- 大语言模型LLM分布式训练:TensorFlow攻略与深度解析(LLM系列04)
North_D
大语言模型LLM分布式tensorflow人工智能自然语言处理深度学习python神经网络
文章目录大语言模型LLM分布式训练:TensorFlow攻略与深度解析(LLM系列04)1.引言2.TensorFlow分布式训练基础概念3.TensorFlow中LLM分布式训练的关键技术及应用4.利用TensorFlow进行LLM分布式训练的具体实践5.高级主题与最新进展探究大语言模型LLM分布式训练:TensorFlow攻略与深度解析(LLM系列04)1.引言随着自然语言处理(NLP)的迅速
- 知识图谱检索增强的GraphRAG(基于Neo4j代码实现)
大模型扬叔
知识图谱neo4j人工智能GraphRAG
前言图检索增强生成(GraphRAG)正逐渐流行起来,成为传统向量搜索方法的有力补充。这种方法利用图数据库的结构化特性,将数据以节点和关系的形式组织起来,从而增强检索信息的深度和上下文关联性。图在表示和存储多样化且相互关联的信息方面具有天然优势,能够轻松捕捉不同数据类型间的复杂关系和属性。而向量数据库在处理这类结构化信息时则显得力不从心,它们更擅长通过高维向量处理非结构化数据。在RAG应用中,结合
- 【2024年国内一些知名的免费AI对话工具的对比】
龙少9543
后端人工智能
2024年国内一些知名的免费AI对话工具的对比免费体验以下是2024年国内一些知名的免费AI对话工具的对比以及它们的体验地址。这些工具基于各自公司的深度学习和自然语言处理技术,为用户提供智能对话服务。百度文心一言特点:基于ERNIE模型,拥有知识增强、检索增强和对话增强的技术特色,支持跨模态生成。体验地址:https://yiyan.baidu.com/讯飞星火认知大模型特点:支持多风格长文本生成
- NLP模型笔记2022-24:neo4j+py2neo 构建《中国优质电影及其演员》知识图谱
源代码杀手
自然语言处理笔记与知识图谱专栏知识图谱自然语言处理人工智能
往前文章链接NLP模型笔记2022-25:neo4j+py2neo构建增值税电子普通发票知识图谱NLP模型笔记2022-24:neo4j+py2neo构建《中国优质电影及其演员》知识图谱NLP模型笔记2022-23:知识图谱neo4j可视化实体多关系属性【破案线索关系】NLP模型笔记2022-22:知识图谱neo4j批量可视化NLP模型笔记2022-21:知识图谱neo4j指定方向实体(头实体、尾
- 【LangChain编程:从入门到实践】开发环境准备
AI天才研究院
计算AI大模型企业级应用开发实战大数据AI人工智能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
【LangChain编程:从入门到实践】开发环境准备作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展,自然语言处理(NLP)在各个领域得到了广泛应用。LangChain作为一种新型的编程范式,将编程与自然语言处理相结合,为开发者提供了一种全新的编程体验。然而,想要开始LangChain编程之旅,首
- 基于 FPGA 的 CNN 卷积神经网络整体实现
鱼弦
人工智能时代fpga开发cnn人工智能
基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络(CNN)是一种强大的深度学习架构,广泛用于图像识别、物体检测和自然语言处理等领域。FPGA以其并行处理能力、低延迟和灵活性,是加速CNN推理的理想硬件平台。通过在FPGA上实现CNN,可以显著提高实时应用中的推理效率。应用使用场景实时图像识别:如智能手机摄像头中的面部识别。自动驾驶:环境感知和障碍物检测。医疗影像分析:快速处理MRI或X-R
- 【大模型应用开发 动手做AI Agent】第二轮思考:模型决定计算
AGI大模型与大数据研究院
大数据AI人工智能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
【大模型应用开发动手做AIAgent】第二轮思考:模型决定计算关键词:大模型,AIAgent,模型决定计算,模型优化,计算优化,硬件加速,效率提升1.背景介绍随着深度学习技术的飞速发展,大模型在自然语言处理、计算机视觉等领域取得了突破性进展。这些模型通过学习海量数据,能够完成复杂的任务,如机器翻译、图像识别、问答系统等。然而,大模型在应用开发中面临着计算资源、能耗和效率等方面的挑战。本文将从“模型
- 【自然语言处理(NLP)】生成词向量:GloVe(Global Vectors for Word Representation)原理及应用
道友老李
自然语言处理(NLP)自然语言处理人工智能
文章目录介绍GloVe介绍核心思想共现矩阵1.共现矩阵的定义2.共现概率矩阵的定义3.共现概率矩阵的意义4.共现概率矩阵的构建步骤5.共现概率矩阵的应用6.示例7.优缺点优点缺点**总结**目标函数训练过程使用预训练的GloVe词向量优点应用总结个人主页:道友老李欢迎加入社区:道友老李的学习社区介绍**自然语言处理(NaturalLanguageProcessing,NLP)**是计算机科学领域与
- 利用Python高效处理大规模词汇数据
东方佑
量子变法python开发语言
在本篇博客中,我们将探讨如何使用Python及其强大的库来处理和分析大规模的词汇数据。我们将介绍如何从多个.pkl文件中读取数据,并应用一系列算法来筛选和扩展一个核心词汇列表。这个过程涉及到使用Pandas、Polars以及tqdm等库来实现高效的数据处理。引言词汇数据的处理是自然语言处理(NLP)领域中的一个常见任务。无论是构建词典、进行文本分类还是情感分析,都需要对大量的词汇数据进行预处理和分
- 什么是大模型?大模型从入门到精通(超详细)看这一篇就够了!!!
AI产品经理
java人工智能开发语言金融运维
随着人工智能技术的发展,大模型成为了近年来的热门话题之一。本文旨在为初学者提供关于大模型的基础知识介绍,并探讨其对企业的影响、应用领域的就业前景以及如何系统地学习大模型。前排提示,文末有大模型AGI-CSDN独家资料包哦!1.什么是大模型?大模型(LargeModels),通常指的是拥有大量参数的深度学习模型。这些模型由于其规模庞大,能够捕捉到数据中的复杂模式,因此在自然语言处理(NLP)、计算机
- OpenAI 实战进阶教程 - 第八节: 模型扩展与智能工具开发 - 理解 Embedding 与向量检索原理
山海青风
人工智能人工智能python
适合的读者群体软件开发人员:需要在项目中实现智能检索或问答功能的工程师。数据分析师/科学家:对自然语言处理、文本挖掘等方向感兴趣,希望了解最新向量检索技术。技术产品经理:希望在产品中集成智能搜索、FAQ问答等功能,提升用户体验。为什么要采用Embedding与向量检索技术?在很多企业或组织中,都有大量的文字资料(FAQ、产品手册、文档案例等)。传统的关键词搜索只能依赖于字符串匹配,对于意思相近但表
- LangChain Ask PDF: 构建基于大语言模型的PDF问答应用
m0_75126181
langchainpdf语言模型
LangChainAskPDF:构建基于大语言模型的PDF问答应用在人工智能和自然语言处理技术快速发展的今天,如何有效地处理和利用大量文本信息成为了一个重要课题。本文将介绍一个名为LangChainAskPDF的开源项目,该项目展示了如何利用LangChain和OpenAI等先进工具,构建一个能够"理解"PDF文档并回答相关问题的智能应用程序。项目概述LangChainAskPDF是一个Pytho
- RAG:本地部署Langchain-Ollma(Windows)
MurphyStar
pythonlangchainwindows
RAG:本地部署Langchain-Ollma(Windows)RAG,即“RetrievalAugmentedGeneration”(检索增强生成),是一种结合了检索和生成技术的自然语言处理模型。它主要用于文本生成任务,能够利用外部知识源来增强生成的文本,从而提高生成质量。相较于微调技术,RAG能够更加短平快的吸纳本地知识并整合大模型进行问答。因此本地部署了一个基于Langchain+Ollma
- 大模型应用之基于Langchain的测试用例生成
少喝冰美式
langchain测试用例人工智能自然语言处理AI大模型大模型应用大模型微调
一用例生成实践效果在组内的日常工作安排中,持续优化测试技术、提高测试效率始终是重点任务。近期,我们在探索实践使用大模型生成测试用例,期望能够借助其强大的自然语言处理能力,自动化地生成更全面和高质量的测试用例。当前,公司已经普及使用JoyCoder,我们可以拷贝相关需求及设计文档的信息给到JoyCoder,让其生成测试用例,但在使用过程中有以下痛点:1)仍需要多步人工操作:如复制粘贴文档,编写提示词
- torch.nn.RNN: PyTorch 中的循环神经网络(RNN)模块
彬彬侠
自然语言处理RNNPyTorchPython循环神经网络NLP自然语言处理
torch.nn.RNN:PyTorch中的循环神经网络(RNN)模块1.概述在PyTorch中,torch.nn.RNN是一个用于构建循环神经网络(RNN)的模块。它提供了一个可以进行训练的RNN层,广泛应用于序列数据的建模,如自然语言处理、时间序列分析等。这个模块可以处理各种类型的序列数据,并支持多种功能和配置。2.主要功能torch.nn.RNN可以:处理序列数据,捕捉时间上的依赖关系。支持
- AI学习指南HuggingFace篇-高级优化技巧
俞兆鹏
AI学习指南ai
一、引言在深度学习和自然语言处理(NLP)中,模型训练的效率和性能至关重要。HuggingFace提供了多种高级优化技巧,帮助开发者提升模型训练的效率和效果。本文将介绍混合精度训练、分布式训练等高级优化技巧,并探讨如何通过这些方法提升模型训练效率。二、混合精度训练(一)混合精度训练的原理混合精度训练利用自动混合精度(AMP)技术,高效管理FP16和FP32之间的转换。通过在前向传播中使用FP16加
- LlamaIndex架构设计:大模型长期记忆模块竟暗藏图数据库玄机
威哥说编程
数据库llama
随着人工智能技术的不断发展,大型语言模型(LLM)已经在自然语言处理、文本生成、对话系统等领域取得了显著的进展。然而,尽管这些模型在理解和生成语言方面表现出色,它们却面临着一个重要问题——长期记忆的缺失。传统的语言模型通常只依赖于当前输入的信息,并且无法记住过去的上下文或从历史中积累的知识。这使得它们在需要长期记忆或复杂知识推理的任务中表现不佳。为了解决这一问题,越来越多的研究开始探索如何为大模型
- 开源模型应用落地-DeepSeek-R1-Distill-Qwen-7B与vllm实现推理加速的正确姿势(一)
开源技术探险家
开源模型-实际应用落地#人工智能自然语言处理语言模型深度学习
一、前言在当今人工智能技术迅猛发展的时代,各类人工智能模型如雨后春笋般不断涌现,其性能的优劣直接影响着应用的广度与深度。从自然语言处理到计算机视觉,从智能安防到医疗诊断,AI模型广泛应用于各个领域,人们对其准确性、稳定性和高效性的期望也与日俱增。在此背景下,DeepSeek模型的出现为行业带来了新的曙光。DeepSeek团队开发的DeepSeek-R1-Distill-Qwen-7B模型,利用蒸馏
- 基于BiGRU的预测模型及其Python和MATLAB实现
追蜻蜓追累了
机器学习深度学习cnnlstm神经网络gru回归算法
##一、背景在当今快速发展的数据驱动的时代,尤其是在自然语言处理(NLP)、时间序列预测、语音识别等任务中,深度学习技术的应用已经变得越来越普遍。传统的机器学习算法往往无法很好地捕捉数据中的时序信息和上下文关系,因此深度学习中的循环神经网络(RNN)逐渐成为解决这一问题的重要工具。RNN能够处理序列数据,但它们在长序列数据的学习中存在梯度消失和梯度爆炸的问题。为了解决这些问题,长短期记忆网络(LS
- Transformer预测模型及其Python和MATLAB实现
追蜻蜓追累了
transformer深度学习人工智能机器学习算法回归算法神经网络
###一、背景在自然语言处理(NLP)领域,传统的序列到序列(Seq2Seq)模型大多依赖于循环神经网络(RNN)和长短期记忆(LSTM)网络。这些模型虽然在许多任务中取得了成功,但由于其计算效率低下以及长距离依赖关系处理的不足,导致模型训练时间漫长,并在处理较长文本时效果不佳。2017年,Vaswani等人提出的Transformer模型在《AttentionisAllYouNeed》一文中引起
- AI浪潮下程序员的职业转型与技术进阶之路
nbsaas-boot
人工智能
一、引言1.1研究背景与意义在科技飞速发展的当今时代,人工智能(AI)无疑是最为耀眼的技术领域之一。从早期简单的专家系统到如今复杂的深度学习模型,AI技术经历了从理论探索到广泛应用的巨大跨越,正以前所未有的速度改变着我们的生活和工作方式。近年来,AI技术取得了一系列突破性进展。以GPT系列为代表的大型语言模型,展现出强大的自然语言处理能力,能够实现文本生成、对话交互、代码编写等多种任务。根据《20
- DeepSeek的出现对全球GPT产业产生的冲击
不要em0啦
机器学习gpt
引言近年来,人工智能技术的迅猛发展推动了自然语言处理(NLP)领域的革命性进步。特别是以GPT(GenerativePre-trainedTransformer)系列模型为代表的大规模预训练语言模型,已经在全球范围内引发了广泛关注和应用。然而,随着技术的不断演进,新兴的GPT模型如DeepSeek的出现,正在对全球GPT产业产生深远的影响。本文将从技术、市场、应用场景和产业生态等多个维度,深入探讨
- 1、PyTorch 简介
找个栗子
PyTorch开始到scipytorch人工智能python
PyTorch是什么?首先,我们讲PyTorch,我们先讲它的前身--torch。1、torchTorch是PyTorch的前身,Torch是一个有着悠久历史的机器学习框架,最初由RonanCollobert、SoumithChintala和KorayKavukcuoglu等人开发。Torch是以Lua语言为基础,在2002年左右就开始逐渐发展起来,在计算机视觉、自然语言处理等领域有一定的应用。o
- 探索自然语言处理的前沿:使用OpenAI API进行文本分析
qq_37836323
自然语言处理easyui人工智能python
#引言自然语言处理(NLP)是人工智能领域中最令人兴奋和快速发展的部分之一。本文将介绍如何使用OpenAI的API进行文本分析。我们将通过代码示例,深入探讨如何利用这些工具来提升应用程序的智能和功能。#主要内容##什么是OpenAIAPI?OpenAIAPI提供了强大的自然语言处理能力,能够帮助开发者在自己的应用中集成先进的语言模型。这些模型可以用于文本生成、情感分析、翻译等多种任务。##使用AP
- AIGC与虚拟身份及元宇宙的未来:虚拟人物创作与智能交互
云边有个稻草人
热门文章AIGC算法笔记
个人主页:云边有个稻草人-CSDN博客目录引言一、AIGC在元宇宙中的作用1.1AIGC与虚拟人物创作1.1.1生成虚拟人物外观1.1.2个性化虚拟角色设计1.2AIGC与虚拟角色的行为与交互1.2.1行为生成与强化学习1.2.2对话生成与自然语言处理二、AIGC实现虚拟人物创作与行为交互的技术架构2.1生成虚拟人物外观示例代码:基于GAN生成虚拟人物的外观2.2虚拟角色的行为生成示例代码:基于强
- 分词实现小案例
CodingBrother
性能优化架构架构中文分词
MySQL并不是一个专门设计用于处理自然语言处理(NLP)或文本分词的数据库,但可以通过一些方法和技巧实现基本的分词功能,尤其是在处理中文文本或其他语言的应用场景中。以下是一些在MySQL中实现分词的常用方案和设计策略。1.使用FULLTEXT索引MySQL提供了FULLTEXT索引,允许在文本字段上进行全文搜索。此功能可以在英文等语言中有效支持分词。创建FULLTEXT索引CREATETABLE
- 基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版)
矩阵猫咪
cnnlstmpytorch注意力机制卷积神经网络长短期记忆网络Attention
前言系列专栏:【深度学习:算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域,讨论了各种复杂的深度神经网络思想,如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理、深度强化学习、大型语言模型和迁移学习。在深度学习的众多模型中,卷积神经网络(CNN)和长短期记忆网络(LSTM)因其独特的优势
- M-Ped: Multi-Prompt Ensemble Decoding for Large Language Models
UnknownBody
LLMDailyLLMPromptprompt语言模型人工智能
本文是LLM系列文章,针对《M-Ped:Multi-PromptEnsembleDecodingforLargeLanguageModels》的翻译。M-Ped:大型语言模型的多提示集成解码摘要1引言2方法3实验4研究5相关工作6结论摘要随着大型语言模型(LLMs)在自然语言处理(NLP)领域的广泛应用,提高其性能已成为研究热点。本文提出了一种新的多提示集成解码方法,旨在通过利用多个提示的结果聚合
- DeepSeek:开启智能搜索与AI发展的新纪元
gs80140
AI人工智能
在人工智能领域,DeepSeek正以其卓越的技术创新和强大的性能表现,成为全球瞩目的焦点。作为一款基于深度学习技术的智能搜索引擎和AI模型,DeepSeek不仅在技术上取得了重大突破,还在多个应用场景中展现了巨大的应用潜力,为用户带来了前所未有的智能体验。一、DeepSeek简介DeepSeek由杭州深度求索人工智能基础技术研究有限公司推出,是一款集自然语言处理(NLP)、计算机视觉(CV)、强化
- AIGC的底层框架和技术模块
五岔路口
AIGC
AIGC(ArtificialIntelligenceGeneratedContent,人工智能生成内容)的底层框架和技术模块是构建其强大自然语言处理能力的核心组成部分。以下是对AIGC底层框架和技术模块的详细解析:底层框架AIGC的底层框架主要基于深度学习的语言模型,特别是Transformer模型及其变种,如GPT(GenerativePre-trainedTransformer)等。这些模型
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen