努力和行动都不会白费得
努力和行动都不会白费得

用anaconda安装tensorflow

Anaconda+Tensorflow高速安装
教学视频
https://www.bilibili.com/video/BV16E41157Ng?from=search&seid=258709781119678087
配套博客
用Anaconda3搭建自己的TensorFlow环境
https://huaweicloud.blog.csdn.net/article/details/95945189
PIP 更换国内安装源
https://blog.csdn.net/yuzaipiaofei/article/details/80891108?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-7

你可能感兴趣的:(神经网络和深度学习)

  • pytorch 介绍以及常用工具包展示 R0ot pytorch人工智能python
    1.引言1.1背景：神经网络和深度学习的崛起介绍神经网络和深度学习在计算机科学和人工智能中的重要性。1.2PyTorch简介：张量计算框架的演进回顾PyTorch作为张量计算框架的发展历程。强调其灵活性、动态计算图和深度学习社区的支持。2.PyTorch基础2.1张量：PyTorch的核心数据结构创建和操作张量的基本操作，如加法、乘法等。张量的自动微分功能，介绍autograd模块。2.2动态计算
  • 人工智能与开源机器学习框架 偶然i AI写作人工智能aiAI写作科技
    链接：华为机考原题TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了一个针对神经网络和深度学习的强大工具集，能够帮助开发人员构建和训练各种机器学习模型。TensorFlow的基本概念包括：张量（Tensor）：张量是TensorFlow中的核心数据结构，它表示多维数组或矩阵。在TensorFlow中，所有的输入数据、模型参数和输出结果都被表示为张量。计算图（Compu
  • 吴恩达深度学习-L1 神经网络和深度学习总结 向来痴_ 深度学习人工智能
    作业地址：吴恩达《深度学习》作业线上版-知乎(zhihu.com)写的很好的笔记：吴恩达《深度学习》笔记汇总-知乎(zhihu.com)我的「吴恩达深度学习笔记」汇总帖（附18个代码实战项目）-知乎(zhihu.com)此处只记录需要注意的点，若想看原笔记请移步。1.1深度学习入门我们只需要管理神经网络的输入和输出，而不用指定中间的特征，也不用理解它们究竟有没有实际意义。1.2简单的神经网络——逻
  • 神经网络和深度学习 灰斗儿
    原著作者：michael_nielsen前往神经网络和深度学习神经网络和深度学习是一本免费的在线图书，这本书将教给你：神经网络，是一个由于生物启发的编程规范，使计算机通过观察数据进行学习深度学习，一种强大的神经网络学习技术神经网络和深度学习目前为图像识别、语音识别和自然语言处理中的许多问题提供了最好的解决方案。这本书将教你许多神经网络和深度学习背后的核心概念。有关这本书所采取的方法的更多的细节，看
  • 神经网络和深度学习(一):深度学习概论 文哥的学习日记
    视频地址：http://mooc.study.163.com/learn/2001281002?tid=2001392029#/learn/content?type=detail&id=2001701005&cid=20016940041、什么是神经网络我们来看一个简单的预测房价的例子，吴恩达老师还真是喜欢用这个例子呢。比如我们用房屋的大小来预测房屋的价格，我们在图上的得到了六个点，那么根据这六个
  • 神经网络和深度学习第一周学习笔记 热爱生活的小谢
    neuronnetwork:是一种非常强大的学习算法，这种算法的灵感来源与人类的大脑组成ReLUReLU函数的特点是初始值为0，之后变为一条直线singleneuron上图圆圈的部分代表单个神经元，其完成的任务为输入x可以输出相对应的y上图表示由多个神经元聚集而成的神经网络（multipleneuronnetwork）上图为surpervisedlearning的一些具体应用对于第1，2种应用，使
  • Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（四） 绝不原创的飞龙 人工智能tensorflow
    原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第二部分：神经网络和深度学习第十章：使用Keras入门人工神经网络鸟类启发我们飞行，牛蒡植物启发了钩带，自然启发了无数更多的发明。因此，看看大脑的结构以获取如何构建智能机器的灵感似乎是合乎逻辑的。这就是激发人工神经网络（ANNs）的逻
  • 2021-11-06《深度学习入门》笔记（二） 新手小嵩 深度学习系列笔记深度学习神经网络人工智能
    第二章感知机感知机也是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。首先，感知机是什么？感知机接收多个输入信号，输出一个信号。上图是一个接收两个输入信号的感知机的例子。x1、x2是输入信号，y是输出信号，w1、w2是权重（w是weight的首字母）。图中的⚪称为“神经元”或者“节点”。输入信号被送往神经元时，会被分别乘以固定的权重（w1
  • ChatGPT高效提问—基础知识（AIGC） Bruce_Liuxiaowei 笔记总结经验chatgptAIGC
    ChatGPT高效提问—基础知识为了更好地学习AI和prompt相关知识，有必要了解AI领域的几个专业概念。1.1初识AIGCAIGC（artificialintelligencegeneratedcontent）即人工智能生成的内容，可以理解为利用人工智能技术自动生成文本、图像、音频和视频等内容。神经网络和深度学习技术的迅猛发展使得AIGC成为众多领域的重要工具，包括新闻撰写、艺术创作、广告制作
  • Coursera吴恩达《神经网络和深度学习》课程笔记（3） 遇见更好的自己 深度学习深度学习神经网络
    转载自http://blog.csdn.net/koala_tree/article/details/78059952神经网络和深度学习—浅层神经网络1.神经网络表示简单神经网络示意图：神经网络基本的结构和符号可以从上面的图中看出，这里不再复述。主要需要注意的一点，是层与层之间参数矩阵的规格大小：输入层和隐藏层之间w[1]−>(4,3)：前面的4是隐层神经元的个数，后面的3是输入层神经元的个数；b
  • 神经网络和深度学习吴恩达coursera笔记 stoAir 深度学习神经网络笔记
    DeepLearning文章目录DeepLearningBasicLogisticRegressionsomesignLossfunctioncostfunctionGradientDescentComputationGraphaVectorizationvectorizedImplementing:broadcastingShallowNeuralNetworkRepresentationcom
  • 生成式AI人工智能 数据科学与艺术的贺公子 人工智能
    生成式AI人工智能生成式AI生成式AI的核心思想生成对抗网络变分自编码器应用总结生成式AI生成式AI指的是基于神经网络和深度学习技术的人工智能系统，其能够根据输入的数据生成新的内容。生成式AI包括了众多的模型和算法，可以用于多个领域的任务，如自然语言处理、图像生成和音频合成等。生成式AI的核心思想是通过学习大量的数据样本，推断出数据的分布和潜在模式，从而能够生成与之类似的新数据。其中最常见的模型是
  • Coursera吴恩达《深度学习》课程总结（全） 双木的木 吴恩达深度学习笔记AI笔记深度学习神经网络人工智能python
    这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈，干货满满。第一门课：神经网络和深度学习基础，介绍一些基本概念。（四周）第二门课：深度学习方面的实践，严密的构建神经网络，如何真正让它表现良好。超参数调整，正则化诊断偏差和方差，高级优化算法，如Mo
  • Course1神经网络和深度学习编程作业 毛十三_
    第三周-带有一个隐藏层的平面数据分类建立一个神经网络，带有一个隐藏层。用到的知识：构建具有单隐藏层的2类分类神经网络。使用具有非线性激活功能激活函数，例如tanh。计算交叉熵损失（损失函数）。实现向前和向后传播。numpy：是用Python进行科学计算的基本软件包。sklearn：为数据挖掘和数据分析提供的简单高效的工具。matplotlib：是一个用于在Python中绘制图表的库。testCas
  • BP神经网络需要像深度学习一次次的迭代训练吗? 小桥流水---人工智能 机器学习算法Python程序代码深度学习神经网络人工智能
    BP神经网络答案：是的，BP神经网络需要像深度学习一次次的迭代训练。总结（BP神经网络和深度学习在本质上有以下区别）答案：是的，BP神经网络需要像深度学习一次次的迭代训练。BP神经网络（误差反传网络）实质上是把一组样本输入/输出问题转化为一个非线性优化问题，并通过负梯度下降算法，利用迭代运算求解权值问题的一种学习方法。其训练过程包括正向传播和反向传播两个阶段。在正向传播阶段，输入数据通过神经网络的
  • 深度学习入门之1--感知机 梦灯 python人工智能
    目录1什么是感知机2简单逻辑电路及实现2.1与门2.2或门2.3与非门2.4异或门3总结该文章是对《深度学习入门基于Python的理论与实现》的总结，作者是[日]斋藤康毅1什么是感知机感知机是由美国学者FrankRosenblatt在1957年提出来的，感知机也是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。感知机接收多个输入信号，输出
  • Pytorch Overview 丘小羽 pytorchpytorch人工智能python
    目录学习目标：要求：监督学习和无监督学习：深度学习基本方法：经典的机器学习方法:表示学习的改进：为什么要进行特征提取：深度学习的改进：深度学习的发展：神经网络的简单介绍：深度学习算法的三大支撑：学习目标：如何使用pytorch来实现一个学习系统。理解最基本的神经网络和深度学习的概念。要求：线性代数。概率论和数理统计。Python语法。监督学习和无监督学习：监督学习：监督学习是指在输入数据和输出数据
  • 吴恩达DeepLearningAI课程学习资源和课程总结 李大文 深度学习深度学习机器学习tensorflow
    一、学习资源：吴恩达老师的DeepLearningAI课程分为5门课程：神经网络和深度学习、改善深层神经网络、结构化机器学习项目、卷积神经项目和序列模型。目前主要学习了前四门课程，遂做一些总结。以下是一些课堂学习资源：1、课程的视屏资源在有道云课堂上有：https://study.163.com/provider/2001053000/course.htm2、另外还有黄海广博士做的详细的DeepL
  • 地球物理中的深度学习理论（DNN的架构、反向传播、梯度消失、梯度爆炸） hhhhhhhhhhyyyyyy 深度学习
    新的数据驱动技术，即深度学习（DL）引起了广泛的关注。DL能准确预测复杂系统，缓解大型地球物理应用中“维数灾难”。在未来地球物理学中涉及到DL的研究提供了几个有希望的方向，例如无监督学习（聚类）、迁移学习（利用之前标记好的数据）、多模态DL（通过DL实现和处理多元模态）、联邦学习、不确定性估计和主动学习。图1给出人工智能、机器学习、神经网络和深度学习之间的包含关系，以及深度学习方法的分类。图11、
  • 【吴恩达deeplearning】第一门课 - 第二周 - 神经网络的编程基础（笔记+习题+编程作业） 卷卷0v0 吴恩达深度学习课程神经网络笔记人工智能机器学习深度学习
    第一门课-神经网络和深度学习（第二周-神经网络的编程基础）2.1二分类（BinaryClassification）二分类中的逻辑回归2.2逻辑回归（LogisticRegression）2.3逻辑回归的代价函数损失函数（误差函数）代价函数（成本函数）2.4梯度下降法2.8使用计算图求导数2.9逻辑回归中的梯度下降单个样本实例m个样本的梯度下降2.11向量化2.14向量化逻辑回归代码流程（非向量化）
  • 【吴恩达deeplearning】第一门课 - 第一周 - 深度学习引言（笔记+习题） 卷卷0v0 吴恩达深度学习课程深度学习笔记人工智能python神经网络
    第一门课-神经网络和深度学习（第一周-深度学习引言）1.2什么是神经网络1.3神经网络的监督学习【概念习题】1.2什么是神经网络在预测房屋价格时，除了房屋的面积，其他的特征例如卧室的数量也会影响房屋的价格。邮政编码或许能作为一个特征，反映步行化程度，也可能体现出附近学校的水平有多好。在图上每一个画的小圆圈都可以是ReLU的一部分，或者其它非线性的函数。基于房屋面积和卧室数量，可以估算家庭人口；基于
  • 第一门课 神经网络和深度学习 彳亍cium
    第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)第一周：深度学习引言(IntroductiontoDeepLearning)1.1欢迎(Welcome)第一个视频主要讲了什么是深度学习，深度学习能做些什么事情。以下是吴恩达老师的原话：深度学习改变了传统互联网业务，例如如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康
  • 神经网络和深度学习(吴恩达) 第二周课程提炼 北冥丶有鱼
    本系列笔记旨在记录自己的学习过程，能够及时回顾整理学过的东西，有助于加深理解和记忆，方便今后回看。学这个课程的同时，也在看《机器学习》(周志华)，所以会将书和视频的内容结合来看，综合学习。本篇主要是第二周课程中讲到的：二分分类、Logistic回归、损失函数、梯度下降、向量化。二分分类：简单理解就是输出的结果是两个离散的值，就像课程中举的例子：通过输入一张图片的信息，经过一系列的计算，输出一个离散
  • 神经网络和深度学习（四）—反向传播工作原理 吴丞楚20012100032
    姓名：吴丞楚学号：20012100032学院：竹园三号书院【嵌牛导读】简要介绍反向传播算法【嵌牛鼻子】深度学习神经网络反向传播算法【嵌牛提问】如何将反向传播算法应用到神经网络反向传播算法工作原理在上一篇文章，我们看到了神经网络如何通过梯度下降算法学习，从而改变权重和偏差。但是，前面我们并没有讨论如何计算代价函数的梯度，这是一个很大的遗憾。这一篇文章，我们将介绍一种称为反向传播的快速计算梯度的算法。
  • Pytorch学习概述 chairon PyTorch深度学习实践pytorch学习人工智能
    目录学习目标人工智能1.智能（Intelligence）1.1人类智能1.2机器学习（人工智能）1.3深度学习1.4学习系统的发展历程传统的机器学习策略2.传统机器学习算法的一些挑战3.神经网络的简要历史3.1BackPropagation（反向传播）3.2神经网络模型发展历程3.3深度学习框架学习目标学会使用Pytorch构建学习系统理解基础的神经网络和深度学习需要具备：线性代数+概率论（随机变
  • 阶段五：深度学习和人工智能(学习神经网络和深度学习的基本概念) 哈嗨哈 深度学习人工智能学习python
    神经网络和深度学习是人工智能领域的重要分支，它们都基于模拟人脑神经元之间的连接和交互。下面是一些基本概念：神经网络：神经网络是一种模拟人脑神经元连接方式的计算模型，由多个神经元相互连接而成。每个神经元接收输入信号，通过激活函数进行非线性转换，然后将输出传递给其他神经元。神经网络的主要特点是能够学习和优化自身的权重和偏置，以更好地完成特定的任务。深度学习：深度学习是机器学习的一个分支，它使用深层神经
  • 神经网络和深度学习（四）—梯度下降算法 吴丞楚20012100032
    姓名：吴丞楚学号：20012100032学院：竹园三号书院【嵌牛导读】对梯度下降法的具体应用【嵌牛鼻子】深度学习神经网络梯度下降【嵌牛提问】如何将梯度下降算法应用到神经网络说了这么多，你可能会以为接下来我将介绍牛顿定理，摩擦力和重力对球体的影响。事实上，我们只是做了一个假设，并不是真的要用这个球的运动来寻找最小值。提到球只是用来激发我们的想象力，而不是束缚我们的思维。因此与其陷进物理学⾥凌乱的细节
  • 用 C 写一个卷积神经网络 zerok775 编程基础cnn人工智能神经网络
    用C写一个卷积神经网络深度学习领域最近发展很快，前一段时间读transformer论文《AttentionIsAllYouNeed》时，被一些神经网络和深度学习的概念搞得云里雾里，其实也根本没读懂。发现深度学习和传统的软件开发工程领域的差别挺大，光读论文可能不是一条很好了解深度学习的路径。所以我换了一个思路，从开源的项目入手，当时我研究了一段时间ggml项目代码(https://github.co
  • 介绍 TensorFlow 的基本概念和使用场景 跃跃欲试-迪之 python
    TensorFlow是由Google开发的一款开源机器学习框架，它能够支持各种类型的神经网络和深度学习算法。TensorFlow的基本概念包括以下几个方面：Tensor：Tensor表示在TensorFlow中的数据存储和传递方式，可以类比为多维数组。Graph：Graph表示神经网络的计算图，在TensorFlow中所有计算都是通过计算图实现的。Session：Session表示计算图的运行环境
  • 感知器（Perceptron）详解以及实现 h52013141 机器学习算法python
    感知器（Perceptron）详解感知器是一种简单的线性二分类算法，它是神经网络和深度学习的基础之一。感知器的核心概念感知器模型基于将输入特征加权求和，然后应用激活函数来决定输出类别。1.输入和权重输入：x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn是特征向量。权重：w1,w2,...,wnw_1,w_2,...,w_nw1,w2,...,wn是每个特征的权重。2.
  • Spring中@Value注解，需要注意的地方 无量 springbean@Valuexml
    Spring 3以后,支持@Value注解的方式获取properties文件中的配置值，简化了读取配置文件的复杂操作 1、在applicationContext.xml文件(或引用文件中)中配置properties文件 <bean id="appProperty" class="org.springframework.beans.fac
  • mongoDB 分片 开窍的石头 mongodb
        mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上，configsvr上边放的是metar信息，指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard（片）信息。     第一步启动两台以上的mongo服务 &nb
  • OVER(PARTITION BY)函数用法 0624chenhong oracle
    这篇写得很好，引自 http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html OVER(PARTITION BY)函数用法 2010年10月26日 OVER(PARTITION BY)函数介绍 开窗函数        &nb
  • Android开发中，ADB server didn't ACK 解决方法 一炮送你回车库 Android开发
    首先通知：凡是安装360、豌豆荚、腾讯管家的全部卸载，然后再尝试。   一直没搞明白这个问题咋出现的，但今天看到一个方法，搞定了！原来是豌豆荚占用了 5037 端口导致。 参见原文章：一个豌豆荚引发的血案——关于ADB server didn't ACK的问题 简单来讲，首先将Windows任务进程中的豌豆荚干掉，如果还是不行，再继续按下列步骤排查。 &nb
  • canvas中的像素绘制问题 换个号韩国红果果 JavaScriptcanvas
    pixl的绘制，1.如果绘制点正处于相邻像素交叉线，绘制x像素的线宽，则从交叉线分别向前向后绘制x/2个像素，如果x/2是整数，则刚好填满x个像素，如果是小数，则先把整数格填满，再去绘制剩下的小数部分，绘制时，是将小数部分的颜色用来除以一个像素的宽度，颜色会变淡。所以要用整数坐标来画的话（即绘制点正处于相邻像素交叉线时），线宽必须是2的整数倍。否则会出现不饱满的像素。 2.如果绘制点为一个像素的
  • 编码乱码问题 灵静志远 javajvmjsp编码
    1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes()、getByte
  • java 求几个月后的日期 darkranger calendargetinstance
    Date plandate = planDate.toDate(); SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd"); Calendar cal = Calendar.getInstance(); cal.setTime(plandate); // 取得三个月后时间 cal.add(Calendar.M
  • 数据库设计的三大范式（通俗易懂） aijuans 数据库复习
    关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式，才能设计出高效率、优雅的数据库，否则可能会设计出错误的数据库. 目前，主要有六种范式：第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式，简称1NF。在第一范式基础上进一步满足一些要求的为第二范式，简称2NF。其余依此类推。
  • 想学工作流怎么入手 atongyeye jbpm
    工作流在工作中变得越来越重要，很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点，那了解一点，既不系统，也容易半途而废。好比学武功，最好的办法是有一本武功秘籍。研究明白，则犹如打通任督二脉。 系统学习工作流，很重要的一本书《JBPM工作流开发指南》。 本人苦苦学习两个月，基本上可以解决大部分流程问题。整理一下学习思路，有兴趣的朋友可以参考下。 1  首先要
  • Context和SQLiteOpenHelper创建数据库 百合不是茶 androidContext创建数据库
           一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper     一:SQLiteOpenHelper创建数据库:   1,SQLi
  • 浅谈group by和distinct bijian1013 oracle数据库group bydistinct
            group by和distinct只了去重意义一样，但是group by应用范围更广泛些，如分组汇总或者从聚合函数里筛选数据等。         譬如：统计每id数并且只显示数大于3 select id ,count(id) from ta
  • vi opertion 征客丶 macoprationvi
    进入 command mode （命令行模式） 按 esc 键 再按 shift + 冒号 注：以下命令中 带 $ 【在命令行模式下进行】，不带 $ 【在非命令行模式下进行】 一、文件操作 1.1、强制退出不保存 $ q! 1.2、保存 $ w 1.3、保存并退出 $ wq 1.4、刷新或重新加载已打开的文件 $ e 二、光标移动 2.1、跳到指定行 数字
  • 【Spark十四】深入Spark RDD第三部分RDD基本API bit1129 spark
      对于K/V类型的RDD,如下操作是什么含义？   val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5)) rdd.reduceByKey(_+_).collect  reduceByKey在这里的操作，是把
  • java类加载机制 BlueSkator java虚拟机
    java类加载机制 1.java类加载器的树状结构 引导类加载器 ^ | 扩展类加载器 ^ | 系统类加载器 java使用代理模式来完成类加载，java的类加载器也有类似于继承的关系，引导类是最顶层的加载器，它是所有类的根加载器，它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时，通常会代理给父类加载器，若已经是根加载器了，就自己完成加载。 虚拟机区分一个Cla
  • 动态添加文本框 BreakingBad 文本框
      <script>     var num=1; function AddInput() {      var str="";     str+="<input 
  • 读《研磨设计模式》-代码笔记-单例模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ public class Singleton { } /* * 懒汉模式。注意，getInstance如果在多线程环境中调用，需要加上synchronized，否则存在线程不安全问题 */ class LazySingleton
  • iOS应用打包发布常见问题 chenhbc iosiOS发布iOS上传iOS打包
    这个月公司安排我一个人做iOS客户端开发，由于急着用，我先发布一个版本，由于第一次发布iOS应用，期间出了不少问题，记录于此。   1、使用Application Loader 发布时报错：Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
  • 工作流复杂拓扑结构处理新思路 comsci 设计模式工作算法企业应用OO
    我们走的设计路线和国外的产品不太一样，不一样在哪里呢？  国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多，仅仅是在有限的了解程度上面提出这样的看法)，从而避免在流程引擎中处理这些复杂的图的问题，而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性，这样一来，在引擎和流程流转控制这一个层面就会遇到很
  • oracle 11g新特性Flashback data archive daizj oracle
    1. 什么是flashback data archive Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象，用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象，概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
  • 多叉树:2-3-4树 dieslrae 树
        平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:     1、有一个数据项的节点总是有2个子节点(称为2-节点)     2、有两个数据项的节点总是有3个子节点(称为3-节
  • C语言学习七动态分配 malloc的使用 dcj3sjt126com clanguagemalloc
    /* 2013年3月15日15:16:24 malloc 就memory(内存) allocate(分配)的缩写 本程序没有实际含义，只是理解使用 */ # include <stdio.h> # include <malloc.h> int main(void) { int i = 5; //分配了4个字节 静态分配 int * p
  • Objective-C编码规范[译] dcj3sjt126com 代码规范
      原文链接 : The official raywenderlich.com Objective-C style guide 原文作者 : raywenderlich.com Team 译文出自 : raywenderlich.com Objective-C编码规范 译者 : Sam Lau
  • 0.性能优化-目录 frank1234 性能优化
    从今天开始笔者陆续发表一些性能测试相关的文章，主要是对自己前段时间学习的总结，由于水平有限，性能测试领域很深，本人理解的也比较浅，欢迎各位大咖批评指正。 主要内容包括： 一、性能测试指标 吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间 http://frank1234.iteye.com/blog/2180305 二、性能测试策略 生产环境相同 基准测试 预热等 htt
  • Java父类取得子类传递的泛型参数Class类型 happyqing java泛型父类子类Class
      import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import org.junit.Test; abstract class BaseDao<T> { public void getType() { //Class<E> clazz =
  • 跟我学SpringMVC目录汇总贴、PDF下载、源码下载 jinnianshilongnian springMVC
      ----广告-------------------------------------------------------------- 网站核心商详页开发 掌握Java技术，掌握并发/异步工具使用，熟悉spring、ibatis框架； 掌握数据库技术，表设计和索引优化，分库分表/读写分离； 了解缓存技术，熟练使用如Redis/Memcached等主流技术； 了解Ngin
  • the HTTP rewrite module requires the PCRE library 流浪鱼 rewrite
    ./configure: error: the HTTP rewrite module requires the PCRE library. 模块依赖性Nginx需要依赖下面3个包 1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ ) 2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ ) 3. s
  • 第12章 Ajax（中） onestopweb Ajax
    index.html <!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/
  • Optimize query with Query Stripping in Web Intelligence blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence and a very straightfoward video http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
  • Java开发者写SQL时常犯的10个错误 tomcat_oracle javasql
    1、不用PreparedStatements 　　有意思的是，在JDBC出现了许多年后的今天，这个错误依然出现在博客、论坛和邮件列表中，即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个： 　　他们对PreparedStatements不了解 　　他们认为使用PreparedStatements太慢了 　　他们认为写Prepar
  • 世纪互联与结盟有感 阿尔萨斯
    10月10日，世纪互联与（Foxcon）签约成立合资公司，有感。 全球电子制造业巨头（全球500强企业）与世纪互联共同看好IDC、云计算等业务在中国的增长空间，双方迅速果断出手，在资本层面上达成合作，此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任，另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。 众所周知，精于电子产品制造（世界第一），对于世纪互联而言，能够与结盟
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他