- [深度学习论文笔记]Hybrid Window Attention Based Transformer Architecture for Brain Tumor Segmentation
SerendipityQYK
深度学习之医学图像分割论文深度学习transformer医学图像处理肿瘤分割人工智能
HybridWindowAttentionBasedTransformerArchitectureforBrainTumorSegmentation基于混合窗口注意力的Transformer结构脑肿瘤分割Author:HimashiPeiris,MunawarHayat,ZhaolinChen,GaryEgan,MehrtashHarandiUnit:MonashUniversitySubmitt
- [深度学习论文笔记] TransBTS: Multimodal Brain Tumor Segmentation Using Transformer 基于Transformer的多模态脑肿瘤分割
Slientsake
深度学习之医学图像分割论文深度学习pytorchpython
TransBTS:MultimodalBrainTumorSegmentationUsingTransformer基于Transformer的多模态脑肿瘤分割论文:https://arxiv.org/pdf/2103.04430代码:https://github.com/Wenxuan-1119/TransBTS发表时间:Mar2021[MICCAI2021]一、基本介绍1.1胶质瘤胶质瘤是最常见
- 深度学习论文笔记
weixin_30730053
人工智能数据库python
1.语音情感识别、人工神经网络,深度学习神经网络发展历程介绍2.语音情感识别的基本理论3.人工神经网络4.深度学习神经网络基本理论1.语音情感识别、人工神经网络,深度学习神经网络发展历程介绍深度学习常用模型:自编码器、限制玻尔兹曼机、卷积神经网络应用:图像识别、语音设别、广告推荐系统情感分类:anger,joy,sadness,surprise,disgust,fear,netural情感表现:语
- [深度学习论文笔记][arxiv 1711]Learning to Segment Every Thing
KFXW
深度学习论文笔记深度学习
[arxiv1711]LearningtoSegmentEveryThingRonghangHu,PiotrDollar,KaimingHe,TrevorDarrellandRossGirshickfromBAIR&FAIRpaperlinkMotivation这是一篇在实例分割问题(instancesegmentation)中研究扩展分割物体类别数量的论文。目前instanccesegmenta
- [深度学习论文笔记][ICCV 17]Semi Supervised Semantic Segmentation Using Generative Adversarial Net
KFXW
深度学习论文笔记深度学习图像分割
[ICCV17]SemiSupervisedSemanticSegmentationUsingGenerativeAdversarialNetworkNasimSouly,ConcettoSpampinatoandMubarakShahfromUniversityofCentralFloridaandUniversityofCataniapaperlinkMotivation第一篇将GAN应用在分
- Deep Few-Shot Learning for Hyperspectral Image Classification(2019)——深度学习论文笔记(四)
immortal12
DL论文笔记3-DCNNsfew-shotlearningHSI分类residuallearning
DeepFew-ShotLearningforHyperspectralImageClassification(2019)文章目录DeepFew-ShotLearningforHyperspectralImageClassification(2019)Abstract1.INTRODUCTION2.PROPOSEDMETHOD**A.DeepFew-ShotLearningandTrainingS
- [深度学习论文笔记]Cross-Modality Deep Feature Learning for Brain Tumor Segmentation
Slientsake
深度学习之医学图像分割论文深度学习计算机视觉人工智能肿瘤分割
Cross-ModalityDeepFeatureLearningforBrainTumorSegmentation跨通道深度特征学习在脑肿瘤分割中的应用Published:PatternRecognition2021论文:https://arxiv.org/abs/2201.02356代码: 机器学习和数字医学图像的流行,为利用深度卷积神经网络解决具有挑战性的脑肿瘤分割(BTS)任务提供了机会
- [深度学习论文笔记]Efficient embedding network for 3D brain tumor Segmentation
Slientsake
深度学习之医学图像分割论文深度学习人工智能pytorch
Efficientembeddingnetworkfor3DbraintumorSegmentation一种高效的脑肿瘤三维分割嵌入网络英国皇家医科大学Nov2020MultimodalBrainTumorSegmentationChallenge2020(BRATS)BrainLes2020论文:https://arxiv.org/abs/2107.09842摘要: 基于深度学习的三维医学图像
- [深度学习论文笔记]Brain tumor segmentation with self-ensembled,deeply-supervised 3D U-net neural networks
Slientsake
深度学习之医学图像分割论文深度学习pythonpytorch
Braintumorsegmentationwithself-ensembled,deeply-supervised3DU-netneuralnetworks:aBraTS2020challengesolution.使用自集成、深度监督的3DU-net神经网络的脑肿瘤分割:BraTS2020挑战解决方案论文:https://arxiv.org/abs/2011.01045代码:https://gi
- 深度学习论文笔记(注意力机制)——CBAM: Convolutional Block Attention Module
菜到怀疑人生
深度学习
文章目录主要工作methodchannelattentionmodulespatialattentionmodule如何结合spatialattentionmodule与channelattentionmodule实验主要工作提出了一种具有注意力机制的前馈卷积神经网络——ConvolutionalBlockAttentionModule(CBAM)method注意力机制是人类视觉所特有的大脑信号处
- [深度学习论文笔记]Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文多模态融合深度学习人工智能医学图像分割肿瘤分割
Modality-awareMutualLearningforMulti-modalMedicalImageSegmentation多模态医学图像分割中的模态感知互学习Published:Jul2021MICCAI2021论文:https://arxiv.org/abs/2107.09842代码:https://github.com/YaoZhang93/MAML摘要: 肝癌是全世界最常见的癌症
- [深度学习论文笔记]Multi-phase Liver Tumor Segmentation with Spatial Aggregation
Slientsake
深度学习之医学图像分割论文多模态融合计算机视觉深度学习人工智能
Multi-phaseLiverTumorSegmentationwithSpatialAggregationandUncertainRegionInpainting[深度学习论文笔记]基于空间聚集和不确定区域修复的多期肝脏肿瘤分割Jul2021MICCAI2021论文:https://arxiv.org/abs/2108.00911代码:https://github.com/yzhang-zju
- [深度学习论文笔记]医学图像分割U型网络大合集
Slientsake
深度学习之医学图像分割论文深度学习计算机视觉Unet大家族医学图像处理
[深度学习论文笔记]医学图像分割U型网络大合集2015U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation(MICCAI)2016V-Net:FullyConvolutionalNeuralNetworksforVolumetricMedicalImageSegmentation3DU-Net:LearningDenseVolumetr
- [深度学习论文笔记]CaraNet: Context Axial Reverse Attention Network for Segmentation of Small Medical Objects
Slientsake
深度学习之医学图像分割论文深度学习计算机视觉pytorch
CaraNet:ContextAxialReverseAttentionNetworkforSegmentationofSmallMedicalObjectsCaraNet:用于分割小医疗对象的上下文轴向反向注意网络Aug2021论文:https://arxiv.org/abs/2108.07368代码:https://github.com/AngeLouCN/CaraNet摘要:准确可靠地分割医
- [深度学习论文笔记]Pairwise Learning for Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文深度学习人工智能计算机视觉
[深度学习论文笔记]PairwiseLearningforMedicalImageSegmentation医学图像分割的成对学习Published:October2020Publishedin:MedicalImageAnalysis论文:https://www.sciencedirect.com/science/article/abs/pii/S1361841520302401代码:https:
- [深度学习论文笔记]Tumor attention networks: Better feature selection, better tumor segmentation
Slientsake
深度学习之医学图像分割论文计算机视觉深度学习医学图像分割pytorch肿瘤分割
Tumorattentionnetworks:Betterfeatureselection,bettertumorsegmentation肿瘤注意网络:更好的特征选择,更好的肿瘤分割Published:March2021NeuralNetworks论文:https://www.sciencedirect.com/science/article/abs/pii/S0893608021000861代码
- [深度学习论文笔记]Rethinking the Skip Connections in U-Net from a Channel-wise Perspective with Transformer
Slientsake
深度学习之医学图像分割论文深度学习医学图像分割肿瘤分割计算机视觉
UCTransNet:RethinkingtheSkipConnectionsinU-NetfromaChannel-wisePerspectivewithTransformerUCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接Published:AAAI2022论文:https://arxiv.org/abs/2109.04335代码:https://gith
- [深度学习论文笔记DoDNet: Learning to segment multi-organ and tumors from multiple partially labeled datasets
Slientsake
深度学习之医学图像分割论文计算机视觉深度学习DoDNet肿瘤分割
DoDNet:Learningtosegmentmulti-organandtumorsfrommultiplepartiallylabeleddatasetsDoDNet:学习从多个部分标记数据集中分割多器官和肿瘤Jul2021CVPR2021论文:https://arxiv.org/abs/2011.10217代码:https://github.com/jianpengz/DoDNet摘要:
- 深度学习论文笔记(一)Deep Residual Learning for Image Recognition
澪mio
深度学习深度学习论文阅读神经网络
深度学习论文精读(一)DeepResidualLearningforImageRecognition前言ResNet1Summary总结遇到的问题?解决方案?成果?2Introduction神经网络叠的越深,则学习出的效果就一定会越好吗?深度残差学习DeepResidualLearning相关工作RelatedWork3DeepResidualLearning3.1残差学习ResidualLear
- 深度学习论文笔记(知识蒸馏)—— FitNets: Hints for Thin Deep Nets
菜到怀疑人生
深度学习深度学习r语言人工智能
文章目录主要工作知识蒸馏的一些简单介绍文中一些有意思的观念Method最近看了不少文献,一直懒得总结,现在才爬起来写总结…,不少论文的idea还是不错的主要工作让小模型模仿大模型的输出(softtarget),从而让小模型能获得大模型一样的泛化能力,这便是知识蒸馏,是模型压缩的方式之一,本文在Hinton提出knowledgedistillation方法(下文简称KD)的基础上进行扩展,利用tea
- 深度学习论文笔记(知识蒸馏)——Distilling the Knowledge in a Neural Network
菜到怀疑人生
深度学习
文章目录主要工作motivationmethod实验主要工作提出一种知识蒸馏的方法,可以压缩模型,让小模型达到与集成亦或是大型模型相似的性能提出一种新的集成学习方法,可以让模型训练速度更快,并且是并行训练本文只总结第一点motivation大型模型往往不适合线上部署,一方面是计算资源消耗大,另一方面是响应速度慢,因此Hinton便考虑是否可以将大模型的知识迁移到小模型上,这里有两个问题大型模型知识
- Generative Adverarial Networks for Hyperspectral Image Classification(2019)——深度学习论文笔记(十一)
immortal12
DL论文笔记卷积神经网络分类算法
GenerativeAdversarialNetworksforHyperspectralImageClassification(2019)文章目录GenerativeAdversarialNetworksforHyperspectralImageClassification(2019)Abstract1.INTRODUCTION2.BACKGROUND3.PROPOSEDMETHODSA.Fra
- [深度学习论文笔记] Inter-slice Context Residual Learning for 3D Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文深度学习pytorch
[深度学习论文研读]Inter-sliceContextResidualLearningfor3DMedicalImageSegmentation基于层间上下文残差学习的三维医学图像分割论文:https://arxiv.org/abs/2011.14155v1代码:https://github.com/jianpengz/ConResNet发表时间:2020IEEE-TMI一、基本介绍1.1问题动
- [深度学习论文笔记]TransBTSV2: Wider Instead of Deeper Transformer for Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文深度学习transformer人工智能肿瘤分割医学图像处理
TransBTSV2:WiderInsteadofDeeperTransformerforMedicalImageSegmentationTransBTSV2:用于医学图像分割的宽Transformer代替深TransformerPublished:Jan2022论文:https://arxiv.org/abs/2201.12785代码:https://github.com/Wenxuan-111
- [深度学习论文笔记]使用多模态MR成像分割脑肿瘤的HNF-Netv2
Slientsake
深度学习之医学图像分割论文深度学习人工智能医学图像分割肿瘤分割计算机视觉
HNF-Netv2forBrainTumorSegmentationusingmulti-modalMRImaging使用多模态MR成像分割脑肿瘤的HNF-Netv2Published:Jan2022论文:https://arxiv.org/abs/2202.05268代码:暂无摘要: 在之前的工作中,作者利用HNF-Net、高分辨率的特征表示和轻量化的非局部自注意机制,利用多模态MR成像对脑肿
- [深度学习论文笔记]UCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接
Slientsake
深度学习之医学图像分割论文深度学习计算机视觉人工智能医学图像分割
UCTransNet:RethinkingtheSkipConnectionsinU-NetfromaChannel-wisePerspectivewithTransformerUCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接Published:AAAI2022论文:https://arxiv.org/abs/2109.04335代码:https://gith
- [深度学习论文笔记]A Tri-attention Fusion Guided Multi-modal Segmentation Network
Slientsake
多模态融合深度学习之医学图像分割论文深度学习计算机视觉人工智能多模态融合
ATri-attentionFusionGuidedMulti-modalSegmentationNetwork一种三注意力融合引导的多模态分割网络Published:2Nov2021PatternRecognition2021论文:https://arxiv.org/abs/2111.01623摘要: 在多模态分割领域,可以考虑不同模态之间的相关性来提高分割结果。考虑到不同磁共振模态之间的相关
- [深度学习论文笔记]UNETR: Transformers for 3D Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文深度学习人工智能医学图像分割多器官分割脑肿瘤分割
UNETR:Transformersfor3DMedicalImageSegmentationUNETR:用于三维医学图像分割的TransformerPublished:Oct2021Publishedin:IEEEWinterConferenceonApplicationsofComputerVision(WACV)2022论文:https://arxiv.org/abs/2103.10504代
- [深度学习论文笔记]TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation
Slientsake
深度学习之医学图像分割论文深度学习pytorchpython
[深度学习论文笔记]TransUNet:TransformersMakeStrongEncodersforMedicalImageSegmentationTransUNet:用于医学图像分割的Transformers强大编码器论文:https://arxiv.org/pdf/2102.04306代码:https://github.com/Beckschen/TransUNet发表时间:Feb202
- [深度学习论文笔记(增量学习)——Incremental Classifier and Representation Learning
梦回兵工厂
DeepLearning理论知识
深度学习论文笔记(增量学习)——IncrementalClassifierandRepresentationLearning
- 怎么样才能成为专业的程序员?
cocos2d-x小菜
编程PHP
如何要想成为一名专业的程序员?仅仅会写代码是不够的。从团队合作去解决问题到版本控制,你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员,那些必备的关键技能都是什么的时候,下面是我们了解到的情况。
关于如何学习代码,各种声音很多,然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了?!呵呵,就像其他工作一样,光会一个技能那是远远不够的。如果你想要成为
- java web开发 高并发处理
BreakingBad
javaWeb并发开发处理高
java处理高并发高负载类网站中数据库的设计方法(java教程,java处理大量数据,java高负载数据) 一:高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用,数据库的响应是首先要解决的。 一般来说MySQL是最常用的,可能最初是一个mysql主机,当数据增加到100万以上,那么,MySQL的效能急剧下降。常用的优化措施是M-S(
- mysql批量更新
ekian
mysql
mysql更新优化:
一版的更新的话都是采用update set的方式,但是如果需要批量更新的话,只能for循环的执行更新。或者采用executeBatch的方式,执行更新。无论哪种方式,性能都不见得多好。
三千多条的更新,需要3分多钟。
查询了批量更新的优化,有说replace into的方式,即:
replace into tableName(id,status) values
- 微软BI(3)
18289753290
微软BI SSIS
1)
Q:该列违反了完整性约束错误;已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID',表 'JRB_EnterpriseCredit.dbo.QYFZCH';列不允许有 Null 值。INSERT 失败。”。
A:一般这类问题的存在是
- Java中的List
g21121
java
List是一个有序的 collection(也称为序列)。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引(在列表中的位置)访问元素,并搜索列表中的元素。
与 set 不同,列表通常允许重复
- 读书笔记
永夜-极光
读书笔记
1. K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?
传统决策: A:100%订单 B,C,D:0%
&nbs
- centos 安装 Codeblocks
随便小屋
codeblocks
1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++
2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2*
3. 安装wxGTK
yum search w
- 23种设计模式的形象比喻
aijuans
设计模式
1、ABSTRACT FACTORY—追MM少不了请吃饭了,麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西,虽然口味有所不同,但不管你带MM去麦当劳或肯德基,只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式:客户类和工厂类分开。消费者任何时候需要某种产品,只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时,工厂类也要做相应的修改。如:
- 开发管理 CheckLists
aoyouzi
开发管理 CheckLists
开发管理 CheckLists(23) -使项目组度过完整的生命周期
开发管理 CheckLists(22) -组织项目资源
开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
- js实现切换
百合不是茶
JavaScript栏目切换
js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路:
1,先将要显示的设置为display:bisible 否则设为none
2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示
3,判断js获取的id名字;再设置是否显示
代码实现:
html代码:
<di
- 周鸿祎在360新员工入职培训上的讲话
bijian1013
感悟项目管理人生职场
这篇文章也是最近偶尔看到的,考虑到原博客发布者可能将其删除等原因,也更方便个人查找,特将原文拷贝再发布的。“学东西是为自己的,不要整天以混的姿态来跟公司博弈,就算是混,我觉得你要是能在混的时间里,收获一些别的有利于人生发展的东西,也是不错的,看你怎么把握了”,看了之后,对这句话记忆犹新。 &
- 前端Web开发的页面效果
Bill_chen
htmlWebMicrosoft
1.IE6下png图片的透明显示:
<img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/>
或在<head></head>间加一段JS代码让透明png图片正常显示。
2.<li>标
- 【JVM五】老年代垃圾回收:并发标记清理GC(CMS GC)
bit1129
垃圾回收
CMS概述
并发标记清理垃圾回收(Concurrent Mark and Sweep GC)算法的主要目标是在GC过程中,减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能,尽可能短的暂停用户线程的时间。这对于交互式应用,比如web应用来说,是非常重要的。
CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收,它要复杂的多。吞吐量垃圾回收在执
- Struts2技术总结
白糖_
struts2
必备jar文件
早在struts2.0.*的时候,struts2的必备jar包需要如下几个:
commons-logging-*.jar Apache旗下commons项目的log日志包
freemarker-*.jar  
- Jquery easyui layout应用注意事项
bozch
jquery浏览器easyuilayout
在jquery easyui中提供了easyui-layout布局,他的布局比较局限,类似java中GUI的border布局。下面对其使用注意事项作简要介绍:
如果在现有的工程中前台界面均应用了jquery easyui,那么在布局的时候最好应用jquery eaysui的layout布局,否则在表单页面(编辑、查看、添加等等)在不同的浏览器会出
- java-拷贝特殊链表:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
bylijinnan
java
public class CopySpecialLinkedList {
/**
* 题目:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
拷贝pNext指针非常容易,所以题目的难点是如何拷贝pRand指针。
假设原来链表为A1 -> A2 ->... -> An,新拷贝
- color
Chen.H
JavaScripthtmlcss
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <HTML> <HEAD>&nbs
- [信息与战争]移动通讯与网络
comsci
网络
两个坚持:手机的电池必须可以取下来
光纤不能够入户,只能够到楼宇
建议大家找这本书看看:<&
- oracle flashback query(闪回查询)
daizj
oracleflashback queryflashback table
在Oracle 10g中,Flash back家族分为以下成员:
Flashback Database
Flashback Drop
Flashback Table
Flashback Query(分Flashback Query,Flashback Version Query,Flashback Transaction Query)
下面介绍一下Flashback Drop 和Flas
- zeus持久层DAO单元测试
deng520159
单元测试
zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去.
本文是zeus的dao单元测试:
1.单元测试直接上代码
package com.dengliang.zeus.webdemo.test;
import org.junit.Test;
import o
- C语言学习三printf函数和scanf函数学习
dcj3sjt126com
cprintfscanflanguage
printf函数
/*
2013年3月10日20:42:32
地点:北京潘家园
功能:
目的:
测试%x %X %#x %#X的用法
*/
# include <stdio.h>
int main(void)
{
printf("哈哈!\n"); // \n表示换行
int i = 10;
printf
- 那你为什么小时候不好好读书?
dcj3sjt126com
life
dady, 我今天捡到了十块钱, 不过我还给那个人了
good girl! 那个人有没有和你讲thank you啊
没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you
爸爸, 如果地上有一张5块一张10块你拿哪一张呢....
当然是拿十块的咯...
爸爸你很笨的, 你不会两张都拿
爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
- iptables开放端口
Fanyucai
linuxiptables端口
1,找到配置文件
vi /etc/sysconfig/iptables
2,添加端口开放,增加一行,开放18081端口
-A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT
3,保存
ESC
:wq!
4,重启服务
service iptables
- Ehcache(05)——缓存的查询
234390216
排序ehcache统计query
缓存的查询
目录
1. 使Cache可查询
1.1 基于Xml配置
1.2 基于代码的配置
2 指定可搜索的属性
2.1 可查询属性类型
2.2 &
- 通过hashset找到数组中重复的元素
jackyrong
hashset
如何在hashset中快速找到重复的元素呢?方法很多,下面是其中一个办法:
int[] array = {1,1,2,3,4,5,6,7,8,8};
Set<Integer> set = new HashSet<Integer>();
for(int i = 0
- 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL
lanrikey
history
后退时关闭当前页面
<script type="text/javascript">
jQuery(document).ready(function ($) {
if (window.history && window.history.pushState) {
- 应用程序的通信成本
netkiller.github.com
虚拟机应用服务器陈景峰netkillerneo
应用程序的通信成本
什么是通信
一个程序中两个以上功能相互传递信号或数据叫做通信。
什么是成本
这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。
都有哪些通信方式
全局变量
线程间通信
共享内存
共享文件
管道
Socket
硬件(串口,USB) 等等
全局变量
全局变量是成本最低通信方法,通过设置
- 一维数组与二维数组的声明与定义
恋洁e生
二维数组一维数组定义声明初始化
/** * */ package test20111005; /** * @author FlyingFire * @date:2011-11-18 上午04:33:36 * @author :代码整理 * @introduce :一维数组与二维数组的初始化 *summary: */ public c
- Spring Mybatis独立事务配置
toknowme
mybatis
在项目中有很多地方会使用到独立事务,下面以获取主键为例
(1)修改配置文件spring-mybatis.xml <!-- 开启事务支持 --> <tx:annotation-driven transaction-manager="transactionManager" /> &n
- 更新Anadroid SDK Tooks之后,Eclipse提示No update were found
xp9802
eclipse
使用Android SDK Manager 更新了Anadroid SDK Tooks 之后,
打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates
检测一会后提示 No update were found