shichaog
shichaog

kaldi 在线中文识别系统搭建

我的书：
在这里插入图片描述
淘宝购买链接
当当购买链接
京东购买链接

##原始数据下载
http://www.openslr.org/18/
kaldi 在线中文识别系统搭建_第1张图片
总共三个tgz文件：
data_thchs30.tgz [6.4G] ( speech data and transcripts )
test-noise.tgz [1.9G] ( standard 0db noisy test data )
resource.tgz [24M] ( supplementary resources, incl. lexicon for training data, noise samples )
下载后随便解压到哪个目录文件夹下。
我解压的目录路径是：

/media/gsc/kaldi_data/thchs30-openslr

###训练生成模型
该example在我的电脑上的目录是：

/home/gsc/kaldi/egs/thchs30/s5

PC编译的cmd.sh按如下方式更改以使用pc进行编译：
至少4核4G内存。

export train_cmd=run.pl
export decode_cmd="run.pl --mem 4G"
export mkgraph_cmd="run.pl --mem 8G"
export cuda_cmd="run.pl --gpu 1"
#export train_cmd=queue.pl
#export decode_cmd="queue.pl --mem 4G"
#export mkgraph_cmd="queue.pl --mem 8G"
#export cuda_cmd="queue.pl --gpu 1"

修改run.sh文件：

kaldi 在线中文识别系统搭建_第2张图片

然后执行run.sh，由于编译时间较长，可以参看run.sh文件跟踪过程；
该文件进行了不同声学模型的训练。最简单的就是单音素模型了。

可以在任何时间停止，但是至少mono训练结束后停止，因为下面在线识别依赖至少一个模型。
###安装portaudio

gsc@X250:~/kaldi/tools$ ./install_portaudio.sh 
./src/下 , make ext

###在线识别
####创建相关文件
从voxforge把online_demo拷贝到thchs30下，和s5同级，online_demo建online-data和work两个文件夹。online-data下建audio和models，audio放要识别的wav，models建tri1，讲s5下/exp/下的tri1下的final.mdl和35.mdl拷贝过去，把s5下的exp下的tri1下的graph_word里面的words.txt和HCLG.fst也拷过去。
####修改脚本
修改online_demo 下的run.sh
1.注释
kaldi 在线中文识别系统搭建_第3张图片
2.修改模型类型

ac_model_type=tri2b_mmi 改成ac_model_type=tri1

3.更改命令行
图中注释掉的是tri2b模式时的命令调用格式
kaldi 在线中文识别系统搭建_第4张图片

4.运行run.sh --test_mode live在线识别。
kaldi 在线中文识别系统搭建_第5张图片

单音素识别结果如上，基本不准，但是对“为什么”识别很好。

###其它模型
运行tri2(tri3,tri4同理)：把s5下的exp下的tri2b下的12.mat考到models的tri2b下，把final.mat考过来，再拷贝其他相应的文件，修改，
这里写图片描述

        online-gmm-decode-faster --rt-min=0.5 --rt-max=0.7 --max-active=4000 \
        --beam=12.0 --acoustic-scale=0.0769 --left-context=3 --right-context=3 $ac_model/final.mdl $ac_model/HCLG.fst \
        $ac_model/words.txt '1:2:3:4:5' $trans_matrix;;

不截屏结果了，显示比前面一个好，且如果听过wav，就会发现wav文件里高频词汇，识别的结果相对准一些。

###dnn模型
运行dnn：首先要将nnet1转成nnet2，如何转换，上面的文章里有，再贴一下链接：http://kaldi-asr.org/doc/dnn1.html#dnn1_conversion_to_dnn2，https://sourceforge.net/p/kaldi/discussion/1355348/thread/1ff78ec8/

####syntaxnet（和文章标题无关，请跳过）
无关的两张图，syntaxnet
kaldi 在线中文识别系统搭建_第6张图片
这里写图片描述

中文分词
在网上下载Chinese模型文件，http://download.tensorflow.org/models/parsey_universal/Chinese.zip
kaldi 在线中文识别系统搭建_第7张图片
导出所在路径：

gsc@X250:~/envtensorflow/deep_learn/models/syntaxnet$ MODEL_DIRECTORY=~/Downloads/Chinese

执行如下命令，查看分词结果；

gsc@X250:~/envtensorflow/deep_learn/models/syntaxnet$ echo '然而,中国经历了30多年的改革开放' | syntaxnet/models/parsey_universal/tokenize_zh.sh $MODEL_DIRECTORY | syntaxnet/models/parsey_universal/parse.sh $MODEL_DIRECTORY

你可能感兴趣的:(语音识别)

  • 【循环神经网络rnn】一篇文章讲透 CX330的烟花 rnn人工智能深度学习算法python机器学习数据结构
    目录引言二、RNN的基本原理代码事例三、RNN的优化方法1长短期记忆网络（LSTM）2门控循环单元（GRU）四、更多优化方法1选择合适的RNN结构2使用并行化技术3优化超参数4使用梯度裁剪5使用混合精度训练6利用分布式训练7使用预训练模型五、RNN的应用场景1自然语言处理2语音识别3时间序列预测六、RNN的未来发展七、结论引言众所周知，CNN与循环神经网络（RNN）或生成对抗网络（GAN）等算法结
  • 自然语言处理（NLP）技术的概念及优势 刘小董 学习心得自然语言处理
    自然语言处理（NLP）是人工智能领域的一个重要分支，其目标是使计算机能够理解、处理和生成人类自然语言的形式和含义。NLP技术的优势包括：实现人机交互：NLP技术可以使计算机与人类之间实现自然的语言交互，使人们可以通过语音识别、语义理解等方式与计算机进行交流。大规模文本处理：NLP技术可以对大规模文本进行自动化处理和分析，提取关键信息和知识，从而实现文本分类、情感分析、信息检索等任务。自动化翻译：N
  • AI智能电销机器人帮助我们开发业务的效果如何呢？ VO_794632978 语音机器人WX-794632978人工智能机器人语音识别阿里云腾讯云
    AI电销机器人获客效果怎么样？AI电销机器人是人工智能语音识别系统的应用产品，2018年6月以后，全国电销机器人全面开花，呈现出井喷的状态。疫情3年，全球AI巨头们没有停下深度研发的步伐，AI电销机器人在不断的升级迭代！疫情刚刚结束，作为市场刚需的AI电销机器人又火了起来！我们一起来了解一下它能帮助我们什么。一、语音识别率大幅提高，帮助企业解决诸多难题。语音识别功能是智能语音机器人更基本的功能，也
  • 真快！几分钟就把视频语音识别为文本了，不到10行代码 诗者才子酒中仙 音视频语音识别人工智能
    虽然已经很简单了，但是对于程序员来说还是不够简洁，毕竟程序员都很“懒”，Whisper虽说安装和调用已经很简单了，但还是需要独立安装PyTorch、ffmpeg甚至Rust。将音视频文件中的音频转为文字内容，这个需求放到两年前还不大好实现，但是放到今天，几分钟就解决了。听说有的公司为了抓取训练数据，已经把抖音、快手这些短视频平台上的视频扒了个遍，然后将其中的音频提取成文本，用作大数据模型的训练语料
  • 语音系统智能AI机器人AI源码营销机器人电销机器人智能电话机器人拨号机器人语音机器人空号识别FreeSWITCH呼叫中心中间ipbxIPBX科大识别阿里识别语音识别语音翻译AI语音系统电销机器人系统搭 ai语音机器人 电销系统电销机器人语音系统机器人bootstraphtmldreamweaver人工智能
    2022新版本AI智能系统已修复远程执行漏洞1、增加话术体验模式，支持检测话术的完整性。2.支持开通运营商免费独立绑定公众号3、支持：空号，拒接，通话中，无法接通。。。结果识别4、意向客户推送ABC5.支持打断，支持重复回答6.终端账户支持单账户绑定多个微信7，支持单账户不通过VOS对接多台设备，支持多任务固定单独坐席拨打互不干扰。8。免费赠送话术，售后专门指导教学包教包会承诺一年售后服务！本系统
  • 基于深度学习的中文语音识别系统（毕设） 程序员奇奇 深度学习从入门到精通语音识别深度学习人工智能
    该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模，其中声学模型包括CNN-CTC、GRU-CTC、CNN-RNN-CTC，语言模型包含transformer、CBHG，数据集包含stc、primewords、Aishell、thchs30四个数据集。本项目现已训练一个迷你的语音识别系统，将项目下载到本地上，下载thchs数据集并解压至data，运行test.py，不出意外能够进行识别，
  • 深度学习笔记１：神经网络端到端学习笔记 撒哈拉土狼 深度学习
    许多重要问题都可以抽象为变长序列学习问题（sequencetosequencelearning），如语音识别、机器翻译、字符识别。这类问题的特点是，1)输入和输出都是序列（如连续值语音信号/特征、离散值的字符），2)序列长度都不固定，3)并且输入输出序列长度没有对应关系。因此，传统的神经网络模型（DNN，CNN，RNN）不能直接以端到端的方式解决这类问题的建模和学习问题。解决变长序列的端到端学习，
  • 深度学习的进展 CuiXg 深度学习人工智能
    深度学习的进展深度学习作为人工智能领域的重要分支之一，利用神经网络模拟人类大脑的学习过程，通过数据训练模型以自动提取特征、识别模式、进行分类和预测等任务。近年来，深度学习在多个领域取得显著进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等方面实现了突破性进展。方向一：深度学习的基本原理和算法深度学习基于神经网络概念，涉及反向传播、卷积神经网络、循环神经网络等算法。这些算法模拟人脑神经元间的
  • 全球知名语音大模型介绍 科学禅道 大模型专栏语音大模型深度学习人工智能语音识别
    全球知名的语音大模型包括但不限于以下几种：OpenAIWhisper：OpenAI于2022年发布的Whisper是一个大规模的多语言端到端语音转文本模型，它能够在多个语种上实现高质量的自动语音识别（ASR），并且具备一定的翻译能力。目前最新版本是OpenAIWhisperV3，发布时间为2023年11月7日。DeepMindWaveNet：DeepMind开发的WaveNet是一种开创性的神经网
  • 探索卷积神经网络的奇妙世界-JSP hkmaike cnn人工智能神经网络
    卷积神经网络（ConvolutionalNeuralNetworks，CNNs）是一种深度学习模型，被广泛用于图像识别、语音识别、自然语言处理等领域。它的特殊结构使得它在处理具有空间结构的数据时表现出色。本文将深入介绍卷积神经网络的原理、应用和未来发展方向。卷积神经网络的基本结构卷积神经网络的核心是卷积层（ConvolutionalLayer）。卷积层通过滤波器（Filter）在输入数据上进行滑动
  • 什么是机器学习 瑞瑞大大 机器学习
    随着科技的飞速发展，机器学习已经逐渐渗透到我们生活的各个领域，从智能家居到自动驾驶，从语音识别到图像识别，机器学习的应用无处不在。本文将浅析机器学习的概念、原理以及其在现实生活中的应用。首先，机器学习是什么？机器学习是一种人工智能的方法，它通过让计算机从数据中学习规律和模式，进而实现预测和决策。机器学习的核心思想是：利用已有的数据，通过算法构建一个模型，使得该模型能够在新的数据上做出准确的预测。简
  • uniapp中实现H5录音和上传、实时语音识别（兼容App小程序）和波形可视化
    在uniapp中使用Recorder-UniCore插件可以实现跨平台录音功能，uniapp自带的recorderManager接口不支持H5、录音格式和实时回调onFrameRecorded兼容性不好，用Recorder插件可避免这些问题。DCloud插件市场下载插件（有demo项目源码）：https://ext.dcloud.net.cn/plugin?name=Recorder-UniCor
  • 深度学习——概念引入 韶光流年都束之高阁 深度学习日记深度学习人工智能职场和发展
    深度学习深度学习简介深度学习分类根据网络结构划分：循环神经网络卷积神经网络根据学习方式划分：监督学习无监督学习半监督学习根据应用领域划分：计算机视觉自然语言处理语音识别生物信息学深度学习简介深度学习（DeepLearning，DL）是机器学习领域中的一个新的研究方向，主要是通过学习样本数据的内在规律和表示层次，让机器能够具有类似于人类的分析学习能力。深度学习的最终目标是让机器能够识别和解释各种数据
  • ChatGPT和LLM 小米人er 我的博客chatgpt
    ChatGPT和LLM（大型语言模型）之间存在密切的关系。首先，LLM是一个更为抽象的概念，它包含了各种自然语言处理任务中使用的各种深度学习模型结构。这些模型通过建立深层神经网络，根据已有的大量文本数据进行文本自动生成。其核心思想是基于训练数据中的统计规律，将输入序列转化为概率分布，进而输出目标序列。这种技术广泛应用于各种自然语言处理任务，如机器翻译、语音识别、文本生成等。而ChatGPT则是基于
  • 人工智能到底是什么？ Evaporator Core 人工智能人工智能
    人工智能（ArtificialIntelligence，AI）是一种利用计算机科学和统计学理论和技术来实现人类智能的一门交叉学科，旨在使计算机系统能够模拟、扩展和增强人类的智能能力，使计算机能够像人类一样思考、学习、决策和执行任务。简单来说，人工智能是计算机程序的一种，可以使计算机完成类似于人类的任务，例如视觉识别、语音识别、自然语言处理、智能推荐、自主决策等等。人工智能的发展史人工智能（Arti
  • AI手机是什么原理 小黄人软件 人工智能智能手机
    AI手机，即搭载人工智能技术的智能手机，基于几个核心原理和技术来提升用户体验和手机的智能化程度。这些原理主要包括：机器学习和深度学习：AI手机利用机器学习算法，尤其是深度学习模型，来分析和理解用户数据（如照片、视频、文本和语音）。这些技术使得手机能够提供个性化的用户体验，比如智能推荐、语音识别和图像识别。自然语言处理（NLP）：AI手机使用NLP技术来理解和生成人类语言，使得用户可以通过语音命令与
  • 深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元 Srlua 人工智能深度学习人工智能
    目录什么是深度学习深度学习的基本原理和算法深度学习的应用实例深度学习的挑战和未来发展方向挑战未来发展方向深度学习与机器学习的关系深度学习与人类的智能交互什么是深度学习深度学习是一种基于神经网络的机器学习方法，旨在模仿人类大脑分析和学习数据的方式。深度学习的核心在于能够自动学习和提取数据中的复杂特征，它通过构建深层的神经网络结构来实现对数据的高层次抽象和理解。这种方法在图像识别、语音识别、自然语言处
  • 深度学习的进展 五行缺你94 笔记深度学习人工智能
    深度学习是人工智能领域的一个重要分支，它利用神经网络模拟人类大脑的学习过程，通过大量数据训练模型，使其能够自动提取特征、识别模式、进行分类和预测等任务。近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。随着算法和模型的改进、计算能力的提升以及数据量的增长，深度学习的应用范围不断扩大，对各行各业产生了深远的影响。方向一：深度学习的
  • 机器学习 会敲键盘的猩猩 PRML机器学习
    在过去50年，机器学习的研究已经从几个计算机工程师探索计算机是否能学会玩游戏的影响下不断成长，统计领域（在很大程度上忽视计算的考虑）到广泛的学科（该学科产生了基本的学习过程的统计-计算理论）已经设计了许多学习算法，这些算法通常应用在商业系统中，例如语音识别，计算机视觉，和其他各种各样的任务，并已剥离了数据挖掘中的工业来发掘网上不断增长的数据量中隐藏的规律。这篇文章提供了该学科（已经作为机器学习出现
  • 扩展语音识别系统：增强功能与多语言支持 GT开发算法工程师 语音识别人工智能
    一、引言在之前的博客中，我们成功构建了一个基于LibriSpeech数据集的英文语音识别系统。现在，我们将对系统进行扩展，增加一些增强功能，并尝试支持多语言识别。二、增加增强功能语音合成--除了语音识别，我们还可以增加语音合成（Text-to-Speech,TTS）功能，将文本转换为语音输出。这可以使得我们的系统不仅仅是一个转录工具，还能够进行语音交互。情感分析--通过结合情感分析模型，我们可以识
  • ASR 概述 墨鸦_Cormorant PythonASR
    前言随着企业加强了与客户的线上沟通，企业越发依赖于虚拟助手、聊天机器人以及其他的语音技术，以实现与客户的高效互动。这几类人工智能，都是依赖于自动语音识别技术，简称为ASR。ASR涉及到将语音转换为文本，促使计算机理解人类语言并与人类对话。语音识别技术，也被称为自动语音识别AutomaticSpeechRecognition（ASR），其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键
  • 深度学习的应用实例 数字化信息化智能化解决方案 深度学习人工智能
    深度学习在各个领域都有广泛的应用，下面我将为您介绍一些在自然语言处理、计算机视觉、语音识别和机器翻译等领域的应用实例以及最新进展和突破。自然语言处理（NLP）情感分析：深度学习模型如循环神经网络（RNN）和Transformer等已被广泛用于情感分析任务，例如识别文本中的情感倾向或情感类别。最新的进展包括使用预训练的语言模型（如BERT）进行情感分析，这些模型在大量无监督数据上进行预训练，并在特定
  • 中文语音标注工具FunASR（语音识别） 我要用代码向我喜欢的女孩表白 语音识别人工智能
    全称AFundamentalEnd-to-EndSpeechRecognitionToolkit（一个语音识别工具）可能大家用过whisper（openAi），它【标注英语的确很完美】，【但中文会出现标注错误】或搞了个没说的词替换上去，所以要人工核对，麻烦。FunASR作用:能【准确】识别语音，并转成【文字、标出声调】他的原理，就不讲了，俺是搞大数据的，python这东西就勉强能写个爬虫和接口，机
  • 深度学习的进展 JayGboy 深度学习人工智能
    深度学习的进展深度学习是人工智能领域的一个重要分支，它利用神经网络模拟人类大脑的学习过程，通过大量数据训练模型，使其能够自动提取特征、识别模式、进行分类和预测等任务。近年来，深度学习在多个领域取得了显著的进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。随着算法和模型的改进、计算能力的提升以及数据量的增长，深度学习的应用范围不断扩大，对各行各业产生了深远的影响。深度
  • 神经网络和深度学习 灰斗儿
    原著作者：michael_nielsen前往神经网络和深度学习神经网络和深度学习是一本免费的在线图书，这本书将教给你：神经网络，是一个由于生物启发的编程规范，使计算机通过观察数据进行学习深度学习，一种强大的神经网络学习技术神经网络和深度学习目前为图像识别、语音识别和自然语言处理中的许多问题提供了最好的解决方案。这本书将教你许多神经网络和深度学习背后的核心概念。有关这本书所采取的方法的更多的细节，看
  • Beam search 以及在语音识别（pure E2E）中的使用 panxin801 语音识别处理
    Beamsearch以及在语音识别（pureE2E）中的使用Author:XinPanDate:2021.2.22语音识别（ASR）中解码时一个很重要的过程。在其中不论是传统语音识别或是E2E的新结构虽然LM也许不存在了，但是解码过程和其中的解码方法是必不可少的。首先简单说下beamsearch,之后说下ASRE2E+withoutLM这种方式中beamsearch如何使用的。BeamSearch
  • Toolify.ai 帮助你发现最好的 AI 网站和 AI 工具 叶庭云 暂时人工智能AIToolify.ai工具网站
    CSDN叶庭云：https://yetingyun.blog.csdn.net/人工智能作为一门前沿科技领域，吸引着越来越多的人关注和投入。首先，让我们探讨一下为什么对人工智能感兴趣是值得的：科技进步与应用：近年来，人工智能技术在各行各业迅速发展。从语音识别到智能音箱，从无人驾驶到人机对战，人工智能为人类社会带来了一次又一次惊喜。对人工智能的兴趣，意味着你关心科技进步，愿意探索新的应用领域。职业发
  • PyTorch vs TensorFlow:谁拥有更多预训练深度学习模型？ suoge223 机器学习实用指南深度学习pytorchtensorflow
    众所周知，访问预先训练的深度学习模型对于当代深度学习应用至关重要。随着最先进的模型变得越来越大，达到数万亿个参数，在许多领域，尤其是自动语音识别等领域，从头开始训练高级模型不再有意义。鉴于预训练深度学习模型的重要性，哪个深度学习框架（PyTorch或TensorFlow）为用户提供更多此类模型是一个需要回答的重要问题。在本文中，我们将定量地探讨这个主题，以便您可以随时了解深度学习领域的当前状态。为
  • 工信部颁发的《自然语言与语音处理设计开发工程师》中级证书的培训通知 人工智能技术与咨询 人工智能计算机视觉自然语言处理
    国家发展大势所趋，促进各行各业智能化、数字化转型，而计算机自然语言处理是一个快速发展的领域，随着人工智能技术的不断发展和应用，对自然语言处理的需求也越来越大。因此，计算机自然语言处理的就业前景非常好。在就业方面，计算机自然语言处理领域主要涉及人工智能、自然语言处理、机器学习、语音识别、信息检索等方面的工作，包括算法工程师、数据分析师、自然语言处理工程师、语音处理工程师、信息检索工程师等职位。在科技
  • 《零基础实践深度学习》1.4.1飞桨产业级深度学习开源开放平台介绍 软工菜鸡 《零基础实践深度学习》百度飞桨人工智能深度学习机器学习AI
    1.4飞桨产业级深度学习开源开放平台介绍1.4.1深度学习框架近年来，深度学习在很多机器学习任务中都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域都有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者聚焦业务场景和模型设计本身，省去大量而繁琐的代码编写工作，其优势主要表现在如下两个方面：节省编写大量底层代码的精力：深度学习框架屏蔽了底层
  • 桌面上有多个球在同时运动，怎么实现球之间不交叉，即碰撞？ 换个号韩国红果果 html小球碰撞
    稍微想了一下，然后解决了很多bug，最后终于把它实现了。其实原理很简单。在每改变一个小球的x y坐标后，遍历整个在dom树中的其他小球，看一下它们与当前小球的距离是否小于球半径的两倍？若小于说明下一次绘制该小球（设为a）前要把他的方向变为原来相反方向（与a要碰撞的小球设为b），即假如当前小球的距离小于球半径的两倍的话，马上改变当前小球方向。那么下一次绘制也是先绘制b，再绘制a，由于a的方向已经改变
  • 《高性能HTML5》读后整理的Web性能优化内容 白糖_ html5
    读后感         先说说《高性能HTML5》这本书的读后感吧，个人觉得这本书前两章跟书的标题完全搭不上关系，或者说只能算是讲解了“高性能”这三个字，HTML5完全不见踪影。个人觉得作者应该首先把HTML5的大菜拿出来讲一讲，再去分析性能优化的内容，这样才会有吸引力。因为只是在线试读，没有机会看后面的内容，所以不胡乱评价了。  
  • [JShop]Spring MVC的RequestContextHolder使用误区 dinguangx jeeshop商城系统jshop电商系统
        在spring mvc中，为了随时都能取到当前请求的request对象，可以通过RequestContextHolder的静态方法getRequestAttributes()获取Request相关的变量，如request, response等。         在jshop中，对RequestContextHolder的
  • 算法之时间复杂度 周凡杨 java算法时间复杂度效率
          在 计算机科学 中， 算法 的时间复杂度是一个 函数 ，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的 字符串 的长度的函数。时间复杂度常用 大O符号 表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是 渐近 的，它考察当输入值大小趋近无穷时的情况。 这样用大写O()来体现算法时间复杂度的记法，
  • Java事务处理 g21121 java
    一、什么是Java事务 通常的观念认为，事务仅与数据库相关。 事务必须服从ISO/IEC所制定的ACID原则。ACID是原子性（atomicity）、一致性（consistency）、隔离性（isolation）和持久性（durability）的缩写。事务的原子性表示事务执行过程中的任何失败都将导致事务所做的任何修改失效。一致性表示当事务执行失败时，所有被该事务影响的数据都应该恢复到事务执行前的状
  • Linux awk命令详解 510888780 linux
    一.  AWK 说明   awk是一种编程语言，用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件，或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能，是linux/unix下的一个强大编程工具。它在命令行中使用，但更多是作为脚本来使用。    awk的处理文本和数据的方式：它逐行扫描文件，从第一行到
  • android permission 布衣凌宇 Permission
    <uses-permission android:name="android.permission.ACCESS_CHECKIN_PROPERTIES" ></uses-permission>允许读写访问"properties"表在checkin数据库中，改值可以修改上传 <uses-permission android:na
  • Oracle和谷歌Java Android官司将推迟 aijuans javaoracle
    北京时间 10 月 7 日，据国外媒体报道，Oracle 和谷歌之间一场等待已久的官司可能会推迟至 10 月 17 日以后进行，这场官司的内容是 Android 操作系统所谓的 Java 专利权之争。本案法官 William Alsup 称根据专利权专家 Florian Mueller 的预测，谷歌 Oracle 案很可能会被推迟。　　该案中的第二波辩护被安排在 10 月 17 日出庭，从目前看来
  • linux shell 常用命令 antlove linuxshellcommand
    grep [options] [regex] [files] /var/root # grep -n "o" * hello.c:1:/* This C source can be compiled with:
  • Java解析XML配置数据库连接(DOM技术连接 SAX技术连接) 百合不是茶 sax技术Java解析xml文档dom技术XML配置数据库连接
        XML配置数据库文件的连接其实是个很简单的问题,为什么到现在才写出来主要是昨天在网上看了别人写的,然后一直陷入其中,最后发现不能自拔 所以今天决定自己完成 ,,,,现将代码与思路贴出来供大家一起学习   XML配置数据库的连接主要技术点的博客; JDBC编程 : JDBC连接数据库 DOM解析XML:  DOM解析XML文件 SA
  • underscore.js 学习（二） bijian1013 JavaScriptunderscore
            Array Functions 所有数组函数对参数对象一样适用。1.first   _.first(array, [n])   别名: head, take       返回array的第一个元素，设置了参数n，就
  • plSql介绍 bijian1013 oracle数据库plsql
    /* * PL/SQL 程序设计学习笔记 * 学习plSql介绍.pdf * 时间：2010-10-05 */ --创建DEPT表 create table DEPT ( DEPTNO NUMBER(10), DNAME NVARCHAR2(255), LOC NVARCHAR2(255) ) delete dept; select
  • 【Nginx一】Nginx安装与总体介绍 bit1129 nginx
    启动、停止、重新加载Nginx nginx 启动Nginx服务器，不需要任何参数u nginx -s stop 快速(强制)关系Nginx服务器 nginx -s quit 优雅的关闭Nginx服务器 nginx -s reload 重新加载Nginx服务器的配置文件 nginx -s reopen 重新打开Nginx日志文件  
  • spring mvc开发中浏览器兼容的奇怪问题 bitray jqueryAjaxspringMVC浏览器上传文件
        最近个人开发一个小的OA项目,属于复习阶段.使用的技术主要是spring mvc作为前端框架,mybatis作为数据库持久化技术.前台使用jquery和一些jquery的插件.     在开发到中间阶段时候发现自己好像忽略了一个小问题,整个项目一直在firefox下测试,没有在IE下测试,不确定是否会出现兼容问题.由于jquer
  • Lua的io库函数列表 ronin47 lua io
    1、io表调用方式：使用io表，io.open将返回指定文件的描述，并且所有的操作将围绕这个文件描述 　　io表同样提供三种预定义的文件描述io.stdin,io.stdout,io.stderr 　　2、文件句柄直接调用方式,即使用file:XXX()函数方式进行操作,其中file为io.open()返回的文件句柄 　　多数I/O函数调用失败时返回nil加错误信息,有些函数成功时返回nil
  • java-26-左旋转字符串 bylijinnan java
    public class LeftRotateString { /** * Q 26 左旋转字符串 * 题目：定义字符串的左旋转操作：把字符串前面的若干个字符移动到字符串的尾部。 * 如把字符串abcdef左旋转2位得到字符串cdefab。 * 请实现字符串左旋转的函数。要求时间对长度为n的字符串操作的复杂度为O(n)，辅助内存为O(1)。 */ pu
  • 《vi中的替换艺术》-linux命令五分钟系列之十一 cfyme linux命令
    vi方面的内容不知道分类到哪里好，就放到《Linux命令五分钟系列》里吧！ 今天编程，关于栈的一个小例子，其间我需要把”S.”替换为”S->”(替换不包括双引号)。 其实这个不难，不过我觉得应该总结一下vi里的替换技术了，以备以后查阅。   1 所有替换方案都要在冒号“:”状态下书写。 2 如果想将abc替换为xyz，那么就这样 :s/abc/xyz/ 不过要特别
  • [轨道与计算]新的并行计算架构 comsci 并行计算
         我在进行流程引擎循环反馈试验的过程中，发现一个有趣的事情。。。如果我们在流程图的每个节点中嵌入一个双向循环代码段，而整个流程中又充满着很多并行路由，每个并行路由中又包含着一些并行节点，那么当整个流程图开始循环反馈过程的时候，这个流程图的运行过程是否变成一个并行计算的架构呢？      
  • 重复执行某段代码 dai_lm android
    用handler就可以了 private Handler handler = new Handler(); private Runnable runnable = new Runnable() { public void run() { update(); handler.postDelayed(this, 5000); } }; 开始计时 h
  • Java实现堆栈（list实现） datageek 数据结构——堆栈
    public interface IStack<T> { //元素出栈，并返回出栈元素 public T pop(); //元素入栈 public void push(T element); //获取栈顶元素 public T peek(); //判断栈是否为空 public boolean isEmpty
  • 四大备份MySql数据库方法及可能遇到的问题 dcj3sjt126com DBbackup
    一：通过备份王等软件进行备份前台进不去？ 用备份王等软件进行备份是大多老站长的选择，这种方法方便快捷，只要上传备份软件到空间一步步操作就可以，但是许多刚接触备份王软件的客用户来说还原后会出现一个问题：因为新老空间数据库用户名和密码不统一，网站文件打包过来后因没有修改连接文件，还原数据库是好了，可是前台会提示数据库连接错误，网站从而出现打不开的情况。 解决方法：学会修改网站配置文件，大多是由co
  • github做webhooks：[1]钩子触发是否成功测试 dcj3sjt126com githubgitwebhook
    转自: http://jingyan.baidu.com/article/5d6edee228c88899ebdeec47.html github和svn一样有钩子的功能，而且更加强大。例如我做的是最常见的push操作触发的钩子操作，则每次更新之后的钩子操作记录都会在github的控制板可以看到！ 工具/原料 github 方法/步骤
  • ">的作用" target="_blank">JSP中的作用 蕃薯耀
    JSP中<base href="<%=basePath%>">的作用 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
  • linux下SAMBA服务安装与配置 hanqunfeng linux
    局域网使用的文件共享服务。 一.安装包： rpm -qa | grep samba samba-3.6.9-151.el6.x86_64 samba-common-3.6.9-151.el6.x86_64 samba-winbind-3.6.9-151.el6.x86_64 samba-client-3.6.9-151.el6.x86_64 samba-winbind-clients
  • guava cache IXHONG cache
    缓存，在我们日常开发中是必不可少的一种解决性能问题的方法。简单的说，cache 就是为了提升系统性能而开辟的一块内存空间。 　　缓存的主要作用是暂时在内存中保存业务系统的数据处理结果，并且等待下次访问使用。在日常开发的很多场合，由于受限于硬盘IO的性能或者我们自身业务系统的数据处理和获取可能非常费时，当我们发现我们的系统这个数据请求量很大的时候，频繁的IO和频繁的逻辑处理会导致硬盘和CPU资源的
  • Query的开始--全局变量,noconflict和兼容各种js的初始化方法 kvhur JavaScriptjquerycss
    这个是整个jQuery代码的开始，里面包含了对不同环境的js进行的处理，例如普通环境，Nodejs，和requiredJs的处理方法。 还有jQuery生成$, jQuery全局变量的代码和noConflict代码详解  完整资源： http://www.gbtags.com/gb/share/5640.htm jQuery 源码：   (
  • 美国人的福利和中国人的储蓄 nannan408
       今天看了篇文章，震动很大，说的是美国的福利。    美国医院的无偿入院真的是个好措施。小小的改善，对于社会是大大的信心。小孩，税费等，政府不收反补，真的体现了人文主义。    美国这么高的社会保障会不会使人变懒？答案是否定的。正因为政府解决了后顾之忧，人们才得以倾尽精力去做一些有创造力，更造福社会的事情，这竟成了美国社会思想、人
  • N阶行列式计算(JAVA) qiuwanchi N阶行列式计算
    package gaodai; import java.util.List; /** * N阶行列式计算 * @author 邱万迟 * */ public class DeterminantCalculation { public DeterminantCalculation(List<List<Double>> determina
  • C语言算法之打渔晒网问题 qiufeihu c算法
    如果一个渔夫从2011年1月1日开始每三天打一次渔，两天晒一次网，编程实现当输入2011年1月1日以后任意一天，输出该渔夫是在打渔还是在晒网。 代码如下：   #include <stdio.h> int leap(int a) /*自定义函数leap()用来指定输入的年份是否为闰年*/ { if((a%4 == 0 && a%100 != 0
  • XML中DOCTYPE字段的解析 wyzuomumu xml
    DTD声明始终以!DOCTYPE开头,空一格后跟着文档根元素的名称,如果是内部DTD,则再空一格出现[],在中括号中是文档类型定义的内容. 而对于外部DTD,则又分为私有DTD与公共DTD,私有DTD使用SYSTEM表示,接着是外部DTD的URL. 而公共DTD则使用PUBLIC,接着是DTD公共名称,接着是DTD的URL.   私有DTD <!DOCTYPErootSYST
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他