全球首个开源图像识别系统上线了！人脸、商品、车辆识别一网打尽！

父老们，乡亲们！你知道人脸、商品、车辆识别，以图搜图乃至自动驾驶，背后的技术是什么嘛？

起初小编觉得不就是图像分类、目标检测这些东西嘛，有什么难的？但能熟练这些应用的BAT高级工程师们都轻松年薪百万，笑傲人生了！！！

当小编正在酸成柠檬精的时候，BAT大神幽幽的说：这背后是综合使用目标检测、图像分类、度量学习、图像检索的【通用图像识别系统】…

度量学习是啥？图像检索是啥？通用图像识别系统又是啥？！看来还是我Too Simple，Too Naive了…

难道我真的就无缘年薪百万了嘛？！正在小编捶胸顿足的时候，小编突然发现了一个通用图像识别系统快速搭建神器！OMG！这不梦想一下就要实现了嘛！

赶紧Star收藏住：https://github.com/PaddlePaddle/PaddleClas

那这个项目到底有什么过人之处，图像识别又比图像分类、目标检测强在哪里呢？

拿[商品识别]举个栗子，如果你用单纯的图像分类和目标检测，你会发现：

商品类别数以万计：根本没法事先把所有类别都放入训练集！训练集都不完备怎么训练算法？
样本类别极不均衡：每类商品的数量分布参差不齐，有的类别只有1、2张图片！这样的类别即使投入算法训练，识别准确率也是非常非常低的。
品类更新极快：各个商家不停的推出新的品类，每增加新的产品都要辛辛苦苦重新训练模型！
而使用图像识别，不仅能将以上问题完美解决！而且上手极快，简单易懂。准备好需要识别的物体图片后，只需三步，多类别、小样本、数据不均衡通通不再是问题！并且它除了商品识别，还可以进行车辆、人脸、Logo、行人识别！！！让我们一起想识别什么就识别什么！（是自由的感觉没错了！）

全球首个开源图像识别系统上线了！人脸、商品、车辆识别一网打尽！_第1张图片


并且这个图像识别系统的4个核心构成模块，都是经过精心打磨。无论是单独使用亦或是串联开发，都有非凡的效果：

主体检测：采用高精准超轻量的PP-YOLOv2检测算法，快速对图像进行主体检测，提升识别效率。

骨干网络：精选6个系列Backbone，覆盖最精巧的移动端模型和高精准的服务端模型，支持对结构进行快速修改，满足不同使用场景的需求。

度量学习：集成ArcMargin, CenterLoss, TriHard等业界最领先的度量学习方法，并能任意组合，轻松训练出鲁棒的图像特征。

检索系统：集成百度自研的Möbius算法，高效完成向量检索，并能随时更新检索库，一次训练长期使用。

开发者不仅可以单独或自主组装使用这四个模块，还可以直接采用构建好的车辆识别、LOGO识别、商品识别、动漫识别四个系统。只需要补充好检索库，就可以直接投产使用了！

全球首个开源图像识别系统上线了！人脸、商品、车辆识别一网打尽！_第2张图片
有了它们的助力，看齐大厂程序员，年薪百万不是梦！（逐渐露出暴富的笑容~ ）

这么强大、用心的项目 ，你还在等什么？！还不赶紧Star收藏上车吧！

传送门：https://github.com/PaddlePaddle/PaddleClas

快速体验：

https://github.com/PaddlePaddle/PaddleClas/blob/release%2F2.2/docs/zh_CN/tutorials/quick_start_recognition.md

你可能感兴趣的:(图像识别)

  • 鸢尾花分类项目 GUI 编织幻境的妖 分类数据挖掘人工智能
    1.机器学习的定义机器学习是一门人工智能的分支，专注于开发算法和统计模型，使计算机能够在没有明确编程的情况下从数据中自动学习和改进。通过识别数据中的模式和规律，机器学习系统可以做出预测或决策。常见的应用包括图像识别、语音识别、推荐系统等。2.为什么使用鸢尾花数据集（Irisdataset）鸢尾花数据集是一个经典的多类分类问题数据集，由英国统计学家和遗传学家RonaldFisher在1936年引入。
  • 图像识别与应用 狂踹瘸子那条好脚 python
    图像识别作为人工智能领域的重要分支，近年来取得了显著进展，其中卷积神经网络（CNN）功不可没。CNN凭借其强大的特征提取能力，在图像分类、目标检测、人脸识别等任务中表现出色，成为图像识别领域的核心技术。一、卷积神经网络：图像识别的利器CNN是一种专门处理网格状数据的深度学习模型，其结构设计灵感来源于生物视觉系统。与全连接神经网络不同，CNN通过卷积层、池化层等结构，能够有效提取图像的局部特征，并逐
  • 探索Vearch：高效的深度学习向量相似度搜索系统 scaFHIO 深度学习人工智能python
    Vearch是一个可扩展的分布式系统，用于高效搜索深度学习向量的相似度。在本文中，我们将介绍Vearch的技术背景及其核心原理，演示如何使用VearchPythonSDK进行安装和设置，并分析一些实际应用场景，最后提供一些实战建议。技术背景介绍随着深度学习技术的发展，向量相似度搜索在各类应用中变得越来越重要。从图像识别、推荐系统到自然语言处理，向量搜索可以极大地提升系统的性能。然而，随着数据量的增
  • 华为的云端训练算力与迭代效率 AI大模型应用之禅 DeepSeekR1&AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    华为云、云端训练、算力、迭代效率、人工智能、深度学习、模型训练、分布式训练、优化算法1.背景介绍人工智能（AI）技术近年来发展迅速，深度学习作为其核心驱动力，在图像识别、自然语言处理、语音识别等领域取得了突破性进展。然而，深度学习模型的训练需要海量数据和强大的计算资源，这成为AI技术发展面临的瓶颈之一。云计算作为一种新型的计算模式，为深度学习提供了强大的算力支持。华为云作为国内领先的云计算平台，在
  • 图像识别技术与应用第三课 哈哈~156 scikit-learn
    一、感知机感知机由美国学者FrankRosenblatt在1957年提出，它根据输入x、权重w和偏差b进行输出，输出结果是二分类（0或1），这和输出实数的回归以及输出概率用于多分类的Softmax不同。像与门、与非门、或门都能通过设定合适的权重和偏差实现。w称为权重：控制输入信号的重要性的参数b称为偏置：偏置是调整神经元被激活的容易程度参数感知机的局限性:感知机的局限性就是只能表示由一条直线分割的
  • 2.19 图像技术识别与应用 不要不开心了 java-rabbitmqsentinelhttpxnumpydash
    本节课介绍了多层感知机（MLP）及其在图像识别技术中的应用。以下是主要内容总结：1.感知机：-由FrankRosenblatt于1957年提出。-输入为x，权重为w，偏置为b，输出为二分类（0或1）。-可用于实现简单逻辑电路（如与门、与非门、或门）。-局限性：只能表示由一条直线分割的空间，无法处理线性不可分问题（如异或门）。2.多层感知机（MLP）：-通过引入隐藏层和激活函数来解决感知机的局限性。
  • 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR） 岁月如歌，青春不败 生态遥感目标检测cnntransformer遥感遥感影像
    我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5
  • 本地部署Deepseek：从零开始，打造你的私人AI助手！ 软件求生 #工作建议架构微服务云原生java开发语言
    大家好，我是小米，一个31岁、热爱技术的“技术宅”。今天我要和大家分享一个超级酷炫的技术——本地部署Deepseek！如果你对AI感兴趣，或者想拥有一个属于自己的私人AI助手，那这篇文章绝对不容错过！Deepseek是什么？在开始之前，我们先来聊聊Deepseek到底是什么。简单来说，Deepseek是一个基于深度学习的AI模型，它可以帮助你完成各种任务，比如自然语言处理、图像识别、数据分析等等。
  • 什么是神经网络 jerryjee 神经网络与深度学习神经网络深度学习机器学习人工智能python
    概述简而言之，神经网络就是函数：输入数据，输出结果。函数我们以MNIST手写数字图像识别为例，来定义一下对应的函数形式：任务类型：图像分类输入：一张图像包含28x28=784个像素，每个像素用一个实数表示输出：0-9任务描述：从图像张识别出唯一的数字函数定义y=f(x1,x2,...,x784)y=f(x_1,x_2,...,x_{784})y=f(x1,x2,...,x784)xi∈R,i=1,
  • 深度学习与图像识别：机器学习基础之回归 Shenrn_ 机器学习回归深度学习
    1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此
  • AIMv2：多模态自回归预训练的视觉新突破 人工智能
    AIMv2：多模态自回归预训练的视觉新突破阅读时长：19分钟发布时间：2025-02-17近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】导言视觉模型在人工智能领域的地位愈发重要，从图像识别、目标检测到多模态理解，其应用场景不断拓展。在大规模数据集上进行预训练，能助力模型学习丰富的视觉特
  • 全面解析：AI大模型入门教程，让你的学习之路不再迷茫，这个大模型学习路线非常详细收藏这篇就够了！ AGI大模型老王 人工智能学习大模型AI大模型大模型学习大模型教程大模型入门
    前言AI大模型，作为当前人工智能领域的热点，凭借其强大的处理复杂数据和任务的能力，受到广泛的关注和应用。无论你是技术小白还是有一定基础的开发者，本教程都将带你从入门到实践，逐步掌握AI大模型的核心技术。基础知识大模型概述定义：AI大模型是一种拥有海量参数和强大计算能力的神经网络模型，能够处理复杂的数据和任务。应用：广泛应用于自然语言处理、图像识别、生成等领域。学习大模型的意义提升技术能力：掌握大模
  • 智能巡检机器人在电力行业的应用 zxsz_com_cn 智能巡检系统人工智能网络数据库
    一、引言在电力行业中，保障电力设备的安全稳定运行至关重要。传统的人工巡检方式存在劳动强度大、效率低、容易出现漏检和误判等问题。随着科技的发展，智能巡检机器人应运而生，并在电力行业中得到了广泛而深入的应用，为电力系统的可靠运行提供了有力保障。二、智能巡检机器人在电力行业的应用场景（一）变电站巡检设备外观检查智能巡检机器人配备高清摄像头和图像识别技术，能够对变电站内的变压器、断路器、隔离开关、互感器等
  • YOLOv11 火焰识别：智能时代的火灾预警新利器 星际编程喵 Python探索之旅YOLOpython目标检测机器学习人工智能开发语言
    前言随着人工智能（AI）在各个领域如火如荼发展，图像识别技术也跟着飞速进步。从最初的传统算法到如今的深度学习模型，图像识别在准确性和效率上提升令人惊叹。而在这场技术革命中，YOLO（YouOnlyLookOnce）系列模型无疑扮演举足轻重的角色。今天，我们将目光聚焦在最新的版本——YOLOv11。别误会，YOLOv11可不是什么随便升级。它远不止数字上多了个“1”那么简单。YOLOv11集成许多先
  • 计算机视觉：COCO数据集 00&00 计算机视觉深度学习人工智能计算机视觉人工智能
    COCO（CommonObjectsinContext）是一个广泛使用的计算机视觉数据集，主要用于图像识别、物体检测、分割和关键点检测等任务。以下是对COCO数据集的详细介绍，包括其特点、组成部分以及在计算机视觉中的应用。一、COCO数据集的特点1.规模庞大COCO数据集包含超过30万张图像，其中超过20万张图像有注释。这些图像来自不同的场景和对象，使得数据集具有广泛的代表性。2.丰富的标注信息物
  • 《DeepSeek Janus Pro 7B：多模态人工智能大模型部署全攻略》 空云风语 神经网络人工智能深度学习人工智能
    《DeepSeekJanusPro7B：多模态人工智能大模型部署全攻略》引言：开启多模态AI新世界在科技飞速发展的当下，多模态AI已成为人工智能领域中最耀眼的明星，正以前所未有的速度改变着我们的生活与工作方式。从智能语音助手到图像识别系统，从自动驾驶汽车到智能医疗诊断，多模态AI的身影无处不在，它让机器能够理解和处理多种类型的信息，如文本、图像、音频等，从而实现更加智能、高效的交互。DeepSee
  • 【深入探讨 ResNet：解决深度神经网络训练问题的革命性架构】 机器学习司猫白 深度学习人工智能resnet神经网络残差
    深入探讨ResNet：解决深度神经网络训练问题的革命性架构随着深度学习的快速发展，卷积神经网络（CNN）已经成为图像识别、目标检测等计算机视觉任务的主力军。然而，随着网络层数的增加，训练深层网络变得愈加困难，主要问题是“梯度消失”和“梯度爆炸”问题。幸运的是，ResNet（ResidualNetworks）通过引入“残差学习”概念，成功地解决了这些问题，极大地推动了深度学习的发展。本文将详细介绍R
  • 使用爬虫获取按图搜索1688商品（拍立淘）案例指南 数据小小爬虫 爬虫图搜索算法算法
    在电商领域，按图搜索功能（如1688的“拍立淘”）为用户提供了更直观、便捷的购物体验。通过上传图片，用户可以快速找到与图片相似的商品。本文将详细介绍如何利用爬虫技术实现按图搜索1688商品，并获取其详情数据。一、技术背景按图搜索功能通常依赖于图像识别技术和搜索引擎。1688的“拍立淘”功能允许用户上传图片，系统会通过图像识别技术找到与上传图片相似的商品。通过爬虫技术，我们可以模拟这一过程，获取搜索
  • 常见的深度学习模型总结 编码时空的诗意行者 深度学习人工智能
    1.深度前馈神经网络(DeepFeedforwardNetworks)发明时间：2006年左右，随着计算能力的提升和大数据集的可用性增加，深度学习开始兴起。发明动机：解决传统机器学习模型在复杂数据上的局限性，如线性模型无法处理非线性关系的数据。模型特点：由多个隐藏层组成的神经网络，每一层的节点与下一层的节点完全连接。应用场景：分类、回归、语音识别、图像识别等。2.卷积神经网络(Convolutio
  • 瑞熙贝通|智能实验教学管理平台建设方案 瑞熙贝通实验室综合管理平台 实验室综合管理系统平台建设人工智能大数据物联网
    一、建设理念和方法:以本科基础医学实验室建设为标准，以“服务学生和社会”为指导思想，以虚实一体化建设为基础，融实验教学、开放创业和服务社会等功能于一体，借助互联网，在负一楼室外建设废液、废气和生物制品的处理平台，在虚拟仿真室建设局域网和数据采集中心，以“物联网”模式贯穿始终，运用射频识别、传感识别、图像识别、互联互通等技术，完成实验室运行管控、设备使用申请、设备耗材管控、样品样本检测、检测数据提取
  • 《解锁AI芯片新境界：提升专用人工智能芯片通用性与灵活性的热点技术》 程序猿阿伟 人工智能
    在人工智能飞速发展的当下，专用人工智能芯片虽在特定任务上表现出色，但提升其通用性和灵活性已成为行业关键课题。以下是一些相关的热点技术。可重构架构技术可重构架构允许芯片在运行时根据不同任务需求动态改变自身的硬件结构和功能。如现场可编程门阵列（FPGA），内部有大量可配置逻辑单元和布线资源，用户能通过编程实现不同的逻辑功能，可针对不同的人工智能算法和应用场景快速重构，像在图像识别和自然语言处理任务间灵
  • 【野生动物识别系统】Python+深度学习+人工智能+卷积神经网络算法+TensorFlow+ResNet+图像识别 图像识别深度学习
    一、介绍动物识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对18种动物数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张动物图片识别其名称。目前可识别的动物有：'乌龟','云豹','变色龙','壁虎','狞猫','狮子','猎豹','美洲狮','美洲虎','老虎','蜥蜴','
  • AI大模型开发必读书籍从入门到精通：三本关键的AI大模型书籍推荐 程序员辣条 人工智能大模型入门大模型大模型教程大模型学习学习AI大模型
    近年来，人工智能（AI）迅速崛起，成为科技领域最为炙手可热的话题之一。AI的高效性不仅大幅提升了各行各业的生产力，还在许多领域中创造了前所未有的创新机会。尤其是AI大模型的开发，更是引领了科技发展的新趋势。随着大模型在自然语言处理、图像识别、自动化决策等方面展现出强大的能力，越来越多的企业和研究机构将其视为未来发展的核心技术。对于程序员来说，这是一个前所未有的契机，不仅可以通过掌握大模型开发的技能
  • 【蝴蝶识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+图像识别+算法模型 图像识别人工智能深度学习
    一、介绍蝴蝶识别系统，本系统使用Python作为主要开发语言，通过收集了20种蝴蝶图片数据集（'001.黑三线凤蝶','002.褐脉三线凤蝶','003.黄斑翠凤蝶','004.暗脉翠凤蝶','005.密斑翠凤蝶','006.青凤蝶','007.绿带青凤蝶','008.玉带青凤蝶','009.柑橘凤蝶','010.长尾翠凤蝶','011.绿尾翠凤蝶','012.红纹凤蝶','013.黄凤蝶','0
  • 基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
    一、介绍蘑菇识别系统，本系统使用Python作为主要开发语言，基于TensorFlow搭建卷积神经网络算法，并收集了9种常见的蘑菇种类数据集【"香菇（Agaricus）","毒鹅膏菌（Amanita）","牛肝菌（Boletus）","网状菌（Cortinarius）","毒镰孢（Entoloma）","湿孢菌（Hygrocybe）","乳菇（Lactarius）","红菇（Russula）","
  • DeepSeek发布开源多模态大模型Janus-Pro-7B！本地部署+Colab部署！支持图像识别和图像生成！基准测试得分超越OpenAI的DALL·E 3 + Stable Diffusion AI超元域 stablediffusion人工智能AI编程aiAI作画AIGC
    本篇笔记所对应的视频：https://www.bilibili.com/video/BV18DFpeMEps/Janus-Pro-7B是由DeepSeek开发的多模态AI模型，它在理解和生成方面取得了显著的进步。这意味着它不仅可以处理文本，还可以处理图像等其他模态的信息。模型主要特点:统一的架构:Janus-Pro采用单一transformer架构来处理文本和图像信息，实现了真正的多模态理解和生成
  • 实践深度学习：构建一个简单的图像分类器 是Dream呀 深度学习人工智能
    引言深度学习在图像识别领域取得了巨大的成功。本文将指导你如何使用深度学习框架来构建一个简单的图像分类器，我们将以Python和TensorFlow为例，展示从数据准备到模型训练的完整流程。环境准备在开始之前，请确保你的环境中安装了以下工具：Python3.xTensorFlow2.xNumPyMatplotlib（用于数据可视化）你可以通过以下命令安装所需的库：pipinstalltensorfl
  • 从零开始：用Python手写神经网络 WHCIS python神经网络开发语言人工智能深度学习算法
    在当今的人工智能领域，神经网络已经成为解决复杂问题的核心技术之一。从图像识别到自然语言处理，再到强化学习，神经网络的身影无处不在。然而，对于许多初学者来说，神经网络似乎是一个神秘而复杂的黑盒子。本文将带你用基础的Python代码构建一个简单的神经网络，揭开它的神秘面纱，让你真正理解神经网络的工作原理。一、神经网络的基本原理在深入了解代码之前，我们需要先回顾一下神经网络的基本原理。神经网络是由大量的
  • 2025最新主流深度学习算法全解析 lucky_syq AI深度学习算法人工智能
    深度学习：开启智能时代的钥匙在当今数字化时代，深度学习无疑是人工智能领域中最为耀眼的明星。它如同一把神奇的钥匙，开启了智能时代的大门，让计算机从简单的数据处理迈向了复杂的智能决策。深度学习通过构建具有多个层次的神经网络模型，使计算机能够自动从大量数据中学习到复杂的模式和特征，从而实现对数据的分类、预测、生成等任务。从语音助手到自动驾驶，从图像识别到自然语言处理，深度学习的应用无处不在，深刻地改变着
  • 了解深度神经网络模型（Deep Neural Networks, DNN） huaqianzkh 未来技术dnn人工智能神经网络
    深度神经网络模型（DeepNeuralNetworks,DNN）深度神经网络模型是一种包含多个隐藏层的神经网络，能够通过多层次的非线性变换从数据中提取复杂特征，广泛应用于图像识别、自然语言处理等领域。基本结构输入层：接收原始数据。隐藏层：包含多个层，每层有多个神经元，通过非线性激活函数处理数据。输出层：生成最终预测或分类结果。主要特点多层次结构：通过多个隐藏层逐步提取高层次特征。非线性变换：使用激
  • 基本数据类型和引用类型的初始值 3213213333332132 java基础
    package com.array; /** * @Description 测试初始值 * @author FuJianyong * 2015-1-22上午10:31:53 */ public class ArrayTest { ArrayTest at; String str; byte bt; short s; int i; long
  • 摘抄笔记--《编写高质量代码：改善Java程序的151个建议》 白糖_ 高质量代码
            记得3年前刚到公司，同桌同事见我无事可做就借我看《编写高质量代码：改善Java程序的151个建议》这本书，当时看了几页没上心就没研究了。到上个月在公司偶然看到，于是乎又找来看看，我的天，真是非常多的干货，对于我这种静不下心的人真是帮助莫大呀。           看完整本书，也记了不少笔记
  • 【备忘】Django 常用命令及最佳实践 dongwei_6688 django
    注意：本文基于 Django 1.8.2 版本   生成数据库迁移脚本（python 脚本） python manage.py makemigrations polls  说明：polls 是你的应用名字，运行该命令时需要根据你的应用名字进行调整   查看该次迁移需要执行的 SQL 语句（只查看语句，并不应用到数据库上）： python manage.p
  • 阶乘算法之一N! 末尾有多少个零 周凡杨 java算法阶乘面试效率
                                     &n
  • spring注入servlet g21121 Spring注入
    传统的配置方法是无法将bean或属性直接注入到servlet中的，配置代理servlet亦比较麻烦，这里其实有比较简单的方法，其实就是在servlet的init()方法中加入要注入的内容： ServletContext application = getServletContext(); WebApplicationContext wac = WebApplicationContextUtil
  • Jenkins 命令行操作说明文档 510888780 centos
    假设Jenkins的URL为http://22.11.140.38:9080/jenkins/ 基本的格式为 java 基本的格式为 java -jar jenkins-cli.jar [-s JENKINS_URL] command [options][args] 下面具体介绍各个命令的作用及基本使用方法 1. &nb
  • UnicodeBlock检测中文用法 布衣凌宇 UnicodeBlock
    /**  * 判断输入的是汉字  */ public static boolean isChinese(char c) {        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);    
  • java下实现调用oracle的存储过程和函数 aijuans javaorale
    1.创建表：STOCK_PRICES     2.插入测试数据：     3.建立一个返回游标：  PKG_PUB_UTILS   4.创建和存储过程：P_GET_PRICE     5.创建函数：   6.JAVA调用存储过程返回结果集 JDBCoracle10G_INVO
  • Velocity Toolbox antlove 模板toolboxvelocity
    velocity.VelocityUtil package velocity; import org.apache.velocity.Template; import org.apache.velocity.app.Velocity; import org.apache.velocity.app.VelocityEngine; import org.apache.velocity.c
  • JAVA正则表达式匹配基础 百合不是茶 java正则表达式的匹配
      正则表达式;提高程序的性能,简化代码,提高代码的可读性,简化对字符串的操作   正则表达式的用途; 字符串的匹配 字符串的分割 字符串的查找 字符串的替换       正则表达式的验证语法     [a] //[]表示这个字符只出现一次 ,[a] 表示a只出现一
  • 是否使用EL表达式的配置 bijian1013 jspweb.xmlELEasyTemplate
            今天在开发过程中发现一个细节问题，由于前端采用EasyTemplate模板方法实现数据展示，但老是不能正常显示出来。后来发现竟是EL将我的EasyTemplate的${...}解释执行了，导致我的模板不能正常展示后台数据。         网
  • 精通Oracle10编程SQL(1-3)PLSQL基础 bijian1013 oracle数据库plsql
    --只包含执行部分的PL/SQL块 --set serveroutput off begin dbms_output.put_line('Hello,everyone!'); end; select * from emp; --包含定义部分和执行部分的PL/SQL块 declare v_ename varchar2(5); begin select
  • 【Nginx三】Nginx作为反向代理服务器 bit1129 nginx
    Nginx一个常用的功能是作为代理服务器。代理服务器通常完成如下的功能：   接受客户端请求 将请求转发给被代理的服务器 从被代理的服务器获得响应结果 把响应结果返回给客户端 实例 本文把Nginx配置成一个简单的代理服务器 对于静态的html和图片，直接从Nginx获取 对于动态的页面，例如JSP或者Servlet，Nginx则将请求转发给Res
  • Plugin execution not covered by lifecycle configuration: org.apache.maven.plugin blackproof maven报错
    转：http://stackoverflow.com/questions/6352208/how-to-solve-plugin-execution-not-covered-by-lifecycle-configuration-for-sprin   maven报错： Plugin execution not covered by lifecycle configuration:
  • 发布docker程序到marathon ronin47 docker 发布应用
    1 发布docker程序到marathon 1.1 搭建私有docker registry 1.1.1 安装docker regisry docker pull docker-registry docker run -t -p 5000:5000 docker-registry 下载docker镜像并发布到私有registry docker pull consol/tomcat-8.0
  • java-57-用两个栈实现队列&&用两个队列实现一个栈 bylijinnan java
    import java.util.ArrayList; import java.util.List; import java.util.Stack; /* * Q 57 用两个栈实现队列 */ public class QueueImplementByTwoStacks { private Stack<Integer> stack1; pr
  • Nginx配置性能优化 cfyme nginx
    转载地址：http://blog.csdn.net/xifeijian/article/details/20956605   大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装，修改这里或那里的几行配置，好了，你已经有了一个Web服务器了。而且，在大多数情况下，一个常规安装的nginx对你的网站来说已经能很好地工作了。然而，如果你真的想挤压出Nginx的性能，你必
  • [JAVA图形图像]JAVA体系需要稳扎稳打,逐步推进图像图形处理技术 comsci java
         对图形图像进行精确处理，需要大量的数学工具，即使是从底层硬件模拟层开始设计，也离不开大量的数学工具包，因为我认为，JAVA语言体系在图形图像处理模块上面的研发工作，需要从开发一些基础的，类似实时数学函数构造器和解析器的软件包入手，而不是急于利用第三方代码工具来实现一个不严格的图形图像处理软件......   &nb
  • MonkeyRunner的使用 dai_lm androidMonkeyRunner
    要使用MonkeyRunner，就要学习使用Python，哎 先抄一段官方doc里的代码 作用是启动一个程序（应该是启动程序默认的Activity），然后按MENU键，并截屏 # Imports the monkeyrunner modules used by this program from com.android.monkeyrunner import MonkeyRun
  • Hadoop-- 海量文件的分布式计算处理方案 datamachine mapreducehadoop分布式计算
    csdn的一个关于hadoop的分布式处理方案，存档。 原帖：http://blog.csdn.net/calvinxiu/article/details/1506112。     Hadoop 是Google MapReduce的一个Java实现。MapReduce是一种简化的分布式编程模式，让程序自动分布到一个由普通机器组成的超大集群上并发执行。就如同ja
  • 以資料庫驗證登入 dcj3sjt126com yii
    以資料庫驗證登入 由於 Yii 內定的原始框架程式, 採用綁定在UserIdentity.php 的 demo 與 admin 帳號密碼:    public function authenticate()    {        $users=array( &nbs
  • github做webhooks：[2]php版本自动触发更新 dcj3sjt126com githubgitwebhooks
    上次已经说过了如何在github控制面板做查看url的返回信息了。这次就到了直接贴钩子代码的时候了。 工具/原料 git github 方法/步骤   在github的setting里面的webhooks里把我们的url地址填进去。   钩子更新的代码如下： error_reportin
  • Eos开发常用表达式 蕃薯耀 Eos开发Eos入门Eos开发常用表达式
    Eos开发常用表达式 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2014年8月18日 15:03:35 星期一     &
  • SpringSecurity3.X--SpEL 表达式 hanqunfeng SpringSecurity
    使用 Spring 表达式语言配置访问控制，要实现这一功能的直接方式是在<http>配置元素上添加 use-expressions 属性：   <http auto-config="true" use-expressions="true"> 这样就会在投票器中自动增加一个投票器：org.springframework
  • Redis vs Memcache IXHONG redis
    1. Redis中，并不是所有的数据都一直存储在内存中的，这是和Memcached相比一个最大的区别。 2. Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，hash等数据结构的存储。 3. Redis支持数据的备份，即master-slave模式的数据备份。 4. Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 Red
  • Python - 装饰器使用过程中的误区解读 kvhur JavaScriptjqueryhtml5css
    大家都知道装饰器是一个很著名的设计模式，经常被用于AOP(面向切面编程)的场景，较为经典的有插入日志，性能测试，事务处理，Web权限校验， Cache等。 原文链接：http://www.gbtags.com/gb/share/5563.htm Python语言本身提供了装饰器语法（@），典型的装饰器实现如下：   @function_wrapper de
  • 架构师之mybatis-----update 带case when 针对多种情况更新 nannan408 case when
    1.前言.    如题. 2. 代码.   <update id="batchUpdate" parameterType="java.util.List"> <foreach collection="list" item="list" index=&
  • Algorithm算法视频教程 栏目记者 Algorithm算法
    课程：Algorithm算法视频教程 百度网盘下载地址： http://pan.baidu.com/s/1qWFjjQW 密码: 2mji 程序写的好不好,还得看算法屌不屌！Algorithm算法博大精深。 一、课程内容： 课时1、算法的基本概念 + Sequential search 课时2、Binary search 课时3、Hash table 课时4、Algor
  • C语言算法之冒泡排序 qiufeihu c算法
    任意输入10个数字由小到大进行排序。 代码： #include <stdio.h> int main() { int i,j,t,a[11]; /*定义变量及数组为基本类型*/ for(i = 1;i < 11;i++){ scanf("%d",&a[i]); /*从键盘中输入10个数*/ } for
  • JSP异常处理 wyzuomumu Webjsp
    1.在可能发生异常的网页中通过指令将HTTP请求转发给另一个专门处理异常的网页中: <%@ page errorPage="errors.jsp"%>   2.在处理异常的网页中做如下声明： errors.jsp: <%@ page isErrorPage="true"%>，这样设置完后就可以在网页中直接访问exc
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他