- 【AI大模型】Transformers大模型库(九):大模型微调之计算微调参数占比
LDG_AGI
人工智能
目录一、引言二、计算微调参数占比2.1概述2.2模型参数结构一览2.3微调参数占比计算三、总结一、引言这里的Transformers指的是huggingface开发的大模型库,为huggingface上数以万计的预训练大模型提供预测、训练等服务。Transformers提供了数以千计的预训练模型,支持100多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的NLP技术人人
- 编程江湖:Python探秘之旅-----项目实战(八)
编程漫步者
编程江湖:Python探秘之旅python开发语言
团队终于开始了一个实际项目,每个人都准备好运用他们所学的知识和技能。龙:(展示项目计划)我们的新项目开始了。我们需要明确地规划,确保每个人都知道他们的任务。码娜:(兴奋地)我已经迫不及待要把我们学到的东西用起来了!1.项目规划龙:首先,我们需要确定项目的需求和目标。接着,我们会分配任务,并设置里程碑。#项目需求requirements={"功能1":"实现用户登录","功能2":"数据可视化","
- DeepSeek求财、算命、预测国运好用指令及结论
阿黎逸阳
人工智能学习python人工智能AI
今天和大家一起来使用一下在创投圈炸锅的AI独角兽——DeepSeek深度求索。这家被业内称为"中国最神秘AI公司"的选手,最近刚拿下20亿融资估值飙到220亿。之前详细介绍了其原理,详见:清华大学《DeepSeek从入门到精通》:AI时代的高效赋能指南。 本文应用DeepSeek结合具体指令,进行求财、算命、预测国运。文章目录一、进入DeepSeek二、DeepSeek求财三、DeepSeek算
- 编程小白冲Kaggle每日打卡(17)--kaggle学堂:<机器学习简介>随机森林
AZmax01
编程小白冲Kaggle每日打卡机器学习随机森林人工智能
Kaggle官方课程链接:RandomForests本专栏旨在Kaggle官方课程的汉化,让大家更方便地看懂。RandomForests使用更复杂的机器学习算法。介绍决策树给你留下了一个艰难的决定。一棵有很多叶子的深树会被过度拟合,因为每一个预测都来自它叶子上少数房子的历史数据。但是,叶子很少的浅树表现不佳,因为它无法在原始数据中捕捉到尽可能多的区别。即使是当今最复杂的建模技术也面临着欠拟合和过拟
- 2.28 图像分类全解析:从境界到评估,再到模型与样本处理
不要天天开心
机器学习算法人工智能
图像分类将不同的图像,划分到不同的类别标签,实现最小的分类误差。图像分类的三层境界:通用的多类别图像分类子类细粒度图像分类实例级图片分类图像分类评估指标之混淆矩阵:TP(Truepositive,真正例)——将正类预测为正类数。FP(Falsepostive,假正例)——将反类预测为正类数。TN(Truenegative,真反例)——将反类预测为反类数。FN(Falsenegative,假反例)—
- 【Pytorch】基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN(各种KAN修改一行代码搞定)的共享单车租赁预测研究(数据可换)Python
冒泡芳
pythonpytorchlstm
欢迎来到本博客❤️❤️博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。⛳️座右铭:行百里者,半于九十。本文目录如下:目录⛳️赠与读者1概述一、研究背景与意义二、TCN与KAN简介三、基于TCN-KAN的共享单车租赁预测模型四、研究挑战与展望基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN的共享单车租赁预测研究1.引言2.模型介绍
- Transformer 代码剖析9 - 解码器模块Decoder (pytorch实现)
lczdyx
Transformer代码剖析transformerpytorch深度学习人工智能python
一、模块架构全景图1.1核心功能定位Transformer解码器是序列生成任务的核心组件,负责根据编码器输出和已生成序列预测下一个目标符号。其独特的三级注意力机制架构使其在机器翻译、文本生成等任务中表现出色。下面是解码器在Transformer架构中的定位示意图:解码器层组件解码器内部结构Transformer自注意力交叉注意力前馈网络残差连接+层归一化嵌入层位置编码解码器层1解码器层2...解码
- Transformer预测 | 基于TCN-Transformer的股票价格预测(Pytorch)
机器学习之心
#Transformer模型transformerpytorch深度学习TCN-Transformer股票价格预测
文章目录预测效果文章概述程序设计参考资料预测效果文章概述Transformer预测|基于TCN-Transformer的股票价格预测(Python)Transformer模型本质上都是预训练语言模型,大都采用自监督学习(Self-supervisedlearning)的方式在大量生语料上进行训练,也就是说,训练这些Transformer模型完全不需要人工标注数据。Transformer模型的标志就
- 大模型在白血病诊疗全流程风险预测与方案制定中的应用研究
LCG元
围术期危险因子预测模型研究人工智能
目录一、绪论1.1研究背景与意义1.2国内外研究现状1.3研究目的与内容二、大模型技术与白血病相关知识2.1大模型技术原理与特点2.2白血病的病理生理与诊疗现状三、术前风险预测与手术方案制定3.1术前数据收集与预处理3.2大模型预测术前风险3.3根据预测制定手术方案四、术中风险预测与麻醉方案优化4.1术中实时数据监测与采集4.2大模型动态风险预测4.3基于预测调整麻醉方案五、术后风险预测与护理方案
- 大模型在心力衰竭预测及临床方案制定中的应用研究报告
LCG元
围术期危险因子预测模型研究人工智能
目录一、引言1.1研究背景与意义1.2研究目的1.3研究方法与创新点二、大模型技术与心力衰竭概述2.1大模型技术原理与发展2.2心力衰竭的病理机制与现状三、大模型在心力衰竭术前风险预测中的应用3.1数据收集与预处理3.2预测模型的构建与训练3.3模型评估与验证3.4基于预测结果的手术方案制定四、大模型在心力衰竭术中风险预测中的应用4.1术中数据监测与获取4.2风险预测模型的实时更新与应用4.3针对
- 完整的 Python 数据分析案例:在线游戏玩家付费预测
萧十一郎@
python机器学习人工智能
目录1.案例背景代码实现2.主要的代码难点解析2.1数据清洗-缺失值处理2.2特征工程-新特征计算与独热编码2.3特征选择2.4模型训练与评估2.5数据可视化3.可能改进的代码3.1数据清洗与特征工程改进3.2模型改进3.3可视化改进1.案例背景在在线游戏行业中,准确预测玩家是否会付费以及付费金额,对于游戏运营商制定营销策略、优化游戏设计和提高盈利能力至关重要。本案例将基于玩家的游戏行为数据(如游
- 轮式机器人在复杂地形中如何选择合适的全局路径规划算法
luoganttcc
规划控制算法机器人算法前端
已思考完成收起好的,我现在需要回答用户关于轮式机器人局部路径规划算法的问题。用户之前已经提过这个问题,现在提供了更多的参考内容,我需要仔细分析这些内容,整理出合适的答案。首先,我需要回顾用户提供的参考内容,找出提到的各种局部路径规划算法。参考内容中有知乎文章、回答以及一些网页资料,涵盖了不同的算法。例如,在多个地方提到了动态窗口法(DWA)、时间弹性带(TEB)、模型预测控制(MPC)、人工势场法
- 嵌入式工程师必学(63):频谱分析仪的使用方法
芯片-嵌入式
嵌入式硬件
概述:自19世纪60年代以来,工程师和科学家一直在寻找射频技术的创新用途,当时詹姆斯·克拉克·麦克斯韦(JamesClerkMaxwell)在数学上预测了能够在太空中传输能量的电磁波的存在。1886年,海因里希·赫兹(HeinrichHertz)对“无线电波”进行了物理演示,尼古拉·特斯拉(NikolaTesla)、古列尔莫·马可尼(GuglielmoMarconi)和其他人开创了操纵这些电波以实
- Kettle 实战面试题及参考答案(完整版)
一杯小周
etl大数据
Kettle实战面试题及参考答案(完整版)以下是几个Kettle(PentahoDataIntegration)项目实战面试题及参考答案的完整Markdown格式整理,包含代码示例和优化方案。目录中文乱码处理增量数据抽取数据去重方案亿级数据同步作业失败排查1.Kettle抽取数据时遇到中文乱码,如何解决?答案:原因:数据库客户端默认编码与Kettle设置不一致(如UTF-8与GBK)。解决方案:在
- 如何构建量化投资的多因子模型
云策量化
量化投资自动化交易程序化炒股量化炒股miniQMT量化交易QMT量化投资deepseek
程序化炒股:如何申请官方交易接口权限?散户可以申请吗?程序化炒股(一):申请官方接口权限程序化炒股(二):股票实时、历史数据获取程序化炒股(三):程序化下单及撤单程序化炒股(四):查询交易订单及账户资产如何构建量化投资的多因子模型引言在量化投资的世界里,多因子模型是一种强大的工具,它可以帮助投资者从多个维度分析和预测股票或其他金融资产的表现。这篇文章将带你走进多因子模型的世界,让你了解如何构建一个
- 基于RF随机森林机器学习算法的回归预测模型MATLAB代码实现了一个回归任务的决策树集成模型。
qq924711725
仿真模型机器学习算法随机森林
基于RF随机森林机器学习算法的回归预测模型MATLAB代码实现了一个回归任务的决策树集成模型。首先从Excel文件中导入数据集,并将数据划分为训练集和测试集。然后,对数据进行归一化处理并转置以适应模型的要求。文章目录MATLAB代码实现说明:MATLAB代码实现说明:运行代码前的注意事项:示例输出:MATLAB代码实现说明:示例输出:以下是一个基于随机森林(RF,RandomForest)机器学习
- 在麻将 AI 的迷宫中,我用 Python 函数组合探寻最优解:精髓与穷举
fxrz12
AI人工智能python开发语言
我,一个对人工智能充满热情的程序员,带着对麻将策略的浓厚兴趣,踏上了开发AI麻将服务器的征程。这不仅仅是一次技术挑战,更是一次对思维方式和问题解决能力的深度探索。麻将,这个看似简单的游戏,实则蕴含着无穷的策略和变化。AI需要在瞬息万变的牌局中,做出最优的决策,这需要它:洞察牌局:精准分析手牌,评估牌型的潜在价值。预判风险:计算打出某张牌可能带来的风险。布局未来:预测后续牌局的走向,制定长远策略。为
- 【FL0093】基于SSM和微信小程序的微信点餐系统小程序
猿毕设
小程序微信小程序微信springbootpython后端java
博主介绍全网粉丝10W+,CSDN全栈领域优质创作者,博客之星、掘金/知乎/b站/华为云/阿里云等平台优质作者、专注于Java、小程序/APP、python、大数据等技术领域和毕业项目实战,以及程序定制化开发、文档编写、答疑辅导等。精彩专栏推荐订阅计算机毕业设计精品项目案例(持续更新)文末获取源码+数据库+文档感兴趣的可以先收藏起来,还有大家在毕设选题,项目以及论文编写等相关问题都可以和学长沟
- 图像识别-pytorch
星辰瑞云
机器学习cnnpytorch
Pytorch神经网络工具箱神经网络核心组件神经网络的基本组件层:包括卷积层、池化层、全连接层等。层是神经网络的基本结构,输入张量通过层后变为输出张量。模型:由层构成的网络结构,如AlexNet、VGG等。模型可以是预训练的,也可以自己搭建。损失函数:用于衡量预测值与真实值之间的差距,如均方误差。损失函数越小越好。优化器:用于调整权重和偏置,使损失函数最小化。优化器决定了参数的调整方式。误差反传(
- 数学建模(6)——预测类模型目录
Ice-cream-AI
数学建模
预测模型是一类通过分析和建模历史数据来预测未来结果的算法或模型。这些模型广泛应用于各种领域,包括金融、医疗、市场营销、气象、制造业等。以下是一些常见的预测模型:1.回归模型线性回归(LinearRegression):用于预测连续变量,通过拟合一个线性方程来最小化预测值和实际值之间的误差。多元线性回归(MultipleLinearRegression):扩展线性回归模型,使用多个特征进行预测。岭回
- 基于 Pytorch 的全卷积网络人脸表情识别:从数据到部署的实战之旅
那年一路北
Pytorch理论+实践pytorch网络人工智能
前言:本文将详细介绍基于Pytorch框架,利用全卷积网络进行人脸表情识别的完整过程,涵盖从数据集的准备、模型的设计与训练,再到模型的部署与预测,通过代码实现以及详细讲解,帮助读者深入理解并掌握这一技术。一、引言人脸表情是人类情感交流的重要方式,不同的表情能够传达出丰富的情感信息。人脸表情识别在智能交互、安防监控、心理健康分析等众多领域有着广泛的应用前景。随着深度学习技术的发展,基于卷积神经网络的
- 物联网智能项目实战:从概念到实现
程序猿!=程序员
物联网
引言物联网(IoT)正在以前所未有的速度改变着我们的生活,从智能家居到工业自动化,物联网的应用无处不在。作为一名嵌入式工程师,掌握物联网技术并将其应用于实际项目中,是提升自身竞争力的关键。本文将带你从零开始,一步步完成一个物联网智能项目的开发,涵盖项目构思、硬件选型、软件开发、云平台接入等关键环节。一、项目构思首先,我们需要明确项目的目标和功能。以下是一些物联网智能项目的灵感来源:智能家居:智能灯
- Android 开发使用 AI 提升效率
jiet_h
AIandroid人工智能
引言在当今快速发展的科技领域,人工智能(AI)正逐步渗透到各个行业。对于Android开发者而言,如何利用AI技术提升开发效率,已成为一个值得探讨的话题。本文将深入探讨如何在Android开发中有效地应用AI技术,以提高工作效率和代码质量。AI在Android开发中的应用场景1.代码自动补全与生成AI驱动的代码补全工具可以根据上下文,智能地预测并补全代码,减少手动输入,提高编码速度。例如,使用Co
- 0004-Ultralytics YOLOv10
熟悉的黑曼巴
目标检测YOLO人工智能深度学习
YOLOv10由清华大学的研究人员基于UltralyticsPython包构建,引入了一种实时对象检测的新方法,解决了之前YOLO版本中发现的后处理和模型架构缺陷。通过消除非最大抑制(NMS)和优化各种模型组件,YOLOv10以显著降低的计算开销实现了最先进的性能。广泛的实验表明,它在多个模型尺度上具有卓越的准确性和延迟权衡。实时对象检测旨在以低延迟准确预测图像中的对象类别和位置。YOLO系列因其
- 提升AI测试效率:如何通过RAG技术优化LLM输出质量
测试者家园
人工智能软件测试质量效能人工智能RAG软件测试软件研发质量效能自动化测试LLM
用ChatGPT做软件测试随着人工智能(AI)和大规模语言模型(LLM)在软件测试领域的应用日益广泛,测试效率和质量的提升成为业界关注的焦点。尽管LLM已经在自动化测试脚本生成、缺陷预测、测试报告生成等方面发挥了巨大的作用,但在某些复杂任务中,LLM的输出质量依然面临着提升空间,尤其是对于细节的精准度和情境理解的深度。为了解决这些问题,基于“检索增强生成”(RAG,Retrieval-Augmen
- 大模型在脑梗死预测及治疗方案制定中的应用研究报告
LCG元
围术期危险因子预测模型研究人工智能
目录一、引言1.1研究背景与意义1.2研究目的与方法1.3国内外研究现状二、脑梗死概述2.1脑梗死的定义与分类2.2脑梗死的发病机制与病理生理过程2.3脑梗死的临床表现与诊断方法三、大模型技术原理与应用现状3.1大模型的基本概念与技术架构3.2大模型在医疗领域的应用案例与优势3.3适用于脑梗死预测的大模型类型与特点四、大模型在脑梗死术前风险预测中的应用4.1术前风险因素分析4.2大模型预测方法与模
- 苹果AI功能,GPU内存瓶颈,大气预测模型,Chrome内置Gemini
一支烟一朵花
人工智能ai业界资讯神经网络
智源社区刚刚!苹果发布AppleIntelligence,官宣免费接入ChatGPT,Siri迎来重磅更新大模型竞速赛鸣枪开跑后,苹果似乎已经脱离了第一梯队,曾经的行业风向标并没有像其他大厂那样频繁地宣讲AI,加之缺乏能够参与竞争的「明星产品」,其一度被贴上了「落后」的标签。但其实熟悉苹果的网友都知道,这是一家「重落地」的公司,更加擅长的是把创新技术工程化,实现「工程创新」。也正因如此,在生成式A
- 【机器学习】平均绝对误差(MAE:Mean Absolute Error)
IT古董
机器学习人工智能机器学习人工智能python
平均绝对误差(MeanAbsoluteError,MAE)是一种衡量预测值与实际值之间平均差异的统计指标。它在机器学习、统计学等领域中广泛应用,用于评估模型的预测精度。与均方误差(MSE)或均方误差根(RMSE)不同,MAE使用误差的绝对值,因此它在处理异常值时更加稳定。1.MAE的定义和公式给定预测值和真实值,MAE的公式为:其中:n是样本总数。是模型的预测值。是对应的真实值。MAE表示了预测值
- Java基于SpringBoot的校园心声墙小程序(附源码,文档)
stormjun
小程序毕业设计javaspringboot小程序校园心声墙小程序
基于SpringBoot的校园心声墙小程序博主介绍:✌stormjun、8年大厂程序员经历。全网粉丝15w+、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Java项目精品实战案例《100套》Java微信小程序项目实战《100套》Python项目实战《100套》感兴趣的可以先收藏起来,还有大家
- 怎样通过人机融合智能去除“机器幻觉”?
人机与认知实验室
人机融合智能的目标是通过深度结合人类智能和机器智能,解决现有人工智能系统(特别是深度学习模型,如各种大模型)可能出现的问题,比如“机器幻觉”现象。机器幻觉指的是人工智能模型在处理信息时,做出错误的、非理性的判断或预测,这种现象往往源于模型在训练数据中的偏差、不完全信息或过度依赖某些特定模式。通过人机融合的方式,可以有效减少这种“幻觉”,进而提升人机环境系统智能的可靠性和解释能力。1.结合人类的直觉
- Enum 枚举
120153216
enum枚举
原文地址:http://www.cnblogs.com/Kavlez/p/4268601.html Enumeration
于Java 1.5增加的enum type...enum type是由一组固定的常量组成的类型,比如四个季节、扑克花色。在出现enum type之前,通常用一组int常量表示枚举类型。比如这样:
public static final int APPLE_FUJI = 0
- Java8简明教程
bijian1013
javajdk1.8
Java 8已于2014年3月18日正式发布了,新版本带来了诸多改进,包括Lambda表达式、Streams、日期时间API等等。本文就带你领略Java 8的全新特性。
一.允许在接口中有默认方法实现
Java 8 允许我们使用default关键字,为接口声明添
- Oracle表维护 快速备份删除数据
cuisuqiang
oracle索引快速备份删除
我知道oracle表分区,不过那是数据库设计阶段的事情,目前是远水解不了近渴。
当前的数据库表,要求保留一个月数据,且表存在大量录入更新,不存在程序删除。
为了解决频繁查询和更新的瓶颈,我在oracle内根据需要创建了索引。但是随着数据量的增加,一个半月数据就要超千万,此时就算有索引,对高并发的查询和更新来说,让然有所拖累。
为了解决这个问题,我一般一个月会进行一次数据库维护,主要工作就是备
- java多态内存分析
麦田的设计者
java内存分析多态原理接口和抽象类
“ 时针如果可以回头,熟悉那张脸,重温嬉戏这乐园,墙壁的松脱涂鸦已经褪色才明白存在的价值归于记忆。街角小店尚存在吗?这大时代会不会牵挂,过去现在花开怎么会等待。
但有种意外不管痛不痛都有伤害,光阴远远离开,那笑声徘徊与脑海。但这一秒可笑不再可爱,当天心
- Xshell实现Windows上传文件到Linux主机
被触发
windows
经常有这样的需求,我们在Windows下载的软件包,如何上传到远程Linux主机上?还有如何从Linux主机下载软件包到Windows下;之前我的做法现在看来好笨好繁琐,不过也达到了目的,笨人有本方法嘛;
我是怎么操作的:
1、打开一台本地Linux虚拟机,使用mount 挂载Windows的共享文件夹到Linux上,然后拷贝数据到Linux虚拟机里面;(经常第一步都不顺利,无法挂载Windo
- 类的加载ClassLoader
肆无忌惮_
ClassLoader
类加载器ClassLoader是用来将java的类加载到虚拟机中,类加载器负责读取class字节文件到内存中,并将它转为Class的对象(类对象),通过此实例的 newInstance()方法就可以创建出该类的一个对象。
其中重要的方法为findClass(String name)。
如何写一个自己的类加载器呢?
首先写一个便于测试的类Student
- html5写的玫瑰花
知了ing
html5
<html>
<head>
<title>I Love You!</title>
<meta charset="utf-8" />
</head>
<body>
<canvas id="c"></canvas>
- google的ConcurrentLinkedHashmap源代码解析
矮蛋蛋
LRU
原文地址:
http://janeky.iteye.com/blog/1534352
简述
ConcurrentLinkedHashMap 是google团队提供的一个容器。它有什么用呢?其实它本身是对
ConcurrentHashMap的封装,可以用来实现一个基于LRU策略的缓存。详细介绍可以参见
http://code.google.com/p/concurrentlinke
- webservice获取访问服务的ip地址
alleni123
webservice
1. 首先注入javax.xml.ws.WebServiceContext,
@Resource
private WebServiceContext context;
2. 在方法中获取交换请求的对象。
javax.xml.ws.handler.MessageContext mc=context.getMessageContext();
com.sun.net.http
- 菜鸟的java基础提升之道——————>是否值得拥有
百合不是茶
1,c++,java是面向对象编程的语言,将万事万物都看成是对象;java做一件事情关注的是人物,java是c++继承过来的,java没有直接更改地址的权限但是可以通过引用来传值操作地址,java也没有c++中繁琐的操作,java以其优越的可移植型,平台的安全型,高效性赢得了广泛的认同,全世界越来越多的人去学习java,我也是其中的一员
java组成:
- 通过修改Linux服务自动启动指定应用程序
bijian1013
linux
Linux中修改系统服务的命令是chkconfig (check config),命令的详细解释如下: chkconfig
功能说明:检查,设置系统的各种服务。
语 法:chkconfig [ -- add][ -- del][ -- list][系统服务] 或 chkconfig [ -- level <</SPAN>
- spring拦截器的一个简单实例
bijian1013
javaspring拦截器Interceptor
Purview接口
package aop;
public interface Purview {
void checkLogin();
}
Purview接口的实现类PurviesImpl.java
package aop;
public class PurviewImpl implements Purview {
public void check
- [Velocity二]自定义Velocity指令
bit1129
velocity
什么是Velocity指令
在Velocity中,#set,#if, #foreach, #elseif, #parse等,以#开头的称之为指令,Velocity内置的这些指令可以用来做赋值,条件判断,循环控制等脚本语言必备的逻辑控制等语句,Velocity的指令是可扩展的,即用户可以根据实际的需要自定义Velocity指令
自定义指令(Directive)的一般步骤
&nbs
- 【Hive十】Programming Hive学习笔记
bit1129
programming
第二章 Getting Started
1.Hive最大的局限性是什么?一是不支持行级别的增删改(insert, delete, update)二是查询性能非常差(基于Hadoop MapReduce),不适合延迟小的交互式任务三是不支持事务2. Hive MetaStore是干什么的?Hive persists table schemas and other system metadata.
- nginx有选择性进行限制
ronin47
nginx 动静 限制
http {
limit_conn_zone $binary_remote_addr zone=addr:10m;
limit_req_zone $binary_remote_addr zone=one:10m rate=5r/s;...
server {...
location ~.*\.(gif|png|css|js|icon)$ {
- java-4.-在二元树中找出和为某一值的所有路径 .
bylijinnan
java
/*
* 0.use a TwoWayLinkedList to store the path.when the node can't be path,you should/can delete it.
* 1.curSum==exceptedSum:if the lastNode is TreeNode,printPath();delete the node otherwise
- Netty学习笔记
bylijinnan
javanetty
本文是阅读以下两篇文章时:
http://seeallhearall.blogspot.com/2012/05/netty-tutorial-part-1-introduction-to.html
http://seeallhearall.blogspot.com/2012/06/netty-tutorial-part-15-on-channel.html
我的一些笔记
===
- js获取项目路径
cngolon
js
//js获取项目根路径,如: http://localhost:8083/uimcardprj
function getRootPath(){
//获取当前网址,如: http://localhost:8083/uimcardprj/share/meun.jsp
var curWwwPath=window.document.locati
- oracle 的性能优化
cuishikuan
oracleSQL Server
在网上搜索了一些Oracle性能优化的文章,为了更加深层次的巩固[边写边记],也为了可以随时查看,所以发表这篇文章。
1.ORACLE采用自下而上的顺序解析WHERE子句,根据这个原理,表之间的连接必须写在其他WHERE条件之前,那些可以过滤掉最大数量记录的条件必须写在WHERE子句的末尾。(这点本人曾经做过实例验证过,的确如此哦!
- Shell变量和数组使用详解
daizj
linuxshell变量数组
Shell 变量
定义变量时,变量名不加美元符号($,PHP语言中变量需要),如:
your_name="w3cschool.cc"
注意,变量名和等号之间不能有空格,这可能和你熟悉的所有编程语言都不一样。同时,变量名的命名须遵循如下规则:
首个字符必须为字母(a-z,A-Z)。
中间不能有空格,可以使用下划线(_)。
不能使用标点符号。
不能使用ba
- 编程中的一些概念,KISS、DRY、MVC、OOP、REST
dcj3sjt126com
REST
KISS、DRY、MVC、OOP、REST (1)KISS是指Keep It Simple,Stupid(摘自wikipedia),指设计时要坚持简约原则,避免不必要的复杂化。 (2)DRY是指Don't Repeat Yourself(摘自wikipedia),特指在程序设计以及计算中避免重复代码,因为这样会降低灵活性、简洁性,并且可能导致代码之间的矛盾。 (3)OOP 即Object-Orie
- [Android]设置Activity为全屏显示的两种方法
dcj3sjt126com
Activity
1. 方法1:AndroidManifest.xml 里,Activity的 android:theme 指定为" @android:style/Theme.NoTitleBar.Fullscreen" 示例: <application
- solrcloud 部署方式比较
eksliang
solrCloud
solrcloud 的部署其实有两种方式可选,那么我们在实践开发中应该怎样选择呢? 第一种:当启动solr服务器时,内嵌的启动一个Zookeeper服务器,然后将这些内嵌的Zookeeper服务器组成一个集群。 第二种:将Zookeeper服务器独立的配置一个集群,然后将solr交给Zookeeper进行管理
谈谈第一种:每启动一个solr服务器就内嵌的启动一个Zoo
- Java synchronized关键字详解
gqdy365
synchronized
转载自:http://www.cnblogs.com/mengdd/archive/2013/02/16/2913806.html
多线程的同步机制对资源进行加锁,使得在同一个时间,只有一个线程可以进行操作,同步用以解决多个线程同时访问时可能出现的问题。
同步机制可以使用synchronized关键字实现。
当synchronized关键字修饰一个方法的时候,该方法叫做同步方法。
当s
- js实现登录时记住用户名
hw1287789687
记住我记住密码cookie记住用户名记住账号
在页面中如何获取cookie值呢?
如果是JSP的话,可以通过servlet的对象request 获取cookie,可以
参考:http://hw1287789687.iteye.com/blog/2050040
如果要求登录页面是html呢?html页面中如何获取cookie呢?
直接上代码了
页面:loginInput.html
代码:
<!DOCTYPE html PUB
- 开发者必备的 Chrome 扩展
justjavac
chrome
Firebug:不用多介绍了吧https://chrome.google.com/webstore/detail/bmagokdooijbeehmkpknfglimnifench
ChromeSnifferPlus:Chrome 探测器,可以探测正在使用的开源软件或者 js 类库https://chrome.google.com/webstore/detail/chrome-sniffer-pl
- 算法机试题
李亚飞
java算法机试题
在面试机试时,遇到一个算法题,当时没能写出来,最后是同学帮忙解决的。
这道题大致意思是:输入一个数,比如4,。这时会输出:
&n
- 正确配置Linux系统ulimit值
字符串
ulimit
在Linux下面部 署应用的时候,有时候会遇上Socket/File: Can’t open so many files的问题;这个值也会影响服务器的最大并发数,其实Linux是有文件句柄限制的,而且Linux默认不是很高,一般都是1024,生产服务器用 其实很容易就达到这个数量。下面说的是,如何通过正解配置来改正这个系统默认值。因为这个问题是我配置Nginx+php5时遇到了,所以我将这篇归纳进
- hibernate调用返回游标的存储过程
Supanccy2013
javaDAOoracleHibernatejdbc
注:原创作品,转载请注明出处。
上篇博文介绍的是hibernate调用返回单值的存储过程,本片博文说的是hibernate调用返回游标的存储过程。
此此扁博文的存储过程的功能相当于是jdbc调用select 的作用。
1,创建oracle中的包,并在该包中创建的游标类型。
---创建oracle的程
- Spring 4.2新特性-更简单的Application Event
wiselyman
application
1.1 Application Event
Spring 4.1的写法请参考10点睛Spring4.1-Application Event
请对比10点睛Spring4.1-Application Event
使用一个@EventListener取代了实现ApplicationListener接口,使耦合度降低;
1.2 示例
包依赖
<p