weixin_39628180
weixin_39628180

yolov2训练_PyTorch实现Yolov2&Yolov3的总结

终于用PyTorch在pascal voc上面比较完整地复现了Yolov2和Yolov3。

一个月前实现了Yolov2，效果比当时基于PyTorch实现的最佳高2.35%（在416x416的输入尺寸下，当时的最佳实现mAP为73.05%，我实现的为75.4%）。后来就一直在实现Yolov3，折腾了一个月，Yolov3的效果基本对齐了darknet版本的Yolov3效果。

github上面基于PyTorch实现得较好的Yolov3有如下repo：

ayooshkathuria/pytorch-yolo-v3：1124 star，不支持训练；

eriklindernoren/PyTorch-YOLOv3：807 star，"Data augmentation as well as additional training tricks remains to be implemented"；

BobLiu20/YOLOv3：269 star，支持训练，但是没说训练后的效果，稍微看了一下，yololoss实现有问题，训练效果应该不会好；

andy-yun/pytorch-0.4-yolov3：191 star，支持训练，没说训练后的效果。

以上repo要么不能训练，要么没说训练后的效果。

实现Yolov2和Yolov3的过程对于理解目标检测很有帮助，基本上把目标检测pipeline上的每一个细节都过了一遍。为了提高到darknet的效果，需要不断地看darknet的实现，然后一个一个跟PyTorch里面的实现对齐。

在实现的过程还看了几遍GluonCV实现的Yolov3，GluonCV实现的Yolov3相比darknet实现的Yolov3多了一些trick，比如mixup、label smoothing等等，这些trick是“超越经典”的关键。

实现代码如下：

https://github.com/Tencent/ObjectDetection-OneStageDet​github.com
yolov2训练_PyTorch实现Yolov2&Yolov3的总结_第1张图片

你可能感兴趣的:(yolov2训练,yolov2论文,yolov3损失函数,yolov3网络结构)

  • 预测导管原位癌浸润性复发的深度学习：利用组织病理学图像和临床特征 浪漫的诗人 论文深度学习人工智能
    文章目录研究内容目的方法数据集模型开发模型训练与评估外部验证统计分析研究结果模型性能风险分层外部验证特征重要性原文链接原文献：Deeplearningforpredictinginvasiverecurrenceofductalcarcinomainsitu:leveraginghistopathologyimagesandclinicalfeatures研究背景【DCIS与IBC的关联】乳腺导管
  • 文字是灵魂最好的倾诉 仁红家学
    这是雪妮为你分享的第76篇文章郭红艳为你分享的第35篇文章不知从什么时候起，爱上了写作。我的印象里，最早的写作还是学生时代老师布置的作文。再后来就是写写日记，大学写写论文，参加工作后写得多的是工作汇报及年终总结。毕业进入社会，日常已远离书本，写作也渐渐淡出了生活。每天就是柴米油盐酱醋茶，为各种闲杂琐事而烦恼，内心的闲情雅致早已飞到九霄云外去了。不知从什么时候起，写作便成了少数文青的事。我不算文青，
  • 利用时间设置进行有效行动 王明鹏
    时间设置技巧，其实就是思维决策三种方式之一的目标分解，通过对一个大目标分解，变成一个个小目标，彼此有机衔接，模块组合，叠加完成，既独立又融合。任何活动都是过程，表现出来的就是时间的利用，也可以说活动效果取决于时间的利用效果。当我们试图完成有效行动时候，或者指导求助者完成训练活动时候，较好的技巧之一就是进行合理时间设置，便于培养意志品质。一个很有启发的故事，说的是一个上课调皮捣蛋的小学生，被老师多次
  • PyTorch torch.no_grad() 指南（笔记） 拉拉拉拉拉拉拉马 pytorch人工智能python笔记深度学习
    PyTorchtorch.no_grad()权威在PyTorch深度学习框架中，高效的显存管理对于训练复杂模型和执行大规模推理任务至关重要。显存不足（OutOfMemory,OOM）错误是开发者经常面临的挑战之一。torch.no_grad()作为PyTorch提供的一个核心工具，能够在推理（inference）和验证（validation）阶段显著优化显存使用并提升计算速度。本报告旨在全面、深入
  • 【深度学习基础】PyTorch中model.eval()与with torch.no_grad()以及detach的区别与联系？
    目录1.核心功能对比2.使用场景对比3.区别与联系4.典型代码示例(1)模型评估阶段(2)GAN训练中的判别器更新(3)提取中间特征5.关键区别总结6.常见问题与解决方案(1)问题：推理阶段显存爆掉(2)问题：Dropout/BatchNorm行为异常(3)问题：中间张量意外参与梯度计算7.最佳实践8.总结以下是PyTorch中model.eval()、withtorch.no_grad()和.d
  • python大数据论文_大数据环境下基于python的网络爬虫技术 weixin_39775976 python大数据论文
    软件开发大数据环境下基于python的网络爬虫技术作者/谢克武，重庆工商大学派斯学院软件工程学院摘要：随着互联网的发展壮大，网络数据呈爆炸式增长，传统捜索引擎已经不能满足人们对所需求数据的获取的需求，作为搜索引擎的抓取数据的重要组成部分，网络爬虫的作用十分重要，本文首先介绍了在大数据环境下网络爬虫的重要性，接着介绍了网络爬虫的概念，工作原理，工作流程，网页爬行策略，python在编写爬虫领域的优势
  • 117、Python机器学习：数据预处理与特征工程技巧 多多的编程笔记 python机器学习开发语言
    Python开发之机器学习准备：数据预处理与特征工程机器学习是当前人工智能领域的热门方向之一。而作为机器学习的核心组成部分，数据预处理与特征工程对于模型的性能有着至关重要的影响。本文将带领大家了解数据预处理与特征工程的基本概念，以及它们在实际应用场景中的重要性。数据预处理数据预处理是机器学习中的第一步，它的主要目的是将原始数据转换成适合进行机器学习模型训练的形式。就像我们在做饭之前需要清洗和准备食
  • 如果生活中心如此摇摆不定，我们的情绪难免起起落落，一会意气风发，一会颓废沮丧，没有稳固的方向，也没有稳定的力量。 丛培国
    姓名：丛培国机构：丛迪服装公司【日精进打卡第193天】【知～学习】《六项精进》0遍共61遍《大学》0遍共60遍今年计划十五本书一、《活法》OK二、《OKR工作法》3遍OK三、《创造高收益》二OK四、《思维导图》记忆力与专注力训练OK五、《经营三十四问》P062六、《经营十二条》OK七、《调动员工积极性的七个关键》P027-P038【经典名言】如果生活中心如此摇摆不定，我们的情绪难免起起落落，一会意
  • # 我与世界#想是问题.做是答案.行动才有结果 Suny的美好生活
    想是问题、做是答案、行动才有结果！这段时间做了公司复盘氛围引导。结果出乎意料今天晚上也是公司伙伴们的茶话会！原本以前想来是一件困难的事情，大家都不住在一处。想着把他们聚在一起是挺麻烦的事情了，于是大家下班都各自回家，很少沟通，氛围感也是不太好，整个公司团队比较松散。一开始我对这种状态已经有些担心，团队之间的协同能力是有很大的不顺畅，通过这段时间人生高效率时尚训练营的学习，对时间管理目标管理效率管理
  • 20220415星期五晴 像风一样飞驰
    早上右边打屁股针＋手部踩车20分钟＋右肩薰蒸30分钟＋腰部及屁股针炙30分钟，下午右手前臂电疗20分钟＋经颅磁刺激议20分钟＋康复训练60分钟。今天三个病人出院44床二个台阶看成一个台阶踩空摔倒右手肩部骨拆有做过手术，一开始手抬不高现在可以抬过头顶了，64床的一个阿姨原本不会走路出院时走路已走的很稳很快，69床的丁莲英腰部摔伤已经好了，就是出院前一直低烧打了两天的青霉素才有所下降，另外验血发现缺钾
  • 2021-10-10 如鱼饮水2020
    中原焦点团队网络中26期坚持分享第516天（20211010）论文答辩稿背了N篇，第三个就是我上台演讲，心跳加速，深呼吸极力默念：稳就是定海神针。前两位男生都是低头读稿，虽然自己也带着手稿，距离太远根本看不到。硬着头皮背吧，脑子断篇也得上，先阳谋一下：第一次上讲台特别紧张。调整一下语速，结合APP，能背多少是多少吧，丑媳妇总归要见公婆的。先感谢导师的悉心指导和在坐的各位，论文的结构框架和大概内容几
  • 卖掉EOS后竟然淡定了许多（日更价值感知训练366天之第37天） 赤脚哥
    昨天EOS一路下跌，跌的我有点坐不住劲了。人的行动都是在恐惧情绪中产生的，正好看到蓝起星球里说9月份比特币大概率要大跌到4200美金左右，我当时神操作就把EOS在4.7美金都换成ustd了。其实我没看到他说的9月份，我以为马上就要变盘似的。因为他是玩大钱的，我心里也有一些相信。没想到今天一路上飙，涨到36块多，我心里虽然没有感觉太踏空，但也隐隐觉得昨天操作有点鲁莽了。人总是在自己坚持不住的时候割肉
  • AI大模型训练的云原生实践：如何用Kubernetes指挥千卡集群？
    当你的团队还在手动拼装显卡集群时，聪明人早已教会Kubernetes自动调度千卡。就像交响乐团需要指挥家，万级GPU需要云原生调度艺术。深夜的机房，硬件工程师老张盯着监控屏上跳动的红色警报——手工组装的千卡集群再次因单点故障崩溃。而隔壁团队通过Kubernetes调度的百卡集群，训练效率竟高出他们47%。这不是魔法，而是云原生调度的降维打击。一、千卡训练：为什么传统方法行不通？想象指挥没有乐谱的千
  • 基于生成对抗网络增强主动学习的超高温陶瓷硬度优化 神经网络15044 深度学习算法仿真模型生成对抗网络学习人工智能
    复现论文：基于生成对抗网络增强主动学习的超高温陶瓷硬度优化我将使用Python复现这篇关于使用生成对抗网络(GAN)增强主动学习来优化超高温陶瓷(UHTC)硬度的研究论文。以下是完整的实现代码和解释。1.环境准备和数据加载首先，我们需要准备必要的Python库并加载数据。importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimpor
  • 写作训练营给我的改变 张娟丽
    短暂而紧张的写作训练营即将结束，训练营对我产生的终身影响有以下三个：写作训练营，开启了我的活动策划、主持会议之旅。工作二十年，我一直是个追随者，没有自己领头负责做过什么事。加入践行群，我因为积极主动成为120班的见习班委，2个月的见习期满成为了班委，需要每周轮流主持班级活动。写作训练营之前，我看着其他战友在飞书会议上或熟练或磕绊地主持了一次次活动，我好羡慕他们，总觉得要是自己主持，肯定脑子一片空白
  • 我的健身日记第79天（10.9练胸） 江南陈墨
    10.9练胸拉伸肩部胸部抗阻力训练1.激活组：双杠臂屈伸12+12+10+6=40个2.1三大项：平板杠铃卧推60公斤㎏12个2.2平板杠铃卧推65公斤㎏5+8+7+7=273.坐姿推胸70公斤㎏5*5=254.1哑铃平板卧推（20公斤㎏）7*2=144.2哑铃平板卧推（15公斤㎏）12*2=245.肱三头肌训练：哑铃（10公斤㎏）仰卧肱三头肌屈伸12*5=60
  • DataLoader
    在PyTorch中，DataLoader是torch.utils.data模块中的一个重要类，用于将数据集包装成可迭代对象，在训练和测试模型时提供了高效、便捷的数据加载和批处理功能。主要作用:批量处理数据：将数据集中的样本整理成一个个批次（batch），方便模型进行一次处理多个样本，加速训练过程。例如，设置batch_size=32，就会每次从数据集中取出32个样本组成一个批次。数据打乱：在训练过
  • GPU网络运维 一行代码通万物 网络运维GPU
    一、GPU网络架构与核心技术GPU集群网络需适配分布式训练中“多节点数据同步”（如all-reduce、broadcast）的高频、大流量需求，主流技术方案及特点如下：网络技术核心优势适用场景运维重点InfiniBand低延迟（~1us）、高带宽（400Gb/s）、原生RDMA支持超大规模集群（≥1000节点）、千亿参数模型训练子网管理、固件兼容性、链路健康RoCE（RDMAoverConverg
  • python automl_自动化的机器学习(AutoML)：将AutoML部署到云中
    编辑推荐:在本文中，将介绍一种AutoML设置，使用Python、Flask在云中训练和部署管道；以及两个可自动完成特征工程和模型构建的AutoML框架。本文来自于搜狐网，由火龙果软件Alice编辑、推荐。AutoML到底是什么？AutoML是一个很宽泛的术语，理论上来说，它囊括从数据探索到模型构建这一完整的数据科学循环周期。但是，我发现这个术语更多时候是指自动的特征预处理和选择、模型算法选择和超
  • Synergizing RAG and Reasoning: A Systematic Review-RAG与推理能力深度结合-新方向 数据分析能量站 机器学习人工智能
    欢迎关v：数据分析能量站0论文小结一、研究背景与核心问题大语言模型（LLM）在处理复杂任务时面临两大瓶颈：知识局限性：纯LLM存在“知识幻觉”（编造事实）和“领域知识缺口”；推理浅度：传统检索增强生成（RAG）仅通过关键词匹配获取信息，无法处理多跳推理、语义歧义等复杂需求。核心主张：RAG与推理的深度整合（RAG+Reasoning）是突破上述瓶颈的关键，通过“检索提供实时知识，推理赋予逻辑能力”
  • 大声朗读的好处 ShningM梦醒花开
    入住第十三天，坚持下去！读书时，大声读出来，不但可以加深印象，还可以培养孩子的胆量哦。让孩子大声读出来是非常有好处的！一、有利于开发右脑在诵读过程中，把文字变成了声音，并且伴之以节奏、韵律、形象、情感，使人进入了一种美的艺术体验，这就很好地开发和训练了右脑，久而久之，有利于孩子形象思维能力的自我培养。二、能改变孩子的性格很多小孩子小时候都性格内向，声音也很小，孩子不愿意说，如果孩子能坚持大声读，就
  • 一个40+女人的认知觉醒：经济独立比“你养我”更加自信霸气 周芷晴聊情感
    身为一个40+的已婚女人，当我拿着自己兼职挣的钱在42岁生日当天完成了人生清单里必须体验一次的海上高空跳伞后，落地第一时间收到了两位教练的生日祝福，朋友圈里也满满都是亲戚朋友的点赞与祝福，只有一个人给了我劈头盖脸一顿骂，因为这样的“高危”活动是他不敢也不能接受的，这个人就是我的老公。一个偶然的机会，我有幸遇到筝小钱老师，走进了她的读书变现训练营。35天的基础班学习，让前半生都在与文字打交道的我找到
  • 《自我放松训练》读书笔记 dear心理咨询师黄倩雯
    重复背诵一些有自己编排的指令，比如我的双臂在发热或者我的身体在变得越来越轻松，直到自己感觉到由该指令说描述的效果正在身体上出现，这类似于臆想和幻觉的演习，属于潜意识领域的内容。首先设想一个舒适的身体姿势，不要自己支撑着身体。松开身上的衣物首饰其实置身于安静舒适的环境中当发出指令时，要积极的为体察自己的感觉做好准备。发指令是这平时的深呼吸动作。做完一段动作是做些恢复身体灵敏动作。最后，积极的建议结束
  • 文献笔记八十一：植物长链非编码RNA数据库PLncDB 2.0 小明的数据分析笔记本
    论文链接https://academic.oup.com/nar/article/49/D1/D1489/5932847本地文件gkaa910.pdf
  • 【人脸识别】FROM：提升遮挡状态下的人脸识别效果 姚路遥遥 人脸识别深度学习计算机视觉人工智能遮挡人脸识别损失
    论文题目：《End2EndOccludedFaceRecognitionbyMaskingCorruptedFeatures》论文地址：https://arxiv.org/pdf/2108.09468v3.pdf代码地址：https://github.com/haibo-qiu/from1.前言人脸识别技术已经取得了显著的进展，主要归功于以下三个因素:lossfunctions:Centerlos
  • 复盘从一点一滴做起 娟子爱写作
    昨天做了第一个比较正式的复盘，按照笔盖导师的话开始了正规复盘。今天落实行动。复盘不是目的，是要理清思路，开始第二天的行动。如果只是写复盘，不去认真地做，只能练练文采而已。改好了形象照片，构思出了创意听里的课程，新梦想写作训练营有四位朋友入群。线下老大哥可能会成为95元第一个付费成员。这些是我不断复盘带来的结果。在泽宇教育里就是要以结果为导向，没有结果，再华丽的词藻都是浪费。
  • 穿越战争故事《2029，世界公敌》第十七章 秘鲁的毒枭（四） 续事创意写作工作室
    【目录】穿越战争故事《2029，世界公敌》空中星光灿烂，山下万家灯火。吃过晚饭，李昇约着肯普一同向健身房走去，这是梅尔森为自己设置健身房，也刚好方便了李昇他们训练。肯普系好鞋带，看了看自己的运动鞋。“他们这鞋还挺合脚。”李昇也穿好了衣服：“走吧。”走出换衣间，偌大的健身房里空无一人，两人走向跑步机热身。“总部联系上了吗？”“没有，但有些发现。”“据我分析咱们的手环皮下植入的应该是一个GPS的信号发
  • 深度学习——CNN（3） 飘涯
    前言：前面介绍了最基本的Lenet，下面介绍几种其他的网络结构CNN-AlexNet网络结构如下图：从图中可以看出，采用双gpu训练增加LRN归一化层：本质上，这个层也是为了防止激活函数的饱和的。采用dropout防止过拟合基于AlexNet进行微调，诞生了ZF-netCNN-GoogleNetGoogLeNet借鉴了NIN的特性，在原先的卷积过程中附加了11的卷积核加上ReLU激活。这不仅仅提升
  • HW prefetcher之CDP(Content-Directed Data Prefetching) Chip Design xPUChipDesignCPUGEM5
    CDP是Content-DirectedDataPrefetching的缩写，它基于RobertCooksey和StephanJourdan提出的"Stateless,Content-DirectedDataPrefetchingMechanism"论文实现。是一种内容导向的数据预取机制，CDP通过分析内存中的数据内容来识别可能的指针，当识别到指针时，它会预取指针指向的内存地址。CDP使用VPN表
  • 微算法科技技术突破：用于前馈神经网络的量子算法技术助力神经网络变革 MicroTech2025 量子计算算法神经网络
    随着量子计算和机器学习的迅猛发展，企业界正逐步迈向融合这两大领域的新时代。在这一背景下，微算法科技（NASDAQ:MLGO）成功研发出一套用于前馈神经网络的量子算法，突破了传统神经网络在训练和评估中的性能瓶颈。这一创新性的量子算法以经典的前馈和反向传播算法为基础，借助量子计算的强大算力，极大提升了网络训练和评估效率，并带来了对过拟合的天然抗性。前馈神经网络是深度学习的核心架构，广泛应用于图像分类、
  • 解读Servlet原理篇二---GenericServlet与HttpServlet 周凡杨 javaHttpServlet源理GenericService源码
    在上一篇《解读Servlet原理篇一》中提到，要实现javax.servlet.Servlet接口（即写自己的Servlet应用），你可以写一个继承自javax.servlet.GenericServletr的generic Servlet ，也可以写一个继承自java.servlet.http.HttpServlet的HTTP Servlet（这就是为什么我们自定义的Servlet通常是exte
  • MySQL性能优化 bijian1013 数据库mysql
            性能优化是通过某些有效的方法来提高MySQL的运行速度，减少占用的磁盘空间。性能优化包含很多方面，例如优化查询速度，优化更新速度和优化MySQL服务器等。本文介绍方法的主要有：         a.优化查询         b.优化数据库结构  
  • ThreadPool定时重试 dai_lm javaThreadPoolthreadtimertimertask
    项目需要当某事件触发时，执行http请求任务，失败时需要有重试机制，并根据失败次数的增加，重试间隔也相应增加，任务可能并发。 由于是耗时任务，首先考虑的就是用线程来实现，并且为了节约资源，因而选择线程池。 为了解决不定间隔的重试，选择Timer和TimerTask来完成 package threadpool; public class ThreadPoolTest {
  • Oracle 查看数据库的连接情况 周凡杨 sqloracle 连接
    首先要说的是，不同版本数据库提供的系统表会有不同，你可以根据数据字典查看该版本数据库所提供的表。 select * from dict where table_name like '%SESSION%'; 就可以查出一些表，然后根据这些表就可以获得会话信息 select sid,serial#,status,username,schemaname,osuser,terminal,ma
  • 类的继承 朱辉辉33 java
    类的继承可以提高代码的重用行，减少冗余代码；还能提高代码的扩展性。Java继承的关键字是extends 格式:public class 类名（子类）extends 类名（父类）{ } 子类可以继承到父类所有的属性和普通方法，但不能继承构造方法。且子类可以直接使用父类的public和 protected属性，但要使用private属性仍需通过调用。 子类的方法可以重写，但必须和父类的返回值类
  • android 悬浮窗特效 肆无忌惮_ android
    最近在开发项目的时候需要做一个悬浮层的动画，类似于支付宝掉钱动画。但是区别在于，需求是浮出一个窗口，之后边缩放边位移至屏幕右下角标签处。效果图如下：   一开始考虑用自定义View来做。后来发现开线程让其移动很卡，ListView+动画也没法精确定位到目标点。   后来想利用Dialog的dismiss动画来完成。   自定义一个Dialog后，在styl
  • hadoop伪分布式搭建 林鹤霄 hadoop
    要修改4个文件    1: vim hadoop-env.sh  第九行    2: vim core-site.xml            <configuration>     &n
  • gdb调试命令 aigo gdb
    原文：http://blog.csdn.net/hanchaoman/article/details/5517362   一、GDB常用命令简介   r run 运行.程序还没有运行前使用 c             cuntinue 
  • Socket编程的HelloWorld实例 alleni123 socket
    public class Client { public static void main(String[] args) { Client c=new Client(); c.receiveMessage(); } public void receiveMessage(){ Socket s=null; BufferedRea
  • 线程同步和异步 百合不是茶 线程同步异步
    多线程和同步 : 如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行；B依言执行，再将结果给A；A再继续操作。 所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不返回，同时其它线程也不能调用这个方法   多线程和异步:多线程可以做不同的事情,涉及到线程通知     &
  • JSP中文乱码分析 bijian1013 javajsp中文乱码
            在JSP的开发过程中，经常出现中文乱码的问题。         首先了解一下Java中文问题的由来：         Java的内核和class文件是基于unicode的，这使Java程序具有良好的跨平台性，但也带来了一些中文乱码问题的麻烦。原因主要有两方面，
  • js实现页面跳转重定向的几种方式 bijian1013 JavaScript重定向
            js实现页面跳转重定向有如下几种方式： 一.window.location.href <script language="javascript"type="text/javascript"> window.location.href="http://www.baidu.c
  • 【Struts2三】Struts2 Action转发类型 bit1129 struts2
     在【Struts2一】 Struts Hello World http://bit1129.iteye.com/blog/2109365中配置了一个简单的Action，配置如下   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configurat
  • 【HBase十一】Java API操作HBase bit1129 hbase
    Admin类的主要方法注释：   1. 创建表 /** * Creates a new table. Synchronous operation. * * @param desc table descriptor for table * @throws IllegalArgumentException if the table name is res
  • nginx gzip ronin47 nginx gzip
    Nginx GZip 压缩 Nginx GZip 模块文档详见：http://wiki.nginx.org/HttpGzipModule 常用配置片段如下： gzip on; gzip_comp_level 2; # 压缩比例，比例越大，压缩时间越长。默认是1 gzip_types text/css text/javascript; # 哪些文件可以被压缩 gzip_disable &q
  • java-7.微软亚院之编程判断俩个链表是否相交 给出俩个单向链表的头指针，比如 h1 ， h2 ，判断这俩个链表是否相交 bylijinnan java
    public class LinkListTest { /** * we deal with two main missions: * * A. * 1.we create two joined-List(both have no loop) * 2.whether list1 and list2 join * 3.print the join
  • Spring源码学习-JdbcTemplate batchUpdate批量操作 bylijinnan javaspring
    Spring JdbcTemplate的batch操作最后还是利用了JDBC提供的方法，Spring只是做了一下改造和封装 JDBC的batch操作： String sql = "INSERT INTO CUSTOMER " + "(CUST_ID, NAME, AGE) VALUES (?, ?, ?)";
  • [JWFD开源工作流]大规模拓扑矩阵存储结构最新进展 comsci 工作流
        生成和创建类已经完成,构造一个100万个元素的矩阵模型,存储空间只有11M大,请大家参考我在博客园上面的文档"构造下一代工作流存储结构的尝试",更加相信的设计和代码将陆续推出.........     竞争对手的能力也很强.......,我相信..你们一定能够先于我们推出大规模拓扑扫描和分析系统的....
  • base64编码和url编码 cuityang base64url
    import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; import java.io.StringWriter; import java.io.UnsupportedEncodingException;
  • web应用集群Session保持 dalan_123 session
    关于使用 memcached 或redis 存储 session ，以及使用 terracotta 服务器共享。建议使用 redis，不仅仅因为它可以将缓存的内容持久化，还因为它支持的单个对象比较大，而且数据类型丰富，不只是缓存 session，还可以做其他用途，一举几得啊。1、使用 filter 方法存储这种方法比较推荐，因为它的服务器使用范围比较多，不仅限于tomcat ，而且实现的原理比较简
  • Yii 框架里数据库操作详解-[增加、查询、更新、删除的方法 'AR模式'] dcj3sjt126com 数据库
        public function getMinLimit () {        $sql = "...";        $result = yii::app()->db->createCo
  • solr StatsComponent（聚合统计） eksliang solr聚合查询solr stats
    StatsComponent 转载请出自出处：http://eksliang.iteye.com/blog/2169134 http://eksliang.iteye.com/ 一、概述        Solr可以利用StatsComponent 实现数据库的聚合统计查询，也就是min、max、avg、count、sum的功能   二、参数
  • 百度一道面试题 greemranqq 位运算百度面试寻找奇数算法bitmap 算法
    那天看朋友提了一个百度面试的题目：怎么找出{1,1,2,3,3,4,4,4,5,5,5,5}  找出出现次数为奇数的数字.   我这里复制的是原话，当然顺序是不一定的，很多拿到题目第一反应就是用map,当然可以解决，但是效率不高。   还有人觉得应该用算法xxx,我是没想到用啥算法好...！   还有觉得应该先排序...   还有觉
  • Spring之在开发中使用SpringJDBC ihuning spring
      在实际开发中使用SpringJDBC有两种方式：   1. 在Dao中添加属性JdbcTemplate并用Spring注入；     JdbcTemplate类被设计成为线程安全的，所以可以在IOC 容器中声明它的单个实例，并将这个实例注入到所有的 DAO 实例中。JdbcTemplate也利用了Java 1.5 的特定(自动装箱，泛型，可变长度
  • JSON API 1.0 核心开发者自述 | 你所不知道的那些技术细节 justjavac json
    2013年5月，Yehuda Katz 完成了JSON API(英文，中文) 技术规范的初稿。事情就发生在 RailsConf 之后，在那次会议上他和 Steve Klabnik 就 JSON 雏形的技术细节相聊甚欢。在沟通单一 Rails 服务器库—— ActiveModel::Serializers 和单一 JavaScript 客户端库——&
  • 网站项目建设流程概述 macroli 工作
    一.概念 网站项目管理就是根据特定的规范、在预算范围内、按时完成的网站开发任务。 二.需求分析 项目立项 　　我们接到客户的业务咨询，经过双方不断的接洽和了解，并通过基本的可行性讨论够，初步达成制作协议，这时就需要将项目立项。较好的做法是成立一个专门的项目小组，小组成员包括：项目经理，网页设计，程序员，测试员，编辑/文档等必须人员。项目实行项目经理制。 客户的需求说明书 　　第一步是需
  • AngularJs 三目运算 表达式判断 qiaolevip 每天进步一点点学习永无止境众观千象AngularJS
    事件回顾：由于需要修改同一个模板，里面包含2个不同的内容，第一个里面使用的时间差和第二个里面名称不一样，其他过滤器，内容都大同小异。希望杜绝If这样比较傻的来判断if-show or not，继续追究其源码。 var b = "{{", a = "}}"; this.startSymbol = function(a) {
  • Spark算子：统计RDD分区中的元素及数量 superlxw1234 sparkspark算子Spark RDD分区元素
    关键字：Spark算子、Spark RDD分区、Spark RDD分区元素数量     Spark RDD是被分区的，在生成RDD时候，一般可以指定分区的数量，如果不指定分区数量，当RDD从集合创建时候，则默认为该程序所分配到的资源的CPU核数，如果是从HDFS文件创建，默认为文件的Block数。   可以利用RDD的mapPartitionsWithInd
  • Spring 3.2.x将于2016年12月31日停止支持 wiselyman Spring 3
                  Spring 团队公布在2016年12月31日停止对Spring Framework 3.2.x（包含tomcat 6.x）的支持。在此之前spring团队将持续发布3.2.x的维护版本。          请大家及时准备及时升级到Spring
  • fis纯前端解决方案fis-pure zccst JavaScript
    作者：zccst FIS通过插件扩展可以完美的支持模块化的前端开发方案，我们通过FIS的二次封装能力，封装了一个功能完备的纯前端模块化方案pure。 1，fis-pure的安装 $ fis install -g fis-pure $ pure -v 0.1.4 2，下载demo到本地 git clone https://github.com/hefangshi/f
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他