- 【大模型开发】Megatron-LM 深度解析:原理、应用与代码实现
云博士的AI课堂
大模型技术开发与实践哈佛博后带你玩转机器学习深度学习大模型开发HuggingFace大模型生态机器学习Megatron-LM并行训练大模型加速
以下内容将从Megatron-LM的基本原理、应用场景、以及其核心代码和实现逻辑三个方面进行深入剖析,并提供示例代码和详细的注释说明,帮助大家对Megatron-LM有一个较为全面的了解。所有内容基于Megatron-LM官方实现(GitHub:NVIDIA/Megatron-LM),并结合大规模模型训练的关键理念进行介绍。一、Megatron-LM简介Megatron-LM是由NVIDIA开源的
- 【大模型开发】深入解析 DeepSpeed:原理、核心技术与示例代码
云博士的AI课堂
大模型技术开发与实践哈佛博后带你玩转机器学习深度学习大模型开发大模型微调deepseekdeepspeedpython人工智能pytorch
深入解析DeepSpeed:原理、核心技术与示例代码DeepSpeed是由微软开源的高性能深度学习训练优化引擎,专注于帮助研究人员和工程团队在分布式环境中高效地训练超大规模模型。其核心目标是提供高吞吐、低内存占用、低成本的分布式训练方案,让数千亿甚至万亿级参数模型的训练成为可能。本文将从DeepSpeed的核心原理、关键组件、代码示例及实现过程详解等方面做详细阐述,帮助读者更好地理解并使用Deep
- Ubuntu16.04切换内核启动
StruggleYouth
ubuntu系统操作
1.该命令显示内核的启动顺序zgw@zgw-ThinkPad:~$grepmenuentry/boot/grub/grub.cfgif[x"${feature_menuentry_id}"=xy];thenmenuentry_id_option="--id"menuentry_id_option=""exportmenuentry_id_optionmenuentry'Ubuntu'--class
- Flink实时流处理入门与实践
随风九天
springjavaFlink实时流
一、引言1.1实时流处理的重要性在当今数据驱动的时代,实时数据处理变得越来越重要。企业需要从不断产生的大量数据中快速提取有价值的信息,以支持决策制定和业务优化。实时流处理技术能够实时处理数据流,提供即时的洞察和响应,从而提高业务效率和竞争力。1.2Flink简介ApacheFlink是一个开源的分布式流处理框架,支持批处理和流处理。Flink提供了高吞吐量、低延迟和精确一次(exactly-onc
- 一学就会的深度学习基础指令及操作步骤(6)迁移学习
小圆圆666
深度学习迁移学习人工智能卷积神经网络
文章目录迁移学习模型准备数据增强模型训练模型微调和预测检查预测结果迁移学习迁移学习是将一个任务中学到的知识应用到另一个相关任务上,以提高新任务的学习效率和性能。优势:节省训练时间,提高模型性能,尤其在小数据场景下效果显著。核心是利用源域的知识来帮助目标域任务,比如在ImageNet上预训练的模型用于医疗影像分类。源域(SourceDomain):已有知识的领域(如ImageNet图像库)。目标域(
- 基于PyTorch的深度学习6——数据处理工具箱2
Wis4e
深度学习pytorch人工智能
torchvision有4个功能模块:model、datasets、transforms和utils。主要介绍如何使用datasets的ImageFolder处理自定义数据集,以及如何使用transforms对源数据进行预处理、增强等。下面将重点介绍transforms及ImageFolder。transforms提供了对PILImage对象和Tensor对象的常用操作。1)对PILImage的常
- 基于PyTorch的深度学习——机器学习3
Wis4e
深度学习机器学习pytorch
激活函数在神经网络中作用有很多,主要作用是给神经网络提供非线性建模能力。如果没有激活函数,那么再多层的神经网络也只能处理线性可分问题。在搭建神经网络时,如何选择激活函数?如果搭建的神经网络层数不多,选择sigmoid、tanh、relu、softmax都可以;而如果搭建的网络层次较多,那就需要小心,选择不当就可导致梯度消失问题。此时一般不宜选择sigmoid、tanh激活函数,因它们的导数都小于1
- 深度学习与普通神经网络有何区别?
是理不是里
深度学习神经网络人工智能
深度学习与普通神经网络的主要区别体现在以下几个方面:一、结构复杂度普通神经网络:通常指浅层结构,层数较少,一般为2-3层,包括输入层、一个或多个隐藏层、输出层。深度学习:强调通过5层以上的深度架构逐级抽象数据特征,包含多层神经网络,层数可能达到几十层甚至上百层。例如,ResNet(2015)包含152个卷积层。二、特征学习方式普通神经网络:特征提取通常依赖人工设计,需要领域专家的经验。这意味着在处
- AI 技术 引入 RTK(实时动态定位)系统,可以实现智能化管理和自动化运行
小赖同学啊
人工智能低空经济人工智能自动化运维
将AI技术引入RTK(实时动态定位)系统,可以实现智能化管理和自动化运行,从而提高系统的精度、效率和可靠性。以下是AI技术在RTK系统中的应用实例:一、AI技术在RTK系统中的应用场景1.整周模糊度快速解算问题:RTK的核心是解算载波相位的整周模糊度,传统方法耗时较长。AI解决方案:使用深度学习模型(如卷积神经网络CNN)预测整周模糊度。通过历史数据训练模型,实现快速解算。实例:某无人机公司使用A
- AI 驱动的软件测试革命:从自动化到智能化的进阶之路
綦枫Maple
AI+软件测试人工智能自动化运维
引言:软件测试的智能化转型浪潮在数字化转型加速的今天,软件产品的迭代速度与复杂度呈指数级增长。传统软件测试依赖人工编写用例、执行测试的模式,已难以应对快速交付与高质量要求的双重挑战。人工智能技术的突破为测试领域注入了新动能,通过机器学习、深度学习、自然语言处理等技术,测试流程正从“被动验证”向“主动预防”演进。本文将深入探讨AI与软件测试的融合路径,结合技术原理、工具实践与行业趋势,为读者呈现一幅
- 基于Linux环境部署和使用ElasticSearch搜索引擎
探模之翼
数据库搜索引擎linuxelasticsearch向量数据库多模态检索
目录一.Elasticsearch基础介绍二.Docker部署单节点ElasticSearch1.环境配置2.创建数据目录3.创建ES自定义配置文件4.启动ElasticSearch服务5.验证服务三.DockerCompose部署单节点ElasticSearch1.环境配置2.创建docker-compose.yml3.创建配置文件elasticsearch.yml4.启动ElasticSear
- Python product函数介绍
无尽的沉默
函数用法python
通过fromitertoolsimportproduct引入product函数。Product函数可以实现对矩阵做笛卡尔积importitertoolsforiteminitertools.product([1,2],[10,20]):print(item)'''(1,10)(1,20)(2,10)(2,20)'''iterables是可迭代对象,repeat指定iterable重复几次,即:pr
- (9)异步Mongo驱动的性能测试——响应式Spring的道法术器
享学IT
【道法术器】响应式Spring响应式异步Mongo性能
本系列其他文章见:《响应式Spring的道法术器》。前情提要:SpringWebFlux快速上手|SpringWebFlux性能测试|SpringWebClient性能测试1.4.4同步与异步数据库驱动的性能对比许多数据库已陆续推出官方的异步驱动,在SpringDataReactive中,已经集成了Mongo、Casandra、Redis、CouchDB的异步驱动。在SpringWebFlux中使
- 气膜科技赋能冰雪产业,开启可持续发展新路径—轻空间
Qspace丨轻空间
大数据科技娱乐安全
冰雪运动的普及受到地域和气候条件的制约,传统冰雪场馆建设周期长、成本高,难以满足日益增长的市场需求。智能气膜冰雪场馆凭借建设周期短、空间利用率高、运维成本低的独特优势,成为破解冰雪运动场地短缺的关键方案,为冰雪产业的可持续发展提供了全新思路。绿色低碳,打造高效节能冰雪空间智能气膜冰雪场馆采用先进的膜结构技术,结合AI驱动的超低能耗恒温系统,实现精准温控,将场馆运营能耗降低40%以上,大幅减少碳排放
- 供应链工作效率如何提升
dev.null
社会供应链
提升供应链工作效率可以从以下几个关键方面入手:1.优化供应链管理数据驱动决策:利用AI和大数据分析,提高预测准确性,优化库存管理。供应链可视化:采用ERP(企业资源计划)和SCM(供应链管理)系统,实现实时跟踪和监控。流程自动化:使用RPA(机器人流程自动化)减少人为操作,提高效率。2.提高物流效率智能调度:使用AI优化配送路线,减少运输时间和成本。自动化仓储:采用自动分拣、机器人搬运、无人机配送
- 使用Activeloop Deep Lake构建深度学习数据仓库与向量存储
dgay_hua
深度学习人工智能python
技术背景介绍随着深度学习技术的发展,数据的存储与管理成为了一个重要的问题。尤其是对于需要处理大量数据的应用,例如自然语言处理和图像识别,传统的数据存储方式已经无法满足需求。ActiveloopDeepLake是专为深度学习设计的数据仓库,可以作为向量存储使用,支持多模态数据的存储和处理,并且可以直接用于细调大型语言模型(LLMs)。此外,它还提供自动版本控制,无需依赖其他服务,兼容主要云服务提供商
- 基于STM32单片机的可见光通信系统自适应光线数据收发设计+可见光音频通信设计DIY25-125
通旺科技
单片机stm32音视频
本系统由可见光发射板和可见光接收板以及可见光音频收发模块组成:可见光发射板:STM32F103C8T6单片机核心板、高亮LED灯驱动电路、矩阵按键和可见光音频发射模块电路。可见光接收板:STM32F103C8T6单片机核心板、可见光接收采集电路、蜂鸣器驱动电路、1.44寸TFT彩屏和可见光音频接收模块。【1】本设计见光发射板单片机发出不同频率波形的可见光,通过传输后,由可见光接收板的可见光接收电路
- 《ChatGPT Prompt Engineering for Developers》课程-提示词原则
evil-tomato
LLMchatgpt人工智能pythonai
编写Prompt的原则本章的主要内容为编写Prompt的原则,在本章中,我们将给出两个编写Prompt的原则与一些相关的策略,你将练习基于这两个原则来编写有效的Prompt,从而便捷而有效地使用LLM。一、环境配置本教程使用OpenAI所开放的ChatGPTAPI,因此你需要首先拥有一个ChatGPT的API_KEY(也可以直接访问官方网址在线测试),然后需要安装openai的第三方库首先需要安装
- 大语言模型原理基础与前沿 挑战与机遇
AI大模型应用之禅
DeepSeekR1&AI大模型与大数据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
大语言模型原理基础与前沿挑战与机遇1.背景介绍大语言模型(LargeLanguageModels,LLMs)是近年来人工智能领域的一个重要突破。它们通过深度学习技术,特别是基于变换器(Transformer)架构的模型,能够在自然语言处理(NLP)任务中表现出色。大语言模型的出现不仅推动了学术研究的发展,也在实际应用中展现了巨大的潜力。1.1大语言模型的起源大语言模型的起源可以追溯到早期的统计语言
- ESP-IDF架构浅析
V.Code1024
ESP-IDFarm开发c语言架构
1.ESP-IDF的架构概述ESP-IDF是一个为ESP32芯片设计的全面开发框架。其核心组成部分包括:硬件抽象层(HAL):ESP-IDF为ESP32芯片提供了硬件抽象层,用于与底层硬件的交互(如GPIO、PWM、SPI、I2C、UART等外设的控制)。驱动(Drivers):用于操作各种硬件接口和外设的代码。中间件(Middleware):如网络栈、文件系统、图形库等功能。FreeRTOS内核
- 《美图AI:解锁视觉创作新宇宙》
空云风语
人工智能人工智能
美图AI:开启视觉创作新时代在当今数字化浪潮汹涌澎湃的时代,人工智能(AI)已成为推动各领域变革与创新的核心驱动力。从智能家居到智能交通,从医疗保健到金融服务,AI的身影无处不在,正以前所未有的速度改变着我们的生活和工作方式。在视觉创作领域,AI同样掀起了一场革命,而美图AI便是这场革命中的佼佼者,成为无数创作者和普通用户手中的得力工具,引领着视觉创作进入一个全新的时代。回首视觉创作的发展历程,从
- DeepSeek源码解析(2)
白鹭凡
deepseekai
Tensor(张量)的介绍在计算机科学和机器学习领域,“张量”(Tensor)是一个数学概念,它被用来表示多维数组。在大模型(如深度学习模型)中,张量扮演着核心角色,具体来说:数据表示:张量用于表示输入数据、模型参数和中间计算结果。例如,在图像处理中,一张图片可以被表示为一个三维张量(高度、宽度、颜色通道数),而在自然语言处理中,一段文本可以被编码为一系列词向量组成的二维张量(句子长度、词向量维度
- 点云语义分割:PointNet++在S3DIS数据集上的训练
完美代码
3dneo4j点云
点云语义分割:PointNet++在S3DIS数据集上的训练点云语义分割是计算机视觉领域的一个重要任务,旨在将点云数据中的每个点分配给其对应的语义类别。PointNet++是一种流行的深度学习方法,可用于处理点云数据,并在各种任务中取得了良好的性能。在本文中,我们将探讨如何使用PointNet++模型在S3DIS数据集上进行训练,并提供相应的源代码。数据集介绍S3DIS数据集是一个常用的用于室内场
- DeepSeek 的桌面版本,DeepSeek 是一款 AI 驱动的应用程序,可提供智能帮助和交互。此应用程序允许用户直接从他们的桌面访问 DeepSeek 的聊天界面,并支持本地存储和 cookie
struggle2025
自然语言处理deepseek
一、软件介绍文末提供下载DeepSeekDesktop是一个跨平台的桌面应用程序,它将DeepSeek的强大功能(您的AI伴侣)直接带到您的计算机上。它专为简单和方便而设计,允许您在本机桌面环境中与DeepSeek交互,并支持localStorage和cookies。人工智能有可能彻底改变我们与技术的交互方式。受到其他AI应用程序的启发,我创建了DeepSeekDesktop,使这个强大的工具更易
- PointNet、PointNet++ 基于深度学习的3D点云分类和分割
一颗小树x
人工智能感知算法自动驾驶深度学习机器学习3D点云PointNet
前言PointNet是直接对点云进行处理的,它对输入点云中的每一个点,学习其对应的空间编码,之后再利用所有点的特征得到一个全局的点云特征。Pointnet提取的全局特征能够很好地完成分类任务,但局部特征提取能力较差,这使得它很难对复杂场景进行分析。PointNet++核心是提出了多层次特征提取结构,有效提取局部特征提取,和全局特征。目录一、PointNet1.1PointNet思路流程1.2Poi
- (35)jar包中替换隔离驱动、更换新的隔离串
俺俺
lwk-note-elecidejarjava隔离串隔离驱动jdbc
jar包中替换隔离驱动、更换新的隔离串:1.更换新的隔离串:直接使用vim编辑jar包即可,将url地址跟换成:jdbc:nds://172.25.2.20:13007/v_18700_zhhq_nprod?appname=app_zhhqjyhpt2.更换隔离驱动(务必按照此方法):#新建目录tempmkdirtemp#将jar包拷贝到temp中cpxxx.jartemp/#解压jar包到当前目
- 基于YOLOv5的烟雾检测系统:从数据集准备到UI界面实现
深度学习&目标检测实战项目
YOLOui分类数据挖掘目标跟踪
1.引言烟雾是火灾发生的一个重要早期信号。烟雾检测能够在火灾初期及时识别并报警,为火灾的扑灭争取宝贵的时间。因此,烟雾检测的研究一直是计算机视觉领域中的一个热点问题。近年来,随着深度学习技术的发展,目标检测算法被广泛应用于烟雾检测,尤其是基于YOLOv5的目标检测模型,由于其较高的精度和较低的计算开销,已经成为许多实时检测系统的首选模型。在这篇博客中,我们将介绍如何使用YOLOv5模型进行烟雾检测
- 计算机二级——Python
辛kai瑞
python网络linux
第一章程序设计的基本方法本章大纲程序设计语言Python语言的概述Python开发环境配置程序的基本编写方法一、程序设计语言程序设计语言也叫编程语言。计算机程序按照程序设计语言规则组织起来的一组计算机指令程序设计语言发展经历了机器语言、汇编语言、高级语言的3个阶段二、编译和解释高级语言根据计算机执行机制的不同分为两类:静态语言和脚本语言,静态语言采用编译方式执行,脚本语言采用解释方式执行编译是将源
- 从0开始的操作系统手搓教程44——实现更好的shell
charlie114514191
从0开始的操作系统教程操作系统手搓教程学习教程shell
目录添加ctrl+u和ctrl+l快捷键修订readline预备解析上电批添加syscall实现ps路径转化内建的其他指令补充上电添加ctrl+u和ctrl+l快捷键在Linux系统中,快捷键如“Ctrl+u”和“Ctrl+l”是由操作系统提供的标准功能,但它们的实现方式并不是直接由键盘驱动程序(keyboard.c)来处理的。这是因为键盘驱动程序是一个较低层次的程序,它的主要任务是处理硬件中断并
- 字符设备驱动开发与杂项开发
Charary
linux驱动开发
驱动驱动,即操作系统用来操作硬件的逻辑代码Linux下的驱动特点底层驱动要配合应用层才能完成对底层硬件的获取/操作流程向内核插入驱动xxx.ko->生成一个设备文件/dev/xxx->执行应用层代码的可执行程序main--->实现对硬件设备的操作设备文件本质内核驱动需要生成设备文件作为上层应用与底层的桥梁。底层需要一直编写接口,以便于上层的操作。在Linux下,一切皆文件。==所有设备在Linux
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
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
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f