- cs231n_深度之眼第二次作业
Jie_Cheney
图像分类数据和label分别是什么?图像分类存在的问题与挑战?图像分类数据包括训练集测试集的数据,在有监督的问题中对于训练集数据来说是有label的,而测试集是等待我们去识别它的类别,不具有label。label就是分类标签,比如cifar10这个数据集,待分类的这10类数据我们可以写成1-10,或者0-9这就叫做label。图像分类存在的问题与挑战:光照,角度,形变,遮挡。使用python加载一
- 向量,矩阵和张量的导数 | 简单的数学
橘子学AI
前段时间看过一些矩阵求导的教程,在看过的资料中,尤其喜欢斯坦福大学CS231n卷积神经网络课程中提到的Erik这篇文章。循着他的思路,可以逐步将复杂的求导过程简化、再简化,直到发现其中有规律的部分。话不多说,一起来看看吧。作者:ErikLearned-Miller翻译:橘子来源:橘子AI笔记(datawitch)本文旨在帮助您学习向量、矩阵和高阶张量(三维或三维以上的数组)的求导方法,以及如何求对
- cs231n assignment1——SVM
柠檬山楂荷叶茶
cs231n支持向量机python机器学习
整体思路加载CIFAR-10数据集并展示部分数据数据图像归一化,减去均值(也可以再除以方差)svm_loss_naive和svm_loss_vectorized计算hinge损失,用拉格朗日法列hinge损失函数利用随机梯度下降法优化SVM在训练集和验证集计算准确率,保存最好的模型在测试集进行预测计算准确率加载展示划分数据集加载CIFAR-10数据集#LoadtherawCIFAR-10data.
- (2023版)斯坦福CS231n学习笔记:DL与CV教程 (12) | 视觉模型可视化与可解释性(Visualizing and Understanding)
女王の专属领地
计算机视觉#计算机视觉#学习笔记
前言笔记专栏:斯坦福CS231N:面向视觉识别的卷积神经网络(23)课程链接:https://www.bilibili.com/video/BV1xV411R7i5CS231n:深度学习计算机视觉(2017)中文笔记:https://zhuxiaoxia.blog.csdn.net/article/details/801551662023最新课程PPT:https://download.csdn.
- 2019-02-25~~2019-03-03 第十周周末复盘
仰望星空的小狗
一、任务清单1、刷leetcode题目(7道)2、听tensorflow,cs231n和cv课程3、技术文档输出4、恢复早起的作息二、反思1、自从年前工作非常忙,加上遇上一些郁闷的事情,导致年前到现在时间记录中断了很长一段时间。本周开始恢复时间记录,日打卡,周复盘。2、生活中不论谁,肯定会时不时遇上一些令人郁闷的事情,这些郁闷的事情很可能会打乱原本的生活节奏。但是,生活还有很长的路要走,不应该因为
- 训练神经网络(上)激活函数
笔写落去
深度学习神经网络人工智能深度学习
本文介绍几种激活函数,只作为个人笔记.观看视频为cs231n文章目录前言一、Sigmoid函数二、tanh函数三、ReLU函数四、LeakyReLU函数五、ELU函数六.在实际应用中寻找激活函数的做法总结前言激活函数是用来加入非线性因素的,提高神经网络对模型的表达能力,解决线性模型所不能解决的问题。一、Sigmoid函数这个函数大家应该熟悉在逻辑回归中曾用到这个sigmoid函数这个函数可以将负无
- 卷积神经网络
weixin_34283445
人工智能
https://zhuanlan.zhihu.com/p/27642620关于卷积神经网络的讲解,网上有很多精彩文章,且恐怕难以找到比斯坦福的CS231n还要全面的教程。所以这里对卷积神经网络的讲解主要是以不同的思考侧重展开,通过对卷积神经网络的分析,进一步理解神经网络变体中“因素共享”这一概念。注意:该文会跟其他的现有文章有很大的不同。读该文需要有本书前些章节作为预备知识,不然会有理解障碍。没看
- CS231n 作业答案
tech0ne
CS231n三次大作业:#第一次作业##原始包下载:作业一完成包地址:作业一JupyterNotebook结果:KNNSVMSoftmaxTwolayernetFeatures第二次作业原始包下载:作业二完成包地址:作业二JupyterNotebook结果:FullyConnectedNetsBatchNormalizationDropoutConvolutionalNetworksTensorf
- cs231n作业-assignment1
momentum_
AIpython机器学习numpy
assignment1(cs231n)文章目录assignment1(cs231n)KNN基础计算distances方法一:双层循环计算distances方法二:单层循环计算distances方法三:无循环根据dists找到每个测试样本的种类KNN模型汇总交叉验证KNN基础计算distances方法一:双层循环dists矩阵是(num_test,num_train)500*5000defcompu
- 【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
- 线性分类器--数据处理
骆驼穿针眼
计算机视觉与深度学习深度学习
数据集划分通常按照70%,20%,10%来分数据集数据处理斯坦福的线性分类器体验http://vision.stanford.edu/teaching/cs231n-demos/linear-classify/
- 【CS231n】-学习笔记-1-Intro to Computer Vision, historical context.
Alice熹爱学习
计算机视觉计算机视觉CS231nDeepLearningPYTHON
Class:http://cs231n.stanford.eduSchedule:http://cs231n.stanford.edu/syllabus.htmlSlides:http://vision.stanford.edu/teaching/cs231n/slides/winter1516_lecture1.pdfVideo:https://www.youtube.com/watch?v=N
- 笔记00-杜克大学公开课,图像和视频处理:从火星到好莱坞
木木爱吃糖醋鱼
笔记内容介绍》ImageandVideoProcessing:FromMarstoHollywoodwithaStopattheHospital算起来是2017年中的时候,因为要搞深度学习的东西,就自学了斯坦福cs231n的神经网络的课。Youtube上有至少两期的公开课视频。好像从李飞飞离职之后,截止到2017年春季,就没再继续了。现在想想哪门课的内容挺多挺繁杂的。虽然是本科的课,最后好像每个学
- 向量对向量求导,链式法则
构建的乐趣
向量对向量求导
这还算不得向量微积分里多么主干的内容,只是一个小技术,但是数学推导很多时候就会用到。http://cs231n.stanford.edu/vecDerivs.pdf这个文献是一个好文献。另优秀翻译:https://zhuanlan.zhihu.com/p/142668996链式法则注意:这里的乘法变成了innerproduct推导过程中比较关键的点:除了利用这文献所讲的分量慢慢推,还有一个要点,首
- Win10上关于cs231n(2017)课后作业的环境配置
Diane小山
开始首先,这篇文章是针对那些想完成cs231n作业,但是觉得装linux双系统很麻烦的童鞋。cs231n作业的SetUp官方教程只针对了那些使用Unix(Ubuntu,Macos等)的人,对使用Windows的人十分不友好。安装anaconda百度一篇anaconda的安装教程,照着安装即可。这里需要提醒的有两点:国内的anaconda镜像能用的基本都挂了,所以还是老老实实去官方网站下载吧:)一定
- CS231N assignment2 SVM
weixin_30363509
数据结构与算法人工智能python
CS231NAssignment2SupportVectorMachineBegin本文主要介绍CS231N系列课程的第一项作业,写一个SVM无监督学习训练模型。课程主页:网易云课堂CS231N系列课程语言:Python3.61线形分类器以图像为例,一幅图像像素为32*32*3代表长32宽32有3通道的衣服图像,将其变为1*3072的一个向量,即该图像的特征向量。我们如果需要训练1000幅图像,那
- 【AI】斯坦福CS231n课程练习(1)—— KNN和SVM分类
李清焰
CS231nKNNSVM
文章目录一、前言1、CS231n是啥?2、本篇博客任务3、使用的数据集二、知识准备1、KNN是什么?2、SVM是什么?SVM的组成:三、实验——KNN和SVM分类1、KNN图片分类(重要步骤将在目录上体现)(1)在colab上切换目录,加载dataset(2)加载包、设置和外部模块(3)加载、初步处理数据(4)可视化打印一些图片看看我们的数据集长什么样(5)对测试、训练数据进行分组(6)创建KNN
- 深度学习系列之cs231n assignment1 KNN(二)
明曦君
深度学习python机器学习
写在前面:久经周折,终于能够将KNN系列给大家继续分享了,这次的内容来源于李飞飞教授团队的cs231n深度学习课程的作业1中的KNN研究,我会在全文我遇到困难的地方进行分享,以及一些想法。内容安排深度学习系列依托与cs231n的课程作业,因为只想练习编程,所以不对课程内容进行分享,仅针对编程内容进行分享。那么这一次的分享就是assignment1中K近邻分类器的使用,以及完成其中的四个问题,这四个
- cs231n assignment2(3)
没天赋的学琴
assignment2的第三部分,是熟悉深度学习框架pytorch或者tensorflow,这里选择的是使用pytorch框架。该部分主要通过三个层次:Barebones、ModuleAPI、SequentialAPI,来了解pytorch。Barebones在该层次中,需要利用pytorch所提供的一些函数,不仅需要定义神经网络的结构,同时还需编写网络的前向传播以及模型的训练部分;而参数的梯度可
- 第三十三周学习笔记
luputo
学习笔记
第三十三周学习笔记CS231nDeepLearningSoftwareCPUvsGPUCPU:Fewercores,buteachcoreismuchfasterandmuchmorecapable;greatatsequentialtasksGPU:Morecores,buteachcoreismuchslowerand“dumber”;greatforparalleltasks(matrixm
- CNN(卷积神经网络)、RNN(循环神经网络)、DNN,LSTM
weixin_34174132
人工智能
http://cs231n.github.io/neural-networks-1https://arxiv.org/pdf/1603.07285.pdfhttps://adeshpande3.github.io/adeshpande3.github.io/A-Beginner's-Guide-To-Understanding-Convolutional-Neural-Networks/Appli
- CNN笔记:通俗理解卷积神经网络
I_O_fly
神经网络cnn神经网络深度学习
通俗理解卷积神经网络(cs231n与5月dl班课程笔记)1前言2012年我在北京组织过8期machinelearning读书会,那时“机器学习”非常火,很多人都对其抱有巨大的热情。当我2013年再次来到北京时,有一个词似乎比“机器学习”更火,那就是“深度学习”。本博客内写过一些机器学习相关的文章,但上一篇技术文章“LDA主题模型”还是写于2014年11月份,毕竟自2015年开始创业做在线教育后,太
- Knn算法与 Svm算法对比
一个不知名的码农
支持向量机算法机器学习
Knn算法与Svm算法对比这里首先借用一个博主所做的图表,讲的很有理有据(7条消息)[cs231n]KNN与SVM区别_Rookie’Program的博客-CSDN博客_knn和svm的区别这里我们来讲一下我对这两个算法的理解knn看起来就是比较简单的一个数学模型,就是划范围论,精细程度实际上可能没有svm好,并且测试量也不能大,数据一大,处理起来又很麻烦,预测效率也比较低。相反的svm和knn对
- 斯坦福大学CS520知识图谱系列课程学习笔记:第一讲什么是知识图谱
ngl567
随着知识图谱在人工智能各个领域的广泛使用,知识图谱受到越来越多AI研究人员的关注和学习,已经成为人工智能迈向认知系统的关键技术之一。之前,斯坦福大学的面向计算机视觉的CS231n和面向自然语言处理的CS224n成为了全球非常多AI研究人员的入门经典学习课程。因此,斯坦福大学于今年3月开设了一门专门面向知识图谱的系列课程CS520,官网课程页:https://web.stanford.edu/cla
- 北京邮电大学 计算机视觉与深度学习 鲁鹏 计算机视觉概述课程手迹
qinyaoze
机器学习CV手记计算机视觉人工智能深度学习
课程笔记计算机视觉=输入(认知神经科学-理论,运用方法&算法,硬件)+输出(机器人)课程:图像处理-CS131,图像结构-CS231a,图像理论-CS230/CS231nQ-象棋与人工智能的关系?IBM-深蓝,Google-AlphaGo>>机器赢得象棋胜利=强大的搜索算法目标:语义鸿沟,即建立图像像素核语义间的关系发展过程:系统出现-物种大繁荣>>理论研究-猫视觉神经>>积木世界>>MIT图像处
- 国外AI大牛推荐的10大最有帮助免费在线机器学习课程
机器学习与系统
woman_ml.jpg本文编译自twitter用户chipro斯坦福在线自学课程《概率与统计》:该课程涉及概率统计的基本概念,涵盖机器学习4个基本方面:探索性数据分析,产生数据,概率和推理。MIT的《线性代数》:这是我见过的最好的线性代数课程,由传奇教授GilbertStrang(吉尔伯特斯特朗)教授。斯坦福的CS231N:用于视觉识别的卷积神经网络:平衡理论与实践。课堂笔记写得很好,解释了不同
- CS231n学习笔记--计算机视觉历史回顾与介绍1
听城
CS231n简介首先我们来看看官方对这门课的介绍:计算机视觉在社会中已经逐渐普及,并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络(也就是“深度学习”)方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。本课程将深入讲解深度学习框架的细节问题,聚焦面向视觉识别任务
- 计算机视觉实战项目(图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别)
阿利同学
计算机视觉分类目标检测
图像分类教程博客_传送门链接:链接在本教程中,您将学习如何使用迁移学习训练卷积神经网络以进行图像分类。您可以在cs231n上阅读有关迁移学习的更多信息。本文主要目的是教会你如何自己搭建分类模型,耐心看完,相信会有很大收获。废话不多说,直切主题…首先们要知道深度学习大都包含了下面几个方面:1.加载(处理)数据2.网络搭建3.损失函数(模型优化)4模型训练和保存把握好这些主要内容和流程,基本上对分类模
- cs231n assignment2(2)
没天赋的学琴
assignment2的第二部分的内容,实现一个卷积神经网络。这一部分主要是实现卷积神经网络中的一些所需用到的layer类型:卷积层(convolution)和池化层(这里是实现max-pooling)。这部分的实现是不考虑其运行效率,而在真正的实现应用上,卷积神经网络的运行效率是一个很重要的问题。卷积层卷积层是由一个个过滤器(filter),每个过滤器的尺寸为:,这里的的大小与输入的图像或act
- cs231n作业:Assignment1-Softmax
Diane小山
softmax.pydefsoftmax_loss_naive(W,X,y,reg):"""Softmaxlossfunction,naiveimplementation(withloops)InputshavedimensionD,thereareCclasses,andweoperateonminibatchesofNexamples.Inputs:-W:Anumpyarrayofshape(
- rust的指针作为函数返回值是直接传递,还是先销毁后创建?
wudixiaotie
返回值
这是我自己想到的问题,结果去知呼提问,还没等别人回答, 我自己就想到方法实验了。。
fn main() {
let mut a = 34;
println!("a's addr:{:p}", &a);
let p = &mut a;
println!("p's addr:{:p}", &a
- java编程思想 -- 数据的初始化
百合不是茶
java数据的初始化
1.使用构造器确保数据初始化
/*
*在ReckInitDemo类中创建Reck的对象
*/
public class ReckInitDemo {
public static void main(String[] args) {
//创建Reck对象
new Reck();
}
}
- [航天与宇宙]为什么发射和回收航天器有档期
comsci
地球的大气层中有一个时空屏蔽层,这个层次会不定时的出现,如果该时空屏蔽层出现,那么将导致外层空间进入的任何物体被摧毁,而从地面发射到太空的飞船也将被摧毁...
所以,航天发射和飞船回收都需要等待这个时空屏蔽层消失之后,再进行
&
- linux下批量替换文件内容
商人shang
linux替换
1、网络上现成的资料
格式: sed -i "s/查找字段/替换字段/g" `grep 查找字段 -rl 路径`
linux sed 批量替换多个文件中的字符串
sed -i "s/oldstring/newstring/g" `grep oldstring -rl yourdir`
例如:替换/home下所有文件中的www.admi
- 网页在线天气预报
oloz
天气预报
网页在线调用天气预报
<%@ page language="java" contentType="text/html; charset=utf-8"
pageEncoding="utf-8"%>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transit
- SpringMVC和Struts2比较
杨白白
springMVC
1. 入口
spring mvc的入口是servlet,而struts2是filter(这里要指出,filter和servlet是不同的。以前认为filter是servlet的一种特殊),这样就导致了二者的机制不同,这里就牵涉到servlet和filter的区别了。
参见:http://blog.csdn.net/zs15932616453/article/details/8832343
2
- refuse copy, lazy girl!
小桔子
copy
妹妹坐船头啊啊啊啊!都打算一点点琢磨呢。文字编辑也写了基本功能了。。今天查资料,结果查到了人家写得完完整整的。我清楚的认识到:
1.那是我自己觉得写不出的高度
2.如果直接拿来用,很快就能解决问题
3.然后就是抄咩~~
4.肿么可以这样子,都不想写了今儿个,留着作参考吧!拒绝大抄特抄,慢慢一点点写!
- apache与php整合
aichenglong
php apache web
一 apache web服务器
1 apeche web服务器的安装
1)下载Apache web服务器
2)配置域名(如果需要使用要在DNS上注册)
3)测试安装访问http://localhost/验证是否安装成功
2 apache管理
1)service.msc进行图形化管理
2)命令管理,配
- Maven常用内置变量
AILIKES
maven
Built-in properties
${basedir} represents the directory containing pom.xml
${version} equivalent to ${project.version} (deprecated: ${pom.version})
Pom/Project properties
Al
- java的类和对象
百合不是茶
JAVA面向对象 类 对象
java中的类:
java是面向对象的语言,解决问题的核心就是将问题看成是一个类,使用类来解决
java使用 class 类名 来创建类 ,在Java中类名要求和构造方法,Java的文件名是一样的
创建一个A类:
class A{
}
java中的类:将某两个事物有联系的属性包装在一个类中,再通
- JS控制页面输入框为只读
bijian1013
JavaScript
在WEB应用开发当中,增、删除、改、查功能必不可少,为了减少以后维护的工作量,我们一般都只做一份页面,通过传入的参数控制其是新增、修改或者查看。而修改时需将待修改的信息从后台取到并显示出来,实际上就是查看的过程,唯一的区别是修改时,页面上所有的信息能修改,而查看页面上的信息不能修改。因此完全可以将其合并,但通过前端JS将查看页面的所有信息控制为只读,在信息量非常大时,就比较麻烦。
- AngularJS与服务器交互
bijian1013
JavaScriptAngularJS$http
对于AJAX应用(使用XMLHttpRequests)来说,向服务器发起请求的传统方式是:获取一个XMLHttpRequest对象的引用、发起请求、读取响应、检查状态码,最后处理服务端的响应。整个过程示例如下:
var xmlhttp = new XMLHttpRequest();
xmlhttp.onreadystatechange
- [Maven学习笔记八]Maven常用插件应用
bit1129
maven
常用插件及其用法位于:http://maven.apache.org/plugins/
1. Jetty server plugin
2. Dependency copy plugin
3. Surefire Test plugin
4. Uber jar plugin
1. Jetty Pl
- 【Hive六】Hive用户自定义函数(UDF)
bit1129
自定义函数
1. 什么是Hive UDF
Hive是基于Hadoop中的MapReduce,提供HQL查询的数据仓库。Hive是一个很开放的系统,很多内容都支持用户定制,包括:
文件格式:Text File,Sequence File
内存中的数据格式: Java Integer/String, Hadoop IntWritable/Text
用户提供的 map/reduce 脚本:不管什么
- 杀掉nginx进程后丢失nginx.pid,如何重新启动nginx
ronin47
nginx 重启 pid丢失
nginx进程被意外关闭,使用nginx -s reload重启时报如下错误:nginx: [error] open() “/var/run/nginx.pid” failed (2: No such file or directory)这是因为nginx进程被杀死后pid丢失了,下一次再开启nginx -s reload时无法启动解决办法:nginx -s reload 只是用来告诉运行中的ng
- UI设计中我们为什么需要设计动效
brotherlamp
UIui教程ui视频ui资料ui自学
随着国际大品牌苹果和谷歌的引领,最近越来越多的国内公司开始关注动效设计了,越来越多的团队已经意识到动效在产品用户体验中的重要性了,更多的UI设计师们也开始投身动效设计领域。
但是说到底,我们到底为什么需要动效设计?或者说我们到底需要什么样的动效?做动效设计也有段时间了,于是尝试用一些案例,从产品本身出发来说说我所思考的动效设计。
一、加强体验舒适度
嗯,就是让用户更加爽更加爽的用你的产品。
- Spring中JdbcDaoSupport的DataSource注入问题
bylijinnan
javaspring
参考以下两篇文章:
http://www.mkyong.com/spring/spring-jdbctemplate-jdbcdaosupport-examples/
http://stackoverflow.com/questions/4762229/spring-ldap-invoking-setter-methods-in-beans-configuration
Sprin
- 数据库连接池的工作原理
chicony
数据库连接池
随着信息技术的高速发展与广泛应用,数据库技术在信息技术领域中的位置越来越重要,尤其是网络应用和电子商务的迅速发展,都需要数据库技术支持动 态Web站点的运行,而传统的开发模式是:首先在主程序(如Servlet、Beans)中建立数据库连接;然后进行SQL操作,对数据库中的对象进行查 询、修改和删除等操作;最后断开数据库连接。使用这种开发模式,对
- java 关键字
CrazyMizzz
java
关键字是事先定义的,有特别意义的标识符,有时又叫保留字。对于保留字,用户只能按照系统规定的方式使用,不能自行定义。
Java中的关键字按功能主要可以分为以下几类:
(1)访问修饰符
public,private,protected
p
- Hive中的排序语法
daizj
排序hiveorder byDISTRIBUTE BYsort by
Hive中的排序语法 2014.06.22 ORDER BY
hive中的ORDER BY语句和关系数据库中的sql语法相似。他会对查询结果做全局排序,这意味着所有的数据会传送到一个Reduce任务上,这样会导致在大数量的情况下,花费大量时间。
与数据库中 ORDER BY 的区别在于在hive.mapred.mode = strict模式下,必须指定 limit 否则执行会报错。
- 单态设计模式
dcj3sjt126com
设计模式
单例模式(Singleton)用于为一个类生成一个唯一的对象。最常用的地方是数据库连接。 使用单例模式生成一个对象后,该对象可以被其它众多对象所使用。
<?phpclass Example{ // 保存类实例在此属性中 private static&
- svn locked
dcj3sjt126com
Lock
post-commit hook failed (exit code 1) with output:
svn: E155004: Working copy 'D:\xx\xxx' locked
svn: E200031: sqlite: attempt to write a readonly database
svn: E200031: sqlite: attempt to write a
- ARM寄存器学习
e200702084
数据结构C++cC#F#
无论是学习哪一种处理器,首先需要明确的就是这种处理器的寄存器以及工作模式。
ARM有37个寄存器,其中31个通用寄存器,6个状态寄存器。
1、不分组寄存器(R0-R7)
不分组也就是说说,在所有的处理器模式下指的都时同一物理寄存器。在异常中断造成处理器模式切换时,由于不同的处理器模式使用一个名字相同的物理寄存器,就是
- 常用编码资料
gengzg
编码
List<UserInfo> list=GetUserS.GetUserList(11);
String json=JSON.toJSONString(list);
HashMap<Object,Object> hs=new HashMap<Object, Object>();
for(int i=0;i<10;i++)
{
- 进程 vs. 线程
hongtoushizi
线程linux进程
我们介绍了多进程和多线程,这是实现多任务最常用的两种方式。现在,我们来讨论一下这两种方式的优缺点。
首先,要实现多任务,通常我们会设计Master-Worker模式,Master负责分配任务,Worker负责执行任务,因此,多任务环境下,通常是一个Master,多个Worker。
如果用多进程实现Master-Worker,主进程就是Master,其他进程就是Worker。
如果用多线程实现
- Linux定时Job:crontab -e 与 /etc/crontab 的区别
Josh_Persistence
linuxcrontab
一、linux中的crotab中的指定的时间只有5个部分:* * * * *
分别表示:分钟,小时,日,月,星期,具体说来:
第一段 代表分钟 0—59
第二段 代表小时 0—23
第三段 代表日期 1—31
第四段 代表月份 1—12
第五段 代表星期几,0代表星期日 0—6
如:
*/1 * * * * 每分钟执行一次。
*
- KMP算法详解
hm4123660
数据结构C++算法字符串KMP
字符串模式匹配我们相信大家都有遇过,然而我们也习惯用简单匹配法(即Brute-Force算法),其基本思路就是一个个逐一对比下去,这也是我们大家熟知的方法,然而这种算法的效率并不高,但利于理解。
假设主串s="ababcabcacbab",模式串为t="
- 枚举类型的单例模式
zhb8015
单例模式
E.编写一个包含单个元素的枚举类型[极推荐]。代码如下:
public enum MaYun {himself; //定义一个枚举的元素,就代表MaYun的一个实例private String anotherField;MaYun() {//MaYun诞生要做的事情//这个方法也可以去掉。将构造时候需要做的事情放在instance赋值的时候:/** himself = MaYun() {*
- Kafka+Storm+HDFS
ssydxa219
storm
cd /myhome/usr/stormbin/storm nimbus &bin/storm supervisor &bin/storm ui &Kafka+Storm+HDFS整合实践kafka_2.9.2-0.8.1.1.tgzapache-storm-0.9.2-incubating.tar.gzKafka安装配置我们使用3台机器搭建Kafk
- Java获取本地服务器的IP
中华好儿孙
javaWeb获取服务器ip地址
System.out.println("getRequestURL:"+request.getRequestURL());
System.out.println("getLocalAddr:"+request.getLocalAddr());
System.out.println("getLocalPort:&quo