- 批量归一化
笔写落去
深度学习人工智能深度学习
参考李沐老师的动手深度学习,只作为个人笔记.文章目录前言一、为什么要批量归一化二、批量归一化三、批量归一化层总结前言训练深层神经网络是十分困难的,特别是在较短的时间内使他们收敛更加棘手。本节将介绍批量规范化(batchnormalization),这是一种流行且有效的技术,可持续加速深层网络的收敛速度。一、为什么要批量归一化损失函数出现最后,后面的层训练较快.数据在最底部底部的层训练较慢底部层一变
- softmax回归+损失函数
笔写落去
深度学习人工智能深度学习算法
本文章借鉴李沐老师动手深度学习,只作为个人笔记.3.4.softmax回归—动手学深度学习2.0.0documentation(d2l.ai)文章目录前言一、回归vs分类二、分类问题独热编码(One-HotEncoding)三.网络框架四.softmax运算1.softmax前提知识2.softmax函数五.简单介绍几个损失函数总结前言经过后面不断学习,我突然发现哪里都有softmax的身影,而且
- 一个实例让你初识图像卷积
笔写落去
深度学习深度学习机器学习
本篇文章参考李沐老师动手深度学习,只作为个人笔记.文章目录前言一、卷积二、回顾全连接层三.全连接层到卷积四.图像的边缘检测1.定义互相关运算函数2.卷积层,与一维一样,把它当成一种运算就好理解了3.图像中目标的边缘检测五.学习由X生成Y的卷积核总结前言在学习卷积神经网络之前我们已经了解了线性神经网络,这里我们简单回顾一下,从我们的线性回归,,softmax回归,多层感知机,模型的选择,欠拟合和过拟
- 梯度消失与梯度爆炸的问题小结
笔写落去
深度学习深度学习机器学习笔记
本文参考李沐老师动手深度学习,上篇激活函数有遇到这个问题我们来深入探讨一下文章目录前言一、梯度爆炸二、梯度爆炸的问题三、梯度消失四.梯度消失的问题总结前言到目前为止,我们实现的每个模型都是根据某个预先指定的分布来初始化模型的参数。有人会认为初始化方案是理所当然的,忽略了如何做出这些选择的细节。甚至有人可能会觉得,初始化方案的选择并不是特别重要。相反,初始化方案的选择在神经网络学习中起着举足轻重的作
- 权重初始化和激活函数小结
笔写落去
深度学习深度学习机器学习算法
本文章参考李沐老师的动手深度学习,作为个人的笔记.4.8.数值稳定性和模型初始化—动手学深度学习2.0.0documentation(d2l.ai)文章目录前言首先我们理想的神经网络是什么样子的?一.权重初始化二.检查激活函数总结前言选择合理的权重初始化和选择合理的激活函数在训练是保证训练的稳定性尤为重要,本文介绍其做法,帮助我们事半功倍.首先我们理想的神经网络是什么样子的?这样的一个神经网络对于
- 动手深度学习笔记(四十八)8.4. 循环神经网络
落花逐流水
pytorch实践pytorch深度学习神经网络
动手深度学习笔记(四十八)8.4.循环神经网络8.4.循环神经网络8.4.1.无隐状态的神经网络8.4.2.有隐状态的循环神经网络8.4.3.基于循环神经网络的字符级语言模型8.4.4.困惑度(Perplexity)8.4.5.小结8.4.6.练习8.4.循环神经网络在8.3节中,我们介绍了nn
- 动手深度学习笔记(四十九)8.5. 循环神经网络的从零开始实现
落花逐流水
pytorch实践深度学习rnn
动手深度学习笔记(四十九)8.5.循环神经网络的从零开始实现8.5.循环神经网络的从零开始实现8.5.1.独热编码8.5.2.初始化模型参数8.5.3.循环神经网络模型8.5.4.预测8.5.循环神经网络的从零开始实现本节将根据8.4节中的描述,从头开始基于循环神经网络实现字符级语言模型。这样的模型将在H.G.Wells的时光机器数据集上训练。和前面8.3节中介绍过的一样,我们先读取数据集。%ma
- 【2023年终总结】 | 时光之舟:乘载着回忆与希望穿越2023,抵达2024
Qodi
记录点数据库
文章目录1回忆2希望1回忆2023年对我来说是非常梦幻的一年,我在2023年初的时候确认去做AI方向,在这之前我尝试了前端开发,移动App开发,云FPGA等方向,但是感觉自己都不是很喜欢,然后就开始尝试新的方向——AI方向,我跟着鲁鹏老师的课计算机视觉课,又去学习了李沐老师的动手深度学习,这些启蒙课让我初步了解了AI。学习过程中我感觉AI还是非常的好玩的,利用这样的深度学习可以做好多好多的有趣的事
- Python包的冲突问题(血泪教训)
Qodi
python开发语言
我们要意识到一点,python的包与包之间,包与python之间有着极强的依赖关系,当出现安装包不成功,大概率是版本冲突。两方面的可能的问题(1)python版本与包冲突(2)包与包的版本冲突一定一定一定不要自己一顿pip,conda安装操作,极容易造成上述问题。这两个都很重要记得自己在安装李沐老师的动手深度学习d2l的包的时候,没注意python版本3.9,只关注了包的版本,发现冲突以后自己一点
- (14)学习笔记:动手深度学习(Pytorch神经网络基础)
卡拉比丘流形
Python深度学习深度学习学习笔记
文章目录神经网络的层与块块的基本概念自定义块问答神经网络的层与块块的基本概念 以多层感知机为例,整个模型接受原始输入(特征),生成输出(预测),并包含一些参数(所有组成层的参数集合)。 同样,每个单独的层接收输入(由前一层提供),生成输出(到下一层的输入),并且具有一组可调参数,这些参数根据从下一层反向传播的信号进行更新。块可以描述单个层、由多个层组成的组件或者模型本身。在pytorch中,块
- 机器学习之多层感知机 MLP简洁实现 《动手深度学习》实例
Linux猿
动手深度学习实例机器学习人工智能多层感知机MLP深度学习动手深度学习
作者:Linux猿简介:CSDN博客专家,华为云享专家,Linux、C/C++、云计算、物联网、面试、刷题、算法尽管咨询我,关注我,有问题私聊!欢迎小伙伴们点赞、收藏⭐、留言本篇文章主要介绍《动手深度学习》实例中的多层感知机MLP的简洁实现。一、代码实现多层感知机(MLP)的简洁实现如下所示。importtorchfromtorchimportnnfromd2limporttorchasd2l''
- 《动手深度学习》线性回归简洁实现实例
Linux猿
动手深度学习实例动手深度学习深度学习人工智能线性回归
作者:Linux猿简介:CSDN博客专家,华为云享专家,Linux、C/C++、云计算、物联网、面试、刷题、算法尽管咨询我,关注我,有问题私聊!欢迎小伙伴们点赞、收藏⭐、留言本文是《动手深度学习》线性回归简洁实现实例的实现和分析,主要对代码进行详细讲解,有问题欢迎在评论区讨论交流。一、代码实现实现代码如下所示。importtorchfromtorch.utilsimportdata#d2l包是李沐
- 3.2&3.3 线性回归的从零开始实现|Pytorch简洁实现
谢桥光
线性回归
学习链接:李沐老师的动手深度学习v2书、视频链接代码部分的理解笔记。1、生成数据2、读取数据集3、初始化模型参数4、定义模型5、定义损失函数6、定义优化算法7、训练importrandomimporttorchfromd2limporttorchasd2l#1、生成数据#根据给定参数,生成带噪音的训练数据集defsynthetic_data(w,b,num_examples):X=torch.no
- 动手深度学习笔记(三十三)6.3. 填充和步幅
落花逐流水
pytorch实践pytorchpytorch
动手深度学习笔记(三十三)6.3.填充和步幅题6.卷积神经网络6.3.填充和步幅6.3.1.填充6.3.2.步幅6.3.3.小结6.3.4.练习6.卷积神经网络6.3.填充和步幅在前面的例子图6.2.1中,输入的高度和宽度都为333,卷积核的高度和宽度都为
- 动手深度学习——Windows下的环境安装流程(一步一步安装,图文并配)
Audery867
深度学习深度学习windows人工智能jupyter
目录环境安装官网步骤图文版安装Miniconda下载包含本书全部代码的压缩包使用conda创建虚拟(运行)环境使用conda创建虚拟环境并安装本书需要的软件激活之前创建的环境打开Jupyter记事本环境安装文章参考来源:http://t.csdn.cn/tu8V8官网步骤图文版安装Miniconda根据操作系统下载并安装Miniconda,在安装过程中需要勾选“AddAnacondatothesy
- 动手深度学习:08 线性回归(线性回归的从零开始实现)(二)
xiao52x
python开发语言爬虫
1、线性回归的从零开始实现我们将从零开始实现整个方法,包括数据流水线、模型、损失函数和小批量随机梯度下降优化器d2l包可以直接在conda的prompt里面输入命令pipinstall-Ud2l来安装%matplotlibinlineimportrandom#导入随机数包importtorch#fromd2limporttorchasd2l#l是字母defsynthetic_data(w,b,nu
- 《动手深度学习》 线性回归从零开始实现实例
Linux猿
动手深度学习实例线性回归AI算法动手深度学习深度学习实例
作者:Linux猿简介:CSDN博客专家,华为云享专家,Linux、C/C++、云计算、物联网、面试、刷题、算法尽管咨询我,关注我,有问题私聊!欢迎小伙伴们点赞、收藏⭐、留言本文是《动手深度学习》线性回归从零开始实现实例的实现和分析。一、代码实现实现代码如下所示。#random模块调用random()方法返回随机生成的一个实数,值在[0,1)范围内importrandom#机器学习框架pythor
- 【动手深度学习-笔记】R-CNN系列
wonder-wall
深度学习笔记深度学习cnn目标检测
【动手深度学习-笔记】R-CNN系列R-CNNFastR-CNN兴趣区域池化层FasterR-CNN区域提议网络MaskR-CNN总结参考R-CNN区域卷积神经网络(region-basedCNN或regionswithCNNfeatures,R-CNN)是将深度模型应用于目标检测的开创性工作之一。R-CNN首先利用选择性搜索,从输入图像中选取若干提议区域(如锚框也是一种选取方法),并标注它们的类
- 【动手深度学习v2】with torch.no_grad()用法
岁余十二.
动手学深度学习v2深度学习人工智能
在sgd的实现代码中,使用到了withtorch.no_grad():defsgd(params,lr,batch_size):#@save"""小批量随机梯度下降"""withtorch.no_grad():forparaminparams:param-=lr*param.grad/batch_sizeprint(f'参数:{param}梯度:{param.grad}')param.grad.z
- 【动手深度学习v2】anchor的生成
岁余十二.
动手学深度学习v2深度学习人工智能
生成多个锚框首先是示例代码:defmultibox_prior(data,sizes,ratios):"""生成以每个像素为中心具有不同形状的锚框"""in_height,in_width=data.shape[-2:]device,num_sizes,num_ratios=data.device,len(sizes),len(ratios)boxes_per_pixel=(num_sizes+n
- 2023.6.8小记——嵌入式系统初识、什么是ARM架构?
安和橋北
每日小记嵌入式硬件arm
今天还挺充实的,早上在图书馆本来想学一下notion,结果看李沐老师的动手深度学习看到十点半,在电脑上配置了李沐老师的d2l和jupyter,等后续有时间的时候再继续学。下午看了一下notion的使用方法,这玩意初学者用起来是真的麻烦,如果每天没有很多事情需要schedule的话,用这个我认为反而是个累赘,还不如mac自带的提醒事项。然后去健身房练了腿️♀️,100kg深蹲,再做两组固定器械就去
- 跟着李沐大神动手深度学习笔记——权重衰退
a_Janm
权重衰退使用均方范数作为硬性限制如下所示,其中l是我们要优化的损失函数,w和b是两个参数。w为权重,b为偏移,但这个优化函数并不常用,多使用下面的柔性限制。image-20210902210126877.png使用均方范数作为柔性限制image-20210902211206725.png以上可以通过拉格朗日乘子来证明,超参数控制了正则项的重要程度。image-20210902211415694.p
- 动手深度学习矩阵求导
piolet0016
动手深度学习深度学习
目录一.函数与标量、向量、矩阵二.矩阵求导的本质三.矩阵求导结果的布局函数是实值标量变元是向量1.1行向量偏导形式1.2梯度向量形式变元是矩阵2.1行向量偏导形式(将矩阵变元转为向量变元)2.2雅克比矩阵2.3梯度向量形式(将矩阵变元转为向量变元)2.4梯度矩阵形式函数:矩阵变元:矩阵3.1雅克比矩阵3.2梯度矩阵形式总结:/*上面主要是定义,下面是实际使用时的计算*/一.矩阵的迹1、定义2、一些
- 【李沐-动手深度学习v2】笔记整理-08线性回归+基础优化算法
liuuu0
李沐-动手深度学习笔记整理深度学习算法线性回归
线性回归线性回归是单层的神经网络模型通过平方损失来衡量预测质量,1/2便于求导训练损失:加均值基础优化算法梯度下降梯度是上升最快的方向,负梯度即为下降最快的方向。因为该函数表示训练损失,所以要找下降最快的方向来更新参数学习率即为每次的步长学习率太小,步数多,计算梯度的次数多,太贵;而且陷入局部最优解学习率太大,容易在最优解附近振荡小批量随机梯度下降抽样。通过计算b个样本的平均损失,代替总体然后进行
- 动手深度学习笔记(四十三)7.7. 稠密连接网络(DenseNet)
落花逐流水
pytorchpytorch实践深度学习
动手深度学习笔记(四十三)7.7.稠密连接网络(DenseNet)7.7.稠密连接网络(DenseNet)7.7.稠密连接网络(DenseNet)ResNet极大地改变了如何参数化深层网络中函数的观点。稠密连接网络(DenseNet)(Huangetal.,2017)在某种程度上是ResNet的逻辑扩展。让我们先从数学上了解一下。7.7.1.从ResNet到DenseNet回想一下任意函数的泰勒展
- 动手深度学习笔记(四十二)7.6. 残差网络(ResNet)
落花逐流水
pytorch实践深度学习人工智能神经网络
动手深度学习笔记(四十二)7.6.残差网络(ResNet)7.6.残差网络(ResNet)7.6.1.函数类7.6.2.残差块7.6.3.ResNet模型7.6.4.训练模型7.6.5.小结7.6.6.练习7.6.残差网络(ResNet)随着我们设计越来越深的网络,深刻理解“新添加的层如何提升神经网络的性能”变得至关重要。更重要的是设计网络的能力,在这种网络中,添加层会使网络更具表现力,为了取得质
- 线性回归的框架实现和非框架实现
conquer777
深度学习线性回归pytorch深度学习
这是看了李沐大神的动手深度学习,自己敲了一遍,直接上代码吧,注释已经写的很清楚了用pytorch实现importnumpyasnpimporttorchfromtorch.utilsimportdatafromd2limporttorchasd2l"""生成数据集"""true_w=torch.tensor([2,-3.4])true_b=4.2features,labels=d2l.synthe
- 动手深度学习-线性神经网络:softmax回归
百分之七.
机器学习深度学习深度学习神经网络回归
目录1.分类问题2.网络架构3.softmax运算4.损失函数交叉熵损失函数参考教程:https://courses.d2l.ai/zh-v2/1.分类问题从回归到多类分类:对类别进行一位有效编码——独热编码(one-hotencoding)。独热编码是一个向量,它的分量和类别一样多。类别对应的分量设置为1,其他所有分量设置为0:y=[y1,y2,…,yn]⊤yi={1ifi=y0otherwis
- 动手深度学习-多层感知机
百分之七.
机器学习深度学习深度学习人工智能
目录感知机多层感知机激活函数sigmoid函数tanh函数ReLU函数多层感知机的简洁实现参考教程:https://courses.d2l.ai/zh-v2/感知机模型:感知机模型就是一个简单的人工神经网络。感知机是二分类的线性模型,其输入是实例的特征向量,输出的是事例的类别,分别是+1和-1,属于判别模型。它的求解算法等价于使用批量大小为1的梯度下降。多层感知机多层感知机(multilayerp
- 动手深度学习-欠拟合和过拟合
百分之七.
机器学习深度学习深度学习人工智能
目录训练误差和泛化误差K-折交叉验证欠拟合和过拟合模型复杂性数据集大小权重衰减权重衰减简洁实现暂退法(Dropout)从零开始实现Dropout简洁实现参考教程:https://courses.d2l.ai/zh-v2/训练误差和泛化误差训练误差(trainingerror)是指,模型在训练数据集上计算得到的误差。泛化误差(generalizationerror)是指,模型在新数据上的误差。K-折
- 多线程编程之存钱与取钱
周凡杨
javathread多线程存钱取钱
生活费问题是这样的:学生每月都需要生活费,家长一次预存一段时间的生活费,家长和学生使用统一的一个帐号,在学生每次取帐号中一部分钱,直到帐号中没钱时 通知家长存钱,而家长看到帐户还有钱则不存钱,直到帐户没钱时才存钱。
问题分析:首先问题中有三个实体,学生、家长、银行账户,所以设计程序时就要设计三个类。其中银行账户只有一个,学生和家长操作的是同一个银行账户,学生的行为是
- java中数组与List相互转换的方法
征客丶
JavaScriptjavajsonp
1.List转换成为数组。(这里的List是实体是ArrayList)
调用ArrayList的toArray方法。
toArray
public T[] toArray(T[] a)返回一个按照正确的顺序包含此列表中所有元素的数组;返回数组的运行时类型就是指定数组的运行时类型。如果列表能放入指定的数组,则返回放入此列表元素的数组。否则,将根据指定数组的运行时类型和此列表的大小分
- Shell 流程控制
daizj
流程控制if elsewhilecaseshell
Shell 流程控制
和Java、PHP等语言不一样,sh的流程控制不可为空,如(以下为PHP流程控制写法):
<?php
if(isset($_GET["q"])){
search(q);}else{// 不做任何事情}
在sh/bash里可不能这么写,如果else分支没有语句执行,就不要写这个else,就像这样 if else if
if 语句语
- Linux服务器新手操作之二
周凡杨
Linux 简单 操作
1.利用关键字搜寻Man Pages man -k keyword 其中-k 是选项,keyword是要搜寻的关键字 如果现在想使用whoami命令,但是只记住了前3个字符who,就可以使用 man -k who来搜寻关键字who的man命令 [haself@HA5-DZ26 ~]$ man -k
- socket聊天室之服务器搭建
朱辉辉33
socket
因为我们做的是聊天室,所以会有多个客户端,每个客户端我们用一个线程去实现,通过搭建一个服务器来实现从每个客户端来读取信息和发送信息。
我们先写客户端的线程。
public class ChatSocket extends Thread{
Socket socket;
public ChatSocket(Socket socket){
this.sock
- 利用finereport建设保险公司决策分析系统的思路和方法
老A不折腾
finereport金融保险分析系统报表系统项目开发
决策分析系统呈现的是数据页面,也就是俗称的报表,报表与报表间、数据与数据间都按照一定的逻辑设定,是业务人员查看、分析数据的平台,更是辅助领导们运营决策的平台。底层数据决定上层分析,所以建设决策分析系统一般包括数据层处理(数据仓库建设)。
项目背景介绍
通常,保险公司信息化程度很高,基本上都有业务处理系统(像集团业务处理系统、老业务处理系统、个人代理人系统等)、数据服务系统(通过
- 始终要页面在ifream的最顶层
林鹤霄
index.jsp中有ifream,但是session消失后要让login.jsp始终显示到ifream的最顶层。。。始终没搞定,后来反复琢磨之后,得到了解决办法,在这儿给大家分享下。。
index.jsp--->主要是加了颜色的那一句
<html>
<iframe name="top" ></iframe>
<ifram
- MySQL binlog恢复数据
aigo
mysql
1,先确保my.ini已经配置了binlog:
# binlog
log_bin = D:/mysql-5.6.21-winx64/log/binlog/mysql-bin.log
log_bin_index = D:/mysql-5.6.21-winx64/log/binlog/mysql-bin.index
log_error = D:/mysql-5.6.21-win
- OCX打成CBA包并实现自动安装与自动升级
alxw4616
ocxcab
近来手上有个项目,需要使用ocx控件
(ocx是什么?
http://baike.baidu.com/view/393671.htm)
在生产过程中我遇到了如下问题.
1. 如何让 ocx 自动安装?
a) 如何签名?
b) 如何打包?
c) 如何安装到指定目录?
2.
- Hashmap队列和PriorityQueue队列的应用
百合不是茶
Hashmap队列PriorityQueue队列
HashMap队列已经是学过了的,但是最近在用的时候不是很熟悉,刚刚重新看以一次,
HashMap是K,v键 ,值
put()添加元素
//下面试HashMap去掉重复的
package com.hashMapandPriorityQueue;
import java.util.H
- JDK1.5 returnvalue实例
bijian1013
javathreadjava多线程returnvalue
Callable接口:
返回结果并且可能抛出异常的任务。实现者定义了一个不带任何参数的叫做 call 的方法。
Callable 接口类似于 Runnable,两者都是为那些其实例可能被另一个线程执行的类设计的。但是 Runnable 不会返回结果,并且无法抛出经过检查的异常。
ExecutorService接口方
- angularjs指令中动态编译的方法(适用于有异步请求的情况) 内嵌指令无效
bijian1013
JavaScriptAngularJS
在directive的link中有一个$http请求,当请求完成后根据返回的值动态做element.append('......');这个操作,能显示没问题,可问题是我动态组的HTML里面有ng-click,发现显示出来的内容根本不执行ng-click绑定的方法!
 
- 【Java范型二】Java范型详解之extend限定范型参数的类型
bit1129
extend
在第一篇中,定义范型类时,使用如下的方式:
public class Generics<M, S, N> {
//M,S,N是范型参数
}
这种方式定义的范型类有两个基本的问题:
1. 范型参数定义的实例字段,如private M m = null;由于M的类型在运行时才能确定,那么我们在类的方法中,无法使用m,这跟定义pri
- 【HBase十三】HBase知识点总结
bit1129
hbase
1. 数据从MemStore flush到磁盘的触发条件有哪些?
a.显式调用flush,比如flush 'mytable'
b.MemStore中的数据容量超过flush的指定容量,hbase.hregion.memstore.flush.size,默认值是64M 2. Region的构成是怎么样?
1个Region由若干个Store组成
- 服务器被DDOS攻击防御的SHELL脚本
ronin47
mkdir /root/bin
vi /root/bin/dropip.sh
#!/bin/bash/bin/netstat -na|grep ESTABLISHED|awk ‘{print $5}’|awk -F:‘{print $1}’|sort|uniq -c|sort -rn|head -10|grep -v -E ’192.168|127.0′|awk ‘{if($2!=null&a
- java程序员生存手册-craps 游戏-一个简单的游戏
bylijinnan
java
import java.util.Random;
public class CrapsGame {
/**
*
*一个简单的赌*博游戏,游戏规则如下:
*玩家掷两个骰子,点数为1到6,如果第一次点数和为7或11,则玩家胜,
*如果点数和为2、3或12,则玩家输,
*如果和为其它点数,则记录第一次的点数和,然后继续掷骰,直至点数和等于第一次掷出的点
- TOMCAT启动提示NB: JAVA_HOME should point to a JDK not a JRE解决
开窍的石头
JAVA_HOME
当tomcat是解压的时候,用eclipse启动正常,点击startup.bat的时候启动报错;
报错如下:
The JAVA_HOME environment variable is not defined correctly
This environment variable is needed to run this program
NB: JAVA_HOME shou
- [操作系统内核]操作系统与互联网
comsci
操作系统
我首先申明:我这里所说的问题并不是针对哪个厂商的,仅仅是描述我对操作系统技术的一些看法
操作系统是一种与硬件层关系非常密切的系统软件,按理说,这种系统软件应该是由设计CPU和硬件板卡的厂商开发的,和软件公司没有直接的关系,也就是说,操作系统应该由做硬件的厂商来设计和开发
- 富文本框ckeditor_4.4.7 文本框的简单使用 支持IE11
cuityang
富文本框
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>知识库内容编辑</tit
- Property null not found
darrenzhu
datagridFlexAdvancedpropery null
When you got error message like "Property null not found ***", try to fix it by the following way:
1)if you are using AdvancedDatagrid, make sure you only update the data in the data prov
- MySQl数据库字符串替换函数使用
dcj3sjt126com
mysql函数替换
需求:需要将数据表中一个字段的值里面的所有的 . 替换成 _
原来的数据是 site.title site.keywords ....
替换后要为 site_title site_keywords
使用的SQL语句如下:
updat
- mac上终端起动MySQL的方法
dcj3sjt126com
mysqlmac
首先去官网下载: http://www.mysql.com/downloads/
我下载了5.6.11的dmg然后安装,安装完成之后..如果要用终端去玩SQL.那么一开始要输入很长的:/usr/local/mysql/bin/mysql
这不方便啊,好想像windows下的cmd里面一样输入mysql -uroot -p1这样...上网查了下..可以实现滴.
打开终端,输入:
1
- Gson使用一(Gson)
eksliang
jsongson
转载请出自出处:http://eksliang.iteye.com/blog/2175401 一.概述
从结构上看Json,所有的数据(data)最终都可以分解成三种类型:
第一种类型是标量(scalar),也就是一个单独的字符串(string)或数字(numbers),比如"ickes"这个字符串。
第二种类型是序列(sequence),又叫做数组(array)
- android点滴4
gundumw100
android
Android 47个小知识
http://www.open-open.com/lib/view/open1422676091314.html
Android实用代码七段(一)
http://www.cnblogs.com/over140/archive/2012/09/26/2611999.html
http://www.cnblogs.com/over140/arch
- JavaWeb之JSP基本语法
ihuning
javaweb
目录
JSP模版元素
JSP表达式
JSP脚本片断
EL表达式
JSP注释
特殊字符序列的转义处理
如何查找JSP页面中的错误
JSP模版元素
JSP页面中的静态HTML内容称之为JSP模版元素,在静态的HTML内容之中可以嵌套JSP
- App Extension编程指南(iOS8/OS X v10.10)中文版
啸笑天
ext
当iOS 8.0和OS X v10.10发布后,一个全新的概念出现在我们眼前,那就是应用扩展。顾名思义,应用扩展允许开发者扩展应用的自定义功能和内容,能够让用户在使用其他app时使用该项功能。你可以开发一个应用扩展来执行某些特定的任务,用户使用该扩展后就可以在多个上下文环境中执行该任务。比如说,你提供了一个能让用户把内容分
- SQLServer实现无限级树结构
macroli
oraclesqlSQL Server
表结构如下:
数据库id path titlesort 排序 1 0 首页 0 2 0,1 新闻 1 3 0,2 JAVA 2 4 0,3 JSP 3 5 0,2,3 业界动态 2 6 0,2,3 国内新闻 1
创建一个存储过程来实现,如果要在页面上使用可以设置一个返回变量将至传过去
create procedure test
as
begin
decla
- Css居中div,Css居中img,Css居中文本,Css垂直居中div
qiaolevip
众观千象学习永无止境每天进步一点点css
/**********Css居中Div**********/
div.center {
width: 100px;
margin: 0 auto;
}
/**********Css居中img**********/
img.center {
display: block;
margin-left: auto;
margin-right: auto;
}
- Oracle 常用操作(实用)
吃猫的鱼
oracle
SQL>select text from all_source where owner=user and name=upper('&plsql_name');
SQL>select * from user_ind_columns where index_name=upper('&index_name'); 将表记录恢复到指定时间段以前
- iOS中使用RSA对数据进行加密解密
witcheryne
iosrsaiPhoneobjective c
RSA算法是一种非对称加密算法,常被用于加密数据传输.如果配合上数字摘要算法, 也可以用于文件签名.
本文将讨论如何在iOS中使用RSA传输加密数据. 本文环境
mac os
openssl-1.0.1j, openssl需要使用1.x版本, 推荐使用[homebrew](http://brew.sh/)安装.
Java 8
RSA基本原理
RS