- AI环境初识
网络飞鸥
AI人工智能
在搭建AI环境时,当前流行的技术涉及多个方面,包括开发框架、深度学习库、硬件支持以及具体的应用技术等。以下是一些主要的技术趋势和流行技术:一、开发框架与深度学习库TensorFlow:由谷歌开发的一个开源机器学习库,广泛用于研究和生产环境。它提供了强大的张量计算能力和灵活的架构,支持广泛的机器学习和深度学习算法。PyTorch:由Facebook推出,也是一个广受欢迎的开源机器学习库。PyTorc
- 《论多源数据集成及应用》审题技巧 - 系统架构设计师
程序员古德
软考(高级)蓝皮书多源数据集成应用写作框架策略方法项目实践效果评估
论多源数据集成及应用写作框架一、考点概述本论题“论多源数据集成及应用”主要考察的是计算机软件测试工程师在数据管理和集成方面的专业知识与实践能力。论题聚焦于信息爆炸时代企业、组织和个人所面临的数据挑战,特别是如何有效地收集、整理和清洗来自不同渠道和资源的数据,以构建一个一致、完整的数据集。多源数据集成作为解决这一问题的关键手段,其核心在于通过整合多个数据源,提供更全面的数据视角,减少单一数据源带来的
- RAG+LLM和直接将整理的知识训练到模型中去有什么区别,各自有什么优缺点
MonkeyKing.sun
RAG+LLM训练模型
1.RAG(Retrieval-AugmentedGeneration)+LLM(LargeLanguageModel)概念RAG是将信息检索与生成模型相结合的一种方法。具体来说,RAG会从一个知识库(如数据库、文档库、向量数据库等)中检索相关的信息片段或条目,然后将这些信息与输入的查询一起传递给一个生成模型(如GPT、T5、BERT等)进行回答生成。这个过程通常包括以下步骤:检索:从一个知识库中
- 通俗易懂的KMP算法(C++)
想学到东西的W
算法算法c++
最近按照代码随想录中整理的顺序刷力扣题,刷到后第一次了解到KMP算法,看了B站视频,觉得卡哥这集讲的有些精炼,于是自己通过代码理解了一下后,用比较通俗形象的方式,向大家介绍一下KMP算法。一什么是KMP算法KMP算法是由Knuth,Morris和Pratt三位学者发明的,所以取了三位学者名字的首字母,称作KMP算法。KMP算法主要用在字符串匹配上。比如我们从字符串"acfacfgded"(需要在哪
- 文件传输、文件挂载MOUNT:NFS、CIFS、ADB、SAMBA
TrustZone_
工具技能知识点学习adblinuxNFSCIFS服务器
前言最进,手里有一块单板,需要推送本地的脚本到板子上运行,这个就为难到胖虎我了。于是在经过万能的网络的查阅,找到了关于这方面的资料,这里做个整理。参考资料放在文末,感谢前辈们的记录。首先是想的挂载–mount,这个命令曾经在我玩linux的时候,有听说过,但是自己的实际操作是没有的,于是最开始就打算使用这个,但是mount挂载那个时候学习的都是挂载实体的硬件设备,而我不可能将电脑作为一个硬件设备链
- 覆盖从供应、生产、销售到运营的全过程,引领行业数智化转型新方向的智慧快消开源了
AI服务老曹
开源人工智能自动化音视频能源
智慧快消视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒,省去繁琐重复的适配流程,实现芯片、算法、应用的全流程组合,从而大大减少企业级应用约95%的开发成本。基于多年的深度学习技术研究和业务应用为基础,集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体,是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。基
- 杰和推出面向人工智能应用的AI服务器
weixin_34211761
在这个数据爆炸的年代,我们获取数据的难度大大降低,但要获取数据的价值仅依靠简单的数据分析是不可行的。如果将大数据看作一个产业,那么数据深挖(挖掘)就是其中一项核心技术,数据深挖(挖掘)通常与计算机科学有关,如数据统计、数据检索、分析处理、机器学习等技术,而这些恰好是人工智能技术的优势。人工智能一直都是备受关注的热门领域,更是被认为是第四次工业革命。随着技术的不断开发及深入优化,人工智能以迅雷不及掩
- 金融大模型应用的机遇与挑战
Python程序员罗宾
金融人工智能语言模型数据库自然语言处理
大模型本质特征大模型通常指大语言模型(LargeLanguageModel,LLM),是基于深度学习算法的自然语言处理技术,是通用大模型。大模型也在从单一自然语言处理模态向语音、图像等多模态大模型演进。目前国内外推出了众多的大模型,国内就不下上百款,也因此被称为“百模大战”或“千模大战”。但很多所谓的“大模型”仅是叫“大模型”而已,不管参数量多少,都不能称为真正的大模型。参数量是大模型的一个特征,
- 机器学习数学通关指南——微积分基本概念
Shockang
机器学习数学通关指南机器学习微积分数学
前言本文隶属于专栏《机器学习数学通关指南》,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢!本专栏目录结构和参考文献请见《机器学习数学通关指南》正文函数一、函数的定义与本质映射关系:函数是实数集到实数集的映射(或更一般地,非空数集到数集的映射)。规范形式:f:D→Rf:D\to\mathbb{R}f:D→R,其中D⊆RD\subseteq\mathbb{R}D⊆R为定义域
- python selenium 验证码识别_python利用selenium库识别点触验证码
weixin_39610956
pythonselenium验证码识别
利用selenium库和超级鹰识别点触验证码(学习于静谧大大的书,想自己整理一下思路)一、超级鹰注册:超级鹰入口1、首先注册一个超级鹰账号,然后在超级鹰免费测试地方可以关注公众号,领取1000积分,基本上就够学习使用了。如果想一直用可以用,可以充值,不是很贵。2、下载超级鹰的python库代码。代码3、然后有测试案例,自己可以试着跑一跑代码。二、使用selenium库来识别点触式验证码:1、首先是
- SVM(支持向量机)原理及数学推导全过程详解
子木呀
支持向量机人工智能分类算法SVM
由于格式问题,为方便阅读,请点击下方链接访问原文点击此处访问原文点击此处访问原文点击此处访问原文点击此处访问原文关于SVM网上已经有很多很多的前辈有过讲解,这两天自己在网上看了看资料,结合前辈们的文章对SVM进行了一个整理,把看的过程中产生的一些问题也进行了解答。本来想着总结得简洁明了又易懂,但SVM本就有严格的数学理论支撑,不像其他机器学习算法是一个黑箱,写完发现要尽量让小白也懂少不了具体的论述
- pytorch torch.triu函数介绍
qq_27390023
pytorch人工智能python
torch.triu是PyTorch提供的一个函数,用于生成矩阵的上三角部分。它的名称来源于"triangularupper"(上三角形),作用是将矩阵的下三角部分置为零,只保留对角线及其上方的元素。函数签名torch.triu(input,diagonal=0)→Tensor参数input:输入的张量,一般是一个二维矩阵(Tensor)。diagonal:对角线的偏移量,默认值为0。当diago
- 【机器学习】支持向量机(SVM)详解:原理与优化
宸码
机器学习模式识别支持向量机机器学习算法人工智能数据挖掘python
支持向量机(SVM)详解:原理与优化支持向量机(SVM)详解1.基本概念2.数学原理2.1线性可分情况2.2最优化问题2.3拉格朗日对偶问题2.4核函数技巧(KernelTrick)2.5非线性分类与支持向量3.优缺点分析3.1优点3.2缺点4.SVM与其他算法的比较5.总结支持向量机(SVM)详解1.基本概念支持向量机(SupportVectorMachine,SVM)是一种强大的监督学习算法,
- 智能边缘计算:开启智能新时代
livefan
人工智能
什么是智能边缘计算?在当今数字化浪潮中,边缘计算已成为一个热门词汇。简单来说,边缘计算是一种分布式计算架构,它将数据处理和存储更靠近数据源的位置,而不是集中于远程数据中心。通过这种方式,边缘计算可以减少数据传输的延迟,提高响应速度,增强数据处理的实时性和效率。而智能边缘计算,是边缘计算架构在涉及数据分析、机器学习或人工智能的工作负载中的应用。一般来说,边缘架构是一种将数据或应用程序放置在网络边缘的
- 多档买卖盘逐笔委托逐笔成交进行大数据分析以及模型结果20250221
level2Tick
A股level2历史数据金融数据库
多档买卖盘逐笔委托逐笔成交进行大数据分析以及模型结果20250221采用Level2逐笔成交与逐笔委托的详细记录,这种毫秒级别的数据能揭露众多关键信息,如庄家意图、虚假交易,使所有交易行为透明化。这对交易大师分析主力习性大有裨益,对人工智能进行机器学习也非常合适,数据量大且精确。以下是今日根据Level2逐笔成交与委托数据观察到的部分股票现象:level2逐笔成交逐笔委托数据下载链接:https:
- 深度强化学习算法在金融交易决策中的优化应用【附数据】
算法与数据
算法
金融数据分析与建模专家金融科研助手|论文指导|模型构建✨专业领域:金融数据处理与分析量化交易策略研究金融风险建模投资组合优化金融预测模型开发深度学习在金融中的应用擅长工具:Python/R/MATLAB量化分析机器学习模型构建金融时间序列分析蒙特卡洛模拟风险度量模型金融论文指导内容:金融数据挖掘与处理量化策略开发与回测投资组合构建与优化金融风险评估模型期刊论文✅具体问题可以私信或查看文章底部二维码
- 物联网数据采集平台【物联网毕业论文】
算法与数据
物联网
物联网技术与数据分析|物联网系统设计|模型构建✨专业领域:物联网系统架构设计智能设备与传感器网络数据采集与处理物联网大数据分析智能家居与工业物联网边缘计算与云计算物联网安全与隐私保护擅长工具:Python/R/Matlab数据分析与建模物联网平台与设备编程数据流与实时监控系统设计机器学习与预测模型应用物联网协议(MQTT,CoAP,HTTP)物联网数据可视化工具✅物联网专业题目与数据:物联网毕业论
- 基于深度学习的股票短期趋势预测模型设计与实现【附代码】
算法与数据
深度学习人工智能
,我们首先对股票的基本交易数据进行了清洗和预处理,包括去除异常值、填补缺失值等。同时,我们还挖掘了多个可能影响股票价格走势的因子,如成交量、市盈率、市净率等,并将这些因子作为特征加入到数据集中。通过特征工程,我们进一步扩展了数据集,提高了模型的输入质量。在模型构建方面,我们采用了LSTM网络来处理时间序列数据。LSTM网络具有记忆功能,能够捕捉数据中的长期依赖关系,这对于股票价格走势的预测至关重要
- DeepSeek 与网络安全:AI 在网络安全领域的应用与挑战
一ge科研小菜菜
人工智能运维网络
个人主页:一ge科研小菜鸡-CSDN博客期待您的关注1.引言在当今数字化时代,网络安全已成为国家、企业和个人面临的重要挑战。从传统的病毒、木马攻击,到高级持续性威胁(APT)、零日漏洞和供应链攻击,网络威胁的形式日益复杂。与此同时,人工智能(AI)技术的快速发展正在为网络安全提供全新的解决方案,而DeepSeek作为AI领域的新兴力量,也正在探索如何利用深度学习和大规模语言模型(LLM)加强网络安
- 手撸 chatgpt 大模型:单词向量化编码和绝对位置编码算法
coding 迪斯尼
chatgpt算法人工智能大语言模型
在上一节中,我们将每个单词转换为一个表示数字的标记(token)。现在,我们需要将这个数字映射到一个向量上,这个向量称为嵌入(embedding)。在深度学习中,所有无法通过传统数据结构描述的对象都会被用一个向量表示,例如图像、语音、单词、音频等。最初,向量中的各个字段会被初始化为随机数,然后通过大量的数据和深度学习模型来训练这些向量。训练过程逐步改变向量字段的值,从而使这些字段包含某种“知识”。
- Unity VRoid+Blender+Unity 3D人物模型导入使用
lovingyk
unityunity
UnityVRoid模型导出VRM后,经Blender导出FBX格式,再放入Unity中调整的全过程实操实在没有最新的解决方案,只能参考老视频教程VRoid(.vrm)导入Blender导入Unity和动画详解全流程_哔哩哔哩_bilibili诸多尝试后,整理出必要的软件版本搭配如下:VRoid:由于导出的VRM模型并没有多大出入,版本任意,我使用的是VRoidStudio1.26.0版本;Ble
- 深入探索连续变量量子神经网络:开启量子计算新纪元
倪姿唯Kara
深入探索连续变量量子神经网络:开启量子计算新纪元quantum-neural-networksThisrepositorycontainsthesourcecodeusedtoproducetheresultspresentedinthepaper"Continuous-variablequantumneuralnetworks".Duetosubsequentinterfaceupgrades,
- Ansible PlayBook的中清单变量优先级分析及清单变量如何分离总结
山河已无恙
Ansible/AWX高级特性教程linuxansible
写在前面嗯,学习Ansible高级特性,整理这部分笔记博文内容涉及Ansibleploybook中变量定义的基本原则不同位置定义变量的优先级Demo如何实现变量和清单解耦食用方式:大量Demo,所以适合收藏温习查阅变量优先级需要有ansible基础了解角色剧本基本结构能够使用Ansible解决实际问题理解不足小伙伴帮忙指正傍晚时分,你坐在屋檐下,看着天慢慢地黑下去,心里寂寞而凄凉,感到自己的生命被
- DeepSeek写俄罗斯方块手机小游戏
浅痕~
大模型游戏DeepSeek手机小游戏
DeepSeek写俄罗斯方块手机小游戏提问根据提的要求,让DeepSeek整理的需求,进行提问,内容如下:请生成一个包含以下功能的可运行移动端俄罗斯方块H5文件:核心功能要求原生JavaScript实现,适配手机屏幕支持触摸操作:左右滑动移动、点击屏幕旋转方块、往下滑方块快速下落下方显示虚拟控制按钮(左移/旋转/右移)、暂停/继续、重新开始按钮经典下落机制(自动下落、碰撞检测、行消除)右上角全屏切
- SQL 稍复杂一点语法的学习笔记
mysql后端
最近整理我手写的笔记,其中有不少内容随着时代的变化,用得越来越少了,抑或是电子化了发到了我的博文中。然而我发现我当年学习的SQL笔记,只电子化了特别基础和简单的一篇,后面还有一些躺在纸上。既然有点时间,那我就把那些内容也都整理一下发上来吧。另外注意的是,部分内容是标准SQL规范的内容,和MySQL并不一定一致。数据查询查询数据使用SELECT,其一般格式为:SELECT[ALL|DISTINCT]
- F.interpolate函数
dringlestry
深度学习图片分辨率改变
F.interpolate是PyTorch中用于对张量(通常是图像数据)进行插值操作的函数,常用于调整张量的大小,例如改变图像的分辨率。它支持多种插值方法,包括最近邻插值、双线性插值和三次插值等。语法torch.nn.functional.interpolate(input,size=None,scale_factor=None,mode='nearest',align_corners=None)
- 机器学习基础
dringlestry
机器学习人工智能
了解机器学习的基本概念,如监督学习、无监督学习、强化学习、模型评估指标(准确率、召回率、F1分数等)。机器学习(MachineLearning,ML)是人工智能(AI)的一个分支,它使计算机能够通过数据和经验自动改进,而无需明确编程。机器学习可以根据学习方式和数据的有无,分为以下几种基本类型:1.监督学习(SupervisedLearning)监督学习是一种机器学习类型,其中模型通过带标签的数据进
- 生成对抗网络(GAN):从概念到代码实践(附代码)
全栈你个大西瓜
人工智能计算机视觉人工智能GAN网络对抗学习手势识别生成器与鉴别器生成对抗网络
第一章:计算机视觉中图像的基础认知第二章:计算机视觉:卷积神经网络(CNN)基本概念(一)第三章:计算机视觉:卷积神经网络(CNN)基本概念(二)第四章:搭建一个经典的LeNet5神经网络(附代码)第五章:计算机视觉:神经网络实战之手势识别(附代码)第六章:计算机视觉:目标检测从简单到容易(附代码)第七章:MTCNN人脸检测技术揭秘:原理、实现与实战(附代码)第八章:探索YOLO技术:目标检测的高
- MTCNN 人脸检测技术揭秘:原理、实现与实战(附代码)
全栈你个大西瓜
人工智能计算机视觉人工智能MTCNN人脸检测卷积神经网络
第一章:计算机视觉中图像的基础认知第二章:计算机视觉:卷积神经网络(CNN)基本概念(一)第三章:计算机视觉:卷积神经网络(CNN)基本概念(二)第四章:搭建一个经典的LeNet5神经网络(附代码)第五章:计算机视觉:神经网络实战之手势识别(附代码)第六章:计算机视觉:目标检测从简单到容易(附代码)第七章:MTCNN人脸检测技术揭秘:原理、实现与实战(附代码)第八章:探索YOLO技术:目标检测的高
- 立体匹配常用数据集整理
Scurry﹉
人工智能深度学习计算机视觉
文章目录前言一、常用数据集1.SceneFlow数据集2.KITTI数据集3.Middlebury数据集二、关于自己构建数据集训练的一些问题前言本文主要对立体匹配算法常用的公开数据集进行整理,包括数据集的简要介绍和下载链接,以及自己构建数据集训练的一些问题。一、常用数据集1.SceneFlow数据集Sceneflow数据集是CVPR2016提出的,其目的就是构建一个大规模的合成数据集,用来训练深度
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s