- 数据集 VisDrone-Dataset 无人机检测跟踪数据集 >> DataBall
Xian-HHappy
DataBall数据集合(计算机视觉)-数据也可如此美好无人机
开源数据集VisDrone-Dataset无人机检测跟踪数据集-机器视觉目标跟踪人工智能深度学习无人机或通用无人驾驶飞行器(UAV)配备相机后,已被迅速部署到包括农业、航拍、快速递送和监视在内的广泛应用中。因此,自动理解从这些平台收集的视觉数据变得非常迫切,这使得计算机视觉与无人机的联系越来越紧密。我们很高兴地推出一个大规模的基准测试,为各种重要的计算机视觉任务提供精心注释的真实数据,名为VisD
- SCI一区级 | Matlab实现DBO-CNN-LSTM-Mutilhead-Attention蜣螂算法优化卷积长短期记忆神经网络融合多头注意力机制多变量时间序列预测
matlab科研社
神经网络matlabcnn
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。内容介绍1.引言温度预测在多个领域至关重要,例如气象预报、能源管理和农业生产。传统方法通常基于线性模型或统计方法,但这些方法在处理非线性时间序列数据时存在局限性。近年来,深度学习技术在时间序列预测领域取得了显著进展,其中卷积神经网络(CNN)
- 自动驾驶核心技术简介
AGI大模型与大数据研究院
DeepSeekR1&大数据AI人工智能javapythonjavascriptkotlingolang架构人工智能
自动驾驶核心技术简介关键词:感知系统、决策系统、控制系统、人工智能、计算机视觉、深度学习、V2X通信摘要:本文全面介绍了自动驾驶的核心技术,包括感知、决策和控制三大系统。文章深入探讨了各系统的关键组成部分、工作原理和最新技术进展。同时,本文还分析了自动驾驶技术在实际应用中面临的挑战,以及未来的发展趋势。通过详细的技术讲解、代码示例和实际案例,为读者提供了全面而深入的自动驾驶技术概览。1.背景介绍1
- 深度学习模型的压缩与轻量化技术
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
深度学习,模型压缩,轻量化,效率,可部署性,精度1.背景介绍深度学习在图像识别、自然语言处理、语音识别等领域取得了突破性的进展,但其模型规模庞大,计算资源需求高,部署成本高昂,这限制了其在移动设备、嵌入式系统等资源受限环境中的应用。因此,深度学习模型的压缩与轻量化技术成为一个重要的研究方向。模型压缩是指通过减少模型参数数量、减少模型层数或减少模型计算量来减小模型规模,从而降低模型存储和计算成本。轻
- TensorFlow-MNIST手写数字分类
Enougme
TensorFlowtensorflow分类人工智能
TensorFlow是一个功能强大的深度学习框架,可以用来构建、训练和部署机器学习模型。主要作用于:构建神经网络模型(回归、分类、生成模型等)。进行数值计算,并提供GPU加速。实现自动梯度求导(如反向传播训练)。应用机器学习模型进行预测。数据准备fromtensorflow.keras.datasetsimportmnist#加载数据集(已划分为训练集和测试集)(x_train,y_train),
- python-常用的深度学习框架
Enougme
TensorFlowpython深度学习开发语言
Python是当前深度学习与机器学习领域的主流编程语言,其丰富的生态系统和多样化的框架使得构建深度学习模型变得非常高效。以下是一些主流的深度学习框架,以及每个框架的特点和适用场景。1.PyTorch特点:动态计算图:支持动态构建和修改计算图,调试体验好,灵活性强。社区生态丰富:拥有大量教程、开源代码和第三方工具支持。广泛应用:深受研究人员和实验开发者的喜爱,也适用于生产环境。TorchScript
- 5、Pytorch 实现简单图卷积GCN,数据集Cora分类任务
找个栗子
PyTorch开始到scipytorch人工智能python
cora数据集-下载地址https://linqs-data.soe.ucsc.edu/public/lbc/cora.tgz1、Cora数据集是什么?Cora数据集由2708篇科学出版物组成,分为七类之一。引文网络由5429个链接组成。数据集中的每个出版物都由一个0/1值的单词向量描述,表示字典中不存在/存在相应的单词。该词典由1433个独特的单词组成。数据集下有两个文件cora.citesco
- 临床报告深度学习总结
Trank-Lw
深度学习人工智能
你对深度学习模型训练有哪些优化策略?在深度学习模型训练中,优化策略是提升模型性能和效率的关键。以下是一些常见的优化策略:1.数据优化数据预处理:对数据进行清洗、归一化、标准化等操作,以减少噪声并提高模型的收敛速度。数据增强:通过旋转、裁剪、翻转等方式增加数据多样性,尤其在图像处理中效果显著。数据采样:采用过采样或欠采样技术解决数据不平衡问题。2.模型优化模型架构选择:根据任务需求选择合适的模型架构
- 图像多分类的人工智能
love_c++
人工智能分类数据挖掘
当涉及到图像多分类任务,通常会使用深度学习模型,如卷积神经网络(ConvolutionalNeuralNetwork,CNN)。以下是一个使用Python编程语言和TensorFlow库来构建一个简单的图像多分类模型的例子:#导入所需的库importtensorflowastffromtensorflow.kerasimportlayers,models,datasetsimportmatplot
- Stable Diffusion进行图像生成
月月猿java
人工智能
使用StableDiffusion进行图像生成通常涉及以下步骤:安装依赖库:首先,你需要安装必要的Python库,如PyTorch、torchvision、diffusers和transformers等。这些库将为你提供深度学习框架、图像处理工具和StableDiffusion模型的接口。获取预训练模型:StableDiffusion模型通常很大,因此你需要从可靠的来源下载预训练模型。Huggin
- Off-Road-Freespace-Detection配置pytorch2.0.0
GFCGUO
pythonubuntulinux学习pip
一、概述在github上进行开源代码搜索,发现了Off-Road-Freespace-Detection(链接如下所示)。这是对越野环境可通行区域的检测,在经过测试之后,发现对自己有益。GitHub-chaytonmin/Off-Road-Freespace-Detection:OfficialimplementationofourICRA'22paper:ORFD:ADatasetandBenc
- PyTorch量化技术教程:第三章 PyTorch模型构建与训练
船长@Quant
Python量化基础pythonpytorchTA-Lib量化交易机器学习深度学习
PyTorch量化技术教程:PyTorch模型构建与训练本教程旨在为读者提供一套全面且深入的PyTorch技术在量化交易领域应用的知识体系。系统涵盖PyTorch基础入门、核心组件详解、模型构建与训练,以及在A股市场中的实战应用。采用理论与实战深度融合的讲解模式,详细剖析如何运用PyTorch打造量化交易系统全流程。从数据处理的精细操作,到模型训练的优化技巧,再到交易信号生成的精准逻辑,以及风险管
- 【transformer理论+实战(三)】必要的 Pytorch 知识
造夢先森
AI大模型transformerpytorch深度学习
【Transformer理论+实战(三)】必要的Pytorch知识【Transformer理论+实战(二)】Lora本地微调实战--deepseek-r1蒸馏模型【Transformer理论+实战(一)】Transformer&LLaMA&Lora介绍文章目录Pytorch基础张量(Tensor)拼接与拆分调整形状索引与切片降维与升维张量计算Pytorch由Facebook人工智能研究院于2017
- Google开源机器学习框架TensorFlow SegFormer优化
深海水
人工智能行业发展IT应用探讨tensorflow人工智能python机器训练机器学习深度学习ai
一、SegFormer的TensorRT加速优化TensorRT是NVIDIA推出的深度学习推理加速库,可以显著提高SegFormer在GPU上的推理速度。1.TensorRT加速流程目标转换SegFormer为TensorRT格式优化FP16/INT8计算提升推理速度(FPS)主要步骤导出TensorFlow模型转换为ONNX格式使用TensorRT进行优化运行TensorRT推理2.代码实现(
- 《Python实战进阶》No34:卷积神经网络(CNN)图像分类实战
带娃的IT创业者
Python实战进阶pythoncnn分类
第34集:卷积神经网络(CNN)图像分类实战摘要卷积神经网络(CNN)是计算机视觉领域的核心技术,特别擅长处理图像分类任务。本集将深入讲解CNN的核心组件(卷积层、池化层、全连接层),并演示如何使用PyTorch构建一个完整的CNN模型,在CIFAR-10数据集上实现图像分类。我们还将探讨数据增强和正则化技术(如Dropout和BatchNorm)对模型性能的影响。核心概念和知识点1.CNN的核心
- 什么是 Embedding?——从直觉到应用的全面解读
忍者算法
人工智能深度学习神经网络机器学习
什么是Embedding?——从直觉到应用的全面解读在机器学习和深度学习的世界里,我们经常会听到“Embedding”这个词。它是深度学习中最核心的概念之一,尤其在自然语言处理(NLP)和推荐系统中应用广泛。但很多初学者对Embedding的理解可能只是:“它是把一个东西转换成数字的方式。”这种解释虽然没错,但过于简略,难以真正理解Embedding的作用。这篇文章将用最直观的方式,带你深入理解E
- 飞桨Paddle Inference模型转ONNX模型的方法
Sweet锦
AIpaddlepaddle人工智能AI编程
ONNX是个好东西,其全称OpenNeuralNetworkExchange,是一种用于表示和交换深度学习模型的开放标准格式。由Microsoft和Facebook在2017年共同推出的一个开放标准,旨在促进不同深度学习框架之间的互操作性,并采用相同格式存储模型数据。ONNX有诸多优势,简直让人爱不释手呀。以下简单列举几个:在不同深度学习框架(如PaddlePaddle、PyTorch、Tenso
- 智能驱动的视频未来:蓝耘MaaS平海螺AI技术的革新与应用
荣华富贵8
程序员的知识储备1程序员的知识储备2程序员的知识储备3经验分享linux科技运维性能优化
在当今数字化浪潮中,视频技术与人工智能的深度融合正以前所未有的速度改变各行各业。蓝耘MaaS平海螺AI技术凭借其突破性的架构和前沿算法,正在为智慧城市、自动驾驶、智能监控以及新媒体内容生成等领域带来革命性变革。本文将探讨这一前沿技术的核心原理、实现方法以及未来的应用前景,并通过经典代码示例展示其实际实现。技术背景与发展趋势随着深度学习、边缘计算和大数据分析技术的不断成熟,视频处理正从传统的离线批量
- 分布式训练:(Pytorch)
达柳斯·绍达华·宁
分布式pytorch人工智能
分布式训练是将机器学习模型的训练过程分散到多个计算节点或设备上,以提高训练速度和效率,尤其是在处理大规模数据和模型时。分布式训练主要分为数据并行和模型并行两种主要策略:1.数据并行(DataParallelism)数据并行是最常见的分布式训练方式。在这种方法中,模型副本会被复制到多个计算设备上,每个设备处理不同的批次(batch)数据。工作流程:每个设备上都有一个完整的模型副本。数据集被分割成多个
- 机器学习入门第三集——如何完整实现一次模型训练
梯度寻优者_超
机器学习人工智能python算法大数据回归数据分析
提示:如何完整的从数据导入到最后模型训练以及模型保存,本集进行介绍。文章目录上集回顾一、数据集是什么?二、完整训练过程1.导入数据2.数据集划分3.模型训练4.模型保存以及加载总结下集预告上集回顾提示:上集已经对机器学习基础知识分类常用算法等进行了描述,这集开始是如何完整训练模型,前两集已经介绍了机器学习的通俗解释,已经常见分类,还有机器学习深度学习强化学习的关系和区别。有想看的小伙伴可以翻我主页
- 【人工智能】图文详解深度学习中的卷积神经网络(CNN)
AI天才研究院
深度学习实战DeepSeekR1&大数据AI人工智能大模型深度学习人工智能cnn神经网络计算机视觉
【人工智能】图文详解深度学习中的卷积神经网络(CNN)概念和原理为什么要使用卷积神经网络?卷积神经网络简介卷积神经网络的数学公式池化操作:全连接层:激活函数卷积神经网络的C++实现示例代码应用场景自动驾驶影像物体识别医疗影像诊断附:计算机视觉中几种经典的网络结构概念和原理为什么要使用卷积神经网络?在讲述原理之前,我们先来解释为什么我们在图像及视频等等领域的机器学习中要使用CNN。我们都知道,使用多
- Milvus 在多模态数据(图像、文本、音频)向量搜索中的应用
莫比乌斯之梦
技术#Milvusmilvus音视频数据库向量数据库多模态数据
随着人工智能和深度学习的发展,多模态数据检索逐渐成为热门技术,广泛应用于图像搜索、语音识别、跨模态检索、推荐系统等领域。传统的基于关键词或规则的检索方式已经难以满足智能应用的需求,因此,基于向量搜索的近似最近邻(ANN)检索成为主流方案。Milvus作为一款开源的向量数据库,可以高效地存储和检索图像、文本、音频等多模态数据的向量表示。本文将介绍Milvus如何处理多模态数据的向量搜索,以及如何构建
- PyTorch量化技术教程:第一章 PyTorch基础入门
船长@Quant
Python量化基础pythonpytorchTA-Lib量化交易机器学习深度学习
PyTorch量化技术教程:PyTorch基础入门本教程旨在为读者提供一套全面且深入的PyTorch技术在量化交易领域应用的知识体系。系统涵盖PyTorch基础入门、核心组件详解、模型构建与训练,以及在A股市场中的实战应用。采用理论与实战深度融合的讲解模式,详细剖析如何运用PyTorch打造量化交易系统全流程。从数据处理的精细操作,到模型训练的优化技巧,再到交易信号生成的精准逻辑,以及风险管理的严
- 深度学习--【完整代码+数据集】线性回归数据模型构建案例
qq_469603589
人工智能大数据深度学习线性回归人工智能
作者简介:Java、前端、Python开发多年,做过高程,项目经理,架构师主要内容:Java项目开发、Python项目开发、大学数据和AI项目开发、单片机项目设计、面试技术整理、最新技术分享收藏点赞不迷路关注作者有好处文末获得源码根据炮哥所讲授内容进行学习心得整理与分享:现在假设这样的一个案例,现在有一组这样的数据,是小明每天学习的时间和最后考试的分数的数据。数据如下表所示,同时想知道小明假设学习
- pytorch与其他ai工具
weixin_47868976
人工智能pytorchpython
PyTorch、TensorFlow及其他工具面试考点与回答策略一、PyTorch高频考点与回答模板1.核心特性与原理动态计算图(DynamicGraph)考点:动态图与静态图的区别、优缺点。回答:“PyTorch使用动态图(Define-by-Run),允许在运行时修改计算逻辑,调试直观(如print张量值),适合研究场景;缺点是部署时需转为静态图(TorchScript)以优化性能。”自动微分
- 【pytorch】图像数据预处理
子根
笔记pytorchpython深度学习
本文是记录一些在深度学习中的预处理的一些语法和函数torchvision.transforms的图像变换[PyTorch学习笔记]2.3二十二种transforms图片数据预处理方法-知乎TORCHVISION.TRANSFORMS的图像预处理_阿巫兮兮的博客-CSDN博客PyTorch09:transforms图像变换、方法操作及自定义方法-YEY的博客|YEYBlog2D、3D中心裁剪:imp
- 使用Python和PyTorch实现了一个简单的生成对抗网络(GAN)用于生成应力值图像
神经网络15044
算法python神经网络pythonpytorch生成对抗网络
以下是一个使用Python和PyTorch实现了一个简单的生成对抗网络(GAN)用于生成应力值图像,并添加了显示正确颜色条的功能。importtorchimporttorch.nnasnnimporttorch.optimasoptimimportmatplotlib.pyplotaspltimportnumpyasnpfromtorchvision.utilsimportmake_gridimp
- 深度学习框架PyTorch——从入门到精通(10)PyTorch张量简介
Fansv587
深度学习pytorch人工智能经验分享机器学习python
这部分是PyTorch介绍——YouTube系列的内容,每一节都对应一个youtube视频。(可能跟之前的有一定的重复)创建张量随机张量和种子张量形状张量数据类型使用PyTorch张量进行数学与逻辑运算简单介绍——张量广播关于张量更多的数学操作原地修改张量复制张量迁移到加速器操作张量形状改变维度数量NumPy桥接本节YouTube视频地址:点击这里张量是PyTorch中的核心数据抽象。首先,让我们
- 【深度学习】图形模型基础(5):线性回归模型第一部分:认识线性回归模型
MUKAMO
图像深度学习模型基础十二篇深度学习线性回归人工智能
1.回归模型定义最简单的回归模型是具有单一预测变量的线性模型,其基本形式如下:y=a+bx+ϵy=a+bx+\epsilony=a+bx+ϵ其中,aaa和bbb被称为模型的系数或更一般地,模型的参数。ϵ\epsilonϵ代表误差项,即模型未能解释的变异性。简单的线性模型可以通过多种方式进行扩展,以适应更复杂的数据结构和关系,包括但不限于以下几种:包含额外的预测变量:当模型中包含多个预测变量时,其形
- 美颜SDK架构揭秘:人脸美型API的底层实现与优化策略
美狐美颜sdk
美颜SDK美颜API直播美颜SDK架构图像处理视频美颜SDK深度学习人工智能美颜API
在短视频、直播和社交娱乐行业的快速发展下,美颜SDK已成为各大应用的重要组成部分。其中,人脸美型API作为核心功能,决定了最终的美颜效果和用户体验。本文将深入探讨美颜SDK的人脸美型API的底层实现,并分享优化策略,帮助开发者打造高性能、高质量的美颜解决方案。一、人脸美型API的底层技术架构1.1关键技术模块一个完整的人脸美型API通常由以下几个核心模块组成:(1)人脸检测与关键点识别采用深度学习
- 怎么样才能成为专业的程序员?
cocos2d-x小菜
编程PHP
如何要想成为一名专业的程序员?仅仅会写代码是不够的。从团队合作去解决问题到版本控制,你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员,那些必备的关键技能都是什么的时候,下面是我们了解到的情况。
关于如何学习代码,各种声音很多,然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了?!呵呵,就像其他工作一样,光会一个技能那是远远不够的。如果你想要成为
- java web开发 高并发处理
BreakingBad
javaWeb并发开发处理高
java处理高并发高负载类网站中数据库的设计方法(java教程,java处理大量数据,java高负载数据) 一:高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用,数据库的响应是首先要解决的。 一般来说MySQL是最常用的,可能最初是一个mysql主机,当数据增加到100万以上,那么,MySQL的效能急剧下降。常用的优化措施是M-S(
- mysql批量更新
ekian
mysql
mysql更新优化:
一版的更新的话都是采用update set的方式,但是如果需要批量更新的话,只能for循环的执行更新。或者采用executeBatch的方式,执行更新。无论哪种方式,性能都不见得多好。
三千多条的更新,需要3分多钟。
查询了批量更新的优化,有说replace into的方式,即:
replace into tableName(id,status) values
- 微软BI(3)
18289753290
微软BI SSIS
1)
Q:该列违反了完整性约束错误;已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID',表 'JRB_EnterpriseCredit.dbo.QYFZCH';列不允许有 Null 值。INSERT 失败。”。
A:一般这类问题的存在是
- Java中的List
g21121
java
List是一个有序的 collection(也称为序列)。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引(在列表中的位置)访问元素,并搜索列表中的元素。
与 set 不同,列表通常允许重复
- 读书笔记
永夜-极光
读书笔记
1. K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?
传统决策: A:100%订单 B,C,D:0%
&nbs
- centos 安装 Codeblocks
随便小屋
codeblocks
1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++
2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2*
3. 安装wxGTK
yum search w
- 23种设计模式的形象比喻
aijuans
设计模式
1、ABSTRACT FACTORY—追MM少不了请吃饭了,麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西,虽然口味有所不同,但不管你带MM去麦当劳或肯德基,只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式:客户类和工厂类分开。消费者任何时候需要某种产品,只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时,工厂类也要做相应的修改。如:
- 开发管理 CheckLists
aoyouzi
开发管理 CheckLists
开发管理 CheckLists(23) -使项目组度过完整的生命周期
开发管理 CheckLists(22) -组织项目资源
开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
- js实现切换
百合不是茶
JavaScript栏目切换
js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路:
1,先将要显示的设置为display:bisible 否则设为none
2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示
3,判断js获取的id名字;再设置是否显示
代码实现:
html代码:
<di
- 周鸿祎在360新员工入职培训上的讲话
bijian1013
感悟项目管理人生职场
这篇文章也是最近偶尔看到的,考虑到原博客发布者可能将其删除等原因,也更方便个人查找,特将原文拷贝再发布的。“学东西是为自己的,不要整天以混的姿态来跟公司博弈,就算是混,我觉得你要是能在混的时间里,收获一些别的有利于人生发展的东西,也是不错的,看你怎么把握了”,看了之后,对这句话记忆犹新。 &
- 前端Web开发的页面效果
Bill_chen
htmlWebMicrosoft
1.IE6下png图片的透明显示:
<img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/>
或在<head></head>间加一段JS代码让透明png图片正常显示。
2.<li>标
- 【JVM五】老年代垃圾回收:并发标记清理GC(CMS GC)
bit1129
垃圾回收
CMS概述
并发标记清理垃圾回收(Concurrent Mark and Sweep GC)算法的主要目标是在GC过程中,减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能,尽可能短的暂停用户线程的时间。这对于交互式应用,比如web应用来说,是非常重要的。
CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收,它要复杂的多。吞吐量垃圾回收在执
- Struts2技术总结
白糖_
struts2
必备jar文件
早在struts2.0.*的时候,struts2的必备jar包需要如下几个:
commons-logging-*.jar Apache旗下commons项目的log日志包
freemarker-*.jar  
- Jquery easyui layout应用注意事项
bozch
jquery浏览器easyuilayout
在jquery easyui中提供了easyui-layout布局,他的布局比较局限,类似java中GUI的border布局。下面对其使用注意事项作简要介绍:
如果在现有的工程中前台界面均应用了jquery easyui,那么在布局的时候最好应用jquery eaysui的layout布局,否则在表单页面(编辑、查看、添加等等)在不同的浏览器会出
- java-拷贝特殊链表:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
bylijinnan
java
public class CopySpecialLinkedList {
/**
* 题目:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
拷贝pNext指针非常容易,所以题目的难点是如何拷贝pRand指针。
假设原来链表为A1 -> A2 ->... -> An,新拷贝
- color
Chen.H
JavaScripthtmlcss
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <HTML> <HEAD>&nbs
- [信息与战争]移动通讯与网络
comsci
网络
两个坚持:手机的电池必须可以取下来
光纤不能够入户,只能够到楼宇
建议大家找这本书看看:<&
- oracle flashback query(闪回查询)
daizj
oracleflashback queryflashback table
在Oracle 10g中,Flash back家族分为以下成员:
Flashback Database
Flashback Drop
Flashback Table
Flashback Query(分Flashback Query,Flashback Version Query,Flashback Transaction Query)
下面介绍一下Flashback Drop 和Flas
- zeus持久层DAO单元测试
deng520159
单元测试
zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去.
本文是zeus的dao单元测试:
1.单元测试直接上代码
package com.dengliang.zeus.webdemo.test;
import org.junit.Test;
import o
- C语言学习三printf函数和scanf函数学习
dcj3sjt126com
cprintfscanflanguage
printf函数
/*
2013年3月10日20:42:32
地点:北京潘家园
功能:
目的:
测试%x %X %#x %#X的用法
*/
# include <stdio.h>
int main(void)
{
printf("哈哈!\n"); // \n表示换行
int i = 10;
printf
- 那你为什么小时候不好好读书?
dcj3sjt126com
life
dady, 我今天捡到了十块钱, 不过我还给那个人了
good girl! 那个人有没有和你讲thank you啊
没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you
爸爸, 如果地上有一张5块一张10块你拿哪一张呢....
当然是拿十块的咯...
爸爸你很笨的, 你不会两张都拿
爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
- iptables开放端口
Fanyucai
linuxiptables端口
1,找到配置文件
vi /etc/sysconfig/iptables
2,添加端口开放,增加一行,开放18081端口
-A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT
3,保存
ESC
:wq!
4,重启服务
service iptables
- Ehcache(05)——缓存的查询
234390216
排序ehcache统计query
缓存的查询
目录
1. 使Cache可查询
1.1 基于Xml配置
1.2 基于代码的配置
2 指定可搜索的属性
2.1 可查询属性类型
2.2 &
- 通过hashset找到数组中重复的元素
jackyrong
hashset
如何在hashset中快速找到重复的元素呢?方法很多,下面是其中一个办法:
int[] array = {1,1,2,3,4,5,6,7,8,8};
Set<Integer> set = new HashSet<Integer>();
for(int i = 0
- 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL
lanrikey
history
后退时关闭当前页面
<script type="text/javascript">
jQuery(document).ready(function ($) {
if (window.history && window.history.pushState) {
- 应用程序的通信成本
netkiller.github.com
虚拟机应用服务器陈景峰netkillerneo
应用程序的通信成本
什么是通信
一个程序中两个以上功能相互传递信号或数据叫做通信。
什么是成本
这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。
都有哪些通信方式
全局变量
线程间通信
共享内存
共享文件
管道
Socket
硬件(串口,USB) 等等
全局变量
全局变量是成本最低通信方法,通过设置
- 一维数组与二维数组的声明与定义
恋洁e生
二维数组一维数组定义声明初始化
/** * */ package test20111005; /** * @author FlyingFire * @date:2011-11-18 上午04:33:36 * @author :代码整理 * @introduce :一维数组与二维数组的初始化 *summary: */ public c
- Spring Mybatis独立事务配置
toknowme
mybatis
在项目中有很多地方会使用到独立事务,下面以获取主键为例
(1)修改配置文件spring-mybatis.xml <!-- 开启事务支持 --> <tx:annotation-driven transaction-manager="transactionManager" /> &n
- 更新Anadroid SDK Tooks之后,Eclipse提示No update were found
xp9802
eclipse
使用Android SDK Manager 更新了Anadroid SDK Tooks 之后,
打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates
检测一会后提示 No update were found