班达learning
班达learning

SRGAN

图像超分辨率重建技术
图像超分辨率重建技术指的是借由特定的算法和处理流程，从给定的低分辨率图像中复原出高分辨率图像的过程，
我们采用了SRGAN的模型来执行图像超分辨率重建的任务

生成对抗网络GAN
生成对抗网络GAN，是通过对抗的方式，学习数据分布的生成式模型。GAN模型中有两个组成部分：生成器和判别器，生成器输出模拟真实样本的假样本。判别器则判断输入是真实样本还是生成的样本，两个网络在对抗中不断训练调整，可以将生成器看为艺术品伪造者，判别器视为艺术专家。伪造者的目的是制作逼真的艺术品， 专家的目的是区分是否是伪造品。两者同时训练，并且相互竞争。
SRGAN模型就是将这种生成对抗的思想引入图像增强任务中，通过生成器不断尝试生成高分辨率图像，判别器判断是高分辨率还是低分辨率图像，两者相互竞争，判别器无法判断生成器生成的样本

网络结构
上图上部分为：生成网络结构，基于Resnet网络结构；
上图下部分为：辨别网络结构，利用LeakyReLU(0.2)为激活函数，网络层数从64到512，后面连接两个全连接层和一个sigmoid层，用来判断是否为同一图像的概率；
SRGAN的工作就是： G网通过低分辨率的图像生成高分辨率图像，由D网判断拿到的图像是由G网生成的，还是数据库中的原图像。当G网能成功骗过D网的时候，那我们就可以通过这个SRGAN完成超分辨率了。

感知损失函数
SRGAN还对原始GAN模型的损失函数做了一些改进，通过利用感知损失和对抗损失来提升恢复出的图片的真实感。感知损失是利用卷积神经网络提取出的特征，通过比较生成图片经过卷积神经网络后的特征和目标图片经过卷积神经网络后的特征的差别，使生成图片和目标图片在语义和风格上更相似。

实验验证
CelebA数据集 : 里面有大量的带标注信息的明星人脸.
构建好网络后，基于CelebA数据集，对每个图片做处理得到低分辨率的图片，从而得到低分辨率图片数据集。用这两个数据集来训练网络，实现低分辨率到高分辨率图片的转化

你可能感兴趣的:(SRGAN)

  • ESRGAN：基于GAN的增强超分辨率方法（附代码解析） PaperWeekly
    作者丨左育莘学校丨西安电子科技大学研究方向丨计算机视觉之前看的文章里有提到GAN在图像修复时更容易得到符合视觉上效果更好的图像，所以也是看了一些结合GAN的图像修复工作。ESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks发表于ECCV2018的Workshops，作者在SRGAN的基础上进行了改进，包括改进网络的结构、判决器的判
  • 【深度学习】实验7实验结果，图像超分辨 X.AI666 深度学习深度学习人工智能
    代码和报告均为本人自己实现（实验满分），只展示主要任务实验结果，如果需要详细的实验报告或者代码可以私聊博主，接实验技术指导1对1实验要求布置请看http://t.csdnimg.cn/jCsv6Model实现说明代码实现了一个基于生成对抗网络（SRGAN）的图像超分辨率模型。总体来说，SRGAN由两个主要组件组成：生成器（Generator）和判别器（Discriminator），它们相互对抗并共
  • ESRGAN：基于GAN的增强超分辨率方法（附代码解析） 无止境x SuperResolution（超分辨）ESRGAN
    之前看的文章里有提到GAN在图像修复时更容易得到符合视觉上效果更好的图像，所以也是看了一些结合GAN的图像修复工作。ESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks发表于ECCV2018的Workshops，作者在SRGAN的基础上进行了改进，包括改进网络的结构、判决器的判决形式，以及更换了一个用于计算感知域损失的预训练网络。
  • 超分之SRGAN 深度学习炼丹师-CXD 超分SR计算机视觉人工智能深度学习超分辨率重建论文笔记
    Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork使用生成对抗网络的逼真单图像超分辨率一作：ChristianLedig是Twitter2017年的一篇论文。超分之SRGAN代码实现文章目录0.摘要1.引言1.1相关工作1.1.1介绍了SR技术的发展历程1.1.2介绍了SR技术中卷积神经网络的设计
  • 超分之SRGAN官方代码解读 深度学习炼丹师-CXD 超分SR深度学习人工智能计算机视觉超分辨率重建
    超分之SRGAN原文解读链接文章目录1.主训练文件main.py2.自定义训练集、验证集、测试集文件data_tilis.py3.自定义GAN网络模型文件model.py4.自定义损失函数文件loss.py5.自定义评价指标SSIM文件pytorch_ssim\__init__.py6.图片测试文件test_image.py7.视频测试文件test_video.py1.主训练文件main.pyim
  • 目标检测YOLO实战应用案例100讲-基于图像增强的鸟类目标检测（续） 林聪木 目标检测YOLO深度学习
    目录SRGAN网络模型改进研究3.1SRGAN超分辨率模型3.1.1SRGAN网络结构3.1.2SRGAN的损失函数
  • SRGAN超分辨率网络 JOYCE_Leo16 超分辨率人工智能深度学习生成对抗网络超分辨率重建图像处理
    1、SRGAN是第一篇将GAN引入超分领域的论文，旨在提升画面的真实性。2、SRGAN是一个超分辨网络，利用生成对抗网络的方法实现图片的超分辨。目录前言一、SRGAN主要介绍1、超分辨率问题2、解决问题的方法二、SRGAN主要内容1、三个解决问题的方法层面论述三、结论前言论文：http://arxiv.org/abs/1609.04802参考：超分辨率论文阅读—SRGAN-知乎一、SRGAN主要介
  • 基于SRGAN的人脸图像超分辨率 金戈鐡馬 计算机视觉人工智能深度学习神经网络GAN
    引言SRGAN是第一个将GAN用在图像超分辨率上的模型。在这之前，超分辨率常用的损失是L1、L2这种像素损失，这使得模型倾向于学习到平均的结果，也就是给低分辨率图像增加“模糊的细节”。SRGAN引入GAN来解决这个问题。GAN可以生成“真实”的图像，那么当“真实的图像”是清晰的图像时，也意味着GAN可以生成清晰的图像。但是，如果只用GAN损失，没有其他约束，并不能生成与低分辨率图像对应的高分辨率图
  • GAN的应用-SRGAN图像超分辨率重构、U-net结构和字“姐”跳动学习心得 「已注销」 PaddlePaddle深度学习
    GAN的应用--SRGAN图像超分辨率重构项目地址：https://aistudio.baidu.com/aistudio/projectdetail/843989文章来源：2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR)下载链接：Photo-RealisticSingleImageSuper-ResolutionUsing
  • 基于深度学习的视频修复算法 穿越23小时 机器学习深度学习算法人工智能
    前言本篇博文只是一个收集作用，将我认为对我的思路提供了帮助的博文收集起来了。参考文献一.超分辨相关从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程罗列了超分辨在深度学习的基本发展，各种常见的算法。2.如何通过多帧影像进行超分辨率重构？本来以为是一个视频处理的详细算法，但是用到的具体网络，似乎没有提及，但是，这种思路还是有些启发的。SRGAN阅读笔记非常简略的一个笔记ESRGAN论文解
  • 对抗生成网络总结 __momo__ RecordsPaperReadingClassicalNetwork深度学习人工智能
    对一些基本的对抗生成网络的总结。部分内容整理自Teeyohuang’sblog文章目录GAN(NeurIPS,2014)CGANDCGANStackGANPix2Pix(CVPR,2017)CycleGAN(ICCV,2017)SRGAN(CVPR,2017)StyleGAN(CVPR,2019)GAN(NeurIPS,2014)GenerativeadversarialnetsminGmaxDV
  • GAN相关：SRGAN，GAN在超分辨率中的应用 Arthur-Ji 画质增强
    GAN相关：SRGAN，GAN在超分辨率中的应用Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetworkChristianLedigetalabstract用GAN做超分辨率是为了解决常规方法包括deeplearning方法的结果中缺少高频信息和finedetails的缺点，而传统的deepCNN只能通
  • GAN在图像超分辨领域的应用 春末的南方城市 论文阅读深度学习生成对抗网络人工智能神经网络
    本篇博客介绍了对抗生成网络GAN在图像超分辨领域的应用，包括(SRGAN,ESRGAN,BSRGAN,Real-ESRGAN),详细介绍了论文内容，方法，网络结构并对其做了相关总结。相关GAN原理的介绍大家可以查看我之前的几篇博客，链接如下：生成对抗网络-GANhttps://blog.csdn.net/xs1997/article/details/130277123?spm=1001.2014.
  • SRGAN记录 Yankee_13
    1.psnr在超分辨率问题中，有一指标PSNR（信噪比）衡量重建图像的质量。MSE为均方误差K为图像对应的二进制位数，一般都是8（255位）2.SRGAN原理代码地址：https://github.com/aitorzip/PyTorch-SRGAN1）网络结构：classGenerator(nn.Module):def__init__(self,n_residual_blocks,upsampl
  • AI实战营：通用视觉框架OpenMMLab底层视觉与MMEditing guwuyue 深度学习人工智能
    目录图像超分辨率SuperResolution深度学习时代的超分辨率算法卷积网络模型SRCNNFSRCNNSRResNetSuper-ResolutionCNN,SRCNN,2014FastSRCNN2016SRResNet2016对抗生成网络介绍GanerativeAdversarialNetwork基于GAN的模型SRGAN与ESRGANSRGAN2017EnhancedSRGAN2018视频
  • SRGAN论文学习笔记 爱吃兔子的胡萝卜RR 深度学习超分辨率重建计算机视觉图像处理pytorch
    《Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork》是ChristianLedig等人于2017年发表于CVPR上的又一篇SR重建的论文，将生成对抗网络（GAN）用于图像超分辨率重建，在感知质量方面取得了巨大的进步，重建图像放大四倍后依然能够呈现清晰地纹理细节。基于监督学习的SR算法的不足之处：
  • ESRGAN论文笔记 AD--gai 超分辨计算机视觉深度学习人工智能
    系列文章目录文章目录系列文章目录一、主要贡献二、网络结构三、对抗损失四、感知损失五、实验论文原文：https://arxiv.org/abs/1809.00219一、主要贡献这篇文章，作者主要从三个方面对SRGAN进行改进：网络结构、对抗损失、感知损失。网络结构：引入了Residual-in-ResidualDenseBlock(RRDB残差密集块)来代替SRGAN中的resblock；移除了网络
  • 图像超分经典网络 SRGAN 解析 ~ 如何把 GAN 运用在其他视觉任务上 大局观选手周弈帆 深度学习炼金手册深度学习超分辨率重建GAN
    生成对抗网络(GAN)是一类非常有趣的神经网络。借助GAN，计算机能够生成逼真的图片。近年来有许多“AI绘画”的新闻，这些应用大多是通过GAN实现的。实际上，GAN不仅能做图像生成，还能辅助其他输入信息不足的视觉任务。比如SRGAN，就是把GAN应用在超分辨率(SR)任务上的代表之作。在这篇文章中，我将主要面向深度学习的初学者，介绍SRGAN[1]这篇论文，同时分享以下知识：GAN的原理与训练过程
  • SRGAN(SRResNet)介绍 一只小小的土拨鼠 深度学习人工智能
    生成对抗网络GAN是由蒙特利尔大学IanGoodfellow在2014年提出的机器学习架构。生成式对抗网络（GAN,GenerativeAdversarialNetworks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的互相博弈学习产生相当好的输出
  • 好像还挺好玩的GAN8——SRGAN实现图像的分辨率提升 Bubbliiiing 好像还挺好玩的GANSRGANGAN深度学习神经网络计算机视觉
    好像还挺好玩的GAN8——SRGAN实现图像的分辨率提升注意事项学习前言什么是SRGAN代码与训练数据的下载神经网络组成1、生成网络2、判别网络训练思路1、对判别模型进行训练2、对生成模型进行训练全部代码1、data_loader全部代码2、主函数全部代码注意事项该博客已经有重置版啦，重制版代码更清晰，效果更好一些：https://blog.csdn.net/weixin_44791964/art
  • 好像还挺好玩的GAN重制版2——Keras搭建SRGAN平台进行图片超分辨率提升 Bubbliiiing 好像还挺好玩的GAN重制版SRGAN深度学习机器学习GAN
    好像还挺好玩的GAN重制版2——Keras搭建SRGAN平台进行图片超分辨率提升学习前言源码下载地址网络构建一、什么是SRGAN二、生成网络的构建三、判别网络的构建训练思路一、判别器的训练二、生成器的训练利用SRGAN生成图片一、数据集的准备二、数据集的处理三、模型训练学习前言我又死了我又死了我又死了！源码下载地址https://github.com/bubbliiiing/srgan-keras
  • 超分算法小合集之SRCNN、DCSCN、SRDenseNet、SRGAN 暖风️ 超分超分辨率重建深度学习神经网络其他计算机视觉
    阅读指引SRCNNDCSCNSRDenseNetSRGAN论文快速指引：SRCNN：LearningaDeepConvolutionalNetworkforImageSuper-ResolutionDCSCN：FastandAccurateImageSuperResolutionbyDeepCNNwithSkipConnectionandNetworkinNetworkSRDenseNet：Ima
  • SRGAN ESRGAN RDN系列超分算法 WX_Chen 视频画质增强算法
    2017-CVPR-(SRGAN)Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork首次使用生成对抗网络(GAN)应用于图像超分辨率(SR)主要贡献1.把生成对抗网络思想应用于图像超分辨率工作中，判别器无法分辨出生成的超分辨率图像和真实的图像，使得生成的图像达到Photo-Realistic的效果
  • 【论文阅读笔记】EndoL2H: Deep Super-Resolution for Capsule Endoscopy 时光机ﾟ 超分辨率论文阅读计算机视觉人工智能
    论文地址：https://arxiv.org/abs/2002.05459代码地址：https://github.com/CapsuleEndoscope/EndoL2H论文小结  顾名思义，本文是胶囊内窥镜领域的超分算法。本文的网络结构是条件对抗网络+空间attention块的方式，实现8倍、10倍和12倍的超分，方法的主要思路如下图所示。  本文对比的方式仍为DBPN，RCAN和SRGAN等较
  • SRGAN模型——pytorch实现 Peach_____ 深度学习人工智能神经网络
    论文传送门：https://arxiv.org/pdf/1609.04802.pdfSRGAN模型目的：输入低分辨率图像，生成高分辨率图像。生成网络由三部分构成：①卷积+PReLU激活函数；②(卷积+BN+PReLU+卷积+BN，连接残差边)x16+卷积+BN，连接残差边；③(卷积+像素重组+PReLU)x2+卷积；①②用于提取图像特征，③用于图像上采样，实现超分。生成网络的目的：输入低分辨率图像
  • 迭代训练集，随机抽取batch_size数量的图片，报错索引超出范围index out of range m0_63564748 深度学习神经网络人工智能
    在训练SRGAN模型时，训练到一半突然终止并报错索引越界，排查发现是在迭代dataloder时，构造数据集的函数中有这样一句：这句的作用是按照排列好的顺序读取图片，打印index语句的时候，打印了一部分，之后出现了索引越界错误，应该是其中某些文件的索引有空，或者超出范围，解决方案是跳过这些索引的文件，所以使用try,except,把这两句框起来，没错的时候正常运行，有错的时候跳过当前索引的文件，就
  • Pytorch 中retain_graph的用法 DaneAI PyTorchPytorchretain_graph
    Pytorch中retain_graph的用法用法分析在查看SRGAN源码时有如下损失函数，其中设置了retain_graph=True,其作用是什么？#############################(1)UpdateDnetwork:maximizeD(x)-1-D(G(z))###########################real_img=Variable(target)ift
  • 【图像超分辨率重建】——SRGAN/SRResNet论文精读笔记 Zency_SUN 超分辨率重建人工智能图像处理
    2017-Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork(SRGAN/SRResNet)基本信息作者：ChristianLedig,LucasTheis,FerencHusz´ar,JoseCaballero,AndrewCunningham,AlejandroAcosta,AndrewAit
  • SRGAN中RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() 太阳☀☀ pytorch深度学习神经网络
    本程序所支持的环境可以用CPU版本的pytorch架构即可RuntimeError:AttemptingtodeserializeobjectonaCUDAdevicebuttorch.cuda.is_available()isFalse.IfyouarerunningonaCPU-onlymachine,pleaseusetorch.loadwithmap_location='cpu'tomap
  • 图像超分经典网络ESRGAN精确解析 passion-ma python人工智能python
    改进为了进一步提高SRGAN的恢复图像质量，我们主要对发生器G的结构做了两个修改:1)去除所有BN层;2)用所提出的残差中残密块(residual-in-residual密块，RRDB)代替原来的基本块，它结合了多级残差网络和密集连接。在不同的psnr导向任务(包括SR和去模糊)中，去除BN层已被证明可以提高性能并降低计算复杂度。BN层在训练过程中使用批量的均值和方差对特征进行归一化，在测试过程中
  • 微信开发者验证接口开发 362217990 微信 开发者 token 验证
    微信开发者接口验证。 Token，自己随便定义，与微信填写一致就可以了。 根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html 第一步：填写服务器配置 第二步：验证服务器地址的有效性 第三步：依据接口文档实现业务逻辑 这里主要讲第二步验证服务器有效性。 建一个
  • 一个小编程题-类似约瑟夫环问题 BrokenDreams 编程
            今天群友出了一题：         一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。      &
  • linux复习笔记之bash shell (5) 关于减号-的作用 eksliang linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
        转载请出自出处： http://eksliang.iteye.com/blog/2105677        管道命令在bash的连续处理程序中是相当重要的，尤其在使用到前一个命令的studout（标准输出）作为这次的stdin（标准输入）时，就显得太重要了，某些命令需要用到文件名，例如上篇文档的的切割命令（split）、还有
  • Unix(3) 18289753290 unix ksh
    1)若该变量需要在其他子进程执行，则可用"$变量名称"或${变量}累加内容 什么是子进程？在我目前这个shell情况下，去打开一个新的shell，新的那个shell就是子进程。一般状态下，父进程的自定义变量是无法在子进程内使用的，但通过export将变量变成环境变量后就能够在子进程里面应用了。 2)条件判断： &&代表and  ||代表or&nbs
  • 关于ListView中性能优化中图片加载问题 酷的飞上天空 ListView
    ListView的性能优化网上很多信息，但是涉及到异步加载图片问题就会出现问题。 具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594   如果每次都重新inflate一个新的View出来肯定会造成性能损失严重，可能会出现listview滚动是很卡的情况，还会出现内存溢出。 现在想出一个方法就是每次都添加一个标识，然后设置图
  • 德国总理默多克：给国人的一堂“震撼教育”课 永夜-极光 教育
    http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克：给国人的一堂“震撼教育”课　 安吉拉—默克尔，一位经历过社会主义的东德人，她利用自己的博客，发表一番来华前的谈话，该说的话，都在上面说了，全世界想看想传播——去看看默克尔总理的博客吧！ 　　德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
  • 关于Java继承的一个小问题。。。 随便小屋 java
    今天看Java 编程思想的时候遇见一个问题，运行的结果和自己想想的完全不一样。先把代码贴出来！ //CanFight接口 interface Canfight { void fight(); } //ActionCharacter类 class ActionCharacter { public void fight() { System.out.pr
  • 23种基本的设计模式 aijuans 设计模式
    Abstract Factory：提供一个创建一系列相关或相互依赖对象的接口，而无需指定它们具体的类。 　　Adapter：将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 　　Bridge：将抽象部分与它的实现部分分离，使它们都可以独立地变化。 　　Builder：将一个复杂对象的构建与它的表示分离，使得同
  • 《周鸿祎自述：我的互联网方法论》读书笔记 aoyouzi 读书笔记
    从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.   商业模式不是赚钱模式 一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.   商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值. 商业模式还包括寻找需求
  • JavaScript动态改变样式访问技术 百合不是茶 JavaScriptstyle属性ClassName属性
      一:style属性 格式:  HTML元素.style.样式属性="值";   创建菜单:在html标签中创建 或者 在head标签中用数组创建   <html> <head> <title>style改变样式</title> </head> &l
  • jQuery的deferred对象详解 bijian1013 jquerydeferred对象
            jQuery的开发速度很快，几乎每半年一个大版本，每两个月一个小版本。         每个版本都会引入一些新功能，从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。    &nb
  • 淘宝开放平台TOP Bill_chen C++c物流C#
    淘宝网开放平台首页：http://open.taobao.com/ 淘宝开放平台是淘宝TOP团队的产品，TOP即TaoBao Open Platform， 是淘宝合作伙伴开发、发布、交易其服务的平台。 支撑TOP的三条主线为：    1.开放数据和业务流程     * 以API数据形式开放商品、交易、物流等业务；  &
  • 【大型网站架构一】大型网站架构概述 bit1129 网站架构
    大型互联网特点 面对海量用户、海量数据 大型互联网架构的关键指标 高并发 高性能 高可用 高可扩展性 线性伸缩性 安全性 大型互联网技术要点   前端优化 CDN缓存 反向代理 KV缓存 消息系统 分布式存储 NoSQL数据库 搜索 监控 安全 想到的问题： 1.对于订单系统这种事务型系统，如
  • eclipse插件hibernate tools安装 白糖_ Hibernate
    eclipse helios(3.6)版 1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址： http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装：hibernate tools在All Jboss tool
  • Jquery easyui Form表单提交注意事项 bozch jquery easyui
    jquery easyui对表单的提交进行了封装，提交的方式采用的是ajax的方式，在开发的时候应该注意的事项如下：         1、在定义form标签的时候，要将method属性设置成post或者get，特别是进行大字段的文本信息提交的时候，要将method设置成post方式提交，否则页面会抛出跨域访问等异常。所以这个要
  • Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量 bylijinnan java实现
    import java.util.LinkedList; public class CaseInsensitiveTrie { /** 字典树的Java实现。实现了插入、查询以及深度优先遍历。 Trie tree's java implementation.(Insert,Search,DFS) Problem Description Igna
  • html css 鼠标形状样式汇总 chenbowen00 htmlcss
    css鼠标手型cursor中hand与pointer  Example：CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>  Example：CSS鼠标手型效果 <a href="#" style=&qu
  • [IT与投资]IT投资的几个原则 comsci it
          无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......    
  • oracle with语句详解 daizj oraclewithwith as
    oracle with语句详解 转 在oracle中，select 查询语句，可以使用with,就是一个子查询，oracle 会把子查询的结果放到临时表中，可以反复使用 例子:注意，这是sql语句，不是pl/sql语句， 可以直接放到jdbc执行的 ----------------------------------------------------------------
  • hbase的简单操作 deng520159 数据库hbase
    近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来. 用ssh登陆安装hbase那台linux后 用hbase shell进行hbase命令控制台! 表的管理 1）查看有哪些表 hbase(main)> list 2）创建表   # 语法：create <table>, {NAME => <family&g
  • C语言scanf继续学习、算术运算符学习和逻辑运算符 dcj3sjt126com c
    /* 2013年3月11日20:37:32 地点：北京潘家园 功能：完成用户格式化输入多个值 目的：学习scanf函数的使用 */ # include <stdio.h> int main(void) { int i, j, k; printf("please input three number:\n"); //提示用
  • 2015越来越好 dcj3sjt126com 歌曲
    越来越好 房子大了电话小了 感觉越来越好 假期多了收入高了 工作越来越好 商品精了价格活了 心情越来越好 天更蓝了水更清了 环境越来越好 活得有奔头人会步步高 想做到你要努力去做到 幸福的笑容天天挂眉梢 越来越好 婆媳和了家庭暖了 生活越来越好 孩子高了懂事多了 学习越来越好 朋友多了心相通了 大家越来越好 道路宽了心气顺了 日子越来越好 活的有精神人就不显
  • java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim feiteyizu mysql
    数据表中有记录的time字段（属性为timestamp）其值为：“0000-00-00 00:00:00” 程序使用select 语句从中取数据时出现以下异常： java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date   java.sql.SQLException: Valu
  • Ehcache（07）——Ehcache对并发的支持 234390216 并发ehcache锁ReadLockWriteLock
    Ehcache对并发的支持          在高并发的情况下，使用Ehcache缓存时，由于并发的读与写，我们读的数据有可能是错误的，我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read（读）、Write（写）锁。当一个线程获取了某一Key的Read锁之后，其它线程获取针对于同
  • mysql中blob,text字段的合成索引 jackyrong mysql
      在mysql中，原来有一个叫合成索引的，可以提高blob,text字段的效率性能， 但只能用在精确查询，核心是增加一个列，然后可以用md5进行散列，用散列值查找 则速度快 比如： create table abc(id varchar(10),context blog,hash_value varchar(40)); insert into abc(1,rep
  • 逻辑运算与移位运算 latty 位运算逻辑运算
    源码：正数的补码与原码相同例+7 源码：00000111 补码 ：00000111 （用8位二进制表示一个数） 负数的补码： 符号位为1，其余位为该数绝对值的原码按位取反；然后整个数加1。   -7 源码： 10000111 ，其绝对值为00000111  取反加一：11111001 为-7补码 已知一个数的补码，求原码的操作分两种情况：
  • 利用XSD 验证XML文件 newerdragon javaxmlxsd
    XSD文件 （XML Schema 语言也称作 XML Schema 定义（XML Schema Definition，XSD）。 具体使用方法和定义请参看： http://www.w3school.com.cn/schema/index.asp java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持，使用起来也很方便。 以下代码可用在J
  • 搭建 CentOS 6 服务器(12) - Samba rensanning centos
    （1）安装 # yum -y install samba Installed: samba.i686 0:3.6.9-169.el6_5 # pdbedit -a rensn new password:123456 retype new password:123456 …… （2）Home文件夹 # mkdir /etc
  • Learn Nodejs 01 toknowme nodejs
    （1）下载nodejs https://nodejs.org/download/ 选择相应的版本进行下载     （2）安装nodejs 安装的方式比较多，请baidu下 我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 （1）上传服务器 （2）解压 tar -zxvf  node-v0.12.
  • jquery控制自动刷新的代码举例 xp9802 jquery
    1、html内容部分  复制代码代码示例: <div id='log_reload'> <select name="id_s" size="1"> <option value='2'>-2s-</option> <option value='3'>-3s-</option
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他