eMbedded Visual C++ 4.0 SP4（更新）—— 愚人节

     我刚看到的时候也觉得很奇怪，sp4之前（2004-07-14）不是已经放出来了啊，怎么又出现新的SP4 ？
看了更新日期是：3/12/2007

Quick Details
Version: SP4
Date Published: 3/12/2007
Language: English
Download Size: 19 KB - 66.7 MB*
*Download size depends on selected download components.

看来，可能是MS对SP4进行了更新，但为什么不是SP5呢？

描述里，提到：

Service Pack 4 (SP4) allows eMbedded Visual C++ 4.0 users to target Windows CE 5.0 based devices.
看来是为了支持Windows CE 5.0 的设备。
详细请看： http://www.microsoft.com/downloads/details.aspx?familyid=4A4ED1F4-91D3-4DBE-986E-A812984318E5&mg_id=10112&displaylang=en

下载地址：
http://download.microsoft.com/download/a/7/3/a735c7fb-dcbd-429f-9090-d09b3b15d3fa/evc4sp4.exe

BTW：
  • Supported Operating Systems: Windows 2000 Professional Edition ; Windows 2000 Service Pack 4; Windows XP Professional Edition ; Windows XP Service Pack 1

    • 怎么没有 Windows XP SP2 以及 Windows 2003呢？
    十之八九这是2004年那时候的数据，现在虽然更新了部分的描述信息，但落下了这个信息没有更新，估计直接COPY过来的。
    下载后，才发现还是原来的SP4：
    eMbedded Visual C++ 4.0 SP4（更新）—— 愚人节
    解压后，安装，却显示：（我机器上已经安装了SP4，看来的确是同一版本）
    eMbedded Visual C++ 4.0 SP4（更新）—— 愚人节
    看来，只是更新了日期？
    愚人节还没有到啊……

    你可能感兴趣的:(EMBED)

    • 如何保证软件质量？汽车软件基于模型开发的十个问题与质量工具推荐 MESMarketing 自动驾驶
      如何保证软件质量？汽车软件基于模型开发的十个问题与质量工具推荐基于模型的软件开发（MBD）在20世纪90年代兴起，当时Simulink®和Matrix®等工具正在从学术或研究领域过渡到生产支持领域。MBD在1999年引入高效自动代码生成后，借助EmbeddedCoder®和TargetLink®等工具迅速扩展。随着电子电器系统日趋复杂，有别于传统的软件开发，基于模型的软件开发成为自动化行业贴别是汽
    • embedding模型有哪些？如何选择合适的embedding模型？ 行云流水AI笔记 embedding
      embedding模型是一种将数据映射到低维空间的模型，常用于自然语言处理、推荐系统、图像识别等领域。以下是一些常见的embedding模型：Word2Vec：CBOW（ContinuousBag-of-Words）：通过上下文预测中心词。Skip-Gram：通过中心词预测上下文。GloVe（GlobalVectorsforWordRepresentation）：结合了词频统计和Word2Vec的
    • 深度学习实战：基于嵌入模型的AI应用开发 AIGC应用创新大全 AI人工智能与大数据应用开发MCP&Agent云算力网络人工智能深度学习ai
      深度学习实战：基于嵌入模型的AI应用开发关键词：嵌入模型（EmbeddingModel）、深度学习、向量空间、语义表示、AI应用开发、相似性搜索、迁移学习摘要：本文将带你从0到1掌握基于嵌入模型的AI应用开发全流程。我们会用“翻译机”“数字身份证”等生活比喻拆解嵌入模型的核心原理，结合Python代码实战（BERT/CLIP模型）演示如何将文本、图像转化为可计算的语义向量，并通过“智能客服问答”“
    • 【LlamaIndex核心组件指南 | 模型篇】一文通晓 LlamaIndex 模型层：LLM、Embedding 及多模态应用全景解析
      Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
    • 【RAG面试题】如何获取准确的语义表示
      目录回答模板语义表示是干什么的？如何获取准确语义表示的关键步骤？1.选择合适的Embedding模型2.正确的文本预处理与切分3.文本清洗与标准化4.构建合理的向量库5.检索质量验证与优化详细知识点覆盖面试回答技巧回答模板在RAG中，准确的语义表示直接影响检索相关性。通常会从以下几方面确保语义表示准确：选择高质量的嵌入模型，如bge-m3或text-embedding-v1；正确的预处理和切分：采
    • LangChain基础抽象类与接口的设计思想及实现源码级分析(66) Android 小码蜂 LangChain框架入门langchain人工智能深度学习
      LangChain基础抽象类与接口的设计思想及实现源码级分析I.抽象类与接口设计的核心意义1.1构建统一规范与标准在LangChain框架中，抽象类与接口的设计旨在为各类组件建立统一的行为规范。通过定义抽象方法和接口契约，确保不同功能模块（如语言模型、记忆模块、嵌入模型等）具备一致的调用方式和数据交互格式。例如，所有嵌入模型都需继承自BaseEmbeddings抽象类，并实现embed_docum
    • LLMs之Embedding：Qwen3 Embedding的简介、安装和使用方法、案例应用之详细攻略 一个处女座的程序猿 NLP/LLMsembeddingLLM
      LLMs之Embedding：Qwen3Embedding的简介、安装和使用方法、案例应用之详细攻略目录Qwen3Embedding的简介1、特点2、模型列表3、评测结果MTEB(Multilingual)MTEB(Engv2)C-MTEB(MTEBChinese)RerankerQwen3Embedding的使用方法1、安装2、使用方法2.1、TextEmbedding嵌入模型的使用方法Tran
    • 使用Hugging Face的Sentence Transformers进行文本嵌入 2501_92325368 语言模型langchain
      概述HuggingFace的SentenceTransformers是一种用于生成文本和图像嵌入的Python框架，提供了最新的技术。这个框架可以通过HuggingFaceEmbeddings类来使用嵌入模型。尽管它功能强大，但在本地运行可能会受到操作系统和其他因素的影响，因此推荐给有经验的用户使用。核心原理解析SentenceTransformers基于BERT等深度学习模型，通过转化输入文本为
    • 开源项目控制面板（control-panel）安装与使用指南 秋然仪Stranger
      开源项目控制面板（control-panel）安装与使用指南control-panelembeddablepanelofinputsforparametersetting项目地址:https://gitcode.com/gh_mirrors/co/control-panel一、项目目录结构及介绍control-panel/├──README.md-项目说明文件，提供快速入门信息。├──LICENS
    • LSTM、GRU 与 Transformer网络模型参数计算 suixinm lstmgrutransformer
      参数计算公式对比模型类型参数计算公式关键组成部分LSTM4×(embed_dim×hidden_size+hidden_size²+hidden_size)4个门控结构GRU3×(embed_dim×hidden_size+hidden_size²+hidden_size)3个门控结构Transformer(Encoder)12×embed_dim²+9×embed_dim×ff_dim+14×e
    • 当Spring AI遇上国产大模型DeepSeek：快速构建企业级AI应用 Yeharn 人工智能springaijava
      一、技术背景1.1SpringAI是什么？SpringAI是Spring官方推出的AI应用开发框架，具备以下特性：统一API：抽象Chat、Embedding、Image等AI能力接口多模型支持：OpenAI、Azure、HuggingFace等一站式集成便捷开发：基于SpringBoot的自动配置与扩展机制1.2为什么选择DeepSeek？国产自研：深度求索(DeepSeek)推出的高性能大模型
    • 使用Hugging Face的BGE模型进行文本嵌入 lirxx 人工智能langchain
      在文本嵌入领域，BGE（BeijingAcademyofArtificialIntelligenceEmbeddings）模型是开源界的佼佼者。由北京智源人工智能研究院（BAAI）开发，BGE模型以其高效的嵌入性能和开放性获得了广泛的认可。本文将通过HuggingFace平台展示如何使用BGE模型进行文本嵌入。技术背景介绍文本嵌入是将文本数据转换为可计算向量的过程，这在自然语言处理（NLP）中具有
    • Word2Vec 原理是什么 ZhangJiQun&MXP 教学2024大模型以及算力2021AIpythonword2vec人工智能自然语言处理
      Word2Vec原理是什么一、核心概念：从词语到向量的语义映射Word2Vec是2013年由Google提出的词嵌入（WordEmbedding）模型，其核心目标是将自然语言中的词语转换为稠密的连续向量（词向量），使向量空间中的距离能反映词语的语义相关性。本质：通过神经网络学习词语的分布式表示（DistributedRepresentation），打破传统one-hot编码“维度高、无语义关联”的
    • 【AI大模型】数据处理 用心分享技术 AI大模型人工智能oracle数据库
      一、源文档读取为构建我们的本地知识库，我们需要对以多种类型存储的本地文档进行处理，读取本地文档并通过前文描述的Embedding方法将本地文档的内容转化为词向量来构建向量数据库。在本节中，我们以一些实际示例入手，来讲解如何对本地文档进行处理。二、数据读取1.PDF文档我们可以使用LangChain的PyMuPDFLoader来读取知识库的PDF文件。PyMuPDFLoader是PDF解析器中速度最
    • Milvus 向量数据库详解与实践指南 JJJ@666 基础知识(人工智能AI)milvus向量数据库图像检索推荐系统
      一、Milvus核心介绍1.什么是Milvus？Milvus是一款开源、高性能、可扩展的向量数据库，专门为海量向量数据的存储、索引和检索而设计。它支持近似最近邻搜索（ANN），适用于图像检索、自然语言处理（NLP）、推荐系统、语义搜索、智能问答、多模态数据处理等AI应用场景。它能够高效处理：嵌入向量（Embeddings）特征向量（FeatureVectors）任何高维数值向量2.核心特性特性说明
    • 基础RAG实现，最佳入门选择（二） 人工智能
      初次创建embeddings向量安装相关依赖pipinstallsentence-transformerstorchprotobufsentencepiecepipinstallsentence-transformerstorchprotobufsentencepiecepipinstallsentence-transformerstorchprotobufsentencepiece代码froms
    • 【读代码】深入解析Ragas：RAG应用效果评估最好的工具 kakaZhui 大模型实践之知识库RAGLLMAgent人工智能AIGCRAGRagas
      一、基本介绍Ragas是由ExplodingGradients团队开发的专业LLM应用评估框架，通过自动化测试和量化指标帮助开发者构建可靠的AI系统。项目采用模块化架构设计，核心功能包括：#典型架构模块├──metrics#50+评估指标实现├──testset#测试集生成系统├──embeddings#多模态嵌入支持├──integrations#主流框架集成├──optimizers#遗传算法
    • 怎么对词编码进行可视化：Embedding Projector ZhangJiQun&MXP 教学2024大模型以及算力2021AIpythonembedding
      怎么对词编码进行可视化：EmbeddingProjectorhttps://projector.tensorflow.org/EmbeddingProjector是用于可视化高维向量嵌入（如词向量、图像特征向量等）的工具，能帮你理解向量间的关系，下面以词向量分析和**简单自定义数据（比如特征向量）**为例，教你怎么用：一、词向量分析场景（以图中Word2Vec数据为例）1.加载数据与基础查看图里已
    • 使用 RedisVL 进行复杂查询 Hello.Reader 缓存技术数据库运维java算法人工智能redis
      一、前置条件在开始之前，请确保：已安装redisvl并激活相应的Python环境。运行Redis实例，且RediSearch版本>2.4。二、初始化与数据加载我们将使用一个包含用户信息的数据集，字段包括user、age、job、credit_score、office_location、user_embedding和last_updated。以下是初始化索引和加载数据的代码：importpickle
    • Patch Position Embedding (PPE) 在医疗 AI 中的应用编程分析 Allen_Lyb 数智化教程（第二期）embedding人工智能机器学习健康医疗
      一、PPE的核心原理与医疗场景适配性位置编码的本质需求在医疗影像（如CT、MRI、病理切片）中，Transformer需要将图像划分为若干Patch并作为序列输入。但如果不注入空间信息，模型难以区分同一病灶在不同坐标的语义差异。传统的绝对位置编码（如SinusoidalPE）对等距网格有效，却无法灵活适配病灶大小多变、图像分辨率不一的医学场景。PatchPositionEmbedding(PPE)
    • Unable to start embedded Tomcat MyFreeIT JDKtomcatmybatisjava
      通常是由于xml文件配置错误导致1.mapper指向错误2.字段类型错误TINYINT是数据库类型或者String是Java类型
    • Chisel芯片开发入门系列 -- 1. Chisel Introduction ChipCamp Chisel芯片开发入门系列scala青少年编程fpga开发dsp开发arm开发
      ChiselIntroductionChisel(ConstructingHardwareInaScalaEmbeddedLanguage)isahardwareconstructionlanguageembeddedinthehigh-levelprogramminglanguageScala.Chiselisalibraryofspecialclassdefinitions,predefine
    • RAG 处理流程 成都犀牛 网络自然语言处理神经网络深度学习RAG
      下面是处理流程图UserSystemEmbeddingModelRetrieverRerankerLLMKnowledgeBase输入问题(Query)用嵌入模型编码QueryQuery向量用Query向量检索查找相似向量(原始使用嵌入模型编码)返回TopK文档块原始检索结果对结果重排序(可选)精排后文档组合:Query+相关文档生成最终回答返回答案UserSystemEmbeddingModel
    • 一文读懂AntSK PyAPI：为AI服务，嵌入不止一步！ 许泽宇的技术分享 人工智能Embeddingrerank
      大家好，今天我们来聊聊一个让开发者心跳加速的项目——AntSKPyAPI！这是一款基于FastAPI和FlagEmbedding的高性能文本嵌入向量生成与文档重排序API。简而言之，它能让你的文本变得聪明，有条理，甚至还能深入了解你心中真正想要的信息。话不多说，让我们一起进入这个AI的奇幻世界吧！项目地址：https://github.com/xuzeyu91/AntSK-PyApiAntSKPy
    • ✨Qwen3-Embedding 向量维度选择与自定义输出终极指南（含实战 + 原理详解） 杨靳言先 embeddingpython深度学习
      Qwen3-Embedding向量维度选择与自定义输出终极指南（含实战+原理详解）通义千问Qwen3-Embedding模型系列在多语言嵌入任务中表现亮眼，很多开发者都在问两个关键问题：向量维度该怎么选？有没有标准答案？模型默认输出都是4096维，怎么自定义成128/256/768呢？本文将从底层原理→实用建议→案例实操一站式回答这两个问题，帮助你真正理解并掌握维度控制，做到“选得准、用得巧”。一
    • PyTorch中Tensor（张量）数据结构内部观察 科学禅道 PyTorch研究和研发范式：预训练和微调pytorch人工智能python深度学习
      上图中是一个张量embeds，打开其内部存储空间，我们可以看到内部的构成。1.PyTorch中张量（Tensor）的介绍在PyTorch中，Tensor具有许多属性和方法。以下是其中一些关键的属性和方法：属性：H：在标准的PyTorchAPI中并没有直接表示为.H的属性，但在数学或某些库（如NumPy）中，.H通常代表共轭转置（ConjugateTranspose），也称为Hermitiancon
    • 【开源推荐】嵌入式软件开发学习路线全景图：从裸机到 RTOS，再到嵌入式 Linux（附涵超全电子书资源以及面经资料） Natsume1710 开源学习linux
      本文将系统介绍一个适合初学者&进阶者的嵌入式开发学习开源项目，涵盖C语言、驱动开发、RTOS、嵌入式Linux、物联网通信等核心内容，特别适合电赛、毕设、面试准备和入行工程师使用。一、为什么推荐这个项目？嵌入式学习门槛高、知识零散，这是大多数学习者面临的第一大难题。GitHub项目0voice/EmbeddedSoftwareLearn是由国内技术社区整理并维护的开源仓库，它将整个嵌入式学习路径从
    • Transformer结构介绍 大写-凌祁 transformer深度学习人工智能
      [编码器Encoder]←→[解码器Decoder]编码器：输入：源语言序列输出：每个词的上下文表示(embedding)解码器：输入：目标语言序列+编码器输出输出：下一个词的概率分布（目标句子生成）inputs->inputsEmbedding+PositionalEncoding->N*encoderoutput->outputsEmbedding+PositionalEncoding->N*
    • Milvus/ES 插入方案对比 风筝超冷 milvuspython开发语言
      在Python中加载它并打印一个示例嵌入的维度。python-c"fromsentence_transformersimportSentenceTransformer;model=SentenceTransformer('/root/.cache/modelscope/hub/models/Qwen/Qwen3-Embedding-0.6B');example_embedding=model.en
    • ChromaDB深度技术研究报告 大表哥汽车人 人工智能大语言模型学习笔记人工智能语言模型自然语言处理
      第一章:ChromaDB核心概念与架构1.1向量数据库：新一代AI应用基石向量数据库是为存储、管理和搜索向量嵌入（VectorEmbeddings）而专门设计的数据库系统。在高维空间中，向量嵌入是数据（如文本、图片、音频等）的数值表示。向量数据库的核心能力在于，它能够高效地执行相似度搜索，即找到与给定查询向量最相似的向量。工作原理:-嵌入（Embedding）:首先，通过预训练的AI模型（如BER
    • Spring的注解积累 yijiesuifeng spring注解
      用注解来向Spring容器注册Bean。   需要在applicationContext.xml中注册： <context:component-scan base-package=”pagkage1[,pagkage2,…,pagkageN]”/>。 如：在base-package指明一个包    <context:component-sc
    • 传感器 百合不是茶 android传感器
      android传感器的作用主要就是来获取数据,根据得到的数据来触发某种事件   下面就以重力传感器为例;   1,在onCreate中获得传感器服务   private SensorManager sm;// 获得系统的服务 private Sensor sensor;// 创建传感器实例 @Override protected void
    • [光磁与探测]金吕玉衣的意义 comsci
            这是一个古代人的秘密:现在告诉大家       信不信由你们:       穿上金律玉衣的人,如果处于灵魂出窍的状态,可以飞到宇宙中去看星星       这就是为什么古代
    • 精简的反序打印某个数 沐刃青蛟 打印
      以前看到一些让求反序打印某个数的程序。 比如：输入123，输出321。   记得以前是告诉你是几位数的，当时就抓耳挠腮，完全没有思路。   似乎最后是用到%和/方法解决的。   而今突然想到一个简短的方法，就可以实现任意位数的反序打印（但是如果是首位数或者尾位数为0时就没有打印出来了）   代码如下： long num, num1=0;
    • PHP：6种方法获取文件的扩展名 IT独行者 PHP扩展名
        PHP：6种方法获取文件的扩展名   1、字符串查找和截取的方法   1 $extension = substr ( strrchr ( $file ,  '.' ), 1); 2、字符串查找和截取的方法二   1 $extension = substr
    • 面试111 文强chu 面试
      1事务隔离级别有那些 ，事务特性是什么（问到一次） 2 spring aop 如何管理事务的，如何实现的。动态代理如何实现，jdk怎么实现动态代理的，ioc是怎么实现的，spring是单例还是多例，有那些初始化bean的方式，各有什么区别（经常问） 3 struts默认提供了那些拦截器 （一次） 4 过滤器和拦截器的区别 （频率也挺高） 5 final，finally final
    • XML的四种解析方式 小桔子 domjdomdom4jsax
      在平时工作中，难免会遇到把 XML 作为数据存储格式。面对目前种类繁多的解决方案，哪个最适合我们呢？在这篇文章中，我对这四种主流方案做一个不完全评测，仅仅针对遍历 XML 这块来测试，因为遍历 XML 是工作中使用最多的（至少我认为）。 　　预 备 　　测试环境： 　　AMD 毒龙1.4G OC 1.5G、256M DDR333、Windows2000 Server
    • wordpress中常见的操作 aichenglong 中文注册wordpress移除菜单
      1 wordpress中使用中文名注册解决办法   1)使用插件   2)修改wp源代码      进入到wp-include/formatting.php文件中找到       function sanitize_user( $username, $strict = false
    • 小飞飞学管理-1 alafqq 管理
      项目管理的下午题，其实就在提出问题（挑刺），分析问题，解决问题。 今天我随意看下10年上半年的第一题。主要就是项目经理的提拨和培养。 结合我自己经历写下心得 对于公司选拔和培养项目经理的制度有什么毛病呢？ 1，公司考察，选拔项目经理，只关注技术能力，而很少或没有关注管理方面的经验，能力。 2，公司对项目经理缺乏必要的项目管理知识和技能方面的培训。 3，公司对项目经理的工作缺乏进行指
    • IO输入输出部分探讨 百合不是茶 IO
       //文件处理  在处理文件输入输出时要引入java.IO这个包； /* 1，运用File类对文件目录和属性进行操作 2，理解流，理解输入输出流的概念 3，使用字节/符流对文件进行读/写操作 4，了解标准的I/O 5，了解对象序列化 */   //1，运用File类对文件目录和属性进行操作   //在工程中线创建一个text.txt
    • getElementById的用法 bijian1013 element
              getElementById是通过Id来设置/返回HTML标签的属性及调用其事件与方法。用这个方法基本上可以控制页面所有标签，条件很简单，就是给每个标签分配一个ID号。        返回具有指定ID属性值的第一个对象的一个引用。        语法： &n
    • 励志经典语录 bijian1013 励志人生
      经典语录1:   哈佛有一个著名的理论：人的差别在于业余时间，而一个人的命运决定于晚上8点到10点之间。每晚抽出2个小时的时间用来阅读、进修、思考或参加有意的演讲、讨论，你会发现，你的人生正在发生改变，坚持数年之后，成功会向你招手。不要每天抱着QQ/MSN/游戏/电影/肥皂剧……奋斗到12点都舍不得休息，看就看一些励志的影视或者文章，不要当作消遣；学会思考人生，学会感悟人生
    • [MongoDB学习笔记三]MongoDB分片 bit1129 mongodb
      MongoDB的副本集(Replica Set)一方面解决了数据的备份和数据的可靠性问题，另一方面也提升了数据的读写性能。MongoDB分片(Sharding)则解决了数据的扩容问题，MongoDB作为云计算时代的分布式数据库，大容量数据存储，高效并发的数据存取，自动容错等是MongoDB的关键指标。 本篇介绍MongoDB的切片(Sharding)   1.何时需要分片 &nbs
    • 【Spark八十三】BlockManager在Spark中的使用场景 bit1129 manager
      1. Broadcast变量的存储，在HttpBroadcast类中可以知道 2. RDD通过CacheManager存储RDD中的数据，CacheManager也是通过BlockManager进行存储的 3. ShuffleMapTask得到的结果数据，是通过FileShuffleBlockManager进行管理的，而FileShuffleBlockManager最终也是使用BlockMan
    • yum方式部署zabbix ronin47 yum方式部署zabbix
      安装网络yum库#rpm -ivh http://repo.zabbix.com/zabbix/2.4/rhel/6/x86_64/zabbix-release-2.4-1.el6.noarch.rpm 通过yum装mysql和zabbix调用的插件还有agent代理#yum install zabbix-server-mysql zabbix-web-mysql mysql-
    • Hibernate4和MySQL5.5自动创建表失败问题解决方法 byalias J2EEHibernate4
      今天初学Hibernate4，了解了使用Hibernate的过程。大体分为4个步骤： ①创建hibernate.cfg.xml文件 ②创建持久化对象 ③创建*.hbm.xml映射文件 ④编写hibernate相应代码 在第四步中，进行了单元测试，测试预期结果是hibernate自动帮助在数据库中创建数据表，结果JUnit单元测试没有问题，在控制台打印了创建数据表的SQL语句，但在数据库中
    • Netty源码学习-FrameDecoder bylijinnan javanetty
      Netty 3.x的user guide里FrameDecoder的例子，有几个疑问： 1.文档说：FrameDecoder calls decode method with an internally maintained cumulative buffer whenever new data is received. 为什么每次有新数据到达时，都会调用decode方法？ 2.Dec
    • SQL行列转换方法 chicony 行列转换
      create table tb(终端名称 varchar(10) , CEI分值 varchar(10) , 终端数量 int) insert into tb values('三星' , '0-5' , 74) insert into tb values('三星' , '10-15' , 83) insert into tb values('苹果' , '0-5' , 93)
    • 中文编码测试 ctrain 编码
      循环打印转换编码 String[] codes = { "iso-8859-1", "utf-8", "gbk", "unicode" }; for (int i = 0; i < codes.length; i++) { for (int j
    • hive 客户端查询报堆内存溢出解决方法 daizj hive堆内存溢出
      hive> select * from t_test where ds=20150323 limit 2; OK Exception in thread "main" java.lang.OutOfMemoryError: Java heap space   问题原因： hive堆内存默认为256M   这个问题的解决方法为： 修改/us
    • 人有多大懒，才有多大闲 (评论『卓有成效的程序员』) dcj3sjt126com 程序员
        卓有成效的程序员给我的震撼很大，程序员作为特殊的群体，有的人可以这么懒，  懒到事情都交给机器去做 ，而有的人又可以那么勤奋，每天都孜孜不倦得做着重复单调的工作。   在看这本书之前，我属于勤奋的人，而看完这本书以后，我要努力变成懒惰的人。 不要在去庞大的开始菜单里面一项一项搜索自己的应用程序，也不要在自己的桌面上放置眼花缭乱的快捷图标
    • Eclipse简单有用的配置 dcj3sjt126com eclipse
      1、显示行号  Window -- Prefences -- General -- Editors -- Text Editors -- show line numbers   2、代码提示字符 Window ->Perferences，并依次展开 Java -> Editor -> Content Assist，最下面一栏 auto-Activation
    • 在tomcat上面安装solr4.8.0全过程 eksliang Solrsolr4.0后的版本安装solr4.8.0安装
      转载请出自出处： http://eksliang.iteye.com/blog/2096478       首先solr是一个基于java的web的应用，所以安装solr之前必须先安装JDK和tomcat，我这里就先省略安装tomcat和jdk了         第一步：当然是下载去官网上下载最新的solr版本，下载地址
    • Android APP通用型拒绝服务、漏洞分析报告 gg163 漏洞androidAPP分析
      点评：记得曾经有段时间很多SRC平台被刷了大量APP本地拒绝服务漏洞，移动安全团队爱内测（ineice.com）发现了一个安卓客户端的通用型拒绝服务漏洞，来看看他们的详细分析吧。  0xr0ot和Xbalien交流所有可能导致应用拒绝服务的异常类型时，发现了一处通用的本地拒绝服务漏洞。该通用型本地拒绝服务可以造成大面积的app拒绝服务。  针对序列化对象而出现的拒绝服务主要
    • HoverTree项目已经实现分层 hvt 编程.netWebC#ASP.ENT
      HoverTree项目已经初步实现分层，源代码已经上传到 http://hovertree.codeplex.com请到SOURCE CODE查看。在本地用SQL Server 2008 数据库测试成功。数据库和表请参考：http://keleyi.com/a/bjae/ue6stb42.htmHoverTree是一个ASP.NET 开源项目，希望对你学习ASP.NET或者C#语言有帮助，如果你对
    • Google Maps API v3: Remove Markers 移除标记 天梯梦 google maps api
      Simply do the following:   I. Declare a global variable: var markersArray = [];   II. Define a function: function clearOverlays() { for (var i = 0; i < markersArray.length; i++ )
    • jQuery选择器总结 lq38366 jquery选择器
        1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
    • 基础数据结构和算法六：Quick sort sunwinner AlgorithmQuicksort
      Quick sort is probably used more widely than any other. It is popular because it is not difficult to implement, works well for a variety of different kinds of input data, and is substantially faster t
    • 如何让Flash不遮挡HTML div元素的技巧_HTML/Xhtml_网页制作 刘星宇 htmlWeb
      今天在写一个flash广告代码的时候，因为flash自带的链接，容易被当成弹出广告，所以做了一个div层放到flash上面，这样链接都是a触发的不会被拦截，但发现flash一直处于div层上面，原来flash需要加个参数才可以。 让flash置于DIV层之下的方法，让flash不挡住飘浮层或下拉菜单，让Flash不档住浮动对象或层的关键参数：wmode=opaque。 方法如下：
    • Mybatis实用Mapper SQL汇总示例 wdmcygah sqlmysqlmybatis实用
      Mybatis作为一个非常好用的持久层框架，相关资料真的是少得可怜，所幸的是官方文档还算详细。本博文主要列举一些个人感觉比较常用的场景及相应的Mapper SQL写法，希望能够对大家有所帮助。 不少持久层框架对动态SQL的支持不足，在SQL需要动态拼接时非常苦恼，而Mybatis很好地解决了这个问题，算是框架的一大亮点。对于常见的场景，例如：批量插入/更新/删除，模糊查询，多条件查询，联表查询，
    按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他