Lee 加油
Lee 加油

如何生成EI检索报告

1. 首先去Engineering Village官网

https://www.engineeringvillage.com/

如果难以打开建议从学校v.p.n(easyconnect)进去

Engineering Village - Quick Search (hhu.edu.cn)

如何生成EI检索报告_第1张图片

搜索到你想生成检索报告的文章。（图片中为举例用)

2. 在结果中点进你想生成的文章。

如何生成EI检索报告_第2张图片

3. 点击红框处

如何生成EI检索报告_第3张图片

 4. 修改output类型为detailed record， 然后点击download record。

如何生成EI检索报告_第4张图片

5. 完成下载，检索报告样式为：

如何生成EI检索报告_第5张图片

你可能感兴趣的:(信息检索)

  • Python爬虫实战：研究jieba相关技术 ylfhpy 爬虫项目实战python爬虫开发语言htmljieba分词
    1.引言1.1研究背景与意义随着互联网技术的飞速发展，网络新闻已成为人们获取信息的主要渠道之一。每天产生的新闻文本数据量呈爆炸式增长，如何从海量文本中高效提取有价值的信息，成为信息科学领域的重要研究课题。文本分析技术通过对文本内容的结构化处理和语义挖掘，能够揭示隐藏在文本中的主题、情感和趋势，为舆情监测、信息检索、内容推荐等应用提供技术支持。1.2研究目标与方法本研究旨在构建一个完整的新闻文本分析
  • 多模态查询技术：让搜索更智能、更精准 搜索引擎技术 ai
    多模态查询技术：让搜索更智能、更精准关键词：多模态查询、跨模态搜索、语义理解、向量检索、深度学习、信息检索、人工智能摘要：本文深入探讨多模态查询技术如何通过整合文本、图像、音频等多种数据形式，实现更智能、更精准的搜索体验。我们将从基础概念出发，逐步解析技术原理，并通过实际案例展示其应用价值，最后展望未来发展趋势。背景介绍目的和范围本文旨在全面介绍多模态查询技术，包括其核心概念、工作原理、实现方法和
  • 搜索领域个性化排序：如何利用生成式AI提升效果？ 搜索引擎技术 人工智能ai
    搜索个性化排序的生成式AI增强：从理论框架到实践落地的系统解析关键词生成式AI、个性化排序、搜索系统、用户意图建模、多模态信息融合、排序优化、智能检索摘要本报告系统解析如何通过生成式AI技术提升搜索领域的个性化排序效果。从理论框架出发，结合信息检索第一性原理与生成式模型的核心优势，构建"用户-查询-文档"三元组的深度关联模型；通过层次化架构设计，覆盖用户建模、查询理解、文档表示到排序决策的全流程；
  • Spring Boot + LangChain 构建 RAG 应用 程序员丸子 langchainAI大模型语言模型自然语言处理人工智能大语言模型RAG
    使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。这种方法在自然语言处理任务中特别有效，例如对话系统和问答系统。RAG的关键组件检索：•RAG首先从大型数据集或知识库中检索与用户查询相关的文档或数据。•通常使用信息检索技术，如向量搜索或关键词匹配。生成：•在检索到
  • 【Elasticsearch】TF-IDF 和 BM25相似性算法 risc123456 Elasticsearchelasticsearch
    在Elasticsearch中，TF-IDF和BM25是两种常用的文本相似性评分算法，但它们的实现和应用场景有所不同。以下是对这两种算法的对比以及在Elasticsearch中的使用情况：TF-IDF-定义与原理：TF-IDF是一种经典的信息检索算法，用于评估一个词语对于一个文件集或语料库中某份文件的重要程度。它由两部分组成：-TF（TermFrequency）：词频，即词语在文档中出现的次数。-
  • LangChain、RAG、Agent是什么 ZhangJiQun&MXP 2021AIpython2024大模型以及算力教学langchain语言模型人工智能算法自然语言处理
    LangChain、RAG、Agent是什么在本地部署基于DeepSeek-R1模型的商用级知识库系统，旨在帮助开发者搭建智能知识库，提升企业智能化水平。背景与技术概述：随着大语言模型和RAG技术发展，AI知识库广泛应用于各行业，但传统信息管理系统存在问题，大模型也有“幻觉”现象。RAG技术将信息检索与生成模型结合，能缓解“幻觉”，而Agent智能体和LangChain框架可满足复杂业务需求。本地
  • Coggle数据科学 | Kaggle赛题解析：识别数据引用与分类 双木的木 深度学习拓展阅读分类数据挖掘人工智能计算机视觉promptpython算法
    本文来源公众号“Coggle数据科学”，仅用于学术分享，侵权删，干货满满。原文链接：Kaggle赛题解析：识别数据引用与分类赛题名称：MakeDataCount-FindingDataReferences赛题类型：自然语言处理、信息检索赛题任务：从科学论文的全文中提取所有被引用的研究数据，并根据上下文将其分类为初级引用（Primary）或次级引用（Secondary）。https://www.ka
  • 大模型RAG高阶面试指南：第一章：RAG绪论 强化学习曾小健3 大模型RAG高阶面试指南人工智能深度学习
    第一章：RAG绪论1.1RAG的定义、背景与核心思想检索增强生成（RetrievalAugmentedGeneration，简称RAG）是一种结合了信息检索和文本生成的人工智能技术。它通过在生成过程中动态检索相关信息来增强大型语言模型的能力，从而提供更准确、更及时、更可靠的回答。RAG的核心思想是将"参数化知识"（存储在模型参数中的知识）与"非参数化知识"（存储在外部知识库中的知识）相结合，通过检
  • 实现RAG融合以提升信息检索精准度 zbb258 javascriptpythonlangchain
    在信息检索领域，如何从浩如烟海的信息中精准地获得答案是一个巨大的挑战。RAG（Retrieval-AugmentedGeneration）融合就是一种创新的解决方案。本文将介绍RAG融合的技术背景、核心原理，并提供多个代码片段，展示如何使用这一技术进行信息检索。技术背景介绍RAG融合结合了信息检索和生成式模型的优势。它可以通过生成多个查询，从而提高搜索结果的综合质量，并利用互惠排名融合方法对搜索结
  • 自然语言处理分类 要奋斗呀 自然语言处理
    NLP学习Nlp基本分类NLP领域的任务分为两个类别:第一类是人工智能NLP。包括词性标注，分词，语法解析，语言模型，信息检索，信息抽取，语义表示，文本分类。这些任务发展较为成熟，各种相关工作的主要目的是提高当前模型的性能。第二类是人工智障NLP。包括机器翻译，对话系统，问答系统。目前模型的性能尚不尽如人意，有些任务上甚至没有足够多的，真正有影响力的工作。一、文本分类--情感分类1.定义情感分类是
  • Qwen3-Embedding-Reranker本地部署教程：8B 参数登顶 MTEB 多语言榜首，100 + 语言跨模态检索无压力！ 算家计算 模型构建embeddingQwen3Qwen3-Reranker模型部署教程智能检索算家云镜像社区
    一、简介Qwen3-Embedding与Qwen3-Reranker是阿里巴巴通义实验室于今年6月开源的双模型系列，专为文本表征、检索与排序任务设计。基于Qwen3基础模型构建，二者通过协同工作显著提升语义理解与信息检索效率，在多语言场景和工业部署中表现卓越。基于Qwen3系列的密集基础模型，提供了各种大小（0.6B、4B和8B）的全面文本嵌入和重新排序模型。该系列继承了其基础模型出色的多语言能力
  • 如何使用EnsembleRetriever结合多个检索器的结果 weixin_43212959 windows人工智能microsoft
    在信息检索领域，融合不同检索器的结果可以提升搜索结果的质量。EnsembleRetriever是一个支持将多个检索器的结果组合起来的工具。它通过复合互排名融合算法（ReciprocalRankFusion）重新排序各个检索器的结果，以实现更好的性能。技术背景介绍在搜索和信息检索中，"混合搜索"模式成为一种常见的做法。混合搜索通常结合稀疏检索器（如BM25）和密集检索器（如基于嵌入的相似性）。稀疏检
  • 《阿里新神器MaskSearch问世：为何我们需要打破传统搜索代理训练的枷锁？》 来自于狂人 语言模型人工智能python
    引言：当搜索遇到AI，一场看不见的革命正在发生"百度一下，你就知道"的时代已经成为过去。在今天这个信息爆炸的数字世界，我们需要的不是更多的信息，而是更精准、更智能、更懂人心的信息检索方式。阿里巴巴最近开源的MaskSearch技术，正在悄然改变着搜索代理(SearchAgent)训练的游戏规则。想象这样的场景：你正在寻找一款适合新手入门的单反相机，输入"最好的入门单反"后，传统的搜索引擎可能会给你
  • 使用 LangChain 实现多用户文档检索 yunwu12777 langchain服务器数据库
    在构建信息检索应用时，通常需要支持多个用户，并确保每个用户只能访问自己的数据。这篇文章将展示如何配置检索链的运行时属性，以限制可用文档，并提供一个使用Pinecone向量存储实现的示例。技术背景介绍在多用户环境中，每个用户的数据必须是隔离的。这意味着您的检索系统需要能够区分和隔离不同用户的数据。实现这一点的关键在于使用向量存储时能够区分不同用户的数据域。核心原理解析许多向量存储系统（如Pineco
  • 使用Weaviate和LangChain实现RAG (检索增强生成)
    在现代的AI应用中，RAG（检索增强生成）技术通过将生成模型与外部知识库结合，提供了一个强大的信息检索和处理方法。本次分享将会介绍如何使用Weaviate作为知识库，并结合LangChain实现一个RAG应用。技术背景介绍RAG技术通过结合生成式AI和检索系统，能够在大规模语料库中找到相关信息来增强生成模型的回答精确度。Weaviate是一个灵活且可扩展的向量数据库，非常适合用于RAG系统中的知识
  • LLM OS 中的自然语言搜索引擎 计算AI大模型企业级应用开发实战ChatGPT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
    LLMOS中的自然语言搜索引擎关键词：大语言模型、操作系统、自然语言搜索、语义理解、信息检索、人工智能、用户交互文章目录LLMOS中的自然语言搜索引擎1.背景介绍2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.2算法步骤详解3.3算法优缺点3.4算法应用领域4.数学模型和公式&详细讲解&举例说明4.1数学模型构建4.2公式推导过程4.3案例分析与讲解5.项目实践：代码实例和详
  • RAG：2025年检索增强生成前沿技术完全指南 大模型之路 RAGrag检索增强生产llm
    一、RAG技术的核心突破与行业影响在生成式人工智能爆发的今天，检索增强生成（Retrieval-AugmentedGeneration,RAG）正以其独特的技术架构，成为连接静态知识库与动态生成能力的桥梁。这项诞生于2020年的创新技术，通过将信息检索（Retrieval）与文本生成（Generation）解耦又融合的设计，突破了传统语言模型“幻觉”问题的桎梏，为构建可信、可控、可扩展的AI系统奠
  • Python爬虫实战：研究Bleach库相关技术 ylfhpy 爬虫项目实战python爬虫php开发语言htmljavascript
    一、引言1.1研究背景与意义随着互联网的快速发展，网络上的数据量呈爆炸式增长。网络爬虫作为一种自动获取网页内容的技术，能够高效地从互联网上收集所需信息，为数据分析、信息检索、舆情监测等应用提供基础。然而，爬取到的网页内容往往包含大量的HTML标签、JavaScript代码和其他潜在的安全风险，直接使用这些内容可能会导致XSS攻击、代码注入等安全问题。Bleach是Python中一个专门用于安全地处
  • 基于bert预训练模型transformer架构的中文文本多标签分类的双向语义理解。
    基于bert预训练模型transformer架构的中文文本多标签分类的双向语义理解。文章目录1.安装必要的库2.数据准备3.模型定义4.训练模型5.评估模型6.部署与应用概述：BERT多标签中文文本分类系统是一款先进的自然语言处理工具，专为中文文本分析和多标签分类设计。该系统利用BERT模型的强大能力，能够精确地对中文文本进行多维度的标签分类，广泛应用于内容管理、信息检索、情感分析等领域。主要特性
  • GET和POST请求的区别 Qiuluo_ovo java
    我们在请求服务器资源的时候，会用不同的请求方式表示不同的场景。其中GET和POST是HTTP协议中最常用的两种请求方法，它们在设计理念和应用场景上有明显区别。GET请求：定义：HTTP协议中用于获取资源的请求方法，遵循"幂等性"原则（多次请求结果一致），参数通过URL明文传递。常见用例：信息检索与数据查询（关键词搜索，商品筛选）静态资源加载与缓存（加载网页图片）公开数据接口调用等（地理位置解析）P
  • 深入解析 Qwen3-Embedding 和 Qwen3-Reranker：原理、应用与代码示例 从零开始学习人工智能 embedding
    深入解析Qwen3-Embedding和Qwen3-Reranker：原理、应用与代码示例在当今数字化信息爆炸的时代，高效的信息检索与处理技术成为了众多领域的关键需求。文本嵌入（Embedding）和重排序（Reranking）技术在语义搜索、推荐系统、检索增强生成（RAG）等应用中发挥着基础性作用。然而，现有的方法在实现多语言的高保真度和任务适应性方面面临诸多挑战，特别是在需要对多种语言进行细致
  • BM25检索与向量检索
    BM25检索与向量检索是信息检索领域的两种核心技术，二者在技术原理、适用场景、优缺点等方面存在显著差异。以下从多个维度对两者进行对比分析：1.技术原理BM25检索BM25是一种基于词频（TF）和逆文档频率（IDF）的统计模型，属于稀疏检索方法。其核心思想是通过计算查询词在文档中的出现频率（TF）和查询词在整个文档集合中的稀有程度（IDF），结合文档长度归一化因子，对文档进行相关性评分。BM25公式
  • 如何评估学术搜索结果的相关性 搜索引擎技术 服务器运维ai
    如何评估学术搜索结果的相关性关键词：学术搜索、相关性评估、信息检索、排序算法、文献计量、用户反馈、机器学习摘要：本文深入探讨了评估学术搜索结果相关性的多种方法和技术。我们将从基础概念出发，逐步分析传统和现代的评估方法，包括基于内容、引用网络和用户行为的评估技术。文章还将介绍实际应用中的评估指标和工具，以及未来发展趋势，帮助读者全面理解这一学术信息检索领域的核心问题。背景介绍目的和范围在信息爆炸的时
  • 利用 DeepSeek 构建本地RAG系统
    利用DeepSeek构建本地RAG系统一、目标构建一个基于PDF文档的问答系统。用户可以上传一个PDF文件，然后输入问题，系统会从PDF文档中检索相关信息，并结合大语言模型生成答案。可以帮助用户快速从PDF文档中获取所需信息，提高信息检索和获取的效率。二、科普知识1.大语言模型（LLM）大语言模型是基于大量文本数据进行训练的人工智能模型，能够理解和生成自然语言。例如，Ollama中的DeepSee
  • 深度学习中的负采样 洪小帅 深度学习人工智能
    深度学习中的负采样负采样（NegativeSampling）是一种在训练大型分类或概率模型（尤其是在输出类别很多时）中，用来加速训练、降低计算量的方法。它常用于：词向量训练（如Word2Vec）推荐系统（从大量候选项中学正例与负例）语言模型、对比学习、信息检索等场景本质概念在许多任务中，我们的模型要从上万个候选中预测正确类别。例如：给定单词“cat”，预测它上下文中出现的词（如Word2Vec的S
  • 基于本体的自动问答系统 奇文王语 自然语言处理语言自动信息检索
    自然语言处理的一个分支–自动问答系统本体（Ontology）的应用：（1）信息检索（2）自动问答分词停用此词处理相似度计算词语相似度计算句子相似度计算改进（1）分词算法（2）词语相似度计算的算法（3）句子相似度计算的算法提高：查全率查准率存在问题：无法充分反映用户查询目的无法反映用户想要的内容无法对用户检索需求进行语义方面的理解：关键词匹配语义方面（欠缺）自动问答系统的工作原理：使用自然语言理解的
  • 微调embedding模型_jhgan-ko-sroberta-multitask 激进小猪1002 embeddingbert自然语言处理
    模型地址：https://huggingface.co/jhgan/ko-sroberta-multitask目录数据准备阶段特殊韩语处理技巧模型加载与配置损失函数选择指南进阶训练配置评估与优化策略数据准备阶段推荐数据格式：#句子对格式（语义相似度任务）samples=[("문장1","문장2",0.8),#相似度得分("한국어문장","다른한국어문장",0.3)]#三元组格式（信息检索任务）tr
  • 搜索领域索引构建：技术创新与业务拓展新方向 搜索引擎技术 java服务器linuxai
    搜索领域索引构建：技术创新与业务拓展新方向关键词：搜索领域、索引构建、技术创新、业务拓展、信息检索摘要：本文聚焦于搜索领域的索引构建，深入探讨了其在技术创新和业务拓展方面的新方向。首先介绍了索引构建的背景知识，包括目的、预期读者和文档结构等。接着阐述了核心概念、算法原理、数学模型等内容，并通过Python代码进行详细说明。然后通过项目实战展示了索引构建的实际应用，分析了其在不同场景下的作用。最后推
  • 使用Redis和OpenAI进行RAG的完美指南：解析耐克10-K文件 dsndnwfk redis数据库缓存python
    引言在金融分析领域，解析公司10-K文件是一项常见且重要的任务。这些文件包含了公司的财务数据和运营信息，通常以PDF形式发布。而要高效地从这些文件中提取有用的信息，一个强大的信息检索系统必不可少。在这篇文章中，我们将介绍如何利用Redis作为向量数据库，结合OpenAI的语言模型（LLM），实现对耐克10-K文件的检索生成（RAG）系统。主要内容环境设置为了让我们的系统顺利运行，首先需要配置好环境
  • Sentence Transformers 教程！ 小森( ﹡ˆoˆ﹡ ) 人工智能transformernlplangchaingpt-3python
    SentenceTransformers专注于句子和文本嵌入，支持超过100种语言。利用深度学习技术，特别是Transformer架构的优势，将文本转换为高维向量空间中的点，使得相似的文本在几何意义上更接近。语义搜索：构建高效的语义搜索系统，找到最相关的查询结果。信息检索与重排：在大规模文档集合中查找相关文档并重新排序。聚类分析：将文本自动分组，发现隐藏的主题或模式。摘要挖掘：识别和提取文本的主要
  • Spring4.1新特性——综述 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
  • Schema与数据类型优化 annan211 数据结构mysql
    目前商城的数据库设计真是一塌糊涂，表堆叠让人不忍直视，无脑的架构师，说了也不听。 在数据库设计之初，就应该仔细揣摩可能会有哪些查询，有没有更复杂的查询，而不是仅仅突出 很表面的业务需求，这样做会让你的数据库性能成倍提高，当然，丑陋的架构师是不会这样去考虑问题的。 选择优化的数据类型 1 更小的通常更好 更小的数据类型通常更快，因为他们占用更少的磁盘、内存和cpu缓存，
  • 第一节 HTML概要学习 chenke htmlWebcss
    第一节 HTML概要学习 1. 什么是HTML HTML是英文Hyper Text Mark-up Language(超文本标记语言)的缩写，它规定了自己的语法规则，用来表示比“文本”更丰富的意义，比如图片，表格，链接等。浏览器（IE,FireFox等）软件知道HTML语言的语法，可以用来查看HTML文档。目前互联网上的绝大部分网页都是使用HTML编写的。 打开记事本 输入一下内
  • MyEclipse里部分习惯的更改 Array_06 eclipse
    继续补充中---------------------- 1.更改自己合适快捷键windows-->prefences-->java-->editor-->Content Assist-->      Activation triggers for java的右侧“.”就可以改变常用的快捷键 选中 Text
  • 近一个月的面试总结 cugfy 面试
    本文是在学习中的总结，欢迎转载但请注明出处：http://blog.csdn.net/pistolove/article/details/46753275 前言       打算换个工作，近一个月面试了不少的公司，下面将一些面试经验和思考分享给大家。另外校招也快要开始了，为在校的学生提供一些经验供参考，希望都能找到满意的工作。 
  • HTML5一个小迷宫游戏 357029540 html5
         通过《HTML5游戏开发》摘抄了一个小迷宫游戏，感觉还不错，可以画画，写字，把摘抄的代码放上来分享下，喜欢的同学可以拿来玩玩！ <html> <head> <title>创建运行迷宫</title> <script type="text/javascript"
  • 10步教你上传githib数据 张亚雄 git
    官方的教学还有其他博客里教的都是给懂的人说得，对已我们这样对我大菜鸟只能这么来锻炼，下面先不玩什么深奥的，先暂时用着10步干净利索。等玩顺溜了再用其他的方法。 操作过程（查看本目录下有哪些文件NO.1）ls （跳转到子目录NO.2）cd+空格+目录 （继续NO.3）ls （匹配到子目录NO.4）cd+ 目录首写字母+tab键+（首写字母“直到你所用文件根就不再按TAB键了”） （查看文件
  • MongoDB常用操作命令大全 adminjun mongodb操作命令
    成功启动MongoDB后，再打开一个命令行窗口输入mongo，就可以进行数据库的一些操作。输入help可以看到基本操作命令，只是MongoDB没有创建数据库的命令，但有类似的命令 如：如果你想创建一个“myTest”的数据库，先运行use myTest命令，之后就做一些操作（如：db.createCollection('user')）,这样就可以创建一个名叫“myTest”的数据库。 一
  • bat调用jar包并传入多个参数 aijuans
    下面的主程序是通过eclipse写的： 1.在Main函数接收bat文件传递的参数（String[] args）  如：   String ip =args[0];          String user=args[1];       &nbs
  • Java中对类的主动引用和被动引用 ayaoxinchao java主动引用对类的引用被动引用类初始化
      在Java代码中，有些类看上去初始化了，但其实没有。例如定义一定长度某一类型的数组，看上去数组中所有的元素已经被初始化，实际上一个都没有。对于类的初始化，虚拟机规范严格规定了只有对该类进行主动引用时，才会触发。而除此之外的所有引用方式称之为对类的被动引用，不会触发类的初始化。虚拟机规范严格地规定了有且仅有四种情况是对类的主动引用，即必须立即对类进行初始化。四种情况如下：1.遇到ne
  • 导出数据库 提示 outfile disabled BigBird2012 mysql
    在windows控制台下，登陆mysql，备份数据库：   mysql>mysqldump -u root -p test test > D:\test.sql 使用命令 mysqldump 格式如下： mysqldump -u root -p *** DBNAME > E:\\test.sql。 注意：执行该命令的时候不要进入mysql的控制台再使用，这样会报
  • Javascript 中的 && 和 || bijian1013 JavaScript&&||
            准备两个对象用于下面的讨论 var alice = { name: "alice", toString: function () { return this.name; } } var smith = { name: "smith",
  • [Zookeeper学习笔记之四]Zookeeper Client Library会话重建 bit1129 zookeeper
    为了说明问题，先来看个简单的示例代码：   package com.tom.zookeeper.book; import com.tom.Host; import org.apache.zookeeper.WatchedEvent; import org.apache.zookeeper.ZooKeeper; import org.apache.zookeeper.Wat
  • 【Scala十一】Scala核心五：case模式匹配 bit1129 scala
    package spark.examples.scala.grammars.caseclasses object CaseClass_Test00 { def simpleMatch(arg: Any) = arg match { case v: Int => "This is an Int" case v: (Int, String)
  • 运维的一些面试题 yuxianhua linux
    1、Linux挂载Winodws共享文件夹   mount -t cifs //1.1.1.254/ok /var/tmp/share/ -o username=administrator,password=yourpass 或 mount -t cifs -o username=xxx,password=xxxx //1.1.1.1/a /win    
  • Java lang包-Boolean BrokenDreams boolean
             Boolean类是Java中基本类型boolean的包装类。这个类比较简单，直接看源代码吧。 public final class Boolean implements java.io.Serializable,
  • 读《研磨设计模式》-代码笔记-命令模式-Command bylijinnan java设计模式
    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/ import java.util.ArrayList; import java.util.Collection; import java.util.List; /** * GOF 在《设计模式》一书中阐述命令模式的意图：“将一个请求封装
  • matlab下GPU编程笔记 cherishLC matlab
    不多说，直接上代码 gpuDevice % 查看系统中的gpu,,其中的DeviceSupported会给出matlab支持的GPU个数。 g=gpuDevice(1); %会清空 GPU 1中的所有数据,,将GPU1 设为当前GPU reset(g) %也可以清空GPU中数据。 a=1; a=gpuArray(a); %将a从CPU移到GPU中 onGP
  • SVN安装过程 crabdave SVN
    SVN安装过程   subversion-1.6.12   ./configure --prefix=/usr/local/subversion --with-apxs=/usr/local/apache2/bin/apxs --with-apr=/usr/local/apr --with-apr-util=/usr/local/apr --with-openssl=/
  • sql　行列转换 daizj sql行列转换行转列列转行
    行转列的思想是通过case when 来实现 列转行的思想是通过union all 来实现 下面具体例子： 假设有张学生成绩表(tb)如下: Name Subject Result 张三 语文　　74 张三 数学　　83 张三 物理　　93 李四 语文　　74 李四 数学　　84 李四 物理　　94 */ /* 想变成 姓名   &
  • MySQL--主从配置 dcj3sjt126com mysql
    linux下的mysql主从配置： 说明：由于MySQL不同版本之间的(二进制日志)binlog格式可能会不一样，因此最好的搭配组合是Master的MySQL版本和Slave的版本相同或者更低， Master的版本肯定不能高于Slave版本。（版本向下兼容） mysql1  : 192.168.100.1    //master mysq
  • 关于yii 数据库添加新字段之后model类的修改 dcj3sjt126com Model
    rules: array('新字段','safe','on'=>'search') 1、array('新字段', 'safe')//这个如果是要用户输入的话，要加一下， 2、array('新字段', 'numerical'),//如果是数字的话 3、array('新字段', 'length', 'max'=>100),//如果是文本 1、2、3适当的最少要加一条，新字段才会被
  • sublime text3 中文乱码解决 dyy_gusi Sublime Text
    sublime text3中文乱码解决 原因：缺少转换为UTF-8的插件 目的：安装ConvertToUTF8插件包 第一步：安装能自动安装插件的插件，百度“Codecs33”，然后按照步骤可以得到以下一段代码： import urllib.request,os,hashlib; h = 'eb2297e1a458f27d836c04bb0cbaf282' + 'd0e7a30980927
  • 概念了解：CGI，FastCGI，PHP-CGI与PHP-FPM geeksun PHP
    CGI CGI全称是“公共网关接口”(Common Gateway Interface)，HTTP服务器与你的或其它机器上的程序进行“交谈”的一种工具，其程序须运行在网络服务器上。 CGI可以用任何一种语言编写，只要这种语言具有标准输入、输出和环境变量。如php,perl,tcl等。 FastCGI FastCGI像是一个常驻(long-live)型的CGI，它可以一直执行着，只要激活后，不
  • Git push 报错 "error: failed to push some refs to " 解决 hongtoushizi git
    Git push 报错 "error: failed to push some refs to " . 此问题出现的原因是：由于远程仓库中代码版本与本地不一致冲突导致的。 由于我在第一次git pull --rebase 代码后，准备push的时候，有别人往线上又提交了代码。所以出现此问题。 解决方案： 1： git pull    2：
  • 第四章 Lua模块开发 jinnianshilongnian nginxlua
    在实际开发中，不可能把所有代码写到一个大而全的lua文件中，需要进行分模块开发；而且模块化是高性能Lua应用的关键。使用require第一次导入模块后，所有Nginx 进程全局共享模块的数据和代码，每个Worker进程需要时会得到此模块的一个副本（Copy-On-Write），即模块可以认为是每Worker进程共享而不是每Nginx Server共享；另外注意之前我们使用init_by_lua中初
  • java.lang.reflect.Proxy liyonghui160com
      1.简介   Proxy 提供用于创建动态代理类和实例的静态方法 （1）动态代理类的属性 代理类是公共的、最终的，而不是抽象的 未指定代理类的非限定名称。但是，以字符串 "$Proxy" 开头的类名空间应该为代理类保留 代理类扩展 java.lang.reflect.Proxy 代理类会按同一顺序准确地实现其创建时指定的接口
  • Java中getResourceAsStream的用法 pda158 java
    1.Java中的getResourceAsStream有以下几种： 1. Class.getResourceAsStream(String path) ： path 不以’/'开头时默认是从此类所在的包下取资源，以’/'开头则是从ClassPath根下获取。其只是通过path构造一个绝对路径，最终还是由ClassLoader获取资源。 　　2. Class.getClassLoader.get
  • spring 包官方下载地址（非maven） sinnk spring
    SPRING官方网站改版后，建议都是通过 Maven和Gradle下载，对不使用Maven和Gradle开发项目的，下载就非常麻烦，下给出Spring Framework jar官方直接下载路径:   http://repo.springsource.org/libs-release-local/org/springframework/spring/   s
  • Oracle学习笔记(7) 开发PLSQL子程序和包 vipbooks oraclesql编程
        哈哈，清明节放假回去了一下，真是太好了，回家的感觉真好啊！现在又开始出差之旅了，又好久没有来了，今天继续Oracle的学习！      这是第七章的学习笔记，学习完第六章的动态SQL之后，开始要学习子程序和包的使用了……，希望大家能多给俺一些支持啊！     编程时使用的工具是PLSQL
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他