- @llvm.amdgcn.workitem.id.x()引发的一些前后端的调研
jc小小川+幻幻融hr
小小川编译器elasticsearch大数据搜索引擎
记录资料:UserGuideforAMDGPUBackend—LLVM5documentationintrinsic函数会执行lowerintrinsicspassllvm-project-main/llvm/lib/CodeGen/IntrinsicLowering.cppllvm-project-main/llvm/lib/Target/AMDGPU/AMDGPULowerIntrinsics
- KGCN---pytorch代码(1)---data_loader
sweet_Mary
推荐算法python推荐算法pytorch人工智能机器学习深度学习
代码:importpandasaspdimportnumpyasnpfromsklearn.preprocessingimportLabelEncoderfromsklearn.model_selectionimporttrain_test_splitimportrandomclassDataLoader:'''DataLoaderclasswhichmakesdatasetfortraining
- 金融贷款风险预测:使用图神经网络模型进行违约概率评估
从零开始学习人工智能
金融神经网络人工智能
要使用PyTorch和GNN(图神经网络)来预测金融贷款风险,并加入注意力机制,我们首先需要构建一个贷款风险预测的图数据集。然后,我们将设计一个基于注意力机制的GNN模型。以下是一个简化的代码示例,演示了如何使用PyTorch和PyTorchGeometric(一个流行的图神经网络库)来实现这一点。请注意,这只是一个起点,并且您可能需要根据您的具体需求进行调整。首先,安装必要的库:bash复制代码
- ionic cordova 安装指定版本
海上笙明玥
安装ionic及cordovanpminstall-gcordovaionicnpm淘宝镜像(GFW,导致很多插件下载失败)npminstall-gcnpm--registry=https://registry.npm.taobao.org更新命令npmupdate-gcordovaionic安装特定版本
[email protected]
- Michael Bronstein 最新几何深度学习综述:超越 WL 和原始消息传递的 GNN
人工智能与算法学习
大数据算法编程语言python机器学习
如何突破基于WL测试和消息传递机制的GNN的性能瓶颈?且看几何深度学习旗手、牛津大学教授MichaelBrostein如是说。编辑丨陈彩娴来源|AI科技评论图可以方便地抽象关系和交互的复杂系统。社交网络、高能物理、化学等研究领域都涉及相互作用的对象(无论是人、粒子还是原子)。在这些场景下,图结构数据的重要性日渐凸显,相关方法取得了一系列初步成功,而一系列工业应用使得图深度学习成为机器学习方向的热门
- Michael Brostein 最新几何深度学习综述:超越 WL 和原始消息传递的 GNN
人工智能学家
大数据算法编程语言python机器学习
来源:前沿科技编译:OGAI编辑:陈彩娴如何突破基于WL测试和消息传递机制的GNN的性能瓶颈?且看几何深度学习旗手、牛津大学教授MichaelBrostein如是说。图可以方便地抽象关系和交互的复杂系统。社交网络、高能物理、化学等研究领域都涉及相互作用的对象(无论是人、粒子还是原子)。在这些场景下,图结构数据的重要性日渐凸显,相关方法取得了一系列初步成功,而一系列工业应用使得图深度学习成为机器学习
- 如何理解图卷积网络GCN
__momo__
#GNNPythonPyTorch深度学习人工智能图论
文章目录基本概念度矩阵(degree)邻接矩阵(Adjacency)理解GCN两层GCN网络层数设置搭建GCN网络定义GCN层定义GCN网络基本概念图的一些基本知识:图,邻居,度矩阵,邻接矩阵度矩阵(degree)度矩阵是对角矩阵,对角上的元素表示每个顶点的度,也就是该顶点相关联的边的数量。邻接矩阵(Adjacency)邻接矩阵表示顶点间的关系,矩阵元素为0或1。无向图邻接矩阵是对称矩阵,有向图的
- 【阅读笔记】Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs-2018
一只瓜皮呀
零样本学习图神经网络知识图谱深度学习机器学习
Abstract我们考虑零样本识别问题:仅利用类别的单词嵌入及其与其他类别的关系来学习具有零训练示例的类别的视觉分类器,并提供视觉数据。处理陌生或新类的关键是将从熟悉类中获得的知识转移到陌生类的描述中。在本文中,我们基于最近引入的图卷积网络(GCN),提出了一种同时使用语义嵌入和类别关系来预测分类器的方法。对于一个已习得的知识图(KG),我们的方法将每个节点(表示视觉类别)作为输入语义嵌入。经过一
- Python版WGCNA分析和蛋白质相互作用PPI分析教程
Starlitnightly
python开发语言
在前面的教程中,我们介绍了使用omicverse完成基本的RNA-seq的分析流程,在本节教程中,我们将介绍如何使用omicverse完成加权基因共表达网络分析WGCNA以及蛋白质相互作用PPI分析。环境的下载在这里我们只需要安装omicverse环境即可,有两个方法:一个是使用conda:condainstallomicverse-cconda-forge另一个是使用pip:pipinstall
- ConvE——二维卷积知识图谱横空出世
时光诺言
机器学习—图神经网络知识图谱人工智能python卷积神经网络
《Convolutional2DKnowledgeGraphEmbeddings》论文理解+代码复现本论文理解不再翻译原文,只写上我对于论文原生态的理解,应该会比较详细,请读者放心。一.作者为什么要提出ConvE?传统的R-GCN和DistMult的参数量过大,并且模型深度不够深,只能处理较小的知识图谱,所以作者将CNN引入到图神经网络中。二.一维卷积与二维卷积的对比2.1一维卷积当a,b特征简单
- [论文精读]FBNETGEN: Task-aware GNN-based fMRI Analysis via Functional Brain Network Generation
夏莉莉iy
论文精读人工智能深度学习学习图论分类笔记
论文网址:https://arxiv.org/abs/2205.12465论文代码:https://github.com/Wayfear/FBNETGEN英文是纯手打的!论文原文的summarizingandparaphrasing。可能会出现难以避免的拼写错误和语法错误,若有发现欢迎评论指正!文章偏向于笔记,谨慎食用!目录1.省流版1.1.心得1.2.论文总结图2.论文逐段精读2.1.Abstr
- [代码复现]FBNETGEN: Task-aware GNN-based fMRI Analysis via Functional Brain Network Generation
夏莉莉iy
代码复现深度学习人工智能学习图论笔记nlp
仅提供ABIDE数据集复现步骤,很简单。代码已经很新了目录1.论文资料2.代码复现步骤及可能存在的问题2.1.环境配置2.2.代码运行1.论文资料(1)论文原文:[2205.12465]FBNETGEN:Task-awareGNN-basedfMRIAnalysisviaFunctionalBrainNetworkGeneration(arxiv.org)(2)论文代码:GitHub-Wayfea
- Vue JS 安装。根据其他大神 ,自己总结自学
liuxus
1:安装node.js2:安装淘宝镜像:npminstall-gcnpm-regestry=https://registry.npm.taobao.org3:安装脚手架vue-cli:cnpminstall-gvue-cli;4:创建项目:vueinitwebpackmy_vue_test;5:5.1:cdmy_vue_test;5.2:cnpminstall;6:cnpmrundev7:loca
- vue如何新建一个项目
码农界四爷__King
vue创建项目(npm安装→初始化项目)第一步npm安装首先:先从nodejs.org中下载nodejsimage双击安装,在安装界面一直Nextimageimageimage直到Finish完成安装。打开控制命令行程序(CMD),检查是否正常image使用淘宝****NPM****镜像大家都知道国内直接使用npm的官方镜像是非常慢的,这里推荐使用淘宝NPM镜像。$npminstall-gcnpm
- 关于前端vue的一些记录
主角_32a4
环境准备:node.js、npm、webpack、vue-cli、VsCode(WebStorm)1.去node中文官网下载自己所符合的安装包安装2.安装npm(cnpm)npminstall-gcnpm--registry=[http://registry.npm.taobao.org](http://registry.npm.taobao.org/)cnpm为淘宝镜像,安装项目依赖包效率高于n
- DeepMind加持的GNN框架正式开源,TensorFlow进入图神经网络时代
Python数据挖掘
pythonpython深度学习神经网络
谷歌在垃圾邮件检测、流量估计以及YouTube内容标签等环境中使用了一种强大的工具GNN(图神经网络)。11月18日,谷歌联合DeepMind对外开源TensorFlowGNN工具,助力流量预测、谣言和假新闻检测、疾病传播建模、物理模拟等领域的基础研究。11月18日,谷歌联合DeepMind发布了TensorFlowGNN(图神经网络)。目前,谷歌已经在诸如垃圾邮件检测、流量估计以及YouTube
- Google刚刚推出了图神经网络Tensorflow-GNN
新加坡内哥谈技术
神经网络tensorflow人工智能
每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行!订阅:https://rengongzhineng.io/在当今数字化的世界里,对象及其之间的复杂关系构成了无数的网络,例如交通网络、生产网络、知
- Datawhale组队学习GNN-task04 数据完整存储与内存的数据集类+节点预测与边预测任务实践
79f3c66c2fe7
DataWhale开源学习资料:https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN6.1数据完全存于内存的数据集类学习在PyG中如何自定义一个数据完全存于内存的数据集类。InMemoryDataset基类简介根文件夹(root)raw_dirprocessed_dir传递的三个函数:transformpre_tra
- 3DCaricShop: A Dataset and A Baseline Method for Single-view 3D Caricature Face Reconstruction
理想很丰满,现实很骨感
#单视图三维人脸重建计算机视觉深度学习神经网络
目录1.文章概述2.相关工作2.1关于数据集2.2关于单视图三维重建3.本文核心方法3.13DCaricShop数据集3.2提出的baseline方法进行三维重建3.2.1概述3.2.2流程1.参数化建模(PCA)2.隐式三维重建3.3D关键点预测4.关键点引导的模型匹配3.2.3VC-GCN(视图协同图卷积网络)1.初始化2.图卷积4.最终效果1.文章概述3DCaricShop指的是文章提出的一
- 使用vuecli脚手架一键搭建工程
如梦初醒Tel
安装Vue脚手架首先电脑上要安装最新版的nodeJS.官网下载,安装完之后安装淘宝npm镜像npminstall-gcnpm--registry=https://registry.npm.taobao.org安装安淘宝镜像之后后面的都可以用cnpm五部走:全局安装vueclicnpminstall-gvue-cli进入目录–初始化项目vueinitwebpackmy-project进入项目cdmy
- 一文梳理经典图网络模型(附新书)
科技州与数据州
作者|Chilia哥伦比亚大学nlp搜索推荐整理|NewBeeNLP图神经网络已经在NLP、CV、搜索推荐广告等领域广泛应用,今天我们就来整体梳理一些经典常用的图网络模型:DeepWalk、GCN、Graphsage、GAT!1.DeepWalk[2014]DeepWalk是来解决图里面节点embedding问题的。GraphEmbedding技术将图中的节点以低维稠密向量的形式进行表达,要求在原
- React环境配置
橙南花已开
react.js前端前端框架
1.安装Node.jsNode.js官网:https://nodejs.org/en/下载之后按默认选项安装好重启电脑即可自动完成配置2.安装React国内使用npm速度很慢,可以使用淘宝定制的cnpm(gzip压缩支持)命令行工具代替默认的npm。①使用win+R输入cmd打开终端②依次输入以下命令npminstall-gcnpm--registry=https://registry.npmmi
- 微信小程序mpvue+Vant Weapp初始化
回到唐朝做IT
准备工作:1.安装Node.jsnodejs官网//可查看node版本$node-v$npm-v2.安装淘宝镜像cnpm$npminstall-gcnpm--registry=https://registry.npm.taobao.org3.安装vue-cli脚手架构建工具$cnpminstall-gvue-cli第一步、创建一个基于mpvue-quickstart模板的新项目可参考mpvue官网
- 论文笔记:NIPS 2020 Graph Contrastive Learning with Augmentations
饮冰l
图弱监督数据挖掘机器学习神经网络深度学习
前言本文主要提出在图对比学习大框架下的图数据增强的若干方法。概括来说,本文提出了一种图对比学习框架来无监督的完成图表示学习,首先作者提出了基于各种先验信息的四种图数据增强方法。然后,作者分析了在四种不同的图数据增强条件下,不同组合对多个数据集的影响:半监督、无监督、迁移学习以及对抗性攻击。作者为GNN的预训练提出了基于图数据增强的对比学习框架来解决图中数据异质性的挑战,本文的主要贡献如下:作者提出
- Graph Contrastive Learning with Augmentations
tutoujiehegaosou
Graph笔记
GraphCL学习笔记Abstract提出GNN对自监督学习和pre-training较少。本文提出了GraphCL框架,用于学习图的无监督表示。设计四种类型的数据增强,在不同的settings(learningrate,batchsize,dropout参数)下,研究这四种增强对不同数据集的影响。Introduction大多数graph-level的任务场景,GNN都是在监督的情况下进行端到端的
- 最新1区9+非肿瘤纯生信,逻辑清晰易懂,机器学习筛选关键基因的纯生信也可以发高水平期刊,抓紧上车!
生信小课堂
生信小课堂影响因子:9.186关于非肿瘤生信,我们也解读过很多,主要有以下类型1单个疾病WGCNA+PPI分析筛选hub基因。2单个疾病结合免疫浸润,热点基因集,机器学习算法等。3两种相关疾病联合分析,包括非肿瘤结合非肿瘤,非肿瘤结合肿瘤或者非肿瘤结合泛癌分析4基于分型的非肿瘤生信分析5单细胞结合普通转录组生信分析目前非肿瘤生信发文的门槛较低,欢迎有需要的朋友!研究概述:本研究首先使用R语言在三个
- Task02 消息传递图神经网络
沫2021
参考链接:https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN/Markdown%E7%89%88%E6%9C%AC/4-%E6%B6%88%E6%81%AF%E4%BC%A0%E9%80%92%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md一、引言消息传递范式是一种聚
- Vue-cli
EmmaGuo2015
vue.js前端javascript
Vue-cli安装和卸载安装1、安装淘宝镜像2、全局安装webpack3、安装vue4、全局安装vue-cli(有低版本和高版本两种)查看卸载创建项目安装执行如下指令1、安装淘宝镜像npminstall-gcnpm第二种方案:npminstall-gcnpm--registry=https://registry.npm.taobao.org//安装成功后使用cnpmixxx代替npminstall
- A.关于图计算&图学习的基础知识概览:前置知识点学习(Paddle Graph L)【一】
汀、人工智能
图计算图学习图论图神经网络人工智能
图学习图神经网络算法专栏简介:主要实现图游走模型(DeepWalk、node2vec);图神经网络算法(GCN、GAT、GraphSage),部分进阶GNN模型(UniMP标签传播、ERNIESage)模型算法等,完成项目实战专栏链接:图学习图神经网络算法专栏简介:含图算法(图游走模型、图神经网络算法等)原理+项目+代码实现+比赛前人栽树后人乘凉,本专栏提供资料:快速掌握图游走模型(DeepWal
- npm run dev 疑难解答
鲁正杰
npm前端node.js
在命令行下执行命令:npmrundev以下几个是典型错误,记录解决办法分享给大家:'vite'不是内部或外部命令,也不是可运行的程序或批处理文件。npminstall-gviteError:Cannotfindmodule'@vitejs/plugin-vue'npmuninstall@vitejs/plugin-vuenpminstall-gcnpm--registry=https://regi
- iOS http封装
374016526
ios服务器交互http网络请求
程序开发避免不了与服务器的交互,这里打包了一个自己写的http交互库。希望可以帮到大家。
内置一个basehttp,当我们创建自己的service可以继承实现。
KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init];
[baseHttp setDelegate:self];
[baseHttp
- lolcat :一个在 Linux 终端中输出彩虹特效的命令行工具
brotherlamp
linuxlinux教程linux视频linux自学linux资料
那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们,你们错了,这里有一些有关 Linux 的文章,它们展示着 Linux 是如何的有趣和“淘气” 。
在本文中,我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。
何为 lolcat ?
Lolcat 是一个针对 Linux,BSD 和 OSX 平台的工具,它类似于 cat 命令,并为 cat
- MongoDB索引管理(1)——[九]
eksliang
mongodbMongoDB管理索引
转载请出自出处:http://eksliang.iteye.com/blog/2178427 一、概述
数据库的索引与书籍的索引类似,有了索引就不需要翻转整本书。数据库的索引跟这个原理一样,首先在索引中找,在索引中找到条目以后,就可以直接跳转到目标文档的位置,从而使查询速度提高几个数据量级。
不使用索引的查询称
- Informatica参数及变量
18289753290
Informatica参数变量
下面是本人通俗的理解,如有不对之处,希望指正 info参数的设置:在info中用到的参数都在server的专门的配置文件中(最好以parma)结尾 下面的GLOBAl就是全局的,$开头的是系统级变量,$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量,那就把global换成对应的session或者mapping名字。
[GLOBAL] $Par
- python 解析unicode字符串为utf8编码字符串
酷的飞上天空
unicode
php返回的json字符串如果包含中文,则会被转换成\uxx格式的unicode编码字符串返回。
在浏览器中能正常识别这种编码,但是后台程序却不能识别,直接输出显示的是\uxx的字符,并未进行转码。
转换方式如下
>>> import json
>>> q = '{"text":"\u4
- Hibernate的总结
永夜-极光
Hibernate
1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道
做项目大部分都需要用JAVA来链接数据库,比如你要做一个会员注册的 页面,那么 获取到用户填写的 基本信后,你要把这些基本信息存入数据库对应的表中,不用hibernate还有mybatis之类的框架,都不用的话就得用JDBC,也就是JAVA自己的,用这个东西你要写很多的代码,比如保存注册信
- SyntaxError: Non-UTF-8 code starting with '\xc4'
随便小屋
python
刚开始看一下Python语言,传说听强大的,但我感觉还是没Java强吧!
写Hello World的时候就遇到一个问题,在Eclipse中写的,代码如下
'''
Created on 2014年10月27日
@author: Logic
'''
print("Hello World!");
运行结果
SyntaxError: Non-UTF-8
- 学会敬酒礼仪 不做酒席菜鸟
aijuans
菜鸟
俗话说,酒是越喝越厚,但在酒桌上也有很多学问讲究,以下总结了一些酒桌上的你不得不注意的小细节。
细节一:领导相互喝完才轮到自己敬酒。敬酒一定要站起来,双手举杯。
细节二:可以多人敬一人,决不可一人敬多人,除非你是领导。
细节三:自己敬别人,如果不碰杯,自己喝多少可视乎情况而定,比如对方酒量,对方喝酒态度,切不可比对方喝得少,要知道是自己敬人。
细节四:自己敬别人,如果碰杯,一
- 《创新者的基因》读书笔记
aoyouzi
读书笔记《创新者的基因》
创新者的基因
创新者的“基因”,即最具创意的企业家具备的五种“发现技能”:联想,观察,实验,发问,建立人脉。
第一部分破坏性创新,从你开始
第一章破坏性创新者的基因
如何获得启示:
发现以下的因素起到了催化剂的作用:(1) -个挑战现状的问题;(2)对某项技术、某个公司或顾客的观察;(3) -次尝试新鲜事物的经验或实验;(4)与某人进行了一次交谈,为他点醒
- 表单验证技术
百合不是茶
JavaScriptDOM对象String对象事件
js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流 ,数显我们要知道表单验证需要的技术点, String对象,事件,函数
一:String对象;通常是对字符串的操作;
1,String的属性;
字符串.length;表示该字符串的长度;
var str= "java"
- web.xml配置详解之context-param
bijian1013
javaservletweb.xmlcontext-param
一.格式定义:
<context-param>
<param-name>contextConfigLocation</param-name>
<param-value>contextConfigLocationValue></param-value>
</context-param>
作用:该元
- Web系统常见编码漏洞(开发工程师知晓)
Bill_chen
sqlPHPWebfckeditor脚本
1.头号大敌:SQL Injection
原因:程序中对用户输入检查不严格,用户可以提交一段数据库查询代码,根据程序返回的结果,
获得某些他想得知的数据,这就是所谓的SQL Injection,即SQL注入。
本质:
对于输入检查不充分,导致SQL语句将用户提交的非法数据当作语句的一部分来执行。
示例:
String query = "SELECT id FROM users
- 【MongoDB学习笔记六】MongoDB修改器
bit1129
mongodb
本文首先介绍下MongoDB的基本的增删改查操作,然后,详细介绍MongoDB提供的修改器,以完成各种各样的文档更新操作 MongoDB的主要操作
show dbs 显示当前用户能看到哪些数据库
use foobar 将数据库切换到foobar
show collections 显示当前数据库有哪些集合
db.people.update,update不带参数,可
- 提高职业素养,做好人生规划
白糖_
人生
培训讲师是成都著名的企业培训讲师,他在讲课中提出的一些观点很新颖,在此我收录了一些分享一下。注:讲师的观点不代表本人的观点,这些东西大家自己揣摩。
1、什么是职业规划:职业规划并不完全代表你到什么阶段要当什么官要拿多少钱,这些都只是梦想。职业规划是清楚的认识自己现在缺什么,这个阶段该学习什么,下个阶段缺什么,又应该怎么去规划学习,这样才算是规划。
- 国外的网站你都到哪边看?
bozch
技术网站国外
学习软件开发技术,如果没有什么英文基础,最好还是看国内的一些技术网站,例如:开源OSchina,csdn,iteye,51cto等等。
个人感觉如果英语基础能力不错的话,可以浏览国外的网站来进行软件技术基础的学习,例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
- 编程之美-光影切割问题
bylijinnan
编程之美
package a;
public class DisorderCount {
/**《编程之美》“光影切割问题”
* 主要是两个问题:
* 1.数学公式(设定没有三条以上的直线交于同一点):
* 两条直线最多一个交点,将平面分成了4个区域;
* 三条直线最多三个交点,将平面分成了7个区域;
* 可以推出:N条直线 M个交点,区域数为N+M+1。
- 关于Web跨站执行脚本概念
chenbowen00
Web安全跨站执行脚本
跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
- [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数
comsci
开源项目
现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
- oracle alert log file(告警日志文件)
daizj
oracle告警日志文件alert log file
The alert log is a chronological log of messages and errors, and includes the following items:
All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
- 关于 CAS SSO 文章声明
denger
SSO
由于几年前写了几篇 CAS 系列的文章,之后陆续有人参照文章去实现,可都遇到了各种问题,同时经常或多或少的收到不少人的求助。现在这时特此说明几点:
1. 那些文章发表于好几年前了,CAS 已经更新几个很多版本了,由于近年已经没有做该领域方面的事情,所有文章也没有持续更新。
2. 文章只是提供思路,尽管 CAS 版本已经发生变化,但原理和流程仍然一致。最重要的是明白原理,然后
- 初二上学期难记单词
dcj3sjt126com
englishword
lesson 课
traffic 交通
matter 要紧;事物
happy 快乐的,幸福的
second 第二的
idea 主意;想法;意见
mean 意味着
important 重要的,重大的
never 从来,决不
afraid 害怕 的
fifth 第五的
hometown 故乡,家乡
discuss 讨论;议论
east 东方的
agree 同意;赞成
bo
- uicollectionview 纯代码布局, 添加头部视图
dcj3sjt126com
Collection
#import <UIKit/UIKit.h>
@interface myHeadView : UICollectionReusableView
{
UILabel *TitleLable;
}
-(void)setTextTitle;
@end
#import "myHeadView.h"
@implementation m
- N 位随机数字串的 JAVA 生成实现
FX夜归人
javaMath随机数Random
/**
* 功能描述 随机数工具类<br />
* @author FengXueYeGuiRen
* 创建时间 2014-7-25<br />
*/
public class RandomUtil {
// 随机数生成器
private static java.util.Random random = new java.util.R
- Ehcache(09)——缓存Web页面
234390216
ehcache页面缓存
页面缓存
目录
1 SimplePageCachingFilter
1.1 calculateKey
1.2 可配置的初始化参数
1.2.1 cach
- spring中少用的注解@primary解析
jackyrong
primary
这次看下spring中少见的注解@primary注解,例子
@Component
public class MetalSinger implements Singer{
@Override
public String sing(String lyrics) {
return "I am singing with DIO voice
- Java几款性能分析工具的对比
lbwahoo
java
Java几款性能分析工具的对比
摘自:http://my.oschina.net/liux/blog/51800
在给客户的应用程序维护的过程中,我注意到在高负载下的一些性能问题。理论上,增加对应用程序的负载会使性能等比率的下降。然而,我认为性能下降的比率远远高于负载的增加。我也发现,性能可以通过改变应用程序的逻辑来提升,甚至达到极限。为了更详细的了解这一点,我们需要做一些性能
- JVM参数配置大全
nickys
jvm应用服务器
JVM参数配置大全
/usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
- 搭建 CentOS 6 服务器(14) - squid、Varnish
rensanning
varnish
(一)squid
安装
# yum install httpd-tools -y
# htpasswd -c -b /etc/squid/passwords squiduser 123456
# yum install squid -y
设置
# cp /etc/squid/squid.conf /etc/squid/squid.conf.bak
# vi /etc/
- Spring缓存注解@Cache使用
tom_seed
spring
参考资料
http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/
http://swiftlet.net/archives/774
缓存注解有以下三个:
@Cacheable @CacheEvict @CachePut
- dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误
xp9802
java.lang.NoClassDefFoundError: org/jaxen/JaxenExc
关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception
使用dom4j解析XML时,要快速获取某个节点的数据,使用XPath是个不错的方法,dom4j的快速手册里也建议使用这种方式
执行时却抛出以下异常:
Exceptio