- c语言基础之二维数组
Wangawf
c语言二维数组
声明:本文主要用作技术分享,所有内容仅供参考。任何使用或依赖于本文信息所造成的法律后果均与本人无关。请读者自行判断风险,并遵循相关法律法规。二维数组是一种数据结构,它可以被看作是一个由行和列组成的表格。从概念上讲,可以将二维数组想象成一个有行有列的矩阵。比如一个intarr[3][4]这样的二维数组,就好像是一个3行4列的表格,总共能存放12个整数。在内存中,二维数组的存储是线性的,也就是说,虽然
- 【AI深度学习基础】Pandas完全指南入门篇:数据处理的瑞士军刀 (含完整代码)
arbboter
人工智能人工智能深度学习pandas数据处理数据分析数据清洗数据分析效率提升
Pandas系列文章导航入门篇进阶篇终极篇一、引言在大数据与AI驱动的时代,数据预处理和分析是深度学习与机器学习的基石。Pandas作为Python生态中最强大的数据处理库,以其灵活的数据结构(如DataFrame和Series)和丰富的功能(数据清洗、转换、聚合等),成为数据科学家和工程师的核心工具。Pandas以Series(一维标签数组)和DataFrame(二维表格)为核心数据结构,提供高
- Github 2024-09-30 开源项目周报 Top15
老孙正经胡说
github开源Github趋势分析开源项目PythonGolang
根据GithubTrendings的统计,本周(2024-09-30统计)共有15个项目上榜。根据开发语言中项目的数量,汇总情况如下:开发语言项目数量Python项目7JupyterNotebook项目2Dart项目1Ruby项目1HTML项目1C#项目1TypeScript项目1Rust项目1非开发语言项目1AutoGPT:人工智能革命的先锋创建周期:486天开发语言:Python协议类型:MI
- 免费分享,清华大学DeepSeek 1-6版教程全析,探索未知的技术新领域推文
qq_35008050
pdf
免费分享,清华大学DeepSeek1-6版教程全析,探索未知的技术新领域在科技飞速发展的今天,人工智能领域不断推陈出新,DeepSeek作为其中的一颗新星备受瞩目。如今,一份来自清华大学的珍贵礼物——DeepSeek1-6版教程,正免费向大家敞开知识的大门,助力我们深入探索未知的技术新领域。第一版:基础奠基,开启DeepSeek之旅对于初次接触DeepSeek的人来说,第一版教程就像是一座坚实的基
- 对“预训练”的理解
衣衣困
深度学习神经网络自然语言处理
预训练有什么用传统的机器学习是偏数学的,对数据的量不做过多要求,而深度学习的项目通常是有大量的数据可供使用。在平常的任务或者项目中,我们可能并没有大量数据,只有少量数据,在这时我们就可以通过“借用”有大数据支持的模型的参数,作为基准,这样就能提高效率和准确率。因为他们神经网络的浅层是相似的,也就是说,在任务相似的情况下,可以用已有的模型即“预训练”好的模型参数实现小数据量的模型训练。预训练可以节省
- Java 大视界 -- Java 大数据机器学习模型的可解释性增强技术与应用(107)
青云交
大数据新视界Java大视界大数据java可解释性AISHAPLIME因果推理可视化交互
亲爱的朋友们,热烈欢迎来到青云交的博客!能与诸位在此相逢,我倍感荣幸。在这飞速更迭的时代,我们都渴望一方心灵净土,而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识,也期待你毫无保留地分享独特见解,愿我们于此携手成长,共赴新程!一、欢迎加入【福利社群】点击快速加入:青云交灵犀技韵交响盛汇福利社群点击快速加入2:2024CSDN博客之星创作交流营(NEW)二、本博客的精华专栏:大数据新视
- 2025人工智能AI与电商革命:人工智能如何塑造在线市场的未来报告300+份汇总解读|附PDF下载
数据挖掘深度学习人工智能算法
原文链接:https://tecdat.cn/?p=40894在当今数字化时代,电子商务与人工智能的融合正重塑商业格局。本报告汇总洞察基于Prosus、Dealroom.co发布的《TheAIxEcommerceRevolution:HowAIisshapingtheFutureofOnlineMarketplaces》及文末308份电子商务和人工智能行业研究报告的数据,报告合集已分享在交流群,阅
- 大模型中的Token究竟是什么?从原理到作用深度解析
自然语言处理算法人工智能
引言在人工智能领域,大型语言模型(LLM)如GPT-4、Claude等系统性地改变了人机交互方式。这些模型处理文本的核心单元被称为"Token",这个看似简单的概念实则蕴含复杂的工程设计和语言学原理。本文将深入解析Token的本质、技术实现及其在模型运作中的关键作用。Token化技术全景图核心处理流程原始文本→预处理→分词算法→词表映射→模型输入↓↓↓大小写转换子词拆分策略特殊Token添加标点规
- ChatGPT与DeepSeek:开源与闭源的AI模型之争
我们的五年
游戏实现chatgpt人工智能
目录一、模型架构与技术原理二、性能能力与应用场景三、用户体验与部署灵活性四、成本与商业模式五、未来展望与市场影响六、总结随着人工智能技术的飞速发展,ChatGPT和DeepSeek作为两大领先的AI语言模型,成为了行业内外关注的焦点。它们在技术架构、应用场景、用户体验和成本等方面存在显著差异,尤其是开源与闭源的模式,使得两者在市场竞争中各有优势。本文将对ChatGPT和DeepSeek进行全面对比
- 郑州人工智能计算中心成果发布会成功举办 埃文科技共建AI生态
人工智能
2024年3月1日,由郑州市科学技术局主办,郑州联通、华为技术有限公司联合承办的郑州人工智能计算中心成果发布会在郑州隆重举行,郑州埃文科技有限公司(以下简称“埃文科技”)作为河南省人工智能领军企业受邀参会。大会以“全面拥抱智能化,共筑算力新底座”为主题,郑州市委副书记、代市长庄建球,河南联通党委书记、总经理华豫民等领导,以及300余位行业专家、企业代表齐聚一堂,共同见证中部地区首个政府主导的智能算
- 基于K8S设计实现机器学习管理调度平台
richenlin
机器学习
设计和实现一套基于Kubernetes(K8s)的机器学习管理调度平台,目标是利用K8s的容器化和调度能力,提供高效的资源管理、任务调度、可扩展性及灵活性,适应机器学习(ML)训练、推理等不同场景的需求。以下是平台设计的主要模块和实施步骤:1.系统架构概述该平台需要一个多层架构,其中K8s作为底层容器调度和资源管理平台,机器学习任务管理与调度层作为平台的核心模块。平台应具备高可用、弹性伸缩、任务监
- DeepSeek×博云AIOS:突破算力桎梏,开启AI普惠新纪元
deepseek
背景在全球人工智能技术高速迭代的背景下,算力成本高企、异构资源适配复杂、模型部署效率低下等问题,始终是制约企业AI规模化应用的关键。DeepSeek以创新技术直击产业痛点,而博云先进算力管理平台AIOS的全面适配,则为这一技术落地提供了坚实底座。两者的深度融合,正在重塑AI产业化的技术范式。DeepSeek:算法创新定义AI新范式DeepSeek凭借技术突破,为AI领域树立了新标杆:DeepSee
- 【python数据挖掘之numpy】-数组及对象属性和数据转换
sc.溯琛
python数据挖掘numpy
Numpy是一个Python库,用于处理多维数组和矩阵,以及针对这些数组执行数学运算的函数。它提供了高效的数组对象和相关的操作,可以用于快速处理大量数据。Numpy的主要功能包括:创建数组、数组运算、数组索引和切片、线性代数、随机数生成等。Numpy在科学计算、数据分析、机器学习等领域都广泛应用。tips:(本博文在jupyter中实训)目录一、创建数组对象1.array()函数来创建数组的对象2
- Transformer架构简略:DeepSeek 的底层基石
windwant
人工智能人工智能transformer架构
2017年,一篇名为《AttentionisAllYouNeed》的论文横空出世,提出了Transformer架构,彻底改变了自然语言处理(NLP)领域的格局。它不仅在各种NLP任务上取得了突破性进展,更成为了当今人工智能领域最具影响力的架构之一。一、从RNN到Transformer:突破瓶颈,开创先河在Transformer出现之前,循环神经网络(RNN)及其变体(如LSTM、GRU)是处理序列
- Python 基本语法全解析:从安装到应用
木觞清
7天熟练Pythonpython开发语言
Python是一种广泛使用的高级编程语言,因其简洁易懂的语法和强大的功能而受到开发者的喜爱。从数据分析到人工智能,Python都在各个领域占据着重要地位。如果你是编程新手,Python是一个非常适合入门的语言。本篇博客将带你从安装Python到理解其基础语法,再到实际应用中常见的内置函数、文件操作及第三方库的使用。1.Python安装与环境配置在开始编写Python程序之前,你首先需要在你的电脑上
- 大智能:大数据+大模型+大算力_大算力大数据大模型
AI学习不迷路
大数据大模型人工智能语言模型ai产品经理算力
在近日举行的“2022中国人工智能产业年会”主论坛上,中国人工智能学会监事长、中国工程院院士蒋昌俊在报告中表示,人工智能的发展已经历了数十年的过程,大模型ChatGPT在今年春节前后突然出现,大家还没有来得及深度思考就已经“扑面而来”。蒋昌俊大智能的研究进展科学技术的研究约分为两大范式,一是牛顿力学奠定了理论计算的范式,二是开普勒开启数据的范式。之后经历了实验归纳、理论的逻辑推演,以及计算模拟、最
- 神经网络:人工智能的核心技术
m0_75126181
人工智能神经网络深度学习
神经网络简介神经网络是一种模仿生物神经系统的计算模型,由大量相互连接的神经元组成。它通过学习大量的数据来完成复杂的模式识别和决策任务,是当前人工智能和机器学习领域最重要的技术之一。神经网络的基本结构包括输入层、隐藏层和输出层。输入层接收外部数据,隐藏层对数据进行处理和特征提取,输出层产生最终结果。神经元之间通过带权重的连接相互作用,通过调整这些权重来实现学习过程。神经网络的工作原理神经网络的工作原
- DeepSeek与ChatGPT:AI语言模型的全面对决与开发者洞察
硅基打工人
AI人工智能chatgpt语言模型媒体经验分享自然语言处理
大家好,我是硅基打工人呀!在2025年的人工智能领域,DeepSeek与ChatGPT两大语言模型的竞争成为全球开发者关注的焦点。本文将从技术架构、性能表现、应用场景及生态策略等维度,结合最新行业动态与用户实测数据,为开发者呈现这场技术对决的核心要点。一、技术架构对比:效率与规模的博弈DeepSeek的差异化设计混合专家(MoE)架构:通过动态激活部分参数(如R1模型每次仅调用370亿参数),显著
- 强化学习是否能够在完全不确定的环境中找到一个合理的策略,还是说它只能在已知规则下生效?
concisedistinct
人工智能人工智能强化学习
强化学习(ReinforcementLearning,RL)是机器学习的一个重要分支,广泛应用于机器人控制、自动驾驶、游戏策略和金融决策等领域。其核心理念是通过与环境的互动,不断学习如何选择最优行动以最大化累积奖励。尽管强化学习在许多已知和相对确定的环境中表现出色,但在面对完全不确定或动态变化的环境时,其表现和可靠性是否依然能保持一致是一个值得深入探讨的问题。我们生活的世界充满了不确定性,尤其是在
- 嵌入式仿真实验教学平台比Proteus更具有教学优势
嵌入式仿真实验教学平台
学习proteus嵌入式实时数据库stm32嵌入式硬件
近年来,随着物联网、人工智能等技术的快速发展,嵌入式系统教学的实践性和创新性需求日益增强。传统仿真工具如Proteus虽曾占据重要地位,但其局限性逐渐暴露。相比之下,嵌入式仿真实验教学平台凭借其高仿真度、资源整合能力及虚实结合的教学模式,正在成为高校和教育机构的新选择。本文将从技术演进、教学痛点、平台优势及实际应用等角度,解析嵌入式仿真实验教学平台为何能全面超越Proteus,成为教学创新的核心工
- 2024 年 AI 垂直应用迅速落地,人人都可以获得AI红利
yimifx
AIAIGC人工智能人工智能aiAI写作AIGCagiAI编程AI作画
演示站点:https://ai.uaai.cn技能模块官方论坛:www.jingyuai.com京娱AI随着人工智能技术的持续发展与突破,2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计,从软件开发到材料科学,AI正逐渐渗透到研发的各个环节,变革着传统的研发模式。在这一背景下,AI辅助研发不仅提升了研发效率,降低了成本,更在某种程度上解决了复杂问题,推动了科技进步。202
- ai垂直领域和水平领域如何理解?
王摇摆
ChatGPT人工智能
在AI领域中,"垂直领域"和"水平领域"是两个相关但不同的概念。垂直领域(VerticalDomain):指的是在特定行业或领域中应用人工智能技术和解决方案的情况。在垂直领域中,AI技术被专门应用于解决该领域内的具体问题。例如,医疗保健、金融、零售、交通运输等都是垂直领域。在这些领域中,AI技术被用于医学诊断、风险评估、销售预测、智能交通管理等特定领域的应用。水平领域(HorizontalDoma
- (一)spark是什么?
一智哇
大数据框架学习sparkbigdata大数据
1.spark是什么?spark是一个用来实现快速,通用的集群计算平台spark适用于各种各样原先需要多种不同的分布式平台的场景,包括批处理,迭代算法,交互式查询,流处理。通过在一个统一的框架下支持这些不同的计算,spark使我们可以简单而低耗地把各种处理流程整合在一起。2.spark的用途(1):数据科学任务具备SQL、统计、预测建模(机器学习)等方面的经验,以及一定的python,matlab
- 智能模型轻量化:知识蒸馏技术如何重塑AI部署格局
人工智能
智能模型轻量化:知识蒸馏技术如何重塑AI部署格局前言在人工智能技术高速迭代的今天,模型优化领域正经历着静默的革命。当我们惊叹于DeepSeek在自然语言处理上的惊艳表现时,一个关键问题逐渐浮出水面:如何让这些"庞然大物"真正走入现实场景?知识蒸馏技术作为模型压缩领域的突破性方案,正在为AI技术的普惠化开辟新路径。一、技术本质的解构与重构知识蒸馏颠覆了传统模型训练的范式,构建了"师生传承"的新型学习
- AI大模型之争:通用性与垂直性,哪个更具优势?
想你依然心痛
个人总结与成长规划人工智能
文章目录每日一句正能量前言背景介绍能力分析通用大模型的能力:垂直大模型的能力:差异与互补性分析:难点探究1.算力挑战2.数据挑战3.算法挑战4.泛化能力5.可解释性和透明度6.伦理和偏见问题7.成本效益后记每日一句正能量昨天已逝,明日是谜,面对今朝,尽力而为!前言在人工智能的快速发展浪潮中,AI大模型作为这一领域的明珠,正以其强大的数据处理能力和智能决策能力,引领着技术革新的潮流。随着技术的不断成
- 推荐收藏!数据分析必会的 10 个 python 库!
Python数据挖掘
深度学习机器学习数据分析及可视化数据分析python数据挖掘算法
大家好,今天给大家分享除了基本的NumPy、Pandas和Matplotlib之外的10个流行的数据分析Python库。文末提供资料和技术交流Scikit-learnScikit-learn是一个功能强大的机器学习库,为监督和无监督学习、模型选择和预处理提供了广泛的算法。Scikit-learn简化了构建机器学习模型的过程,使其成为数据科学家和分析师的热门选择。可以通过pip命令来进行安装。pip
- 超市数字化落地:RWA + 智能体赋能实体零售数字化
leijiwen
零售
引言随着数字化技术的飞速发展,传统零售行业正在面临前所未有的挑战与机遇。在这个转型过程中,**现实世界资产(RWA)与智能体(AIAgents)**的结合为实体零售业带来了强大的赋能,特别是在超市领域。通过将现实资产数字化、引入人工智能技术以及去中心化治理,RWA和智能体为实体零售提供了全新的数字化解决方案,推动零售业向智能化、透明化和个性化方向发展。本文将详细探讨基于RWA与智能体结合的超市数字
- 探秘Mixup:数据增强的新利器
荣正青
探秘Mixup:数据增强的新利器mixupImplementationofthemixuptrainingmethod项目地址:https://gitcode.com/gh_mirrors/mi/mixup项目简介是一个由HongyiZhang开发的Python库,它实现了机器学习中的数据增强策略——Mixup方法。这个项目的目标是通过混合不同样本的数据点生成新的训练样本,从而帮助模型更好地学习数
- 通用大模型VS垂直大模型,你更青睐哪一方?
109702008
人工智能杂谈人工智能
AI大模型之辩:通用与垂直,谁将引领未来?在人工智能(AI)领域,大模型技术的崛起无疑为整个行业带来了革命性的变革。然而,随着技术的深入发展,AI大模型的战场似乎正在悄然分化,形成了通用大模型与垂直大模型两大阵营。两者各有千秋,各有其适用的场景和优势,那么在这场没有硝烟的战争中,究竟谁将引领未来呢?通用大模型,以其广泛的适用性和强大的学习能力,成为AI领域的明星产品。它能够在多个领域和场景下展现出
- AI创业机遇:垂直领域无限可能
AGI大模型与大数据研究院
DeepSeekR1&大数据AI人工智能javapythonjavascriptkotlingolang架构人工智能
AI创业垂直领域机器学习深度学习自然语言处理计算机视觉无人驾驶1.背景介绍人工智能(AI)正在各行各业掀起一场革命,为创业者带来了前所未有的机遇。垂直领域,即特定行业或细分市场,正在成为AI创业的热门选择。本文将深入探讨AI在垂直领域的应用,并提供实用的指南,帮助读者把握AI创业机遇。2.核心概念与联系2.1AI与垂直领域AI在垂直领域的应用,需要理解AI与垂直领域的关系。AI可以为垂直领域提供智
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
 
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
 
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不