- 使用Python实现LLM的文本生成:风格迁移与内容控制
二进制独立开发
GenAI与Python非纯粹GenAIpython开发语言人工智能自然语言处理分布式语言模型transformer
文章目录引言1.大型语言模型(LLM)概述1.1Transformer架构1.2预训练与微调2.文本生成基础2.1无条件生成2.2条件生成3.风格迁移3.1风格迁移的基本原理3.2使用Python实现风格迁移4.内容控制4.1内容控制的基本原理4.2使用Python实现内容控制5.高级技巧与优化5.1多轮对话生成5.2生成参数优化6.应用场景与未来展望结论引言随着自然语言处理(NLP)技术的快速发
- ChatGPT详解
Loving_enjoy
实用技巧人工智能自然语言处理
ChatGPT是一款由OpenAI研发和维护的先进的自然语言处理模型(NLP),全名为ChatGenerativePre-trainedTransformer,于2022年11月30日发布。以下是对ChatGPT的详细介绍:###一、技术架构与原理1.**技术架构**:ChatGPT建立在Transformer架构之上,这是一种深度学习模型,特别适用于处理自然语言。其核心是自注意力机制,允许模型在
- 机器学习的介绍
2201_75874206
机器学习人工智能
目录1.机器学习的定义2.机器学习的原理3.机器学习的方法4.机器学习的分类5.机器学习的评估6.机器学习的应用场景7.机器学习与人工智能的关系结论机器学习在自然语言处理中的最新应用和技术是什么?如何评估机器学习模型的性能,除了交叉验证、MSE和RMSE外,还有哪些其他重要的指标?在金融风险管理中,机器学习如何帮助预测市场趋势和信用风险?市场趋势预测信用风险评估机器学习与人工智能之间的关系在未来发
- 【大模型】从零样本到少样本学习:一文读懂 Zero-shot、One-shot 和 Few-shot 的核心原理与应用!
橙子小哥的代码世界
NLP自然语言理解大模型自然语言处理sklearn深度学习神经网络tensorflow
《从零样本到少样本学习:一文读懂Zero-shot、One-shot和Few-shot的核心原理与应用!》正文:在自然语言处理(NLP)领域,Zero-shot、One-shot和Few-shot学习已经成为衡量大语言模型泛化能力的重要指标。尤其是在大规模预训练模型(如GPT系列)的推动下,这些技术得到了广泛应用和关注。本篇文章将带你全面了解这三种学习方法的核心概念、原理和实际应用场景。1.什么是
- 详解AI大模型的主要指标与国内常见大模型对比分析
wit_@
人工智能AIGC语言模型ai大数据服务器
AI大模型的主要指标与国内常见大模型对比分析随着人工智能技术的快速发展,大模型(LargeAIModels)在自然语言处理、计算机视觉和多模态任务中取得了突破性进展。对于选择和评价AI大模型,不仅需要关注其功能,还要理解其关键指标和性能表现。本文将详细分析AI大模型的主要评价指标,并对国内常见大模型进行具体对比,提供实际数值和深度解析。一、AI大模型的主要指标AI大模型的性能和实用性通常通过以下指
- 知识图谱语义搜索:构建智能化搜索未来
cooldream2009
AI技术知识图谱知识图谱人工智能
目录前言1.知识图谱语义搜索的基础概念1.1什么是知识图谱1.2什么是语义搜索1.3知识图谱语义搜索的结合2.知识图谱语义搜索的核心技术2.1自然语言处理技术2.2知识图谱构建与管理2.3图数据库与查询技术3.知识图谱语义搜索的应用场景3.1智能问答系统3.2个性化推荐3.3专业领域信息检索4.知识图谱语义搜索的未来展望4.1技术挑战4.2应用趋势结语前言随着信息技术的飞速发展,数据量呈现爆炸式增
- 精确掌控文本分割——利用CharacterTextSplitter轻松拆解长文档
afTFODguAKBF
python
在处理大型文本文件时,尤其是在自然语言处理和文本分析领域,有时候需要将文档分割成较小的段落以便于处理和分析。今天,我们来探讨如何使用langchain-text-splitters库中的CharacterTextSplitter来实现这一目标。引言在本文中,我将介绍如何使用CharacterTextSplitter分割大型文本文档。这种技术对于文本预处理非常重要,能够帮助我们更好地管理和分析文本数
- 利用Langchain与Minimax进行自然语言处理的精彩指南
afTFODguAKBF
langchain自然语言处理easyuipython
#引言在人工智能的浪潮中,自然语言处理(NLP)成为了企业和个人用户的重要工具。Minimax作为一家中国初创企业,专注于提供优秀的语言模型服务。本篇文章将介绍如何使用Langchain库与Minimax进行交互,帮助开发者充分利用这一强大的AI工具。#主要内容##1.Minimax简介Minimax专注于自然语言处理,为企业和个人用户提供高效的语言模型服务。其API能处理多种自然语言任务,例如文
- 深入解读ChatGPT的工作原理及底层逻辑
NAR_鱼丸
ChatGPT程序人生
ChatGPT的工作原理和底层逻辑可以从多个方面进行解读,主要包括其基本原理、核心技术、训练过程以及应用能力。工作原理涉及了深度学习模型、自然语言处理技术和文本生成算法等多个方面。通过预训练和微调,模型能够理解语言的语法和语义,并能够根据上下文生成符合语境的文本回复。基本原理ChatGPT是一种基于自然语言处理(NLP)和深度学习技术的聊天机器人。其基本原理是使用大量文本数据来训练深度神经网络模型
- ChatGPT原理及其应用场景
编程小郭
chatgpt人工智能ai
ChatGPT的原理及应用场景一、ChatGPT的原理ChatGPT,全名ChatGenerativePre-trainedTransformer,是OpenAI研发的一款聊天机器人程序,其背后依托的是人工智能技术和自然语言处理(NLP)的深厚功底。其工作原理可以从以下几个方面进行解析:GPT系列模型基础ChatGPT基于GPT(GenerativePre-trainedTransformer)技
- Java 大视界 -- Java 大数据文本分析与自然语言处理:从文本挖掘到智能对话(十)
青云交
大数据新视界Java大视界大数据文本分析自然语言处理文本挖掘机器翻译智能对话智能客服java
亲爱的朋友们,热烈欢迎你们来到青云交的博客!能与你们在此邂逅,我满心欢喜,深感无比荣幸。在这个瞬息万变的时代,我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而我的博客,正是这样一个温暖美好的所在。在这里,你们不仅能够收获既富有趣味又极为实用的内容知识,还可以毫无拘束地畅所欲言,尽情分享自己独特的见解。我真诚地期待着你们的到来,愿我们能在这片小小的天地里共同成长,共同进步。一、本博客的精华专栏:
- Python调用通义千问qwen2.5模型步骤
我就是全世界
python人工智能
Qwen2.5模型简介1.1模型概述Qwen2.5是阿里云推出的一款超大规模语言模型,它基于阿里巴巴达摩院在自然语言处理领域的研究和积累。Qwen2.5系列模型采用了更先进的算法和优化的模型结构,能够更准确地理解和生成自然语言、代码、表格等文本。除了基本的文本生成和问答能力,Qwen2.5还支持更多的定制化需求,可以针对不同场景和应用进行扩展和定制,提供更加个性化的服务和解决方案。1.2模型特点Q
- 从零开始:在服务器上部署大模型并集成到 vscode +Cline使用
一个正经的AI
服务器vscode运维AI编程
1.引言(Introduction)欢迎来到本篇技术博客!在本文中,我将引导你一步一步地在阿里云服务器上部署Qwen大模型,并将其集成到Cline插件中。我们将从零开始,详细介绍每个步骤,确保即使是初学者也能轻松上手。近年来,大型语言模型(LLMs)展现出了强大的自然语言处理能力,吸引了越来越多的关注。Qwen系列模型是阿里巴巴开源的一系列强大的大语言模型,具有优秀的性能和广泛的应用场景。Olla
- 吴恩达系列——微调(Fine-tuning)与生成模型的应用
疯狂小料
aiprompt
微调(Fine-tuning)是指在已有预训练模型的基础上,对模型进行进一步训练,以适应特定任务或需求。在自然语言处理领域,生成模型通过微调可以在特定场景下生成更加准确、一致的输出,同时保护用户的隐私,减少不当信息的泄露。本文将结合生成模型的工作原理和实际应用,解释微调如何提升生成模型的效果,并探讨其在保护隐私方面的优势。1.生成模型与Prompt的作用生成模型,如GPT系列,通常通过接受一个输入
- 【LLM】大语言模型(LLMs)
林九生
人工智能语言模型人工智能自然语言处理
大型语言模型(LLMs)1.什么是大型语言模型?大型语言模型(LargeLanguageModel,LLM)是基于深度学习的自然语言处理模型,能够理解和生成自然语言文本。它们通过在大规模文本数据上进行训练,学习语言的语法、语义和各种语言特征,从而可以执行诸如文本生成、翻译、总结、问答等多种语言任务。以下是大型语言模型的定义和基本原理:1.1定义大型语言模型是由大量参数组成的神经网络,这些参数通过在
- 全新 Hopper 架构的Transformer 引擎有什么特点?
扫地的小何尚
人工智能
Transformer引擎是全新Hopper架构的一部分,将显著提升AI性能和功能,并助力在几天或几小时内训练大型模型。Transformer模型是当今广泛使用的语言模型(例如asBERT和GPT-3)的支柱。Transformer模型最初针对自然语言处理用例而开发,但因其通用性,现在逐步应用于计算机视觉、药物研发等领域。与此同时,模型大小不断呈指数级增长,现在已达到数万亿个参数。由于计算量巨大,
- 大语言模型(LLMs)入门教程(非常详细)从零基础入门到精通,看完这一篇就够了
大模型零基础教程
语言模型人工智能自然语言处理大模型
大语言模型(LLMs)作为人工智能(AI)领域的一项突破性发展,已经改变了自然语言处理(NLP)和机器学习(ML)应用的面貌。这些模型,包括OpenAI的GPT-4o和Google的gemini系列等,已经展现出了在理解和生成类人文本方面的令人印象深刻的能力,使它们成为各行各业的宝贵工具。如下这份指南将涵盖LLMs的基础知识、训练过程、用例和未来趋势……一.WhatareLargeLanguage
- 1.4走向不同:GPT 与 BERT 的选择——两大NLP模型的深度解析
少林码僧
AI大模型应用实战专栏自然语言处理gptbert
走向不同:GPT与BERT的选择——两大NLP模型的深度解析在自然语言处理(NLP)领域,GPT(GenerativePretrainedTransformer)和BERT(BidirectionalEncoderRepresentationsfromTransformers)无疑是最具代表性和影响力的两个模型。它们都基于Transformer架构,但在设计理念、任务应用和训练方式等方面存在显著差
- 【大模型LoRa微调】Qwen2.5 Coder 指令微调【代码已开源】
FF-Studio
大语言模型开源
本文需要用到的代码已经放在GitHub的仓库啦,别忘了给仓库点个小心心~~~https://github.com/LFF8888/FF-Studio-Resources第001个文件哦~一、引言:大语言模型与指令微调1.1大语言模型发展简史随着深度学习的飞速发展,特别是Transformer架构在自然语言处理(NLP)领域的成功,大语言模型(LLM,LargeLanguageModel)成为近年来
- ACL 2024 | 美团技术团队精选论文解读
美团算法人工智能
本文精选了美团技术团队被ACL2024收录的4篇论文进行解读,论文内容覆盖了训练成本优化、投机解码、代码生成优化、指令微调(IFT)等技术领域。这些论文是美团技术团队跟高校、科研机构合作的成果。希望能给从事相关研究工作的同学带来一些帮助或启发。ACL是计算语言学和自然语言处理领域最重要的顶级国际会议,由国际计算语言学协会组织,每年举办一次。据谷歌学术计算语言学刊物指标显示,ACL影响力位列第一,是
- 《解锁鸿蒙系统AI与第三方应用集成的无限可能》
人工智能深度学习
在当今科技飞速发展的时代,鸿蒙系统与人工智能技术的深度融合为应用开发带来了前所未有的机遇和挑战。如何让鸿蒙系统中的人工智能服务与第三方应用实现更好的集成,成为了开发者们关注的焦点。利用鸿蒙系统内置的人工智能服务鸿蒙系统提供了丰富的人工智能服务,如语音助手、视觉识别、自然语言处理等。开发者可以直接调用这些服务,无需从头开始研发。例如,在开发一款阅读类应用时,可以调用自然语言处理服务实现智能朗读功能,
- ChatGPT 网络配置问题解决方案
IPdodo全球网络服务
chatgpt网络
随着人工智能技术的飞速发展,基于GPT架构的聊天机器人,如ChatGPT,已经在多个领域获得了广泛应用。其强大的自然语言处理能力为用户带来了便捷的交互体验。然而,在实际使用过程中,尤其是在部署和访问时,用户可能会遇到网络配置方面的一些问题,这些问题往往会影响ChatGPT的响应速度、稳定性甚至是可用性。一、ChatGPT网络配置问题的常见原因1.网络连接不稳定网络连接的稳定性是影响ChatGPT使
- 好用的算法推荐工具全解析
CodeJourney.
算法
一、引言在当今数字化时代,算法广泛应用于各个领域,从搜索引擎优化到金融风险预测,从图像识别到自然语言处理。对于算法学习者、研究者以及开发者而言,合适的算法推荐工具至关重要。它们不仅能帮助理解算法原理,还能在实际应用中提供高效的解决方案。接下来,我们将详细介绍多种好用的算法推荐工具。二、算法可视化工具(一)VisuAlgo功能特点-动态演示:VisuAlgo能够以动态的方式展示各类算法的执行过程。例
- 如何学习Transformer架构
fydw_715
Transformers学习transformer架构
Transformer架构自提出以来,在自然语言处理领域引发了革命性的变化。作为一种基于注意力机制的模型,Transformer解决了传统序列模型在并行化和长距离依赖方面的局限性。本文将探讨Transformer论文《AttentionisAllYouNeed》与HuggingFaceTransformers库之间的关系,并详细介绍如何利用HuggingFaceTransformers的代码深入学
- 星火文档问答上线!定制你的专属知识库
AI 研究所
人工智能
放眼全球,大模型正从热烈讨论走向应用落地。麦肯锡最新研究报告,生成式AI有望为全球经济贡献约7万亿美元的价值,并将AI的总体经济效益提高50%左右。一方面,越来越多工作实现自动化与智能化。另一方面,企业与个人依旧要每天处理海量数据,从技术文档、市场分析、产品介绍到公司规章制度。如何利用大模型强大自然语言处理能力,盘活企业知识库资产,配备一个24小时在线的“企业大脑”呢?成为企业大脑大模型依旧存在挑
- ChatRec的实践:交互式推荐系统的进步
AI大模型应用之禅
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
交互式推荐系统,Chat-Rec,对话推荐,自然语言处理,机器学习,用户行为分析,个性化推荐1.背景介绍推荐系统作为互联网时代的重要技术支柱,在电商、社交媒体、内容平台等领域发挥着至关重要的作用。传统的推荐系统主要依赖于用户历史行为数据,例如浏览记录、购买历史等,通过协同过滤、内容过滤等算法,预测用户潜在的兴趣并提供个性化推荐。然而,随着用户需求的不断变化和个性化的程度不断提高,传统的推荐系统面临
- 大规模语言模型从理论到实践 大语言模型预训练数据
AI大模型应用之禅
AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
大规模语言模型从理论到实践:大语言模型预训练数据关键词:大规模语言模型、预训练数据、数据集选择、数据清洗、数据增强、数据集评估、数据集扩展1.背景介绍1.1问题的由来随着深度学习和大规模神经网络的发展,大型语言模型(LargeLanguageModels,LLMs)成为了自然语言处理(NLP)领域的一项突破性技术。LLMs能够生成流畅且具有上下文关联性的文本,这得益于它们在海量文本数据上的预训练。
- 神经架构搜索在大模型效率优化中的应用
AI大模型应用之禅
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
神经架构搜索,大模型,效率优化,自动机器学习,深度学习1.背景介绍近年来,深度学习模型取得了令人瞩目的成就,在图像识别、自然语言处理、语音识别等领域展现出强大的能力。然而,随着模型规模的不断扩大,训练和部署这些大模型也带来了巨大的挑战。计算资源消耗巨大:大模型的训练需要大量的计算资源,例如高性能GPU和TPU,这导致训练成本高昂,难以普及。内存占用量大:大模型的参数量庞大,需要大量的内存进行存储和
- 卷积神经网络(CNN):深度学习中的核心模型
任义礼智信
深度学习cnn人工智能
引言卷积神经网络(ConvolutionalNeuralNetworks,CNNs)是深度学习领域的一种重要模型,广泛应用于图像处理、计算机视觉、自然语言处理等多个领域。CNN凭借其卓越的特征提取能力和参数共享机制,已成为计算机视觉任务中最主流的算法之一。本文将深入探讨CNN的基本原理、结构组件、应用场景及其发展方向。CNN的基本原理CNN是一种特殊的前馈神经网络(FeedforwardNeura
- 如何评价GPT-4o?
109702008
人工智能杂谈人工智能
GPT-4o:开启全新理解与生成语言的篇章在近年来的AI发展中,GPT模型赫然矗立,在自然语言处理任务中刷新了人们的认知,一路从GPT-1演进到如今的GPT-4o。从GPT-1到GPT-4,我们可以看到模型的层数和参数量在持续增长,其理解和生成语言的能力也在不断提升。不过,GPT-4o的出现,无疑在这个演进过程中带来了重要的突破。相比之前的版本,GPT-4o在技术上有了更深的配备。特别是在自然语言
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》