春城怡景
春城怡景

隐

隐_第1张图片
图片发自App

《隐》

临摹画系列

国画系列

山水画系列

临摹“宋”“李唐 ”的《松湖钓隐图》

耗时：3个小时一天内

工具：毛笔、墨

尺寸：273mm×408mm

2017年11月12日画成

你可能感兴趣的:(隐)

  • 根茎式装配体（RA）作为下一代协同智能范式的理论、架构与应用 由数入道 人工智能思维框架软件工程智能体
    一、引言——范式危机与新大陆的召唤1.1表征主义的黄昏：当前AI协同范式的认知天花板自艾伦·图灵在《计算机器与智能》中播下思想的种子以来，人工智能的漫长征途始终被一个强大而内隐的哲学范式所笼罩——我们称之为“表征主义”（Representationism）。这一范式，无论其外在形态如何演变，从早期的符号逻辑、专家系统，到如今风靡全球的深度学习神经网络，其核心信念从未动摇：智能的核心，在于构建一个关
  • 全球DeepFake攻防挑战赛&DataWhale AI 夏令营——图像赛道 czijin 人工智能deeplearning
    全球DeepFake攻防挑战赛&DataWhaleAI夏令营——图像赛道赛题背景随着人工智能技术的迅猛发展，深度伪造技术（Deepfake）正成为数字世界中的一把双刃剑。这项技术不仅为创意内容的生成提供了新的可能性，同时也对数字安全构成了前所未有的挑战。Deepfake技术可以通过人工智能算法生成高度逼真的图像、视频和音频内容，这些内容看起来与真实的毫无二致。然而，这也意味着虚假信息、欺诈行为和隐
  • 隐马尔可夫模型（HMM）：观测背后的状态解码艺术 大千AI助手 人工智能Python#OTHER数据挖掘人工智能机器学习算法HMM马尔科夫概率论
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、核心概念：双重随机过程隐马尔可夫模型（HiddenMarkovModel,HMM）是一种通过可观测序列推断隐含状态序列的概率图模型，包含两个核心随机过程：隐含状态链：不可观测的马尔可夫过程${q_t}$P(qt∣qt−1,qt−2,…,q1)=P(
  • 【推荐算法课程二】推荐算法介绍-深度学习算法 盒子6910 运维视角下的广告业务算法推荐算法深度学习运维开发运维人工智能
    三、深度学习在推荐系统中的应用3.1深度学习推荐模型的演化关系图3.2AutoRec——单隐层神经网络推荐模型3.2.1AutoRec模型的基本原理AutoRec模型是一个标准的自编码器，它的基本原理是利用协同过滤中的共现矩阵，完成物品向量或者用户向量的自编码。再利用自编码的结果得到用户对物品的预估评分，进而进行推荐排序。什么是自编码器？自编码器是指能够完成数据“自编码”的模型。无论是图像、音频，
  • Java小白入门200例56之鸡兔同笼问题 编程界小明哥 Java小白入门200例javajava小白入门实例
    作者简介作者名：编程界明世隐简介：CSDN博客专家，从事软件开发多年，精通Java、JavaScript，博主也是从零开始一步步把学习成长、深知学习和积累的重要性，喜欢跟广大ADC一起打野升级，欢迎您关注，期待与您一起学习、成长、起飞！引言很多Java初学者问我，新手明明很用心、很努力学习的Java知识，转头又忘记了，很让人犯愁，小白如何能够快速成长、成为大牛呢？其实要成为大神的技巧只有一个：“多
  • 隐马尔可夫模型：语音识别系统的时序解码引擎 大千AI助手 人工智能Python#OTHER语音识别人工智能机器学习概率马尔科夫链HMM
    本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！1HMM与语音识别的理论基础隐马尔可夫模型（HMM）作为一种双重随机过程的统计模型，其核心在于描述一个包含隐含状态的马尔可夫链，以及这些状态生成可观测输出的概率分布。在语音识别领域，HMM的时序建模能力与语音信号的特性形成了完美契合：隐含状态：对应语音
  • URL带有中文会引入哪些问题 依旧风轻 Swift才是未来SQIiOSSwiftUnicodeURL
    处理含中文字符的URL1为什么会出现“乱码”或崩溃？URL标准（RFC3986）规定：除少数保留字符外，URL只能包含ASCII。中文属于Unicode，因此必须先转换。如果直接把https://example.com/路径/这样的字符串传给URL(string:)，Swift会把它视为非法，初始化直接返回nil，后续网络请求也会失败。主机名部分（如网址.中国）可以使用IDN（Punycode）隐
  • 【51单片机四位数码管从0循环显示到99，每0.5秒增加一个数字，打击键计数】2022-6-11 智者知已应修善业 51单片机单片机蓝桥杯经验分享笔记c语言嵌入式硬件
    缘由#include"REG52.h"unsignedcharcodesmgduan[]={0x3f,0x06,0x5b,0x4f,0x66,0x6d,0x7d,0x07,0x7f,0x6f,0x77,0x7c,0x39,0x5e,0x79,0x71,0,64,15,56};//共阴0~F消隐减号unsignedcharJs=0,miao=0;//中断计时秒分时毫秒unsignedintshu=0
  • 高斯混合模型（Gaussian Mixture Model, GMM） 不想秃头的程序 神经网络语音识别人工智能深度学习网络
    高斯混合模型（GaussianMixtureModel,GMM）是一种概率模型，用于表示数据点由多个高斯分布（GaussianDistribution）混合生成的过程。它广泛应用于聚类分析、密度估计、图像分割、语音识别等领域，尤其适合处理非球形簇或多模态数据。以下是GMM的详细介绍：一、核心思想GMM假设数据是由多个高斯分布混合生成的，每个高斯分布代表一个簇（Cluster），并引入隐变量（Lat
  • 数学分析(十八)-隐函数定理及其应用1-隐函数4：隐函数极值问题 u013250861 数学分析数学分析
    f′(x)=−Fx(x,y)Fy(x,y)(5)f^{\prime}(x)=-\cfrac{F_{x}(x,y)}{F_{y}(x,y)}\quad\quad(5)f′(x)=−Fy(x,y)Fx(x,y)(5)y′′=−1Fy(Fxx+2Fxyy′+Fyyy′2)=2FxFyFxy−Fy2Fxx−Fx2FyyFy3,(
  • 《高等数学》（同济大学·第7版）第九章 多元函数微分法及其应用第四节隐函数的求导公式 没有女朋友的程序员 高等数学
    以下是将含LaTeX标记的内容转为纯文本的版本：同学们好！今天我们学习《高等数学》（同济·第7版）第九章第四节隐函数的求导公式。我会用最通俗的语言和具体例子，带你彻底理解这个核心概念。如果中途有疑问，随时提出，我们一步步解决！一、隐函数是什么？为什么需要它？1.显函数vs隐函数显函数：直接写出因变量和自变量的关系，例如：y=f(x)或z=f(x,y)隐函数：因变量和自变量的关系隐含在一个方程中，例
  • 跨境支付100问：不查DeepSeek能回答一半就可以出师了（附答案） 隐墨星辰 图解支付系统设计与实现跨境支付跨境收单
    大家好，我是隐墨星辰，专注境内/跨境支付架构设计十余年。经常有人问我如果找跨境支付的工作，需要准备什么。可以考虑用自己的话回答本文中的问题清单。这些问题是我入行这些年经常碰到的问题，有些问题没有标准答案。如果你对某个问题特别感兴趣或有疑问，欢迎留言讨论，简单的问题我会直接在评论区回复，复杂的话我就再开文章来回答。这100+个跨境支付相关的问题，涵盖了跨境支付的核心概念、支付工具、业务流程、架构设计
  • 【HarmonyOS 5】输入框焦点控制实现键盘显隐和进入页面默认弹出键盘获取焦点设置
    【HarmonyOS5】输入框焦点控制实现键盘显隐和进入页面默认弹出键盘获取焦点设置鸿蒙开发能力##HarmonyOSSDK应用服务##鸿蒙金融类应用（金融理财问题背景：鸿蒙中输入框控件，TextInput最常见的控制，即：针对输入框焦点控制，获取焦点，失去焦点。达到用户方便操作输入和退出输入。因为输入框一定会伴随着键盘交互，一般在逻辑控制上和UI渲染上，都可能会需要动态调整改焦点。另外一个比较常
  • 基于沙猫群算法优化的正则化极限学习机(RELM)的回归预测 智能算法研学社（Jack旭） #正则极限学习机(RELM)智能优化算法应用算法回归数据挖掘
    基于沙猫群算法优化的正则化极限学习机(RELM)的回归预测文章目录基于沙猫群算法优化的正则化极限学习机(RELM)的回归预测1.RELM原理2.预测问题求解3.基于沙猫群算法优化的RELM4.实验结果5.Matlab代码1.RELM原理极限学习机(ELM)具有训练速度快、泛化性能好的优点。极限学习机的结构是一种典型的单隐层前馈神经网络(SLFN)。极限学习机的结构见图RELM算法：若NNN个训练样
  • 基于战争策略算法优化的正则化极限学习机(RELM)的回归预测
    基于战争策略算法优化的正则化极限学习机(RELM)的回归预测文章目录基于战争策略算法优化的正则化极限学习机(RELM)的回归预测1.RELM原理2.预测问题求解3.基于战争策略算法优化的RELM4.实验结果5.Matlab代码1.RELM原理极限学习机(ELM)具有训练速度快、泛化性能好的优点。极限学习机的结构是一种典型的单隐层前馈神经网络(SLFN)。极限学习机的结构见图RELM算法：若NNN个
  • 鸿蒙HarmonyOS NEXT开发：显隐控制（ArkTS通用属性） 「已注销」 鸿蒙ArkTSharmonyos华为鸿蒙android驱动开发
    显隐控制控制组件是否可见。说明：从APIVersion7开始支持。后续版本如有新增内容，则采用上角标单独标记该内容的起始版本。visibilityvisibility(value:Visibility)控制组件的显隐。卡片能力：从APIversion9开始，该接口支持在ArkTS卡片中使用。原子化服务API：从APIversion11开始，该接口支持在原子化服务中使用。系统能力：SystemCap
  • HoRain云--区块链：透明交易的终极指南 HoRain 云小助手 区块链
    HoRain云小助手：个人主页⛺️生活的理想，就是为了理想的生活!⛳️推荐前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。目录⛳️推荐1.分布式账本（公开账本）2.交易链式结构（TransactionChain）3.交易哈希与唯一标识4.透明地址系统5.智能合约透明执行6.时间戳与区块高度应用场景示例①金融透明度②供应链溯源③司法存证透明性与隐
  • 期望最大化（EM）算法的推导——Q函数 phoenix@Capricornus 模式识别中的数学问题算法概率论机器学习
    先导：①詹森不等式（Jensen’sInequality）②一般情况下的期望最大化（EM）算法③离散隐藏变量下期望最大化（EM）算法的简化对于一个含有隐变量的概率模型，极大化观测数据（不完全数据）XXX关于参数θ\thetaθ的对数似然函数，即极大化L(θ)=log⁡P(X∣θ)=log⁡∑ZP(X,Z∣θ)=log⁡(∑ZP(X∣Z,θ)P(Z∣θ))(12)L(\theta)=\logP(X\
  • Latent World Model 架构实战：具身智能中的隐空间建模与状态压缩 观熵 具身智能（EmbodiedAI）架构人工智能具身智能
    LatentWorldModel架构实战：具身智能中的隐空间建模与状态压缩关键词具身智能、LatentWorldModel、状态建模、变分自编码器、感知压缩、动态预测、多模态对齐、认知建模、世界模型、状态表示学习摘要在具身智能系统中，世界模型（WorldModel）构建是认知能力的核心，而其中的“隐空间建模与状态压缩”技术决定了智能体对环境的理解深度与动作决策的效率。本文基于2025年最新开源项目
  • 【React】SWR 和 React Query(TanStack Query) 秀秀_heo React及其周边生态react.js前端前端框架
    它们都是目前非常流行的React生态中用于服务端数据获取和缓存管理的库。客户端状态vs服务端状态客户端状态（浏览器内存）：UI状态控制，表单输入、开关切换、弹窗显隐主题偏好未提交的用户数据服务端状态（数据库异步获取）：客户端拥有的是其“快照”或者“缓存”手动管理服务端状态的挑战：样板代码：useState(data,loading,error),useEffect(fetch)缓存管理：如何避免重
  • 基于哈里斯鹰算法优化的正则化极限学习机(RELM)的回归预测 智能算法研学社（Jack旭） #正则极限学习机(RELM)智能优化算法应用算法回归数据挖掘
    基于哈里斯鹰算法优化的正则化极限学习机(RELM)的回归预测文章目录基于哈里斯鹰算法优化的正则化极限学习机(RELM)的回归预测1.RELM原理2.预测问题求解3.基于哈里斯鹰算法优化的RELM4.实验结果5.Matlab代码1.RELM原理极限学习机(ELM)具有训练速度快、泛化性能好的优点。极限学习机的结构是一种典型的单隐层前馈神经网络(SLFN)。极限学习机的结构见图RELM算法：若NNN个
  • 【人工智能】机器学习中的隐马尔可夫模型（Python源码） 干了这一碗BUG 人工智能机器学习python马尔可夫深度学习
    目录隐马尔可夫模型(HMM)在数据处理中的应用模型概述模型组成算法实现步骤Python实现示例1.天气预报步骤1：导入所需的库步骤2：定义模型参数步骤3：创建隐马尔可夫模型（HMM）的实例并设置模型参数步骤4：定义一个观测序列步骤5：预测最有可能的隐藏状态序列步骤6：解码观测序列步骤7：绘制结果示例2：使用隐马尔可夫模型（HMM）进行语音识别模型参数定义如下：实现步骤：Python源码隐马尔可夫模
  • 期望最大化算法 只微 杂算法机器学习概率论
    期望最大化算法问题场景算法思路期望最大化算法（ExpectationMaximization，EM）是一种基于不完整、包含隐变量观测数据进行统计模型参数估计的方法。我们知道，统计模型中的参数都需要根据观测数据集（训练数据）来进行估计。但是，在有些场景下，观测数据集中包含的信息不完整，有缺失，此时就不太容易去估计相应的参数。EM算法就是针对这种问题的的方法。问题场景桌子上放着一个盒子，其中有两种类型
  • leaflet 图层管理（增加 、删除 、显隐控制）加载4326坐标系的图层（一） 翠莲 javaScriptvuevuejsgis
    加载4326坐标系leaflet默认使用3857的坐标系，如果之前使用的是openlayers,会发现leaflet坐标写法和openlayers坐标相反，因为openlayers默认使用4326坐标系。1、加载4326坐标系的地图constmap=L.map("map",{center:[35.8374,104.28225],//维度在前，精度在后zoom:4,minZoom:1,maxZoom
  • Excel常用函数----vlookup 哈哈的二哈 EXCELexcel
    功能：在表格的首列查找指定的数值，并返回表格当前行中指定列处的数值。结构：=VLOOKUP(查找值,数据表,列序数,匹配条件)说明：1、第一参数：查找值，在数据表中要位于第一列；2、第二参数：数据表，查找的数据区域，建议设置为绝对引用，在选定区域后按F4键就可以快速切换，就是在行和列的前面添加$符号，拖动公式时，区域就不会发生改变；3、第三参数：列序数，也就是返回的结果在数据表中位于第几列，包含隐
  • WeClone：用微信聊天记录克隆数字分身 开源项目精选 微信
    WeClone是一个开源项目，它的目标很直接——用微信聊天记录训练出一个和“你”或“TA”极为相似的数字分身。这个“分身”不仅能通过文本和你互动，还能模仿你或者你朋友的声音进行语音对话。Stars数12888Forks数961主要特点聊天记录微调：基于聊天记录对大语言模型进行微调，生成个性化数字分身。语音克隆：结合微信语音消息和Spark-TTS模型，实现高质量的声音克隆，增强数字分身的真实感。隐
  • logistic回归分析python_【Python算法】分类与预测——logistic回归分析 weixin_39532699
    1.logistic回归定义logistic回归是一种广义线性回归(generalizedlinearmodel)，因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y=w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p=L(w‘x+b),然后根据
  • 入选 ICML 2025，清华/人大/字节提出首个跨分子种类统一生成框架 UniMoMo，实现多类型药物分子设计 hyperai
    清华大学刘洋老师组、人民大学高瓴人工智能学院黄文炳老师组、字节跳动AI制药团队共同提出了一种跨分子种类统一生成框架UniMoMo。该框架基于分子片段（block）对不同种类的分子进行统一表示，使用变分自编码器对每个block的全原子构象进行压缩，并在压缩后的隐空间进行几何扩散建模（diffusion），从而实现对同一靶点不同结合分子种类（小分子、多肽、抗体）的设计。UniMoMo在多类分子任务基准
  • 【课堂笔记】EM算法 zyq~ 机器学习算法笔记机器学习EM算法GMM概率论人工智能
    文章目录背景极大似然估计隐变量高斯混合模型EM算法合理性分析相关好文章背景  EM算法（期望最大化算法，Expectation-MaximizationAlgorithm）是一种迭代优化算法，用于在含有隐变量的概率模型中估计最大似然参数。  这是概括性的定义，下面我会解释其中的名词并用具体例子来引入EM算法。极大似然估计  先复习一下极大似然函数估计，我们假设数据满足某个分布（例如正态分布N(μ,
  • 基于对比学习的推荐系统开发方案，使用Python在PyCharm中实现 pk_xz123456 仿真模型算法深度学习python学习pycharm
    以下是一个基于对比学习的推荐系统开发方案，使用Python在PyCharm中实现。本文将详细阐述技术原理、系统设计和完整代码实现。基于对比学习的推荐系统开发方案一、技术背景与原理1.1对比学习核心思想对比学习（ContrastiveLearning）通过最大化正样本相似度、最小化负样本相似度，在隐空间学习高质量表示。在推荐系统中：正样本：用户实际交互过的物品对负样本：用户未交互的随机物品对核心损失
  • 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