- 大语言模型全流程开发技术详解:从架构、训练到对齐与量化
艾墨舟启航
大模型实战架构人工智能大语言模型
github:https://github.com/mlabonne/llm-course大语言模型全流程开发技术详解:从架构、训练到对齐与量化大模型实战指南:多模型生态实战与论文解读一、LLM架构(TheLLMarchitecture)不需要对Transformer架构有深入的了解,但了解现代LLM的主要步骤很重要:通过分词化将文本转换为数字,通过包括注意力机制在内的层处理这些分词,最后通过各种
- VLM 系列——Qwen2 VL——论文解读
TigerZ*
AIGC算法AIGC计算机视觉人工智能图像处理
一、概述1、是什么是一系列多模态大型语言模型(MLLM),其中包括2B、7B、72B三个版本,整体采用视觉编码器(标准VIT输出后面接patchmerger)+LLM形式。比较创新的是统一视觉处理方式(3DCNN统一视频、图片)+图像缩放方式(自适应缩放)+3DLLM位置编码。能够处理包括文本、图像在内的多种数据类型,具备图片描述、单图文问答、多图问对话、视频理解对话、json格式、多语言、age
- SAM2论文解读-既实现了视频的分割一切,又比图像的分割一切SAM更快更好
↣life♚
计算机视觉大模型通用模型人工智能计算机视觉深度学习通用分割视频分割算法
code:https://github.com/facebookresearch/sam2/tree/maindemo:https://sam2.metademolab.com/paper:https://ai.meta.com/research/publications/sam-2-segment-anything-in-images-and-videos/这是SAM这是SAM2Facebook
- 【AI论文精读3】RAG论文综述1-P3-检索器
AI完全体
AI论文解读人工智能机器学习深度学习自然语言处理RAG论文阅读论文笔记
【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】P1,P2,P4,P5,P6三、检索器在RAG中,有效地从数据源中检索相关文档至关重要。涉及的关键问题包括检索源、检索粒度、检索的预处理以及选择相应的嵌入模型。3.1.检索源RAG依赖外部知识来增强LLM,而检索源(RetrievalSource)的类型(数据结构)和检索单元的粒度都会影响最终的生成结果。3.1.1.数据结构1.非结构化数
- 【论文解读】s3: 仅 2.4K 数据即可 RL 训练Search Agent
1stauthro:PatrickJiangpaper:[2505.14146]s3:YouDon’tNeedThatMuchDatatoTrainaSearchAgentviaRLcode:pat-jj/s3:s3-EfficientYetEffectiveSearchAgentTrainingviaRLforRAG5.总结(结果先行)s3框架以其“解耦搜索与生成、仅训练搜索代理、采用GBR奖励
- 【论文解读】OmegaPRM:MCTS驱动的自动化过程监督,赋能LLM数学推理新高度
vlln
Search&Learning人工智能深度学习搜索引擎神经网络transformer
1stauthorLiangchenLuoYinxiaoLiu-GoogleScholarpaper:[2406.06592]ImproveMathematicalReasoninginLanguageModelsbyAutomatedProcessSupervisioncode:sanowl/OmegaPRM:thisisanimplementationforthepaperImprov
- 活动邀请 | SECon 全球软件工程技术大会深圳站将于6月20—21日举办!
github
SECon全球软件工程技术大会将于6月20日——6月21日在深圳举办!大会精心设置了16个专场,内容涵盖AI前沿论文解读、大数据平台与架构实践、大前端架构实践、AI知识工程体系:从零散知识到流水线、DeepSeek技术前瞻与应用实践、AI时代数据架构的演进、从Agent到Multi-Agent的智能跃迁、高可用架构、垂直深耕:小模型、大智慧、数据分析场景中AI应用、AI+研发的智能化升级、多模态生
- CON:Chain-of-Note: Enhancing Robustness in Retrieval-Augmented Language Models 论文解读
亦万
大模型RAGCOTCON
目前RALM主要存在两个问题:搜索结果误导性:搜索结果依赖其召回和排序,所以不一定和问题相关,不相关的结果融合到大模型中会给大模型带来误导导致错误的答案(甚至有的时候大模型依靠内部记忆能够正确回答);回复幻觉问题:针对无法回答的问题(不管是搜索结果还是内部记忆),大模型有时也会一本正经的胡说八道。本篇paperCON(Chain-of-Note)主要就是解决上面两个问题:如下图所示,有三种情况搜索
- 【2025智源大会论文解读】智能体-林衍凯
weixin_37763484
大模型人工智能算法
另一位人大老师的近期工作汇总,涉及数据合成(生成训练数据,指导agent模型)、奖励模型训练(用于监督agent进行规划)、主动行动(指导agent主动为人类提供服务)、工具选择(支持1600+工作调用)、多模态训练(操作手机)等。0新框架具体实现还没有找到0.1MiniCPM4-Survey:MiniCPM4-Survey是由THUNLP、中国人民大学和ModelBest联合开发的开源大语言模型
- [论文阅读] 人工智能 | 搜索增强LLMs的用户偏好与性能分析
张较瘦_
前沿技术人工智能论文阅读
【论文解读】SearchArena:搜索增强LLMs的用户偏好与性能分析论文信息作者:MihranMiroyan,Tsung-HanWu,LoganKing等标题:SearchArena:AnalyzingSearch-AugmentedLLMs来源:arXivpreprintarXiv:2506.05334v1,2025一、研究背景:当LLMs需要“上网查资料”时,我们如何评估它?想象你在问AI
- 【论文解读实战篇】Cheetah mini MPC+WBC控制Whole-Body Impulse Control and Model Predictive Control
RoboticsTechLab
机器人实战项目机器人算法
文章目录一、简介二、控制架构1、控制流程2、摆动腿落点规划器3、状态估计器(用于估计躯干的位置、速度、姿态)4、步态调度器和步态规划器三、模型预测控制MPC1.MPC使用的集中质量动力学模型(用于预测泛作用力f)2.模型简化假设四、WBC全身脉冲控制1.WBC使用的多体动力学模型(计算每个关节的力矩)2.优先任务执行(为了计算关节位置、速度和加速度)3.二次规划(为了计算关节转矩指令)4.计算最终
- 【论文解读】CVPR 2024 DSL-FIQA :全新人脸面部图像质量评估算法(附论文地址)
牧锦程
论文解读算法
论文地址:https://openaccess.thecvf.com/content/CVPR2024/papers/Chen_DSL-FIQA_Assessing_Facial_Image_Quality_via_Dual-Set_Degradation_Learning_and_CVPR_2024_paper.pdf这篇论文标题为"DSL-FIQA:AssessingFacialImageQu
- 综述论文解读:Editing Large Language Models: Problems, Methods, and Opportunities
cnblogs.com/qizhou/
语言模型人工智能自然语言处理
论文为大语言模型知识编辑综述,发表于自然语言处理顶会ACL(原文链接)。由于目前存在广泛的模型编辑技术,但一个统一全面的分析评估方法,所以本文: 1、对LLM的编辑方法进行了详尽、公平的实证分析,探讨了它们各自的优势和劣势。 2、构建了一个新的数据集,旨在揭示当前模型编辑方法的缺点,特别是泛化和效率方面。 3、概述了模型编辑领域未来潜在的研究机会。 阅读本文请同时参考原始论文图表。问题
- 论文解读:Aging with GRACE: Lifelong Model Editing with Discrete Key-Value Adapters
cnblogs.com/qizhou/
论文发表于人工智能顶会NeurIPS(原文链接)。当前的模型编辑器会因多次编辑损害模型性能,提出用于连续编辑的通用检索适配器(GeneralRetrievalAdaptersforContinualEditing,GRACE):使用一个类似字典的结构(适配器)为需要修改的潜在表示构建新的映射,通过更新适配器来实现持续的模型行为编辑。方法 GRACE是一种不修改模型权重编辑预训练模型行为的方法
- 论文解读:Locating and Editing Factual Associations in GPT(ROME)
论文发表于人工智能顶会NeurIPS(原文链接),研究了GPT(GenerativePre-trainedTransformer)中事实关联的存储和回忆,发现这些关联与局部化、可直接编辑的计算相对应。因此: 1、开发了一种因果干预方法,用于识别对模型的事实预测起决定性作用的神经元。 2、为了验证这些神经元是否对应于事实关联的回忆,使用秩一模型编辑(Rank-OneModelEditing,
- [论文阅读] 人工智能+软件工程 | MemFL:给大模型装上“项目记忆”,让软件故障定位又快又准
张较瘦_
前沿技术论文阅读人工智能软件工程
【论文解读】MemFL:给大模型装上“项目记忆”,让软件故障定位又快又准论文信息arXiv:2506.03585ImprovingLLM-BasedFaultLocalizationwithExternalMemoryandProjectContextInseokYeo,DuksanRyu,JongmoonBaikSubjects:SoftwareEngineering(cs.SE)一、研究背景:
- [论文阅读] 人工智能 | 当AI遇见绿色软件工程:可持续AI实践的研究新方向
张较瘦_
前沿技术人工智能
【论文解读】当AI遇见绿色软件工程:可持续AI实践的研究新方向论文信息作者:MajaH.Kirkeby,EnriqueBarbaRoque,JustusBogner等标题:GreeningAI-enabledSystemswithSoftwareEngineering:AResearchAgendaforEnvironmentallySustainableAIPractices年份:2025来源:
- 【论文解读】MemGPT: 迈向为操作系统的LLM
vlln
transformer人工智能深度学习自然语言处理
1stauthor:CharlesPackerpaperMemGPT[2310.08560]MemGPT:TowardsLLMsasOperatingSystemscode:letta-ai/letta:Letta(formerlyMemGPT)isthestatefulagentsframeworkwithmemory,reasoning,andcontextmanagement.这个项目现在已
- 科研学习 论文解读——面向电商内容安全风险管控的协同过滤推荐算法研究(1)
2401_84296945
学习安全推荐算法
面向电商内容安全风险管控的协同过滤推荐算法研究-中国知网(cnki.net)")面向电商内容安全风险管控的协同过滤推荐算法研究*摘要:**[目的/意义]随着电商平台商家入驻要求降低以及商品上线审核流程简化,内容安全风险问题成为协同过滤推荐算法伦理审查的核心问题之一。[方法/过程]本文将内容安全风险问题纳入用户协同过滤推荐算法的优化过程,提出一种改进的推荐算法。首先,采用混合研究方法对内容安全风险商
- Transformer目标检测 | DETR论文解读
DeepDriving
自动驾驶与深度学习transformer目标检测深度学习
0.前言DETR是首个将Transformer应用到2D目标检测任务中的算法,由Facebook于2020年在论文《End-to-EndObjectDetectionwithTransformers》中提出。与传统目标检测算法不同的是,DETR将目标检测任务视为一个直接的集合预测问题,采用基于集合的全局损失通过二分匹配实现一对一的预测输出,不需要非极大值抑制(NMS)和手工设计Anchor这些操作
- 【Strip-MLP论文解读】
A man protect you
计算机视觉图像处理
Strip-MLPAbstractIntroductionMethod——OverallArchitecturePatchEmbeddingPatchMergingMixingBlockStripMixingBlockStripMLPLayer:CascadeGroupStripMixingModule(CGSMM):LocalStripMixingModule(LSMM):ChannelMixi
- 《深入浅出多模态》(六): 多模态经典模型BLIP
GoAI
深入浅出多模态多模态大模型BLIPLLM人工智能
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接✨专栏介绍:</
- A Survey on Multimodal Large Language Models论文解读
call me by ur name
largemodel语言模型人工智能自然语言处理
AbstractRecently,MultimodalLargeLanguageModel(MLLM)representedbyGPT-4Vhasbeenanewrisingresearchhotspot,whichusespowerfulLargeLanguageModels(LLMs)asabraintoperformmultimodaltasks.Thesurprisingemergentc
- ICLR2024论文解读|DP-OPT: MAKE LARGE LANGUAGE MODEL YOUR PRIVACY-PRESERVING PROMPT ENGINEER差分隐私离线提示微调
paixiaoxin
论文合集文献阅读知识图谱人工智能自然语言处理语言模型大型语言模型数据隐私
论文标题DP-OPT:MAKELARGELANGUAGEMODELYOURPRIVACY-PRESERVINGPROMPTENGINEER差分隐私离线提示微调:让大型语言模型成为你的隐私保护提示工程师论文链接DP-OPT:MAKELARGELANGUAGEMODELYOURPRIVACY-PRESERVINGPROMPTENGINEER论文下载论文作者JunyuanHong,JiachenT.Wa
- 【AI应用】免费的文本转语音工具:微软 Edge TTS 和 开源版 ChatTTS 对比
AI完全体
AI应用人工智能机器学习TTSEdgeChatTTS文本转语音AI应用
【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】【AI应用】我试用了下EdgeTTS,感觉还不错,不过它不支持克隆声音(比如自己的声音)微软EdgeTTS和开源版ChatTTS都是免费的文本转语音(TTS)工具,但它们在技术架构、语音质量、使用方式等方面有所不同,适用于不同的使用场景。以下是详细对比:1.EdgeTTSvs.ChatTTS总览对比项微软Edge
- VLM 系列——MiniCPM-Llama3-V 2.5——论文解读
TigerZ*
AIGC算法AIGC人工智能transformer
一、概述1、是什么是一款面向终端设备的多模态大型语言模型(MLLM),论文全称《MiniCPM-V:AGPT-4VLevelMLLMonYourPhone》,它专注于实现在手机等资源受限设备上的高级AI功能,参数8B(llama37B+SigLIPViT-400m/14+视觉标记压缩层)。该模型能够处理包括文本、图像在内的多种数据类型,具备图片描
- Loss-Free Balancing MoE论文解读:无损负载均衡的突破
阿正的梦工坊
DLPapersLLM负载均衡人工智能语言模型自然语言处理
Loss-FreeBalancingMoE论文解读:无损负载均衡的突破《AUXILIARY-LOSS-FREELOADBALANCINGSTRATEGYFORMIXTURE-OF-EXPERTS》是一篇由LeanWang等人于2024年发表的预印本论文,提出了一种新颖的MoE(Mixture-of-Experts)负载均衡策略——Loss-FreeBalancing(无损负载均衡)。该方法通过避免
- 【深度学习】LoRA: Low-Rank Adaptation of Large Language Models,论文解读
XD742971636
深度学习机器学习深度学习语言模型人工智能
文章:https://arxiv.org/abs/2106.09685文章目录摘要介绍LoRA的特点什么是低秩适应矩阵?什么是适应阶段?低秩适应矩阵被注入到预训练模型的每一层Transformer结构中,这一步是如何做到的?摘要自然语言处理的一个重要范式是在通用领域数据上进行大规模预训练,并适应特定任务或领域。随着我们预训练更大的模型,全面微调,即重新训练所有模型参数,变得不太可行。以GPT-31
- Generative Adversarial Nets 论文解读
h161020716
论文精读图像处理gan生成对抗网络
GenerativeAdversarialNets论文解读generative生成adversarial对抗摘要Abstract提出了一个生成模型框架(framework),通过一个对抗的过程,同时训练两个模型:一个生成模型G,G是用来抓取数据的分布,对其进行建模;一个辨别模型D,D来辨别该样本是生成的,还是真实数据。G的目标是让D犯错,D的目标是来辨别出生成的数据(不被欺骗)。每个框架都类似于一
- 【论文解读】End-to-End Autonomous Driving through V2X Cooperation
我叫两万块
人工智能自动驾驶目标检测3d
UniV2X摘要引言方法Sparse-DenseHybridDataGenerationCross-ViewDataFusion(AgentFusion)TemporalSynchronizationwithFlowPredictionSpatialSynchronizationwithRotation-AwareQueryTransformationCross-ViewQueryMatching
- [星球大战]阿纳金的背叛
comsci
本来杰迪圣殿的长老是不同意让阿纳金接受训练的.........
但是由于政治原因,长老会妥协了...这给邪恶的力量带来了机会
所以......现代的地球联邦接受了这个教训...绝对不让某些年轻人进入学院
- 看懂它,你就可以任性的玩耍了!
aijuans
JavaScript
javascript作为前端开发的标配技能,如果不掌握好它的三大特点:1.原型 2.作用域 3. 闭包 ,又怎么可以说你学好了这门语言呢?如果标配的技能都没有撑握好,怎么可以任性的玩耍呢?怎么验证自己学好了以上三个基本点呢,我找到一段不错的代码,稍加改动,如果能够读懂它,那么你就可以任性了。
function jClass(b
- Java常用工具包 Jodd
Kai_Ge
javajodd
Jodd 是一个开源的 Java 工具集, 包含一些实用的工具类和小型框架。简单,却很强大! 写道 Jodd = Tools + IoC + MVC + DB + AOP + TX + JSON + HTML < 1.5 Mb
Jodd 被分成众多模块,按需选择,其中
工具类模块有:
jodd-core &nb
- SpringMvc下载
120153216
springMVC
@RequestMapping(value = WebUrlConstant.DOWNLOAD)
public void download(HttpServletRequest request,HttpServletResponse response,String fileName) {
OutputStream os = null;
InputStream is = null;
- Python 标准异常总结
2002wmj
python
Python标准异常总结
AssertionError 断言语句(assert)失败 AttributeError 尝试访问未知的对象属性 EOFError 用户输入文件末尾标志EOF(Ctrl+d) FloatingPointError 浮点计算错误 GeneratorExit generator.close()方法被调用的时候 ImportError 导入模块失
- SQL函数返回临时表结构的数据用于查询
357029540
SQL Server
这两天在做一个查询的SQL,这个SQL的一个条件是通过游标实现另外两张表查询出一个多条数据,这些数据都是INT类型,然后用IN条件进行查询,并且查询这两张表需要通过外部传入参数才能查询出所需数据,于是想到了用SQL函数返回值,并且也这样做了,由于是返回多条数据,所以把查询出来的INT类型值都拼接为了字符串,这时就遇到问题了,在查询SQL中因为条件是INT值,SQL函数的CAST和CONVERST都
- java 时间格式化 | 比较大小| 时区 个人笔记
7454103
javaeclipsetomcatcMyEclipse
个人总结! 不当之处多多包含!
引用 1.0 如何设置 tomcat 的时区:
位置:(catalina.bat---JAVA_OPTS 下面加上)
set JAVA_OPT
- 时间获取Clander的用法
adminjun
Clander时间
/**
* 得到几天前的时间
* @param d
* @param day
* @return
*/
public static Date getDateBefore(Date d,int day){
Calend
- JVM初探与设置
aijuans
java
JVM是Java Virtual Machine(Java虚拟机)的缩写,JVM是一种用于计算设备的规范,它是一个虚构出来的计算机,是通过在实际的计算机上仿真模拟各种计算机功能来实现的。Java虚拟机包括一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域。 JVM屏蔽了与具体操作系统平台相关的信息,使Java程序只需生成在Java虚拟机上运行的目标代码(字节码),就可以在多种平台
- SQL中ON和WHERE的区别
avords
SQL中ON和WHERE的区别
数据库在通过连接两张或多张表来返回记录时,都会生成一张中间的临时表,然后再将这张临时表返回给用户。 www.2cto.com 在使用left jion时,on和where条件的区别如下: 1、 on条件是在生成临时表时使用的条件,它不管on中的条件是否为真,都会返回左边表中的记录。
- 说说自信
houxinyou
工作生活
自信的来源分为两种,一种是源于实力,一种源于头脑.实力是一个综合的评定,有自身的能力,能利用的资源等.比如我想去月亮上,要身体素质过硬,还要有飞船等等一系列的东西.这些都属于实力的一部分.而头脑不同,只要你头脑够简单就可以了!同样要上月亮上,你想,我一跳,1米,我多跳几下,跳个几年,应该就到了!什么?你说我会往下掉?你笨呀你!找个东西踩一下不就行了吗?
无论工作还
- WEBLOGIC事务超时设置
bijian1013
weblogicjta事务超时
系统中统计数据,由于调用统计过程,执行时间超过了weblogic设置的时间,提示如下错误:
统计数据出错!
原因:The transaction is no longer active - status: 'Rolling Back. [Reason=weblogic.transaction.internal
- 两年已过去,再看该如何快速融入新团队
bingyingao
java互联网融入架构新团队
偶得的空闲,翻到了两年前的帖子
该如何快速融入一个新团队,有所感触,就记下来,为下一个两年后的今天做参考。
时隔两年半之后的今天,再来看当初的这个博客,别有一番滋味。而我已经于今年三月份离开了当初所在的团队,加入另外的一个项目组,2011年的这篇博客之后的时光,我很好的融入了那个团队,而直到现在和同事们关系都特别好。大家在短短一年半的时间离一起经历了一
- 【Spark七十七】Spark分析Nginx和Apache的access.log
bit1129
apache
Spark分析Nginx和Apache的access.log,第一个问题是要对Nginx和Apache的access.log文件进行按行解析,按行解析就的方法是正则表达式:
Nginx的access.log解析正则表达式
val PATTERN = """([^ ]*) ([^ ]*) ([^ ]*) (\\[.*\\]) (\&q
- Erlang patch
bookjovi
erlang
Totally five patchs committed to erlang otp, just small patchs.
IMO, erlang really is a interesting programming language, I really like its concurrency feature.
but the functional programming style
- log4j日志路径中加入日期
bro_feng
javalog4j
要用log4j使用记录日志,日志路径有每日的日期,文件大小5M新增文件。
实现方式
log4j:
<appender name="serviceLog"
class="org.apache.log4j.RollingFileAppender">
<param name="Encoding" v
- 读《研磨设计模式》-代码笔记-桥接模式
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/
/**
* 个人觉得关于桥接模式的例子,蜡笔和毛笔这个例子是最贴切的:http://www.cnblogs.com/zhenyulu/articles/67016.html
* 笔和颜色是可分离的,蜡笔把两者耦合在一起了:一支蜡笔只有一种
- windows7下SVN和Eclipse插件安装
chenyu19891124
eclipse插件
今天花了一天时间弄SVN和Eclipse插件的安装,今天弄好了。svn插件和Eclipse整合有两种方式,一种是直接下载插件包,二种是通过Eclipse在线更新。由于之前Eclipse版本和svn插件版本有差别,始终是没装上。最后在网上找到了适合的版本。所用的环境系统:windows7JDK:1.7svn插件包版本:1.8.16Eclipse:3.7.2工具下载地址:Eclipse下在地址:htt
- [转帖]工作流引擎设计思路
comsci
设计模式工作应用服务器workflow企业应用
作为国内的同行,我非常希望在流程设计方面和大家交流,刚发现篇好文(那么好的文章,现在才发现,可惜),关于流程设计的一些原理,个人觉得本文站得高,看得远,比俺的文章有深度,转载如下
=================================================================================
自开博以来不断有朋友来探讨工作流引擎该如何
- Linux 查看内存,CPU及硬盘大小的方法
daizj
linuxcpu内存硬盘大小
一、查看CPU信息的命令
[root@R4 ~]# cat /proc/cpuinfo |grep "model name" && cat /proc/cpuinfo |grep "physical id"
model name : Intel(R) Xeon(R) CPU X5450 @ 3.00GHz
model name :
- linux 踢出在线用户
dongwei_6688
linux
两个步骤:
1.用w命令找到要踢出的用户,比如下面:
[root@localhost ~]# w
18:16:55 up 39 days, 8:27, 3 users, load average: 0.03, 0.03, 0.00
USER TTY FROM LOGIN@ IDLE JCPU PCPU WHAT
- 放手吧,就像不曾拥有过一样
dcj3sjt126com
内容提要:
静悠悠编著的《放手吧就像不曾拥有过一样》集结“全球华语世界最舒缓心灵”的精华故事,触碰生命最深层次的感动,献给全世界亿万读者。《放手吧就像不曾拥有过一样》的作者衷心地祝愿每一位读者都给自己一个重新出发的理由,将那些令你痛苦的、扛起的、背负的,一并都放下吧!把憔悴的面容换做一种清淡的微笑,把沉重的步伐调节成春天五线谱上的音符,让自己踏着轻快的节奏,在人生的海面上悠然漂荡,享受宁静与
- php二进制安全的含义
dcj3sjt126com
PHP
PHP里,有string的概念。
string里,每个字符的大小为byte(与PHP相比,Java的每个字符为Character,是UTF8字符,C语言的每个字符可以在编译时选择)。
byte里,有ASCII代码的字符,例如ABC,123,abc,也有一些特殊字符,例如回车,退格之类的。
特殊字符很多是不能显示的。或者说,他们的显示方式没有标准,例如编码65到哪儿都是字母A,编码97到哪儿都是字符
- Linux下禁用T440s,X240的一体化触摸板(touchpad)
gashero
linuxThinkPad触摸板
自打1月买了Thinkpad T440s就一直很火大,其中最让人恼火的莫过于触摸板。
Thinkpad的经典就包括用了小红点(TrackPoint)。但是小红点只能定位,还是需要鼠标的左右键的。但是自打T440s等开始启用了一体化触摸板,不再有实体的按键了。问题是要是好用也行。
实际使用中,触摸板一堆问题,比如定位有抖动,以及按键时会有飘逸。这就导致了单击经常就
- graph_dfs
hcx2013
Graph
package edu.xidian.graph;
class MyStack {
private final int SIZE = 20;
private int[] st;
private int top;
public MyStack() {
st = new int[SIZE];
top = -1;
}
public void push(i
- Spring4.1新特性——Spring核心部分及其他
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- 配置HiveServer2的安全策略之自定义用户名密码验证
liyonghui160com
具体从网上看
http://doc.mapr.com/display/MapR/Using+HiveServer2#UsingHiveServer2-ConfiguringCustomAuthentication
LDAP Authentication using OpenLDAP
Setting
- 一位30多的程序员生涯经验总结
pda158
编程工作生活咨询
1.客户在接触到产品之后,才会真正明白自己的需求。
这是我在我的第一份工作上面学来的。只有当我们给客户展示产品的时候,他们才会意识到哪些是必须的。给出一个功能性原型设计远远比一张长长的文字表格要好。 2.只要有充足的时间,所有安全防御系统都将失败。
安全防御现如今是全世界都在关注的大课题、大挑战。我们必须时时刻刻积极完善它,因为黑客只要有一次成功,就可以彻底打败你。 3.
- 分布式web服务架构的演变
自由的奴隶
linuxWeb应用服务器互联网
最开始,由于某些想法,于是在互联网上搭建了一个网站,这个时候甚至有可能主机都是租借的,但由于这篇文章我们只关注架构的演变历程,因此就假设这个时候已经是托管了一台主机,并且有一定的带宽了,这个时候由于网站具备了一定的特色,吸引了部分人访问,逐渐你发现系统的压力越来越高,响应速度越来越慢,而这个时候比较明显的是数据库和应用互相影响,应用出问题了,数据库也很容易出现问题,而数据库出问题的时候,应用也容易
- 初探Druid连接池之二——慢SQL日志记录
xingsan_zhang
日志连接池druid慢SQL
由于工作原因,这里先不说连接数据库部分的配置,后面会补上,直接进入慢SQL日志记录。
1.applicationContext.xml中增加如下配置:
<bean abstract="true" id="mysql_database" class="com.alibaba.druid.pool.DruidDataSourc