- 全网最最实用--教你用gradio搭网页、部署模型等(代码粘贴即用、不讲虚的)
绒绒毛毛雨
大模型算法microsoft前端语言模型人工智能ai
文章目录〇前言一、构建网页1.各个组件介绍a.文本输入和输出b.图像输入和输出c.音频输入和输出d.视频输入和输出e.文件上传和下载f.滑块(`Slider`)g.单选按钮(`Radio`)h.复选框(`CheckboxGroup`)j.数据表格(`Dataframe`)2.一个网页示例代码a.按钮使用指南(事件处理和回调)3.整个网页代码b.整个网页展示二、构建ai任务a.构建一个自己的大语言模
- dfs专题五:FloodFill算法
lisanndesu
算法深度优先
1.图像渲染link:733.图像渲染-力扣(LeetCode)codeclassSolution{public:intprev;vector>floodFill(vector>&image,intsr,intsc,intcolor){if(image[sr][sc]==color)returnimage;prev=image[sr][sc];dfs(image,sr,sc,color);retu
- 基于大语言模型构建本地个人AI助理
由数入道
人工智能语言模型自然语言处理
在构建本地专属的个人AI助理时,我们需要处理多个方面的技术需求,确保其在多模态数据处理、实时查询、灵活推理、知识图谱更新等方面具备高效性、实时性和可扩展性。以下探讨如何基于大语言模型构建一个具备全面功能的个人AI助理,涵盖知识库管理、动态推理、用户交互、实时学习和跨模态集成等关键技术。一、技术设计总体架构1.目标与需求个性化AI助理:构建一个本地专属AI助理,能够处理多种输入格式(文本、图像、音频
- Progressive learning
yore0531
深度学习人工智能计算机视觉
learnfromRestormer.Restormer:EfficientTransformerforHigh-ResolutionImageRestoration|IEEEConferencePublication|IEEEXploreProgressivelearning在小的croppatches上训练Transformer模型可能无法对全局图像统计进行编码,从而在测试时对全分辨率图像的效
- 分形、大自然的分形几何、数据可视化、Python绘图
timedot-hj
python绘图指南-分形与数据可视化可视化python几何学算法
分形、大自然的分形几何、数据可视化、Python绘图中国传统中的『分形』大自然的分形几何数据可视化本系列采用turtle、matplotlib、numpy这三个Python工具,以分形与计算机图像处理的经典算法为实例,通过程序和图像,来帮助读者一步步掌握Python绘图和数据可视化的方法和技巧,并且让读者感受到“龙枝屈曲竞分形,瑰丽绮错千万状”的分形魅力。本系列共有八章,分别为海岸线有多长,基因与
- AHK的相似取色
睡不醒的小泽
#AHK自动化Autohotkey
简介PixelGetColor通常用于在特定像素处获取单一颜色值,这对于大多数应用程序来说是足够的。然而,一些带有反作弊机制的软件,例如《英雄联盟》的外服版本,会对图像进行模糊处理(Fuzz处理)。在这种情况下,我们需要采用一种能够识别颜色相似性的取色方法,以确保逻辑的正确执行。绝对取色先给出绝对取色的代码:;取色组GetColor(x,y){PixelGetColor,color,x,y,RGB
- 细节增强注意力模型DEAB详解及代码复现
清风AI
深度学习算法详解及代码复现深度学习人工智能神经网络python计算机视觉机器学习conda
基本原理DEAB模型的基本原理是通过细节增强卷积(DEConv)和内容引导注意力(CGA)机制的协同工作来实现细节增强注意力功能。这种设计使得模型能够在处理图像时更好地保留细节信息,同时关注图像中的重要内容。DEAB模型的核心组件包括:细节增强卷积(DEConv):DEConv是一种创新的卷积层设计,通过并行部署普通卷积和差分卷积来增强特征提取能力。差分卷积包括中心差分卷积(CDC)、角差分卷积(
- Android FFmpeg 实现带滤镜的微信小视频录制功能
攻城狮百里
音视频C/C++C++音视频AndroidFFmpeg
本文将实现对采集的预览帧(添加滤镜)和PCM音频同时编码复用生成一个mp4文件,即实现一个仿微信小视频录制功能。音视频录制编码流程本文采用的是软件编码(CPU)实现,所以针对高分辨率的预览帧时,就需要考虑CPU能不能吃得消,在骁龙8250上使用软件编码分辨率超过1080P的图像就会导致CPU比较吃力,这个时候帧率就跟不上了。音视频录制代码实现Java层视频帧来自AndroidCamera2API回
- 自动化测试工具Ranorex Studio(五十一)-如何做基于图像的自动化
机器视觉小小测试员
自动化ui运维
如何做基于图像的自动化如果Ranorex不能明确地识别某些你的GUI元素,那么使用基于图像的机制来自动化它们将会大有帮助。C#//Createbitmaptosearchfor//withinapplicationformand//clickitBitmapbmp=Ranorex.Imaging.Load(@”..\..\GreenSeaTurtleSmall.bmp”);//Performsar
- 激光线扫相机无2D图像的标定方案
hylreg
数码相机
方案一:基于运动控制平台的标定适用场景:若激光线扫相机安装在可控运动平台(如机械臂、平移台、旋转台)上,且平台的运动精度已知(例如通过编码器或高精度步进电机控制)。步骤:标定物选择:使用具有明确几何特征的三维标定物(如平面、棱柱、球体等),表面需反射激光线。运动轨迹规划:控制平台沿已知方向(如X/Y/Z轴)平移或旋转,记录激光线在标定物上的位置变化。每个运动步长后,获取激光线的三维点云数据。参数优
- QT 笔记
繁缕怀夕
QT笔记
本文详述了QT的基础应用,其中包括基础控件应用、多线程等工具类使用、以及显示2D、3D图像等功能,适用于C++和计算机视觉领域的开发者。1、基础控件QLineEditQComboBoxQMenuQToolBar2、基础功能2.1、多线程线程QThread2.2、多语言静态显示动态切换3、QChart4、QGraphicsView5、PCL之VTK
- plt.show()输出<Figure size 1200x800 with 1 Axes>没有展示出图片在notebook里
热爱生活的五柒
AI相关pythonnotebookpython
解决方法如下:在JupyterNotebook中,如果使用plt.show()没有直接显示图像,可能是由于某些设置或限制导致的。您可以尝试使用%matplotlibinline魔术命令来确保图像能够直接显示在Notebook中。请在Notebook的第一个单元格中执行以下命令:%matplotlibinline然后再次运行您的代码,应该能够在Notebook中看到图像。示例如下:
- 2023-简单点-非极大值抑制NMS
万物琴弦光锥之外
目标跟踪人工智能计算机视觉
非极大值抑制(Non-MaximumSuppression,NMS)是一种在目标检测中常用的后处理技术。NMS能够抑制那些与真实目标重叠较大的冗余检测框,留下最好的一个。非极大值抑制(Non-MaximumSuppression,NMS)的原理是:在目标检测中,对于检测到的冗余框,保留置信度最高的那个,抑制其他与它有较大重叠的冗余框。其基本原理是先在图像中找到所有可能包含目标物体的矩形区域,并按照
- 【AirSim+Python】image API和无人机获取图像
退堂鼓选手⑥
python无人机开发语言
没错!这个还是b站【皮卡丘上大学啦】up主学习的代码。我就是懒!今天下午敲得每一行代码都不能白敲,放在这方便我以后复制!up主原代码分享链接:在这!!!1.imageAPI获取相机图像使用的时候根据自己需求进行注释:importairsimimportnumpyasnpimportcv2#与airsim建立连接client=airsim.MultirotorClient()client.confi
- 使用 Python 和 Tesseract 实现验证码识别
一休哥助手
mfcc++
验证码识别是一个常见且实用的技术需求,尤其是在自动化测试和数据采集场景中。通过开源OCR(OpticalCharacterRecognition,光学字符识别)工具Tesseract,结合Python的强大生态,我们可以高效实现验证码识别任务。本篇博客将以详细步骤和代码示例,介绍如何使用Python和Tesseract实现验证码识别,包括原理解析、图像预处理、代码实现以及优化策略。一、验证码识别的
- AirSim 利用pygame绘制窗口并获取无人机FPV实时图像呈现
fegxg
pygame无人机python
利用pygame绘制窗口并获取无人机FPV实时图像呈现的代码如下:importsysimporttimeimportairsimimportpygameimportcv2importnumpyasnp#>------>>>pygamesettings------>>>AirSimsettings<<<------<##这里改为你要控制的无人机名称(settings文件里面设置的)vehicle_n
- 图像分类与识别的自组织特征映射网络实践
无声远望
本文还有配套的精品资源,点击获取简介:自组织特征映射网络(SOFM)是一种无监督学习模型,适用于图像处理中的预处理、特征提取和分类识别。通过在MATLAB中实现SOFM,可以进行数据预处理、特征提取、网络训练、分类与识别以及优化评估。本内容涵盖了SOFM网络的应用步骤、训练过程、参数调整和性能评估,旨在提供图像处理问题的解决方案。1.自组织特征映射网络简介1.1自组织特征映射网络概述自组织特征映射
- python机器学习
方安乐
pythonpython机器学习人工智能
Python机器学习是当前最为热门的机器学习领域之一,其简洁、易用、高效的特点,让越来越多的开发者开始探索其应用。本文将从以下几个方面介绍Python机器学习的基础知识和实践案例,帮助读者更好地理解和应用机器学习技术。前提Python机器学习的应用领域A.图像识别和计算机视觉B.自然语言处理和文本分析C.数据挖掘和推荐系统深度学习A.神经网络的基本原理B.常用的深度学习框架和算法C.深度学习在图像
- 关于CSS中毛玻璃和滤镜使用总结
计算机软件程序设计
知识科普css
【1】毛玻璃毛玻璃效果(也称为磨砂玻璃效果)可以通过CSS的backdrop-filter属性来实现。这个属性允许你在背景上应用各种滤镜效果,从而创建出类似磨砂玻璃的效果。这种效果通常用于创建半透明背景下的模糊效果,使得背景图像或颜色变得柔和,同时保持前景内容的清晰可见。示例代码HTML结构CSS毛玻璃效果毛玻璃效果这是一个使用CSS创建的毛玻璃效果。CSS样式body,html{height:1
- 深度学习利用数据加载、预处理和增强数据提高模型的性能
weixin_30777913
人工智能深度学习
深度学习数据预处理是一个关键步骤,旨在提高模型的性能和准确性。通过数据加载、预处理和增强,可以显著提高深度学习模型的性能和准确性。在实际应用中,需要根据具体的数据和任务来选择合适的预处理和增强技术。以下将详细论述并举例说明如何加载、预处理和增强数据。一、数据加载在深度学习中,数据加载是第一步。这通常涉及到从各种数据源(如CSV文件、数据库、图像文件夹等)中读取数据。以DeepLearning4J(
- OpenCV实战技术应用
yzx991013
OpenCV基础全集opencv人工智能计算机视觉
10.0角点检测应用技术实现,使用SIFT算法进行特征点检测并绘制。结果:实现过程:解析过程:1.导入模块:importcv2:导入opencv库,用于图像处理操作,包括图像读取、特征提取、图像绘制、匹配等。importnumpyasnp:导入numpy库,用于处理数组数据,在特征描述符的存储和处理中可能会用到。2.函数定义:sift_tz():功能:使用SIFT算法进行特征点检测并绘制。实现:i
- 第四届先进材料与机械电子国际学术会议(ICAMM 2024)
2301_79125431
java
第四届先进材料与机械电子国际学术会议(ICAMM2024)【前三届均已见刊EI检索,检索信息均可查询!四大高校联合支持】2024年第四届先进材料与机械电子国际题解|字符串排序-golang最简洁最易懂解法packagemainimport("bufio""fmt&q题解|#数列求和#publicclassMain{publicstaticvoidmain(Str第四届图像处理与智能控制国际学术会议
- 计算机视觉:卷积核
每天五分钟玩转人工智能
计算机视觉计算机视觉深度学习人工智能机器学习卷积神经网络
本文重点卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种深度学习模型,广泛应用于图像识别、自然语言处理、语音识别等领域。在卷积神经网络中,卷积核是网络的核心组件之一。通过不断堆叠卷积层和池化层,可以逐渐提取出更高级别的特征,从而实现更复杂的任务。卷积神经网络中的卷积核可以通过反向传播算法进行训练和优化,使其能够自适应地学习输入数据中的特征。因此,卷积神经网络在图像
- 4-2 计算机视觉-卷积神经网络-基本网络组件
沉睡的小卡比兽
AI基础知识cnn卷积核端到端训练计算机视觉卷积神经网络
1、为什么卷积核一般都是奇数?2、由哪些层组成了基本的卷积神经网络,作用分别是什么?3、卷积层和池化层有什么区别?4、什么是端到端学习end-to-end?1、为什么卷积核一般都是奇数?(1)保护位置信息:保证锚点刚好在中间,方便以模块中心为标准进行滑动卷积,避免了位置信息发生偏移(2)padding时的对称性:保证padding时图像的两边依然对齐(3)一些历史尝试的经验,如边缘检测等,还有pa
- 【深度学习】常见模型-生成对抗网络(Generative Adversarial Network, GAN)
IT古董
人工智能深度学习机器学习深度学习生成对抗网络人工智能
生成对抗网络(GenerativeAdversarialNetwork,GAN)是一种深度学习模型框架,由IanGoodfellow等人在2014年提出。GAN由生成器(Generator)和判别器(Discriminator)两个对抗网络组成,通过彼此博弈的方式训练,从而生成与真实数据分布极为相似的高质量数据。GAN在图像生成、文本生成、数据增强等领域中有广泛应用。核心思想GAN的核心是两个神经
- Python 深度学习实战:生成对抗网络
AI天才研究院
深度学习实战AI实战AI大模型企业级应用开发实战大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA
1.背景介绍生成对抗网络(GenerativeAdversarialNetwork,GAN)是近年来较火热的深度学习模型之一,其在图像合成、视频生成、文本数据生成等领域均取得了不俗的效果。与传统的机器学习模型不同,GAN可以生成真实有效的数据,无需人工标注数据。它由两部分组成:生成器(Generator)和判别器(Discriminator)。生成器通过学习,根据噪声或随机变量(latentvar
- 【深度学习】常见模型-卷积神经网络(Convolutional Neural Networks, CNN)
IT古董
人工智能深度学习机器学习深度学习cnn人工智能
卷积神经网络(CNN)概念简介卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一种专门用于处理数据具有网格状拓扑结构(如图像、语音)的深度学习模型。它通过卷积操作从输入数据中提取局部特征,并逐层构建更复杂的特征表示,广泛应用于图像分类、目标检测、语音识别等领域。关键组成部分卷积层(ConvolutionalLayer)使用卷积核(滤波器)在输入上滑动,提取局部特征。
- NCNN推理
呆呆珝
推理框架c++人工智能
1.前言ncnn是一个高性能的神经网络前向计算框架,专门针对移动设备和嵌入式设备设计。它由腾讯优图实验室开发,旨在提供高效的神经网络推理能力,特别是在资源受限的环境中,如智能手机和嵌入式系统。ncnn被广泛应用于移动端和嵌入式设备上的各种深度学习应用,包括但不限于:图像分类/目标检测/语义分割/人脸识别/图像生成与处理2.NCNN的CMakeLists.txt编写ncnn的头文件,链接文件,静态链
- python学opencv|读取图像(四十四)原理探究:bitwise_and()函数实现图像按位与运算
西猫雷婶
人工智能opencv人工智能计算机视觉
【1】引言前序学习进程中,已经掌握了两张图片按位与操作的基本技巧:python学opencv|读取图像(四十三)使用cv2.bitwise_and()函数实现图像按位与运算-CSDN博客【2】cv2.bitwise_and()函数实现图像按位与运算原理【2.1】图像运算在前述学习过程中,我们只是使用了cv2.bitwise_and()函数,其实未曾深入探究其根本原理。为实现原理探索,直接使用彩色图
- 图像效果的一些专业测试工具和指标:
追心嵌入式
C语言测试工具音视频
图像效果的一些专业测试工具和指标:1,色卡:色卡是行业通用的,也是标准的,一般相机出图后会与色卡对比,来衡量是否发生了色偏,颜色还原度,失真度的差异。2,图像测试卡,一般是来测试图像中心和四角的清晰度的。测试方法,用摄像头对着图纸,使摄像头中看到图纸占满,即可测试。3,灰阶值:是反应了该相机对图像灰阶值的解析度。4,帧率,码率,分辨率H264/5i帧间隔。这些指标可以通过potplayer去看,一
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite