Yongqiang Cheng
Yongqiang Cheng

Linux 获取文件名称生成列表 txt - create_filelist

Linux 获取文件名称生成列表 txt - create_filelist

1. find
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/ 文件夹下所有 *.jpg (000001.jpg - 001050.jpg) 的路径 + 图片名信息写入 txt 文件。

1.1 ll

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1$ ll
total 241056
drwxrwxr-x 2 strong strong  36864 Oct 30 17:24 ./
drwxrwxr-x 6 strong strong   4096 Jan 10 17:25 ../
-rw-rw-r-- 1 strong strong 230263 Aug  7  2015 000001.jpg
-rw-rw-r-- 1 strong strong 233663 Aug  7  2015 000002.jpg
-rw-rw-r-- 1 strong strong 236256 Aug  7  2015 000003.jpg
-rw-rw-r-- 1 strong strong 226686 Aug  7  2015 000004.jpg
-rw-rw-r-- 1 strong strong 225361 Aug  7  2015 000005.jpg
-rw-rw-r-- 1 strong strong 236972 Aug  7  2015 000006.jpg
……
-rw-rw-r-- 1 strong strong 234725 Aug  7  2015 001045.jpg
-rw-rw-r-- 1 strong strong 234834 Aug  7  2015 001046.jpg
-rw-rw-r-- 1 strong strong 247108 Aug  7  2015 001047.jpg
-rw-rw-r-- 1 strong strong 234094 Aug  7  2015 001048.jpg
-rw-rw-r-- 1 strong strong 233516 Aug  7  2015 001049.jpg
-rw-rw-r-- 1 strong strong 246251 Aug  7  2015 001050.jpg
strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1$


1.2 find /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04 -name *.jpg

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$ find /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04 -name *.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000855.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000479.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000375.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000303.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000163.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000363.jpg
……
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000096.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000955.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000666.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000560.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000524.jpg
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/000128.jpg
strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$


1.3 find /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04 -name *.jpg > train_file.txt

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$ find /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04 -name *.jpg > train_file.txt
strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$

注意：文本文件内的文件名是乱序排列的。
train_file.txt

Linux 获取文件名称生成列表 txt - create_filelist_第1张图片


2. ls
/home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/ 文件夹下所有 *.jpg (000001.jpg - 001050.jpg) 的路径 + 图片名信息写入 txt 文件。

2.1 ll

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1$ ll
total 241056
drwxrwxr-x 2 strong strong  36864 Oct 30 17:24 ./
drwxrwxr-x 6 strong strong   4096 Jan 10 17:25 ../
-rw-rw-r-- 1 strong strong 230263 Aug  7  2015 000001.jpg
-rw-rw-r-- 1 strong strong 233663 Aug  7  2015 000002.jpg
-rw-rw-r-- 1 strong strong 236256 Aug  7  2015 000003.jpg
-rw-rw-r-- 1 strong strong 226686 Aug  7  2015 000004.jpg
-rw-rw-r-- 1 strong strong 225361 Aug  7  2015 000005.jpg
-rw-rw-r-- 1 strong strong 236972 Aug  7  2015 000006.jpg
……
-rw-rw-r-- 1 strong strong 234725 Aug  7  2015 001045.jpg
-rw-rw-r-- 1 strong strong 234834 Aug  7  2015 001046.jpg
-rw-rw-r-- 1 strong strong 247108 Aug  7  2015 001047.jpg
-rw-rw-r-- 1 strong strong 234094 Aug  7  2015 001048.jpg
-rw-rw-r-- 1 strong strong 233516 Aug  7  2015 001049.jpg
-rw-rw-r-- 1 strong strong 246251 Aug  7  2015 001050.jpg
strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1$


2.2 ls -R /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/*.jpg

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$ ls -R /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/*.jpg

 

Linux 获取文件名称生成列表 txt - create_filelist_第2张图片


2.3 ls -R /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/*.jpg > test_file.txt

strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$ ls -R /home/strong/MOTChallenge/MOT16/MOT16/train/MOT16-04/img1/*.jpg > test_file.txt
strong@foreverstrong:~/MOTChallenge/MOT16/MOT16/train/MOT16-04$

test_file.txt

Linux 获取文件名称生成列表 txt - create_filelist_第3张图片

 

你可能感兴趣的:(Darknet)

  • 目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究（续） 林聪木 目标检测YOLO深度学习
    目录基于双蓝图卷积的轻量化自动驾驶目标检测算法5.1引言5.2DarkNet53网络冗余性分析5.3双蓝图卷积网络5.4实验结果及分析基于深度学习的自动驾驶目标检测算法研究与应用传统的目标检测算法目标检测基线算法性能对比与选择相关理论和算法基础2.1引言2.2人工神经网络2.3FCOS目标检测算法2.4复杂交通场景下的目标检测难点与FCOS改进方案基于FCOS的目标检测算法改进3.1引言3.2Re
  • 使用TVM编译部署DarkNet模型：YOLO-V2和YOLO-V3实战指南 周情津Raymond
    使用TVM编译部署DarkNet模型：YOLO-V2和YOLO-V3实战指南tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域，TVM作为一个高效的深度学习编译器栈，能够将训练好的模型优化并部署到各种硬件平台上。本文将详细介绍如何使用T
  • YOLOv4 正负样本划分详解 要努力啊啊啊 计算机视觉YOLO目标检测深度学习计算机视觉目标跟踪
    ✅YOLOv4正负样本划分详解一、前言在目标检测中，正负样本划分是训练过程中的关键环节，它决定了哪些预测框参与损失计算，从而影响模型的学习效果。YOLOv4在YOLOv3的基础上进行了改进，包括：使用CSPDarknet53主干网络；引入PANet特征融合结构；支持Mosaic数据增强；使用CIoULoss和DIoU-NMS；但在正样本划分逻辑上，YOLOv4保持了与YOLOv3类似的设计方式，并
  • 深度学习 backbone，neck，head网络关键组成 SLAM必须dunk 深度学习人工智能
    在深度学习，尤其是计算机视觉任务中，backbone（骨干网络），neck（颈部），head（头部）是网络的关键组成部分，各自承担了不同的功能：1，总署：Backbone,译作骨干网络，主要指用于特征提取的，已在大型数据集(例如ImageNet|COCO等)上完成预训练，拥有预训练参数的卷积神经网络，例如：ResNet-50、Darknet53等;Head，译作检测头，主要用于预测目标的种类和位置
  • YOLO进化史：从v1到v12的注意力革命 —— 实时检测的“快”与“准”如何兼得？ 摘取一颗天上星️ YOLO
    ⚙️一、初代奠基：打破两阶段检测的垄断（2016-2018）YOLOv1（2016）：首次提出“单次检测”范式，将目标检测转化为回归问题。7×7网格+30维向量输出，实现45FPS实时检测，但小目标漏检严重。YOLOv2（2017）：引入锚框（AnchorBoxes），通过k-means聚类确定先验框尺寸新增高分辨率微调（448×448输入）使用Darknet-19主干，速度达67FPSYOLOv
  • YOLOv3目标检测实战 宁安我 YOLO目标检测人工智能
    YOLOv3目标检测实战：从理论到代码实现目录YOLOv3目标检测实战：从理论到代码实现1.引言2.YOLOv3的核心原理2.1网络结构2.2锚框（AnchorBoxes）2.3损失函数2.4预测流程3.案例：使用YOLOv3进行目标检测3.1数据集准备3.2模型定义3.2.1Darknet-53主干网络3.2.2YOLOv3检测头3.3训练与优化3.3.1损失函数3.3.2训练脚本3.4模型推理
  • YOLOv3 目标检测算法深度解析 mozun2020 DL1:深度学习YOLO目标检测算法计算机视觉人工智能目标识别
    YOLOv3目标检测算法深度解析一、算法原理与核心创新1.1算法设计哲学YOLOv3（YouOnlyLookOnceversion3）作为YOLO系列的第三代算法，延续了单阶段检测范式，通过端到端的回归策略实现实时目标检测。其核心设计目标是在保持检测速度优势的同时，显著提升多尺度目标检测能力，尤其针对小目标检测和复杂场景优化。1.2关键技术创新点1.2.1Darknet-53骨干网络残差连接：引入
  • 计算机视觉——对比YOLOv12、YOLOv11、和基于Darknet的YOLOv7的微调对比摘要目标检测领域取得了巨大进步，其中YOLOv12、YOLOv11和基于Darknet的YOLOv Ttcoffee_2048 python自学经验分享笔记灌灌灌灌
    摘要目标检测领域取得了巨大进步，其中YOLOv12、YOLOv11和基于Darknet的YOLOv7在实时检测方面表现出色。尽管这些模型在通用目标检测数据集上表现卓越，但在HRSC2016-MS（高分辨率舰船数据集）上对YOLOv12进行微调时，却面临着独特的挑战。本文提供了一个详细的端到端流程，用于在HRSC2016-MS上微调YOLOv12、YOLOv11和基于Darknet的YOLOv7。它
  • 从零开始：YOLOv4 目标检测实战指南 (环境配置、训练到优化全流程) LIUDAN'S WORLD YOLO系列教程YOLO目标检测人工智能
    本篇博客将带你一步步从零开始，完成YOLOv4的环境配置、数据集准备与训练，并涵盖常见的优化和问题解决。本文将以Darknet框架下的YOLOv4实现为主，因为它是由YOLOv4原作者团队维护和优化的官方版本，能够提供最原汁原味的体验和性能。我们将涵盖以下内容：环境配置详解：Python、CUDA、cuDNN、GCC、Make等前置依赖，以及Darknet的编译。数据集准备与预处理：目标检测数据集
  • YOLOv2训练详细实践指南 LIUDAN'S WORLD YOLO系列教程YOLO目标检测
    1.YOLOv2架构与原理详解1.1核心改进点YOLOv2相比YOLOv1的主要改进：采用Darknet-19作为backbone（相比VGG更高效）引入BatchNormalization提高稳定性与收敛速度使用anchorboxes机制代替直接预测边界框引入维度聚类确定anchorboxes尺寸使用passthrough层融合高分辨率特征支持多尺度训练适应不同输入尺寸采用新的分类树结构支持更多
  • yolo模型学习笔记——4——yolov4相比与yolov3的优点 Summit- YOLO学习笔记
    1.网络结构和架构的改变(1)yolov3使用darknet-53的主干网络，该网络基于残差结构(2)yolov4使用CSPDarknet53，增强版darknet-53，具有更高的计算效率和更好的特征提取能2.优化技术(1)yolov3使用了基础的数据增强技术（如翻转、裁剪、亮度调整等），并且使用了自适应锚框来匹配目标的大小(2)yolov41.Mosaic数据增强这是一种新的数据增强方法，通过
  • 【ROS】Darknet_ROS YOLO V3 部署自训练模型 目标检测 Abaaba+ YOLO目标检测人工智能
    【ROS】Darknet_ROSYOLOV3目标检测前言整体思路安装依赖项检查克隆源码编译与构建准备文件1.权重文件（xf_real.weights）2.配置文件（xf_real.cfg）3.模型配置文件（xf_real.yaml）修改配置ros.yamldarknet_ros.launch使用与测试前言本文适用于已掌握YOLOv3和Darknet基础知识的读者，旨在帮助大家快速在ROS上部署自定
  • 深入探究YOLO系列的骨干网路 编码实践 YOLO深度学习计算机视觉
    深入探究YOLO系列的骨干网路YOLO系列是目标检测领域中非常知名的算法。其通过将整个图像作为输入，并且直接在图像上通过一个单独的神经网络输出每个检测框的类别预测和边界框信息。为了更好地理解YOLO系列，我们需要先了解它所使用的骨干网路。骨干网络是深度学习模型中的核心部分，负责提取图像的特征。如今常用的骨干网络有VGG、ResNet和MobileNet等。YOLO系列算法采用的是Darknet骨干
  • 《Hello YOLOv8从入门到精通》4， 模型架构和骨干网络Backbone调优实践 Jagua YOLO
    YOLOv8是由Ultralytics开发的最先进的目标检测模型，其模型架构细节包括骨干网络（Backbone）、颈部网络（Neck）和头部网络（Head）三大部分。一、骨干网络（Backbone）Backbone部分负责特征提取，采用了一系列卷积和反卷积层，同时使用了残差连接和瓶颈结构来减小网络的大小并提高性能。YOLOv8的Backbone参考了CSPDarkNet结构，的增强版本，并结合了其
  • Bottleneck、CSP、DP结构详细介绍 CV工程师小朱 深度学习笔记人工智能深度学习CSP深度可分离残差网络
    文章目录前言一、BottleneckDarknetBottleneck二、CSPCSP思想pp-picodet中的CSPLayerDP卷积前言本篇文章详细介绍了三种神经网络中常见的结构，bottleneck、CSP、DP，并附上了代码加深理解。一、BottleneckBottleneck出现在ResNet50/101/152这种深层网络中，基本思想就是先用1x1减少通道数再进行卷积最后再通过1x1
  • 【AI】YOLOv7部署在NVIDIA Jetson Nano上 郭老二 AI人工智能YOLO
    1、环境搭建参考博客：【AI】JetsonNano烧写SD卡镜像【AI】YOLOv7部署在NVIDIAJetsonTX2上2、下载编译2.1源码下载https://github.com/AlexeyAB/darknet2.2编译1）修改MakefileGPU=1CUDNN=1CUDNN_HALF=0
  • YOLOv10改进之MHAF(多分支辅助特征金字塔) 清风AI 深度学习算法详解及代码复现人工智能计算机视觉深度学习算法机器学习
    YOLOv10架构YOLOv10的架构主要由主干网络、特征金字塔和预测头三部分组成。主干网络采用改进的Darknet结构，增强特征提取能力。特征金字塔模块使用多尺度特征融合技术，提高对不同大小目标的检测效果。预测头则负责生成最终的检测结果。这种结构设计使得YOLOv10在保持高效率的同时，能够有效处理各种尺度的目标，为后续的改进奠定了基础。检测性能在探讨YOLOv10的性能提升之前，我们需要了解其
  • python写接口调用模型_对YOLOv3模型调用时候的python接口详解 weixin_39835607 python写接口调用模型
    需要注意的是：更改完源程序.c文件，需要对整个项目重新编译、makeinstall，对已经生成的文件进行更新，类似于之前VS中在一个类中增加新函数重新编译封装dll，而python接口的调用主要使用的是libdarknet.so文件，其余在配置文件中的修改不必重新进行编译安装。之前训练好的模型，在模型调用的时候，总是在lib=CDLL("/home/*****/*******/darknet/li
  • 简述Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet、PyTorch 等模型 科学的发展-只不过是读大自然写的代码 断纱检测caffetensorflowpytorch
    以下是对Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet和PyTorch等模型的简述：Caffe：Caffe（ConvolutionArchitectureForFeatureExtraction）是一个用于特征抽取的卷积框架，它是一个清晰、可读性高且快速的深度学习框架。Caffe由加州伯克利大学的贾扬清开发，起初是一个用于深度卷积网络的Python框架（无
  • 多版本cuda+多版本cudnn+gcc+cmake+opencv+darknet爬坑记录 LMM_AI 系统学习深度学习
    本次针对darknet框架部署—centos7.x一、CUDA多版本安装1、很早前安装了很多cuda现在忘了步骤了，这里不再安装，下次再补上，可以看其他贴安装，记清楚自己的安装目录，一般默认在/usr/local/cuda(cuda10.0、cuda10.2)，用哪个切换环境变量就行，很方便二、CUDNN版本安装1、下载cudnn并解压，官网上下载与CUDA相匹配的版本，下载难点需要注册个帐号，有
  • ROS下使用usb_cam驱动读取摄像头数据 小杨~~~~ ubuntu
    因为darknet_ros会直接订阅指定的图像话题名，然后对图像进行检测，绘制检测框，并发布相应的检测话题，因此首先需要找一个能够发布图像话题的ROS包，这里经推荐使用ROS官方提供的usb_cam驱动包，可以直接将小车摄像头采集的图像发布为ROS图像话题。1、下载摄像头驱动包usb_cam#方式一：直接终端输入，通过apt便捷安装cdtest/src/sudoapt-getinstallros-
  • 目标检测-YOLOv4 wydxry 深度学习目标检测YOLO目标跟踪
    YOLOv4介绍YOLOv4是YOLO系列的第四个版本，继承了YOLOv3的高效性，并通过大量优化和改进，在目标检测任务中实现了更高的精度和速度。相比YOLOv3，YOLOv4在框架设计、特征提取、训练策略等方面进行了全面升级。它在保持实时检测的同时，显著提升了检测性能，尤其在复杂场景中的表现尤为出色。相比YOLOv3的改进与优势改进的Backbone(CSPDarknet-53)YOLOv4使用
  • 基于yolov8的绝缘子缺陷检测系统python源码+onnx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的绝缘子缺陷检测系统是一种利用先进深度学习技术的高效解决方案，旨在提升电力行业中输电线路的维护和监控水平。YOLOv8作为YOLO系列算法的最新版本，具备更高的检测速度和精度，特别适用于实时物体检测任务。该系统通过深入分析并标注绝缘子数据集，训练YOLOv8模型以精确识别输电线上的绝缘子及其缺陷状态。利用多尺度检测、FPN结构以及CSPDarknet网络等技术，YOLO
  • YOLO系列目标检测数据集大全_yolo数据集(1) 2401_84187537 程序员YOLO目标检测人工智能
    Darknet版YOLOv4猫狗识别训练好的权重文件：https://download.csdn.net/download/zhiqingAI/85541214Darknet版YOLOv3猫狗识别训练好的权重文件：https://download.csdn.net/download/zhiqingAI/85541209DeepSORT-YOLOv5猫狗检测和跟踪+可视化目标运动轨迹yolov7猫狗
  • 在C++上如何使用OpenCV头文件是什么_用OpenCV的dnn模块调用yolov3模型 weixin_39785858
    前言在实际应用场景，我们用darknet的GPU版本训练自己的数据，得到权值文件，然后我们可以调用训练的好的模型去实现自己的检测项目。一般情况下，我们可以使用opencv的dnn模块去调用yolov3。下面大致讲解一下如何是实现调用。一、环境准备1、编译好darknet的GPU版本。可参考我的文章https://zhuanlan.zhihu.com/p/1343471762、安装好opencv3.
  • C++ OpenCV-dnn模块调用模型进行目标检测 （支持CUDA加速） 枸杞叶儿 经验笔记深度学习神经网络
    前言OpenCV4.4开始支持YOLOv4模型的调用，需要使用Opencv的DNN模块。编译安装OpenCV和OpenCV-contrib库步骤，点此链接C++OpenCV调用YOLO模型的完整代码点此下载一、模型加载constexprconstchar*darknet_cfg="../face/yolov3-tiny.cfg";//网络文件constexprconstchar*darknet_w
  • YOLOv8 : 网络结构 赛先生.AI YOLOv8YOLO计算机视觉目标检测
    一.YOLOv8网络结构1.BackboneYOLOv8的Backbone同样参考了CSPDarkNet-53网络，我们可以称之为CSPDarkNet结构吧，与YOLOv5不同的是，YOLOv8使用C2f(CSPLayer_2Conv)代替了C3模块(如果你比较熟悉YOLOv5的网络结构，那YOLOv8的网络结构理解起来就easy了)。如图1所示为YOLOv8网络结构图(引用自MMYOLO)，对比
  • Ubuntu22.04安装cuda，cudnn, 编译darknet 化石草 ubuntu深度学习yolov3
    一，安装cuda：1，下载及安装cuda官网：https://developer.nvidia.com/cuda-toolkit-archivewgethttps://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudoshcuda_11.8.0_
  • Darknet yolov3 Makefile文件解析 未完城 ubuntudeep-learningdarknetlinuxmakefile
    文章目录1.darknetMakefile注释2.reference现在搞深度学习都在linux平台，经常遇到gcc手动编译的时候。由于linux平台没有通用的IDE，大家都是靠Makefile配置文件进行make。在学习darknet框架的过程中，决定要顺便搞清楚Makefile的写法和参数配置。Makefile完整的教程网上有很多，我暂时也不打算完整学一遍，仅仅把遇到的都搞懂，下次遇到新的东西
  • [图像算法]-(yolov5.train)-GPU架构中的半精度fp16与单精度fp32计算 蒸饺与白茶
    GPU架构中的半精度与单精度计算  由于项目原因，我们需要对darknet中卷积层进行优化，然而对于像caffe或者darknet这类深度学习框架来说，都已经将卷积运算转换成了矩阵乘法，从而可以方便调用cublas库函数和cudnn里tiling过的矩阵乘。  CUDA在推出7.5的时候提出了可以计算16位浮点数据的新特性。定义了两种新的数据类型half和half2.之前有师弟已经DEMO过半精度
  • 集合框架 天子之骄 java数据结构集合框架
       集合框架 集合框架可以理解为一个容器，该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。 从本质上来说，Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。   简单介绍：   Collection接口是最基本的接口，它定义了List和Set，List又定义了LinkLi
  • Table Driven（表驱动）方法实例 bijian1013 javaenumTable Driven表驱动
    实例一： /** * 驾驶人年龄段 * 保险行业，会对驾驶人的年龄做年龄段的区分判断 * 驾驶人年龄段：01-[18,25);02-[25,30);03-[30-35);04-[35,40);05-[40,45);06-[45,50);07-[50-55);08-[55,+∞) */ public class AgePeriodTest { //if...el
  • Jquery 总结 cuishikuan javajqueryAjaxWebjquery方法
    1.$.trim方法用于移除字符串头部和尾部多余的空格。如：$.trim('   Hello   ') // Hello2.$.contains方法返回一个布尔值，表示某个DOM元素（第二个参数）是否为另一个DOM元素（第一个参数）的下级元素。如：$.contains(document.documentElement, document.body); 3.$
  • 面向对象概念的提出 麦田的设计者 java面向对象面向过程
            面向对象中，一切都是由对象展开的，组织代码，封装数据。   在台湾面向对象被翻译为了面向物件编程，这充分说明了，这种编程强调实体。       下面就结合编程语言的发展史，聊一聊面向过程和面向对象。      c语言由贝尔实
  • linux网口绑定 被触发 linux
    刚在一台IBM Xserver服务器上装了RedHat Linux Enterprise AS 4，为了提高网络的可靠性配置双网卡绑定。 一、环境描述 我的RedHat Linux Enterprise AS 4安装双口的Intel千兆网卡，通过ifconfig -a命令看到eth0和eth1两张网卡。 二、双网卡绑定步骤： 2.1 修改/etc/sysconfig/network
  • XML基础语法 肆无忌惮_ xml
    一、什么是XML？ XML全称是Extensible Markup Language，可扩展标记语言。很类似HTML。XML的目的是传输数据而非显示数据。XML的标签没有被预定义，你需要自行定义标签。XML被设计为具有自我描述性。是W3C的推荐标准。   二、为什么学习XML？ 用来解决程序间数据传输的格式问题 做配置文件 充当小型数据库   三、XML与HTM
  • 为网页添加自己喜欢的字体 知了ing 字体 秒表 css
    @font-face { font-family: miaobiao;//定义字体名字 font-style: normal; font-weight: 400; src: url('font/DS-DIGI-e.eot');//字体文件 } 使用： <label style="font-size:18px;font-famil
  • redis范围查询应用-查找IP所在城市 矮蛋蛋 redis
    原文地址： http://www.tuicool.com/articles/BrURbqV 需求 根据IP找到对应的城市 原来的解决方案 oracle表（ip_country）： 查询IP对应的城市： 1.把a.b.c.d这样格式的IP转为一个数字，例如为把210.21.224.34转为3524648994 2. select city from ip_
  • 输入两个整数， 计算百分比 alleni123 java
    public static String getPercent(int x, int total){ double result=(x*1.0)/(total*1.0); System.out.println(result); DecimalFormat df1=new DecimalFormat("0.0000%");
  • 百合——————>怎么学习计算机语言 百合不是茶 java 移动开发
        对于一个从没有接触过计算机语言的人来说，一上来就学面向对象，就算是心里上面接受的了，灵魂我觉得也应该是跟不上的，学不好是很正常的现象，计算机语言老师讲的再多，你在课堂上面跟着老师听的再多，我觉得你应该还是学不会的，最主要的原因是你根本没有想过该怎么来学习计算机编程语言，记得大一的时候金山网络公司在湖大招聘我们学校一个才来大学几天的被金山网络录取，一个刚到大学的就能够去和
  • linux下tomcat开机自启动 bijian1013 tomcat
    方法一： 修改Tomcat/bin/startup.sh 为: export JAVA_HOME=/home/java1.6.0_27 export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:. export PATH=$JAVA_HOME/bin:$PATH export CATALINA_H
  • spring aop实例 bijian1013 javaspringAOP
    1.AdviceMethods.java package com.bijian.study.spring.aop.schema; public class AdviceMethods { public void preGreeting() { System.out.println("--how are you!--"); } } 2.beans.x
  • [Gson八]GsonBuilder序列化和反序列化选项enableComplexMapKeySerialization bit1129 serialization
    enableComplexMapKeySerialization配置项的含义  Gson在序列化Map时，默认情况下，是调用Key的toString方法得到它的JSON字符串的Key，对于简单类型和字符串类型，这没有问题，但是对于复杂数据对象，如果对象没有覆写toString方法，那么默认的toString方法将得到这个对象的Hash地址。   GsonBuilder用于
  • 【Spark九十一】Spark Streaming整合Kafka一些值得关注的问题 bit1129 Stream
    包括Spark Streaming在内的实时计算数据可靠性指的是三种级别： 1. At most once，数据最多只能接受一次，有可能接收不到 2. At least once, 数据至少接受一次，有可能重复接收 3. Exactly once  数据保证被处理并且只被处理一次，   具体的多读几遍http://spark.apache.org/docs/lates
  • shell脚本批量检测端口是否被占用脚本 ronin47
    #!/bin/bash cat ports |while read line do#nc -z -w 10 $line nc -z -w 2 $line 58422>/dev/null2>&1if[ $?-eq 0]then echo $line:ok else echo $line:fail fi done 这里的ports 既可以是文件
  • java-2.设计包含min函数的栈 bylijinnan java
    具体思路参见：http://zhedahht.blog.163.com/blog/static/25411174200712895228171/ import java.util.ArrayList; import java.util.List; public class MinStack { //maybe we can use origin array rathe
  • Netty源码学习-ChannelHandler bylijinnan javanetty
    一般来说，“有状态”的ChannelHandler不应该是“共享”的，“无状态”的ChannelHandler则可“共享” 例如ObjectEncoder是“共享”的, 但 ObjectDecoder 不是 因为每一次调用decode方法时，可能数据未接收完全（incomplete）， 它与上一次decode时接收到的数据“累计”起来才有可能是完整的数据，是“有状态”的 p
  • java生成随机数 cngolon java
    方法一： /** * 生成随机数 * @author [email protected] * @return */ public synchronized static String getChargeSequenceNum(String pre){ StringBuffer sequenceNum = new StringBuffer(); Date dateTime = new D
  • POI读写海量数据 ctrain 海量数据
    import java.io.FileOutputStream; import java.io.OutputStream; import org.apache.poi.xssf.streaming.SXSSFRow; import org.apache.poi.xssf.streaming.SXSSFSheet; import org.apache.poi.xssf.streaming
  • mysql 日期格式化date_format详细使用 daizj mysqldate_format日期格式转换日期格式化
    日期转换函数的详细使用说明  DATE_FORMAT(date,format) Formats the date value according to the format string. The following specifiers may be used in the format string. The&n
  • 一个程序员分享8年的开发经验 dcj3sjt126com 程序员
      在中国有很多人都认为IT行为是吃青春饭的，如果过了30岁就很难有机会再发展下去!其实现实并不是这样子的，在下从事.NET及JAVA方面的开发的也有8年的时间了，在这里在下想凭借自己的亲身经历，与大家一起探讨一下。 明确入行的目的 很多人干IT这一行都冲着“收入高”这一点的，因为只要学会一点HTML, DIV+CSS，要做一个页面开发人员并不是一件难事，而且做一个页面开发人员更容
  • android欢迎界面淡入淡出效果 dcj3sjt126com android
    很多Android应用一开始都会有一个欢迎界面，淡入淡出效果也是用得非常多的，下面来实现一下。 主要代码如下： package com.myaibang.activity; import android.app.Activity;import android.content.Intent;import android.os.Bundle;import android.os.CountDown
  • linux 复习笔记之常见压缩命令 eksliang tar解压linux系统常见压缩命令linux压缩命令tar压缩
    转载请出自出处:http://eksliang.iteye.com/blog/2109693 linux中常见压缩文件的拓展名 *.gz gzip程序压缩的文件 *.bz2 bzip程序压缩的文件 *.tar tar程序打包的数据，没有经过压缩 *.tar.gz tar程序打包后，并经过gzip程序压缩 *.tar.bz2 tar程序打包后，并经过bzip程序压缩 *.zi
  • Android 应用程序发送shell命令 gqdy365 android
    项目中需要直接在APP中通过发送shell指令来控制lcd灯，其实按理说应该是方案公司在调好lcd灯驱动之后直接通过service送接口上来给APP，APP调用就可以控制了，这是正规流程，但我们项目的方案商用的mtk方案，方案公司又没人会改，只调好了驱动，让应用程序自己实现灯的控制，这不蛋疼嘛！！！！ 发就发吧！ 一、关于shell指令： 我们知道，shell指令是Linux里面带的
  • java 无损读取文本文件 hw1287789687 读取文件无损读取读取文本文件charset
    java 如何无损读取文本文件呢？ 以下是有损的 @Deprecated public static String getFullContent(File file, String charset) { BufferedReader reader = null; if (!file.exists()) { System.out.println("getFull
  • Firebase 相关文章索引 justjavac firebase
    Awesome Firebase 最近谷歌收购Firebase的新闻又将Firebase拉入了人们的视野，于是我做了这个 github 项目。 Firebase 是一个数据同步的云服务，不同于 Dropbox 的「文件」，Firebase 同步的是「数据」，服务对象是网站开发者，帮助他们开发具有「实时」（Real-Time）特性的应用。 开发者只需引用一个 API 库文件就可以使用标准 RE
  • C++学习重点 lx.asymmetric C++笔记
    1.c++面向对象的三个特性：封装性，继承性以及多态性。   2.标识符的命名规则：由字母和下划线开头，同时由字母、数字或下划线组成；不能与系统关键字重名。   3.c++语言常量包括整型常量、浮点型常量、布尔常量、字符型常量和字符串性常量。   4.运算符按其功能开以分为六类：算术运算符、位运算符、关系运算符、逻辑运算符、赋值运算符和条件运算符。 &n
  • java bean和xml相互转换 q821424508 javabeanxmlxml和bean转换java bean和xml转换
    这几天在做微信公众号 做的过程中想找个java bean转xml的工具，找了几个用着不知道是配置不好还是怎么回事，都会有一些问题， 然后脑子一热谢了一个javabean和xml的转换的工具里，自己用着还行，虽然有一些约束吧 ， 还是贴出来记录一下      顺便你提一下下，这个转换工具支持属性为集合、数组和非基本属性的对象。   packag
  • C 语言初级 位运算 1140566087 位运算c
    第十章 位运算   1、位运算对象只能是整形或字符型数据，在VC6.0中int型数据占4个字节   2、位运算符： 运算符 作用 ~ 按位求反 << 左移 >> 右移 & 按位与 ^ 按位异或 | 按位或 他们的优先级从高到低；   3、位运算符的运算功能： a、按位取反： ~01001101 = 101
  • 14点睛Spring4.1-脚本编程 wiselyman spring4
    14.1 Scripting脚本编程 脚本语言和java这类静态的语言的主要区别是:脚本语言无需编译,源码直接可运行; 如果我们经常需要修改的某些代码,每一次我们至少要进行编译,打包,重新部署的操作,步骤相当麻烦; 如果我们的应用不允许重启,这在现实的情况中也是很常见的; 在spring中使用脚本编程给上述的应用场景提供了解决方案,即动态加载bean; spring支持脚本
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他