Veropatrinica
Veropatrinica

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）

深度学习框架

我们在使用CNN的时候往往会采用深度学习框架来减小我们的工作量，以下是现在常用的一些深度学习框架

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第1张图片

深度学习框架有以下意义

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第2张图片

下面让我们来看看如果我们用numpy从头构建一个计算图是怎么样的，我们可以看出它有以下两个问题：不能在GPU上运行以及梯度需要我们手动计算

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第3张图片

我们采用深度学习的框架可以很好的解决以上问题：让程序在GPU上运行仅仅需要一行代码，以及程序可以自动为我们计算梯度

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第4张图片

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第5张图片

TensorFlow

下面让我们来看一下tf的具体细节。我们看下图的程序，在tf.session()之前的代码是定义计算图，在这部分不进行任何的实际计算，在tf.session()之后的代码是给计算图赋予输入，让它运行起来并计算梯度。我们可以看出来在计算图的定义过程中首先为每个变量定义了一个placeholders，之后定义了计算图的结构以及代价函数。在计算的过程中，我们创建了很多numpy array来填充placeholders，之后运行计算图

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第6张图片

为了更新权重，我们还需要增加几行代码。但是这种方法有个问题，就是计算图是在GPU上运行的，而我们的更新权重是在CPU上运行的，因此每次我们都需要将权重从CPU搬到GPU中，大大降低了程序运行的速度

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第7张图片

为了解决这个问题我们可以将权重定义为variale来使得权重能够在计算图中保持一致。由于权重变为了存在于计算图中，因此我们每次我们需要把更新权重的代码放到前面的计算图定义中

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第8张图片

但是我们如果采用如上代码会发现代价函数值在运行的时候完全没有降低，原因是我们虽然定义了更新权重的代码，但是在运行的时候完全没有运行它。解决方案就是我们加一行完全没作用的代码将更新权重的代码包含进来，然后在输出的时候输出这个值，这样在运行的时候我们就会运行权重更新的代码

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第9张图片

另外在tf中我们有很多高阶API让我们无需手动实现loss、权重更新、卷积层定义以及初始化的过程，这种方法往往更简单，也拥有更好的效果。

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第10张图片

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第11张图片

另外我们还有Keras这种高阶封装器将以上过程封装起来进一步简化上述过程

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第12张图片

除了Keras还有一些其他的封装器供我们使用

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第13张图片

另外TensorFlow还有一些预训练模型、可视化工具供我们使用

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第14张图片

PyTorch

除了TensorFlow，还有一种常用的框架是PyTorch。我们可以将PyTorch中一些常用概念与TF中的概念进行类比

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第15张图片

PyTorch的Tensors与numpy array类似，以下是用Tensors构建的神经网络，我们可以看出来这种网络也是需要我们手动计算梯度

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第16张图片

再往下引入计算图概念以后，我们将变量封装在Variable中，然后就可以用autograd来自动计算梯度了，Tensors 和Variables拥有相同的API。我们在声明Variable的时候就要说明是否需要计算它的梯度

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第17张图片

另外我们还可以定义自己的autograd函数来计算梯度

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第18张图片

与TF中高阶封装器类似，PyTorch中也有nn来简化我们的工作

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第19张图片4

除此以外PyTorch中也有optimizer来简化权重更新

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第20张图片

除了使用自带的model，我们还可以自己定义model，我们在定义model的时候不需要定义backward，因为autograd可以自动处理求梯度的过程

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第21张图片

PyTorch中dataloaders来供我们导入数据。我们从dataloaders中得到的数据是Tensors格式的，若要用到神经网络中我们应将其变为Variable

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第22张图片

另外PyTorch中也提供预训练模型、可视化工具等

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第23张图片

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第24张图片

我们可以将TensorFlow和PyTorch进行如下对比

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第25张图片

静态图vs动态图

TensorFlow和PyTorch的另外一个区别就是TensorFlow采用的是静态图而PyTorch采用的是动态图

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第26张图片

静态图的好处是我们预先定义计算图以后，框架能对其结构进行优化

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第27张图片

另外，我们在构建完计算图以后我们可以对其进行序列化，使其可以独立于代码运行

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第28张图片

而动态图的优点是其非常好实现条件判断、循环等操作。这些操作在静态图中需要转换成专门的TF控制流操作符才能实现

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第29张图片
 

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第30张图片

现在TensorFlow也提出了自己的动态图实现方法，但是还是没PyTorch效果好

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第31张图片

以下是动态图的一些应用场景

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第32张图片

Caffe

Caffe在科研的时候用的相对较少，它让你基本不需要写代码就能实现一个神经网络，但相对的它让你很难对网络细节进行更改

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第33张图片

以下是使用Caffe的基本步骤

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第34张图片

第一步是转换数据格式

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第35张图片

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第36张图片

第二步是利用protext定义网络结构

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第37张图片

对于非常大的网络利用Caffe来实现就会变得非常麻烦

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第38张图片

第三步是定义Solver来定义网络中的参数

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第39张图片

第四步是训练

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第40张图片

Caffe有预训练模型与Python界面供我们使用

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第41张图片

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第42张图片

 

以下是Caffe的一些优缺点

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第43张图片

Caffe2是最新的版本，对Caffe做了很多优化

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第44张图片

我们可以看出google与facebook的思路完全不同。google希望能提出一个框架来满足所有应用场景，而facebook提出了两个框架来满足生产场景与研究场景的不同需求

CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第45张图片

以下是讲者对于选择不同神经网络框架的建议CNN笔记（CS231N）——深度学习软件（Deep Learning Software）_第46张图片

 

 

你可能感兴趣的:(CNN,神经网络框架,TensorFlow,PyTorch,Caffe,静态图vs动态图)

  • Java基础知识点总结：数据类型、方法重载重写、访问控制、静态关键字、字符串类与集合框架 我尽力学 java笔记
    Java基础知识点总结：数据类型、方法重载重写、访问控制、静态关键字、字符串类与集合框架1、数据类型1.1基本数据类型整数类型byte：1字节（8位），范围：-128~127short：2字节（16位），范围：-32768~32767int：4字节（32位），默认整数类型long：8字节（64位），声明时需加L后缀（如longnum=100L;）浮点类型float：4字节（32位），单精度，声明需
  • ASR技术与Whisper引擎 Catformon whisper
    一、ASR技术简介ASR英文全称是AutomaticSpeechRecognition，中文叫做自动语音识别，是利用机器对语音信号进行识别和理解并将其转换成相文本和命令的技术。下面2张图是网上找到的语音识别结构图和流程图。以下为ASR技术的核心技术。特征提取：通过编码将声音转变为数字信号，提取有效的声学特征。梅尔频率倒谱系数MFCC是最经典的语音特征。声学模型：声学模型通过处理编码得到的向量，将相
  • 4.1、十字线 - 趋势中的十字线 五十番 K线技术学习笔记金融
    K线技术学习笔记------基本知识------1.1、基本知识-蜡烛图的历史1.2、基本知识-蜡烛图的结构1.3、基本知识-合成蜡烛线------反转形态------2.1、反转形态-单线反转形态2.2、反转形态-双线反转形态2.3、反转形态-三线反转形态2.4、反转形态-多线反转形态------持续形态------3.1、持续形态-窗口3.2、持续形态-三法形态3.3、持续形态-分手线形态--
  • 软件工程：构建数字世界的基石 JKER97 软件工程后端前端
    目录前言一、软件工程的定义与目标二、软件工程的核心要素1.需求分析：2.设计：3.实现：4.测试：5.维护：三、软件工程面临的挑战及其应对策略1.需求变更：2.技术迭代迅速3.安全性问题四、未来趋势五，实例总结前言在这个数字化时代，软件无处不在，从手机上的各种应用到企业级的复杂系统，它们构成了现代社会运行的神经系统。而这一切的背后，是软件工程这门学科在发挥着至关重要的作用。本文将带您探索软件工程的
  • 【数据结构】排序算法---基数排序（动图演示） Crossoads C语言之数据结构初阶排序算法数据结构算法开发语言c语言
    文章目录1.定义2.算法步骤2.1MSD基数排序2.2LSD基数排序3.LSD基数排序动图演示4.性质5.算法分析6.代码实现C语言PythonJavaC++Go结语⚠本节要介绍的不是计数排序1.定义基数排序（英语：Radixsort）是一种非比较型的排序算法，最早用于解决卡片排序的问题。基数排序将待排序的元素拆分为k个关键字，逐一对各个关键字排序后完成对所有元素的排序。如果是从第1关键字到第k关
  • 【Stable Diffusion部署至GNU/Linux】安装流程 星星点点洲 stablediffusion
    以下是安装StableDiffusion的步骤，以Ubuntu22.04LTS为例子。显卡与计算架构介绍CUDA是NVIDIAGPU的专用并行计算架构技术层级说明CUDAToolkit提供GPU编译器(nvcc)、数学库(cuBLAS)等开发工具cuDNN深度神经网络加速库（需单独下载）GPU驱动包含CUDADriver（需与CUDAToolkit版本匹配）CUDA与NIDIA：硬件指令集绑定：N
  • Spring Boot2.x教程：（八）优雅地在工具类中使用@Autowired注解 欧阳方超 SpringBootSpringCloud开发遇到的小问题springboot后端java
    优雅地在工具类中使用@Autowired注解1、概述2、理解@Autowired基本用法3、静态方法与@Autowired的冲突4、优雅解决方案4.1、使用@PostConstruct4.2、使用构造器注入5、总结大家好，我是欧阳方超，可以扫描下方二维码关注我的公众号“欧阳方超”，后续内容将在公众号首发。1、概述在SpringBoot中，使用@Autowired注解来注入Bean是一个常见的做法。
  • 康冠科技嵌入式面试题及参考答案 大模型大数据攻城狮 嵌入式嵌软单片机面试嵌入式硬件RTOS面试移植驱动开发
    LCD驱动你自己做了哪些内容？在LCD驱动开发中，首先是硬件层面的理解。需要仔细研究LCD的数据手册，明确其引脚定义，包括电源引脚、数据引脚、控制引脚等。比如，对于常见的RGB接口LCD，要清楚哪几个引脚是用于传输红、绿、蓝三种颜色的数据，以及像VSYNC（垂直同步信号）、HSYNC（水平同步信号）这些控制显示同步的引脚功能。在软件层面，初始化工作是关键。要设置合适的寄存器来配置LCD的工作模式。
  • uniapp开发小程序实现-获取手机号码（二） 故里2130 包教会专栏uni-app小程序微信
    一共3篇文章，共同描述，看序号进行寻找。真机效果图1.前提获取手机号码，一定要企业账号，不是企业账号会出现下面提示所以没有企业账号的，就可以不用看了，申请企业账号去官网申请就行了，申请成功了后，我们接着看。2.代码代码参考文章获取手机号|微信开放文档<
  • Cursor 小白入门 迪小莫学AI 工具职场和发展leetcodevscode编辑器
    Cursor简介什么是Cursor？Cursor是一款基于AI的智能代码编辑器，结合了强大的代码编辑功能和AI技术，旨在通过AI驱动的智能补全、聊天功能和代理帮助开发者提高工作效率。它基于VSCode构建，拥有用户熟悉的界面和功能，同时通过深度集成的AI功能，极大提升开发过程中的生产力。核心功能1.Tab（智能代码补全）Tab是Cursor提供的智能代码补全功能，能够根据上下文智能推荐代码，帮助用
  • 【HarmonyOS实战开发】鸿蒙左右拖动切换图片效果实现 代码改变世界996 前端鸿蒙安卓harmonyos华为android鸿蒙前端
    介绍本示例使用滑动手势监听，实时调整左右两侧内容显示区域大小和效果。通过绑定gesture事件中的PanGesture平移手势，实时获取拖动距离。当拖动时，实时地调节左右两个Image组件的宽度，从而成功实现左右拖动切换图片效果的功能。效果图预览●更多鸿蒙最新技术知识点，请移步前往小编：https://gitee.com/使用说明点击中间按钮进行左右拖动切换图片。实现思路本例涉及的关键特性和实现方
  • C C++程序内存的分配_c++分配空间 2501_90326753 c语言c++java
    一、一个C/C++编译的程序占用内存分为以下几个部分：栈区（stack）：由编译器自动分配与释放，存放为运行时函数分配的局部变量、函数参数、返回数据、返回地址等。其操作类似于数据结构中的栈。堆区（heap）：一般由程序员自动分配，如果程序员没有释放，程序结束时可能有OS回收。其分配类似于链表。全局区（静态区static）：存放全局变量、静态数据、常量。程序结束后由系统释放。全局区分为已初始化全局区
  • AWS Fargate 部署流程图及说明 ivwdcwso 运维aws流程图云计算ECSFargate无服务
    背景在云原生应用开发和部署过程中，容器化部署已成为主流选择。AWSFargate作为一种无服务器计算引擎，让开发团队能够专注于应用程序开发，而无需管理底层基础设施。然而，要实现Fargate服务的自动化部署，需要协调多个AWS服务和组件，包括ECR、ALB、Route53等。为了使部署流程更加清晰和规范，本文提供了一个完整的部署流程图及详细说明。完整部署流程图
  • Linux（WSL/Ubuntu）vscode配置C++调试环境与相关问题 力行128 linuxubuntuvscodec++
    步骤：先cmake编译得到可执行的二进制文件，将生成的二进制文件添加到launch.json的"program":处。可用的json文件如下，根据自己程序更改：tasks.json（编译器构建设置）launch.json（调试器设置）c_cpp_properties.json（编译器路径和IntelliSense设置）1.launch.json注：需要将可执行文件填到launch的program处
  • spiking neural network概念学习 Zaгathustra 科研工作深度学习神经网络机器学习
    我们认为，SNNs最大的优势在于其能够充分利用基于时空事件的信息。今天，我们有相当成熟的神经形态传感器，来记录环境实时的动态改变。这些动态感官数据可以与SNNs的时间处理能力相结合，以实现超低能耗的计算。在此类传感器中使用SNNs主要受限于缺乏适当的训练算法，从而可以有效地利用尖峰神经元的时间信息。实际上就精度而言，在大多数学习任务中SNNs的效果仍落后于第二代的深度学习。很明显，尖峰神经元可以实
  • Visual Studio Code支持WSL，直接修改linux/ubuntu中的文件 柳鲲鹏 dockervscodeide编辑器
    步骤1开始通过WSL使用VSCode|MicrosoftLearn点击远程开发扩展包。步骤2RemoteDevelopment-VisualStudioMarketplace点击install，允许打开VisualStudioCode。步骤3共有4项，一齐安装。步骤4在WSLLinux(Ubuntu)中：sudoapt-getinstallwgetca-certificates打开步骤1准备工作完
  • VS中 一个解决方案中添加多个项目（文件夹）【c#】 山水CAD筑梦人 C#学习笔记c#
    1.先打开一个项目。2.然后鼠标右键“解决方案”——>添加——>现有项目。找到自己要添加的现有项目，在现有项目中找到下面的文件，选择打开。便能将整个项目添加进来。
  • 深度学习（1)-简单神经网络示例 yyc_audio 深度学习人工智能
    我们来看一个神经网络的具体实例：使用Python的Keras库来学习手写数字分类。在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集，图2-1给出了MNIST数据集的一些样本。在机器学习中，分类问题中的某个类别叫作类（class），数据点叫作样本（sample），与某个样本对应的类叫作标签（label）。你不需要现
  • Java 核心与应用：Java 输入输出流概述 星核日记 《Java核心与应用》java开发语言
    目录Java核心与应用：Java输入输出流概述主题：Java核心与应用：引言学习目标1.Java输入输出流基础1.1输入输出流的概念1.1.1流的分类1.1.2常用输入输出流接口1.2输入输出流的接口继承图1.3常用输入输出流接口的方法1.3.1`InputStream`常用方法1.3.2`OutputStream`常用方法1.4装饰器模式在IO体系中的应用1.4.1装饰器模式示例1.4.2装饰器
  • Python使用matplotlib可视化相关性分析热力图图heatmap、使用seaborn中的heatmap函数可视化相关性热力图（Correllogram） Data+Science+Insight 数据科学从0到1python机器学习数据挖掘数据分析人工智能
    Python使用matplotlib可视化相关性分析热力图图heatmap、使用seaborn中的heatmap函数可视化相关性热力图（Correllogram）目录Python使用matplotlib可视化相关性分析热力图图heatmap、使用seaborn中的heatmap函数可视化相关性热力图（Correllogram）#导入需要的包和库、matplotlib和seaborn可视化图像的全局
  • 岛屿数量（leetcode200） 友人yq 搜索算法数据结构
    题目给你一个由'1'（陆地）和'0'（水）组成的的二维网格，请你计算网格中岛屿的数量。岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。此外，你可以假设该网格的四条边均被水包围。思考采用bfs。过程为：在遍历整个图的时候，在遍历到1时，进行广度搜索遍历，搜索遍历所遇到的1全改为0；当这次广度遍历不再遍历到1时，则本次广度遍历结束，岛屿数量加一。遍历完整个图，只需要知道
  • VS中C/C++的编译流程（非常详细） 清泓y c++qtwindows
    文章目录前言一、.CPP文件和.OBJ文件1..CPP文件2..obj文件二、编译过程三、链接过程四、C/C++中提供的一些特性简要说明编译流程前言编译过程就是将源文件中的源代码翻译成机器语言，保存到目标文件中。如果编译通过，就会把CPP文件转换成OBJ文件一、.CPP文件和.OBJ文件1..CPP文件每个cpp就是一个编译单元，每个编译单元相互之间是独立且相互不知的。一个编译单元是指一个.CPP
  • 根据deepseek模型微调训练自动驾驶模型及数据集的思路 ywfwyht 自动驾驶深度学习人工智能自动驾驶人工智能机器学习
    以下是使用DeepSeek模型微调训练自动驾驶模型的详细步骤和代码示例。本流程假设你已有自动驾驶领域的数据集（如驾驶指令、传感器数据等），并基于PyTorch框架实现。Step1:环境准备#安装依赖库pipinstalltorchtransformersdatasetsnumpypandasStep2:数据准备假设数据集格式为JSON，包含输入文本（传感器/场景描述）和输出控制指令：//data/
  • 8 ＞ 查找 irisart 算法c语言
    基本概念查找表：用于查找的数据集合称为查找表，由同类元素组成。静态查找表：只需要进行查找操作。动态查找表：还可以进行增删操作。唯一表示数据元素的数据项。算法好坏评价：查找长度：在查找运算中需要对比关键字多少次。反映了查找操作时间的复杂度。平均查找长度：所有查找过程中进行关键字比较的平均值。（通常考虑查找成功和失败）ASL=∑i=1nPiCi(P：查找i号元素的概率，C：查找i号元素的查找长度)AS
  • 人工智能的本质解构：从二进制桎梏到造物主悖论 Somnolence.·.·.·. 人工智能人工智能ai
    一、数学牢笼中的困兽：人工智能的0-1本质人工智能的底层逻辑是数学暴力的具象化演绎。晶体管开关的物理震荡被抽象为布尔代数的0-1序列，冯·诺依曼架构将思维简化为存储器与运算器的机械对话。即使深度神经网络看似模拟人脑突触，其本质仍是矩阵乘法的迭代游戏——波士顿动力机器人的空翻动作不过是微分方程求解的物理引擎呈现，AlphaGo的围棋神话只是蒙特卡洛树搜索的概率统计。这种基于有限离散数学的架构，注定人
  • AI —— 文字生成图片的逻辑 鱼不知海 AI写作AI作画
    事情的起因是我在做一个自用软件时，需要测试文字生成图像的功能。于是就对现在能使用的ai大模型去做了一些尝试。输入几组我的描述性文字其中的一张图片令我大为震撼。（师妹师兄温酒毛驴）问题大家应该可以发现，一位图像人物的下半身时有问题的。同时从人的逻辑上，这种图缺少内核逻辑。在NLP的成熟度如此高的情况下，对描述性文字进行逻辑上的重构并不是太麻烦的事情。豆包扩充文字（在一个宁静的日子里，师兄与师妹并辔而
  • 【VSCode】一键清理旧版本插件脚本（Mac或者Windows都可） 一荤配一素 linuxshellMacvscodemacoswindows
    文章目录清理VSCode旧版本插件为什么会有旧版本插件Mac环境脚本源码原理解释实例解释Windows环境清理VSCode旧版本插件为什么会有旧版本插件vscode插件经常需要更新的，有时候更新之后旧版本的插件还是会留存在插件文件夹中（更新插件之后vscode并不会删除旧版本插件），路径一般是.vsode/extensions，如果插件很多，也经常更新就会出现很多旧版本的插件不断留存在插件文件夹中
  • 文本生成型人工智能：逻辑算法与文字组合的重构艺术 Somnolence.·.·.·. 人工智能人工智能算法重构人机交互aichatgpt
    引言在数字化浪潮的推动下，文本生成型人工智能（如GPT系列、Claude、Deepseek等）正逐步从技术工具演化为人类社会的"数字镜像"。其本质并非简单的文字堆砌，而是基于算法逻辑对海量语言数据的学习与重组。这一过程既模仿了人类的思维模式，又受制于技术基础设施的物理边界。以下从三个维度解析其运行逻辑与技术哲学。一、数据训练：从概率统计到仿生逻辑的跨越文本生成型AI的核心在于通过神经网络模型对语言
  • 高可用（HA）架构 weixin_34344403 运维系统架构java
    http://aokunsang.iteye.com/blog/2053719浅谈web应用的负载均衡、集群、高可用(HA)解决方案http://zhuanlan.51cto.com/art/201612/524201.htm互联网架构“高可用”http://www.blogjava.net/ivanwan/archive/2013/12/25/408014.htmlLVS/Nginx/HAPro
  • 计算机编程中的抽象语法树（AST）在代码分析和转换中的应用与优化 借口 热点资讯
    博客主页：借口的CSDN主页⏩文章专栏：《热点资讯》计算机编程中的抽象语法树（AST）在代码分析和转换中的应用与优化计算机编程中的抽象语法树（AST）在代码分析和转换中的应用与优化计算机编程中的抽象语法树（AST）在代码分析和转换中的应用与优化引言抽象语法树概述定义历史背景核心特性简化复杂度提供统一接口支持多种操作应用场景编译器前端静态代码分析自动化测试框架源码美化工具成功案例分析ESLintRo
  • 矩阵求逆（JAVA）初等行变换 qiuwanchi 矩阵求逆（JAVA）
    package gaodai.matrix; import gaodai.determinant.DeterminantCalculation; import java.util.ArrayList; import java.util.List; import java.util.Scanner; /** * 矩阵求逆(初等行变换) * @author 邱万迟 *
  • JDK timer antlove javajdkschedulecodetimer
    1.java.util.Timer.schedule(TimerTask task, long delay)：多长时间（毫秒）后执行任务 2.java.util.Timer.schedule(TimerTask task, Date time)：设定某个时间执行任务 3.java.util.Timer.schedule(TimerTask task, long delay,longperiod
  • JVM调优总结 -Xms -Xmx -Xmn -Xss coder_xpf jvm应用服务器
    堆大小设置JVM 中最大堆大小有三方面限制：相关操作系统的数据模型（32-bt还是64-bit）限制；系统的可用虚拟内存限制；系统的可用物理内存限制。32位系统下，一般限制在1.5G~2G；64为操作系统对内存无限制。我在Windows Server 2003 系统，3.5G物理内存，JDK5.0下测试，最大可设置为1478m。 典型设置： java -Xmx
  • JDBC连接数据库 Array_06 jdbc
    package Util; import java.sql.Connection; import java.sql.DriverManager; import java.sql.ResultSet; import java.sql.SQLException; import java.sql.Statement; public class JDBCUtil { //完
  • Unsupported major.minor version 51.0（jdk版本错误） oloz java
    java.lang.UnsupportedClassVersionError: cn/support/cache/CacheType : Unsupported major.minor version 51.0 (unable to load class cn.support.cache.CacheType) at org.apache.catalina.loader.WebappClassL
  • 用多个线程处理1个List集合 362217990 多线程threadlist集合
      昨天发了一个提问，启动5个线程将一个List中的内容，然后将5个线程的内容拼接起来，由于时间比较急迫，自己就写了一个Demo，希望对菜鸟有参考意义。。 import java.util.ArrayList; import java.util.List; import java.util.concurrent.CountDownLatch; public c
  • JSP简单访问数据库 香水浓 sqlmysqljsp
    学习使用javaBean，代码很烂，仅为留个脚印 public class DBHelper { private String driverName; private String url; private String user; private String password; private Connection connection; privat
  • Flex4中使用组件添加柱状图、饼状图等图表 AdyZhang Flex
    1.添加一个最简单的柱状图 ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 <?xml version= "1.0"&n
  • Android 5.0 - ProgressBar 进度条无法展示到按钮的前面 aijuans android
    在低于SDK < 21 的版本中，ProgressBar 可以展示到按钮前面，并且为之在按钮的中间，但是切换到android 5.0后进度条ProgressBar 展示顺序变化了，按钮再前面，ProgressBar 在后面了我的xml配置文件如下：   [html]  view plain copy   <RelativeLa
  • 查询汇总的sql baalwolf sql
    select   list.listname, list.createtime,listcount from dream_list as list ,   (select listid,count(listid) as listcount  from dream_list_user  group by listid  order by count(
  • Linux du命令和df命令区别 BigBird2012 linux
            1，两者区别             du，disk usage,是通过搜索文件来计算每个文件的大小然后累加，du能看到的文件只是一些当前存在的，没有被删除的。他计算的大小就是当前他认为存在的所有文件大小的累加和。        
  • AngularJS中的$apply，用还是不用？ bijian1013 JavaScriptAngularJS$apply
            在AngularJS开发中，何时应该调用$scope.$apply()，何时不应该调用。下面我们透彻地解释这个问题。         但是首先，让我们把$apply转换成一种简化的形式。         scope.$apply就像一个懒惰的工人。它需要按照命
  • [Zookeeper学习笔记十]Zookeeper源代码分析之ClientCnxn数据序列化和反序列化 bit1129 zookeeper
    ClientCnxn是Zookeeper客户端和Zookeeper服务器端进行通信和事件通知处理的主要类，它内部包含两个类，1. SendThread 2. EventThread， SendThread负责客户端和服务器端的数据通信，也包括事件信息的传输，EventThread主要在客户端回调注册的Watchers进行通知处理   ClientCnxn构造方法   &
  • 【Java命令一】jmap bit1129 Java命令
    jmap命令的用法：   [hadoop@hadoop sbin]$ jmap Usage: jmap [option] <pid> (to connect to running process) jmap [option] <executable <core> (to connect to a
  • Apache 服务器安全防护及实战 ronin47
    此文转自IBM. Apache 服务简介 Web 服务器也称为 WWW 服务器或 HTTP 服务器 (HTTP Server)，它是 Internet 上最常见也是使用最频繁的服务器之一，Web 服务器能够为用户提供网页浏览、论坛访问等等服务。 由于用户在通过 Web 浏览器访问信息资源的过程中，无须再关心一些技术性的细节，而且界面非常友好，因而 Web 在 Internet 上一推出就得到
  • unity 3d实例化位置出现布置？ brotherlamp unity教程unityunity资料unity视频unity自学
    问：unity 3d实例化位置出现布置？ 答：实例化的同时就可以指定被实例化的物体的位置,即 position  Instantiate (original : Object, position : Vector3, rotation : Quaternion) : Object 这样你不需要再用Transform.Position了,   如果你省略了第二个参数(
  • 《重构，改善现有代码的设计》第八章 Duplicate Observed Data bylijinnan java重构
    import java.awt.Color; import java.awt.Container; import java.awt.FlowLayout; import java.awt.Label; import java.awt.TextField; import java.awt.event.FocusAdapter; import java.awt.event.FocusE
  • struts2更改struts.xml配置目录 chiangfai struts.xml
    struts2默认是读取classes目录下的配置文件，要更改配置文件目录，比如放在WEB-INF下，路径应该写成../struts.xml(非/WEB-INF/struts.xml) web.xml文件修改如下：   <filter> <filter-name>struts2</filter-name> <filter-class&g
  • redis做缓存时的一点优化 chenchao051 redishadooppipeline
            最近集群上有个job，其中需要短时间内频繁访问缓存，大概7亿多次。我这边的缓存是使用redis来做的，问题就来了。       首先，redis中存的是普通kv，没有考虑使用hash等解结构，那么以为着这个job需要访问7亿多次redis，导致效率低，且出现很多redi
  • mysql导出数据不输出标题行 daizj mysql数据导出去掉第一行去掉标题
    当想使用数据库中的某些数据，想将其导入到文件中，而想去掉第一行的标题是可以加上-N参数 如通过下面命令导出数据： mysql -uuserName -ppasswd -hhost -Pport -Ddatabase -e " select * from tableName"  > exportResult.txt 结果为： studentid
  • phpexcel导出excel表简单入门示例 dcj3sjt126com PHPExcelphpexcel
    先下载PHPEXCEL类文件，放在class目录下面，然后新建一个index.php文件，内容如下 <?php error_reporting(E_ALL); ini_set('display_errors', TRUE); ini_set('display_startup_errors', TRUE);   if (PHP_SAPI == 'cli') die('
  • 爱情格言 dcj3sjt126com 格言
     1) I love you not because of who you are, but because of who I am when I am with you. 　　 我爱你，不是因为你是一个怎样的人，而是因为我喜欢与你在一起时的感觉。 　　2) No man or woman is worth your tears, and the one who is, won‘t
  • 转 Activity 详解——Activity文档翻译 e200702084 androidUIsqlite配置管理网络应用
    activity 展现在用户面前的经常是全屏窗口，你也可以将 activity 作为浮动窗口来使用（使用设置了 windowIsFloating 的主题），或者嵌入到其他的 activity （使用 ActivityGroup ）中。 当用户离开 activity 时你可以在 onPause() 进行相应的操作 。更重要的是，用户做的任何改变都应该在该点上提交 ( 经常提交到 ContentPro
  • win7安装MongoDB服务 geeksun mongodb
    1.  下载MongoDB的windows版本：mongodb-win32-x86_64-2008plus-ssl-3.0.4.zip，Linux版本也在这里下载，下载地址： http://www.mongodb.org/downloads   2.  解压MongoDB在D:\server\mongodb, 在D:\server\mongodb下创建d
  • Javascript魔法方法:__defineGetter__,__defineSetter__ hongtoushizi js
    转载自： http://www.blackglory.me/javascript-magic-method-definegetter-definesetter/ 在javascript的类中,可以用defineGetter和defineSetter_控制成员变量的Get和Set行为 例如,在一个图书类中,我们自动为Book加上书名符号: function Book(name){
  • 错误的日期格式可能导致走nginx proxy cache时不能进行304响应 jinnianshilongnian cache
    昨天在整合某些系统的nginx配置时，出现了当使用nginx cache时无法返回304响应的情况，出问题的响应头： Content-Type:text/html; charset=gb2312 Date:Mon, 05 Jan 2015 01:58:05 GMT Expires:Mon , 05 Jan 15 02:03:00 GMT Last-Modified:Mon, 05
  • 数据源架构模式之行数据入口 home198979 PHP架构行数据入口
    注：看不懂的请勿踩，此文章非针对java，java爱好者可直接略过。   一、概念 行数据入口（Row Data Gateway）：充当数据源中单条记录入口的对象，每行一个实例。   二、简单实现行数据入口 为了方便理解，还是先简单实现： <?php /** * 行数据入口类 */ class OrderGateway { /*定义元数
  • Linux各个目录的作用及内容 pda158 linux脚本
    1）根目录“/” 　　根目录位于目录结构的最顶层，用斜线（/）表示，类似于 Windows 操作系统的“C:\“，包含Fedora操作系统中所有的目录和文件。 　　2）/bin 　　/bin 　　目录又称为二进制目录，包含了那些供系统管理员和普通用户使用的重要 linux命令的二进制映像。该目录存放的内容包括各种可执行文件，还有某些可执行文件的符号连接。常用的命令有：cp、d
  • ubuntu12.04上编译openjdk7 ol_beta HotSpotjvmjdkOpenJDK
    获取源码 从openjdk代码仓库获取(比较慢) 安装mercurial Mercurial是一个版本管理工具。 sudo apt-get install mercurial 将以下内容添加到$HOME/.hgrc文件中，如果没有则自己创建一个： [extensions] forest=/home/lichengwu/hgforest-crew/forest.py fe
  • 将数据库字段转换成设计文档所需的字段 vipbooks 设计模式工作正则表达式
            哈哈，出差这么久终于回来了，回家的感觉真好！         PowerDesigner的物理数据库一出来，设计文档中要改的字段就多得不计其数，如果要把PowerDesigner中的字段一个个Copy到设计文档中，那将会是一件非常痛苦的事情。
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他