- Celia智能助手2.0架构演进与性能突破
大霸王龙
系统分析业务架构python人工智能开发语言prompt系统分析师
Celia智能助手2.0架构演进与性能突破——多模态AI系统的工程化实践与创新2025-03-05作者:智能系统架构师一、架构演进路线1.1架构对比分析问题问题问题方案方案方案1.0版本单点CLIP服务MySQL全量存储静态资源分配2.0版本CLIP模型蒸馏向量分层存储动态资源调度1.2性能基准测试指标V1.0V2.0提升幅度QPS8502200158%检索延迟(P99)1.2s0.35s70%存
- 深度解析DeepSeek集成智能机器人:技术革新与实战指南
量子纠缠BUG
DeepSeek部署DeepSeekAI机器人人工智能AI编程
引言:DeepSeek如何重塑智能机器人生态2025年初,DeepSeek以其创新的多模态大模型和“深度思考”能力,迅速成为AI领域的技术标杆。其核心价值在于将自然语言理解、环境感知与动态决策能力深度融合,推动智能机器人从“单一功能工具”向“家庭全能助手”的跨越式发展23。本文将从技术架构、行业应用、实战开发三个维度,全面解析DeepSeek在智能机器人领域的集成方案。一、DeepSeek技术解析
- Deepseek 不同版本有什么区别
百态老人
人工智能
嗯,我现在需要回答关于DeepSeek不同版本的区别的问题,我要仔细看一下我搜索到的资料,可能有些证据之间会有矛盾,需要小心处理。首先,我应该先梳理每个证据中提到的各个版本的信息,然后整理它们的发布时间、特点、优缺点以及对比情况。根据,DeepSeek的版本包括V1、V2、V2.5、R1-Lite、V3、R1系列。其中,V1在2024年1月发布,专注于自然语言处理和编码任务,但缺乏多模态支持和复杂
- 阿里云Milvus 2.5:支持全文检索,1次查询实现文本+向量双精度匹配
人工智能大数据milvus
随着大模型时代带来的各种新型应用探索,结合传统基于文本匹配的精确检索与语义检索所带来的增益日益显著,尤其在一些深度依赖关键字词匹配的场景中,这种需求变得尤为关键。目前,阿里云向量检索服务Milvus版(简称阿里云Milvus)集成开源Milvus2.5版本内核,在支持向量检索的基础上,新增支持原生全文检索、基于特定词汇的精准文本匹配等功能,在RAG、多模态搜索等场景下搜索精度明显提升,使用体验大幅
- 创新引领的人工智能模型系列:MiniMax-01 系列震撼登场
MiniMaxMiniMax发布并开源了全新系列模型——MiniMax-01。这个系列模型中包含两个模型,基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01。MiniMax-01MiniMax-01MiniMax-01系列模型首次大规模实现线性注意力机制,传统Transformer架构不再是唯一的选择。这个模型的参数量高达4560亿,其中单次激活459亿。模型
- Llama 3.2入门基础教程(非常详细),Llama 3.2微调、部署以及多模态训练入门到精通,收藏这一篇就够了!
中年猿人
llamaandroid人工智能语言模型深度学习学习自然语言处理
9月25日Meta发布了Llama3.2,包括11B和90B的视觉语言模型。前排提示,文末有大模型AGI-CSDN独家资料包哦!Llama3技术剖析与部署相较于Llama2,Llama3的改变其实并不是太大。Tokenizer变成了128K的词表,使用了GQA,不在是原来的只在Llama2-70B里使用了。所以说,最大的改变就是词表与GQA。然后在训练上变化比较大,参数变大了,400B的还没放出来
- 本地部署大语言模型-DeepSeek
NightReader
语言模型人工智能自然语言处理
DeepSeek是国内顶尖AI团队「深度求索」开发的多模态大模型,具备数学推理、代码生成等深度能力,堪称"AI界的六边形战士"。HosteaseAMD9950X/96G/3.84TNVMe/1G/5IP/RTX4090GPU服务器提供多种计费模式。DeepSeek-R1-32B配置配置项规格要求CPU16核以上(如AMDRyzen9950)内存96GB硬盘960GB显卡24GB+显存(如RTX40
- Python实战笔记-删除数据5
MMGNFT
K总编程笔记
importpymysqldb=pymysql.connect(host=“127.0.0.1”,user=‘root’,password=‘11111111’,database=“pymysql_test”,port=3306)cursor=db.cursor()sql=“deletefromarticlewhereid=2”cursor.execute(sql)db.commit()db.cl
- 算力100问☞第68问:大模型红利何时到来?
正儿八经的数字经
算力经济人工智能大模型大数据
目录1、技术成熟与市场认知:红利期的起点已至2、行业落地:红利分阶段释放3、时间窗口:2024-2034年或为红利持续期4、政策与区域布局:加速红利释放5、挑战与可持续性大模型红利的到来时间因行业和应用场景的差异而呈现不同步性,但整体来看,2025年是关键节点。以下从技术发展、行业落地、政策支持等角度综合分析:1、技术成熟与市场认知:红利期的起点已至技术突破:2024年,大模型在核心能力(如多模态
- Gemini API —— Curl 快速开发 Google Gemini 中国版!
这儿有一堆花
ai人工智能googlecloud
GoogleGemini中国版调用GoogleGeminiAPI,中国大陆优化,完全免费!https://gemini.danielmind.techGeminiAPI快速入门教程GeminiAPI是一种强大的生成式语言模型,支持文本生成、多模态输入(文字+图片)、多轮对话等功能。1.使用curl快速调用GeminiAPI1.1基本结构每次调用GeminiAPI都需要:API密钥(API_KEY)
- LangChain —— 多模态大模型的 prompt template
Miyazaki_Hayao
LangChainlangchainprompt
文章目录一、如何直接将多模态数据传输给模型二、如何使用mutimodalprompts一、如何直接将多模态数据传输给模型 在这里,我们演示了如何将多模式输入直接传递给模型。对于其他的支持多模态输入的模型提供者,langchain在类中提供了内在逻辑来转化为期待的格式。 传入图像最常用的方法是将其作为字节字符串传入。这应该适用于大多数模型集成。importbase64importhttpximage
- 苹果AI生态再扩容!iOS 18.4代码泄密:Find My定位将获Gemini多模态能力加持
北京自在科技
iosfindmy前沿技术科技googleGemini
2025年2月24日,开发者社区通过iOS18.4测试版后端代码发现重大升级——苹果正将谷歌Gemini模型深度整合至FindMy定位体系,这标志着全球超20亿苹果设备组成的FindMyNetwork将迎来智能进化。FindMy技术升级路径多模态定位算法增强代码显示,当用户通过Siri调用FindMy查找AirTag或第三方设备时,系统将优先调用Gemini2.0的视觉-语义联合模型。例如查找丢失
- 特征提取:如何从不同模态中获取有效信息?
Ash Butterfield
自然语言处理(NLP)专栏nlp人工智能
在多模态学习中,特征提取是一个至关重要的过程。它是将原始数据(如文本、图像、视频和语音等)转化为机器能够理解和处理的特征的核心步骤。不同于传统的单一模态任务,在多模态学习中,如何有效地从每种模态中提取出有意义的信息并进行融合,直接影响到最终模型的性能和准确性。本篇文章将详细讲解如何从不同的模态(文本、图像、语音)中进行特征提取,涵盖常用的技术、方法、挑战以及应用。1.什么是特征提取?在机器学习中,
- Java面试题整理
Amberish
java
exist和in有什么区别select*fromAwhereidin(selectidfromB)有两点区别:(1)使用上的区别:exists中放一个子查询有记录返回true,无记录返回false(NULL也算有记录),in中查询结果集只能有一个字段(2)性能上的区别:in要把缓存到内存中,exists不需要缓存结果in()适合B表比A表数据小的情况exists()适合B表比A表数据大的情况当A表
- (脑肿瘤分割笔记:五十二)RFNet: Region-aware Fusion Network for Incomplete Multi-modalBrain Tumor Segmentation
不想敲代码的小杨
脑肿瘤分割论文笔记计算机视觉人工智能
目录摘要:Introduction方法3.1任务定义3.2模型结构3.3RFM模块概率图学习区域感知多模态融合3.4分割正则化器3.5整体损失函数总结摘要:在现有的脑肿瘤分割方法中,常常会出现缺少某些模态图像的问题,从而导致分割网络的性能下降--遇到的问题在本文中提出了一个区域感知融合网络(RFNet),它能够自适应和有效利用多模态的数据进行组合进行肿瘤分割,考虑到不同模态对不同的脑肿瘤区域的敏感
- 计算机视觉与机器学习之文档解析与向量化技术加速多模态大模型训练与应用——文件向量化大模型!
知世不是芝士
计算机视觉人工智能大语言模型ai大模型多模态大模型机器学习LLM
目录前言1、TextIn文档解析技术1.1、文档解析技术1.2、目前存在的问题1.2.1、不规则的文档信息示例1.3、合合信息的文档解析1.3.1、合合信息的TextIn文档解析技术架构1.3.2、版面分析关键技术Layout-engine1.3.3、文档树提取关键技术Catalog-engine1.3.4、双栏1.3.5、非对称双栏1.3.6、双栏+表格1.3.7、无线表格1.3.8、合并单元格
- 手机秒变AI办公神器!腾讯元宝+DeepSeek满血版,5分钟搞定PPT和项目汇报——你的效率翻倍指南
a小胡哦
人工智能powerpointDeepseek
为什么选择腾讯元宝?DeepSeek官方服务器常卡顿?腾讯元宝作为官方合作平台,提供稳定版DeepSeek-R1模型,支持联网搜索、文件解析、多模态交互,手机端操作更丝滑一、快速上手指南1.下载安装(3秒完成)应用商店搜索“腾讯元宝”→下载安装→选择微信/QQ/手机号登录2.切换至DeepSeek模式(1步到位)进入对话界面→点击顶部“Hunyuan混元”→切换至“DeepSeek-R1”→开启“
- 利用OllamaLLM模型实现多模态文本生成
bavDHAUO
python
利用OllamaLLM模型实现多模态文本生成在这篇文章中,我们将介绍如何使用OllamaLLM模型实现多模态文本生成,包括文本和图像输入的处理。我们将详细解析核心原理,提供代码示例,并分析应用场景。希望这篇文章能帮助你更好地理解和使用OllamaLLM模型。技术背景介绍多模态模型是指能够处理和生成多种类型的数据,如文本、图像、音频等。在自然语言处理领域,结合图像和文本的多模态模型越来越受到关注。O
- (5-3)DeepSeek多模态大模型架构:Janus-Pro模型
码农三叔
训练RAG多模态)架构transformerdeekseek人工智能大模型
5.3Janus-Pro模型Janus-Pro的架构采用了解耦视觉编码的设计理念,将多模态理解与视觉生成任务分离开来,以充分发挥各自优势。Janus-Pro的核心创新在于将视觉编码过程分为两个独立的路径,从而解决传统统一编码中“理解”和“生成”任务之间的冲突。5.3.1解耦视觉编码Janus-Pro模型在架构设计上继承并优化了Janus的核心理念——视觉编码的解耦,这种设计通过分离多模态理解任务和
- 2.8 通过微调提升模型的准确度与效率-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能javaai
单选题模型量化技术的主要优势是?A.显著提升模型精度B.减少显存占用和响应时间✅C.完全保留原始模型能力D.支持多模态任务扩展解析:量化通过降低参数精度减少资源消耗,但对精度影响较小(<2%)以下关于LoRA技术的描述错误的是?A.通过低秩矩阵间接影响模型行为B.会直接修改原始模型权重✅C.支持参数回退操作D.训练效率高于全参微调解析:LoRA通过添加额外参数而非修改原权重实现微调当训练过程中出现
- 饿了么算法工程师-AIGC岗内推
飞300
AIGC业界资讯
1、紧跟业界最新自然语言处理技术动态,深入研发并努力创新,特别是在LLM、多模态理解和LLMAgent领域。2、基于大型语言模型开展文本生成、自然语言理解以及智能对话系统的研发,提出新颖的算法/模型,并进行实际开发和应用。3、探索多模态数据的结合,包括图像、文本、语音等,以丰富智能系统的理解和交互能力。4、将自然语言处理技术与具体业务场景相结合,考虑业务的特殊性并适配业务需求。参与到具体的NLP相
- 【LangChain编程:从入门到实践】实现多模态代理
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战AI大模型应用入门实战与进阶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
【LangChain编程:从入门到实践】实现多模态代理作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:LangChain编程,多模态代理,自然语言处理,多媒体数据融合,复杂任务解决能力1.背景介绍1.1大背景与问题的提出随着人工智能技术的飞速发展,尤其是大模型在自然语言处理领域的突破,如通义千问、通义万相、阿里云通义大模型等,我们正迎来一个全
- 《AI 大模型 ChatGPT 的传奇》
武昌库里写JAVA
面试题汇总与解析课程设计springbootvue.js算法数据结构
《AI大模型ChatGPT的传奇》——段方某世界100强企业大数据/AI总设计师教授北京大学博士后助理:1三6三二四61四五41AI大模型的概念和特点1.1什么是”大模型、多模态“?1.2大模型带来了什么?1.3大模型为什么能产生质变?1.4算法层面的跃升1.4.1RNN到transformor1.4.2扩散模型diffusion1.4.3跨模态的CLIP框架1.5AIGC的耀眼成果1.5.1AI
- 大模型专栏博文汇总和索引
Donvink
大模型transformer深度学习人工智能语言模型
大模型专栏主要是汇总了我在学习大模型相关技术期间所做的一些总结和笔记,主要包括以下几个子专栏:DeepSeek-R1AIGC大模型实践Transformer多模态系统视频理解对比学习目标检测目标跟踪图神经网络大模型专栏汇总了以上所有子专栏的论文,目前暂时先按照不同的技术领域划分子专栏,子专栏之间的内容可能会有交集,不完全是独立的。为了方便查阅相关模块的内容,故以此文章进行汇总与索引。一、DeepS
- 阿里重磅模型深夜开源;DeepSeek宣布开源DeepGEMM;微软开源多模态AI Agent基础模型Magma...|网易数智日报
网易数智
网易数智日报开源人工智能大数据业界资讯aiAIGC
阿里重磅模型深夜开源:表现超越Sora、Pika,消费级显卡就能跑2月26日,25日深夜阿里云视频生成大模型万相2.1(Wan)正式宣布开源,此次开源采用Apache2.0协议,14B和1.3B两个参数规格的全部推理代码和权重全部开源,同时支持文生视频和图生视频任务。据阿里云官方介绍,14B版本万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出,在权威评测集Vbench中,万相
- DeepSeek智能引擎:高效重塑创作与开发
智能计算研究中心
其他
内容概要DeepSeek智能引擎通过创新的混合专家架构(MixtureofExperts),在670亿参数规模下实现了多模态智能处理能力的突破性进展。该架构通过动态路由机制,使模型在处理复杂任务时能够自动调用最适配的专家模块,相较于传统单体模型,其推理效率提升约40%,同时保持90%以上的参数利用率。系统核心功能模块对比如下:功能模块核心能力应用场景处理速度(Tokens/s)DeepSeekCh
- 跨框架模型演进与行业应用路径
智能计算研究中心
其他
内容概要在人工智能技术持续迭代的背景下,模型框架的演进与行业应用的深度融合已成为推动产业智能化升级的核心驱动力。本文系统性梳理TensorFlow、PyTorch、MXNet等主流框架的技术发展脉络,重点分析其从通用计算架构向多模态、轻量化方向的转型路径。同时,针对模型优化技术领域,深入探讨迁移学习、超参数调优及模型压缩等方法的创新突破,揭示其在降低计算资源消耗、提升推理效率方面的关键作用。在行业
- 金融风控与医疗影像算法创新前沿
智能计算研究中心
其他
内容概要在金融风控与医疗影像交叉领域,算法创新正推动两大行业的技术范式变革。联邦学习算法通过分布式数据协作机制,在保证隐私安全的前提下,显著提升金融风险预测模型的泛化能力。医疗影像诊断领域则依托三维卷积神经网络(3D-CNN)架构,实现了对CT、MRI等多模态影像的精准病灶分割,诊断准确率较传统方法提升23.6%。值得关注的是,可解释性算法(如LIME和SHAP)的深度应用,使两类场景中的模型决策
- 字节的豆包和Kimi 的优劣势对比
eso1983
javapython算法
字节豆包、Kimi(月之暗面)和深度求索(DeepSeek)三款AI助手的对比分析,涵盖核心技术、功能特性、优劣势及适用场景.1.核心能力对比维度豆包(字节跳动)Kimi(月之暗面)DeepSeek(深度求索)技术基础基于字节自研云雀大模型,多模态能力突出,依托抖音/头条数据生态。Moonshot自研长文本大模型,专注超长上下文理解。自研模型聚焦复杂逻辑推理与代码生成,垂直领域优化。长文本处理支持
- DeepSeek应用领域全景解析:驱动产业智能化升级的六大核心方向
量子纠缠BUG
DeepSeek部署AIDeepSeek人工智能AI编程深度学习
一、引言:DeepSeek为何成为产业智能化首选?作为国产大模型的标杆产品,DeepSeek凭借其万亿级参数规模、MoE混合专家架构和多模态交互能力,正在重构产业智能化升级的技术路径。本文基于官方技术文档与行业实践案例,深入剖析DeepSeek在六大核心领域的应用突破与商业价值实现二、技术底座:支撑多领域落地的三大创新架构1.Transformer-XL增强架构通过引入Multi-HeadLate
- JVM StackMapTable 属性的作用及理解
lijingyao8206
jvm字节码Class文件StackMapTable
在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率,在字节码规范中添加了Stack Map Table属性,以下简称栈图,其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
- 回调函数调用方法
百合不是茶
java
最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下
代码很简单:
MainDemo :调用方法 得到方法的返回结果
- [时间机器]制造时间机器需要一些材料
comsci
制造
根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质
和材料...
甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......
- 开口埋怨不如闭口做事
邓集海
邓集海 做人 做事 工作
“开口埋怨,不如闭口做事。”不是名人名言,而是一个普通父亲对儿子的训导。但是,因为这句训导,这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子,叫张明正。 张明正出身贫寒,读书时成绩差,常挨老师批评。高中毕业,张明正连普通大学的分数线都没上。高考成绩出来后,平时开口怨这怨那的张明正,不从自身找原因,而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。
- jQuery插件开发全解析,类级别与对象级别开发
IT独行者
jquery开发插件 函数
jQuery插件的开发包括两种: 一种是类级别的插件开发,即给
jQuery添加新的全局函数,相当于给
jQuery类本身添加方法。
jQuery的全局函数就是属于
jQuery命名空间的函数,另一种是对象级别的插件开发,即给
jQuery对象添加方法。下面就两种函数的开发做详细的说明。
1
、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
- Rome解析Rss
413277409
Rome解析Rss
import java.net.URL;
import java.util.List;
import org.junit.Test;
import com.sun.syndication.feed.synd.SyndCategory;
import com.sun.syndication.feed.synd.S
- RSA加密解密
无量
加密解密rsa
RSA加密解密代码
代码有待整理
package com.tongbanjie.commons.util;
import java.security.Key;
import java.security.KeyFactory;
import java.security.KeyPair;
import java.security.KeyPairGenerat
- linux 软件安装遇到的问题
aichenglong
linux遇到的问题ftp
1 ftp配置中遇到的问题
500 OOPS: cannot change directory
出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了
修改方法:1 修改/etc/selinux/config 中SELINUX=disabled
2 source /etc
- 面试心得
alafqq
面试
最近面试了好几家公司。记录下;
支付宝,面试我的人胖胖的,看着人挺好的;博彦外包的职位,面试失败;
阿里金融,面试官人也挺和善,只不过我让他吐血了。。。
由于印象比较深,记录下;
1,自我介绍
2,说下八种基本类型;(算上string。楼主才答了3种,哈哈,string其实不是基本类型,是引用类型)
3,什么是包装类,包装类的优点;
4,平时看过什么书?NND,什么书都没看过。。照样
- java的多态性探讨
百合不是茶
java
java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况
//package 1;
class A{
public void test(){
System.out.println("A");
}
}
class D extends A{
public void test(){
S
- 网络编程基础篇之JavaScript-学习笔记
bijian1013
JavaScript
1.documentWrite
<html>
<head>
<script language="JavaScript">
document.write("这是电脑网络学校");
document.close();
</script>
</h
- 探索JUnit4扩展:深入Rule
bijian1013
JUnitRule单元测试
本文将进一步探究Rule的应用,展示如何使用Rule来替代@BeforeClass,@AfterClass,@Before和@After的功能。
在上一篇中提到,可以使用Rule替代现有的大部分Runner扩展,而且也不提倡对Runner中的withBefores(),withAfte
- [CSS]CSS浮动十五条规则
bit1129
css
这些浮动规则,主要是参考CSS权威指南关于浮动规则的总结,然后添加一些简单的例子以验证和理解这些规则。
1. 所有的页面元素都可以浮动 2. 一个元素浮动后,会成为块级元素,比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动,会向最近的块级父元素的左上角移动,直到浮动元素的左外边界碰到块级父元素的左内边界;如果这个块级父元素已经有浮动元素停靠了
- 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景
bit1129
partition
0.Kafka服务器配置
3个broker
1个topic,6个partition,副本因子是2
2个consumer,每个consumer三个线程并发读取
1. Producer
package kafka.examples.multibrokers.producers;
import java.util.Properties;
import java.util.
- zabbix_agentd.conf配置文件详解
ronin47
zabbix 配置文件
Aliaskey的别名,例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1], 或者ttlsa的用户ID。你可以使用key:vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1],也可以使用ttlsa.userid。备注: 别名不能重复,但是可以有多个
- java--19.用矩阵求Fibonacci数列的第N项
bylijinnan
fibonacci
参考了网上的思路,写了个Java版的:
public class Fibonacci {
final static int[] A={1,1,1,0};
public static void main(String[] args) {
int n=7;
for(int i=0;i<=n;i++){
int f=fibonac
- Netty源码学习-LengthFieldBasedFrameDecoder
bylijinnan
javanetty
先看看LengthFieldBasedFrameDecoder的官方API
http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html
API举例说明了LengthFieldBasedFrameDecoder的解析机制,如下:
实
- AES加密解密
chicony
加密解密
AES加解密算法,使用Base64做转码以及辅助加密:
package com.wintv.common;
import javax.crypto.Cipher;
import javax.crypto.spec.IvParameterSpec;
import javax.crypto.spec.SecretKeySpec;
import sun.misc.BASE64Decod
- 文件编码格式转换
ctrain
编码格式
package com.test;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
- mysql 在linux客户端插入数据中文乱码
daizj
mysql中文乱码
1、查看系统客户端,数据库,连接层的编码
查看方法: http://daizj.iteye.com/blog/2174993
进入mysql,通过如下命令查看数据库编码方式: mysql> show variables like 'character_set_%'; +--------------------------+------
- 好代码是廉价的代码
dcj3sjt126com
程序员读书
长久以来我一直主张:好代码是廉价的代码。
当我跟做开发的同事说出这话时,他们的第一反应是一种惊愕,然后是将近一个星期的嘲笑,把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时,才收敛一点。
当最初的惊愕消退后,他们会用一些这样的话来反驳: “好代码不廉价,好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。”
我只
- Android网络请求库——android-async-http
dcj3sjt126com
android
在iOS开发中有大名鼎鼎的ASIHttpRequest库,用来处理网络请求操作,今天要介绍的是一个在Android上同样强大的网络请求库android-async-http,目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库,网络处理均基于Android的非UI线程,通
- ORACLE 复习笔记之SQL语句的优化
eksliang
SQL优化Oracle sql语句优化SQL语句的优化
转载请出自出处:http://eksliang.iteye.com/blog/2097999
SQL语句的优化总结如下
sql语句的优化可以按照如下六个步骤进行:
合理使用索引
避免或者简化排序
消除对大表的扫描
避免复杂的通配符匹配
调整子查询的性能
EXISTS和IN运算符
下面我就按照上面这六个步骤分别进行总结:
- 浅析:Android 嵌套滑动机制(NestedScrolling)
gg163
android移动开发滑动机制嵌套
谷歌在发布安卓 Lollipop版本之后,为了更好的用户体验,Google为Android的滑动机制提供了NestedScrolling特性
NestedScrolling的特性可以体现在哪里呢?<!--[if !supportLineBreakNewLine]--><!--[endif]-->
比如你使用了Toolbar,下面一个ScrollView,向上滚
- 使用hovertree菜单作为后台导航
hvt
JavaScriptjquery.nethovertreeasp.net
hovertree是一个jquery菜单插件,官方网址:http://keleyi.com/jq/hovertree/ ,可以登录该网址体验效果。
0.1.3版本:http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm
hovertree插件包含文件:
http://keleyi.com/jq/hovertree/css
- SVG 教程 (二)矩形
天梯梦
svg
SVG <rect> SVG Shapes
SVG有一些预定义的形状元素,可被开发者使用和操作:
矩形 <rect>
圆形 <circle>
椭圆 <ellipse>
线 <line>
折线 <polyline>
多边形 <polygon>
路径 <path>
- 一个简单的队列
luyulong
java数据结构队列
public class MyQueue {
private long[] arr;
private int front;
private int end;
// 有效数据的大小
private int elements;
public MyQueue() {
arr = new long[10];
elements = 0;
front
- 基础数据结构和算法九:Binary Search Tree
sunwinner
Algorithm
A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
- 项目出现的一些问题和体会
Steven-Walker
DAOWebservlet
第一篇博客不知道要写点什么,就先来点近阶段的感悟吧。
这几天学了servlet和数据库等知识,就参照老方的视频写了一个简单的增删改查的,完成了最简单的一些功能,使用了三层架构。
dao层完成的是对数据库具体的功能实现,service层调用了dao层的实现方法,具体对servlet提供支持。
&
- 高手问答:Java老A带你全面提升Java单兵作战能力!
ITeye管理员
java
本期特邀《Java特种兵》作者:谢宇,CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答,欢迎网友积极提问,与专家一起讨论!
作者简介:
淘宝网资深Java工程师,CSDN超人气博主,人称“胖哥”。
CSDN博客地址:
http://blog.csdn.net/xieyuooo
作者在进入大学前是一个不折不扣的计算机白痴,曾经被人笑话过不懂鼠标是什么,