- python代码实现支持神经网络对鸢尾花分类
邀_灼灼其华
机器学习及概率统计python神经网络分类sklearn
1、导入支持向量机模型,划分数据集fromsklearnimportdatasetsfromsklearnimportsvmiris=datasets.load_iris()iris_x=iris.datairis_y=iris.targetindices=np.random.permutation(len(iris_x))iris_x_train=iris_x[indices[:-10]]iri
- 【大模型】什么是蒸馏版大模型
深度求索者
python人工智能开发语言
大模型蒸馏一、知识蒸馏与无监督样本训练1.知识蒸馏的核心原理目标:将复杂大模型(Teacher)的知识迁移到轻量化小模型(Student)中,提升小模型性能。流程:训练Teacher模型:在完整数据集上训练高性能大模型。冻结Teacher模型:固定其参数,作为监督信号源。训练Student模型:通过模仿Teacher的输出(如logits、特征图等)优化Student模型。2.蒸馏方法分类方法描述
- 从零到一:利用DeepSeek构建高精度图像分类模型实战解析
一碗黄焖鸡三碗米饭
人工智能前沿与实践分类数据挖掘人工智能
引言:为什么选择DeepSeek进行图像分类?在计算机视觉领域,图像分类作为基础任务,其技术演进经历了从传统特征工程到深度学习的革命性转变。DeepSeek作为国产自研的深度学习框架,凭借其高效计算优化和灵活架构设计,在ImageNet等基准测试中展现出与PyTorch、TensorFlow等主流框架相媲美的性能。本文将手把手带您实现从零搭建工业级图像分类模型的全过程。一、DeepSeek技术架构
- 自然语言处理NLP入门 -- 第八节OpenAI GPT 在 NLP 任务中的应用
山海青风
人工智能gpt自然语言处理python
在前面的学习中,我们已经了解了如何使用一些经典的方法和模型来处理自然语言任务,如文本分类、命名实体识别等。但当我们需要更强的语言生成能力时,往往会求助于更先进的预训练语言模型。OpenAI旗下的GPT系列模型(如GPT-3、GPT-3.5、GPT-4等)在生成文本方面拥有强大的表现。它们不仅能进行语言生成,也可用于诸多NLP任务,包括文本摘要和情感分析。本章将重点介绍:GPT的文本生成原理和应用场
- 环境会影响你的决策:K近邻算法(KNN)
AOIWB
机器学习基础近邻算法人工智能算法
环境会影响你的决策:K近邻算法(KNN)1.核心思想与流程KNN是一种基于局部相似性的分类算法,核心思想是“近朱者赤”:待测样本的类别由其最近的k个邻居的多数类别决定。关键步骤:定义空间与距离:通常采用欧式空间,计算两点间直线距离:dis(a,b)=∑i=1n(ai−bi)2\text{dis}(a,b)=\sqrt{\sum_{i=1}^n(a_i-b_i)^2}dis(a,b)=i=1∑n(a
- yolo目标检测项目
m0_75047393
YOLO目标检测人工智能
一、前言(一)、什么是目标检测目标检测是指在图像或视频中准确地识别和定位出现的特定目标物体的任务。目标检测通常包括以下几个步骤:目标分类:确定图像中出现的物体属于哪一类别,例如汽车、行人、狗等。目标定位:确定图像中物体的位置,通常通过绘制边界框或遮罩来标识物体的位置。目标识别:将检测到的目标与预定义的类别进行匹配,以便为目标添加语义标签。多目标检测:在一张图像中检测并识别多个目标,包括重叠目标和不
- 图神经网络实战(9)——GraphSAGE详解与实现
盼小辉丶
图神经网络从入门到项目实战图神经网络GNNpytorch
图神经网络实战(9)——GraphSAGE详解与实现0.前言1.GraphSAGE原理1.1邻居采样1.2聚合2.构建GraphSAGE模型执行节点分类2.1数据集分析2.2构建GraphSAGE模型3.PinSAGE小结系列链接0.前言GraphSAGE是专为处理大规模图而设计的图神经网络(GraphNeuralNetworks,GNN)架构。在科技行业,可扩展性是推动系统增长的关键驱动力。因此
- MySQL进阶篇 === 索引分类
前端 贾公子
java数据库开发语言
目录索引分类思考题语法索引分类与使用总结一、索引类型二、InnoDB存储引擎的索引存储形式三、聚集索引选取规则四、思考题解答五、索引的语法六、案例分析索引分类分类含义特点关键字主键索引针对于表中主键创建的索引默认自动创建,只能有一个PRIMARY唯一索引避免同一个表中某数据列中的值重复可以有多个UNIQUE常规索引快速定位特定数据可以有多个全文索引全文索引查找的是文本中的关键词,而不是比较索引中的
- 如何更加优雅提问:浅谈提示词
愚戏师
语言模型人工智能自然语言处理
询问是一门艺术,如何优雅高效地提问很可能是未来十年每个人的必备素质参考ISO/IEC23894人工智能系统工程标准第一步:理论基础构建目标:通过结构化分析与实践验证,提升提示词设计的精准度、可控性与生成效率一、提示词设计的核心方法论分阶目标拆解基础层:明确任务类型(生成、推理、分类、创作等)逻辑层:定义输出格式(步骤化、代码块、表格、故事体例等)优化层:嵌入约束条件(长度、风格、知识范围、反例排除
- 学会用提问的方式沟通
西部驯兽师
项目管理职场和发展产品经理
在中国文化背景下,良好的沟通确实需要注重提问的智慧。以下从提问方式、角度分类和文化适配性三个维度,为您系统梳理提问的艺术:一、提问方法论的核心要素文化适配性原则关系前置:提问前建立信任(“王总,最近您团队的项目进展顺利吗?”)间接试探:“您觉得这个方案还有哪些需要完善的地方?”(替代直接批评)面子保护:“这个问题可能我理解有偏差,能否请您再说明下?”结构化提问框架提问目标信息类型事实数据观点态度解
- 后端开发技术栈和知识点的分类,以及按学习顺序推荐的相关书籍
输出输入
学习后端
以下是后端开发技术栈和知识点的分类,以及按学习顺序推荐的相关书籍:1.基础编程语言后端开发通常需要掌握至少一种编程语言,如Java、Python、Go或Node.js。推荐书籍:•Java:•《Java核心技术卷I》:适合Java初学者,涵盖语言基础、面向对象编程、异常处理等内容。•《Java编程思想》:深入讲解Java的核心概念和编程思想。•《EffectiveJava》:Java开发的最佳实践
- 操作es聚合操作并显示其他字段_Elasticsearch 之聚合分析入门
weixin_39944595
操作es聚合操作并显示其他字段
本文主要介绍Elasticsearch的聚合功能,介绍什么是Bucket和Metric聚合,以及如何实现嵌套的聚合。首先来看下聚合(Aggregation):什么是Aggregation?首先举一个生活中的例子,这个是京东的搜索界面,在搜索框中输入“华为”进行搜索,就会得到如上界面,搜索框就是我们常用的搜索功能,而下面这些,比如分类、热点、操作系统、CPU类型等是根据ES的聚合分析获得的相关结果。
- 如何用 DeepSeek 进行卷积神经网络(CNN)的优化
一碗黄焖鸡三碗米饭
人工智能前沿与实践cnn人工智能神经网络机器学习深度学习
如何用DeepSeek进行卷积神经网络(CNN)的优化卷积神经网络(CNN)在计算机视觉任务中取得了巨大的成功,例如图像分类、目标检测和图像生成。然而,尽管CNN在这些任务中表现出色,它们通常需要大量的计算资源,并且在优化过程中可能会遇到一些挑战,如过拟合、训练速度慢、局部最优解等问题。为了更好地优化CNN模型,提高其性能和训练效率,DeepSeek提供了多种优化技术和工具,可以帮助我们系统地进行
- 数据库学习笔记一
Ziguangkkk
数据库数据库学习笔记
数据库基础概念数据库定义:数据库(DataBase)是专门用于存储数据的仓库,可类比为数据的“存放地”。数据库分类:分为关系型数据库和非关系型数据库。关系型数据库中表与表之间存在关联关系,所有关系型数据库需遵循1999年制定的SQL标准,语法上90%相似,10%为各自“方言”;非关系型数据库中表相互独立,无统一标准,不同数据库语法各异。主流关系型数据库介绍Oracle数据库:由美国甲骨文公司开发,
- 深度学习开源数据集大全:从入门到前沿
念九_ysl
AI人工智能
在深度学习中,数据是模型训练的基石。本文整理了当前最常用且高质量的开源数据集,涵盖图像、视频、自然语言处理(NLP)、语音与音频等方向,帮助研究者和开发者快速定位所需资源。一、图像类数据集1.MNIST简介:手写数字识别领域的“HelloWorld”,包含6万张训练图像和1万张测试图像,尺寸为28×28的灰度图。特点:适合入门级图像分类任务,支持快速验证算法原型28。下载地址:MNIST官网2.I
- 【大模型】大模型分类
IT古董
人工智能人工智能大模型
大模型(LargeModels)通常指参数量巨大、计算能力强大的机器学习模型,尤其在自然语言处理(NLP)、计算机视觉(CV)等领域表现突出。以下是大模型的常见分类方式:1.按应用领域分类自然语言处理(NLP)模型如GPT-3、BERT、T5等,主要用于文本生成、翻译、问答等任务。计算机视觉(CV)模型如ResNet、EfficientNet、VisionTransformer(ViT)等,用于图
- HTML+CSS学习笔记
潘越越
学习笔记
目录一、emmet语法二、常用html标签使用方法:三、常用CSS样式css样式设计具体引入方式1.关于border边框的设计2.关于text文本内容的管理3.关于盒模型的分类以及position属性:4.background属性的使用5.实现样式转变持续更新……首先,整体了解有关HTML和CSS的使用,主要是为了搭建静态页面有关HTML5所需要掌握的框架:React+Reactnativeuni
- JavaScript--核心语法基础
丿狴犴λ
jsjavascripthtml前端
JavaScript--核心语法基础1.编程语言2.js历史3.js的作用4.JS组成部分5.JS的使用5.1引入方式5.2script位置5.3语法规则5.46.变量(重点)6.1什么是变量?6.2创建变量6.3变量命名规则7、数据类型(重难点)7.1分类7.2基本数据类型7.3引用数据类型--对象(object)7.4数据类型的检测8.数据类型的转换8.1隐式转换8.2强制转换9.运算符9.1
- 化学-基础知识一
吃杠碰小鸡
基础学科学习
文章目录1、物质分类2、离子反应3、氧化还原反应4、物质的量5、电子排布式6、元素周期表化学基础知识,物质分类、离子反应、氧化还原反应、物质的量、电子排布式、元素周期表1、物质分类物质广泛分为混合物和纯净物,纯净物是主要研究对象;纯净物分为单质和化合物,化合物是主要研究对象;单质分为金属单质(Na)、非金属单质(Cl2Cl_2Cl2)、稀有气体;化合物分为无机化合物、有机化合物,无机化合物是主要研
- 基于yolov8的糖尿病视网膜病变严重程度检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面
FL1623863129
深度学习YOLO
【算法介绍】基于YOLOv8的糖尿病视网膜病变严重程度检测系统基于YOLOv8的糖尿病视网膜病变严重程度检测系统是一款利用深度学习技术,专为糖尿病视网膜病变早期诊断设计的智能辅助工具。该系统采用YOLOv8目标检测模型,结合经过标注和处理的医学影像数据集,能够高效且准确地检测并分类糖尿病视网膜病变的不同严重程度。YOLOv8模型以其高速和高精度的特点,在处理眼底图像时展现了强大的能力。通过优化模型
- uniapp 系统学习,从入门到实战(五)—— 组件库与常用 UI 组件
小那同学
uniappuni-app
全篇大概7000字(含代码),建议阅读时间30minUniApp基于Vue.js的跨平台特性,提供了丰富的内置组件和灵活的扩展能力。本文将从内置组件、扩展组件库和自定义组件开发三个维度,系统解析UniApp的组件生态,并结合实际开发场景提供实践建议。目录内置组件扩展组件库自定义组件开发总结1.内置组件UniApp内置组件经过多端适配,可自动转换为原生控件,确保一致性和性能。以下是核心分类及使用要点
- 软件测试零基础小白入门从零到有 DAY01 测试基础
Lorraine-灵
功能测试
软件测试1.1定义使用技术手段来验证软件是否满足需求,减少bug,提升软件质量1.2分类根据阶段划分单元测试:源代码进行测试,分支条件覆盖,路径覆盖,条件集成测试:接口测试系统测试:功能和非功能测试验收测试:内测和公测根据代码可见度划分白盒测试:源代码√UI功能×类似单元测试灰盒测试:源代码某些可见UI功能×类似接口测试黑盒测试:源代码×UI功能√类似系统测试1.3质量模型功能性能安全易用兼容(主
- 《OpenCV》——人脸检测
Kai HVZ
opencv人工智能计算机视觉
人脸检测级联分离器具体实现实例(人脸检测)本实例对合照图片进行人脸检测,并圈出人脸位置,使用的OpenCV自带的级联分类器可从OpenCV源文件的data目录下,加载不同的级联分类器的XML文件对不同对象的检测。代码实现python#导入OpenCV库,用于计算机视觉任务,如读取图像、图像处理和显示图像等importcv2#使用cv2.imread函数读取指定路径下的图像文件'hezhao.jpg
- 【模块】Non-local Neural
dearr__
扒网络模块深度学习pytorchpython
论文《Non-localNeuralNetworks》作用非局部神经网络通过非局部操作捕获长距离依赖,这对于深度神经网络来说至关重要。这些操作允许模型在空间、时间或时空中的任何位置间直接计算相互作用,从而捕获长距离的交互和依赖关系。这种方法对于视频分类、对象检测/分割以及姿态估计等任务表现出了显著的改进。机制非局部操作通过在输入特征图的所有位置上计算响应的加权和来实现,其中权重由位置之间的关系(如
- 基于yolov10的水果成熟度之石榴成熟度检测
qq1309399183
计算机视觉实战项目集合YOLO目标检测目标跟踪计算机视觉人工智能水果成熟度检测视觉检测
石榴成熟度检测**Pomegranate*是一个基于深度学习的系统,旨在自动化检测和分类石榴果实的生长阶段(未成熟、成熟、成熟期)。该系统采用最新的YOLOv10目标检测模型,能够高效地分析图像或视频中的石榴果实,并根据其外观特征识别其生长阶段。通过这种技术,农民可以更好地监控石榴果实的发育过程,优化作物管理,合理安排收获时间,从而提高生产效率和经济收益。系统概述石榴作为一种重要的水果作物,广泛种
- 大模型在脑梗死预测及治疗方案制定中的应用研究报告
LCG元
围术期危险因子预测模型研究人工智能
目录一、引言1.1研究背景与意义1.2研究目的与方法1.3国内外研究现状二、脑梗死概述2.1脑梗死的定义与分类2.2脑梗死的发病机制与病理生理过程2.3脑梗死的临床表现与诊断方法三、大模型技术原理与应用现状3.1大模型的基本概念与技术架构3.2大模型在医疗领域的应用案例与优势3.3适用于脑梗死预测的大模型类型与特点四、大模型在脑梗死术前风险预测中的应用4.1术前风险因素分析4.2大模型预测方法与模
- SQL 实战—递归 SQL:层级结构查询与处理树形数据
m0_74823239
面试学习路线阿里巴巴sqljava数据库
在数据库中,树形或层级结构的数据非常常见,如组织架构、分类目录、评论回复等。SQL提供了递归查询的能力,通过递归通用表表达式(CTE),可以高效地查询和处理树形数据。本文将通过实际案例详细讲解递归SQL的应用。一、递归SQL基本概念1.什么是递归SQL?递归SQL是指在SQL查询中,自我引用以遍历层级结构或处理递归关系的一种方式。MySQL8.0、PostgreSQL和SQLServer等数据库均
- A类地址与B类地址:区别、联系与应用
hgdlip
ip服务器运维A类地址B类地址
在浩瀚的数字世界中,IP地址作为网络中设备的唯一标识符,扮演着至关重要的角色。随着互联网的不断发展,IP地址的分类也日益精细,其中A类地址和B类地址作为IPv4地址体系中的两大支柱,各自承载着不同的网络需求。本文将深入探讨A类地址和B类地址的区别和联系及其在实际应用中的场景,带您一窥IP地址世界的奥秘。一、A类地址与B类地址的区别地址结构:A类地址使用第一个字节表示网络地址,剩余三个字节用
- 如何用Python 3调用ArXiv API查询ArXiv论文元数据
诸神缄默不语
编程学习笔记python开发语言ArXivAPIXMLurllib
诸神缄默不语-个人CSDN博文目录ArXivAPI文档:arXivAPIAccess-arXivinfoarXivAPIBasics-arXivinfoarXivAPIUser’sManual-arXivinfo文章目录1.调包2.获取数据1.简单入门2.XML返回值示例3.添加分类信息,获取最新论文4.ArXiv查询入参详解3.解析XML数据1.调包importurllibfromurllib.
- 力扣——颜色分类
WLKQ
力扣leetcode算法职场和发展
题目链接:链接题目描述:思路:思路一类似于冒泡排序,遍历一次nums,把0都放在前面,然后再遍历一次,把1放在0后面,剩下的就都是思路二上面用一个指针遍历了两次,可以用两个指针只遍历一次令P0之前的都为0,P1之前的都为1刚开始P0和P1就在索引0处,遍历一次nums遇到0,和P0交换,遇到1,和P1交换,然后指针前移如果p0P2,就不需要再遍历了实现代码:classSolution{public
- java封装继承多态等
麦田的设计者
javaeclipsejvmcencapsulatopn
最近一段时间看了很多的视频却忘记总结了,现在只能想到什么写什么了,希望能起到一个回忆巩固的作用。
1、final关键字
译为:最终的
&
- F5与集群的区别
bijian1013
weblogic集群F5
http请求配置不是通过集群,而是F5;集群是weblogic容器的,如果是ejb接口是通过集群。
F5同集群的差别,主要还是会话复制的问题,F5一把是分发http请求用的,因为http都是无状态的服务,无需关注会话问题,类似
- LeetCode[Math] - #7 Reverse Integer
Cwind
java题解MathLeetCodeAlgorithm
原题链接:#7 Reverse Integer
要求:
按位反转输入的数字
例1: 输入 x = 123, 返回 321
例2: 输入 x = -123, 返回 -321
难度:简单
分析:
对于一般情况,首先保存输入数字的符号,然后每次取输入的末位(x%10)作为输出的高位(result = result*10 + x%10)即可。但
- BufferedOutputStream
周凡杨
首先说一下这个大批量,是指有上千万的数据量。
例子:
有一张短信历史表,其数据有上千万条数据,要进行数据备份到文本文件,就是执行如下SQL然后将结果集写入到文件中!
select t.msisd
- linux下模拟按键输入和鼠标
被触发
linux
查看/dev/input/eventX是什么类型的事件, cat /proc/bus/input/devices
设备有着自己特殊的按键键码,我需要将一些标准的按键,比如0-9,X-Z等模拟成标准按键,比如KEY_0,KEY-Z等,所以需要用到按键 模拟,具体方法就是操作/dev/input/event1文件,向它写入个input_event结构体就可以模拟按键的输入了。
linux/in
- ContentProvider初体验
肆无忌惮_
ContentProvider
ContentProvider在安卓开发中非常重要。与Activity,Service,BroadcastReceiver并称安卓组件四大天王。
在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面,这里面的文件默认都是私有的,别的程序无法访问。
如果QQ游戏想访问手机QQ的帐号信息一键登录,那么就需要使用内容提供者COnte
- 关于Spring MVC项目(maven)中通过fileupload上传文件
843977358
mybatisspring mvc修改头像上传文件upload
Spring MVC 中通过fileupload上传文件,其中项目使用maven管理。
1.上传文件首先需要的是导入相关支持jar包:commons-fileupload.jar,commons-io.jar
因为我是用的maven管理项目,所以要在pom文件中配置(每个人的jar包位置根据实际情况定)
<!-- 文件上传 start by zhangyd-c --&g
- 使用svnkit api,纯java操作svn,实现svn提交,更新等操作
aigo
svnkit
原文:http://blog.csdn.net/hardwin/article/details/7963318
import java.io.File;
import org.apache.log4j.Logger;
import org.tmatesoft.svn.core.SVNCommitInfo;
import org.tmateso
- 对比浏览器,casperjs,httpclient的Header信息
alleni123
爬虫crawlerheader
@Override
protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException
{
String type=req.getParameter("type");
Enumeration es=re
- java.io操作 DataInputStream和DataOutputStream基本数据流
百合不是茶
java流
1,java中如果不保存整个对象,只保存类中的属性,那么我们可以使用本篇文章中的方法,如果要保存整个对象 先将类实例化 后面的文章将详细写到
2,DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
- 车辆保险理赔案例
bijian1013
车险
理赔案例:
一货运车,运输公司为车辆购买了机动车商业险和交强险,也买了安全生产责任险,运输一车烟花爆竹,在行驶途中发生爆炸,出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧,针对这几种情况,该如何赔付。
赔付建议和方案:
客户所买交强险在这里不起作用,因为交强险的赔付前提是:“机动车发生道路交通意外事故”;
如果是交通意外事故引发的爆炸,则优先适用交强险条款进行赔付,不足的部分由商业
- 学习Spring必学的Java基础知识(5)—注解
bijian1013
javaspring
文章来源:http://www.iteye.com/topic/1123823,整理在我的博客有两个目的:一个是原文确实很不错,通俗易懂,督促自已将博主的这一系列关于Spring文章都学完;另一个原因是为免原文被博主删除,在此记录,方便以后查找阅读。
有必要对
- 【Struts2一】Struts2 Hello World
bit1129
Hello world
Struts2 Hello World应用的基本步骤
创建Struts2的Hello World应用,包括如下几步:
1.配置web.xml
2.创建Action
3.创建struts.xml,配置Action
4.启动web server,通过浏览器访问
配置web.xml
<?xml version="1.0" encoding="
- 【Avro二】Avro RPC框架
bit1129
rpc
1. Avro RPC简介 1.1. RPC
RPC逻辑上分为二层,一是传输层,负责网络通信;二是协议层,将数据按照一定协议格式打包和解包
从序列化方式来看,Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架,都能跨语言,性能优秀,数据精简,但是Avro的动态模式(不用生成代码,而且性能很好)这个特点让人非常喜欢,比较适合R
- lua set get cookie
ronin47
lua cookie
lua:
local access_token = ngx.var.cookie_SGAccessToken
if access_token then
ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000"
end
- java-打印不大于N的质数
bylijinnan
java
public class PrimeNumber {
/**
* 寻找不大于N的质数
*/
public static void main(String[] args) {
int n=100;
PrimeNumber pn=new PrimeNumber();
pn.printPrimeNumber(n);
System.out.print
- Spring源码学习-PropertyPlaceholderHelper
bylijinnan
javaspring
今天在看Spring 3.0.0.RELEASE的源码,发现PropertyPlaceholderHelper的一个bug
当时觉得奇怪,上网一搜,果然是个bug,不过早就有人发现了,且已经修复:
详见:
http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
- [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么?
comsci
拓扑
如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?
是否可以形成一种新的模糊语言识别和处理模型呢? 大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
- ITEYE 都换百度推广了
cuisuqiang
GoogleAdSense百度推广广告外快
以前ITEYE的广告都是谷歌的Google AdSense,现在都换成百度推广了。
为什么个人博客设置里面还是Google AdSense呢?
都知道Google AdSense不好申请,这在ITEYE上也不是讨论了一两天了,强烈建议ITEYE换掉Google AdSense。至少,用一个好申请的吧。
什么时候能从ITEYE上来点外快,哪怕少点
- 新浪微博技术架构分析
dalan_123
新浪微博架构
新浪微博在短短一年时间内从零发展到五千万用户,我们的基层架构也发展了几个版本。第一版就是是非常快的,我们可以非常快的实现我们的模块。我们看一下技术特点,微博这个产品从架构上来分析,它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式,假如说我们一个明星用户他有10万个粉丝,那就是说用户发表一条微博的时候,我们把这个微博消息攒成10万份,这样就是很简单了,第一版的架构实际上就是这两行字。第
- 玩转ARP攻击
dcj3sjt126com
r
我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情,盖不负责。 网上关于ARP的资料已经很多了,就不用我都说了。 用某一位高手的话来说,“我们能做的事情很多,唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子:10.5.4.178 硬件地址:52:54:4C:98
- PHP编码规范
dcj3sjt126com
编码规范
一、文件格式
1. 对于只含有 php 代码的文件,我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如:<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果,尽量使用四个空格,禁止使用制表符TAB,因为这样能够保证有跨客户端编程器软件的灵活性。例
- linux 脱机管理(nohup)
eksliang
linux nohupnohup
脱机管理 nohup
转载请出自出处:http://eksliang.iteye.com/blog/2166699
nohup可以让你在脱机或者注销系统后,还能够让工作继续进行。他的语法如下
nohup [命令与参数] --在终端机前台工作
nohup [命令与参数] & --在终端机后台工作
但是这个命令需要注意的是,nohup并不支持bash的内置命令,所
- BusinessObjects Enterprise Java SDK
greemranqq
javaBOSAPCrystal Reports
最近项目用到oracle_ADF 从SAP/BO 上调用 水晶报表,资料比较少,我做一个简单的分享,给和我一样的新手 提供更多的便利。
首先,我是尝试用JAVA JSP 去访问的。
官方API:http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
- 系统负载剧变下的管控策略
iamzhongyong
高并发
假如目前的系统有100台机器,能够支撑每天1亿的点击量(这个就简单比喻一下),然后系统流量剧变了要,我如何应对,系统有那些策略可以处理,这里总结了一下之前的一些做法。
1、水平扩展
这个最容易理解,加机器,这样的话对于系统刚刚开始的伸缩性设计要求比较高,能够非常灵活的添加机器,来应对流量的变化。
2、系统分组
假如系统服务的业务不同,有优先级高的,有优先级低的,那就让不同的业务调用提前分组
- BitTorrent DHT 协议中文翻译
justjavac
bit
前言
做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent},因此把 DHT 协议重新看了一遍。
BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
- Ubuntu下Java环境的搭建
macroli
java工作ubuntu
配置命令:
$sudo apt-get install ubuntu-restricted-extras
再运行如下命令:
$sudo apt-get install sun-java6-jdk
待安装完毕后选择默认Java.
$sudo update- alternatives --config java
安装过程提示选择,输入“2”即可,然后按回车键确定。
- js字符串转日期(兼容IE所有版本)
qiaolevip
TODateStringIE
/**
* 字符串转时间(yyyy-MM-dd HH:mm:ss)
* result (分钟)
*/
stringToDate : function(fDate){
var fullDate = fDate.split(" ")[0].split("-");
var fullTime = fDate.split("
- 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析
superlxw1234
sql数据挖掘关联规则
关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。
关联规则揭示了数据项间的未知的依赖关系,根据所挖掘的关联关系,可以从一个数据对象的信息来推断另一个数据对象的信息。
例如购物篮分析。牛奶 ⇒ 面包 [支持度:3%,置信度:40%] 支持度3%:意味3%顾客同时购买牛奶和面包。 置信度40%:意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
- Spring 5.0 的系统需求,期待你的反馈
wiselyman
spring
Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。
Spring 5.0的特性计划还在工作中,请保持关注,所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。