- babel系列科普文
赖次Go
《Babel插件开发入门指南》https://www.chyingp.com/posts/how-to-write-a-babel-plugin/《babel-preset-env学习指南》https://www.chyingp.com/posts/understanding-babel-preset-env/《Babel:plugin、preset的区别与使用》https://www.chyin
- 单元测试编写
BIGSHU0923
单元测试log4j
概述记录,为了快速查找。用JUnit5和Mockito。参考阿里的java开发规范,单元测试主要遵循AIR原则,即自动化(Automation)、独立性(Independence)、可重复性(Repeatability)。单测的基本目标:语句覆盖率达到70%;核心模块的语句覆盖率和分支覆盖率都要达到100%。(Jacoco)编写单元测试代码遵守BCDE原则,以保证被测试模块的交付质量。⚫B:Bor
- DOM CSS: Understanding the Intersection of HTML and Style
lly202406
开发语言
DOMCSS:UnderstandingtheIntersectionofHTMLandStyleIntroductionTheDocumentObjectModel(DOM)andCascadingStyleSheets(CSS)aretwofundamentalcomponentsofwebdevelopment.DOMprovidesastructuredrepresentationofHT
- 【深度学习入门项目】一文带你弄清决策树(鸢尾花分类)
Better Rose
深度学习深度学习决策树分类
目录实验原理1.信息增益2.增益率3.基尼指数4.剪枝处理一、加载数据集二、配置模型三、训练模型四、模型预测五、模型评估六、决策树调参1.criterion2.max_depth实验原理决策树(decisiontree)是一种应用广泛的机器学习方法。顾名思义,决策树算法的表现形式可以直观理解为一棵树(可以是二叉树或非二叉树)。一棵决策树一般包含一个根节点、一系列内部节点和叶节点,一个叶节点对应一个
- UNDERSTANDING HTML WITH LARGE LANGUAGE MODELS
liferecords
LLM语言模型人工智能自然语言处理
UNDERSTANDINGHTMLWITHLARGELANGUAGEMODELS相关链接:arXiv关键字:大型语言模型、HTML理解、Web自动化、自然语言处理、机器学习摘要大型语言模型(LLMs)在各种自然语言任务上表现出色。然而,它们在HTML理解方面的能力——即解析网页的原始HTML,对于自动化基于Web的任务、爬取和浏览器辅助检索等应用——尚未被充分探索。我们为HTML理解模型(经过微调
- The Basque armed organisation Eta has apologised to the victims of its decades-long conflict for independence, just days before an expected announcement of dissolution.
我以为的顿悟
TheBasquearmedorganisationEtahasapologisedtothevictimsofitsdecades-longconflictforindependence,justdaysbeforeanexpectedannouncementofdissolution.Thegroupaskedfor"forgiveness"forkillingpeoplewithout"ad
- 编码、理解和实现LLM中的自注意力、多头注意力、交叉注意力和因果注意力
lichunericli
Transformer人工智能语言模型transformer
原文链接:understanding-and-coding-self-attention2024年1月14日自注意力是LLM的一大核心组件。对大模型及相关应用开发者来说,理解自注意力非常重要。近日,AheadofAI杂志运营者、机器学习和AI研究者SebastianRaschka发布了一篇文章,介绍并用代码从头实现了LLM中的自注意力、多头注意力、交叉注意力和因果注意力。这篇文章将介绍Transf
- 论文学习1----理解深度学习需要重新思考泛化Understanding deep learning requires rethinking generalization
夏洛的网
机器学习深度学习论文深度学习神经网络
——论文地址:Understandingdeeplearningrequiresrethinkinggeneralization1、有关新闻1.1新闻一:参考1:机器之心尽管深度人工神经网络规模庞大,但它们的训练表现和测试表现之间可以表现出非常小的差异。传统的思考是将小的泛化误差要么归结为模型族的特性,要么就认为与训练过程中的正则化技术有关。通过广泛的系统性实验,我们表明这些传统的方法并不能解释大
- 欧拉角与四元数
乐墩
利用二元数(复数)表示一维平面的旋转;利用四元数表示三维平面的旋转。UnderstandingQuaternions中文翻译《理解四元数》https://www.qiujiawei.com/understanding-quaternions/利用欧拉角(x,y,z),表示一个点绕自身坐标旋转x,y,z度。万向节死锁(GimbalLock)http://www.ceeger.com/Unity/Do
- rts单位移动知识
一头愚蠢的驴
转向力的理解:https://blog.csdn.net/i_dovelemon/article/details/36380409?winzoom=1ROV2库:http://gamma.cs.unc.edu/RVO2/矢量场寻路:https://gamedevelopment.tutsplus.com/tutorials/understanding-goal-based-vector-field
- Advances in Deep Concealed Scene Understanding (伪装场景理解综述解读)
交换喜悲
伪装目标检测模型深度学习目标检测计算机视觉人工智能机器学习cnn
论文地址:https://link.springer.com/article/10.1007/s44267-023-00019-6摘要伪装场景理解是一个热门的计算机视觉课题,旨在感知展示伪装的物体,当前技术和应用的繁荣需要最新的研究调查,这可以帮助研究人员更好的了解全球CSU领域,包括当前的成就和剩余的挑战。本文提出了四个贡献:(1)首次全面介绍了面向CSU的深度学习技术的调查,包括分类法、任务特
- python sklearn.tree 决策树参数
有头发的偷心盗贼
原文链接:https://www.jianshu.com/p/d1d17499365c1.重要参数:criterion为了要将表格转化为一棵树,决策树需要找出最佳节点和最佳的分枝方法,对分类树来说,衡量这个“最佳”的指标叫做“不纯度”。通常来说,不纯度越低,决策树对训练集的拟合越好。现在使用的决策树算法在分枝方法上的核心大多是围绕在对某个不纯度相关指标的最优化上。不纯度基于节点来计算,树中的每个节
- Understanding TCP Congestion Control
nicename56
tcp/ip网络服务器
Exercise1:UnderstandingTCPCongestionControlusingns-2WehavestudiedtheTCPcongestioncontrolalgorithmindetailinthelecture(andSection3.6ofthetext).Youmaywishtoreviewthisbeforecontinuingwiththisexercise.Rec
- 论文笔记--Improving Language Understanding by Generative Pre-Training
Isawany
论文阅读论文阅读自然语言处理chatgpt语言模型nlp
论文笔记GPT1--ImprovingLanguageUnderstandingbyGenerativePre-Training1.文章简介2.文章导读2.1概括2.2文章重点技术2.2.1无监督预训练2.2.2有监督微调2.2.3不同微调任务的输入3.Bert&GPT4.文章亮点5.原文传送门6.References1.文章简介标题:ImprovingLanguageUnderstandingb
- Improving Language Understanding by Generative Pre-Training 论文阅读
老熊软糖
论文阅读人工智能机器学习
论文题目:通过生成式预训练提高语言理解能力GPT的全称:GenerativePre-trainedTransformer。Generative是指GPT可以利用先前的输入文本来生成新的文本。GPT的生成过程是基于统计的,它可以预测输入序列的下一个单词或字符,从而生成新的文本。【参考自春日充电季——ChatGPT的GPT是什么意思】机翻:自然语言理解包括一系列不同的任务,如文本蕴含、问题回答、语义相
- Improving Language Understanding by Generative Pre-Training
liangdengne_123
深度学习自然语言处理机器学习
今天阅读的是OpenAI2018年的论文《ImprovingLanguageUnderstandingbyGenerativePre-Training》,截止目前共有600多引用。在这篇论文中,作者提出了一种半监督学习方法——GenerativePre-Training(以下简称GPT),GPT采用无监督学习的Pre-training充分利用大量未标注的文本数据,利用监督学习的Fine-tunin
- 经典论文介绍:GPT的由来,Improving Language Understanding by Generative Pre-Training
才能我浪费
AI应用gpt深度学习机器学习
《ImprovingLanguageUnderstandingbyGenerativePre-Training》是谷歌AI研究团队在2018年提出的一篇论文,作者提出了一种新的基于生成式预训练的自然语言处理方法(GenerativePre-trainingTransformer,GPT),在多项下游任务中均取得了优秀的效果。论文地址:https://s3-us-west-2.amazonaws.c
- GPT原始论文:Improving Language Understanding by Generative Pre-Training论文翻译
iKang_dlut
gpt人工智能深度学习
1摘要自然语理解包括文本蕴含、问题回答、语义相似性评估和文档分类等一系列多样化的任务。尽管大量未标注的文本语料库很丰富,但用于学习这些特定任务的标注数据却很稀缺,这使得基于区分性训练的模型难以充分发挥作用。我们展示了通过在多样化的未标注文本语料库上对语言模型进行生成式预训练,随后对每个特定任务进行区分性微调,可以实现这些任务的大幅度改进。与以往的方法不同,我们在微调过程中使用了任务感知的输入转换,
- Re-understanding of data storytelling tools from a narrative perspective
青筑
storytelling
作者:任芃锟,王轶&赵凡发表:VisualIntelligence,新刊,实行单盲同行评议制度。由施普林格以开放获取(OpenAccess)模式出版。获2022“中国科技期刊卓越行动计划高起点新刊”项目资助,目前出版不收取文章处理费总述:本文是一篇综述类论文,工作为:①对近10年来的数据叙事文献进行整理,②从叙事的角度提出了一种全新的创作工具(authoringtools)分类方案。本篇博文略读文
- 随机森林回归器
功夫大笨鲨
随机森林学习笔记sklearn机器学习
文章目录前言一、重要参数criterion二、重要属性和接口三、随机森林回归用法总结前言所有的参数,属性与接口,全部和随机森林分类器一致。仅有的不同就是回归树与分类树的不同,不纯度的指标,参数Criterion不一致。一、重要参数criterion回归树衡量分支质量的指标,支持标准有三种:输入"mse"使用均方误差meansquarederror(MSE),父节点和叶子节点之间的均方误差的差额将被
- 随机森林回归参数详解
今天也要加油丫
机器学习机器学习随机森林回归算法
随机森林回归参数详解类型参数弱分类器数量n_estimators弱分类器的训练数据bootstrap,oob_score,max_samples,max_features,random_state弱分类器结构criterion,max_depth,min_samples_split,min_samples_leaf,min_weight_fraction_leaf,max_leaf_nodes,m
- 随机森林回归器的参数详解
恒c
随机森林回归
整体参数分类类型参数弱分类器数量n_estimators弱分类器的训练数据bootstrap,oob_score,max_samples,max_features,random_state弱分类器结构criterion,max_depth,min_samples_split,min_samples_leaf,min_weight_fraction_leaf,max_leaf_nodes,min_i
- Photorealistic Text-to-Image Diffusion Modelswith Deep Language Understanding
umbrellazg
人工智能
1TitlePhotorealisticText-to-ImageDiffusionModelswithDeepLanguageUnderstanding(ChitwanSaharia,WilliamChan,SaurabhSaxenay,LalaLiy,JayWhangy,EmilyDenton,SeyedKamyarSeyedGhasemipour,BurcuKaragolAyan,S.Sar
- Debezium发布历史103
大大蚊子
debeziumCDCFlinkCDC数据库运维大数据
原文地址:https://debezium.io/blog/2021/03/18/understanding-non-key-joins-with-quarkus-extension-for-kafka-streams/欢迎关注留言,我是收集整理小能手,工具翻译,仅供参考,笔芯笔芯.了解KafkaStreams的Quarkus扩展的非键连接三月18,2021作者:AnishaMohantykafk
- 【读点论文】A Survey of Deep Learning Approaches for OCR and Document Understanding
羞儿
论文笔记深度学习ocr人工智能
ASurveyofDeepLearningApproachesforOCRandDocumentUnderstandingAbstract文档是许多领域(如法律、金融和技术等)中许多业务的核心部分。自动理解发票、合同和简历等文件是有利可图的,开辟了许多新的商业途径。通过深度学习的发展,自然语言处理和计算机视觉领域已经取得了巨大的进步,这些方法已经开始融入当代文档理解系统。在这篇调查论文中,我们回顾
- 机器学习系列4-特征工程
喜乐00
机器学习人工智能
机器学习系列4-特征工程学习内容来自:谷歌ai学习https://developers.google.cn/machine-learning/crash-course/framing/check-your-understanding?hl=zh-cn本文作为学习记录自己归纳整理的思维导图这里写目录标题机器学习系列4-特征工程一级目录二级目录三级目录1.数据集划分1.1将数据集划分为训练集和测试集1
- 机器学习-3降低损失(Reducing Loss)
喜乐00
机器学习人工智能
机器学习-3降低损失(ReducingLoss)学习内容来自:谷歌ai学习https://developers.google.cn/machine-learning/crash-course/framing/check-your-understanding?hl=zh-cn本文作为学习记录1.降低损失:迭代方法迭代学习下图展示了机器学习算法用于训练模型的迭代试错过程:迭代策略在机器学习中很常见,主
- 机器学习系列-1基础概念
喜乐00
机器学习人工智能
机器学习系列-1基础概念学习内容来自:谷歌ai学习https://developers.google.cn/machine-learning/crash-course/framing/check-your-understanding?hl=zh-cn本文作为学习记录1.什么是(监督式)机器学习?机器学习系统学习如何组合输入以对从未见过的数据生成有用的预测。2.机器学习的基本术语。2.1标签标签是指
- 机器学习系列-2 线性回归&训练损失
喜乐00
人工智能机器学习
机器学习系列-2线性回归&训练损失学习内容来自:谷歌ai学习https://developers.google.cn/machine-learning/crash-course/framing/check-your-understanding?hl=zh-cn本文作为学习记录1线性回归:举例:蝉(昆虫物种)在天气炎热的日子里会比在更冷的日子里鸣叫。数十年来,专业和业余科学家一直在编制每分钟的鸣叫声
- 【全文翻译】EXPLAINABLE ARTIFICIAL INTELLIGENCE: UNDERSTANDING, VISUALIZING AND INTERPRETING DEEP LEARNING
白菜苗
机器学习文献翻译文章人工智能机器学习
Explainableartificialintelligence:understanding,...(可解释的人工智慧:理解,可视化和解释深层学习模型1.Introduction2.WhydoweneedexplainableAI?3.Methodsforvisualizing,interpretingandexplainingdeeplearningmodels3.1.SensitivityA
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s