- 免费GPU平台教程,助力你的AI, pytorch tensorflow 支持cuda
zhangfeng1133
人工智能pytorchtensorflow
Colab:https://drive.google.com/drive/home阿里天池实验室:https://tianchi.aliyun.com/60个小时gputianchi.aliyun.com/notebook-ai/天池实验室_实时在线的数据分析协作工具,享受免费计算资源-阿里云天池移动九天:https://jiutian.10086.cn/edu/#/homekagglekaggl
- LLM基础|模型后量化原理、量化类型及方式、量化实现效果
Sunny_AI_addict
人工智能语言模型神经网络
一、引言:为什么要对模型进行量化?xdm在尝试运行Llama-Chat-7B推理时的时候,是不是也容易遇到OOM的问题?(笔者最近在使用丐版colab运行Llama-Chat-7B,这个模型模型大小为13G,要求的显存也在13G左右,丐版无法承受)为了解决这个应用LLM的实际问题(即LLM对显存的占用大,在高并发的环境下/资源并不丰富的情况下,可能会导致服务崩溃),最常用的手段就是对LLM进行低精
- 英文TTS的实现
hehui0921
huggingfacepython深度学习开发语言
以下代码成功运行在colab中,需要修改运行时类型为T4GPU。!pipinstall-UqqWhisperSpeechdefis_colab():try:importgoogle.colab;returnTrueexcept:returnFalseimporttorch#ifnottorch.cuda.is_available():#ifis_colab():raiseBaseException
- 全世界 LoRA 训练脚本,联合起来!
人工智能
来自社区的SD-XLDreamboothLoRA微调最佳实践指南太长不看版我们把Replicate在SDXLCog训练器中使用的枢轴微调(PivotalTuning)技术与Kohya训练器中使用的Prodigy优化器相结合,再加上一堆其他优化,一起对SDXL进行DreamboothLoRA微调,取得了非常好的效果。你可以在diffusers上找到我们使用的训练脚本,或是直接在Colab上试着运行一
- 政安晨:演绎在KerasCV中使用Stable Diffusion进行高性能图像生成
政安晨
政安晨的机器学习笔记政安晨的人工智能笔记stablediffusionKerasCVtensorflowkeras图像生成机器学习深度学习
小伙伴们好,咱们今天演绎一个使用KerasCV的StableDiffusion模型生成新的图像的示例。考虑计算机性能的因素,这次咱们在Colab上进行,Colab您可以理解为在线版的JupyterNotebook,还不熟悉Jupyter的的小伙伴可以去看一下我以前的文章:政安晨的机器学习笔记——示例讲解机器学习工具JupyterNotebook入门(超级详细)https://blog.csdn.n
- GEE Colab——如何利用Matplotlib在colab中进行图形制作
此星光明
geecolabmatplotlib柱状图线型图散点图pythongeecolab
在colab中绘制图表笔记本的一个常见用途是使用图表进行数据可视化。Colaboratory提供多种图表工具作为Python导入,让这一工作变得简单。MatplotlibMatplotlib是最常用的图表工具包,详情请查看其文档,并通过示例获得灵感。线性图线性图是一种常见的图表类型,用于显示数据随着时间、顺序或其他连续变量的变化趋势。线性图通常由一组数据点和连线组成,每个数据点表示一个观测值,连线
- 全世界 LoRA 训练脚本,联合起来!
工业甲酰苯胺
人工智能开发语言javapython
我们把Replicate在SDXLCog训练器中使用的枢轴微调(PivotalTuning)技术与Kohya训练器中使用的Prodigy优化器相结合,再加上一堆其他优化,一起对SDXL进行DreamboothLoRA微调,取得了非常好的效果。你可以在diffusers上找到我们使用的训练脚本,或是直接在Colab上试着运行一下。如果你想跳过技术讲解直接上手,可以使用这个HuggingFaceSpa
- PyTorch 2.2 中文官方教程(十五)
绝不原创的飞龙
人工智能pytorch人工智能python
(beta)计算机视觉的量化迁移学习教程原文:pytorch.org/tutorials/intermediate/quantized_transfer_learning_tutorial.html译者:飞龙协议:CCBY-NC-SA4.0提示为了充分利用本教程,我们建议使用这个Colab版本。这将允许您尝试下面提供的信息。作者:ZafarTakhirov审阅者:RaghuramanKrishna
- GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
此星光明
geecolablinux数据库运维gee云计算colab读写
本地文件系统从本地文件系统上传文件files.upload会返回已上传文件的字典。此字典的键为文件名,值为已上传的数据。fromgoogle.colabimportfilesuploaded=files.upload()forfninuploaded.keys():print('Useruploadedfile"{name}"withlength{length}bytes'.format(name
- Colab平台使用(GPU、挂载、tf版本、运行py脚本、设置点击脚本)
土Bo鼠
机器学习深度学习tensorflow机器学习
重点:选择GPU、挂载谷歌云端、选择tf版本、运行py脚本、设置点击不断连脚本针对yolo模型的训练谷歌云端上传项目打开谷歌云端,类似百度网盘上传本地的项目到云端创建colab笔记本进入想保存Notebook的文件夹中,左上角新建-更多-GoogleColaboratory,如果没有该选项,可点击关联更多应用,找到GoogleColaboratory即可接下来进入colab笔记本,点击修改-笔记本
- 政安晨的机器学习笔记——示例演绎在TensorFlow中使用 CSV数据(基于Colab的Jupyter笔记)(1.5万字长文超详细)
政安晨
政安晨的机器学习笔记机器学习tensorflowCSV数据处理NumpyPandas深度学习Colab
本笔记提供了如何在TensorFlow中使用CSV数据的示例:用tf.data加载CSV数据。其中包括两个主要部分:从磁盘加载数据将数据预处理为适合训练的形式。本笔记侧重于加载,并提供了一些关于预处理的快速示例。设置importpandasaspdimportnumpyasnp#Makenumpyvalueseasiertoread.np.set_printoptions(precision=3,
- colab中搭建tf-trt环境——解决TensorRT版本匹配问题
小稻壳
神经网络深度学习tensorflow
colab中搭建tf-trt环境——解决TensorRT版本匹配问题可行的环境版本匹配:Ubuntu18.04cuda11.1cudnn8python3.7tensorflow-gpu2.7.0TensorRT7.2.2pycuda2021.1查看版本命令:!lsb_release-a"NoLSBmodulesareavailable.DistributorID:UbuntuDescription
- 使用colab、featurize进行深度学习
TowerCrane2C
深度学习人工智能
神经网络学习小记录69——Pytorch使用GoogleColab进行深度学习_googlecolabpytorch_Bubbliiiing的博客-CSDN博客PyTorch快速查看pth文件保存的参数_pytorch怎么看pth参数类型_Kkkkaii的博客-CSDN博客(新手向)从零开始使用Colab进行机器/深度学习详细教程_liyihao76的博客-CSDN博客zz使用colab的一个步骤
- 在google.colab中配置mujoco和gym环境
tj_lzy
python深度学习
在学习CS285时找了很多方法在google.colab中配置mujoco和gym环境,但由于本身mujoco版本很多,且在被OpenAI收购之前需要申请许可证所以经常环境配置失败,以下为找到的可用解决方案的代码:importosfromgoogle.colabimportdrivedrive.mount('/content/gdrive')DRIVE_PATH='/content/gdrive/
- 深度学习-搭建Colab环境
Damon小智
Python图像识别深度学习人工智能Colabgpu算力ai
GoogleColab(Colaboratory)是一个免费的云端环境,旨在帮助开发者和研究人员轻松进行机器学习和数据科学工作。它提供了许多优势,使得编写、执行和共享代码变得更加简单和高效。Colab在云端提供了预配置的环境,可以直接开始编写代码,并且提供了免费的GPU和TPU资源,这对于训练深度学习模型等计算密集型任务非常有帮助,可以加速模型训练过程。一、Colab网站介绍GoogleColab
- colab使用自己数据集进行模型训练的方法汇总
筱筱西雨
tool人工智能python深度学习
在GoogleColab上使用自己的数据集进行模型训练。Colab允许通过多种方式上传数据,包括直接从本地计算机上传、从GoogleDrive加载或通过网络链接下载,从github导入等。GitHub导入使用以下的代码将github上的文件克隆到colab的当前目录下!gitclonehttps://github.com/myDataSet.git!ls-R查看当前目录下的文件及所有的子目录文件。
- mmdetection使用projects/gradio_demo
盛世芳华
目标检测
我用google的colab搭建。#Checknvccversion!nvcc-V#CheckGCCversion!gcc--version#installdependencies:(usecu111becausecolabhasCUDA11.1)%pipinstall-Uopenmim!miminstall"mmengine>=0.7.0"!miminstall"mmcv>=2.0.0rc4"#
- 拷贝 hugging face 仓库到 colab
小何才露尖尖角
Python环境相关LLMpythoncolabhuggingfaceclone拷贝
#挂在谷歌云硬盘fromgoogle.colabimportdrivedrive.mount('/content/drive')#转到文件夹importosos.chdir('/content/drive/MyDrive/')!pwd#安装并引入包!pipinstallgradiobypyhuggingface_hubimportosimportshutilfromhuggingface_hubi
- FinGPT_Training_LoRA_with_ChatGLM2_6B_for_Beginners
小田_
LLMFinGPTLoRAChatGLM2
FinGPTColab:https://colab.research.google.com/github/AI4Finance-Foundation/FinGPT/blob/master/FinGPT_Training_LoRA_with_ChatGLM2_6B_for_Beginners.ipynbGettingStartedwithFinGPTWelcometothiscomprehensiv
- CVPR 2023 Hybrid Tutorial: All Things ViTs之DINO attention map
微凉的衣柜
深度学习人工智能python计算机视觉
AllThingsViTs系列讲座从ViT视觉模型注意力机制出发,本文给出DINOattentionmap可视化部分阅读学习体会.课程视频与课件:https://all-things-vits.github.io/atv/代码:https://colab.research.google.com/github/all-things-vits/code-samples/blob/main/probin
- CVPR 2023 Hybrid Tutorial: All Things ViTs之CLIP注意力机制可视化
微凉的衣柜
深度学习深度学习语言模型pythonpytorch
1.总述AllThingsViTs系列讲座从ViT视觉模型注意力机制出发,阐述了注意力机制在多模态模型如CLIP,及diffusion模型中的应用.本文给出CLIP注意力机制可视化部分阅读学习体会.课程视频与课件:https://all-things-vits.github.io/atv/代码:https://colab.research.google.com/github/all-things-
- CVPR 2023 Hybrid Tutorial: All Things ViTs之mean attention distance (MAD)
微凉的衣柜
深度学习深度学习pytorch人工智能语言模型python
AllThingsViTs系列讲座从ViT视觉模型注意力机制出发,本文给出meanattentiondistance可视化部分阅读学习体会.课程视频与课件:https://all-things-vits.github.io/atv/代码:https://colab.research.google.com/github/all-things-vits/code-samples/blob/main/p
- 基于DQN和TensorFlow的LunarLander实现(全代码)
全栈O-Jay
人工智能tensorflow人工智能python深度强化学习强化学习深度学习
使用深度Q网络(DeepQ-Network,DQN)来训练一个在openai-gym的LunarLander-v2环境中的强化学习agent,让小火箭成功着陆。下面代码直接扔到jupyternotebook或CoLab上就能跑起来。目录安装和导入所需的库和环境Q网络搭建经验回放实现DQNAgent实现训练安装和导入所需的库和环境安装和设置所需的库和环境,使其能够在JupyterNotebook中运
- Codalab平台学习笔记
Q同学的nlp笔记
笔记人工智能自然语言处理深度学习nlp语言模型python
简介Codalab是一个用于复现深度学习研究的协作平台,由斯坦福大学和微软合作开发。其核心理念是在云端运行机器学习实验,像jupyternotebook一样在数字实验室中管理实验,同时可以发布实验的worksheet以便其他人可以复现实验结果。Colab官网展示的三个步骤为:上传文件:首先将代码和数据集文件上传至平台。进行实验:运行代码,进行训练或者测试。发布结果:将实验结果进行发布,以供他人复现
- 如何在免费云Colab上使用扩散模型生成图片?
LF-DevJourney
AIGC扩散模型工具AIGC扩散模型ColabHuggingFacepython
前言在人工智能技术的迅猛发展下,内容生成领域也迎来了一系列创新的突破。其中,使用扩散模型(如StableDiffusion)从文字生成图片的AI技术备受瞩目。这一技术的出现,为我们创造栩栩如生的图像提供了全新的可能性。本文将带领读者使用免费云Colabt体验如何使用扩散模型生成图片。前提本文使用免费云,只要求读者拥有浏览器即可。步骤使用浏览器打开Colab的网页:https://colab.goo
- 调用openai实现聊天功能
听风与他
python大模型openai
前言本文主要是【聊天机器人】——调用openai实现聊天功能的文章,如果有什么需要改进的地方还请大佬指出⛺️作者简介:大家好,我是听风与他☁️博客首页:CSDN主页听风与他每日一句:狠狠沉淀,顶峰相见目录前言1.推荐使用google云实验室2.下载依赖3.调用openai的key实现机器人功能文章末尾1.推荐使用google云实验室网址:https://colab.research.google.
- 论文阅读:Feature Refinement to Improve High Resolution Image Inpainting
万里鹏程转瞬至
#GAN论文阅读
项目地址:https://github.com/geomagical/lama-with-refiner论文地址:https://arxiv.org/abs/2109.07161发表时间:2022年6月29日项目体验地址:https://colab.research.google.com/github/advimman/lama/blob/master/colab/LaMa_inpainting.
- Colab 谷歌免费的云端Python编程环境初体验
LF-DevJourney
AIGC工具Pythonpython开发语言AIGCColab在线开发环境免费开发环境
最新在学习AIGC的过程中,发现很多教程,demo使用到了Colab这个谷歌工具。Colab是什么?GoogleColab是一个强大且免费的云端Python编程环境,为学生、研究人员和开发者提供了一个便捷的平台来开展数据科学、机器学习和深度学习项目。Colab有哪些功能?云端环境:GoogleColab完全基于云端,无需在本地安装任何软件。你只需使用浏览器登录到Google账号,即可立即开始编写和
- Colab打开GitHub公开&私人文件库
Avasla
其他工具pythonColabgithub
Colab(GoogleColaboratory)Colab是由谷歌提供的一种免费的云端Jupyter笔记本服务。它允许用户在云端运行代码,特别是针对机器学习和数据分析任务。优点:免费!可以直接在线运行JupyterNotebook,无需额外安装配置。可同步运行和修改Github上的笔记本。提供免费的GPU和TPU(TensorProcessingUnit)加速,有助于加速深度学习任务。(比如Py
- 谷歌colab测试diffusers
pyc_666666
AIGC
pipinstall--upgradediffusersfromdiffusersimportDiffusionPipelineimporttorchpipeline=DiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5",torch_dtype=torch.float32)pipeline("Animageofasqu
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类:
1)插入排序(直接插入排序、希尔排序)
2)交换排序(冒泡排序、快速排序)
3)选择排序(直接选择排序、堆排序)
4)归并排序
5)分配排序(基数排序)
所需辅助空间最多:归并排序
所需辅助空间最少:堆排序
平均速度最快:快速排序
不稳定:快速排序,希尔排序,堆排序。
先来看看8种排序之间的关系:
1.直接插入排序
(1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块,包括RDD,Shuffle,Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构,即Driver上BlockManager充当了Master角色,而各个Slave上(具体到应用范围,就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用,这里讲一下怎么查看端口是否被占用,及哪个程序占用,怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起,经常在tomcat容器起动后,访问页面时输入http://localhost:8088/index.jsp,大家都知道localhost代表本机地址,如果本机IP是10.10.134.21,那就相当于http://10.10.134.21:8088/index.jsp,有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码,一看就懂,利用的是jxl:
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结(数组函数)
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素,再返回该数组。
示例:
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M,8M宽带。其中M是指,Mbits/S
其中要提前说明的是:
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节,约为 50000多字节。但是网宽是以“位”为单位的,所以,8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位,即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC(反向控制 依赖注入)
aijuans
Spring 3 系列
IoC(反向控制 依赖注入)这是Spring提出来了,这也是Spring一大特色。这里我不用多说,我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC,下面我将介绍不用Spring的IoC。
IoC不是框架,她是java的技术,如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明:
如:程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况,应尽可能使用InnoDB存储引擎。 原因:InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的,很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行,除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中,如果id对应的标签不存在(同理JAVA中,如果对象不存在),则调用它的方法会报错或抛异常。在实际开发中,发现JQuery在id对应的标签不存在时,调其val()方法不会报错,结果是undefined。
- http请求测试实例(采用json-lib解析)
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本,因些对于JDK1.4的项目,可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法,仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤,在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用,本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home
- nginx负载tomcat遇非80时的转发问题
ronin47
nginx负载后端容器是tomcat(其它容器如WAS,JBOSS暂没发现这个问题)非80端口,遇到跳转异常问题。解决的思路是:$host:port
详细如下:
该问题是最先发现的,由于之前对nginx不是特别的熟悉所以该问题是个入门级别的:
? 1 2 3 4 5
- java-17-在一个字符串中找到第一个只出现一次的字符
bylijinnan
java
public class FirstShowOnlyOnceElement {
/**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff,则输出b
* 1.int[] count:count[i]表示i对应字符出现的次数
* 2.将26个英文字母映射:a-z <--> 0-25
* 3.假设全部字母都是小写
*/
pu
- mongoDB 复制集
开窍的石头
mongodb
mongo的复制集就像mysql的主从数据库,当你往其中的主复制集(primary)写数据的时候,副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题
mo
- [宇宙与天文]宇宙时代的经济学
comsci
经济
宇宙尺度的交通工具一般都体型巨大,造价高昂。。。。。
在宇宙中进行航行,近程采用反作用力类型的发动机,需要消耗少量矿石燃料,中远程航行要采用量子或者聚变反应堆发动机,进行超空间跳跃,要消耗大量高纯度水晶体能源
以目前地球上国家的经济发展水平来讲,
- Git忽略文件
Cwind
git
有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件,编译生成的各种目标或临时文件等。使用git status时,会在Untracked files里面看到这些文件列表,在一次需要添加的文件比较多时(使用git add . / git add -u),会把这些所有的未跟踪文件添加进索引。
==== ==== ==== 一些牢骚
- MySQL连接数据库的必须配置
dashuaifu
mysql连接数据库配置
MySQL连接数据库的必须配置
1.driverClass:com.mysql.jdbc.Driver
2.jdbcUrl:jdbc:mysql://localhost:3306/dbname
3.user:username
4.password:password
其中1是驱动名;2是url,这里的‘dbna
- 一生要养成的60个习惯
dcj3sjt126com
习惯
一生要养成的60个习惯
第1篇 让你更受大家欢迎的习惯
1 守时,不准时赴约,让别人等,会失去很多机会。
如何做到:
①该起床时就起床,
②养成任何事情都提前15分钟的习惯。
③带本可以随时阅读的书,如果早了就拿出来读读。
④有条理,生活没条理最容易耽误时间。
⑤提前计划:将重要和不重要的事情岔开。
⑥今天就准备好明天要穿的衣服。
⑦按时睡觉,这会让按时起床更容易。
2 注重
- [介绍]Yii 是什么
dcj3sjt126com
PHPyii2
Yii 是一个高性能,基于组件的 PHP 框架,用于快速开发现代 Web 应用程序。名字 Yii (读作 易)在中文里有“极致简单与不断演变”两重含义,也可看作 Yes It Is! 的缩写。
Yii 最适合做什么?
Yii 是一个通用的 Web 编程框架,即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持,它特别适合开发大型应
- Linux SSH常用总结
eksliang
linux sshSSHD
转载请出自出处:http://eksliang.iteye.com/blog/2186931 一、连接到远程主机
格式:
ssh name@remoteserver
例如:
ssh
[email protected]
二、连接到远程主机指定的端口
格式:
ssh name@remoteserver -p 22
例如:
ssh i
- 快速上传头像到服务端工具类FaceUtil
gundumw100
android
快速迭代用
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOExceptio
- jQuery入门之怎么使用
ini
JavaScripthtmljqueryWebcss
jQuery的强大我何问起(个人主页:hovertree.com)就不用多说了,那么怎么使用jQuery呢?
首先,下载jquery。下载地址:http://hovertree.com/hvtart/bjae/b8627323101a4994.htm,一个是压缩版本,一个是未压缩版本,如果在开发测试阶段,可以使用未压缩版本,实际应用一般使用压缩版本(min)。然后就在页面上引用。
- 带filter的hbase查询优化
kane_xie
查询优化hbaseRandomRowFilter
问题描述
hbase scan数据缓慢,server端出现LeaseException。hbase写入缓慢。
问题原因
直接原因是: hbase client端每次和regionserver交互的时候,都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
- java设计模式-单例模式
men4661273
java单例枚举反射IOC
单例模式1,饿汉模式
//饿汉式单例类.在类初始化时,已经自行实例化
public class Singleton1 {
//私有的默认构造函数
private Singleton1() {}
//已经自行实例化
private static final Singleton1 singl
- mongodb 查询某一天所有信息的3种方法,根据日期查询
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
// mongodb的查询真让人难以琢磨,就查询单天信息,都需要花费一番功夫才行。
// 第一种方式:
coll.aggregate([
{$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}},
{$match:{sendDate: '2015-
- 二维数组转换成JSON
tangqi609567707
java二维数组json
原文出处:http://blog.csdn.net/springsen/article/details/7833596
public class Demo {
public static void main(String[] args) { String[][] blogL
- erlang supervisor
wudixiaotie
erlang
定义supervisor时,如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid),如果shutdown策略选择的是brutal_kill,那么supervisor会调用exit(ChildPid, kill),这样的话如果Child的behavior是gen_