- FB-OCC: 3D Occupancy Prediction based on Forward-BackwardView Transformation
justtoomuchforyou
智驾
NVidia,CVPR20233DOccupancyPredictionChallengeworkshoppaper:https://arxiv.org/pdf/2307.1492code:https://github.com/NVlabs/FB-BEV大参数量imagebackboneInternImage-H,1B外部数据集预训练:object365nuscenes:有点云label,强化网络
- PS系统教程06-图片裁剪-详细版
有点。
psphotoshop
图片裁剪-详细版首先勾选图层-单机裁剪工具-删除裁剪像素背景颜色是和左边工作区颜色保持一致的。确定选择单机两下工作区中的√按下回车键缩小裁剪当你缩小裁剪之后再想扩大,那么扩大的部分就是背景颜色不勾选删除裁剪像素效果(裁剪完单机一下)这种情况是你进行裁剪单机一下的效果,说明就是还没有完全确定的状态。总结:只要不勾选删除裁剪像素就是会对裁剪过的部分进行预保留。内容识别不勾选勾选后
- 基于OpenCV的银行卡识别
Yang了个羊
OpenCVopencv人工智能计算机视觉
一、设计思路1、预处理银行卡号序列模版,对其进行一系列形态学操作,继而进行轮廓识别,构建与各个轮廓所对应的数字元组。2、对将要识别的银行卡进行灰度处理、二值化、阈值处理,sobel算子边缘检测等预处理,再通过模版匹配方法找出与已知轮廓高度符合的数字。二、代码复现预操作:自定义一个cv_show函数,便于后来的图像展示。#绘图展示defcv_show(name,img):cv2.imshow(nam
- Websoft9:为开发者打造的高效 Linux 服务器面板
kanwowo
服务器linux运维
Websoft9作为一款以开源应用部署与管理为核心的服务器面板,其平台设计与运行环境深度耦合,形成了“环境即服务”的独特模式。这种关系体现在环境标准化、自动化配置、安全融合及资源管理等多个维度。以下从四个核心层面详细阐述二者的协同机制:一、运行环境标准化:平台能力的基石Websoft9的运行环境并非孤立存在,而是平台功能实现的底层支撑。多语言与框架的预集成•平台内置PHP、Python、Java、
- 基于YOLOv8的桃子成熟度检测系统,支持图片、视频、摄像头输入,PyQt5界面检测。识别并分类桃子的成熟度(未熟、半熟、成熟)
QQ67658008
YOLO音视频qt桃子成熟水果成熟度检测系统
基于YOLOv8的桃子成熟度检测系统,支持图片、视频、摄像头输入,PyQt5界面检测。识别并分类桃子的成熟度(未熟、半熟、成熟)文章目录调用示例加载预训练模型开始训练加载训练好的模型在验证集上评估加载训练好的模型文字及代码仅供参考。桃子成熟度分类检测数据集,主要用于桃子成熟度分类检测应用任务数据背景:模拟实际田间条件,涵盖多种可能影响桃子检测准确性的因素,如变化的自然光照强度、多果粘连现象以及由枝
- 大模型——Dify:知识库与外部知识库
不二人生
大模型人工智能大模型dify
Dify:知识库与外部知识库相比于AI大模型内置的静态预训练数据,知识库中的内容能够实时更新,确保LLM可以访问到最新的信息,避免因信息过时或遗漏而产生的问题。知识库与文档开发者可以通过此方式确保LLM不仅仅依赖于训练数据中的知识,还能够处理来自实时文档和数据库的动态数据,从而提高回答的准确性和相关性。https://docs.dify.ai/zh-hans/guides/knowledge-ba
- 【面试宝典】【大模型入门】【模型微调】
曾小文
人工智能深度学习机器学习
面试热点科普:监督微调vs无监督微调,有啥不一样?在大模型时代(比如BERT、GPT)里,我们经常听到“预训练+微调”的范式。但你可能会疑惑——监督微调、无监督微调,到底有啥区别?用的场景一样吗?今天这篇,带你5分钟搞懂这对“孪生兄弟”的异同✅1.术语定义名称定义说明预训练(Pretraining)在大规模通用数据上训练模型,学习“通用知识”,比如语言规律、语义表示。微调(Fine-tuning)
- 中文工单分类模型选择
SugarPPig
人工智能分类人工智能数据挖掘
采用基于预训练模型的微调(Fine-tuning)方案来做中文工单分类,这是非常明智的选择,因为预训练模型已经在大量中文语料上学习了丰富的语言知识,能大幅提升分类效果。在HuggingFace上,针对中文文本分类,我为你推荐以下最合适的模型:最推荐的模型:BERT-base-chinese模型名称(HuggingFaceID):google-bert/bert-base-chinese为什么推荐它
- 3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——1.SimHash算法处理冗余信息的核心原理
SimHash算法处理冗余信息的核心原理一、SimHash算法的定位与核心目标二、SimHash算法的核心原理与执行流程1.**文本预处理与特征提取**2.**特征向量化与哈希映射**3.**特征向量聚合**4.**降维生成SimHash值**5.**相似性判断与冗余过滤**三、SimHash处理冗余信息的核心优势四、实际应用中的优化策略五、SimHash的局限性与补充方案一、SimHash算法的
- ⼤模型(LLMs)基础⾯
cv2016_DL
LLM大模型计算机视觉人工智能llama
1.⽬前主流的开源模型体系有哪些?⽬前主流的开源LLM(语⾔模型)模型体系包括以下⼏个:1.GPT(GenerativePre-trainedTransformer)系列:由OpenAI发布的⼀系列基于Transformer架构的语⾔模型,包括GPT、GPT-2、GPT-3等。GPT模型通过在⼤规模⽆标签⽂本上进⾏预训练,然后在特定任务上进⾏微调,具有很强的⽣成能⼒和语⾔理解能⼒。2.BERT(B
- LightGBM:极速梯度提升机——结构化数据建模的终极武器
大千AI助手
人工智能Python#OTHER随机森林算法机器学习决策树人工智能GBDTLightGBM
基于直方图与Leaf-wise生长的高效GBDT实现,横扫Kaggle与工业场景一、为什么需要LightGBM?GBDT的瓶颈传统梯度提升树(如XGBoost)在处理海量数据时面临两大痛点:训练速度慢:需预排序特征&层次生长(Level-wise)内存消耗高:存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于2017年开源,核心目标:✅训练效率提升10倍✅内存占用降低50%✅保持与XGB
- 【造工具-2】用SenceVoice,实现本地的语音转文本小工具
zhulangfly
AIAISTTASR
说到语音转文本,有两种说法,自动语音识别(ASR,AutomaticSpeechRecognition)和语音转文本(STT,Speech-to-Text),本质上都是通过算法将语音信号转化为可处理的文本形式的技术,两者的核心功能和应用目标完全一致。如果有区别的话,ASR更常见于学术研究和技术文档中,STT则更多应用于产品功能描述。ASR常与其他模块(如VAD、说话人分离)并列描述,体现其在技
- 大模型加载多个LoRA并灵活切换
Kaydeon
pytorchpythonllama
在深度学习领域,大型预训练模型因其出色的性能而受到广泛关注。然而,这些模型在微调时往往需要大量的计算资源。为了解决这个问题,LoRA通过低秩矩阵来适应新的任务,从而减少了模型的内存占用和计算需求。本文将介绍如何在HuggingFace大模型中加载多个LoRA适配器,并实现灵活切换。LoRA技术简介LoRA是一种有效的模型适配技术,它通过在模型的权重矩阵中引入低秩结构来实现参数的高效更新。这种方法不
- 【ComfyUI专栏】ComfyUI使用Scribbles预处理器与模型
雾岛心情
ComfyUIAIGCComfyUI
Scribble模型旨在将图像转换为类似涂鸦的外观,模拟手绘草图的外观。它们特别适用于艺术重塑或作为更大设计工作流程中的初步步骤。我们如果本身不是很会绘画,可以通过Scribbles模型来帮我们实现绘画的梦想。预处理器:Scribble、Scribble_HED、Scribble_PIDI和Scribble_XDOG这里提到的三种不同的Scribble的类型出来的最终结果。Scribbles默认预
- 鸿蒙OH南向开发 轻量系统内核(LiteOS-M)【Trace调测】
yx525623
openharmony鸿蒙南向鸿蒙开发鸿蒙开发harmonyosopenharmony鸿蒙南向嵌入式硬件
基本概念Trace调测旨在帮助开发者获取内核的运行流程,各个模块、任务的执行顺序,从而可以辅助开发者定位一些时序问题或者了解内核的代码运行过程。运行机制内核提供一套Hook框架,将Hook点预埋在各个模块的主要流程中,在内核启动初期完成Trace功能的初始化,并注册Trace的处理函数到Hook中。当系统触发到一个Hook点时,Trace模块会对输入信息进行封装,添加Trace帧头信息,包含事件类
- 基于视觉的停车场收费系统(一)
1.研究背景与意义改革开放40年来,我国始终把经济发展放在重要地位,随着城市化进程加快,居民收入持续快速增长,消费质量明显改善,人们对出行的便利性也更加重视。与此同时,我国坚持深化供给侧结构性改革,发挥超大规模市场和强大生产能力的优势,通过优化生产要素配置,促进产业结构升级,提高供给质量和效率,使得国内众多制造业,包括汽车制造业正逐步实现高质量发展,因此,近年来在经济结构调整和市场需求提升的推动下
- 预训练语言模型
lynnzon
语言模型人工智能自然语言处理
1.1Encoder-onlyPLMEncoder-only架构是Transformer的重要分支,专注于自然语言理解(NLU)任务,核心代表是BERT及其优化模型(RoBERTa、ALBERT)。其特点是:仅使用Encoder层:堆叠多层TransformerEncoder,捕捉文本双向语义。预训练任务:通过掩码语言模型(MLM)学习上下文依赖。应用场景:文本分类、实体识别、语义匹配等NLU任务
- 大模型学习 (Datawhale_Happy-LLM)笔记4: 预训练语言模型
lxltom
学习笔记语言模型人工智能bertgpt
大模型学习(Datawhale_Happy-LLM)笔记4:预训练语言模型一、概述本章按Encoder-Only、Encoder-Decoder、Decoder-Only的顺序来依次介绍Transformer时代的各个主流预训练模型,分别介绍三种核⼼的模型架构、每种主流模型选择的预训练任务及其独特优势,这也是目前所有主流LLM的模型基础。二、Encoder-onlyPLM代表:BERT及其优化版本
- 预训练语言模型之:Encoder-only PLM
抱抱宝
大模型语言模型人工智能自然语言处理
1.基础架构:TransformerEncoder所有模型的基石都是TransformerEncoder结构,其核心是自注意力机制:Attention(Q,K,V)=softmax(QKTdk)V\text{Attention}(Q,K,V)=\text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)VAttention(Q,K,V)=softmax(dk
- Python 调用大模型:解锁人工智能的无限可能
CarlowZJ
AI应用落地+Pythonpython人工智能
目录一、大模型的概念与特点(一)大模型的定义(二)大模型的特点(三)大模型的原理(四)大模型的发展历史二、Python调用大模型的实现方法(一)使用OpenAIAPI设置API密钥定义提示文本调用OpenAIAPI输出生成的文本加载预训练模型和分词器2.使用HuggingFaceTransformers库三、Python调用大模型的流程图四、Python调用大模型注意事项的1.数据隐私与安全2.成
- LeRobot: 让机械臂接入大模型
小众AI
AI开源人工智能AI编程
HuggingFace推出的开源项目LeRobot引发了业界广泛关注。这一项目通过整合最先进的机器学习算法和便捷的开发工具链,为开发者提供了一个高效、易用的机器人AI开发平台,堪称机器人领域的“Transformer时刻”。LeRobot旨在为PyTorch中的真实机器人技术提供模型、数据集和工具。目标是降低机器人技术的准入门槛,以便每个人都可以从共享数据集和预训练模型中受益。LeRobot包含最
- 预训练目标:BERT 更适配 “理解类” 任务
在NLP任务中,更倾向于用BERT而非GPT做预训练,核心原因与两者的模型设计、任务适配性、资源成本有关,具体可从以下维度拆解:一、预训练目标:BERT更适配“理解类”任务BERT的双向预训练目标:通过掩码语言模型(MLM)和下一句预测(NSP),强制模型学习上下文的双向语义依赖(比如用“[MASK]是水果”的前后文猜“苹果”),天生适合文本理解、分类、问答等任务。GPT的单向预训练目标:基于自回
- 使用预训练权重在YOLO模型上训练新数据集的完整指南
马里马里奥-
YOLO目标跟踪人工智能
使用预训练权重在YOLO模型上训练新数据集的完整指南引言在目标检测领域,迁移学习已成为提升模型性能的关键技术。本文将详细介绍如何利用预训练权重在YOLO(YouOnlyLookOnce)框架上训练自定义数据集,帮助您节省训练时间并提高检测精度。为什么使用预训练权重?加速收敛:预训练模型已学习通用特征,训练时间可缩短30%−70%30\%-70\%30%−70%小样本适配:在数据量有限时(n<100
- 【前端】Next.js的安装及配置
奔跑草-
前端前端javascript开发语言next.jsreact.js
Next.js介绍Next.js是一个流行的React框架,它具有以下优点:服务器端渲染(SSR):Next.js支持服务器端渲染,这意味着页面可以在服务器上预渲染,然后发送给用户,这可以加快首屏加载速度,并有利于搜索引擎优化(SEO)。静态站点生成(SSG):Next.js允许在构建时预渲染页面为静态HTML,这对于不需要频繁更新的内容非常有用,可以提高性能和加载速度。自动代码分割:Next.j
- HTML 渲染演进之路
前端javascript
HTML渲染演进之路面向前后端的内部分享讲稿,写出大纲和一定的细节经过AI再次整理一个简单的HTML页面HTML页面从初创到现在变化不大,看了这么多年的网页,也就是多了一些标签,HTML看起来都一样。但在其背后的渲染逻辑上,却在不断的演进。从最初的静态HTML,到服务端预渲染,到纯客户端渲染(CSR-Client-SideRendering),又回到到预渲染,但其中又有细化,分出了SSR(服务端渲
- 【RAG优化】深度解析开源项目MinerU:从PDF解析到多模态理解的工业级解决方案
kakaZhui
pdf大模型LLMRAG文档解析
一、项目全景扫描MinerU(GitHub:opendatalab/MinerU)是由OpenDataLab团队开发的开源文档解析工具,其核心价值在于将复杂的PDF文档转化为结构化数据。项目始于大模型预训练数据清洗需求,现已成为支持多模态文档理解的工业级解决方案。最新发布的2.0版本(2025/06)在架构设计、性能指标和功能特性上实现全面升级,展现出三个显著特征:模块化架构:通过pipeline
- 【LLaMA-Factory 实战系列】一、数据准备篇 - 从文本到多模态的完整流程
Zhijun.li@Studio
llama人工智能llama-factory多模态大模型视觉大语言模型
【LLaMA-Factory实战系列】一、数据准备篇-从文本到多模态的完整流程1.引言2.LLaMA-Factory数据格式概述2.1Alpaca格式2.2ShareGPT格式3.文本数据准备3.1Alpaca格式示例3.2ShareGPT格式示例3.3预训练数据格式4.多模态数据准备4.1图像数据准备4.2视频数据准备4.3音频数据准备5.多模态实战案例:Pokemon数据集处理5.1完整代码(
- 基于matlab的语音信号去噪
文章目录前言1.获取音频1.1读取原始音频1.2读取代码展示1.3截取音频1.4可视化处理1.4.1原始信号时域图1.4.2原始信号频谱图2.加噪处理2.1高斯白噪声2.2高通滤波器2.2.1filterDesigner2.2.2信号分析器2.3噪音叠加处理2.4可视化处理2.4.1加噪时域图2.4.2加噪频域图3.滤波降噪3.1技术指标3.2设计巴特沃斯低通滤波器滤波3.3滤波结果可视化3.3.
- linux重定向前五行,输入输出重定向及管道
weixin_39815329
linux重定向前五行
Linux运维之路基础篇:Linux基础命令(二)输入输出重定向及管道标准输入:用0表示(键盘)标准输出:用1表示(监视器)标准错误输出:用2表示(监视器)IO重定向:改变标准位置标准输出重定向:>:覆盖重定向,目标文件原有的内容会被清除(set-C:禁止对已有文件进行覆盖重定向)(>|:强制进行覆盖重定向)>>:追加重定向,目标文件原有的内容会被保留,新内容追加至结尾标准错误输出重定向:2>:标
- [AI] 解密人工智能:深度分析与未来趋势的全景探索
代码行者123
人工智能
目录[AI]解密人工智能:深度分析与未来趋势的全景探索1.人工智能的核心技术演进1.1从机器学习到深度学习1.2生成式AI的崛起2.人工智能的最新发展趋势2.1超大规模预训练模型的突破2.2自监督学习的崛起2.3边缘AI与算力优化3.人工智能的跨领域应用3.1医疗AI3.2金融AI3.3工业AI4.人工智能的未来展望4.1更强大的多模态模型4.2人工智能与人类智能的协作4.3AI伦理与法规的加强5
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/