- 使用Colpali架构掌握多模态RAG技术
大模型之路
RAGRAG多模态多模态RAG检索增强生成LLM
传统的LLM面临着“幻觉”问题,即它们可能生成听起来合理但实际上错误或未经证实的信息。为了解决这个问题,检索增强生成(RAG)模型应运而生。RAG(语义缓存:提升RAG性能的关键策略)通过将LLM的生成能力与外部知识检索系统相结合,实现了更准确、更可靠的输出。然而,传统的RAG主要局限于文本数据,无法充分利用多模态信息。为了应对这一挑战,多模态RAG应运而生,其中Colpali架构成为这一领域的佼
- tf.Keras (tf-1.15)使用记录4-model.fit方法及其callbacks参数
普通攻击往后拉
NN技巧tf.keraskeras人工智能深度学习
model.fit()方法是TensorFlowKeras中用于训练模型的核心方法。其中里面的callbacks参数是实现模型保存、监控、以及和tensorboard联动的重要API1model.fit()方法的参数及使用必需参数x:训练数据的输入。可以是NumPy数组、TensorFlowtf.data.Dataset、Python生成器或keras.utils.Sequence实例。y:训练数
- 小南每日 AI 资讯 |美国与日本企业联合投资“星际之门”项目| 罗永浩老师最新初创项目上线! | 25/01/24
小南AI学院
人工智能microsoft
近期人工智能(AI)领域的重要动态随着人工智能技术的迅猛发展,多个领域涌现出令人瞩目的创新。以下是近期AI领域的几项重大进展,涵盖技术创新、行业合作以及AI在各个领域的应用:1.AI技术创新与产品发布DeepSeek发布开源模型R1,挑战传统开发模式中国初创公司深度求索(DeepSeek)于1月27日发布开源AI模型R1。该模型以低成本实现接近OpenAIGPT-3的性能,打破了“越大越好”的传统
- 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
- Stable Diffusion 3 与 OpenAI 的 DALL-E 3 谁才是AI绘画的扛把子?
kcarly
杂谈StableDiffusion使用stablediffusionAI作画
StableDiffusion3和OpenAI的DALL-E3是当前最顶尖的两种AI图像生成模型,它们在技术架构、应用场景和性能表现上各有特点。以下从多个角度详细比较这两种模型:1.开发背景与架构StableDiffusion3是由StabilityAI开发的开源模型,基于扩散Transformer架构和流匹配(FlowMatching)技术,支持多种参数配置(从800M到8B),能够满足多样化的
- Stable Diffusion 3.5 正式发布!免费开源,堪称最强AI文生图模型,附本地安装和在线使用教程
Qingmu2024
AIGC(文本图像视频)特训营人工智能pythonstablediffusion
关键要点:10月22日,stability.ai重磅推出StableDiffusion3.5,号称迄今为止最强大的文生图模型。此次公开版本包括多个模型变体,其中有StableDiffusion3.5Large和StableDiffusion3.5LargeTurbo。此外,StableDiffusion3.5Medium将于10月29日发布。这些模型在尺寸方面具有高度可定制性,可在消费级硬件上运行
- Stable Diffusion创始人:DeepSeek没有抄袭!
Datawhale
stablediffusion人工智能
Datawhale分享观点:EmadMostaque,编译:Datawhale视频中英对照如下:Distillationisnothingnew,andthere'snowaytokindofstopthisfromthemodelbasis.蒸馏技术并不是什么新事物,而且从模型的角度来看,没有办法完全阻止这种情况的发生。Butifyouactuallylookatwhatthepapersays
- Python机器学习实战:人脸识别技术的实现和挑战
AI天才研究院
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
Python机器学习实战:人脸识别技术的实现和挑战作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:人脸识别技术,模型训练,多人识别,动态人脸检测,应用场景1.背景介绍1.1问题的由来随着科技的进步和互联网的普及,人脸识别技术因其在安全验证、生物特征识别、智能监控等多个领域的广泛应用而迅速崛起。从传统的门禁系统到现代的人脸支付、社交媒体的自动登
- 深度学习:基础原理与实践
阿尔法星球
深度学习python人工智能
1.深度学习概述1.1定义与发展历程深度学习是机器学习的一个分支,它基于人工神经网络的学习算法,特别是那些具有多层(深层)结构的网络。深度学习模型能够自动从原始数据中提取复杂的特征,而不需要人为设计特征提取算法。定义:深度学习可以定义为使用深层神经网络进行学习的过程,这些网络由多个非线性的变换组成,能够学习数据的多层次表示。发展历程:深度学习的起源可以追溯到1943年WarrenSturgisMc
- 什么是MOE架构?哪些大模型使用了MOE?
明哲AI
AIGC架构人工智能大模型MOE
在人工智能快速发展的今天,大语言模型(LLM)的规模越来越大,参数量动辄上千亿甚至万亿。然而,更大的模型往往意味着更高的计算成本和更多的资源消耗。混合专家模型(MixtureofExperts,简称MoE)作为一种创新的架构设计,为解决这一难题提供了一个优雅的解决方案。什么是混合专家模型?想象一下,如果把一个大语言模型比作一所综合性大学,传统的模型就像是让所有教授(参数)都参与每一次教学活动。而M
- 谷歌Gemini1.5火速上线:MoE架构,100万上下文
AI生成曾小健
#混合专家模型MOELLM大语言模型人工智能深度学习pytorch机器学习python
谷歌Gemini1.5火速上线:MoE架构,100万上下文机器之心2024-02-1608:53北京机器之心报道机器之心编辑部今天,谷歌宣布推出Gemini1.5。Gemini1.5建立在谷歌基础模型开发和基础设施的研究与工程创新的基础上,包括通过新的专家混合(MoE)架构使Gemini1.5的训练和服务更加高效。谷歌现在推出的是用于早期测试的Gemini1.5的第一个版本——Gemini1.5P
- 愿景:做机器视觉行业的颠覆者
gaoenyang760525
人工智能
一个愿景,两场战斗,专注制胜。一个愿景:做机器视觉行业的颠覆者。我给自己创业,立一个大的愿景:做机器视觉行业的颠覆者。两场战斗:无监督-大模型上半场,无监督。2025-2030,共五年。用无监督算法,颠覆现有缺陷检测方法,争取在2-3个场景落地。在以下几个场景中,选择最容易的场景落地,做细分场景的标准检测设备:1、视觉筛选机2、PCB相关3、半导体、芯片4、纺织服装5、包装印刷(激光打标、喷码、瓶
- 什么是MoE?
CM莫问
深度学习人工智能算法常见概念人工智能算法python深度学习MoE混合专家模型机器学习
一、概念MoE(MixtureofExperts)是一种深度学习架构,它结合了多个专家模型(Experts)和一个门控机制(GatingMechanism)来处理不同的输入数据或任务。MoE的核心思想是将复杂的任务分解为多个子任务,由不同的专家网络来处理,以此来提升整体模型的性能和效率。MOE通过集成多个专家来显著提高模型的容量和表达能力,每个专家可以专注于学习输入数据的不同方面或特征,使得整个模
- 第三篇:模型压缩与量化技术——DeepSeek如何在边缘侧突破“小而强”的算力困局
python算法(魔法师版)
数据挖掘机器学习人工智能深度学习神经网络生成对抗网络边缘计算
——从算法到芯片的全栈式优化实践随着AI应用向移动终端与物联网设备渗透,模型轻量化成为行业核心挑战。DeepSeek通过自研的“算法-编译-硬件”协同优化体系,在保持模型性能的前提下,实现参数量与能耗的指数级压缩。本文从技术原理、工程实现到落地应用,完整解析其全链路压缩技术体系。第一章算法层创新:结构化压缩与动态稀疏化1.1非均匀结构化剪枝技术DeepSeek提出**“敏感度感知通道剪枝”(SAC
- RPC 和 RESTFUL
快乐的小三菊
java基础java
一、网络分层聊今天的话题之前,先普及个关于网络架构的分层的知识,在当前的世界中,有两套网络的参考模型,一套是OSI参考模型,一套是TCP/IP的参考模型。对于java开发而言,我们只需要知道现在用的是TCP/IP模型,这个模型分为四层就可以了。OSI参考模型(OpenSystemsInterconnectionReferenceModel):包括七层,这个模型过于理想化,未能在因特网中进行广泛推广
- 【 书生·浦语大模型实战营】学习笔记(三):“茴香豆” 搭建你的RAG 智能助理
GoAI
自然语言处理NLP深入浅出AI深入浅出LLM深度学习LLM人工智能大模型
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接【书生·
- 『大模型笔记』视觉语言模型解释
AI大模型前沿研究
大模型笔记LLMVLM视觉语言模型语言模型大模型人工智能
视觉语言模型解释文章目录一.视觉语言模型解析1.什么是视觉语言模型?2.开源视觉语言模型概览3.如何找到合适的视觉语言模型MMMUMMBench4.技术细节5.使用变压器(transformers)运用视觉语言模型6.使用TRL微调视觉语言模型二.参考文章一.视觉语言模型解析视觉语言模型是一类能够同时从图像和文本中学习,以处理从视觉问题回答到图像描述等多种任务的模型。本文将深入探讨视觉语言模型的核
- MongoDB深度解析与实践案例
我的运维人生
mongodb数据库运维开发技术共享
MongoDB深度解析与实践案例在当今大数据盛行的时代,NoSQL数据库以其灵活的数据模型和水平扩展能力,成为了众多应用场景下的首选。MongoDB,作为NoSQL数据库的领军者之一,凭借其面向文档的存储方式、强大的查询功能以及丰富的生态系统,在众多领域大放异彩。本文将从MongoDB的基本概念出发,深入探讨其核心特性,并通过一个实际案例展示如何在项目中高效使用MongoDB。一、MongoDB基
- DeepSeek API 的获取与对话示例
Hoper.J
AIGCDeepSeekAPIAI
代码文件下载:Code在线链接:Kaggle|Colab文章目录注册并获取API环境依赖设置API单轮对话多轮对话流式输出更换模型注册并获取API访问https://platform.deepseek.com/sign_in进行注册并登录:新用户注册后将赠送10块钱余额,有效期为一个月:点击左侧的APIkeys(或者访问https://platform.deepseek.com/api_keys)
- linux进程调度HMP,HMP调度器和EAS调度器
熙公主的爪牙
linux进程调度HMP
HMP调度器为了降低功耗,ARM开发了大小核架构处理器。Linux内核中的负载均衡算法基于SMP模型,并未考虑big.LITTLE模型,因此Linaro开发了一个HMP调度器用于支持这种架构,它也被用于Android5.x和Android6.x中,但这种调度器并没有被合入内核的基线中。该调度器的进程调度算法基本上和CFS一样,主要区别在于调度域和负载均衡的处理上。HMP调度域的实现比自带的CFS调
- 计算机视觉领域的轻量化模型——GhostNet 模型
DuHz
边缘计算轻量化模型计算机视觉人工智能算法深度学习神经网络边缘计算网络
GhostNet模型详解GhostNet是一个高效的轻量化卷积神经网络模型,专为资源受限的设备(如移动设备和嵌入式系统)设计。它的核心创新是Ghost模块,该模块通过生成更多的特征图来减少计算资源消耗。GhostNet适用于实时计算任务,如图像分类和物体检测,同时在保持较高准确率的基础上,优化了计算效率。目录GhostNet背景Ghost模块概述GhostNet网络架构Ghost模块的数学原理Gh
- 课程内容摘要生成:基于知识蒸馏与事实增强的深度学习模型实践
二进制独立开发
非纯粹GenAIGenAI与Python深度学习人工智能自然语言处理python语言模型神经网络生成对抗网络
文章目录引言一、核心技术:知识蒸馏与事实三元组融合二、模型架构设计与优化三、Python实现与关键代码解析四、业务价值与效果分析五、挑战与优化方向引言在教育内容数字化进程中,课程内容摘要生成技术能够从海量教学资源中提炼核心知识点,解决人工编写效率低、知识更新滞后的问题。当前主流方法依赖于深度学习模型,但存在事实性偏差、可解释性不足等缺陷。本文提出一种融合知识蒸馏与事实三元组增强的摘要生成框架,结合
- 详解大模型微调数据集构建方法(持续更新)
herosunly
大模型微调数据集构建方法
大家好,我是herosunly。985院校硕士毕业,现担任算法t研究员一职,热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。 本文详细介绍了大模型微调数据集构建方法,希望能对学习大模型的同学们有所帮助。文章目录
- 2025年最新在线模型转换工具优化模型ncnn,mnn,tengine,onnx
我的青春不太冷
mnn人工智能深度学习ncnn在线模型转换网址
文章目录引言最新网址地点一、模型转换1.框架转换全景图2.安全的模型转换3.网站全景图二、转换说明三、模型转换流程图四、感谢引言在yolov5,yolov8,yolov11等等模型转换的领域中,时间成本常常是开发者头疼的问题。最近发现一个超棒的网站工具,简直是模型转换的神器。它最大的亮点就是省去编译转换工具的时间,开箱即用,一键转换。对于目标格式,提供了tengine、ncnn、mnn、onnx等
- Github 2025-02-01 开源项目月报 Top20
老孙正经胡说
github开源Github趋势分析开源项目PythonGolang
根据GithubTrendings的统计,本月(2025-02-01统计)共有20个项目上榜。根据开发语言中项目的数量,汇总情况如下:开发语言项目数量Python项目8TypeScript项目3JupyterNotebook项目2Rust项目2HTML项目2C++项目1Ruby项目1JavaScript项目1Svelte项目1非开发语言项目1Go项目1Ollama:本地大型语言模型设置与运行创建周
- 【TIMM应用】timm加载模型create_model,使用本地预训练模型
pen-ai
深度学习python深度学习神经网络卷积神经网络
timm加载模型create_model使用本地预训练模型1.常规方式,从https://huggingface.co/上下载1-1.timm库中create_model函数的用法1.最简单的用法2.查看可以直接创建的预训练模型列表3.参数:pretrained=True2.使用本地的预训练模型2-1.国内镜像下载模型:https://hf-mirror.com/2-2.查找对应模型名称2-3.调
- 基于深度学习的基于视觉的机器人导航
SEU-WYL
深度学习dnn深度学习机器人人工智能
基于深度学习的视觉机器人导航是一种通过深度学习算法结合视觉感知系统(如摄像头、LiDAR等)实现机器人在复杂环境中的自主导航的技术。这种方法使机器人能够像人类一样使用视觉信息感知环境、规划路径,并避开障碍物。与传统的导航方法相比,深度学习模型能够在动态环境中表现出更强的适应能力和鲁棒性。1.视觉导航的基本概念视觉导航是指通过处理机器人的摄像头等视觉传感器采集到的图像数据,构建环境模型,进而进行路径
- Cesium+Vue3教程(011):打造数字城市
叁拾舞
CeisumVue3cesium
文章目录Cesium打造数字城市创建项目加载地球设置底图设置摄像头查看具体位置和方向添加纽约建筑模型并设置样式添加纽约建筑模型设置样式划分城市区域并着色地图标记显示与实现实现飞机巡城完整项目下载Cesium打造数字城市创建项目使用vite创建vue3项目:pnpmcreatevite安装依赖:pnpminstall安装cesium:pnpmaddcesium@1.86.1vite-plugin-c
- 使用 Python 实现无人机实时路径规划的 MPC 算法
闲人编程
pythonpython无人机算法MPC路径优化
目录使用Python实现无人机实时路径规划的MPC算法引言1.模型预测控制(MPC)概述1.1定义1.2MPC的基本原理1.3代价函数1.4MPC的特点2.Python中的MPC算法实现2.1安装必要的库2.2定义类2.2.1无人机模型类2.2.2MPC控制器类2.3示例程序3.MPC算法的优缺点3.1优点3.2缺点4.改进方向5.应用场景结论使用Python实现无人机实时路径规划的MPC算法引言
- 100种算法【Python版】第44篇——龙格-库塔法
AnFany
算法python人工智能龙格-库塔微分方程ODE
本文目录1算法说明2算法示例:使用龙格-库塔法求解微分方程3算法应用:捕食者-猎物模型4算法可解决问题1算法说明龙格-库塔法最初由德国数学家卡尔·龙格(CarlRunge)和马丁·库塔(WilhelmKutta)在20世纪初提出。它们为求解常微分方程(ODE)提供了一种有效的数值方法,尤其是在处理初值问题时。龙格-库塔法的设计旨在通过提高计算的精度和稳定性,使数值解能更好地逼近真实解。最常用的版本
- JVM StackMapTable 属性的作用及理解
lijingyao8206
jvm字节码Class文件StackMapTable
在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率,在字节码规范中添加了Stack Map Table属性,以下简称栈图,其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
- 回调函数调用方法
百合不是茶
java
最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下
代码很简单:
MainDemo :调用方法 得到方法的返回结果
- [时间机器]制造时间机器需要一些材料
comsci
制造
根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质
和材料...
甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......
- 开口埋怨不如闭口做事
邓集海
邓集海 做人 做事 工作
“开口埋怨,不如闭口做事。”不是名人名言,而是一个普通父亲对儿子的训导。但是,因为这句训导,这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子,叫张明正。 张明正出身贫寒,读书时成绩差,常挨老师批评。高中毕业,张明正连普通大学的分数线都没上。高考成绩出来后,平时开口怨这怨那的张明正,不从自身找原因,而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。
- jQuery插件开发全解析,类级别与对象级别开发
IT独行者
jquery开发插件 函数
jQuery插件的开发包括两种: 一种是类级别的插件开发,即给
jQuery添加新的全局函数,相当于给
jQuery类本身添加方法。
jQuery的全局函数就是属于
jQuery命名空间的函数,另一种是对象级别的插件开发,即给
jQuery对象添加方法。下面就两种函数的开发做详细的说明。
1
、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
- Rome解析Rss
413277409
Rome解析Rss
import java.net.URL;
import java.util.List;
import org.junit.Test;
import com.sun.syndication.feed.synd.SyndCategory;
import com.sun.syndication.feed.synd.S
- RSA加密解密
无量
加密解密rsa
RSA加密解密代码
代码有待整理
package com.tongbanjie.commons.util;
import java.security.Key;
import java.security.KeyFactory;
import java.security.KeyPair;
import java.security.KeyPairGenerat
- linux 软件安装遇到的问题
aichenglong
linux遇到的问题ftp
1 ftp配置中遇到的问题
500 OOPS: cannot change directory
出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了
修改方法:1 修改/etc/selinux/config 中SELINUX=disabled
2 source /etc
- 面试心得
alafqq
面试
最近面试了好几家公司。记录下;
支付宝,面试我的人胖胖的,看着人挺好的;博彦外包的职位,面试失败;
阿里金融,面试官人也挺和善,只不过我让他吐血了。。。
由于印象比较深,记录下;
1,自我介绍
2,说下八种基本类型;(算上string。楼主才答了3种,哈哈,string其实不是基本类型,是引用类型)
3,什么是包装类,包装类的优点;
4,平时看过什么书?NND,什么书都没看过。。照样
- java的多态性探讨
百合不是茶
java
java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况
//package 1;
class A{
public void test(){
System.out.println("A");
}
}
class D extends A{
public void test(){
S
- 网络编程基础篇之JavaScript-学习笔记
bijian1013
JavaScript
1.documentWrite
<html>
<head>
<script language="JavaScript">
document.write("这是电脑网络学校");
document.close();
</script>
</h
- 探索JUnit4扩展:深入Rule
bijian1013
JUnitRule单元测试
本文将进一步探究Rule的应用,展示如何使用Rule来替代@BeforeClass,@AfterClass,@Before和@After的功能。
在上一篇中提到,可以使用Rule替代现有的大部分Runner扩展,而且也不提倡对Runner中的withBefores(),withAfte
- [CSS]CSS浮动十五条规则
bit1129
css
这些浮动规则,主要是参考CSS权威指南关于浮动规则的总结,然后添加一些简单的例子以验证和理解这些规则。
1. 所有的页面元素都可以浮动 2. 一个元素浮动后,会成为块级元素,比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动,会向最近的块级父元素的左上角移动,直到浮动元素的左外边界碰到块级父元素的左内边界;如果这个块级父元素已经有浮动元素停靠了
- 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景
bit1129
partition
0.Kafka服务器配置
3个broker
1个topic,6个partition,副本因子是2
2个consumer,每个consumer三个线程并发读取
1. Producer
package kafka.examples.multibrokers.producers;
import java.util.Properties;
import java.util.
- zabbix_agentd.conf配置文件详解
ronin47
zabbix 配置文件
Aliaskey的别名,例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1], 或者ttlsa的用户ID。你可以使用key:vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1],也可以使用ttlsa.userid。备注: 别名不能重复,但是可以有多个
- java--19.用矩阵求Fibonacci数列的第N项
bylijinnan
fibonacci
参考了网上的思路,写了个Java版的:
public class Fibonacci {
final static int[] A={1,1,1,0};
public static void main(String[] args) {
int n=7;
for(int i=0;i<=n;i++){
int f=fibonac
- Netty源码学习-LengthFieldBasedFrameDecoder
bylijinnan
javanetty
先看看LengthFieldBasedFrameDecoder的官方API
http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html
API举例说明了LengthFieldBasedFrameDecoder的解析机制,如下:
实
- AES加密解密
chicony
加密解密
AES加解密算法,使用Base64做转码以及辅助加密:
package com.wintv.common;
import javax.crypto.Cipher;
import javax.crypto.spec.IvParameterSpec;
import javax.crypto.spec.SecretKeySpec;
import sun.misc.BASE64Decod
- 文件编码格式转换
ctrain
编码格式
package com.test;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
- mysql 在linux客户端插入数据中文乱码
daizj
mysql中文乱码
1、查看系统客户端,数据库,连接层的编码
查看方法: http://daizj.iteye.com/blog/2174993
进入mysql,通过如下命令查看数据库编码方式: mysql> show variables like 'character_set_%'; +--------------------------+------
- 好代码是廉价的代码
dcj3sjt126com
程序员读书
长久以来我一直主张:好代码是廉价的代码。
当我跟做开发的同事说出这话时,他们的第一反应是一种惊愕,然后是将近一个星期的嘲笑,把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时,才收敛一点。
当最初的惊愕消退后,他们会用一些这样的话来反驳: “好代码不廉价,好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。”
我只
- Android网络请求库——android-async-http
dcj3sjt126com
android
在iOS开发中有大名鼎鼎的ASIHttpRequest库,用来处理网络请求操作,今天要介绍的是一个在Android上同样强大的网络请求库android-async-http,目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库,网络处理均基于Android的非UI线程,通
- ORACLE 复习笔记之SQL语句的优化
eksliang
SQL优化Oracle sql语句优化SQL语句的优化
转载请出自出处:http://eksliang.iteye.com/blog/2097999
SQL语句的优化总结如下
sql语句的优化可以按照如下六个步骤进行:
合理使用索引
避免或者简化排序
消除对大表的扫描
避免复杂的通配符匹配
调整子查询的性能
EXISTS和IN运算符
下面我就按照上面这六个步骤分别进行总结:
- 浅析:Android 嵌套滑动机制(NestedScrolling)
gg163
android移动开发滑动机制嵌套
谷歌在发布安卓 Lollipop版本之后,为了更好的用户体验,Google为Android的滑动机制提供了NestedScrolling特性
NestedScrolling的特性可以体现在哪里呢?<!--[if !supportLineBreakNewLine]--><!--[endif]-->
比如你使用了Toolbar,下面一个ScrollView,向上滚
- 使用hovertree菜单作为后台导航
hvt
JavaScriptjquery.nethovertreeasp.net
hovertree是一个jquery菜单插件,官方网址:http://keleyi.com/jq/hovertree/ ,可以登录该网址体验效果。
0.1.3版本:http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm
hovertree插件包含文件:
http://keleyi.com/jq/hovertree/css
- SVG 教程 (二)矩形
天梯梦
svg
SVG <rect> SVG Shapes
SVG有一些预定义的形状元素,可被开发者使用和操作:
矩形 <rect>
圆形 <circle>
椭圆 <ellipse>
线 <line>
折线 <polyline>
多边形 <polygon>
路径 <path>
- 一个简单的队列
luyulong
java数据结构队列
public class MyQueue {
private long[] arr;
private int front;
private int end;
// 有效数据的大小
private int elements;
public MyQueue() {
arr = new long[10];
elements = 0;
front
- 基础数据结构和算法九:Binary Search Tree
sunwinner
Algorithm
A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
- 项目出现的一些问题和体会
Steven-Walker
DAOWebservlet
第一篇博客不知道要写点什么,就先来点近阶段的感悟吧。
这几天学了servlet和数据库等知识,就参照老方的视频写了一个简单的增删改查的,完成了最简单的一些功能,使用了三层架构。
dao层完成的是对数据库具体的功能实现,service层调用了dao层的实现方法,具体对servlet提供支持。
&
- 高手问答:Java老A带你全面提升Java单兵作战能力!
ITeye管理员
java
本期特邀《Java特种兵》作者:谢宇,CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答,欢迎网友积极提问,与专家一起讨论!
作者简介:
淘宝网资深Java工程师,CSDN超人气博主,人称“胖哥”。
CSDN博客地址:
http://blog.csdn.net/xieyuooo
作者在进入大学前是一个不折不扣的计算机白痴,曾经被人笑话过不懂鼠标是什么,