@BangBang
@BangBang

yolov5剪枝实战4: 正常训练和稀疏化训练

文章目录

    • 1. 准备自己的数据集
      • 1.1 下载项目文件
      • 1.2 解压建立或自行建立数据集
    • 1.3 生成训练集和验证集文件
    • 2. 修改配置文件
      • 2.1 新建文件data/voc_ball.yaml
      • 2.2 新建文件models/yolov5s_ball.yaml
    • 3. 训练自己的数据集
    • 4. 测试训练出的网络模型
    • 5. 稀疏化训练

1. 准备自己的数据集

1.1 下载项目文件

  • 准备好备注的数据集进行训练，我这里给出了标注好的足球的数据集。从百度网盘下载到项目目录下并解压，网盘地址见文末
    • VOCdevkit_ball.zip
    • testfiles.zip
    • prepare_data.py

1.2 解压建立或自行建立数据集

  • 使用PASCAL VOC数据集的目录结构， 建立文件夹层次为 <

你可能感兴趣的:(模型轻量化,剪枝,深度学习)

  • DeepSeek自研AI芯片，AI算力新变革？ 人工智能深度学习机器学习算法
    最近，DigiTimes的一份报告让AI圈炸开了锅：DeepSeek正全力开发专有AI芯片。有消息称，DeepSeek已开启大规模半导体设计人才招聘，种种迹象表明，其自研芯片计划已从设想步入实质推进阶段。AI算力告急，成本掣肘发展当下，AI技术迅猛发展，从科研领域的复杂模型训练，到日常生活里智能语音助手的实时交互，算力成了决定AI发展的关键因素。作为大模型领域的后起之秀，DeepSeek对计算资源
  • RabbitMQ，RocketMQ，Kafka 消息模型对比分析 Java架构设计 javaJava程序员消息模型开发语言程序人生
    消息模型消息队列的演进消息队列模型早期的消息队列是按照”队列”的数据结构来设计的。生产者（Producer）产生消息，进行入队操作，消费者（Consumer）接收消息，就是出队操作，存在于服务端的消息容器就称为消息队列。当然消费者也可能不止一个，存在的多个消费者是竞争的关系，消息被其中的一个消费者消费了，其它的消费者就拿不到消息了。发布订阅模型如果一个人消息想要同时被多个消费者消费，那么上面的队列
  • 深度求索-DeepSeek-R1本地部署指南 0小和尚化缘12 个人开发
    1、参考：部署指南2、参考：deepseek本地部署只需三步DeepSeek本地部署只需三步：1、安装运行环境：安装Ollama：Ollama官网：官网2、下载模型：参数越大，需要物里硬件越多3、安装部署前端交互程序：都是现成的开源架构
  • yolov5 pt-＞onnx-＞om yolov5模型转onnx转om模型转换 qq_43650438 笔记深度学习tensorflow人工智能
    yolov5pt->onnx->omyolov5-6.1版本models/yolo.pyDetect函数修改classDetect(nn.Module):defforward(self,x):z=[]#inferenceoutputforiinrange(self.nl):x[i]=self.m[i](x[i])#convbs,_,ny,nx=x[i].shape#x(bs,255,20,20)t
  • Flutter：动态表单（在不确定字段的情况下，生成动态表单） sunly_ Flutterflutterjava前端
    关于数据模型：模型就是一种规范约束，便于维护管理，在不确定表单内会出现什么数据时，就没有模型一说。这时就要用到动态表单（根据接口返回的字段，生成动态表单）1、观察数据格式，定义模型modelData:[{id:1,name:'模型一',ctaVal:{"first_usdt":{"val":"10","title":"首仓金额","unit":"usdt","read":"0"},}},{id:2
  • LVS高性能原因揭秘 天亮i
    请你做好思考的准备，跟着我的思路，去一点一点，把这么一个知识的历程，把它研究透彻，你会受益匪浅。OSI网络分层我们都应该知道，有OSI网络分层模型这么一个概念。此外，由于我们学的是软件工程学，为什么有一个工程这俩字在里面，那就说明了不是纯学术上的一个研究，是有具体的工程去做的。那么就涉及到分层解耦这么一个思想，任何一个层，只需要关心它这一层的事，而不用去管其它层具体是怎么做的。那么，对于每一层，就
  • 【虚拟仿真】Unity3D中如何实现让3D模型显示在UI前面 恬静的小魔龙 #Unity3DVR/AR开发unity3dui
    推荐阅读CSDN主页GitHub开源地址Unity3D插件分享简书地址我的个人博客QQ群：1040082875大家好，我是佛系工程师☆恬静的小魔龙☆，不定时更新Unity开发技巧，觉得有用记得一键三连哦。一、前言最近有小伙伴在群里问我，如何将3D模型显示在UI前面，比如这样：
  • 数据权限校验实践 fengdongnan 数据库前端网络
    数据权限控制实践最近在实习中为公司项目完成一个文件数据权限校验代码的转换重构，写这篇博客来记录前后两种权限校验的实现方案与相关概念原实现方案：RBAC-基于角色的访问控制RBAC（Role-BasedAccessControl）RBAC是一种常见的访问控制模型，它通过角色来分配权限。在RBAC模型中，角色是一组权限的集合，用户通过被分配角色来获得相应的权限。RBAC的主要特点包括：角色分配：用户被
  • 为什么数据库和数据库连接池不采用类似java nio的IO多路复用技术使用一个连接来维护和数据库的数据交换？ harmful_sheep springboot数据库javanio
    类似java的nio相比于传统阻塞io模型来说，有效率高（特别在高并发情况下）和资源耗费相对较少的优点。传统的阻塞IO为了提高效率，需要创建一定数量的连接形成连接池，而nio仅需要一个连接即可（大部分情况下一个连接即可）。那么请问，数据库和数据库连接池为什么不采用这种方式？。IO多路复用被视为是非常好的性能助力器。但是一般我们在使用DB时，还是经常性采用c3p0，tomcatconnectionp
  • Leetcode 3459. Length of Longest V-Shaped Diagonal Segment Espresso Macchiato leetcode笔记leetcode3459leetcodehardleetcode周赛437动态规划剪枝
    Leetcode3459.LengthofLongestV-ShapedDiagonalSegment1.解题思路2.代码实现题目链接：3459.LengthofLongestV-ShapedDiagonalSegment1.解题思路这一题我的思路上就是一个动态规划加上剪枝的思路。首先，不难给出一个动态规划算法来考察每一个位置作为起始点时其所能获得的最大V字路径长度，但是，贸然地动态规划会出现超时
  • PaddleOCR面板恢复python脚本--针对pdf的面板恢复 zsh669 paddlepaddleocr百度pythonpdf
    问题在做一个项目的时候，使用PaddleOCR提供的模型，实现对图片或者pdf进行面板恢复，并保存为.docx文档。但是，官方的文档只提供了针对图片进行面板恢复的python脚本，没有提供pdf进行面板恢复的python脚本，官方只提供了pdf面板恢复的命令行使用方法，因此，我去看了PaddleOCR的源码，将命令行方法转换为python脚本准备工作环境配置和文档请参考：\ppstructure/
  • DeepSeek 实用集成 - 大模型能力轻松接入各类软件 code在飞 ai
    将DeepSeek大模型能力轻松接入各类软件详细点击awesome-deepseek-integration/README_cn.mdatmain·deepseek-ai/awesome-deepseek-integration·GitHub
  • Deepseek 组合落地都是王炸 qqxinxi 运维教学运维deepseekpython大数据
    思维即资产，模型是股东。有了Deepseek模型，思维资产才能增值。Deepseek+kimi自动生成PPTDeepseek+ClineAI编程好帮手Deepseek+剪映一键生成短视频Deepseek+MJ设计师诞生Deepseek+Dify企业快速搭建本地知识库Deepseek+Notion文本知识库Deepseek+Otter一键转会议记录Deepseek+即梦+tripo3D模型分分钟De
  • Python库 - transformers 司南锤 PYTHON库python机器学习python开发语言
    transformers库是由HuggingFace开发的一个非常流行的Python库，用于自然语言处理（NLP）任务。它提供了大量的预训练模型，这些模型可以用于各种NLP任务，如文本分类、问答、翻译、摘要生成等。以下是关于transformers库的详细介绍：1.主要特点预训练模型：transformers库包含了多种预训练的语言模型，如BERT、GPT、T5、XLNet等。这些模型在大规模文本
  • 【NLP-04】tranformers库保姆级使用教程---以BERT模型为例 云天徽上 NLPbert人工智能深度学习自然语言处理机器学习numpy信息可视化
    安装要安装一个非常轻量级的Transformers库，您可以执行以下步骤：1、打开终端或命令提示符。2、运行以下命令来安装Transformers库：pipinstalltransformers这将使用pip工具从PythonPackageIndex（PyPI）下载并安装Transformers库。请确保您的计算机上已经安装了pip。然后，您可以在Python代码中导入Transformers库：
  • conda更换环境版本（比如torch版本） 挨打且不服66 pythonpython
    找到想要的torch版本pytorch官网torch过往的版本创建新环境condacreate--namemyenvpython=3.8condaactivatemyenvconda虚拟环境中安装CUDA和CUDNN深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以
  • 一文读懂！深度学习 + PyTorch 的超实用学习路线 a小胡哦 深度学习pythonpytorch
    深度学习作为人工智能领域的核心技术，正深刻改变着诸多行业。PyTorch则是深度学习实践中备受青睐的框架，它简单易用且功能强大。下面就为大家详细规划深度学习结合PyTorch的学习路线。一、基础知识储备数学基础数学是很重要的！！！线性代数、概率论与数理统计、微积分是深度学习的数学基石。熟悉矩阵运算、概率分布、梯度计算等概念，能帮助理解深度学习模型的原理。例如，在神经网络中，矩阵乘法用于神经元之间的
  • 流行编程语言全解析：优势、应用与短板 a小胡哦 pythonjavac++c语言javascriptswiftr语言
    Python：优势Python以其简洁、易读的语法闻名，新手能快速上手。丰富的库和框架，能极大地提高开发效率。适用领域数据科学与分析：处理和分析大规模数据集，进行数据可视化。典型示例：Google用Python进行数据分析，处理海量数据以支持各种业务决策。机器学习与人工智能：构建和训练模型。典型示例：OpenAI在很多人工智能项目中广泛使用Python，如GPT系列模型的研发。网络爬虫：轻松从网页
  • Python 用pytorch从头写Transformer源码，一行一解释；机器翻译实例代码；Transformer源码解读与实战 医学小达人 NLPLLMsGPT深度学习人工智能transformerpython机器学习
    1.Transformer简介Transformer模型被提出的主要动机是解决序列处理任务的长距离依赖问题。传统的RNN和LSTM虽然能够处理序列任务，但因为它们在处理序列时需要一步步前进，因此其他信息无法立即对其产生影响，当序列变长时，长距离依赖的信息很可能会被丢失。为了解决这个问题，Transformer模型被设计出来，内核思想是利用自注意力机制，这样模型可以直接对输入序列的任意两个位置建立直
  • 本地部署DeepSeek + AnythingLLM 搭建高效安全的个人知识库 Chhjnavy AIDeepSeek大模型本地知识库协同工作
    环境准备：本地部署方案请参考博客：windows平台本地部署DeepSeek大模型+OpenWebUI网页界面（可以离线使用）-CSDN博客windows平台本地部署DeepSeek大模型+Chatbox界面（可以离线使用）-CSDN博客根据本人电脑配置：windows11+i9-13900HX+RTX4060+DDR5560032G内存确定搭建方案：DeepSeek-R1:7b+Ollama+A
  • csghub安装（docker方式） AR_xsy docker容器运维
    简单介绍：CSGHub是一个开源、可信的大模型资产管理平台，可帮助用户治理LLM和LLM应用生命周期中涉及到的资产官网部署安装exportSERVER_DOMAIN=$(ipaddrshow$(iprouteshowdefault|awk'/default/{print$5}')|grep'inet'|awk'{print$2}'|cut-d/-f1)exportSERVER_PORT=80doc
  • 解锁机器学习核心算法 | 逻辑回归：不是回归的“回归” 紫雾凌寒 AI炼金厂机器学习算法逻辑回归深度学习pythonscikit-learnmatplotlib
    引言前面一篇文章我们介绍了机器学习算法中我们最先会接触到的算法——线性回归：机器学习的基石。今天我们继续学习机器学习中的另一个算法模型——逻辑回归（LogisticRegression）。一、逻辑回归：不是回归的“回归”在机器学习的庞大算法体系中，逻辑回归（LogisticRegression）虽然名字中带有“回归”，但却是一位不折不扣的“分类高手”，主要用于解决二分类问题，在众多领域发挥着关键作
  • DeepSeek多软件协同效应，产生的王炸组合 Chhjnavy AI人工智能DeepSeek协同工作
    DeepSeek网址:DeepSeek|深度求索1.DeepSeek+Kimi：一键生成高质量PPT，快速制作专业演示文稿Kimi网址:Kimi.ai-会推理解析，能深度思考的AI助手步骤：将PPT内容描述给DeepSeek，产生PPT大纲以及内容；将DeepSeek产生的大纲以及内容，丢到Kimi+模型中，即可自动产生PPT；2.DeepSeek+剪映：生成原创视频，适用于短视频创作剪映网址:剪
  • Spring Boot 示例项目：从零开始构建 Web 应用 梦落青云 JAVAspringbootjava
    一、项目概述本文档将指导您通过一个示例项目，了解如何使用SpringBoot框架构建一个简单的Web应用程序。该项目涵盖了从数据模型定义到控制器、服务层以及数据访问层的完整开发流程，帮助您快速掌握SpringBoot的基本使用方法。二、项目结构1.项目模块本示例项目分为以下几个主要模块：数据模型模块：负责定义与数据库表对应的实体类，使用JPA注解进行映射。控制器模块：处理客户端的HTTP请求，调用
  • 联想E470 双GPU笔记本部署私有AI模型方案 月光技术杂谈 大模型初探人工智能ChatGLM3联想E470Qwen-7BPhi-3-mini
    背景：手上有一台联想E470的闲置笔记本，配置如下：（IntelHD620核显+NVIDIA920MX独显，i5-7200UCPU），想用它来部署并学习AI模型。考虑到电脑的性能限制，打算采用「量化模型+知识蒸馏」的低成本部署方案。一、硬件适配优化方案显存限制突破使用4-bit量化技术压缩模型，例如加载ChatGLM3-6B的INT4版本，显存需求可降至6GB310启用CPU-GPU混合推理（通过
  • LLaMA系列大模型调研与整理-llama-alpaca-lora AI大模型-大飞 llamaAI大模型AI职场和发展人工智能
    文章目录LLaMA大模型及其衍生模型1.LLaMA2.stanford_alpaca3.ChatDoctor4.alpaca-lora5.Chinese-LLaMA-Alpaca6.BELLE大模型综述ASurveyofLargeLanguageModels关键词：大模型，LLaMA，Alpaca，Lora，Belle，模型训练，模型微调，指令微调最近尝试在领域数据进行生成式大模型的再训练和微调，
  • deepseek和ChatGPT 4o比较 调皮的芋头 chatgpt人工智能
    DeepSeek和ChatGPT4o在实现方式、评测效果和使用体验方面的详细比较：实现方式：DeepSeek：推理型大模型DeepSeek的核心是推理型大模型，与指令型大模型不同，它不需要用户提供详细的步骤指令，而是通过理解用户的真实需求和场景来提供答案。后训练+RL/RLHFDeepSeekR1等推理模型是在通用模型的基础上进行“特训”（后训练+SFT/RL/RLHF），使其不仅知道得多还用得好
  • [论文笔记] Cost-Effective Hyperparameter Optimization for Large Language Model Generation 大型语言模型生成推理超参优化 心心喵 论文笔记论文阅读语言模型人工智能
    成本效益高的大型语言模型生成推理的超参数优化https://openreview.net/pdf?id=DoGmh8A39OChiWang1,SusanXueqingLiu2,AhmedH.Awadallah11微软研究院，雷德蒙德2史蒂文斯理工学院摘要大型语言模型（LLMs）因其生成能力引发了广泛关注，催生了各种商业应用。使用这些模型的高成本驱使应用构建者在有限的推理预算下最大化生成的价值。本文
  • 电力知识图谱与大模型的结合：从构建到行业应用的深度解析 Cc不爱吃洋葱 知识图谱人工智能自然语言处理大模型大语言模型LLM语言模型
    随着大数据和人工智能技术的飞速发展，电力行业迎来了智能化转型的全新契机。电力知识图谱作为一种将数据转化为结构化知识的技术，正在赋能故障诊断、设备管理、运维优化等核心场景。而当知识图谱与大模型相结合，更能释放强大的知识推理和智能预测能力，为行业智慧化发展注入新动力。本文将从专业视角，深入探讨电力知识图谱的构建过程、大模型的融入方法，以及它们在实际应用中的落地场景。通过具体案例剖析与技术解读，帮助你了
  • 采用分布式部署deepseek 慧香一格 AI学习分布式deepseek
    分布式部署DeepSeek涉及使用多个计算节点来加速模型训练或提升推理效率。下面是一个基本的指南，帮助您了解如何进行分布式部署。1.环境准备硬件需求：确保您的集群环境中有足够的GPU资源，并且所有机器之间可以通过高速网络互联。软件依赖：安装必要的库和工具，如PyTorch、Transformers等。特别地，对于分布式训练，还需要安装torch.distributed或者类似的库支持，例如Horo
  • java线程Thread和Runnable区别和联系 zx_code javajvmthread多线程Runnable
    我们都晓得java实现线程2种方式，一个是继承Thread，另一个是实现Runnable。 模拟窗口买票，第一例子继承thread，代码如下 package thread; public class ThreadTest { public static void main(String[] args) { Thread1 t1 = new Thread1(
  • 【转】JSON与XML的区别比较 丁_新 jsonxml
    1.定义介绍 (1).XML定义 扩展标记语言 (Extensible Markup Language, XML) ，用于标记电子文件使其具有结构性的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一，跨平台和语言，早已成为业界公认的标准。 XML是标
  • c++ 实现五种基础的排序算法 CrazyMizzz C++c算法
    #include<iostream> using namespace std; //辅助函数，交换两数之值 template<class T> void mySwap(T &x, T &y){ T temp = x; x = y; y = temp; } const int size = 10; //一、用直接插入排
  • 我的软件 麦田的设计者 我的软件音乐类娱乐放松
         这是我写的一款app软件，耗时三个月，是一个根据央视节目开门大吉改变的，提供音调，猜歌曲名。1、手机拥有者在android手机市场下载本APP，同意权限，安装到手机上。2、游客初次进入时会有引导页面提醒用户注册。（同时软件自动播放背景音乐）。3、用户登录到主页后，会有五个模块。a、点击不胫而走，用户得到开门大吉首页部分新闻，点击进入有新闻详情。b、
  • linux awk命令详解 被触发 linux awk
    awk是行处理器: 相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或是处理缓慢的问题，通常用来格式化文本信息 awk处理过程: 依次对每一行进行处理，然后输出 awk命令形式: awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file [-F|-f|-v]大参数，-F指定分隔符，-f调用脚本，-v定义变量 var=val
  • 各种语言比较 _wy_ 编程语言
                        Java Ruby PHP 擅长领域                  
  • oracle 中数据类型为clob的编辑 知了ing oracle clob
    public void updateKpiStatus(String kpiStatus,String taskId){ Connection dbc=null; Statement stmt=null; PreparedStatement ps=null; try { dbc = new DBConn().getNewConnection(); //stmt = db
  • 分布式服务框架 Zookeeper -- 管理分布式环境中的数据 矮蛋蛋 zookeeper
    原文地址： http://www.ibm.com/developerworks/cn/opensource/os-cn-zookeeper/ 安装和配置详解 本文介绍的 Zookeeper 是以 3.2.2 这个稳定版本为基础，最新的版本可以通过官网 http://hadoop.apache.org/zookeeper/来获取，Zookeeper 的安装非常简单，下面将从单机模式和集群模式两
  • tomcat数据源 alafqq tomcat
    数据库 JNDI(Java Naming and Directory Interface，Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。 没有使用JNDI时我用要这样连接数据库： 03.  Class.forName("com.mysql.jdbc.Driver");  04.  conn
  • 遍历的方法 百合不是茶 遍历
                                                          遍历 在java的泛
  • linux查看硬件信息的命令 bijian1013 linux
    linux查看硬件信息的命令 一.查看CPU： cat /proc/cpuinfo   二.查看内存： free   三.查看硬盘： df   linux下查看硬件信息 1、lspci 列出所有PCI 设备； lspci - list all PCI devices:列出机器中的PCI设备（声卡、显卡、Modem、网卡、USB、主板集成设备也能
  • java常见的ClassNotFoundException bijian1013 java
    1.java.lang.ClassNotFoundException: org.apache.commons.logging.LogFactory   添加包common-logging.jar2.java.lang.ClassNotFoundException: javax.transaction.Synchronization    
  • 【Gson五】日期对象的序列化和反序列化 bit1129 反序列化
    对日期类型的数据进行序列化和反序列化时，需要考虑如下问题：   1. 序列化时，Date对象序列化的字符串日期格式如何 2. 反序列化时，把日期字符串序列化为Date对象，也需要考虑日期格式问题 3. Date A -> str -> Date B,A和B对象是否equals   默认序列化和反序列化     import com
  • 【Spark八十六】Spark Streaming之DStream vs. InputDStream bit1129 Stream
      1. DStream的类说明文档：   /** * A Discretized Stream (DStream), the basic abstraction in Spark Streaming, is a continuous * sequence of RDDs (of the same type) representing a continuous st
  • 通过nginx获取header信息 ronin47 nginx header
    1. 提取整个的Cookies内容到一个变量，然后可以在需要时引用，比如记录到日志里面， if ( $http_cookie ~* "(.*)$") {         set $all_cookie $1; }     变量$all_cookie就获得了cookie的值，可以用于运算了
  • java-65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 bylijinnan java
    参考了网上的http://blog.csdn.net/peasking_dd/article/details/6342984 写了个java版的： public class Print_1_To_NDigit { /** * Q65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 * 1.使用字符串
  • Netty源码学习-ReplayingDecoder bylijinnan javanetty
    ReplayingDecoder是FrameDecoder的子类，不熟悉FrameDecoder的，可以先看看 http://bylijinnan.iteye.com/blog/1982618 API说，ReplayingDecoder简化了操作，比如： FrameDecoder在decode时，需要判断数据是否接收完全： public class IntegerH
  • js特殊字符过滤 cngolon js特殊字符js特殊字符过滤
    1.js中用正则表达式 过滤特殊字符, 校验所有输入域是否含有特殊符号function stripscript(s) {    var pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~！@#￥……&*（）&mdash;—|{}【】‘；：”“'。，、？]"
  • hibernate使用sql查询 ctrain Hibernate
    import java.util.Iterator; import java.util.List; import java.util.Map; import org.hibernate.Hibernate; import org.hibernate.SQLQuery; import org.hibernate.Session; import org.hibernate.Transa
  • linux shell脚本中切换用户执行命令方法 daizj linuxshell命令切换用户
    经常在写shell脚本时，会碰到要以另外一个用户来执行相关命令，其方法简单记下：   1、执行单个命令：su - user -c "command" 如：下面命令是以test用户在/data目录下创建test123目录 [root@slave19 /data]# su - test -c "mkdir /data/test123" 
  • 好的代码里只要一个 return 语句 dcj3sjt126com return
    别再这样写了：public boolean foo() {    if (true) {         return true;     } else {          return false;    
  • Android动画效果学习 dcj3sjt126com android
    1、透明动画效果 方法一：代码实现 public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState) { View rootView = inflater.inflate(R.layout.fragment_main, container, fals
  • linux复习笔记之bash shell (4)管道命令 eksliang linux管道命令汇总linux管道命令linux常用管道命令
    转载请出自出处： http://eksliang.iteye.com/blog/2105461     bash命令执行的完毕以后，通常这个命令都会有返回结果，怎么对这个返回的结果做一些操作呢？那就得用管道命令‘|’。     上面那段话，简单说了下管道命令的作用，那什么事管道命令呢？     答：非常的经典的一句话，记住了，何为管
  • Android系统中自定义按键的短按、双击、长按事件 gqdy365 android
    在项目中碰到这样的问题： 由于系统中的按键在底层做了重新定义或者新增了按键，此时需要在APP层对按键事件（keyevent）做分解处理，模拟Android系统做法，把keyevent分解成： 1、单击事件：就是普通key的单击； 2、双击事件：500ms内同一按键单击两次； 3、长按事件：同一按键长按超过1000ms（系统中长按事件为500ms）； 4、组合按键：两个以上按键同时按住；
  • asp.net获取站点根目录下子目录的名称 hvt .netC#asp.nethovertreeWeb Forms
    使用Visual Studio建立一个.aspx文件(Web Forms)，例如hovertree.aspx,在页面上加入一个ListBox代码如下： <asp:ListBox runat="server" ID="lbKeleyiFolder" />   那么在页面上显示根目录子文件夹的代码如下： string[] m_sub
  • Eclipse程序员要掌握的常用快捷键 justjavac javaeclipse快捷键ide
      判断一个人的编程水平，就看他用键盘多，还是鼠标多。用键盘一是为了输入代码（当然了，也包括注释），再有就是熟练使用快捷键。   曾有人在豆瓣评 《卓有成效的程序员》：“人有多大懒，才有多大闲”。之前我整理了一个 程序员图书列表，目的也就是通过读书，让程序员变懒。  写道 程序员作为特殊的群体，有的人可以这么懒，懒到事情都交给机器去做，而有的人又可
  • c++编程随记 lx.asymmetric C++笔记
     为了字体更好看，改变了格式……   &&运算符：   #include<iostream> using namespace std; int main(){      int a=-1,b=4,k;      k=(++a<0)&&!(b--
  • linux标准IO缓冲机制研究 音频数据 linux
    一、什么是缓存I/O(Buffered I/O)缓存I/O又被称作标准I/O,大多数文件系统默认I/O操作都是缓存I/O。在Linux的缓存I/O机制中，操作系统会将I/O的数据缓存在文件系统的页缓存(page cache)中，也就是说，数据会先被拷贝到操作系统内核的缓冲区中，然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。1.缓存I/O有以下优点:A.缓存I/O使用了操作系统内核缓冲区，
  • 随想 生活 暗黑小菠萝 生活
    其实账户之前就申请了，但是决定要自己更新一些东西看也是最近。从毕业到现在已经一年了。没有进步是假的，但是有多大的进步可能只有我自己知道。   毕业的时候班里12个女生，真正最后做到软件开发的只要两个包括我，PS：我不是说测试不好。当时因为考研完全放弃找工作，考研失败，我想这只是我的借口。那个时候才想到为什么大学的时候不能好好的学习技术，增强自己的实战能力，以至于后来找工作比较费劲。我
  • 我认为POJO是一个错误的概念 windshome javaPOJO编程J2EE设计
                  这篇内容其实没有经过太多的深思熟虑，只是个人一时的感觉。从个人风格上来讲，我倾向简单质朴的设计开发理念；从方法论上，我更加倾向自顶向下的设计；从做事情的目标上来看，我追求质量优先，更愿意使用较为保守和稳妥的理念和方法。    &
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他