穿衣显瘦
穿衣显瘦

关于 can not find hdf5.h（hdf5：没有那个文件或目录）的解决方法

在caffe根目录下的Makefile.config文件中找到：

       

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
在后面添加： 
/usr/include/hdf5/serial/
即：（注意空格） 
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/




在Makefile文件中找到：

LIBRARIES +=
glog gflags protobuf boost_system boost_filesystem m hdf5 hl hdf5
 
  把它改成： 
  
 
  
 
  
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
 
  
 
  
 
  

 
 
 


                            

                        

                    

                    
                    

                    
                    
                    

                

                

                    
                

            

        

    

    

        
你可能感兴趣的:(深度学习)

        

            

                
    
                    
  • Python 学习 第五册 深度学习 第1章 什么是深度学习
                        weixin_38135241
python学习深度学习人工智能
                        
    ----用教授的方式学习。目录1.1人工智能、机器学习与深度学习1.1.1人工智能1.1.2机器学习1.1.3从数据中学习表示1.1.4深度学习之“深度”1.1.5用三张图理解深度学习的工作原理1.2深度学习之前：机器学习简史1.2.1概率建模1.2.2核方法1.2.3决策树、随机森林与梯度提升机1.2.4深度学习有何不同什么是深度学习？1.1人工智能、机器学习与深度学习三者关系：1.1.1人工智
    
                    
    • 
                    
  • 深度学习：让机器学会“思考”的魔法
                        AI极客Jayden　
AI深度学习
                        
    文章目录引言：从“鹦鹉学舌”到“举一反三”一、深度学习是什么？1.定义：机器的“大脑”2.核心思想：从数据中“悟”出规律二、深度学习的“大脑”结构：神经网络1.神经元：深度学习的基本单元2.神经网络：多层“神经元”的组合3.深度：为什么需要多层？三、深度学习如何“学习”？1.训练过程：从“笨拙”到“熟练”2.损失函数：衡量“错误”的尺子3.反向传播：从错误中“反思”四、深度学习的“超能力”1.图像
    
                    
    • 
                    
  • 目标检测YOLO实战应用案例100讲-基于深度学习的无人机目标检测算法轻量化研究（中）
                        林聪木
目标检测YOLO深度学习
                        
    目录基于改进YOLOv5的无人机图像实时目标检测4.1引言4.2基于改进YOLOv5的目标检测模型结构4.3消融实验及结果分析4.4算法迁移验证实验基于Jetson-Xavier的模型优化部署5.1引言5.2基于人在回路的目标检测模型裁剪5.3嵌入式实时目标检测交互软件基于深度学习的无人机目标检测算法轻量化研究知识拓展基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的无人机目标检测1.数
    
                    
    • 
                    
  • 2025年第二届机器学习与神经网络国际学术会议(MLNN 2025)
                        分享学术科研与论文的禁小默
机器学习神经网络人工智能
                        
    重要信息官网：www.icmlnn.org时间：2025年4月22-24日地点：中国-重庆简介2025年第二届机器学习与神经网络国际学术会议（MLNN2025）围绕学习系统与神经网络的核心理论、关键技术和应用展开讨论，涵盖深度学习、计算机视觉、自然语言处理、强化学习等多个子领域，通过特邀报告、主题演讲、海报展示等形式，展示相关领域的最新研究成果和技术创新。征稿主题神经网络机器学习深度学习算法及应用
    
                    
    • 
                    
  • 深度学习--概率
                        fantasy_arch
深度学习人工智能
                        
    1基本概率论1.1假设我们掷骰子，想知道1而不是看到另一个数字的概率，如果骰子是公司，那么所有6个结果(1..6),都有相同的可能发生，因此，我们可以说1发生的概率为1/6.然而现实生活中，对于我们从工厂收到的真实骰子，我们需要检查它是否有瑕疵，唯一的办法就是多投掷骰子，对于每个骰子观察到的[1.2...6]的概率随着投掷次数的增加，越来越接近1/6.导入必要的包%matplotlibinline
    
                    
    • 
                    
  • Open3D 点云DBSCAN聚类算法
                        MelaCandy
算法聚类numpy计算机视觉图像处理3d
                        
    目录一、DBSCAN基本原理二、代码实现2.1关键函数2.2完整代码三、实现效果3.1原始点云3.2聚类后点云Open3D点云算法汇总及实战案例汇总的目录地址：Open3D点云算法与点云深度学习案例汇总（长期更新）-CSDN博客一、DBSCAN基本原理DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise）是一种基于密度的聚类算法，
    
                    
    • 
                    
  • 目标检测领域总结：从传统方法到 Transformer 时代的革新
                        DoYangTan
目标检测系列目标检测transformer人工智能
                        
    目标检测领域总结：从传统方法到Transformer时代的革新目标检测是计算机视觉领域的一个核心任务，它的目标是从输入图像中识别并定位出目标物体。随着深度学习的兴起，目标检测方法已经取得了显著的进展。从最早的传统方法到现如今基于Transformer的先进算法，目标检测的发展经历了多个重要的阶段。本文将详细总结目标检测领域的演进，涵盖传统方法、两阶段检测方法、单阶段检测方法和基于Transform
    
                    
    • 
                    
  • 2024MathorCup数学建模之——MathorCup奖杯”获得者经验思路分享
                        美赛数学建模
数学建模
                        
    一、经验分享1.工具选择：顺手即可。Matlab和Python都是比较主流的选择，二者的应用场合各有不同。Python在数据分析、深度学习方面的优势愈发明显，而Matlab更适合进行物理仿真和数值计算。不过随着Python社区不断发展，其功能也愈发全面与强大，因此我们比较推荐学有余力的情况下可以更早接触Python。2.模型算法：多多益善。不一定要精通所有的算法，但是手上至少要准备一些常用的算法（
    
                    
    • 
                    
  • AI人工智能软件开发方案：开启智能时代的创新钥匙
                        广州硅基技术官方
人工智能
                        
    一、引言：AI浪潮下的软件开发新机遇近年来，人工智能（AI）技术的迅猛发展如同一股汹涌澎湃的浪潮，席卷了全球各个领域。从最初的概念提出到如今的广泛应用，AI历经了漫长的发展历程，终于迎来了属于它的黄金时代。回首过去，AI的发展并非一帆风顺，早期由于计算能力和算法的限制，经历了多次起伏。但随着大数据、云计算、机器学习、深度学习等技术的不断突破，AI迎来了爆发式增长。如今，AI已经深入到人们生活和工作
    
                    
    • 
                    
  • 深度学习框架PyTorch——从入门到精通（6.2）自动微分机制
                        Fansv587
深度学习pytorch人工智能经验分享python机器学习
                        
    本节自动微分机制是上一节自动微分的扩展内容自动微分是如何记录运算历史的保存张量非可微函数的梯度在本地设置禁用梯度计算设置requires_grad梯度模式（GradModes）默认模式（梯度模式）无梯度模式推理模式评估模式（`nn.Module.eval()`）自动求导中的原地操作原地操作的正确性检查多线程自动求导CPU上的并发不确定性计算图保留自动求导节点的线程安全性C++钩子函数不存在线程安全
    
                    
    • 
                    
  • Pytorch深度学习教程_9_nn模块构建神经网络
                        tRNA做科研
深度学习保姆教程深度学习pytorch神经网络
                        
    欢迎来到《深度学习保姆教程》系列的第九篇！在前面的几篇中，我们已经介绍了Python、numpy及pytorch的基本使用，进行了梯度及神经网络的实践并学习了激活函数和激活函数，在上一个教程中我们学习了优化算法。今天，我们将开始使用pytorch构建我们自己的神经网络。欢迎订阅专栏进行系统学习：深度学习保姆教程_tRNA做科研的博客-CSDN博客目录1.理解nn模块：(1)使用nn.Sequent
    
                    
    • 
                    
  • Radiance Fields from VGGSfM和Mast3r:两种先进3D重建方法的比较与分析
                        2401_87458718
3d
                        
    VGGSfM和Mast3r:3D场景重建的新方向在计算机视觉和3D重建领域,如何从2D图像重建3D场景一直是一个充满挑战的研究课题。近年来,随着深度学习技术的发展,一些新的方法被提出并取得了显著的进展。本文将重点介绍两种最新的基于深度学习的3D重建方法:VGGSfM和Mast3r,并通过GaussianSplatting技术对它们的性能进行全面比较和分析。VGGSfM:基于视觉几何的深度结构运动恢
    
                    
    • 
                    
  • 基于 PyTorch 的 MNIST 手写数字分类模型
                        欣然～
pytorch分类人工智能
                        
    一、概述本代码使用PyTorch框架构建了一个简单的神经网络模型，用于解决MNIST手写数字分类任务。代码主要包括数据的加载与预处理、神经网络模型的构建、损失函数和优化器的定义、模型的训练、评估以及最终模型的保存等步骤。二、依赖库torch：PyTorch深度学习框架的核心库，提供了张量操作、自动求导等功能。torch.nn：PyTorch的神经网络模块，包含了各种神经网络层、损失函数等。torc
    
                    
    • 
                    
  • 高效快速教你DeepSeek如何进行本地部署并且可视化对话
                        大富大贵7
程序员知识储备1程序员知识储备2程序员知识储备3经验分享
                        
    科技文章：高效快速教你DeepSeek如何进行本地部署并且可视化对话摘要：随着自然语言处理（NLP）技术的进步，DeepSeek作为一款基于深度学习的语义搜索技术，广泛应用于文本理解、对话系统及信息检索等多个领域。本文将探讨如何高效快速地在本地部署DeepSeek，并结合可视化工具实现对话过程的监控与分析。通过详尽的步骤、案例分析与代码示例，帮助开发者更好地理解和应用DeepSeek技术。同时，本
    
                    
    • 
                    
  • Python基于深度学习的动物图片识别技术的研究与实现
                        Java老徐
Python毕业设计python深度学习开发语言深度学习的动物图片识别技术Python动物图片识别技术
                        
    博主介绍：✌程序员徐师兄、7年大厂程序员经历。全网粉丝12w+、csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌文末获取源码联系精彩专栏推荐订阅不然下次找不到哟2022-2024年最全的计算机软件毕业设计选题大全：1000个热门选题推荐✅Java项目精品实战案例《100套》Java微信小程序项目实战《100套》感兴趣的可以先收藏起来，还有大家
    
                    
    • 
                    
  • 【深度学习与大模型基础】第7章-特征分解与奇异值分解
                        lynn-66
深度学习与大模型基础算法机器学习人工智能
                        
    一、特征分解特征分解（EigenDecomposition）是线性代数中的一种重要方法，广泛应用于计算机行业的多个领域，如机器学习、图像处理和数据分析等。特征分解将一个方阵分解为特征值和特征向量的形式，帮助我们理解矩阵的结构和性质。1.特征分解的定义对于一个n×n的方阵A，如果存在一个非零向量v和一个标量λ，使得：则称λ为矩阵A的特征值，v为对应的特征向量。特征分解将矩阵A分解为：其中：Q是由特征
    
                    
    • 
                    
  • 震惊！ “深度学习”都在学习什么
                        扉间798
深度学习学习人工智能
                        
    常见的机器学习分类算法俗话说三个臭皮匠胜过诸葛亮这里面集成学习就是将单一的算法弱弱结合算法融合用投票给特征值加权重AdaBoost集成学习算法通过迭代训练一系列弱分类器，给予分类错误样本更高权重，使得后续弱分类器更关注这些样本，然后将这些弱分类器线性组合成强分类器，提高整体分类性能。（一）投票机制投票是一种直观且常用的算法融合策略。在多分类问题中，假设有多个分类器对同一数据进行分类判断。每个分类器
    
                    
    • 
                    
  • 深度学习 | pytorch + torchvision + python 版本对应及环境安装
                        zfgfdgbhs
深度学习pythonpytorch
                        
    目录一、版本对应二、安装命令（pip）1.版本（1）v2.5.1~v2.0.0（2）v1.13.1~v1.11.0（3）v1.10.1~v1.7.02.安装全过程（1）选择版本（2）安装结果参考文章一、版本对应下表来自pytorch的github官方文档：pytorch/vision:Datasets,TransformsandModelsspecifictoComputerVisionpytor
    
                    
    • 
                    
  • 一文讲清楚深度学习和机器学习
                        平凡而伟大.
机器学习人工智能深度学习机器学习人工智能
                        
    目录1.定义机器学习（MachineLearning,ML）深度学习（DeepLearning,DL）2.工作原理机器学习深度学习3.应用场景机器学习深度学习4.主要区别5.为什么选择深度学习？6.总结深度学习和机器学习是人工智能（AI）领域中两个密切相关但有所区别的概念。要清楚地解释它们之间的关系，我们可以从定义、工作原理、应用场景以及两者的主要区别等方面进行探讨。1.定义机器学习（Machin
    
                    
    • 
                    
  • DeepSeek：智能搜索与分析的新纪元
                        XRC2231
学习
                        
    在人工智能浪潮席卷全球的今天，DeepSeek如同一颗璀璨的新星，以其独特的魅力和强大的功能，在AI领域脱颖而出。DeepSeek，这一基于深度学习和数据挖掘技术的智能搜索与分析系统，不仅重新定义了搜索引擎的边界，更以其卓越的性能和广泛的应用场景，为全球用户带来了前所未有的智能体验。本文将从DeepSeek的定义、特点、应用场景、优势等方面进行全面而深入的介绍，带您领略这一新兴技术的独特魅力。一、
    
                    
    • 
                    
  • AI模型技术演进与行业应用图谱
                        智能计算研究中心
其他
                        
    内容概要当前AI模型技术正经历从基础架构到行业落地的系统性革新。主流深度学习框架如TensorFlow和PyTorch持续优化动态计算图与分布式训练能力，而MXNet凭借高效的异构计算支持在边缘场景崭露头角。与此同时，模型压缩技术通过量化和知识蒸馏将参数量降低60%-80%，联邦学习则通过加密梯度交换实现多机构数据协同训练。在应用层面，医疗诊断模型通过迁移学习在CT影像分类任务中达到98.2%的准
    
                    
    • 
                    
  • 使用Jupyter Notebook进行深度学习编程 - 深度学习教程
                        shandianfk_com
ChatGPTAIjupyter深度学习ide
                        
    大家好，今天我们要聊聊如何使用JupyterNotebook进行深度学习编程。深度学习是人工智能领域中的一项重要技术，通过模仿人脑神经网络的方式进行学习和分析。JupyterNotebook作为一个强大的工具，可以帮助我们轻松地进行深度学习编程，尤其适合初学者和研究人员。本文将带领大家一步步了解如何在JupyterNotebook中开展深度学习项目。一、什么是JupyterNotebook？Jup
    
                    
    • 
                    
  • 深度学习 Deep Learning 第8章 深度学习优化
                        odoo中国
AI编程人工智能深度学习人工智能优化
                        
    深度学习第8章深度学习的优化章节概述本章深入探讨了深度学习中的优化技术，旨在解决模型训练过程中面临的各种挑战。优化是深度学习的核心环节，直接关系到模型的训练效率和最终性能。本章首先介绍了优化在深度学习中的特殊性，然后详细讨论了多种优化算法，包括随机梯度下降（SGD）、动量法、Nesterov动量法、AdaGrad、RMSProp和Adam等。此外，还探讨了参数初始化策略、自适应学习率方法以及二阶优
    
                    
    • 
                    
  • 景联文科技提供高质量文本标注服务，驱动AI技术发展
                        景联文科技
科技人工智能
                        
    文本标注是指在原始文本数据上添加标签的过程，这些标签可以用来指示特定的实体、关系、事件等信息，以帮助计算机理解和处理这些数据。文本标注是自然语言处理（NLP）领域的一个重要环节，它通过为文本的不同部分提供具体的含义和上下文信息，增强机器学习和深度学习模型对文本内容的理解能力。标注类型情感分析情感极性：确定文本表达的情感倾向，如正面、负面或中立。强度评估：衡量情感的强烈程度，从轻微到极端不等。命名实
    
                    
    • 
                    
  • 深度学习篇---对角矩阵&矩阵的秩&奇异矩阵
                        Ronin-Lotus
程序代码篇深度学习篇深度学习矩阵人工智能线性代数
                        
    文章目录前言一、对角矩阵（DiagonalMatrix）1.1定义1.2特性行列式运算简化1.3应用领域深度学习信号处理量子力学经济学二、矩阵的秩（RankofaMatrix）2.1定义2.2特性满秩降秩影响2.3应用领域深度学习图像压缩推荐系统控制理论三、奇异矩阵（SingularMatrix）3.1定义3.2特性秩不足行列式为零3.3应用领域深度学习正则化损失函数结构工程统计学数值计算四、跨领
    
                    
    • 
                    
  • DeepSeek、Grok 与 ChatGPT 三巨头：技术架构与应用场景的全方位解析
                        云策量化
Deepseekchatgptdeepseekgrok
                        
    前言在当今人工智能领域，DeepSeek、Grok和ChatGPT作为语言模型的三巨头，各自凭借独特的技术架构和广泛的应用场景，在自然语言处理领域占据着重要地位。本文将对这三款模型的技术架构和应用场景进行全方位解析，以期为读者提供深入的了解和有价值的参考。一、技术架构（一）DeepSeekDeepSeek是由DeepSeek团队开发的一款大型语言模型，其技术架构基于深度学习中的Transforme
    
                    
    • 
                    
  • OpenCV 4.2.0与扩展模块安装与应用指南
                        土城三富

                        
    本文还有配套的精品资源，点击获取简介：OpenCV4.2.0是一个先进的计算机视觉库，包含了图像处理、计算机视觉和机器学习算法。本压缩包包含OpenCV核心库和扩展模块（opencv_contrib），版本均为4.2.0。该版本引入了性能增强、API优化以及对深度学习框架和硬件加速技术的更新支持。扩展模块提供了额外的实验性算法和功能，有助于研究和开发新算法。指南详细介绍了如何安装和配置这些库，并提
    
                    
    • 
                    
  • 介于YOLOv5的裂缝识别系统
                        程序员～小强
YOLO
                        
    介于YOLOv5的裂缝识别系统在现代工业中，裂缝监测是的保障设施安全的重要环节。我们公司的新项目——基于YOLOv5的裂缝识别系统，将为您提供高效、精准的解决方案，助力各类工程项目的质量管理。系统优势我们的裂缝识别系统借助YOLOv5进行深度学习，经过精心训练，拥有强大的图像识别能力。只需简单的步骤，您就能将复杂的裂缝检测转化为轻松的操作，让分析变得更加简单、高效。核心功能图片上传与场景选择用户可
    
                    
    • 
                    
  • 使用Dall-E生成图像：文本到图像的魔力
                        shuoac
计算机视觉人工智能python
                        
    使用Dall-E生成图像：文本到图像的魔力技术背景介绍Dall-E是OpenAI开发的一个强大的文本到图像生成模型，它能够根据自然语言描述创造出全新的数字图像。这一技术基于深度学习的方法，使得创意与AI图像生成的结合更具可能性。本文将介绍如何调用Dall-EAPI来生成图像，从而使开发者能够将这一技术应用到自己的项目中。核心原理解析Dall-E利用大型语言模型（LLM）从用户提供的文本描述中提取详
    
                    
    • 
                    
  • 【深度学习|地学应用】滑坡灾害早期隐患的概念、特征及识别方法，同时解释其与人工边坡、滑坡易发性之间的联系与区别。
                        985小水博一枚呀
深度学习人工智能
                        
    【深度学习|地学应用】滑坡灾害早期隐患的概念、特征及识别方法，同时解释其与人工边坡、滑坡易发性之间的联系与区别。【深度学习|地学应用】滑坡灾害早期隐患的概念、特征及识别方法，同时解释其与人工边坡、滑坡易发性之间的联系与区别。文章目录【深度学习|地学应用】滑坡灾害早期隐患的概念、特征及识别方法，同时解释其与人工边坡、滑坡易发性之间的联系与区别。1.滑坡灾害早期隐患的概念与特征概念主要特征2.通过光学
    
                    
    • 
                                
  • 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