- DeepSeek 混合专家(MoE)架构技术原理剖析
计算机学长
通用大语言模型人工智能架构
DeepSeek混合专家(MoE)架构技术原理剖析在人工智能快速发展的当下,大规模语言模型不断突破创新,DeepSeek混合专家(MoE)架构脱颖而出,成为业内关注焦点。本文将深入剖析其技术原理,为大家揭开它的神秘面纱。一、MoE架构概述(一)基本概念混合专家(MixtureofExperts,MoE)架构,简单来说,就像是一个专家团队。在这个团队里,每个专家都是一个小型神经网络,各自擅长处理特定
- 超火的Deepseek的MOE架构是什么?
魔王阿卡纳兹
大模型知识札记架构DeepSeekMoE大模型
DeepSeek的MOE(MixtureofExperts,混合专家)架构是一种基于专家模型(MixtureofExperts)的深度学习框架,旨在通过动态选择和激活部分专家模块来提高计算效率和模型性能。以下是对其核心特点和工作原理的详细介绍:1.核心概念与架构MOE架构的基本思想是将模型划分为多个“专家”模块,每个专家专注于处理特定类型的任务或数据特征。在推理时,通过门控机制(GatingMec
- DeepSeek-V2 论文解读:混合专家架构的新突破
进一步有进一步的欢喜
DeepSeek-V2大模型MoE混合专家架构
论文链接:DeepSeek-V2:AStrong,Economical,andEfficientMixture-of-ExpertsLanguageModel目录一、引言二、模型架构(一)多头部潜在注意力(MLA):重塑推理效率(二)DeepSeekMoE:经济高效的训练架构三、预训练(Pre-Training):夯实模型基础(一)实验设置(二)评估四、对齐(Alignment):优化模型表现(一
- DeepSeek-V3:模型与权重全面解析
步子哥
AGI通用人工智能人工智能
DeepSeek-V3是一款开创性的混合专家(Mixture-of-Experts,MoE)语言模型,以其创新的架构设计、高效的训练方法和卓越的性能,成为开源大语言模型领域的标杆。本文将详细解析其模型架构、权重结构和量化技术,并结合其在实际应用中的表现,带您全面了解DeepSeek-V3的技术亮点。1.模型概述DeepSeek-V3是一款拥有6710亿总参数和每个令牌激活370亿参数的混合专家语言
- DeepSeek-MoE-16b:高效稀疏架构引领大模型降本增效革命
热爱分享的博士僧
架构
一、模型定位与技术背景DeepSeek-MoE-16b是深度求索(DeepSeek)研发的混合专家模型(MixtureofExperts,MoE),参数规模160亿,旨在通过稀疏化计算架构解决传统稠密模型(如Llama2、GPT-3)的高训练与推理成本问题。其设计理念为“高效激活,精准分配”,在保持模型性能的同时,显著降低算力需求,推动大模型普惠化部署。二、核心技术架构动态专家路由机制模型包含12
- 云上一键部署 DeepSeek-V3 模型,阿里云PAI Model Gallery 最佳实践
DeepSeek-V3模型简介DeepSeek-V3是DeepSeek发布的MoE(Mixture-of-Experts)大语言模型,总参数量为6710亿,每个token激活的参数量为370亿。为了实现高效的推理和成本效益的训练,DeepSeek-V3采用了MLA(Multi-headLatentAttention)和DeepSeekMoE架构。此外,DeepSeek-V3首次引入了一种无需辅助损
- DeepSeek模型全解析:赋能人工智能新纪元
云梦优选
算法python计算机人工智能大数据
DeepSeek模型,作为人工智能领域的一股新兴势力,正逐步成为推动人工智能新时代的核心力量。以下是对DeepSeek模型的详尽剖析:一、模型概览DeepSeek,源自一家中国AI初创公司,其最新版本DeepSeek-V3是一款基于先进的Mixture-of-Experts(MoE)架构的语言模型。该模型拥有惊人的671亿参数,其中每个token能激活37亿参数,使其在自然语言处理(NLP)至计算
- DeepSeek MoE 项目教程
姬牧格Ivy
DeepSeekMoE项目教程DeepSeek-MoE项目地址:https://gitcode.com/gh_mirrors/de/DeepSeek-MoE1、项目介绍DeepSeekMoE是一个基于Mixture-of-Experts(MoE)架构的语言模型,旨在实现专家的终极专业化。该项目通过创新性的MoE架构,将专家细分为多个小组,并激活其中的一部分,以实现更灵活的专家组合。此外,还引入了共
- 深度搜索MoE:利用大规模预训练模型提升信息检索效能
杭律沛Meris
深度搜索MoE:利用大规模预训练模型提升信息检索效能DeepSeek-MoE项目地址:https://gitcode.com/gh_mirrors/de/DeepSeek-MoE项目简介DeepSeek-MoE是一个基于Transformer架构的、大规模多专家模型(MixtureofExperts,MoE)的信息检索系统。它旨在通过深度学习技术,提高搜索结果的相关性和准确性,以满足用户在海量数据
- MOE-conformer 流式多语种语音识别
深度学习-视听觉
语音识别人工智能
MOE(MixtureofExperts):MOE是一种通过专家混合来实现深度学习模型的方法,主要有以下特点:MOE由多个专家(Excpert)组成,每个专家是一个独立的神经网络(可以是MLP、CNN、RNN等)输入数据会被路由分配到不同的专家进行处理,目的是确定最适合处理输入的专家模型各个专家独立处理得到的结果进行加权聚合后输入结果各个专家独立计算,容易实现数据并行通过组合不同专家的强项,总体能
- MiniMax:人工智能领域的创新先锋
程序猿000001号
人工智能
MiniMax:人工智能领域的创新先锋在人工智能领域,MiniMax正以其强大的技术实力和创新的模型架构,成为全球关注的焦点。作为一家成立于2021年12月的通用人工智能科技公司,MiniMax专注于开发多模态、万亿参数的MoE(MixtureofExperts)大模型,并基于此推出了多种原生应用,如海螺AI、星野等。本文将深入探讨MiniMax的核心技术、应用场景以及其对未来AI发展的潜在影响。
- 微软推出GRIN-MoE:开创专家路由新范式
OpenCSG
microsoft
前沿科技速递在人工智能领域,模型的性能和可扩展性一直是研究的热点。微软最近推出的GRIN-MoE(Gradient-InformedMixture-of-Experts)模型,以其独特的架构和显著的性能表现,正引领着AI技术的前沿,特别是在编码和数学任务上展现出强大的能力。GRIN-MoE的发布标志着企业级应用中AI技术的又一次飞跃,旨在提升处理复杂任务的效率和准确性。来源:传神社区01模型简介G
- Mixture of Experts(MoE)学习笔记
南七小僧
人工智能网站开发医疗器械研发学习笔记人工智能MoE大模型
1学习动机第一次了解到MoE(Mixtureofexperts),是在GPT-4模型架构泄漏事件,听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构(8*220B)组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索,更多的工作还是聚焦在预训练新的大模型,在Llama2或其他模型上做Fine-tune,以及扩展大模型的ContextLength。12月8号
- 什么是MOE架构?哪些大模型使用了MOE?
明哲AI
AIGC架构人工智能大模型MOE
在人工智能快速发展的今天,大语言模型(LLM)的规模越来越大,参数量动辄上千亿甚至万亿。然而,更大的模型往往意味着更高的计算成本和更多的资源消耗。混合专家模型(MixtureofExperts,简称MoE)作为一种创新的架构设计,为解决这一难题提供了一个优雅的解决方案。什么是混合专家模型?想象一下,如果把一个大语言模型比作一所综合性大学,传统的模型就像是让所有教授(参数)都参与每一次教学活动。而M
- 什么是MoE?
CM莫问
深度学习人工智能算法常见概念人工智能算法python深度学习MoE混合专家模型机器学习
一、概念MoE(MixtureofExperts)是一种深度学习架构,它结合了多个专家模型(Experts)和一个门控机制(GatingMechanism)来处理不同的输入数据或任务。MoE的核心思想是将复杂的任务分解为多个子任务,由不同的专家网络来处理,以此来提升整体模型的性能和效率。MOE通过集成多个专家来显著提高模型的容量和表达能力,每个专家可以专注于学习输入数据的不同方面或特征,使得整个模
- DeepSeek-V2:强大、经济、高效的专家混合语言模型
乌芬维Maisie
DeepSeek-V2:强大、经济、高效的专家混合语言模型DeepSeek-V2项目地址:https://gitcode.com/gh_mirrors/de/DeepSeek-V2项目介绍DeepSeek-V2是一款强大的专家混合(Mixture-of-Experts,MoE)语言模型,以其经济高效的训练和推理能力著称。该模型总参数达到2360亿,但每次生成时仅激活210亿参数,显著降低了计算成本
- 【人工智能时代】-Deepseek用到的技术架构
xiaoli8748_软件开发
人工智能
以下是DeepSeek技术架构的详细介绍:1.混合专家架构(MoE)DeepSeek-V3采用了混合专家(Mixture-of-Experts,MoE)架构,这种架构通过将模型分解为多个“专家”网络来处理不同的输入特征。具体配置如下:层数:61层,其中58层为MoE层。专家数量:每层有257个专家(1个共享专家+256个路由专家),整个模型共有14,906个专家。激活机制:每个Token激活9个专
- DeepSeek:LLM在MoE训练中的无损平衡
大模型任我行
大模型-模型训练人工智能自然语言处理语言模型论文笔记
标题:AUXILIARY-LOSS-FREELOADBALANCINGSTRAT-EGYFORMIXTURE-OF-EXPERTS来源:arXiv,2408.15664摘要对于混合专家(MoE)模型,不平衡的专家负载将导致路由崩溃或计算开销增加。现有方法通常采用辅助损耗来促进负载平衡,但较大的辅助损耗会在训练中引入不可忽略的干扰梯度,从而损害模型性能。为了在训练过程中控制负载平衡,同时不产生不希望
- DeepSeek 模型:架构创新与实际应用详解
汪子熙
人工智能架构语言模型人工智能
DeepSeek模型是近年来在自然语言处理(NLP)领域备受瞩目的开源大规模语言模型系列。其最新版本DeepSeek-V3采用了混合专家(Mixture-of-Experts,MoE)架构,拥有6710亿个参数,每个词元(token)激活370亿个参数。该模型在多项基准测试中表现出色,性能媲美GPT-4和Claude等领先的闭源模型。以下将详细介绍DeepSeek模型的架构、用途,并通过具体案例和
- 探索未来对话的边界:Mixture-of-Agents(MoA)——大型语言模型的集体智慧引擎
潘俭渝Erik
探索未来对话的边界:Mixture-of-Agents(MoA)——大型语言模型的集体智慧引擎项目地址:https://gitcode.com/gh_mirrors/mo/MoA在当前人工智能的浪潮中,我们迎来了一个令人兴奋的技术突破——Mixture-of-Agents(MoA),它标志着大型语言模型(LLM)能力提升的新纪元。本文将引领您深入探索这一革命性项目,揭示其技术精粹,展望应用前景,并
- 高斯混合模型(GMM):用“高斯家族”描绘数据的“模样”
ningaiiii
机器学习与深度学习机器学习人工智能
高斯混合模型(GMM):用“高斯家族”描绘数据的“模样”1.引言高斯混合模型(GaussianMixtureModel,GMM)是一种基于概率密度的生成式模型。它的核心思想是用多个“高斯分布”(即正态分布)的加权组合来描述数据的分布。GMM就像是一个“画家”,用不同的“高斯画笔”描绘出数据的“模样”,特别适合处理复杂的分类任务。2.算法原理2.1模型结构GMM的核心组成包括:混合权重:每个高斯分量
- DeepSeek-V2
百态老人
学习
DeepSeek-V2是由幻方量化旗下的AI公司DeepSeek发布的第二代MoE(Mixture-of-Experts)大模型,具有显著的性能和成本优势。以下是关于DeepSeek-V2的详细分析:性能表现:DeepSeek-V2是一个参数量为2360亿的MoE模型,其性能接近GPT-4Turbo,并在多个基准测试中表现优异,如AlignBench、MT-Bench等,超越了GPT-4,与GPT
- Transformer 架构对比:Dense、MoE 与 Hybrid-MoE 的优劣分析
m0_74823683
面试学习路线阿里巴巴transformer架构深度学习
1.LLM基础架构类型DenseTransformerMoE(MixtureofExperts)TransformerHybrid-MoETransformer2.Transformer按照编码方式分类单向自回归模型(如早期GPT系列)双向模型(如BERT)编码器-解码器模型(如BART,T5)DenseTransformerDenseTransformer的优势是什么DenseTransform
- 使用MoA(Mixture of Agents)混合智能体技术,结合多个开源大语言模型如Llama3、phi-3和Mistral,实现一个强大的AI智能体
fc&&fl
大模型实战应用人工智能语言模型自然语言处理
1.简介论文简介:论文提出了一种称为混合智能体(Mixture-of-Agents,MoA)的方法,利用多个大语言模型(LLM)的集体智慧来提高自然语言理解和生成任务的性能。MoA采用了分层结构,每一层包含多个LLM智能体。每个智能体都将前一层所有智能体的输出作为辅助信息来生成自己的回答。通过迭代地综合和优化回答,MoA可以充分利用不同LLM的独特优势。实验发现,即使其他模型提供的辅助回答质量较低
- Transformer 架构对比:Dense、MoE 与 Hybrid-MoE 的优劣分析
XianxinMao
transformer架构深度学习
1.LLM基础架构类型DenseTransformerMoE(MixtureofExperts)TransformerHybrid-MoETransformer2.Transformer按照编码方式分类单向自回归模型(如早期GPT系列)双向模型(如BERT)编码器-解码器模型(如BART,T5)DenseTransformerDenseTransformer的优势是什么DenseTransform
- mixture_of_depths
道真人
深度学习人工智能
mixture_of_depths是一种用于处理不同深度模型组合的技术或机制,通常用于模型的加载和推理过程中。它涉及将模型的不同层次或深度进行组合或切换,以提高模型的灵活性和性能。mixture_of_depths的具体含义模型组合策略:mixture_of_depths可能涉及在不同的模型深度(即层数)之间进行切换或组合,可能是为了在推理时选择合适的深度,以平衡计算资源和模型性能。这在需要对性能
- paddle nlp 3.0 全面拥抱开源大模型
路人与大师
paddle自然语言处理开源
首先安装神圣的飞桨自然语言处理框架3.0pipinstall--upgradepaddlenlp==3.0.0b0阿里云通义千问(Qwen2)系列大模型介绍阿里云通义千问(Qwen2)是阿里云推出的一系列先进的大型语言模型,涵盖了从轻量级到超大规模的各种模型,包括混合专家模型(Mixture-of-Experts,MoE)。Qwen2系列在多个自然语言处理任务上展现了卓越的性能,并且在一些基准测试
- 高斯混合模型聚类(GMM)matlab实现
唐维康
高斯混合模型聚类
GaussianMixtureModel,就是假设数据服从MixtureGaussianDistribution,换句话说,数据可以看作是从数个GaussianDistribution中生成出来的。实际上,我们在K-means和K-medoids两篇文章中用到的那个例子就是由三个Gaussian分布从随机选取出来的。实际上,从中心极限定理可以看出,Gaussian分布(也叫做正态(Normal)分
- Kmeans、混合高斯模型、EM 算法
dreampai
混合高斯模型(MixturesofGaussians)和EM算法image.pngKmeans与EM算法E步是确定隐含类别变量CM步更新其他参数u(质心)来时J(平方误差)最小化隐含类别变量指定方法比较特殊,属于硬指定,从k个类别中硬选出一个给样例,而不是对每个类别赋予不同的概率。总体思想还是一个迭代优化过程,有目标函数,也有参数变量,只是多了个隐含变量,确定其他参数估计隐含变量,再确定隐含变量估
- VLM 系列——MoE-LLaVa——论文解读
TigerZ*
AIGC算法深度学习人工智能AIGC计算机视觉transformer
一、概述1、是什么moe-Llava是Llava1.5的改进全称《MoE-LLaVA:MixtureofExpertsforLargeVision-LanguageModels》,是一个多模态视觉-文本大语言模型,可以完成:图像描述、视觉问答,潜在可以完成单个目标的视觉定位、名画名人等识别(问答、描述),未知是否能偶根据图片写代码(HTML、JS、CSS)。支持单幅图片输入(可以作为第一个或第二个
- mongodb3.03开启认证
21jhf
mongodb
下载了最新mongodb3.03版本,当使用--auth 参数命令行开启mongodb用户认证时遇到很多问题,现总结如下:
(百度上搜到的基本都是老版本的,看到db.addUser的就是,请忽略)
Windows下我做了一个bat文件,用来启动mongodb,命令行如下:
mongod --dbpath db\data --port 27017 --directoryperdb --logp
- 【Spark103】Task not serializable
bit1129
Serializable
Task not serializable是Spark开发过程最令人头疼的问题之一,这里记录下出现这个问题的两个实例,一个是自己遇到的,另一个是stackoverflow上看到。等有时间了再仔细探究出现Task not serialiazable的各种原因以及出现问题后如何快速定位问题的所在,至少目前阶段碰到此类问题,没有什么章法
1.
package spark.exampl
- 你所熟知的 LRU(最近最少使用)
dalan_123
java
关于LRU这个名词在很多地方或听说,或使用,接下来看下lru缓存回收的实现
1、大体的想法
a、查询出最近最晚使用的项
b、给最近的使用的项做标记
通过使用链表就可以完成这两个操作,关于最近最少使用的项只需要返回链表的尾部;标记最近使用的项,只需要将该项移除并放置到头部,那么难点就出现 你如何能够快速在链表定位对应的该项?
这时候多
- Javascript 跨域
周凡杨
JavaScriptjsonp跨域cross-domain
 
- linux下安装apache服务器
g21121
apache
安装apache
下载windows版本apache,下载地址:http://httpd.apache.org/download.cgi
1.windows下安装apache
Windows下安装apache比较简单,注意选择路径和端口即可,这里就不再赘述了。 2.linux下安装apache:
下载之后上传到linux的相关目录,这里指定为/home/apach
- FineReport的JS编辑框和URL地址栏语法简介
老A不折腾
finereportweb报表报表软件语法总结
JS编辑框:
1.FineReport的js。
作为一款BS产品,browser端的JavaScript是必不可少的。
FineReport中的js是已经调用了finereport.js的。
大家知道,预览报表时,报表servlet会将cpt模板转为html,在这个html的head头部中会引入FineReport的js,这个finereport.js中包含了许多内置的fun
- 根据STATUS信息对MySQL进行优化
墙头上一根草
status
mysql 查看当前正在执行的操作,即正在执行的sql语句的方法为:
show processlist 命令
mysql> show global status;可以列出MySQL服务器运行各种状态值,我个人较喜欢的用法是show status like '查询值%';一、慢查询mysql> show variab
- 我的spring学习笔记7-Spring的Bean配置文件给Bean定义别名
aijuans
Spring 3
本文介绍如何给Spring的Bean配置文件的Bean定义别名?
原始的
<bean id="business" class="onlyfun.caterpillar.device.Business">
<property name="writer">
<ref b
- 高性能mysql 之 性能剖析
annan211
性能mysqlmysql 性能剖析剖析
1 定义性能优化
mysql服务器性能,此处定义为 响应时间。
在解释性能优化之前,先来消除一个误解,很多人认为,性能优化就是降低cpu的利用率或者减少对资源的使用。
这是一个陷阱。
资源时用来消耗并用来工作的,所以有时候消耗更多的资源能够加快查询速度,保持cpu忙绿,这是必要的。很多时候发现
编译进了新版本的InnoDB之后,cpu利用率上升的很厉害,这并不
- 主外键和索引唯一性约束
百合不是茶
索引唯一性约束主外键约束联机删除
目标;第一步;创建两张表 用户表和文章表
第二步;发表文章
1,建表;
---用户表 BlogUsers
--userID唯一的
--userName
--pwd
--sex
create
- 线程的调度
bijian1013
java多线程thread线程的调度java多线程
1. Java提供一个线程调度程序来监控程序中启动后进入可运行状态的所有线程。线程调度程序按照线程的优先级决定应调度哪些线程来执行。
2. 多数线程的调度是抢占式的(即我想中断程序运行就中断,不需要和将被中断的程序协商)
a) 
- 查看日志常用命令
bijian1013
linux命令unix
一.日志查找方法,可以用通配符查某台主机上的所有服务器grep "关键字" /wls/applogs/custom-*/error.log
二.查看日志常用命令1.grep '关键字' error.log:在error.log中搜索'关键字'2.grep -C10 '关键字' error.log:显示关键字前后10行记录3.grep '关键字' error.l
- 【持久化框架MyBatis3一】MyBatis版HelloWorld
bit1129
helloworld
MyBatis这个系列的文章,主要参考《Java Persistence with MyBatis 3》。
样例数据
本文以MySQL数据库为例,建立一个STUDENTS表,插入两条数据,然后进行单表的增删改查
CREATE TABLE STUDENTS
(
stud_id int(11) NOT NULL AUTO_INCREMENT,
- 【Hadoop十五】Hadoop Counter
bit1129
hadoop
1. 只有Map任务的Map Reduce Job
File System Counters
FILE: Number of bytes read=3629530
FILE: Number of bytes written=98312
FILE: Number of read operations=0
FILE: Number of lar
- 解决Tomcat数据连接池无法释放
ronin47
tomcat 连接池 优化
近段时间,公司的检测中心报表系统(SMC)的开发人员时不时找到我,说用户老是出现无法登录的情况。前些日子因为手头上 有Jboss集群的测试工作,发现用户不能登录时,都是在Tomcat中将这个项目Reload一下就好了,不过只是治标而已,因为大概几个小时之后又会 再次出现无法登录的情况。
今天上午,开发人员小毛又找到我,要我协助将这个问题根治一下,拖太久用户难保不投诉。
简单分析了一
- java-75-二叉树两结点的最低共同父结点
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import ljn.help.*;
public class BTreeLowestParentOfTwoNodes {
public static void main(String[] args) {
/*
* node data is stored in
- 行业垂直搜索引擎网页抓取项目
carlwu
LuceneNutchHeritrixSolr
公司有一个搜索引擎项目,希望各路高人有空来帮忙指导,谢谢!
这是详细需求:
(1) 通过提供的网站地址(大概100-200个网站),网页抓取程序能不断抓取网页和其它类型的文件(如Excel、PDF、Word、ppt及zip类型),并且程序能够根据事先提供的规则,过滤掉不相干的下载内容。
(2) 程序能够搜索这些抓取的内容,并能对这些抓取文件按照油田名进行分类,然后放到服务器不同的目录中。
- [通讯与服务]在总带宽资源没有大幅增加之前,不适宜大幅度降低资费
comsci
资源
降低通讯服务资费,就意味着有更多的用户进入,就意味着通讯服务提供商要接待和服务更多的用户,在总体运维成本没有由于技术升级而大幅下降的情况下,这种降低资费的行为将导致每个用户的平均带宽不断下降,而享受到的服务质量也在下降,这对用户和服务商都是不利的。。。。。。。。
&nbs
- Java时区转换及时间格式
Cwind
java
本文介绍Java API 中 Date, Calendar, TimeZone和DateFormat的使用,以及不同时区时间相互转化的方法和原理。
问题描述:
向处于不同时区的服务器发请求时需要考虑时区转换的问题。譬如,服务器位于东八区(北京时间,GMT+8:00),而身处东四区的用户想要查询当天的销售记录。则需把东四区的“今天”这个时间范围转换为服务器所在时区的时间范围。
- readonly,只读,不可用
dashuaifu
jsjspdisablereadOnlyreadOnly
readOnly 和 readonly 不同,在做js开发时一定要注意函数大小写和jsp黄线的警告!!!我就经历过这么一件事:
使用readOnly在某些浏览器或同一浏览器不同版本有的可以实现“只读”功能,有的就不行,而且函数readOnly有黄线警告!!!就这样被折磨了不短时间!!!(期间使用过disable函数,但是发现disable函数之后后台接收不到前台的的数据!!!)
- LABjs、RequireJS、SeaJS 介绍
dcj3sjt126com
jsWeb
LABjs 的核心是 LAB(Loading and Blocking):Loading 指异步并行加载,Blocking 是指同步等待执行。LABjs 通过优雅的语法(script 和 wait)实现了这两大特性,核心价值是性能优化。LABjs 是一个文件加载器。RequireJS 和 SeaJS 则是模块加载器,倡导的是一种模块化开发理念,核心价值是让 JavaScript 的模块化开发变得更
- [应用结构]入口脚本
dcj3sjt126com
PHPyii2
入口脚本
入口脚本是应用启动流程中的第一环,一个应用(不管是网页应用还是控制台应用)只有一个入口脚本。终端用户的请求通过入口脚本实例化应用并将将请求转发到应用。
Web 应用的入口脚本必须放在终端用户能够访问的目录下,通常命名为 index.php,也可以使用 Web 服务器能定位到的其他名称。
控制台应用的入口脚本一般在应用根目录下命名为 yii(后缀为.php),该文
- haoop shell命令
eksliang
hadoophadoop shell
cat
chgrp
chmod
chown
copyFromLocal
copyToLocal
cp
du
dus
expunge
get
getmerge
ls
lsr
mkdir
movefromLocal
mv
put
rm
rmr
setrep
stat
tail
test
text
- MultiStateView不同的状态下显示不同的界面
gundumw100
android
只要将指定的view放在该控件里面,可以该view在不同的状态下显示不同的界面,这对ListView很有用,比如加载界面,空白界面,错误界面。而且这些见面由你指定布局,非常灵活。
PS:ListView虽然可以设置一个EmptyView,但使用起来不方便,不灵活,有点累赘。
<com.kennyc.view.MultiStateView xmlns:android=&qu
- jQuery实现页面内锚点平滑跳转
ini
JavaScripthtmljqueryhtml5css
平时我们做导航滚动到内容都是通过锚点来做,刷的一下就直接跳到内容了,没有一丝的滚动效果,而且 url 链接最后会有“小尾巴”,就像#keleyi,今天我就介绍一款 jquery 做的滚动的特效,既可以设置滚动速度,又可以在 url 链接上没有“小尾巴”。
效果体验:http://keleyi.com/keleyi/phtml/jqtexiao/37.htmHTML文件代码:
&
- kafka offset迁移
kane_xie
kafka
在早前的kafka版本中(0.8.0),offset是被存储在zookeeper中的。
到当前版本(0.8.2)为止,kafka同时支持offset存储在zookeeper和offset manager(broker)中。
从官方的说明来看,未来offset的zookeeper存储将会被弃用。因此现有的基于kafka的项目如果今后计划保持更新的话,可以考虑在合适
- android > 搭建 cordova 环境
mft8899
android
1 , 安装 node.js
http://nodejs.org
node -v 查看版本
2, 安装 npm
可以先从 https://github.com/isaacs/npm/tags 下载 源码 解压到
- java封装的比较器,比较是否全相同,获取不同字段名字
qifeifei
非常实用的java比较器,贴上代码:
import java.util.HashSet;
import java.util.List;
import java.util.Set;
import net.sf.json.JSONArray;
import net.sf.json.JSONObject;
import net.sf.json.JsonConfig;
i
- 记录一些函数用法
.Aky.
位运算PHP数据库函数IP
高手们照旧忽略。
想弄个全天朝IP段数据库,找了个今天最新更新的国内所有运营商IP段,copy到文件,用文件函数,字符串函数把玩下。分割出startIp和endIp这样格式写入.txt文件,直接用phpmyadmin导入.csv文件的形式导入。(生命在于折腾,也许你们觉得我傻X,直接下载人家弄好的导入不就可以,做自己的菜鸟,让别人去说吧)
当然用到了ip2long()函数把字符串转为整型数
- sublime text 3 rust
wudixiaotie
Sublime Text
1.sublime text 3 => install package => Rust
2.cd ~/.config/sublime-text-3/Packages
3.mkdir rust
4.git clone https://github.com/sp0/rust-style
5.cd rust-style
6.cargo build --release
7.ctrl