+Ubuntu14.0464bit+CUDA6.5配置说明Caffe搭建：Ubuntu14.04+C
  • Caffe学习笔记（一）: 训练和测试自己的数据集 __Sunshine__ 笔记Pythoncaffe训练数据集计算机视觉
    1数据准备首先在caffe根目录下建立一个文件夹myfile，用于存放数据文件和后面的caffe模型相关文件。然后在myfile文件夹下建立build_lmdb和datatest两个文件夹，其中build_lmdb文件夹用于存放生成的lmdb文件，datatest文件夹存放图片数据。在datatest下主要有2个文件夹和2个.sh文件和2个.txt文件，其中train文件夹中存放待训练的图片，va
  • Caffe学习（三）Caffe模型的结构 遍地流金 Caffe学习
    一总体结构在caffe中，解决一个问题首先应该定义一个slover，反应到mnist例程中也就是lenet_solver.prototxt。该slover主要包括两部分，（1）为网络模型model，（2）为该模型参数的具体optimization方法及参数。model主要由各种layer组成，主要包括数据相关的DataLayer，图像滤波变换相关的VisionLayer，非线性激活函数Activa
  • caffe数据文件lmdb训练神器digits hi我是大嘴巴
    denny的学习专栏徐其华博客园首页新随笔联系管理订阅随笔-145文章-0评论-1085Caffe学习系列(21)：caffe图形化操作工具digits的安装与运行经过前面一系列的学习，我们基本上学会了如何在linux下运行caffe程序，也学会了如何用python接口进行数据及参数的可视化。如果还没有学会的，请自行细细阅读：caffe学习系列：http://www.cnblogs.com/den
  • Caffe学习总结（一）——初识caffe 不系之舟913 深度学习caffe深度学习机器学习框架
    深度学习在当前情况下可以用一个字来形容“火”，目前项目中使用到了常用的机器学习算法，在使用过程中发现图像的特征提取成为识别的瓶颈，无意中了解到caffe，可以很好的解决特征提取的问题。于是想尝试一下caffe的威力。初识caffe，就习惯性了想了解下作者，发现设计作者是贾杨清，终于发现一个牛逼的框架是我们中国人做的啦！于是很兴奋，很想深入的进行学习，希望能在工作中使用起来。1、caffe的由来到一
  • 深度学习之----caffe Steven_ycs
    本文主要讲解caffe的整个使用流程，适用于初级入门caffe，通过学习本篇博文，理清项目训练、测试流程。初级教程，高手请绕道。我们知道，在caffe编译完后，在caffe目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe，如下图所示：有了这个可执行文件我们就可以进行模型的训练，只需要学会调用这个可执行文件就可以了，这便是最简单的caffe学习，不需
  • caffe学习系列二：源码深入解析-单步跟踪调试指南 singularpt
    为了更好的学习caffe，我们利用上节安装好的环境，进行单步调试，以窥caffe全貌。准备工作：要在vs2013中单步跟踪调试caffe，需要配置caffe工程，打开【属性】-【调试】-【命令行参数】中加入输入参数。如下配置：image.png先贴一张caffe的整体处理流程：image.png一、函数入口众所周知，caffe由c++写的，而c++的入口函数为main，我们在caffe.cpp文件
  • Ubuntu 14.04下编译OpenPose crazyhank
    OpenPose是CMU开发的一个开源人体姿态检测模型，github地址为：https://github.com/CMU-Perceptual-Computing-Lab/openpose，下面为在ubuntu14.04版本上编译的过程下载源码由于openpose依赖于第三方的caffe学习框架，所以在gitclone一定要加上"--recursive"选项,如下所示:#gitclone--rec
  • Caffe学习笔记6：过程小结 Zz鱼丸
    之前写的学习笔记1用两种方法进行预测，今天发现有点不对。下面进行分析总结：先来看看Classifier的源代码#!/usr/bin/envpython"""ClassifierisanimageclassifierspecializationofNet."""importnumpyasnpimportcaffeclassClassifier(caffe.Net):"""Classifierexte
  • Caffe Cifar10模型测试及可视化 不会积
    本文主体来自[Caffe学习系列(17)：模型各层数据和参数可视化]，加了一点自己的注释(http://www.cnblogs.com/denny402/p/5105911.html)先用caffe对cifar10进行训练，将训练的结果模型进行保存，得到一个caffemodel，然后从测试图片中选出一张进行测试，并进行可视化。#加载必要的库importnumpyasnpimportmatplotl
  • Caffe学习系列(3)：视觉层（Vision Layers)及参数 weixin_33850890 matlab人工智能
    所有的层都具有的参数，如name,type,bottom,top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（VisionLayers)的参数，视觉层包括Convolution,Pooling,LocalResponseNormalization(LRN),im2col等层。1、Convolution层：就是卷积层，是卷积神经网络（C
  • Caffe学习之一：Caffe的配置和编译 sherry_gp 程序软件安装
    最近，在学习deeplearning，使用的工具就是caffe，比较容易上手，不啰嗦了，先说环境的配置和编译。系统的平台为win10+matlab2014b+vs2013.在开始之前，要安装cuda的驱动，我使用的cuda7.5这个版本（为了和caffe里面使用的版本同步）。首先，在https://github.com/happynear/caffe-windows下载caffe和以及此页面上提供
  • 【深度学习框架Caffe学习与应用】第四课 Caffe可视化工具 soldier123333 [caffe学习笔记]
    1.首先准备pycaffe环境输入一下命令：2.网络可视化的工具2.1在caffe中，有一个专门用于画网络结构图的py文件：caffe/tools/draw_net.py2.2也可以通过在线可视化工具，网址如下：http://ethereon.github.io/netscope/#/editor2.caffemodel的可视化，需要先把代码看明白，这里不写了3.特征图的可视化4.loss和acc
  • 【深度学习框架Caffe学习与应用】 第十一课 soldier123333 [caffe学习笔记]
    1.车辆检测实践：使用Caffe训练的深度学习模型做目标检测——以车辆检测为例有关文件都放在以下文件夹中：对vehicle_detetc.cpp进行编译：编译之前，需要修改一下代码中的文件路径：我刚开始先编译之后，才修改的源文件，所以运行的时候，出现下面错误：只要修改完路径之后，重新编译就好结果如下图所示：效果不好，有误检
  • 【深度学习框架Caffe学习与应用】第五课 自定义神经层和数据输入层 soldier123333 [caffe学习笔记]
    一、自定义神经层1.创建新定义的头文件，目录在caffe/include/caffe/layers/my_neuron_layer.hpp我复制了conv_layer.hpp文件，然后在该文件的内容上进行更改如果只是需要CPU方法，可以注释掉forward_gpu和backward_gpu修改对照内容如下（左侧是conv_layer.hpp，右侧是my_neuron_layer.hpp)：2.创建
  • 【深度学习框架Caffe学习与应用】第三课 使用训练好的模型 soldier123333 [caffe学习笔记]
    1.均值文件将所有训练样本的均值保存为文件。首先将计算均值文件的caffe工具compute_image_mean放到当前目录：caffe/test/mnist/下面，之后运行如下命令：这样，我们的均值文件就生成了2.改写deploy文件（以mnist为例）（略过）3.使用修改后的mnist的deploy文件，输入一张图片，输出分类结果首先我们写了一个test_mnist.cpp文件，先进行编译，
  • Caffe学习笔记11:Ubuntu 16.04 中 caffe 编译出现的错误——fatal error: hdf5.h: 没有那个文件或目录 weixin_41774576 Caffe
    step1:cd/usr/lib/x86_64-linux-gnusudoln-slibhdf5_serial.so.8.0.2libhdf5.sosudoln-slibhdf5_serial_hl.so.8.0.2libhdf5_hl.sostep2：changeMakefile.config//打开Makefile.config将下面的INCLUDE_DIRS:=$(PYTHON_INCLUD
  • caffe学习-代码阅读DataLayer 华山汉灵 编程-深度学习框架
    以下摘录自《深度学习轻松学》冯超为了能够尽可能地提高训练速度，DataLayer采用了异步准备数据的形式，数据读人的工作和模型训练的工作在各自的线程中进行，相互独立并不依赖。当模型需要数据时，只需要将数据复制到指定的内存中即可。从lmdb数据库中，Cusror逐一获取数据，然后构成batch，经过transform变换后，是实际训练用的data.最上面的虚线框是DataReader类，负责从DB中
  • 算法 单链的创建与删除 换个号韩国红果果 c算法
    先创建结构体 struct student { int data; //int tag;//标记这是第几个 struct student *next; }; // addone 用于将一个数插入已从小到大排好序的链中 struct student *addone(struct student *h,int x){ if(h==NULL) //??????
  • 《大型网站系统与Java中间件实践》第2章读后感 白糖_ java中间件
           断断续续花了两天时间试读了《大型网站系统与Java中间件实践》的第2章，这章总述了从一个小型单机构建的网站发展到大型网站的演化过程---整个过程会遇到很多困难，但每一个屏障都会有解决方案，最终就是依靠这些个解决方案汇聚到一起组成了一个健壮稳定高效的大型系统。          看完整章内容，
  • zeus持久层spring事务单元测试 deng520159 javaDAOspringjdbc
    今天把zeus事务单元测试放出来,让大家指出他的毛病, 1.ZeusTransactionTest.java 单元测试   package com.dengliang.zeus.webdemo.test; import java.util.ArrayList; import java.util.List; import org.junit.Test; import
  • Rss 订阅 开发 周凡杨 htmlxml订阅rss规范
                    RSS是 Really Simple Syndication的缩写（对rss2.0而言，是这三个词的缩写，对rss1.0而言则是RDF Site Summary的缩写，1.0与2.0走的是两个体系）。   RSS
  • 分页查询实现 g21121 分页查询
    在查询列表时我们常常会用到分页，分页的好处就是减少数据交换，每次查询一定数量减少数据库压力等等。 按实现形式分前台分页和服务器分页： 前台分页就是一次查询出所有记录，在页面中用js进行虚拟分页，这种形式在数据量较小时优势比较明显，一次加载就不必再访问服务器了，但当数据量较大时会对页面造成压力，传输速度也会大幅下降。 服务器分页就是每次请求相同数量记录，按一定规则排序，每次取一定序号直接的数据
  • spring jms异步消息处理 510888780 jms
    spring JMS对于异步消息处理基本上只需配置下就能进行高效的处理。其核心就是消息侦听器容器，常用的类就是DefaultMessageListenerContainer。该容器可配置侦听器的并发数量，以及配合MessageListenerAdapter使用消息驱动POJO进行消息处理。且消息驱动POJO是放入TaskExecutor中进行处理，进一步提高性能，减少侦听器的阻塞。具体配置如下：
  • highCharts柱状图 布衣凌宇 hightCharts柱图
    第一步：导入 exporting.js,grid.js,highcharts.js;第二步：写controller   @Controller@RequestMapping(value="${adminPath}/statistick")public class StatistickController {  private UserServi
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans springmvcSpring 教程spring3 教程Spring 入门
    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
  • TLS java简单实现 antlove javasslkeystoretlssecure
      1. SSLServer.java package ssl; import java.io.FileInputStream; import java.io.InputStream; import java.net.ServerSocket; import java.net.Socket; import java.security.KeyStore; import
  • Zip解压压缩文件 百合不是茶 Zip格式解压Zip流的使用文件解压
       ZIP文件的解压缩实质上就是从输入流中读取数据。Java.util.zip包提供了类ZipInputStream来读取ZIP文件,下面的代码段创建了一个输入流来读取ZIP格式的文件; ZipInputStream in = new ZipInputStream(new FileInputStream(zipFileName));     &n
  • underscore.js 学习（一） bijian1013 JavaScriptunderscore
            工作中需要用到underscore.js，发现这是一个包括了很多基本功能函数的js库，里面有很多实用的函数。而且它没有扩展 javascript的原生对象。主要涉及对Collection、Object、Array、Function的操作。       学
  • java jvm常用命令工具——jstatd命令(Java Statistics Monitoring Daemon) bijian1013 javajvmjstatd
    1.介绍         jstatd是一个基于RMI（Remove Method Invocation）的服务程序，它用于监控基于HotSpot的JVM中资源的创建及销毁，并且提供了一个远程接口允许远程的监控工具连接到本地的JVM执行命令。         jstatd是基于RMI的，所以在运行jstatd的服务
  • 【Spring框架三】Spring常用注解之Transactional bit1129 transactional
    Spring可以通过注解@Transactional来为业务逻辑层的方法(调用DAO完成持久化动作)添加事务能力，如下是@Transactional注解的定义：   /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version
  • 我(程序员)的前进方向 bitray 程序员
    作为一个普通的程序员,我一直游走在java语言中,java也确实让我有了很多的体会.不过随着学习的深入,java语言的新技术产生的越来越多,从最初期的javase,我逐渐开始转变到ssh,ssi,这种主流的码农,.过了几天为了解决新问题,webservice的大旗也被我祭出来了,又过了些日子jms架构的activemq也开始必须学习了.再后来开始了一系列技术学习,osgi,restful.....
  • nginx lua开发经验总结 ronin47
    使用nginx lua已经两三个月了，项目接开发完毕了，这几天准备上线并且跟高德地图对接。回顾下来lua在项目中占得必中还是比较大的，跟PHP的占比差不多持平了，因此在开发中遇到一些问题备忘一下 1：content_by_lua中代码容量有限制，一般不要写太多代码，正常编写代码一般在100行左右（具体容量没有细心测哈哈，在4kb左右），如果超出了则重启nginx的时候会报 too long pa
  • java-66-用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。颠倒之后的栈为{5,4,3,2,1}，5处在栈顶 bylijinnan java
    import java.util.Stack; public class ReverseStackRecursive { /** * Q 66.颠倒栈。 * 题目：用递归颠倒一个栈。例如输入栈{1,2,3,4,5}，1在栈顶。 * 颠倒之后的栈为{5,4,3,2,1}，5处在栈顶。 *1. Pop the top element *2. Revers
  • 正确理解Linux内存占用过高的问题 cfyme linux
    Linux开机后，使用top命令查看，4G物理内存发现已使用的多大3.2G，占用率高达80%以上： Mem:   3889836k total,  3341868k used,   547968k free,   286044k buffers Swap:  6127608k total,&nb
  • [JWFD开源工作流]当前流程引擎设计的一个急需解决的问题 comsci 工作流
         当我们的流程引擎进入IRC阶段的时候，当循环反馈模型出现之后，每次循环都会导致一大堆节点内存数据残留在系统内存中，循环的次数越多，这些残留数据将导致系统内存溢出，并使得引擎崩溃。。。。。。       而解决办法就是利用汇编语言或者其它系统编程语言，在引擎运行时，把这些残留数据清除掉。
  • 自定义类的equals函数 dai_lm equals
    仅作笔记使用 public class VectorQueue { private final Vector<VectorItem> queue; private class VectorItem { private final Object item; private final int quantity; public VectorI
  • Linux下安装R语言 datageek R语言 linux
    命令如下：sudo gedit  /etc/apt/sources.list1、deb http://mirrors.ustc.edu.cn/CRAN/bin/linux/ubuntu/ precise/ 2、deb http://dk.archive.ubuntu.com/ubuntu hardy universesudo apt-key adv --keyserver ke
  • 如何修改mysql 并发数(连接数)最大值 dcj3sjt126com mysql
    MySQL的连接数最大值跟MySQL没关系，主要看系统和业务逻辑了   方法一：进入MYSQL安装目录 打开MYSQL配置文件 my.ini 或 my.cnf查找 max_connections=100 修改为 max_connections=1000 服务里重起MYSQL即可 　　方法二：MySQL的最大连接数默认是100客户端登录：mysql -uusername -ppass
  • 单一功能原则 dcj3sjt126com 面向对象的程序设计软件设计编程原则
    单一功能原则[ 编辑]     SOLID 原则 单一功能原则 开闭原则 Liskov代换原则 接口隔离原则 依赖反转原则 查   论   编 在面向对象编程领域中，单一功能原则（Single responsibility principle）规定每个类都应该有
  • POJO、VO和JavaBean区别和联系 fanmingxing VOPOJOjavabean
    POJO和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Plain Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比POJO复杂很多，JavaBean是一种组件技术，就好像你做了一个扳子，而这个扳子会在很多地方被
  • SpringSecurity3.X--LDAP：AD配置 hanqunfeng SpringSecurity
    前面介绍过基于本地数据库验证的方式，参考http://hanqunfeng.iteye.com/blog/1155226，这里说一下如何修改为使用AD进行身份验证【只对用户名和密码进行验证，权限依旧存储在本地数据库中】。   将配置文件中的如下部分删除： <!-- 认证管理器，使用自定义的UserDetailsService，并对密码采用md5加密-->
  • mac mysql 修改密码 IXHONG mysql
    $ sudo /usr/local/mysql/bin/mysqld_safe –user=root & //启动MySQL(也可以通过偏好设置面板来启动)$ sudo /usr/local/mysql/bin/mysqladmin -uroot password yourpassword //设置MySQL密码（注意，这是第一次MySQL密码为空的时候的设置命令，如果是修改密码，还需在-
  • 设计模式--抽象工厂模式 kerryg 设计模式
    抽象工厂模式：     工厂模式有一个问题就是，类的创建依赖于工厂类，也就是说，如果想要拓展程序，必须对工厂类进行修改，这违背了闭包原则。我们采用抽象工厂模式，创建多个工厂类，这样一旦需要增加新的功能，直接增加新的工厂类就可以了，不需要修改之前的代码。     总结：这个模式的好处就是，如果想增加一个功能，就需要做一个实现类，
  • 评"高中女生军训期跳楼” nannan408
       首先，先抛出我的观点，各位看官少点砖头。那就是，中国的差异化教育必须做起来。    孔圣人有云：有教无类。不同类型的人，都应该有对应的教育方法。目前中国的一体化教育，不知道已经扼杀了多少创造性人才。我们出不了爱迪生，出不了爱因斯坦，很大原因，是我们的培养思路错了，我们是第一要“顺从”。如果不顺从，我们的学校，就会用各种方法，罚站，罚写作业，各种罚。军
  • scala如何读取和写入文件内容？ qindongliang1922 javajvmscala
    直接看如下代码： package file import java.io.RandomAccessFile import java.nio.charset.Charset import scala.io.Source import scala.reflect.io.{File, Path} /** * Created by qindongliang on 2015/
  • C语言算法之百元买百鸡 qiufeihu c算法
    中国古代数学家张丘建在他的《算经》中提出了一个著名的“百钱买百鸡问题”，鸡翁一，值钱五，鸡母一，值钱三，鸡雏三，值钱一，百钱买百鸡，问翁，母，雏各几何？ 代码如下： #include <stdio.h> int main() { int cock,hen,chick; /*定义变量为基本整型*/ for(coc
  • Hadoop集群安全性：Hadoop中Namenode单点故障的解决方案及详细介绍AvatarNode wyz2009107220 NameNode
    正如大家所知，NameNode在Hadoop系统中存在单点故障问题，这个对于标榜高可用性的Hadoop来说一直是个软肋。本文讨论一下为了解决这个问题而存在的几个solution。 1. Secondary NameNode 原理：Secondary NN会定期的从NN中读取editlog，与自己存储的Image进行合并形成新的metadata image 优点：Hadoop较早的版本都自带，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他