- AI推介-大语言模型LLMs论文速览(arXiv方向):2024.02.20-2024.02.25
小小帅AIGC
LLMs论文时报人工智能语言模型深度学习LLM大语言模型论文推送
论文目录~1.Zero-shotcross-lingualtransferininstructiontuningoflargelanguagemodel2.ScalingEfficientLLMs3.LLM-DA:DataAugmentationviaLargeLanguageModelsforFew-ShotNamedEntityRecognition4.WhoseLLMisitAnyway?L
- 阿里云分布式深度学习训练架构Whale
qwfys200
Reading阿里云分布式深度学习
阿里云分布式深度学习训练架构Whale阿里云分布式深度学习训练架构Whale参考文献Whale基于Tensorflow深度学习分布式训练框架|学习笔记Whale:EfficientGiantModelTrainingoverHeterogeneousGPUs阿里云机器学习平台PAI论文高效大模型训练框架Whale入选USENIXATC’22
- ENAS:首个权值共享的神经网络搜索方法,千倍加速 | ICML 2018
VincentTeddy
NAS是自动设计网络结构的重要方法,但需要耗费巨大的资源,导致不能广泛地应用,而论文提出的EfficientNeuralArchitectureSearch(ENAS),在搜索时对子网的参数进行共享,相对于NAS有超过1000x倍加速,单卡搜索不到半天,而且性能并没有降低,十分值得参考 来源:【晓飞的算法工程笔记】公众号论文:EfficientNeuralArchitectureSearchvia
- 【图像拼接/视频拼接】论文精读:Efficient Video Stitching Based on Fast Structure Deformation
十小大
图像拼接论文精读计算机视觉图像拼接imagestitchingvideostitching论文阅读论文笔记音视频
第一次来请先看这篇文章:【图像拼接(ImageStitching)】关于【图像拼接论文精读】专栏的相关说明,包含专栏使用说明、创新思路分享等(不定期更新)图像拼接系列相关论文精读SeamCarvingforContent-AwareImageResizingAs-Rigid-As-PossibleShapeManipulationAdaptiveAs-Natural-As-PossibleImag
- 大模型训练——PEFT与LORA介绍
MarkHD
人工智能深度学习机器学习
大模型训练中的PEFT(Parameter-EfficientFine-Tuning)与LoRA(Low-RankAdaptation)是两种重要的技术,它们在大型预训练模型的应用中发挥着重要作用。首先,让我们来了解一下PEFT。PEFT是一种参数高效的微调技术,由Huggingface发布。这种方法的核心思想是仅微调少量(额外)模型参数,同时冻结预训练LLM的大部分参数。这样做的好处是大大降低了
- tinyxml2开源库使用
不朽の燃梦
QtC++开源库开源qtc++
源码下载:GitHub-leethomason/tinyxml2:TinyXML2isasimple,small,efficient,C++XMLparserthatcanbeeasilyintegratedintootherprograms.1.加载tinyxml2库解压上面现在的压缩包,将tinyxml2.h/tinyxml2.cpp添加到项目工程当中,要使用该库时,只需要使用对于的头文件即可
- Study Time-Foreign Language
jin_gg
Apracticalgadgetforlanguageloverstomakethelanguagelearningprocesseasyandefficient.Developatimeplan-awayoflearningthatisuniquetoyou.Timetofollowupatanytime-therecordingmethodismuchsimpler.Targetachieve
- 算法——组合数学——二项式定理
戏拈秃笔
数据结构与算法(java版)算法
杨辉三角是二项式系数的典型应用当n较大,且需要取模时,二项式系数有两种计算方法:一:递推公式,二:逆方法一:用递推公式计算二项式系数publicclassBinomialCoefficient{publicstaticintcalculate(intn,intk){if(k>n){return0;//如果k大于n,则二项式系数为0}int[][]dp=newint[n+1][k+1];for(in
- 让图片说话SadTalker
崎山小鹿
神经网络神经网络人工智能深度学习
SadTalker:使用一张图片和一段语音来生成口型和头、面部视频.西安交通大学开源了人工智能SadTalker模型,通过从音频中学习生成3D运动系数,使用全新的3D面部渲染器来生成头部运动,可以实现图片+音频就能生成高质量的视频。论文地址:LearningRealistic3DMotionCoefficients整体来说Talkinghead就是用语音驱动每一帧图片的表情(眼睛、嘴巴等)和头部(
- 【刷题记录】移除链表元素
睡觉待开机
链表数据结构
本系列博客为个人刷题思路分享,有需要借鉴即可。注:部分思路借鉴自程序员小熊链接:https://leetcode.cn/problems/remove-linked-list-elements/solutions/341875/203-yi-chu-lian-biao-yuan-su-you-ya-di-gui-c-yu-ya/来源:力扣(LeetCode)1.目录大纲:2.题目链接:T1:LIN
- Python编程读取csv文件数据分别计算RMSE、SD、R
是筱倩阿
pythonpythonnumpy
使用Pandas和NumPy库,从CSV文件中读取数据,并对列名进行了更新。使用循环计算了三组数据的RMSE、标准差和相关系数,并将结果打印输出。其中,RMSE(RootMeanSquaredError)是衡量预测值和真实值之间误差的一种方法;SD(StandardDeviation)是预测值和真实值之间误差的标准差;R(CorrelationCoefficient)是衡量预测值和真实值之间线性关
- Linux RabbitMQ 安装及卸载
李三不四
linuxlinuxrabbitmqerlang
一、安装1、前景RabbitMQ是用Erlang编写的,所以需要先安装Erlang的编译环境注意Erlang和RabbitMQ的版本是有一些版本匹配关系的,如果不匹配会导致RabbitMQ无法启动2、安装Erlang#下载wgethttps://packages.erlang-solutions.com/erlang/rpm/centos/7/x86_64/esl-erlang_23.3.1-1~
- ICLR 2023#Learning to Compose Soft Prompts for Compositional Zero-Shot Learning
神拳小江南阿
CZSLsoftprompt深度学习
组合零样本学习(CZSL)中SoftPrompt相关工作汇总(一)文章目录组合零样本学习(CZSL)中SoftPrompt相关工作汇总(一)ICLR2023#LearningtoComposeSoftPromptsforCompositionalZero-ShotLearningIntroductionRelatedworkpromptParameter-efficientlearningPrel
- Efficient Token-Guided Image-Text Retrieval withConsistent Multimodal Contrastive Training
ALGORITHM LOL
人工智能算法深度学习
paper:https://arxiv.org/pdf/2306.08789.pdfcode:https://github.com/LCFractal/TGDT1.论文核心思想整合了粗粒度与细粒度检索,利用了二者的优点新的训练目标:ConsistentMultimodalContrastive(CMC)loss,确保模态内和模态间语义一致性基于混合全局和局部的跨模态相似性两阶段推理方法效果:检索精
- pearson correlation coefficient
dingtom
要理解Pearson相关系数,首先要理解协方差(Covariance),协方差是一个反映两个随机变量相关程度的指标,如果一个变量跟随着另一个变量同时变大或者变小,那么这两个变量的协方差就是正值,反之相反,公式如下:Pearson相关系数公式如下:由公式可知,Pearson相关系数是用协方差除以两个变量的标准差得到的,虽然协方差能反映两个随机变量的相关程度(协方差大于0的时候表示两者正相关,小于0的
- 【区块链共识协议论文】【拜占庭异步通信】【Chronos: An Efficient Asynchronous Byzantine Ordered Consensus】
不是AI
安全多方计算网络技术区块链区块链共识算法网络安全可信计算技术
论文题目:Chronos:一种高效的拜占庭有序共识协议Chronos:AnEfficientAsynchronousByzantineOrderedConsensus一、说明1、版权归属:牛津大学出版社(OxfordUniversityPress)2、笔者为共同作者之一,联系方式:
[email protected]、引用格式:4、代码仓库:见GitHub二、论文网址及发表情况三、论文正文第
- ResT An Efficient Transformer for Visual
CV案例精选
©作者|小欣Abstract.这篇文章提出了一个有效的多尺度视觉Transformer,称为ResT,可以作为图像分类的主干网络,大多Transformer模型使用标准的Transformerblock,只能处理固定尺寸的图像。相比之下,ResT主要有三个优点:第一,构建了一个减小内存消耗的多头自注意力模块,通过深度卷积来减小内存开销。第二,改变了ViT中的位置编码,提出了一种简单但是有效的空间注
- 论文介绍 VolumeDiffusion
Longlongaaago
深度学习
论文介绍VolumeDiffusion:FlexibleText-to-3DGenerationwithEfficientVolumetricEncoder关注微信公众号:DeepGo源码地址:https://github.com/tzco/VolumeDiffusion论文地址:https://arxiv.org/abs/2312.11459VolumeDiffusion模型是一个从文本描述生成
- USTC Verilog OJ Solutions
Daniel_187
其他fpga开发VerilogHDLrisc-v
科大OJ其对应的英文版:HDLBits刷题网站01输出1moduletop_module(outputone);assignone=1;endmodule02输出0moduletop_module(outputzero);//Modulebodystartsaftersemicolonassignzero=0;endmodule03wiremoduletop_module(inputin,outp
- 振荡器设计
CCC_bi
课程理论知识学习电磁相关学习
目录简介基本参数基本图示起振条件:振荡器的设计例题1例题2例题3例题4简介理想的振荡器能够产生恒定赋值的波。可以将振荡器看做是一个零激励的情况下能够产生输出的二端口网络。振荡器有不同的方法来解释定义:反馈振荡器,负阻抗振荡器。基本参数振荡器的参数可以用一个简介稳定参数来表示:IndirectStabilityCoefficient:SF,
- 18个JavaScript技巧:编写简洁高效的代码
本文翻译自18JavaScriptTips:YouShouldKnowforCleanandEfficientCode,作者:Shefali,略有删改。在这篇文章中,我将分享18个JavaScript技巧,以及一些你应该知道的示例代码,以编写简洁高效的代码。让我们开始吧!箭头函数可以使用箭头函数来简化函数声明。functionadd(a,b){returna+b;}//Arrowfunctionc
- DL-Paper精读:DeiT
星月野1
Trainingdata-efficientimagetransformersa&distillationthroughattentionhttps://arxiv.org/abs/2012.12877BackgroundTransformer在CV领域已呈席卷之势滚滚而来~RelatedworkandthelimitViT(VisionTransformer)对二维图像进行切片并序列化作为输入,
- 【论文精读】EfficientNet
None-D
BackBones深度学习人工智能计算机视觉算法
摘要以往的卷积网络模型通过缩放深度,宽度和图像大小的其中之一或之二来扩大网络以实现更好的结果,但这种思想下经常产生次优的精度和效率的算法。本文认为通过同时平衡网络宽度、深度、分辨率的缩放倍数来扩大卷积网络,可以达到更好的精度和效率。框架优化目标定义卷积网络层iii为:Yi=Fi(Xi)Y_i=F_i(X_i)Yi=Fi(Xi)其中FiF_iFi是卷积算子,YiY_iYi为输出张量,XiX_iXi为
- R数据分析:多水平模型详细说明
Codewar
经常我们会听见随机效应模型,固定效应模型,混合效应模型呀,其实这些个东西都是多水平模型:Multilevelmodels(alsoknownashierarchicallinearmodels,linearmixed-effectmodel,mixedmodels,nesteddatamodels,randomcoefficient,random-effectsmodels,randomparam
- 97. 交错字符串
咔咔咔的
leetcodec++
97.交错字符串题目链接:97.交错字符串代码如下://动态规划跟62不同路径思想类似//参考:https://leetcode.cn/problems/interleaving-string/solutions/335561/lei-si-lu-jing-wen-ti-zhao-zhun-zhuang-tai-fang-chclassSolution{public:boolisInterleav
- 5. 最长回文子串
咔咔咔的
leetcodec++
5.最长回文子串题目链接:5.最长回文子串代码如下://中心扩散法//参考:https://leetcode.cn/problems/longest-palindromic-substring/solutions/63641/zhong-xin-kuo-san-fa-he-dong-tai-gui-hua-by-reedfa/comments/1465839classSolution{public
- Efficient feature learning and multi-size image steganalysis based on CNN【Zhu-Net基于高效特征学习与多尺度图像隐写分析】
CV误会了我
cnn计算机视觉机器学习
摘要对于隐写分析,许多研究表明卷积神经网络比传统机器学习方法的两部分结构具有更好的性能。然而,仍然有两个问题需要解决:降低隐写分析特征映射的信噪比和对任意大小的图像进行隐写分析。一些算法需要固定大小的图像作为输入,并且由于未充分利用由各种类型的滤波器获得的噪声残差,因此精度较低。本文针对上述问题,设计了一种基于CNN的改进网络结构。首先,我们使用3×3核代替传统的5×5核,并在预处理层优化卷积核。
- 代码随想录|Day 14
东鹅鹅鹅
c++
Day14新年将至一、理论学习BFS的使用场景总结:层序遍历、最短路径问题(https://leetcode.cn/problems/binary-tree-level-order-traversal/solutions/244853/bfs-de-shi-yong-chang-jing-zong-jie-ceng-xu-bian-l/)BFS的应用一:层序遍历BFS的应用二:最短路径如果要更贴向
- 基于BatchNorm的模型剪枝【详解+代码】
全息数据
图像算法剪枝深度学习剪枝深度学习
文章目录1、BatchNorm(BN)2、L1与L2正则化2.1L1与L2的导数及其应用2.2论文核心点3、模型剪枝的流程ICCV经典论文,通俗易懂!论文题目:LearningEfficientConvolutionalNetworksthroughNetworkSlimming卷积后能得到多个特征图,这些图一定都重要吗?训练模型的时候能否加入一些策略,让权重参数体现出主次之分?以上这两点就是论文
- 【论文+代码】ZS-N2N实现小样本零网络图像去噪
小Z的科研日常
opencv图像处理python深度学习
01、引言本文方法源于YoussefMansour和ReinhardHeckel撰写的论文《Zero-ShotNoise2Noise:EfficientImageDenoisingwithoutanyData》,该文作者探索了一种不需要任何数据且高效的高效图像去噪方法。该方法使用两个固定的内核对噪声图像进行卷积,以创建一对降采样的图像。然后用一致性损失训练一个简单的2层CNN,将一个下采样的图像映
- 微信开发者验证接口开发
362217990
微信 开发者 token 验证
微信开发者接口验证。
Token,自己随便定义,与微信填写一致就可以了。
根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html
第一步:填写服务器配置
第二步:验证服务器地址的有效性
第三步:依据接口文档实现业务逻辑
这里主要讲第二步验证服务器有效性。
建一个
- 一个小编程题-类似约瑟夫环问题
BrokenDreams
编程
今天群友出了一题:
一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。
&
- linux复习笔记之bash shell (5) 关于减号-的作用
eksliang
linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
转载请出自出处:
http://eksliang.iteye.com/blog/2105677
管道命令在bash的连续处理程序中是相当重要的,尤其在使用到前一个命令的studout(标准输出)作为这次的stdin(标准输入)时,就显得太重要了,某些命令需要用到文件名,例如上篇文档的的切割命令(split)、还有
- Unix(3)
18289753290
unix ksh
1)若该变量需要在其他子进程执行,则可用"$变量名称"或${变量}累加内容
什么是子进程?在我目前这个shell情况下,去打开一个新的shell,新的那个shell就是子进程。一般状态下,父进程的自定义变量是无法在子进程内使用的,但通过export将变量变成环境变量后就能够在子进程里面应用了。
2)条件判断: &&代表and ||代表or&nbs
- 关于ListView中性能优化中图片加载问题
酷的飞上天空
ListView
ListView的性能优化网上很多信息,但是涉及到异步加载图片问题就会出现问题。
具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594
如果每次都重新inflate一个新的View出来肯定会造成性能损失严重,可能会出现listview滚动是很卡的情况,还会出现内存溢出。
现在想出一个方法就是每次都添加一个标识,然后设置图
- 德国总理默多克:给国人的一堂“震撼教育”课
永夜-极光
教育
http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克:给国人的一堂“震撼教育”课
安吉拉—默克尔,一位经历过社会主义的东德人,她利用自己的博客,发表一番来华前的谈话,该说的话,都在上面说了,全世界想看想传播——去看看默克尔总理的博客吧!
德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
- 关于Java继承的一个小问题。。。
随便小屋
java
今天看Java 编程思想的时候遇见一个问题,运行的结果和自己想想的完全不一样。先把代码贴出来!
//CanFight接口
interface Canfight {
void fight();
}
//ActionCharacter类
class ActionCharacter {
public void fight() {
System.out.pr
- 23种基本的设计模式
aijuans
设计模式
Abstract Factory:提供一个创建一系列相关或相互依赖对象的接口,而无需指定它们具体的类。 Adapter:将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 Bridge:将抽象部分与它的实现部分分离,使它们都可以独立地变化。 Builder:将一个复杂对象的构建与它的表示分离,使得同
- 《周鸿祎自述:我的互联网方法论》读书笔记
aoyouzi
读书笔记
从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.
商业模式不是赚钱模式
一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.
商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值.
商业模式还包括寻找需求
- JavaScript动态改变样式访问技术
百合不是茶
JavaScriptstyle属性ClassName属性
一:style属性
格式:
HTML元素.style.样式属性="值";
创建菜单:在html标签中创建 或者 在head标签中用数组创建
<html>
<head>
<title>style改变样式</title>
</head>
&l
- jQuery的deferred对象详解
bijian1013
jquerydeferred对象
jQuery的开发速度很快,几乎每半年一个大版本,每两个月一个小版本。
每个版本都会引入一些新功能,从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。
&nb
- 淘宝开放平台TOP
Bill_chen
C++c物流C#
淘宝网开放平台首页:http://open.taobao.com/
淘宝开放平台是淘宝TOP团队的产品,TOP即TaoBao Open Platform,
是淘宝合作伙伴开发、发布、交易其服务的平台。
支撑TOP的三条主线为:
1.开放数据和业务流程
* 以API数据形式开放商品、交易、物流等业务;
&
- 【大型网站架构一】大型网站架构概述
bit1129
网站架构
大型互联网特点
面对海量用户、海量数据
大型互联网架构的关键指标
高并发
高性能
高可用
高可扩展性
线性伸缩性
安全性
大型互联网技术要点
前端优化
CDN缓存
反向代理
KV缓存
消息系统
分布式存储
NoSQL数据库
搜索
监控
安全
想到的问题:
1.对于订单系统这种事务型系统,如
- eclipse插件hibernate tools安装
白糖_
Hibernate
eclipse helios(3.6)版
1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址:
http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装:hibernate tools在All Jboss tool
- Jquery easyui Form表单提交注意事项
bozch
jquery easyui
jquery easyui对表单的提交进行了封装,提交的方式采用的是ajax的方式,在开发的时候应该注意的事项如下:
1、在定义form标签的时候,要将method属性设置成post或者get,特别是进行大字段的文本信息提交的时候,要将method设置成post方式提交,否则页面会抛出跨域访问等异常。所以这个要
- Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量
bylijinnan
java实现
import java.util.LinkedList;
public class CaseInsensitiveTrie {
/**
字典树的Java实现。实现了插入、查询以及深度优先遍历。
Trie tree's java implementation.(Insert,Search,DFS)
Problem Description
Igna
- html css 鼠标形状样式汇总
chenbowen00
htmlcss
css鼠标手型cursor中hand与pointer
Example:CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>
Example:CSS鼠标手型效果 <a href="#" style=&qu
- [IT与投资]IT投资的几个原则
comsci
it
无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......
 
- oracle with语句详解
daizj
oraclewithwith as
oracle with语句详解 转
在oracle中,select 查询语句,可以使用with,就是一个子查询,oracle 会把子查询的结果放到临时表中,可以反复使用
例子:注意,这是sql语句,不是pl/sql语句, 可以直接放到jdbc执行的
----------------------------------------------------------------
- hbase的简单操作
deng520159
数据库hbase
近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来.
用ssh登陆安装hbase那台linux后
用hbase shell进行hbase命令控制台!
表的管理
1)查看有哪些表
hbase(main)> list
2)创建表
# 语法:create <table>, {NAME => <family&g
- C语言scanf继续学习、算术运算符学习和逻辑运算符
dcj3sjt126com
c
/*
2013年3月11日20:37:32
地点:北京潘家园
功能:完成用户格式化输入多个值
目的:学习scanf函数的使用
*/
# include <stdio.h>
int main(void)
{
int i, j, k;
printf("please input three number:\n"); //提示用
- 2015越来越好
dcj3sjt126com
歌曲
越来越好
房子大了电话小了 感觉越来越好
假期多了收入高了 工作越来越好
商品精了价格活了 心情越来越好
天更蓝了水更清了 环境越来越好
活得有奔头人会步步高
想做到你要努力去做到
幸福的笑容天天挂眉梢 越来越好
婆媳和了家庭暖了 生活越来越好
孩子高了懂事多了 学习越来越好
朋友多了心相通了 大家越来越好
道路宽了心气顺了 日子越来越好
活的有精神人就不显
- java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim
feiteyizu
mysql
数据表中有记录的time字段(属性为timestamp)其值为:“0000-00-00 00:00:00”
程序使用select 语句从中取数据时出现以下异常:
java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date
java.sql.SQLException: Valu
- Ehcache(07)——Ehcache对并发的支持
234390216
并发ehcache锁ReadLockWriteLock
Ehcache对并发的支持
在高并发的情况下,使用Ehcache缓存时,由于并发的读与写,我们读的数据有可能是错误的,我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read(读)、Write(写)锁。当一个线程获取了某一Key的Read锁之后,其它线程获取针对于同
- mysql中blob,text字段的合成索引
jackyrong
mysql
在mysql中,原来有一个叫合成索引的,可以提高blob,text字段的效率性能,
但只能用在精确查询,核心是增加一个列,然后可以用md5进行散列,用散列值查找
则速度快
比如:
create table abc(id varchar(10),context blog,hash_value varchar(40));
insert into abc(1,rep
- 逻辑运算与移位运算
latty
位运算逻辑运算
源码:正数的补码与原码相同例+7 源码:00000111 补码 :00000111 (用8位二进制表示一个数)
负数的补码:
符号位为1,其余位为该数绝对值的原码按位取反;然后整个数加1。 -7 源码: 10000111 ,其绝对值为00000111 取反加一:11111001 为-7补码
已知一个数的补码,求原码的操作分两种情况:
- 利用XSD 验证XML文件
newerdragon
javaxmlxsd
XSD文件 (XML Schema 语言也称作 XML Schema 定义(XML Schema Definition,XSD)。 具体使用方法和定义请参看:
http://www.w3school.com.cn/schema/index.asp
java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持,使用起来也很方便。
以下代码可用在J
- 搭建 CentOS 6 服务器(12) - Samba
rensanning
centos
(1)安装
# yum -y install samba
Installed:
samba.i686 0:3.6.9-169.el6_5
# pdbedit -a rensn
new password:123456
retype new password:123456
……
(2)Home文件夹
# mkdir /etc
- Learn Nodejs 01
toknowme
nodejs
(1)下载nodejs
https://nodejs.org/download/ 选择相应的版本进行下载 (2)安装nodejs 安装的方式比较多,请baidu下
我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 (1)上传服务器 (2)解压 tar -zxvf node-v0.12.
- jquery控制自动刷新的代码举例
xp9802
jquery
1、html内容部分 复制代码代码示例: <div id='log_reload'>
<select name="id_s" size="1">
<option value='2'>-2s-</option>
<option value='3'>-3s-</option