- # AI计算模式 神经网络模型 深度神经网络 多层感知机 卷积神经网络 循环神经网络 长短期记忆网络 图像识别、语音识别、自然语言 轻量化模型和模型压缩 大模型分布式并行
EwenWanW
AGI人工智能神经网络dnn
AI计算模式AI技术发展至今,主流的模型是深度神经网络模型。近20年来,神经网络模型经过多样化的发展,模型总体变得越来越复杂和庞大,对硬件设备的计算速度、存储能力、通信速度的要求越来越高。尽管学者已经提出了许多方法优化模型结构,降低模型的参数量,但是伴随着人们对AI能力的要求越来越高,模型变得更大是不可避免的。原先单CPU可进行模型的训练与推理,如今需要使用GPU、TPU等设备,并通过分布式并行的
- AI人工智能代理工作流 AI Agent WorkFlow:在金融领域中的应用
AI天才研究院
大数据AI人工智能AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
AI人工智能代理工作流AIAgentWorkFlow:在金融领域中的应用作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:AIAgentWorkFlow,金融风险管理,自动化投资决策,数据驱动策略生成,量化交易系统1.背景介绍1.1问题的由来随着金融市场全球化和技术的飞速发展,金融机构面临着日益复杂的业务挑战。从风险管理和投资决策到客户关系管理
- 批量化TikTok账号运营的秘密,你知道多少?
2503_90401761
智能手机矩阵线性代数
在短视频流量时代,如何快速起号、批量管理账号成为许多内容创作者和品牌方关注的焦点。尤其是面对每天需要更新多个账号、回复大量私信以及与同行竞争的繁重工作,不少人开始寻找一套高效的自动化管理方案。那么,有没有一种方法能够帮助我们实现这些目标呢?1)账号矩阵的难点如何批量管理上百个账号?如何快速完成视频剪辑并批量发布?如何保证账号安全、提高起号成功率?2)实用解决方案分享使用云手机矩阵系统,批量管理上百
- 6. 马科维茨资产组合模型+政策意图AI金融智能体(DeepSeek-V3)增强方案(理论+Python实战)
AI量金术师
金融资产组合模型进化论人工智能金融python机器学习算法大数据数学建模
目录0.承前1.幻方量化&DeepSeek1.1Whatis幻方量化1.2WhatisDeepSeek2.重写AI金融智能体函数3.汇总代码4.反思4.1不足之处4.2提升思路5.启后0.承前本篇博文是对上一篇文章,链接:5.马科维茨资产组合模型+政策意图AI金融智能体(Qwen-Max)增强方案(理论+Python实战)的AI金融智能体更改为幻方量化DeepSeek-V3的尝试。唯一区别之处在于
- 量化交易系统有哪些关键要素?如何构建一个简单的量化交易系统?
财云量化
python炒股自动化量化交易程序化交易量化交易系统关键要素构建步骤股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- 速通Docker === Docker 镜像分层存储机制
前端 贾公子
java开发语言
目录分层存储的概念分层存储的实现镜像层容器层分层存储的优势1.镜像轻量化2.快速构建与部署3.高效的镜像共享4.版本控制分层存储的示例容器层的临时性与数据持久化总结Docker的分层存储机制是其核心特性之一,它使得镜像的构建、共享和部署变得高效且灵活。分层存储机制通过将镜像和容器的数据存储在不同的层中,实现了镜像的轻量化和快速部署。分层存储的概念Docker镜像是由一系列只读层(Read-Only
- 个人程序化交易软件有哪些?各自的优缺点及适用人群是什么?
财云量化
python炒股自动化量化交易程序化交易个人程序化交易软件优缺点适用人群股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- 使用 Nocalhost 开发 Rainbond 上的微服务应用
u012804784
android微服务microservices架构计算机
优质资源分享学习路线指引(点击解锁)知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统本文将介绍如何使用Nocalhost快速开发Rainbond上的微服务应用的开发流程以及实践操作步骤。Nocalhost可
- Dapr 远程调试之 Nocalhost
虚幻私塾
python计算机
优质资源分享学习路线指引(点击解锁)知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统虽然Visualstudio、Visualstudiocode都支持debug甚至远程debug,Dapr搭配Bridge
- 使用NucliaDB进行文本向量化与检索
GEAWfaacc
python
技术背景介绍NucliaDB是一款强大的向量数据库,可以帮助开发者进行文本数据的向量化与检索。通过使用NucliaDB,您可以将文本数据存储在知识库中,并执行高效的相似度搜索。本文将介绍如何利用NucliaDB进行文本的向量化处理与检索操作。核心原理解析NucliaDB允许用户将文本数据转换为向量,并存储在知识库中。每个文本数据会生成唯一的向量,这些向量可以用于快速的相似度搜索。例如,如果您存储了
- 11、智能驾驶域控的散热和结构
OEM的牛马DRE
智能驾驶控制器硬件介绍人工智能
域控制器作为自动驾驶系统的核心部件,其硬件结构与散热设计需满足一系列严格要求,以确保系统的稳定运行和高效性能。一、域控制器硬件结构要求满足整车布置尺寸限制:域控制器的设计需充分考虑整车的空间布局,确保尺寸紧凑、结构合理,以适应不同车型的安装需求。满足防护等级要求:域控制器需具备较高的防护等级,如IP67或更高,以抵御灰尘、水分等外部环境的侵害,确保内部电子元件的正常运行。考虑轻量化设计:在保证性能
- QAT与PTQ模型量化方法的区别
old_power
计算机视觉模型量化深度学习计算机视觉
QAT(QuantizationAwareTraining)和PTQ(PostTrainingQuantization)是两种常见的模型量化方法,用于减少深度学习模型的计算和存储开销,同时尽量保持模型的性能。1.QAT(QuantizationAwareTraining)定义:QAT是在模型训练过程中引入量化操作,使模型在训练时就能感知到量化带来的影响,从而更好地适应量化后的精度损失。流程:在训练
- YOLOv5模型版本详解:n/s/m/l的区别与选型指南
我的青春不太冷
YOLOandroid经验分享程序人生笔记测试
文章目录一、模型版本概述二、核心参数对比2.1基本性能指标2.2计算复杂度三、架构设计差异3.1网络宽度控制3.1.1通道数变化3.1.2参数配置对比3.2网络深度配置四、性能表现分析4.1精度-速度曲线4.2资源消耗对比五、工程部署建议5.1设备适配方案5.2模型优化技巧5.2.1量化压缩5.2.2网络剪枝六、版本选型指南6.1决策流程图6.2场景化推荐七、总结建议一、模型版本概述YOLOv5是
- 使用ModelScope实现高效句嵌入生成
dagGAIYD
python
技术背景介绍在自然语言处理(NLP)任务中,向量化文本(嵌入)是许多下游任务(如语义搜索、文本分类、问答系统等)的核心步骤之一。通过将文本转换为密集向量表示,我们可以在高维向量空间中构建更加高效的表示和检索算法。ModelScope是阿里云开源的一个模型和数据集管理平台,提供了大量预训练模型,涵盖了各种领域和任务。ModelScopeEmbeddings是一个与LangChain社区集成的工具类,
- 极客说|Phi-4 模型的 4 位量化与 vLLM 高速推理
microsoft
作者:魏新宇-微软AI全球黑带高级技术专家「极客说」是一档专注AI时代开发者分享的专栏,我们邀请来自微软以及技术社区专家,带来最前沿的技术干货与实践经验。在这里,您将看到深度教程、最佳实践和创新解决方案。关注「极客说」,与行业顶尖专家一起探索科技的无限可能!Phi-4的模型参数量是14B,这使它在推理的时候比较耗费内存。因此如果我们想要在边缘端运行,需要对它进行量化。量化的手段很多,此前也介绍过,
- DeepSeek-V2
百态老人
学习
DeepSeek-V2是由幻方量化旗下的AI公司DeepSeek发布的第二代MoE(Mixture-of-Experts)大模型,具有显著的性能和成本优势。以下是关于DeepSeek-V2的详细分析:性能表现:DeepSeek-V2是一个参数量为2360亿的MoE模型,其性能接近GPT-4Turbo,并在多个基准测试中表现优异,如AlignBench、MT-Bench等,超越了GPT-4,与GPT
- A股程序化交易接口有哪些?不同接口在功能和稳定性上有何差异?
财云量化
python炒股自动化量化交易程序化交易a股程序化交易接口功能股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- 增强大型语言模型(LLM)可访问性:深入探究在单块AMD GPU上通过QLoRA微调Llama 2的过程
109702008
人工智能#ROCm#python语言模型llama人工智能
EnhancingLLMAccessibility:ADeepDiveintoQLoRAThroughFine-tuningLlama2onasingleAMDGPU—ROCmBlogs基于之前的博客《使用LoRA微调Llama2》的内容,我们深入研究了一种称为量化低秩调整(QLoRA)的参数高效微调(PEFT)方法。本次重点是利用QLoRA技术在单块AMDGPU上,使用ROCm微调Llama-2
- 微信小程序校园自助点餐系统实战:从设计到实现
大梦百万秋
知识学爆notepad++
随着移动互联网的发展,越来越多的校园场景开始智能化、自助化。微信小程序凭借其轻量化、便捷性和强大的生态支持,成为了各类校园应用的首选工具之一。今天,我们将通过实际开发一个微信小程序“校园自助点餐系统”来展示如何设计和实现这样一个系统。1.项目简介校园自助点餐系统是一个微信小程序,用户可以通过手机自助查看校园食堂的菜单、选择菜品并下单,随后可选择取餐方式。整个流程无须排队,极大地提高了点餐的效率,也
- 银行风险系统的全面解析:功能作用与系统间的互联互通
菁英猎人职业教育
金融互联网软件测试压力测试python面试开发语言测试用例
银行风险管理系统是银行为控制风险而建立的一套重要系统,主要用于评估、监测和控制银行面临的各种风险,包括信用风险、市场风险、操作风险等。一、主要功能风险识别:系统首先识别在业务开展中可能会面临的各种风险。这通常涉及对客户信息、市场情况、交易数据等多维度信息的综合分析。风险评估:在识别出风险后,系统会对这些风险进行评估,包括量化估计风险敞口、评估银行是否能够承受这些风险,以及这种风险承担和收益获得是否
- 国内A股市场里,有哪些可靠的实时股票数据获取工具,各有何优劣
财云量化
python炒股自动化量化交易程序化交易国内a股市场实时股票数据获取工具优劣股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- linux程序性能数据采集方案
杨铮的技术博客
linux开发网络开发方案设计
1背景因公司需要对开发的软件进行性能测试,需采集并记录测试过程中程序及系统的性能数据,包括cpu使用率、内存使用率、磁盘使用率等,方便开发人员对程序的性能表现进行分析。监控程序要求能够运行在x86或者Arm嵌入式平台上的linux系统,采集性能数据的程序须尽可能轻量化和可定制,于是个人利用工作之余设计本方案。为了使用者能够实时查看到监视目标的运行情况,方案选择C/S架构实现功能。性能采集服务运行在
- Ubuntu系统docker安装步骤
小白--AI
docker容器ubuntudockerlinux
一、使用docker有些什么好处轻量化和快速启动:Docker容器与传统虚拟机相比更为轻量,因为它们共享主机操作系统的内核。这使得容器可以快速启动和停止,节省了资源和时间。一致的开发和部署环境:Docker容器可以在不同的环境中(开发、测试、生产)提供一致的运行环境。这消除了由于环境差异导致的开发和部署问题,有助于确保应用在不同阶段的一致性。隔离性和安全性:每个Docker容器都是独立的,有自己的
- 《探秘鸿蒙Next:非结构化数据处理与模型轻量化的完美适配》
人工智能深度学习
在鸿蒙Next的人工智能应用场景中,处理非结构化数据并使其适配模型轻量化需求是一项关键且具有挑战性的任务。以下是一些有效的方法和策略。数据预处理数据清洗:非结构化数据中往往存在噪声、重复和错误数据。对于文本数据,要去除乱码、特殊字符等;对于图像数据,需处理模糊、损坏的图像。比如在处理鸿蒙Next设备采集的监控图像时,通过OpenCV的HarmonyOS适配库进行图像滤波等操作去除噪声。数据归一化与
- ChatGLM-6B-Int本地CPU部署
松醪
chatgpt
1.环境说明开源地址:https://github.com/THUDM/ChatGLM-6B目的:为了本地部署LLM模型,此次选用了ChatGLM-6B,但是由于设备的限制所以使用量化模型int4的版本也就是ChatGLM-6B-int4模型下载地址:https://huggingface.co/THUDM/chatglm-6b-int4代码下载地址用以上Github的即可Gcc下载地址:http
- 清华和哈工大把大模型量化做到了1比特,把世界顶尖多模态大模型开源大模型量化个人电脑运行!机器人领域首个开源视觉-语言操作大模型,激发开源VLMs更大潜能,视 Mamba速度提升2.8倍,内存能省87%
代码讲故事
机器人智慧之心Mamba机器人量化大模型开源视觉VLMs
清华和哈工大把大模型量化做到了1比特,把世界顶尖多模态大模型开源大模型量化个人电脑运行!机器人领域首个开源视觉-语言操作大模型,激发开源VLMs更大潜能,视Mamba速度提升2.8倍,内存能省87%。清华和哈工大把大模型量化做到了1比特。在追求更高效的机器学习模型部署时,模型量化技术应运而生,它通过降低权重矩阵的位宽来显著减少大型语言模型的存储和计算需求。我们一般的双精度浮点型double是64位
- 嵌入式硬件篇---ADC模拟-数字转换
Ronin-Lotus
嵌入式硬件篇嵌入式硬件单片机学习stm32模块测试低代码笔记
文章目录前言第一部分:STM32ADC的主要特点1.分辨率2.多通道3.转换模式4.转换速度5.触发源6.数据对齐7.温度传感器和Vrefint通道第二部分:STM32ADC的工作流程:1.配置ADC2.启动ADC转换第三部分:ADC转化1.抽样2.量化3.编码第四部分:额外小知识总结前言以上就是今天要讲的内容,本文仅仅简单介绍了STM32中ADC模拟-数字转换的实现。第一部分:STM32ADC的
- 高频量化交之李庆:在华尔街狼共舞的岁
顺其自然�非之歌�
Cla_MysqlCla_众筹图书
转“高频量化交易之王”李庆:在华尔街与狼共舞的岁月在华尔街打拼16年,成为最顶尖的量化投资基金经理,李庆并没有忘记初心,依然几十年如一日的努力、勤奋。他相信一个人无论做什么,要成功只有一句话,“非常踏实,严谨地去做这件事情”,“只要是努力工作,努力去研究,努力去严谨地做一件事情,最后成功的可能性才会很大。”李庆有自己的独门秘籍。他原本应该是数学家,最终却在16年间成为华尔街的顶级资本玩家。他和很多
- 玩转至轻云大数据平台-docker部署篇
fanciNate454
大数据docker
产品介绍至轻云是一款超轻量级、企业级大数据计算平台,基于Spark生态打造。一键部署,开箱即用。快速实现大数据离线ETL、Spark计算、实时计算、可视化调度、自定义接口、数据大屏以及自定义表单等多种功能,为企业提供高效便捷的大数据解决方案。至轻云有什么特点呢?又能怎么玩呢?产品特点开源轻量化云原生架构:兼容云原生架构,支持Docker、Rancher平台的快速部署。国内镜像下载:可直接从阿里云镜
- 用python、JavaScript (Node.js)、JAVA等多种语言的实例代码演示教你如何获取股票数据(实时数据、历史数据、CDMA、KDJ等指标数据配有股票数据API接口说明文档详解参数说明
Eumenides_max
pythonjavascriptnode.js股票API接口股票数据接口
近一两年来,股票量化分析逐渐受到广泛关注。而作为这一领域的初学者,首先需要面对的挑战就是如何获取全面且准确的股票数据。因为无论是实时交易数据、历史交易记录、财务数据还是基本面信息,这些数据都是我们进行量化分析时不可或缺的宝贵资源。我们的核心任务是从这些数据中挖掘出有价值的信息,为我们的投资策略提供有力的支持。在寻找数据的过程中,我尝试了多种途径,包括自编网易股票页面爬虫、申万行业数据爬虫,以及同花
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓