我是谁的小超人
我是谁的小超人

Resnet

Ryan Dahl的tensorflow-resnet源码
官方源码
ResNet学习整体了解ResNet，论文翻译
ResNet论文笔记
适合新手的ResNetResNet网络训练实例
ResNet解析 分块介绍的比较详细，易于理解细节
对ResNet的理解ResNet的另一种理解方式:多人投票系统

tensorflow官方源码，各种网络，如AlexNet，VGG，GoogleNet，ResNet等
CNN网络源码

你可能感兴趣的:(Resnet)

  • ResNet的半监督和半弱监督模型 Valar_Morghulis
    Billion-scalesemi-supervisedlearningforimageclassificationhttps://arxiv.org/pdf/1905.00546.pdfhttps://github.com/facebookresearch/semi-supervised-ImageNet1K-models/权重在timm中也有：https://hub.fastgit.org/r
  • 验证resneXt，densenet，mobilenet和SENet的特色结构 dfj77477 人工智能python
    简介图像分类对网络结构的要求，一个是精度，另一个是速度。这两个需求推动了网络结构的发展。resneXt：分组卷积，降低了网络参数个数。densenet：密集的跳连接。mobilenet：标准卷积分解成深度卷积和逐点卷积，即深度分离卷积。SENet：注意力机制。简单起见，使用了[1]的代码，注释掉layer4，作为基本框架resnet14。然后改变局部结构，验证分类效果。实验结果GPU：gtx107
  • Pytorch ResNet Fashion-Mnist hyhchaos
    pytorch实现ResNetonFashion-MNISTfrom__future__importprint_functionimporttorchimporttimeimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.transformsastransformsfromtorchimp
  • 基于PyTorch的ResNet50的10分类模型 Covirtue 人工智能pythonPytorchpytorch分类人工智能
    使用PyTorch框架构建一个基于ResNet50的10分类模型并进行训练，需要首先确保已经安装了PyTorch和必要的库（如torchvision，用于加载预训练的ResNet50模型）。以下是一个简单的步骤指导，包括模型构建、数据加载、训练循环和测试过程。第一步：导入必要的库importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtor
  • VIT论文阅读： A Image is Worth 16x16 Words Undefined游侠 论文阅读
    简介在2024年，大家都知道了transformer的故事，但是在4年前,CNN和Transformer谁才是CV的未来，还没有那么确定。在简介部分，作者提到了一个令人失望的事实，在基于imagenet的实验中发现，transformer的表现差于同尺寸的ResNet。作者把原因归结到biastranslationequivarianceandlocality，这些CNN具有，但是transfor
  • Unet 高阶分割网络实战、多类别分割、迁移学习（deeplab、resnet101等等） 听风吹等浪起 图像分割计算机视觉人工智能
    1、前言Unet图像分割之前介绍了不少，具体可以参考图像分割专栏为了实现多类别的自适应分割，前段时间利用numpy的unique函数实现了一个项目。通过numpy函数将mask的灰度值提取出来，保存在txt文本里，这样txt里面就会有类似012...等等的灰度值。而有几个灰度值，就代表分割要分出几个类别。具体可以参考：Unet实战分割项目、多尺度训练、多类别分割将vgg换成resnet的unet参
  • 深度学习(16)--基于经典网络架构resnet训练图像分类模型 GodFishhh 深度学习深度学习python人工智能pytorch
    目录一.项目介绍二.项目流程详解2.1.引入所需的工具包2.2.数据读取和预处理2.3.加载resnet152模型2.4.初始化模型2.5.设置需要更新的参数2.6.训练模块设置2.7.再次训练所有层2.8.测试网络效果三.完整代码一.项目介绍使用PyTorch工具包调用经典网络架构resnet训练图像分类模型，用于分辨不同类型的花二.项目流程详解2.1.引入所需的工具包importosimpor
  • （7）PyTorch预训练 顽皮的石头7788121
    （1）直接加载预训练模型如果我们使用的模型和原模型完全一样，那么我们可以直接加载别人训练好的模型：my_resnet=MyResNet(*args,**kwargs)my_resnet.load_state_dict(torch.load("my_resnet.pth"))当然这样的加载方法是基于PyTorch推荐的存储模型的方法：torch.save(my_resnet.state_dict()
  • DS Wannabe之5-AM Project: DS 30day int prep day14 wendyponcho MachineLearning深度学习机器学习人工智能
    Q1.WhatisAlexnet?Q2.WhatisVGGNet?Q3.WhatisVGG16?Q4.WhatisResNet?AttheILSVRC2015,so-calledResidualNeuralNetwork(ResNet)bytheKaimingHeetalintroducedtheanovelarchitecturewith“skipconnections”andfeaturesh
  • 基于PaddlePaddle2.0的蝴蝶图像识别分类 bianhuaHYQ 笔记python图像识别人工智能
    基于PaddlePaddle2.0的蝴蝶图像识别分类——利用预训练残差网络ResNet101模型分类资源来源如下：https://aistudio.baidu.com/aistudio/education/group/info/119391.蝴蝶识别分类任务概述本项目将利用人工智能技术来对蝴蝶图像进行分类，需要能对蝴蝶的类别、属性进行细粒度的识别分类。相关研究工作者能够根据采集到的蝴蝶图片，快速识
  • MIT-BEVFusion系列七--量化2_Camera、Fuser、Decoder网络的量化 端木的AI探索屋 自动驾驶算法python人工智能网络
    目录Camera量化CameraBackbone(Resnet50)量化替换量化层，增加residual_quantizer，修改bottleneck的前向对Add操作进行量化CameraNeck(GeneralizedLSSFPN)量化将Conv2d模块替换为QuantConv2d模块CameraNeck中添加对拼接操作的量化替换CameraNeck中的ForwardCameraVTransfo
  • CNN网络的宽度和深度 zhnidj
    CNN网络的宽度和深度都很重要ResNet、DenseNet解决的是如何让网络更深且避免梯度消失、网络退化各类组卷积的方法解决的是如何让网络以更高效的方式变得更宽
  • Unet+ResNet 实战分割项目、多尺度训练、多类别分割 听风吹等浪起 图像分割人工智能计算机视觉
    1.介绍传统的Unet网络，特征提取的backbone采用的是vgg模型，vgg的相关介绍和实战参考以前的博文：pytorch搭建VGG网络VGG的特征提取能力其实是不弱的，但网络较为臃肿，容易产生梯度消失或者梯度爆炸的问题。而Resnet可以解决这一问题，参考：ResNet训练CIFAR10数据集，并做图片分类本章在之前文章的基础上，只是将Unet的backbone进行替换，将vgg换成了res
  • 深度学习的新进展：从图像识别到自然语言处理 一休哥助手 话题深度学习自然语言处理人工智能
    导语：深度学习作为人工智能领域的重要分支，近年来取得了巨大的突破和进展。从最初的图像识别到如今的自然语言处理，深度学习正逐渐渗透到我们日常生活的方方面面。本文将带您一探深度学习的新进展，了解其在图像识别和自然语言处理领域的应用。一、图像识别：从精确度到实时性的提升深度学习在图像识别领域的应用已经取得了令人瞩目的成果。从最早的AlexNet到如今的ResNet、Inception等模型，深度学习模型
  • 卷积神经网络（CNN） 栉风沐雪 深度学习cnn人工智能神经网络
    本文仅在理论方面讲述CNN相关的知识，并给出AlexNet,Agg,ResNet等网络结构的代码。1.构成由输入层、卷积层、池化层、全连接层构成。输入层：输入数据卷积层：提取图像特征池化层：压缩特征全连接层：为输出准备，形同一维神经网络，下文不另起文笔描述2.神经网络与CNN对比左边为神经网络，右边为卷积神经网络。均采用的时较为简单的结构，卷积神经网络是对基础神经网络的延申，由一维扩展到三位空间，
  • 《动手学深度学习(PyTorch版)》笔记7.6 南七澄江 深度学习笔记python深度学习pytorch笔记算法人工智能python
    注：书中对代码的讲解并不详细，本文对很多细节做了详细注释。另外，书上的源代码是在JupyterNotebook上运行的，较为分散，本文将代码集中起来，并加以完善，全部用vscode在python3.9.18下测试通过，同时对于书上部分章节也做了整合。Chapter7ModernConvolutionalNeuralNetworks7.6ResidualNetworks(ResNet)随着我们设计越
  • 深度学习知识点汇总-目标检测（1） 深度学习模型优化
    8.1R-FCNR-FCN属于two-stage的目标检测算法。backbone部分RPN，这里使用ResNet。head部分R-FCN，使用全连接网络。其中ResNet-101+R-FCN的方法在PASCALVOC2007测试数据集的mmAP达到83.6%。图1人脸检测R-FCN的核心思想得到目标多个特征。假设我们只有一个特征图用来检测右眼。那么我们可以使用它定位人脸吗？应该可以。因为右眼应该在
  • 探秘深度学习的巅峰之作：ResNet101与其在图像识别领域的革命性应用 程序员Chino的日记 深度学习人工智能
    引言深度学习和图像识别的世界已经被深度卷积神经网络的引入所革命化，而在这些网络中，ResNet101架构作为一个重要的里程碑脱颖而出。本文旨在详细探讨ResNet101架构、其设计、功能和应用。ResNet革命2015年在计算机视觉和模式识别会议（CVPR）上介绍的ResNet（残差网络）家族，标志着深度学习图像识别的一个转折点。这些网络引入了残差学习的概念，解决了深度神经网络中的梯度消失问题，使
  • 深度学习的进展 李建军 软件使用深度学习人工智能
    深度学习近年来的进展在各个领域均展现出非凡的实力，以下将进一步详述几个关键领域的具体突破和应用：1.计算机视觉图像分类与识别：随着深度卷积神经网络的发展，如AlexNet、VGG、Inception系列、ResNet以及DenseNet等模型，图像分类准确率显著提高。尤其是ImageNet大规模视觉识别挑战赛上，错误率逐年降低，现在已经接近人类水平。目标检测：RCNN系列（FastRCNN、Fas
  • 「竞赛调研」GeoLifeCLEF 2022 x FGVC9 - 任务及解决方案 Sternstunden 竞赛计算机视觉机器学习人工智能
    任务说明本次竞赛的目标是预测植物和动物物种的地理分布，比赛方提供了来自法国和美国的1.6M个地理定位的观测数据，涵盖17K个物种（其中9K个为植物物种，8K个为动物物种）。解决方案rank1-SensioTeam总体概述团队集成了3个模型：1.一个双模态网络。团队使用Nir+G+B，在预训练的resnet34上，将其最后一层堆叠到一个3层FCN（包含环境向量+纬度+经度+国家+海拔平均值+最大-最
  • 常见分类网络的结构 hzhj 计算机视觉
    VGG16图片来自这里MobilenetV3small和large版本参数,图片来着这里Resnet图片来自这里
  • 人工智能：破局与创新的较量，谁将主宰未来？ 猫之角
    一、AI发展趋势1.1数据驱动的增长AI的快速发展离不开大量数据的支撑。随着5G、物联网等技术的普及，数据的采集、传输和处理能力得到了极大提升。这使得数据驱动的AI技术取得了突破性进展，尤其是在计算机视觉、自然语言处理等领域。1.2深度学习与神经网络的创新深度学习作为AI的核心技术之一，其基于神经网络的算法在近年来得到了快速发展。从LeNet、AlexNet到ResNet，再到GPT、BERT等模
  • [动手学深度学习-PyTorch版]-5.11卷积神经网络-残差网络（ResNet） 蒸饺与白茶
    5.11残差网络（ResNet）让我们先思考一个问题：对神经网络模型添加新的层，充分训练后的模型是否只可能更有效地降低训练误差？理论上，原模型解的空间只是新模型解的空间的子空间。也就是说，如果我们能将新添加的层训练成恒等映射f(x)=x，新模型和原模型将同样有效。由于新模型可能得出更优的解来拟合训练数据集，因此添加层似乎更容易降低训练误差。然而在实践中，添加过多的层后训练误差往往不降反升。即使利用
  • Deeplearning with pytorch p1ch2 风与海的半神 深度学习
    Deeplearningwithpytorchp1ch2AlexNet&ResNetResNet&resnet101AlexNet&ResNetResNet&resnet101ResNet：residualnetworksresnet101多层神经网络结构，今天的主要收获如下更改jupyter默认文件路径；torchvision中的models，transforms模块；PIL的Image模块；t
  • pytorch gpu推理、onnxruntime gpu推理、tensorrt gpu推理比较，及安装教程，有详细代码解释 idealmu pytorch人工智能python
    需要下载的测试用的文件测试图片：https://upload.wikimedia.org/wikipedia/commons/2/26/YellowLabradorLooking_new.jpg-Odog.jpg类别文件：https://raw.githubusercontent.com/Lasagne/Recipes/master/examples/resnet50/imagenet_class
  • 【RT-DETR有效改进】利用YOLO-MS的MSBlock模块改进ResNet中的Bottleneck（RT-DETR深度改进） Snu77 RT-DETR有效改进专栏YOLO深度学习目标检测人工智能计算机视觉pythonRT-DETR
    欢迎大家订阅本专栏，一起学习RT-DETR一、本文介绍本文给大家带来的改进机制是利用YOLO-MS提出的一种针对于实时目标检测的MSBlock模块(其其实不能算是Conv但是其应该是一整个模块)，我们将其用于替换我们ResNet中Basic组合出一种新的结构，来替换我们网络中的模块可以达到一种轻量化的作用，我将其用于我的数据集上实验，其在轻量网络结构的同时，却能够提高一定的mAP精度，所以这是一种
  • OBB头篇 | 原创自研 | YOLOv8 更换 SEResNeXtBottleneck 头 | 附详细结构图 迪菲赫尔曼 YOLOv8改进实战YOLOultralytics旋转目标检测OBB原创改进
    左图：ResNet的一个模块。右图：复杂度大致相同的ResNeXt模块，基数（cardinality）为32。图中的一层表示为（输入通道数，滤波器大小，输出通道数）。1.思路ResNeXt是微软研究院在2017年发表的成果。它的设计灵感来自于经典的ResNet模型，但ResNeXt有个特别之处：它采用了多个并行的“组”来处理数据，而不是单一的小路径。这种设计让ResNeXt能更高效地学习多样的特征
  • python运行报错_AttributeError: module ‘tensorflow‘ has no attribute ‘contrib‘ 阿罗的小小仓库 代码调试过程中遇到的问题python开发语言
    问题描述：File"/data/Code/resnet.py",line23,ininitializer=tf.contrib.layers.xavier_initializer_conv2d()AttributeError:module'tensorflow'hasnoattribute'contrib'问题分析：这个错误是因为代码中使用了TensorFlow1.x的风格，而在TensorFlo
  • 分割头篇 | 原创自研 | YOLOv8 更换 SEResNeXtBottleneck 头 | 附详细结构图 迪菲赫尔曼 YOLOv8改进实战YOLO深度学习目标检测人工智能计算机视觉
    左图：ResNet的一个模块。右图：复杂度大致相同的ResNeXt模块，基数（cardinality）为32。图中的一层表示为（输入通道数，滤波器大小，输出通道数）。1.思路ResNeXt是微软研究院在2017年发表的成果。它的设计灵感来自于经典的ResNet模型，但ResNeXt有个特别之处：它采用了多个并行的“组”来处理数据，而不是单一的小路径。这种设计让ResNeXt能更高效地学习多样的特征
  • PyTorch学习：加载模型和参数 TravelingLight77 DLPytorchpytorch深度学习神经网络
    1.直接加载模型和参数加载别人训练好的模型：#保存和加载整个模型torch.save(model_object,'resnet.pth')model=torch.load('resnet.pth')2.分别加载网络的结构和参数#将my_resnet模型储存为my_resnet.pthtorch.save(my_resnet.state_dict(),"my_resnet.pth")#加载resne
  • 统一思想认识 永夜-极光 思想
    1.统一思想认识的基础,才能有的放矢  原因:    总有一种描述事物的方式最贴近本质,最容易让人理解.    如何让教育更轻松,在于找到最适合学生的方式.          难点在于,如何模拟对方的思维基础选择合适的方式.   &
  • Joda Time使用笔记 bylijinnan javajoda time
    Joda Time的介绍可以参考这篇文章： http://www.ibm.com/developerworks/cn/java/j-jodatime.html 工作中也常常用到Joda Time，为了避免每次使用都查API，记录一下常用的用法：     /** * DateTime变化（增减） */ @Tes
  • FileUtils API eksliang FileUtilsFileUtils API
    转载请出自出处：http://eksliang.iteye.com/blog/2217374 一、概述 这是一个Java操作文件的常用库，是Apache对java的IO包的封装，这里面有两个非常核心的类FilenameUtils跟FileUtils，其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装，开发中对文件的操作，几乎都可以在这个框架里面找到。 非常的好用。
  • 各种新兴技术 不懂事的小屁孩 技术
    1:gradle Gradle 是以 Groovy 语言为基础，面向Java应用为主。基于DSL（领域特定语言）语法的自动化构建工具。 现在构建系统常用到maven工具，现在有更容易上手的gradle， 搭建java环境: http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/ 搭建android环境： http://m
  • tomcat6的https双向认证 酷的飞上天空 tomcat6
    1.生成服务器端证书 keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
  • 托管虚拟桌面市场势不可挡 蓝儿唯美
    用户还需要冗余的数据中心，dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台，提供服务或者MSP也可以自己来控制。 在某些情况下，MSP会在dinCloud的云服务上进行服务分层，如监控和补丁管理。 MSP的利润空间将根据其参与的程度而有所不同，Din说。 “我们有一些合作伙伴负责将我们推荐给客户作为个
  • spring学习——xml文件的配置 a-john spring
    在Spring的学习中，对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中，采用XML配置也是最常见的。以下是一个简单的XML配置文件： <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.or
  • HDU 4342 History repeat itself 模拟 aijuans 模拟
    来源：http://acm.hdu.edu.cn/showproblem.php?pid=4342 题意：首先让求第几个非平方数，然后求从1到该数之间的每个sqrt(i)的下取整的和。 思路：一个简单的模拟题目，但是由于数据范围大，需要用__int64。我们可以首先把平方数筛选出来，假如让求第n个非平方数的话，看n前面有多少个平方数，假设有x个，则第n个非平方数就是n+x。注意两种特殊情况，即
  • java中最常用jar包的用途 asia007 java
    java中最常用jar包的用途 jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口，提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法，以及接收和处理SOAP错误的方法.  w
  • ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法 百合不是茶 jsjson编码返回异常
    一:ajax获取自定义Struts框架中的json编码  出现以下 问题:       1,强制flush输出  json编码打印在首页 2, 不强制flush js会解析json 打印出来的是错误的jsp页面   却没有跳转到错误页面 3,  ajax中的dataType的json 改为text 会
  • JUnit使用的设计模式 bijian1013 java设计模式JUnit
    JUnit源代码涉及使用了大量设计模式 1、模板方法模式（Template Method）         定义一个操作中的算法骨架，而将一些步骤延伸到子类中去，使得子类可以不改变一个算法的结构，即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构，也就是步骤，而步骤的实现可以在子类中完成。   
  • Linux常用命令（摘录） sunjing crondchkconfig
    chkconfig --list   查看linux所有服务 chkconfig --add servicename 添加linux服务 netstat -apn | grep 8080  查看端口占用 env 查看所有环境变量 echo $JAVA_HOME 查看JAVA_HOME环境变量   安装编译器 yum install -y gcc
  • 【Hadoop一】Hadoop伪集群环境搭建 bit1129 hadoop
     结合网上多份文档，不断反复的修正hadoop启动和运行过程中出现的问题，终于把Hadoop2.5.2伪分布式安装起来，跑通了wordcount例子。Hadoop的安装复杂性的体现之一是，Hadoop的安装文档非常多，但是能一个文档走下来的少之又少，尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布，但是它的配置跟2.5.0，2.5.1没有分别。 &nb
  • Anychart图表系列五之事件监听 白糖_ chart
    创建图表事件监听非常简单：首先是通过addEventListener('监听类型',js监听方法)添加事件监听，然后在js监听方法中定义具体监听逻辑。 以钻取操作为例，当用户点击图表某一个point的时候弹出point的name和value，代码如下： <script> //创建AnyChart var chart = new AnyChart(); //添加钻取操作&quo
  • Web前端相关段子 braveCS web前端
    Web标准：结构、样式和行为分离   使用语义化标签 0）标签的语义：使用有良好语义的标签，能够很好地实现自我解释，方便搜索引擎理解网页结构，抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容，具有很好的可读性，从而实现对特殊终端的兼容。 1）div和span是没有语义的：只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时，才会适当添加div
  • 编程之美-24点游戏 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Arrays; import java.util.HashSet; import java.util.List; import java.util.Random; import java.util.Set; public class PointGame { /**编程之美
  • 主页面子页面传值总结 chengxuyuancsdn 总结
    1、showModalDialog returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值 主界面 var sonValue=window.showModalDialog("son.jsp"); 子界面 window.retu
  • [网络与经济]互联网+的含义 comsci 互联网+
          互联网+后面是一个人的名字 = 网络控制系统       互联网+你的名字 =  网络个人数据库       每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
  • oracle 创建视图 with check option daizj 视图vieworalce
    我们来看下面的例子： create or replace view testview as select empno,ename from emp where ename like ‘M%’ with check option; 这里我们创建了一个视图，并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果： select * from testv
  • ToastPlugin插件在cordova3.3下使用 dibov Cordova
        自己开发的Todos应用，想实现“ 再按一次返回键退出程序 ”的功能，采用网上的ToastPlugins插件，发现代码或文章基本都是老版本，运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。       ToastPlugin.java package&nbs
  • C语言22个系统函数 dcj3sjt126com cfunction
    C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分（尾数）x和 以2位的指数部分n，即num=x*2n，指数n存放在exp指向的变量中，返回x。D
  • 开发一个类的流程 dcj3sjt126com 开发
    本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件，并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库，供以后复用。   以下是开发流程： 1. 明确类的功能，抽象出类的大概结构 2. 初步设想类的接口 3. 类名设计（驼峰式命名） 4. 属性设置(权限设置) 判断某些变量是否有必要作为成员属
  • java 并发 shuizhaosi888 java 并发
    能够写出高伸缩性的并发是一门艺术   在JAVA SE5中新增了3个包 java.util.concurrent java.util.concurrent.atomic java.util.concurrent.locks 在java的内存模型中，类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享，局部变量与方法参数都是线程私有的，不会被共享。
  • Spring Security（11）——匿名认证 234390216 Spring SecurityROLE_ANNOYMOUS匿名
    匿名认证 目录 1.1     配置 1.2     AuthenticationTrustResolver          对于匿名访问的用户，Spring Security支持为其建立一个匿名的AnonymousAuthenticat
  • NODEJS项目实践0.2[ express,ajax通信...] 逐行分析JS源代码 Ajaxnodejsexpress
      一、前言         通过上节学习，我们已经        ubuntu系统搭建了一个可以访问的nodejs系统，并做了nginx转发。本节原要做web端服务 及 mongodb的存取，但写着写着，web端就
  • 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值 lhbthanks javahtmlstrutscheckbox
    第一种方法：获取结果String类型 在 Action 中获得的是一个 String 型数据，每一个被选中的 checkbox 的 value 被拼接在一起，每个值之间以逗号隔开(,)。 所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。 以下是实现的代码： 前台 HTML 代码：
  • 003.Kafka基本概念 nweiren hadoopkafka
    Kafka基本概念：Topic、Partition、Message、Producer、Broker、Consumer。 Topic：             消息源（Message）的分类。 Partition：             Topic物理上的分组，一
  • Linux环境下安装JDK roadrunners jdklinux
    1、准备工作 创建JDK的安装目录： mkdir -p /usr/java/   下载JDK，找到适合自己系统的JDK版本进行下载： http://www.oracle.com/technetwork/java/javase/downloads/index.html   把JDK安装包下载到/usr/java/目录，然后进行解压： tar -zxvf jre-7
  • Linux忘记root密码的解决思路 tomcat_oracle linux
    1：使用同版本的linux启动系统，chroot到忘记密码的根分区passwd改密码 　　2：grub启动菜单中加入init=/bin/bash进入系统，不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 　　3: grub启动菜单中加入 single以单用户进入系统. 　　4:用以上方法mount到根分区把/etc/passwd中的root密码去除 　　例如: 　　ro
  • 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现 xueyou jsonpjquery框架UIhtml5
    postMessage 是 HTML5 新方法，它可以实现跨域窗口之间通讯。到目前为止，只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持，而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样，前者是前端擅长跨域文档数据即时通讯，后者擅长针对跨域服务端数据通讯，p
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他