- 千亿参数大模型轻量化实战:手机端LLM推理加速300%方案
前言前些天发现了一个巨牛的人工智能免费学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站《千亿参数大模型轻量化实战:手机端LLM推理加速300%方案》副标题:2025实测骁龙8Gen4+FP4稀疏量化技术,70B模型推理延迟低至127ms,重构移动端AI天花板封面图:[高通骁龙8Gen4芯片显微照片与Llama3-70B手机端运行界面对比图,右上角标注「实测延迟:127ms/tok
- 提名 Apache ShardingSphere Committer,说说方法
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文章首发在公众号(龙台的技术笔记),之后同步到博客园和个人网站:xiaomage.info就在前几天,收到了ApacheS
- 无需多卡集群,单卡运行扩散模型的技术突破与实践
源客z
stablediffusion
近年来,扩散模型(DiffusionModels)在图像、视频、3D生成等领域取得巨大进展。然而,传统扩散模型往往依赖多卡集群(如8×A100)进行高效训练与推理,这使得个人开发者和中小团队的应用受限。幸运的是,随着模型架构优化、量化技术、推理加速方案的发展,越来越多的开源扩散模型可以在单张消费级显卡(如RTX4090、T4、A6000)上运行,并且性能接近或超越原生大规模模型。本文整理了当前可在
- 业界优秀零信任安全管理系统产品介绍
scuter_yu
安全网络
腾讯iOA零信任安全管理系统腾讯iOA零信任安全管理系统是基于腾讯自身无边界零信任企业网的最佳实践推出的终端访问管理方案。它以可信终端、可信身份、可信应用、可信链路为核心,全方位保护企业终端安全,无需VPN即可实现远程办公,且支持公有云和本地云部署模式。该系统依托腾讯安全威胁情报中心,日均拦截超10亿次攻击,其客户端轻量化设计兼容多平台,员工接受度高,助力企业安全上云和数字化转型。深信服零信任iT
- CST微波工作室学习笔记2 主要特点
raininforest
CST学习硬件工程
概要基于Windows98/Me、WindowsNT4、Windows2000和WindowsXP的图形用户界面快速并能有效使用内存的有限积分(FI)算法由于理想边界拟合技术和薄片技术的采用,性能更加卓越结构建模基于先进ACIS内核的参量化实体建模前端,并附带优异的结构可视化功能。内含多种建模技术,可快速进行结构变换。可通过SAT(如AutoCAD)、IGES、STEP、ProE、CATIA4、C
- 【技术科普】LoRaWAN 网络怎么搭?推荐试试 ThinkLink 免费版服务器
门思科技
LoRaWAN网络服务器网络服务器运维
在LoRaWAN项目落地过程中,除了终端设备和网关,很多人最容易忽视的是网络服务器(NetworkServer,简称NS)。然而,它却是系统能否长期稳定运行的关键之一。本文将从LoRaWAN网络结构出发,科普网络服务器的核心职责,并介绍一款适合开发者、技术团队免费试用的轻量化网络服务器——ThinkLink免费版,助力快速构建自己的LoRaWAN网络。一、LoRaWAN网络架构中,NS扮演什么角色
- [2025CVPR]DE-GANs:一种高效的生成对抗网络
清风AI
深度学习算法详解及代码复现生成对抗网络人工智能神经网络
目录引言:数据高效GAN的困境核心原理:动态质量筛选机制1.判别器拒绝采样(DRS)的再思考2.质量感知动态拒绝公式(1)质量感知阶段(2)动态拒绝阶段模型架构:轻量化设计技术突破:三大创新点1.首创训练阶段DRS2.动态拒绝机制3.质量重加权策略实验验证:全面性能提升1.数据集与指标2.对比实验结果(1)低样本数据集(2)FFHQ数据集代码解析:关键实现细节对比结果:全面超越现有方法1.低样本数
- 贝叶斯回归:从概率视角量化预测的不确定性
大千AI助手
人工智能Python#OTHER回归数据挖掘人工智能机器学习算法贝叶斯
本文由「大千AI助手」原创发布,专注用真话讲AI,回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我,一起撕掉过度包装,学习真实的AI技术!贝叶斯方法在回归问题中的应用被称为贝叶斯回归(BayesianRegression)。与传统频率派的线性回归(如最小二乘法)不同,贝叶斯回归的核心思想是:将回归参数(如权重系数)视为随机变量,通过贝叶斯定理结合先验分布和观测数据,推导出参数的后验分布,
- 如何使用 PHP 接入港股实时行情接口(WebSocket 实时K线+盘口)
quant_1986
php开发语言网络协议websocket后端经验分享笔记
在构建金融类网站或量化交易系统时,实时行情数据是不可或缺的核心组件之一。尤其是对港股市场感兴趣的开发者,更需要一个可靠且实时的行情源。本文将介绍如何使用PHP接入港股行情接口,并实现实时接收1分钟K线数据。准备工作首先,确保你的开发环境中安装了Composer。我们将使用PHP的WebSocket客户端库textalk/websocket。composerrequiretextalk/websoc
- 【数据分析】Python+Tushare实现均线金叉死叉交易策略回测
虚拟现实旅人
数据分析python数据挖掘
【数据分析】Python+Tushare实现均线金叉死叉交易策略回测简介在本文中,我们将利用Python和Tushare数据接口,对贵州茅台(600519.SH)进行数据分析,并实现基于“双均线”策略的量化回测,完整评估该策略的收益效果。项目目标使用tushare包获取贵州茅台的历史行情数据。计算该股票历史数据的5日均线和30日均线。分析输出所有金叉日期和死叉日期。模拟实际买卖交易流程。1.数据获
- DeepSeek 桌面端 快捷键唤起小窗口 极致轻量化
小纛
deepseek桌面
DeepSeek桌面端(DeepSeekDesktop)DeepSeek没有官方桌面端。桌面端的好处是可以随时用快捷键唤起,在跨应用时很有用。目前Github上开源的DeepSeek桌面端是Electron做的,一个安装包要80多MB,太臃肿。本项目用Tauri(Rust+vite),不内置浏览器,而是调用系统原生浏览器内核(如webview2),非常轻量,而且支持快捷键唤起小窗口、开机启动。项目
- 量化AI价值的30个关键指标
mao_feng
人工智能AI
摘要:量化AI的战略价值人工智能(AI)成功集成到业务运营中超越了单纯的技术部署;它需要一种严格、可量化的方法来展示其价值。本报告系统地分类并解释了评估AI优势的基本指标,从核心模型性能到总体战略和道德考虑因素。必须制定多方面的衡量策略,将技术AI指标与运营效率、客户体验、财务绩效、战略优势和负责任的AI实践等有形业务成果直接联系起来。稳健的关键绩效指标(KPI)不仅仅是问责制的工具;它们是持续改
- Mac mini 跑 DeepSeek R1 及 QwQ-32B模型实测报告
强哥之神
GPTmacosGPUdeepseek人工智能语言模型LLM
测试对象:2025款Macmini(M4/M4Pro芯片)测试模型:DeepSeek-R1(14B/32B)、QwQ-32B(原版/量化版)测试目标:硬件性能适配性、推理速度、内存占用及优化方案一、Macmini硬件配置概览配置项M4基础款(16GB)M4Pro高配(32GB/64GB)芯片M4(10核CPU/10核GPU)M4Pro(14核CPU/20核GPU)内存16GB统一内存32GB/64
- (Note)音频向量化表示
音频向量化表示经典语音特征(MFCC等)语音信号的传统特征提取方法包括MFCC(梅尔倒谱系数)、PLP等,用于描述语音的频谱包络信息。这些特征设计依据生理听觉模型,在ASR、情感识别等任务中长期有效。但它们仍属浅层特征,无法自动学习更高阶的语言和语音信息,对说话人和环境的鲁棒性有限,通常需配合复杂模型来提高性能。梅尔倒谱系数特征示意图自监督语音模型(Wav2Vec、HuBERT等)近年来,语音领域
- YOLOv10 全面升级解析:关键改进点一文掌握
要努力啊啊啊
计算机视觉YOLO目标跟踪人工智能目标检测深度学习
✅YOLOv10改进点详解一、前言YOLOv10是由Ultralytics团队在2024年提出的新一代目标检测模型,在保持高精度的同时进一步优化了部署效率和推理速度。它的核心改进包括:改进方向内容✅非解耦头轻量化设计消除非必要分支,减少冗余计算✅Anchor-Free模式默认启用,无需手动设置anchor✅TAL+DFLLoss提升边界框回归质量✅多任务统一接口detect/segment/pos
- 《量化开发》系列 第 1 篇:金融知识基础入门指南(附 GitHub 学习项目)
Natsume1710
金融github学习
本文为《量化开发学习路线与知识点》专栏的第一篇参考项目:Awesome-QuantDev-Learn量化金融是金融经济学与计算机科学交叉融合形成的新兴行业,越来越多的技术人才正积极投身其中。然而,面对纷繁复杂的金融概念与专业的开发技能,许多人常常感到无从下手。本专栏将为C++/Python工程师、自学者、量化岗求职者提供系统清晰的学习路径。本篇文章聚焦于量化开发所需的金融基础知识,帮助技术人打下坚
- 跨届资源汇聚地:校友平台开启终身学习与职业互助新模式
IDZSY0430
学习大数据运维开发用户运营流量运营
引言在知识经济时代,“校友”二字早已超越单纯的情感符号,演变为蕴含巨大潜能的资源网络。传统校友关系受限于时空隔阂与信息壁垒,难以实现深度互动与资源共享。如今,依托智能化校友平台,一个打破届别、跨越地域的终身学习与职业互助新生态正加速形成,成为驱动个体成长与社群繁荣的核心引擎。一、资源整合:构建校友生态系统的数字基石校友平台的底层逻辑在于系统性整合碎片化资源,为跨届协作奠定量化基础:动态校友数据库平
- 【GitHub开源项目实战】高频交易系统实战解析:基于 Nautilus Trader 的策略回测与事件驱动架构优化
观熵
GitHub开源项目实战github开源架构
高频交易系统实战解析:基于NautilusTrader的策略回测与事件驱动架构优化关键词:高频交易、事件驱动架构、NautilusTrader、量化回测、算法交易、PythonCython、交易引擎、回测系统、交易策略框架、实战优化摘要:本篇博客围绕GitHub上高质量的开源项目nautechsystems/nautilus_trader展开系统性实战解析。NautilusTrader是一套为专业
- YOLOv11性能评估全解析:从理论到实战的指标指南
芯作者
D2:YOLOYOLO计算机视觉
深入剖析目标检测核心指标,掌握模型优化的关键密码为什么需要性能评估指标?在目标检测领域,YOLO系列模型以其卓越的速度-精度平衡成为行业标杆。当我们训练或使用YOLOv11模型时,一个核心问题始终存在:如何量化模型的性能?性能评估指标正是回答这个问题的关键工具,它们不仅衡量模型效果,更是模型优化迭代的导航灯。本文将系统解析YOLOv11的七大核心评估指标,结合理论公式、可视化解释和实战代码,带您深
- RAG系列:提升RAG检索力:三大Query变形术,助你玩转AI知识检索!
数智前沿
数字化转型人工智能RAG
之前的帖子大多在优化向量化的过程,让文本内容分块更合理和更精准,本篇重点介绍使用RAG时如何优化提示词,以提高查询结果的精准度!一、RAG的“灵魂拷问”:你真的会提问吗?在AI时代,信息检索的效率和质量,80%取决于你“怎么问”。RAG系统的本质,就是“你问得好,我答得妙”。但现实往往是——用户提问:“AI会抢我饭碗吗?”检索系统:一脸懵逼,给你扔来一堆“AI是什么”“就业趋势”……用户:???这
- 创客匠人解析:身心灵赛道创始人 IP 打造核心策略
创小匠
tcp/ip网络协议网络
在当代社会焦虑情绪蔓延的背景下,身心灵赛道正以万亿级市场规模成为知识变现的新蓝海。作为知识变现领域的重要参与者,创客匠人通过服务超5W+知识博主的实践经验,揭示了该赛道中创始人IP打造的底层逻辑——IP不仅是形象符号,更是连接用户情绪价值与商业价值的核心纽带。一、IP形象的「能量化」构建:从外在到内在的信任锚点身心灵赛道的IP形象绝非单纯的视觉包装,而是「平和感」与「专业度」的融合体。创客匠人在服
- 当前最好的0样本文本转语音是哪个模型?
skywalk8163
多媒体人工智能人工智能MegaTTS3
综合排名前三模型MegaTTS3(字节跳动&浙江大学)核心优势:仅需3-10秒参考音频即可精准克隆音色,支持中英混合语音自然切换1112轻量化设计(0.45B参数),实时生成延迟低于400ms11采用DiffusionTransformer+WaveVAE架构,在韵律自然度榜单SpeechArena排名第一11开源地址:GitHub官方仓库(免费商用)MiniMaxSpeec
- 如何利用股票API获取实时行情数据?有哪些好用的股票API推荐?
财云量化
python炒股自动化量化交易程序化交易股票api实时行情数据获取方法api推荐股票量化接口股票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
- 图论基础知识 深度优先(Depth First Search, 简称DFS),广度优先(Breathe First Search, 简称BFS)
mmaerd
Leetcode刷题学习记录深度优先图论宽度优先机考
图论基础知识学习记录自代码随想录dfs与bfs区别dfs是沿着一个方向去搜,不到黄河不回头,直到搜不下去了,再换方向(换方向的过程就涉及到了回溯)。bfs是先把本节点所连接的所有节点遍历一遍,走到下一个节点的时候,再把连接节点的所有节点遍历一遍,搜索方向更像是广度,四面八方的搜索过程。深度优先搜索理论(DepthFirstSearch,简称DFS)搜索方向,是认准一个方向搜,直到碰壁之后再换方向换
- 线性代数-第9篇:二次型与正定矩阵:优化问题的数学基础
程序员勇哥
人工智能(AI)线性代数人工智能大数据python
线性代数-第9篇:二次型与正定矩阵:优化问题的数学基础在人工智能、量化投资和大数据分析中,优化问题无处不在,比如机器学习的损失函数最小化、量化投资组合的风险最小化等。而二次型与正定矩阵作为线性代数中的重要概念,为解决这些优化问题提供了坚实的数学基础。本篇将深入解析它们的原理及其在实际场景中的关键应用。一、二次型:从向量到函数的桥梁1.定义与表达式二次型是一个关于向量x\mathbf{x}x的二次齐
- equine在神经网络中建立量化不确定性
struggle2025
神经网络人工智能深度学习
一、软件介绍文末提供程序和源码下载众所周知,用于监督标记问题的深度神经网络(DNN)可以在各种学习任务中产生准确的结果。但是,当准确性是唯一目标时,DNN经常会做出过于自信的预测,并且无论测试数据是否属于任何已知标签,它们也总是进行标签预测。EQUINEwascreatedtosimplifytwokindsofuncertaintyquantificationforsupervisedlabel
- 3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例:新闻文章去重场景
SimHash算法文本去重实战案例:新闻文章去重场景一、案例背景与目标二、具体实现步骤与示例1.**待去重文本示例**2.**步骤1:文本预处理与特征提取**3.**步骤2:特征向量化与哈希映射**4.**步骤3:特征向量聚合**5.**步骤4:降维生成SimHash值**6.**步骤5:计算汉明距离与去重判断**三、工程化实现代码(Python简化示例)四、案例总结与优化点一、案例背景与目标假设
- 同花顺python_【本地直连】同花顺 Python量化交易接口上线
weixin_39938724
同花顺python
来源:雪球App,作者:私募之家THS,(https://xueqiu.com/5808549553/129022113)导读:同花顺智能交易终端MindGo版已上线2年多,凭借着同花顺深厚的技术底蕴,不断地对终端进行优化。至今,已服务近1000位个人客户,超过200家私募机构,市场份额不断扩大。目前终端已实现:支持股票、指数、基金、期货、外汇、黄金T+D等6个品种日/分钟级策略回测投研策略无缝对
- [大A量化专栏] 独家梳理-A股周末消息汇总-20250630
心心喵
大A量化专栏金融
短期ST板块博弈机会政策催化主板ST股涨跌幅放宽至10%,与普通股一致(*ST华光、ST新研弹性大)。风险提示需严格筛选“摘帽预期强+业绩改善”标的,避免退市风险。稳定币/数字人民币香港政策落地8月1日《稳定币条例》生效,关注HB股份(硬件钱包)、JBF(银行IT改造)。上海地铁试点数字人民币“碰一碰”全线网覆盖,CTL(交通支付场景)受益明确。充电宝新规3C认证强制化维K技术(半固态电芯)、安K
- ss928v100模型的导出、量化和转换
yunken28
python开发语言
1、yolov8导出为onnxfromultralyticsimportYOLOmodel=YOLO("./best.pt")model.export(format="onnx",imgsz=640,dynamic=False,simplify=True,opset=11,batch=1,half=False)以下是model.export()方法各参数的详细解释:format="onnx"指
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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/
import java.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f