- python opencv轮廓检测_python opencv中的不规则形状检测和测量
weixin_39584529
pythonopencv轮廓检测
正如我在评论中提到的那样,对于这个问题,分水岭似乎是一个很好的方法.但是当你回答时,定义标记的前景和背景是困难的部分!我的想法是使用形态梯度沿着冰晶获得良好的边缘并从那里开始工作;形态梯度似乎很有效.importnumpyasnpimportcv2img=cv2.imread('image.png')blur=cv2.GaussianBlur(img,(7,7),2)h,w=img.shape[:
- Mahilo技术深度解析:构建下一代人机协同智能系统的开源框架
花生糖@
AIGC学习资料库开源智能体mahilo
一、框架定位与技术突破Mahilo作为2025年最受关注的多智能体协作框架,其创新性在于实现了人机协同的闭环控制与智能体自主协作的动态平衡。根据GitHub仓库数据显示,该框架在开源首周即获得3.2k星标,在医疗、金融、工业等领域的15个场景验证中,任务执行效率提升58%。核心技术创新混合通信协议:支持点对点(P2P)与层级式通信的灵活切换,在911紧急响应场景测试中,医疗/物流/通信智能体的协作
- openharmony5.0中HDF驱动框架源码梳理-服务管理接口
咸鱼过江
openharmony5.0harmonyoshdf框架linux
要想大概了解一个公司,我们可能只需要知道它的运行逻辑即可,例如我们只需要知道它有财务有研发有运营等,财务报销、研发负责产品等即可,但是如果想深入具体的了解的话我们就要了解都有什么部门(对象)、各部门都包含哪些职责(对象方法)以及各部门都包含哪些关键人员(子对象)以及他们的职责(子对象方法),根据这个逻辑我大概整理了openharmony5.0的HDF框架中包含的关键对象以及对应的方法,便于更深的理
- 怎样通过企业数据资产管理推动企业数字化转型
阿桂天山
数据资产化理论篇
企业数据资产管理在推动企业数字化转型中发挥着关键作用,以下是其主要推动方式:1.提升数据质量数据资产管理通过对数据进行清洗、整合和标准化处理,消除数据冗余和错误,提高数据的准确性和一致性。这为企业后续的数据分析和应用奠定了坚实基础,确保企业能够基于高质量的数据做出科学决策。2.促进数据共享与协同在数字化转型过程中,企业内部不同部门之间的数据共享和协同至关重要。数据资产管理通过建立统一的数据标准和规
- OpenCV学习(二十一) :计算图像连通分量:connectedComponents(),connectedComponentsWithStats()
Leon_Chen0
OpenCV
OpenCV学习(二十一):计算图像连通分量:connectedComponents(),connectedComponentsWithStats()1、connectedComponents()函数ConnectedComponents即连通体算法用id标注图中每个连通体,将连通体中序号最小的顶点的id作为连通体的id。如果在图G中,任意2个顶点之间都存在路径,那么称G为连通图,否则称该图为非连
- (大模型微调大模型学习路线大模型入门)_大模型 学习,吹爆!2025最详细的大模型学习路线已整理!手把手带你高效入门,大模型论文全打通!
大模型老炮
学习人工智能大模型学习AI大模型大模型微调大模型教程
一、初聊大模型1、什么是大模型?大模型,通常指的是在人工智能领域中的大型预训练模型。你可以把它们想象成非常聪明的大脑,这些大脑通过阅读大量的文本、图片、声音等信息,学习到了世界的知识。这些大脑(模型)非常大,有的甚至有几千亿个参数,这些参数就像是大脑中的神经元,它们通过复杂的计算来理解和生成语言、图片等。举个例子,你可能听说过GPT-3,它就是一个非常著名的大模型。GPT-3可以通过理解你提出的问
- 国产 DeepSeek V3 被秒成“前浪“?谷歌开放最强 Gemini 2.0 全家桶:速度快60倍,上下文还长16倍!
Bryan Ding
人工智能深度学习
谷歌向所有人发布了Gemini2.0——迄今为止谷歌“功能最强大”的人工智能模型套件。1谷歌Gemini2.0向所有人开放去年12月,谷歌发布Gemini2.0Flash的实验版本,正式开启了代理型AI的新时代。Gemini2.0Flash是谷歌为开发者群体打造的高效主力模型,具有低延迟、高性能等优势。今年早些时候,谷歌在GoogleAIStudio中更新了2.0FlashThinkingExpe
- ArkTs进阶
万事顺心
开发语言鸿蒙typescript
字符串加号两边只要有字符串,就是拼接的作用。模版字符串(`xxx`)主要用于拼接多个变量的字符串拼接letname:string='Tom'console.log(`姓名:${name}`)类型转换1.字符串转数字Number():字符串直接转数字,转换失败返回NaN(字符串中包含非数字)(常用)parseInt():去掉小数部分转数字(取整),转换失败返回NaNparseFloat():保留小数
- Linux下共享内存 和 命名管道 的使用
誓约酱
Linux应用linux服务器c++算法
文章目录Linux共享内存:完整代码展示与剖析共享内存:原理、接口与应用实践引言一、共享内存核心原理⚙️1.1共享内存的特点1.2生命周期管理⏳二、关键系统接口解析2.1生成唯一标识Key2.2创建/获取共享内存️2.3内存挂接与去关联2.4控制操作完整代码展示1.公用头文件`common.hpp`2.客户端代码`client.cc`3.服务端代码`server.cc`编译与运行编译命令运行步骤▶
- torch.logical_and()方法
CodeWang_NC
pytorch深度学习python
torch.logical_and()计算给定输入张量的元素逻辑AND。零被视为False,非零被视为True官方文档说明:https://pytorch.org/docs/stable/generated/torch.logical_and.html#torch.logical_andtorch.logical_and(input,other,*,out=None)→返回张量input(张量)–
- C++基础 调用堆异常
路奇怪
C++基础c++
目录跨平台(C++23环境下)windows下可以极大地帮助解决在开发人员系统上无法重现的客户问题,并且调用了一个通用函数,您不知道它的调用者,因为它们很多。必须为客户提供一个可执行文件和一个使用该可执行文件构建的pdb,才能获得正确的调用堆栈。pdb文件包含调试符号。您不能提供稍后从同一代码构建的pdb。当我们构建可执行文件时,每个函数都有一个地址偏移量。pdb基于这些偏移量。再次生成二进制文件
- python 基于混合式推荐算法的学术论文投稿系统
mosquito_lover1
python知识图谱
基于混合式推荐算法的学术论文投稿系统是一个结合多种推荐技术(如基于内容的推荐、协同过滤、知识图谱等)来为研究者推荐合适期刊或会议投稿的系统。以下是实现该系统的关键步骤和Python代码示例。系统设计思路1.数据收集与预处理:-收集论文数据(标题、摘要、关键词、作者信息等)。-收集期刊/会议数据(领域、主题、影响因子、投稿要求等)。-对文本数据进行预处理(分词、去停用词、向量化等)。2.推荐算法设计
- llm数据存储基础设施
galileo2016
人工智能
链接:https://i68.ltd/notes/posts/20250310-llm-db/infinity专为LLM应用程序构建的AI原生数据库,可提供对密集向量、稀疏向量、张量(多向量)和全文的快速混合搜索项目仓库:https://github.com/infiniflow/infinity关键特性令人难以置信的快在百万级矢量数据集上实现0.1毫秒查询延迟和15K+QPS在33M文档的全文搜
- 训练模型时,步长为什么不能太大也不能太小?
yuanpan
人工智能
在训练模型时,步长(也称为学习率,LearningRate)是一个关键的超参数,它控制着每次参数更新的大小。步长既不能太大,也不能太小,原因如下:1.步长太大的问题如果步长过大,会导致以下问题:模型发散(Divergence):参数更新幅度过大,可能导致损失函数的值不断增大,甚至无法收敛,模型性能急剧下降。错过最优解:过大的步长可能导致参数在最优解附近震荡,甚至直接跳过最优解,无法找到良好的模型参
- 如何用爬虫根据关键词获取商品列表:一份简单易懂的代码示例
API小爬虫
爬虫
在当今数字化时代,网络爬虫已经成为数据收集和分析的强大工具。无论是市场调研、价格监控还是产品分析,爬虫都能帮助我们快速获取大量有价值的信息。今天,我们就来探讨如何通过编写一个简单的爬虫程序,根据关键词获取商品列表。以下是一个基于Python语言的代码示例,适合初学者学习和实践。一、准备工作在开始编写爬虫之前,我们需要准备以下工具和库:Python环境:确保你的电脑上安装了Python。推荐使用Py
- Spring Boot应用首次请求性能优化实战:从数据库连接池到JVM调优
一休哥助手
javaspringboot性能优化数据库
目录问题现象与背景分析性能瓶颈定位方法论数据库连接池深度优化SpringBean生命周期调优JVM层性能预热策略全链路监控体系建设生产环境验证方案总结与扩展思考1.问题现象与背景分析1.1典型问题场景在某互联网金融项目的SpringBoot应用上线后,运维团队发现一个关键现象:应用重启后首次访问提现接口耗时约1300ms后续请求稳定在200ms以内每日凌晨服务重启后,首笔交易超时率高达30%1.2
- 目标检测中衡量模型速度和精度的指标:FPS和mAP
asdfg1258963
目标检测_ai目标检测人工智能
“FPS”和“mAP”分别衡量了模型的速度和精度。FPS(FramesPerSecond)定义:FPS是“每秒传输帧数”的缩写,用于衡量计算机视觉系统(如目标检测、图像识别等)的实时性能。它表示系统每秒钟能够处理的图像或视频帧的数量。重要性:在实时应用中,如自动驾驶、视频监控等,FPS是一个关键指标。高FPS意味着系统能够快速处理输入的图像数据,实现实时响应。计算方式:FPS可以通过以下公式计算:
- 软件2.0的无服务器计算架构
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型ChatGPTjavapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
《软件2.0的无服务器计算架构》关键词无服务器计算软件架构软件2.0事件驱动函数编程微服务云原生摘要本文深入探讨了软件2.0时代的无服务器计算架构。首先,我们回顾了无服务器计算的兴起背景,与传统服务器计算的区别,以及其设计理念。接着,介绍了主流的无服务器平台,并探讨了无服务器计算在软件2.0中的应用。随后,我们详细阐述了无服务器计算的核心技术,包括事件驱动架构、编写无服务器函数、无服务器数据库和无
- 浅谈Linux中的Shell及其原理
有梦想的电信狗
linux服务器sshunix开发语言c语言c++
浅谈Linux中的Shell及其原理Linux中Shell的运行原理github地址前言一、Linux内核与Shell的关系1.1操作系统核心1.2用户与内核的隔离二、Shell的演进与核心机制2.1发展历程2.2核心功能解析2.3shell的工作流程1.用户输入命令2.解析器拆分指令3.扩展器处理动态内容变量替换通配符扩展命令替换4.执行器运行命令5.内核处理系统调用6.返回结果关键组件协作三、
- 老板既要又要还要......我用Doris+Hudi把不可能变成了日常
一臻数据
大数据Doris大数据数据分析数据库
老板既要又要还要......我用Doris+Hudi把不可能变成了日常探索Doris与Hudi的完美融合智能查询优化华丽转身-不止于快的进化Doris+Hudi湖仓一体的"艺术之美"大数据江湖中流传着这样一个传说:有一位数据科学家,整日为查询性能发愁,夜夜加班优化SQL。直到有一天,他发现了Doris与Hudi的"天作之合",顿时开启了"飞毛腿"模式——查询速度快得连老板都不敢相信!如今,这个传说
- TiDB删除大量数据需要注意什么
大0马浓
mysql数据库tidb
在TiDB中删除大量数据时,需谨慎处理以避免性能下降、事务冲突或存储空间未及时释放等问题。以下是关键注意事项和优化建议:---1.避免大事务-问题:直接执行`DELETEFROMtable`会导致超大事务,可能触发TiDB事务限制(默认单事务限制为`txn-total-size-limit=100MB`),导致失败或性能问题。-解决方案:-分批次删除:使用`LIMIT`和循环分批删除,控制每批数据
- 机器学习-----决策树
多巴胺与内啡肽.
机器学习机器学习决策树人工智能
文章目录1、概念2.决策树的构建过程2.1特征选择2.2树的生成2.3树的剪枝3.决策树的优缺点4.决策树的应用4.1分类任务4.2回归任务4.3集成学习代码示例总结1、概念1.1决策树是什么决策树是通过对样本的训练,建立出分类规则,并对新样本进行预测,属于有监督学习。根节点:最上面的节点。叶子节点:能直接看到结果的节点。非叶子节点:位于中间的节点。1.2决策树的类型分类树:用于分类任务,叶节点代
- 机器学习驱动的智能化电池管理技术与应用
萌萌可爱郭德纲
机器学习人工智能
电池管理技术概述电池的工作原理与关键性能指标电池管理系统的核心功能ØSOC估计ØSOH估计Ø寿命预测Ø故障诊断人工智能机器学习基础人工智能的发展机器学习的关键概念机器学习在电池管理中的应用案例介绍人工智能在电池荷电状态估计中的应用荷电状态估计方法概述基于迁移学习的SOC估计(1)基于迁移学习的SOC估计方法数据集、估计框架、估计结果(2)全生命周期下的SOC估计方法数据集、估计框架、估计结果基于数
- 机器学习_重要知识点整理
嘉羽很烦
机器学习机器学习
机器学习重要知识点整理一、数学与理论基础1.概率与统计术语作用使用场景概率分布描述随机变量的取值概率,如正态分布、二项分布。数据建模(如高斯分布假设)、生成模型(如贝叶斯网络)。贝叶斯定理计算条件概率,更新先验知识以获得后验概率。贝叶斯分类器、文本分类(如垃圾邮件检测)。最大似然估计(MLE)通过数据最大化似然函数,估计模型参数。线性回归、逻辑回归参数估计。假设检验判断假设是否成立(如t检验、卡方
- 我与DeepSeek读《大型网站技术架构》(14)- 架构师领导艺术
诺亚凹凸曼
架构
文章目录架构师领导艺术以人为本:激发团队潜能开放式协作:打破架构“所有权”壁垒妥协的艺术:聚焦核心目标成就他人:构建持续进化团队高效沟通:建立技术与人性的平衡架构师领导艺术本章聚焦架构师如何通过团队协作与领导策略构建高效技术体系,核心思想可归纳为以下维度:以人为本:激发团队潜能核心理念:构建优秀团队的关键是激发成员自我驱动力而非依赖流程管控。目标驱动:通过清晰的愿景(如产品蓝图)使团队理解工作价值
- AS32X601双核锁步MCU技术优势分析
国科安芯
产品单片机嵌入式硬件
AS32X601是国科安芯公司研制的一系列基于32位RISC-V指令集车规级MCU处理器芯片。主频高达180MHz,支持双核锁步架构,基于软错误防护技术加持,显著提高芯片安全性能。产品具有高安全、低失效、多IO、低成本、抗辐照等特点。一、功能安全与可靠性设计AS32X601的设计符合ISO26262ASIL-B功能安全标准(数据手册第2.4节),通过延迟锁步方法对关键模块进行冗余校验。当检测到错误
- 数字孪生对于新基建的价值浅析,算是抛砖引玉。
大牛工控设计师
人工智能信息可视化前端
数字孪生(DigitalTwin)作为一项融合物理世界与数字世界的关键技术,在新基建中扮演着虚实协同、智能决策、全生命周期管理的核心角色,其价值贯穿于基础设施的设计、建设、运维到优化全流程。一、核心价值:虚实映射与智能决策实时动态映射通过传感器、IoT设备实时采集物理实体(如工厂、城市、电网)的运行数据,构建高精度虚拟模型,实现**“所见即所控”**的透明化管理。模拟预测与优化利用AI和大数据分析
- 高安全可靠MCU芯片AS32X601应用解析
国科安芯
产品单片机嵌入式硬件risc-v架构fpga开发
1.AS32X601简介AS32X601系列是国科安芯基于32位RISC-V指令集研发的高性能MCU产品,具备高安全、低失效、多接口、低成本等核心优势。该系列包含工业级(AS32I601ZIT6)、车规级(AS32A601ZIT3)、企业宇航级(AS32S601ZIT2)及企军级(AS32M601ZIT2)四个型号,覆盖工业控制、汽车电子、航天及军工等严苛场景。其关键特性包括:高安全设计:支持AS
- Vue3 事件处理
wjs2024
开发语言
Vue3事件处理引言Vue3作为新一代的Vue.js框架,在事件处理方面提供了更加灵活和高效的方式。本文将详细介绍Vue3中的事件处理机制,包括事件绑定、事件监听、事件修饰符等,帮助开发者更好地理解和应用Vue3的事件处理。1.事件绑定在Vue3中,事件绑定与Vue2相比有一些变化。以下是Vue3中事件绑定的一些关键点:1.1使用v-on或@指令在Vue3中,我们可以使用v-on或简写@指令来绑定
- HarmonyNext实战:基于ArkTS的高性能金融数据可视化应用开发
harmonyos-next
HarmonyNext实战:基于ArkTS的高性能金融数据可视化应用开发引言在金融科技领域,数据可视化是帮助用户快速理解复杂数据的关键工具。随着HarmonyNext的推出,开发者可以利用ArkTS的强大能力,构建高性能、跨平台的金融数据可视化应用。本文将深入探讨如何基于ArkTS开发一个金融数据可视化应用,并通过一个实战案例详细讲解其实现过程。项目背景与需求分析项目背景金融数据通常具有高维度、大
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置