- 深度学习如何入门?
nanshaws
yolov5深度学习
深度学习是机器学习的一个子领域,它基于人工神经网络的研究。入门深度学习可以分为以下几个步骤:基础知识准备:(1)掌握基础数学知识,特别是线性代数、概率论和统计学、微积分。(2)学习编程语言,Python是目前最流行的深度学习语言,因其简洁易学且有大量的库支持。(3)了解机器学习基础,包括监督学习和非监督学习的概念、模型评估与选择等。学习深度学习理论:(1)理解神经网络的基本组成,如神经元、激活函数
- 【深度学习理论】持续更新
一轮秋月
科研基础深度学习人工智能
文章目录1.统计学习理论1.统计学习理论统计学习理论,一款适合零成本搞深度学习的大冤种的方向从人类学习到机器学习的对比(学习的过程分为归纳和演绎),引出泛化和过拟合的概念。如何表示归纳的函数规律呢?以监督问题为例,需要学习X到Y的映射,先做假设空间,为了使假设空间和真实映射接近,需要损失函数来优化假设空间。学习的目的是学习数据的分布而不是每一个数据点本身,所以希望期望风险最小(期望风险即假设在数据
- 深度学习的发展史和主要应用方向
沉着冷静集中精力
深度学习人工智能
论深度学习笔者对于深度学习有着自己独特的见解…借这个机器学习课程大作业,发表一下我的观点。时光荏苒,社会的发展日新月异,越来越多的数据分析师、数据科学家倾向于对某次统计过程的分析进行研究,并把这种统计的模型称之为“人工智能”。没错,人工智能就是一个统计数据的过程。自己在学习的过程中很多时候也会怀疑,现阶段的深度学习理论究竟是不是真正的“人工智能”。人类,作为碳基生物,其如椰子般大的大脑却能存储近7
- Pytorch从零开始实战18
Liquor999
pytorch人工智能python
Pytorch从零开始实战——人脸图像生成本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——人脸图像生成环境准备模型定义开始训练可视化总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论基础。本次实验的目的是了解并使用DCGAN
- 深度学习入门必知必会
诗雅颂
深度学习tensorflow机器学习神经网络
深度学习是机器学习领域的一个重要分支,它通过构建和训练神经网络模型来实现智能化任务。下面是入门深度学习的几个步骤:学习基础知识:了解机器学习和神经网络的基本概念,包括线性代数、概率论和统计学等数学基础知识。掌握编程技能:学习一种主流的编程语言,如Python,以及相关的库和框架,如NumPy、Pandas和TensorFlow等。这些工具将帮助你在实践中应用深度学习算法。学习深度学习理论:了解深度
- 深度学习理论方法:相似度计算
缘起性空、
深度学习人工智能神经网络
深度学习理论中的相似度计算,是衡量两个输入之间相似性或关联性的重要方法。它常用于比较输入是否相似或相关,广泛应用于推荐系统、图像识别、自然语言处理等领域。通过相似度计算,我们能更好地了解数据的内在结构和关系,从而进行更高效的数据分析和处理。例如,在自然语言处理中,利用相似度计算可以比较两个文本的语义相似度,进而实现文本分类、聚类、情感分析等任务。而在图像识别领域,借助相似度计算可以比较两个图像的相
- Pytorch从零开始实战15
Liquor999
pytorch人工智能python
Pytorch从零开始实战——ResNeXt-50算法实战本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——ResNeXt-50算法实战环境准备数据集模型选择开始训练可视化总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论基础
- 地球物理中的深度学习理论(DNN的架构、反向传播、梯度消失、梯度爆炸)
hhhhhhhhhhyyyyyy
深度学习
新的数据驱动技术,即深度学习(DL)引起了广泛的关注。DL能准确预测复杂系统,缓解大型地球物理应用中“维数灾难”。在未来地球物理学中涉及到DL的研究提供了几个有希望的方向,例如无监督学习(聚类)、迁移学习(利用之前标记好的数据)、多模态DL(通过DL实现和处理多元模态)、联邦学习、不确定性估计和主动学习。图1给出人工智能、机器学习、神经网络和深度学习之间的包含关系,以及深度学习方法的分类。图11、
- Pytorch从零开始实战12
Liquor999
pytorch人工智能python
Pytorch从零开始实战——DenseNet算法实战本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——DenseNet算法实战环境准备数据集模型选择开始训练可视化总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论基础。本次实
- 【深度学习理论】(1) 损失函数
立Sir
深度学习理论机器学习人工智能神经网络深度学习损失函数
各位同学好,最近学习了CS231N斯坦福计算机视觉公开课,讲的太精彩了,和大家分享一下。已知一张图像属于各个类别的分数,我们希望图像属于正确分类的分数是最大的,那如何定量的去衡量呢,那就是损失函数的作用了。通过比较分数与真实标签的差距,构造损失函数,就可以定量的衡量模型的分类效果,进而进行后续的模型优化和评估。构造损失函数之后,我们的目标就是将损失函数的值最小化,使用梯度下降的方法求得损失函数对于
- Pytorch从零开始实战11
Liquor999
pytorch人工智能python
Pytorch从零开始实战——ResNet-50V2算法实战本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——ResNet-50V2算法实战环境准备数据集模型选择开始训练可视化总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论
- 基于MATLAB的BP神经网络手写数字识别
matlab汪汪队
神经网络算法网络大数据编程语言
在信息化飞速发展的时代,光学字符识别是一个重要的信息录入与信息转化的手段,其中手写体数字的识别有着广泛地应用,如:邮政编码、统计报表、银行票据等等,因其广泛地应用范围,能带来巨大的经济与社会效益。本文结合深度学习理论,利用BP神经网络对手写体数字数据集MNIST进行分析,作为机器学习课程的一次实践,熟悉了目前广泛使用的Matlab工具,深入理解了神经网络的训练过程,作为非计算机专业的学生,结合该课
- Pytorch从零开始实战10
Liquor999
pytorch人工智能python
Pytorch从零开始实战——ResNet-50算法实战本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——ResNet-50算法实战环境准备数据集模型选择开始训练可视化模型预测总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论
- 深度学习理论知识入门【EM算法、VAE算法、GAN算法】和【RBM算法、MCMC算法、HMC算法】
_刘文凯_
深度学习基础深度学习算法生成对抗网络
目录深度学习理论知识入门首先,让我们了解第一个流程:现在,让我们看看第二个流程:EM算法GMM(高斯混合模型)深度学习理论知识入门首先,让我们了解第一个流程:EM(Expectation-Maximization):EM算法是一种迭代优化算法,用于在存在潜在变量的统计模型中进行参数估计。它通过交替的E步骤(Expectation,期望)和M步骤(Maximization,最大化)来最大化似然函数。
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- 实现语境学习的预训练任务复杂度研究,伯克利吴京风、港大邹荻凡分享(报名)...
智源社区
学习
分享嘉宾吴京风吴京风是加州大学伯克利分校西蒙斯研究所的博士后研究员,由PeterBartlett和BinYu教授指导。他在约翰斯·霍普金斯大学获得计算机科学博士学位,在北京大学获得数学硕士和学士学位。吴京风主要从事深度学习理论研究。JingfengWuisaPostdoctoralResearcherattheSimonsInstituteatUCBerkeley,hostedbyPeterBar
- Pytorch从零开始实战06
Liquor999
pytorch人工智能python
Pytorch从零开始实战——明星识别本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——明星识别环境准备数据集模型选择开始训练模型可视化模型预测总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论基础。本次实验的目的是了解如何调
- Pytorch从零开始实战08
Liquor999
pytorch人工智能python
Pytorch从零开始实战——YOLOv5-C3模块实现本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——YOLOv5-C3模块实现环境准备数据集模型选择开始训练可视化模型预测总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论
- Pytorch从零开始实战07
Liquor999
pytorch人工智能python
Pytorch从零开始实战——咖啡豆识别本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——咖啡豆识别环境准备数据集模型选择训练模型可视化模型预测其他问题总结环境准备本文基于Jupyternotebook,使用Python3.8,Pytorch2.0.1+cu118,torchvision0.15.2,需读者自行配置好环境且有一些深度学习理论基础。本次实验的目的是手
- 【深度学习】自动炼丹炉
石头inDistance
深度学习人工智能python
在玩深度学习的时候,了解到超参数对于模型的训练效果有重要的影响。优化器不同的batchsize能够影响训练速度,同时也影响训练的损失值和准确率;不同的学习率对于模型的收敛速度也有影响。因此,对于指定数据集,能够准确预测的模型往往是模型工程师大量调整训练超参数的成果。这个调整超参数的过程,俗称炼丹,因为在训练之前往往很难得知训练出来的模型究竟能提供什么样的性能。然而,随着深度学习理论的不断发展,模型
- 一文掌握Windows平台GPU深度学习开发环境部署
机器未来
这是机器未来的第2篇文章,由机器未来原创写在前面:•博客简介:专注AIoT领域,追逐未来时代的脉搏,记录路途中的技术成长!•专栏简介:记录博主从0到1掌握物体检测工作流的过程,具备自定义物体检测器的能力•面向人群:具备深度学习理论基础的学生或初级开发者•专栏计划:接下来会逐步发布跨入人工智能的系列博文,敬请期待•Python零基础快速入门系列•快速入门Python数据科学系列•人工智能开发环境搭建
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before 
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen