- 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
- 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
- 《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
- 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
- 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
- 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
- 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
- PyTorch实战:灵活构建神经网络
shejizuopin
pytorch神经网络人工智能PyTorch实战灵活构建神经网络代码
引言PyTorch,作为由FacebookAIResearch团队开发的开源深度学习框架,以其灵活性、动态计算图以及易于调试的特性,在深度学习领域赢得了广泛的认可。无论是学术研究还是工业应用,PyTorch都提供了强大的支持。本文将结合CSDN网站上的最新资源,分享PyTorch实战中的最实用解决技巧,并通过代码示例进行详细分析,帮助读者灵活构建神经网络模型。一、PyTorch基础与安装1.1Py
- Pytorch 第十二回:循环神经网络——LSTM模型
Start_Present
rnnpytorchlstm神经网络数据分析
Pytorch第十二回:循环神经网络——LSTM模型本次开启深度学习第十二回,基于Pytorch的LSTM循环神经网络模型。本回分享第二个循环神经网络,叫做LSTM模型。在本回中,设计通过LSTM模型来对股票收盘价格进行预测。接下来给大家分享具体思路。本次学习,借助的平台是PyCharm2024.1.3,python版本3.11numpy版本是1.26.4,pytorch版本2.0.0+cu118
- 【深度学习基础 2】 PyTorch 框架
鸢想睡觉
机器学习深度学习pytorch人工智能python
目录一、PyTorch简介二、安装PyTorch三、PyTorch常用函数和操作3.1创建张量(Tensor)3.2基本数学运算3.3自动求导(Autograd)3.4定义神经网络模型3.5训练与评估模型3.6使用模型进行预测四、注意事项五、完整训练示例代码一、PyTorch简介PyTorch是由Facebook开发的开源深度学习框架,以动态计算图(DynamicComputationalGrap
- 从零构建大语言模型全栈开发指南:第二部分:模型架构设计与实现-2.2.2文本生成逻辑:Top-k采样与温度控制
言析数智
从零开始构建大模型大语言模型Top-k采样温度控制
点击关注不迷路点击关注不迷路点击关注不迷路文章大纲2.2.2文本生成逻辑:Top-k采样与温度控制1.文本生成的核心挑战与数学框架1.1自回归生成的基本流程2.`Top-k`采样原理与工程实现2.1数学定义与算法流程2.2PyTorch实现优化3.温度控制的数学本质与参数调优3.1温度系数对概率分布的影响3.2温度控制实现方案4.组合策略与高级优化4.1`Top-k与温度控制的协同应用`5.生成质
- DeepSeek 本地部署详细教程
文or野
deepseek算法数据库deepseek
一、环境准备1.1硬件要求GPU:推荐NVIDIA显卡(RTX3090/4090或更高)显存:至少16GB(根据模型版本调整)内存:32GB及以上存储:50GB可用空间1.2软件依赖操作系统:Linux/WindowsWSL2(推荐Ubuntu20.04+)Python3.8+CUDA11.7+&cuDNNPyTorch2.0+bash复制代码#示例:安装CUDA工具包sudoapt-getins
- Pytorch实现之对称卷积神经网络结构实现超分辨率
这张生成的图像能检测吗
优质GAN模型训练自己的数据集pytorchcnn人工智能生成对抗网络神经网络深度学习
简介简介:针对传统的超分辨率重建技术所重建的图像过于光滑且缺乏细节的问题,作者提出了一种改进的生成对抗图像超分辨率网络。该改进方法基于深度神经网络,其生成模型包含多层卷积模块和多层反卷积模块,其中在感知损失基础上增加了跳层连接和损失函数。该判别模型由多层神经网络组成,其损失函数基于生成式对抗网络生成的判别模型损失函数。论文题目:ImageSuper-resolutionReconstruction
- Pytorch实现之结合SE注意力和多种损失的特征金字塔架构GAN的图像去模糊方法
这张生成的图像能检测吗
优质GAN模型训练自己的数据集pytorch生成对抗网络人工智能机器学习深度学习计算机视觉图像生成
简介简介:提出了一种利用特征金字塔作为框架代替多尺度输入的一种方法来构建生成器模型,减少了模型规模并加快了训练速度。在模型架构中还融合了通道注意力方法来提高训练能力。作者在生成器中采用了三种常见的损失计算,在鉴别器中结合了最小二乘和相对论损失来改善模型训练。论文题目:ImageDeblurringBasedonGenerativeAdversarialNetworks(基于生成对抗网络的图像去模糊
- QT运行导入python(pytorch)程序进行深度学习(qmake)
憨猪在度假
c++python开发语言qtc++pyqt
这个问题困扰了四天,终于解决了,记录一下。1.需要一个完整的python能够运行pytorch环境,这里我已经搭建好了2.QT需要安装MCSV编译器(必须用这个,因为WINGW不支持.lib的python库)参考这个教程:Qt添加MSVC2017编译器(2022年保姆级教程,不安装完整VS)_qtmsvc2017-CSDN博客安装完之后,你的QT会多出几个kit,你需要使用64位的MSVC的编译器
- 【大虾送书第二期】《Python机器学习:基于PyTorch和Scikit-Learn 》_python机器学习 基于pytorch和scikit-learn pdf
2401_84537826
程序员python机器学习pytorch
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不
- 深度学习框架演进与智能应用实践
智能计算研究中心
其他
内容概要深度学习框架的迭代升级正重塑智能应用开发范式。从TensorFlow的静态图架构到PyTorch的动态计算图设计,工具链的持续优化显著提升了模型训练效率与部署灵活性。与此同时,模型压缩技术通过剪枝、量化和知识蒸馏等手段,在保持精度的前提下降低计算资源需求,而超参数优化与迁移学习策略则进一步增强了模型在不同场景的适应能力。值得关注的是,边缘计算与联邦学习的深度融合,正推动医疗影像诊断、金融风
- Pytorch入门实战 | 第P9周:YOLOv5-Backbone模块实现
K同学啊
小白训练营#Pytorch入门python
本次我将利用YOLOv5算法中的Backbone模块搭建网络。YOLOv5是目标检测算法,是否可以尝试将其网络结构用在目标识别上,或进行改进形成一个全新的算法(类似之前介绍过的VGG1-6)。如果效果不错的话,还可以搞一篇期刊文章出来~分享一张我自己绘制的YOLOv5_6.0版本的算法框架图,希望它可以有助于你完成本次探索~
- Ray 源码分析(16)—Ray Serve
Jim.Li
AIInfrac++ai分布式人工智能架构
前言RayServe是一个可扩展的模型服务库,用于构建在线推理API。Serve与框架无关,因此你可以使用一个单一的工具包来服务从使用PyTorch、TensorFlow和Keras等框架构建的深度学习模型,到Scikit-Learn模型,再到任意Python业务逻辑的所有内容。它具有多项用于服务大语言模型的特性和性能优化,例如响应流、动态请求批处理、多节点/多GPU服务等。据说OpenAI背后用
- 具身系列——NLP工程师切入机器人和具身智能方向
music&movie
多模态Agent自然语言处理机器人人工智能
职位高频词汇:VLM调优经验、核心算法(Diffusion、RL、VIT)、pytorch、仿真环境(IsaacGym、Mujoco、webots)基于当前具身智能行业发展趋势和岗位需求,以下是为NLP工程师设计的转型路径与策略,结合最新招聘信息和技术趋势:一、技能迁移与知识重构(3-6个月)核心能力复用深度学习基础:迁移Transformer架构经验到多模态场景(视觉-语言-动作融合)大模型微调
- PyTorch 深度学习实战(8):Transformer 与机器翻译(基于本地中英文文本文件)
进取星辰
PyTorch深度学习实战深度学习pytorchtransformer
在上一篇文章中,我们探讨了循环神经网络(RNN)及其在文本分类中的应用。本文将介绍Transformer模型的基本原理,并使用PyTorch和HuggingFace的transformers库实现一个简单的机器翻译模型。我们将基于本地的中英文文本文件进行实战演练。一、Transformer基础Transformer是一种基于自注意力机制(Self-Attention)的神经网络架构,由Vaswan
- 大模型算法岗面试题(含答案)
X.Cristiano
LLM大模型人工智能
一、基础篇目前主流的开源模型体系有哪些?Transformer体系:由Google提出的Transformer模型及其变体,如BERT、GPT等。PyTorchLightning:一个基于PyTorch的轻量级深度学习框架,用于快速原型设计和实验。TensorFlowModelGarden:TensorFlow官方提供的一系列预训练模型和模型架构。HuggingFaceTransformers:一
- NPU上如何使能pytorch图模式
人工智能
1Pytorch的compile技术PyTorch的torch.compile是一个强大的功能,用于优化PyTorch模型的性能。它通过将PyTorch的动态图转换为静态图,并利用Just-In-Time(JIT)编译技术,显著提高模型的推理速度和训练效率。1.1PyTorchtorch.compile的作用torch.compile是PyTorch的一个实验性功能,旨在通过编译优化提升模型的性能
- PHP如何实现二维数组排序?
IT独行者
二维数组PHP排序
二维数组在PHP开发中经常遇到,但是他的排序就不如一维数组那样用内置函数来的方便了,(一维数组排序可以参考本站另一篇文章【PHP中数组排序函数详解汇总】)。二维数组的排序需要我们自己写函数处理了,这里UncleToo给大家分享一个PHP二维数组排序的函数:
代码:
functionarray_sort($arr,$keys,$type='asc'){
$keysvalue= $new_arr
- 【Hadoop十七】HDFS HA配置
bit1129
hadoop
基于Zookeeper的HDFS HA配置主要涉及两个文件,core-site和hdfs-site.xml。
测试环境有三台
hadoop.master
hadoop.slave1
hadoop.slave2
hadoop.master包含的组件NameNode, JournalNode, Zookeeper,DFSZKFailoverController
- 由wsdl生成的java vo类不适合做普通java vo
darrenzhu
VOwsdlwebservicerpc
开发java webservice项目时,如果我们通过SOAP协议来输入输出,我们会利用工具从wsdl文件生成webservice的client端类,但是这里面生成的java data model类却不适合做为项目中的普通java vo类来使用,当然有一中情况例外,如果这个自动生成的类里面的properties都是基本数据类型,就没问题,但是如果有集合类,就不行。原因如下:
1)使用了集合如Li
- JAVA海量数据处理之二(BitMap)
周凡杨
java算法bitmapbitset数据
路漫漫其修远兮,吾将上下而求索。想要更快,就要深入挖掘 JAVA 基础的数据结构,从来分析出所编写的 JAVA 代码为什么把内存耗尽,思考有什么办法可以节省内存呢? 啊哈!算法。这里采用了 BitMap 思想。
首先来看一个实验:
指定 VM 参数大小: -Xms256m -Xmx540m
- java类型与数据库类型
g21121
java
很多时候我们用hibernate的时候往往并不是十分关心数据库类型和java类型的对应关心,因为大多数hbm文件是自动生成的,但有些时候诸如:数据库设计、没有生成工具、使用原始JDBC、使用mybatis(ibatIS)等等情况,就会手动的去对应数据库与java的数据类型关心,当然比较简单的数据类型即使配置错了也会很快发现问题,但有些数据类型却并不是十分常见,这就给程序员带来了很多麻烦。
&nb
- Linux命令
510888780
linux命令
系统信息
arch 显示机器的处理器架构(1)
uname -m 显示机器的处理器架构(2)
uname -r 显示正在使用的内核版本
dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)
hdparm -i /dev/hda 罗列一个磁盘的架构特性
hdparm -tT /dev/sda 在磁盘上执行测试性读取操作
cat /proc/cpuinfo 显示C
- java常用JVM参数
墙头上一根草
javajvm参数
-Xms:初始堆大小,默认为物理内存的1/64(<1GB);默认(MinHeapFreeRatio参数可以调整)空余堆内存小于40%时,JVM就会增大堆直到-Xmx的最大限制
-Xmx:最大堆大小,默认(MaxHeapFreeRatio参数可以调整)空余堆内存大于70%时,JVM会减少堆直到 -Xms的最小限制
-Xmn:新生代的内存空间大小,注意:此处的大小是(eden+ 2
- 我的spring学习笔记9-Spring使用工厂方法实例化Bean的注意点
aijuans
Spring 3
方法一:
<bean id="musicBox" class="onlyfun.caterpillar.factory.MusicBoxFactory"
factory-method="createMusicBoxStatic"></bean>
方法二:
- mysql查询性能优化之二
annan211
UNIONmysql查询优化索引优化
1 union的限制
有时mysql无法将限制条件从外层下推到内层,这使得原本能够限制部分返回结果的条件无法应用到内层
查询的优化上。
如果希望union的各个子句能够根据limit只取部分结果集,或者希望能够先排好序在
合并结果集的话,就需要在union的各个子句中分别使用这些子句。
例如 想将两个子查询结果联合起来,然后再取前20条记录,那么mys
- 数据的备份与恢复
百合不是茶
oraclesql数据恢复数据备份
数据的备份与恢复的方式有: 表,方案 ,数据库;
数据的备份:
导出到的常见命令;
参数 说明
USERID 确定执行导出实用程序的用户名和口令
BUFFER 确定导出数据时所使用的缓冲区大小,其大小用字节表示
FILE 指定导出的二进制文
- 线程组
bijian1013
java多线程threadjava多线程线程组
有些程序包含了相当数量的线程。这时,如果按照线程的功能将他们分成不同的类别将很有用。
线程组可以用来同时对一组线程进行操作。
创建线程组:ThreadGroup g = new ThreadGroup(groupName);
&nbs
- top命令找到占用CPU最高的java线程
bijian1013
javalinuxtop
上次分析系统中占用CPU高的问题,得到一些使用Java自身调试工具的经验,与大家分享。 (1)使用top命令找出占用cpu最高的JAVA进程PID:28174 (2)如下命令找出占用cpu最高的线程
top -Hp 28174 -d 1 -n 1
32694 root 20 0 3249m 2.0g 11m S 2 6.4 3:31.12 java
- 【持久化框架MyBatis3四】MyBatis3一对一关联查询
bit1129
Mybatis3
当两个实体具有1对1的对应关系时,可以使用One-To-One的进行映射关联查询
One-To-One示例数据
以学生表Student和地址信息表为例,每个学生都有都有1个唯一的地址(现实中,这种对应关系是不合适的,因为人和地址是多对一的关系),这里只是演示目的
学生表
CREATE TABLE STUDENTS
(
- C/C++图片或文件的读写
bitcarter
写图片
先看代码:
/*strTmpResult是文件或图片字符串
* filePath文件需要写入的地址或路径
*/
int writeFile(std::string &strTmpResult,std::string &filePath)
{
int i,len = strTmpResult.length();
unsigned cha
- nginx自定义指定加载配置
ronin47
进入 /usr/local/nginx/conf/include 目录,创建 nginx.node.conf 文件,在里面输入如下代码:
upstream nodejs {
server 127.0.0.1:3000;
#server 127.0.0.1:3001;
keepalive 64;
}
server {
liste
- java-71-数值的整数次方.实现函数double Power(double base, int exponent),求base的exponent次方
bylijinnan
double
public class Power {
/**
*Q71-数值的整数次方
*实现函数double Power(double base, int exponent),求base的exponent次方。不需要考虑溢出。
*/
private static boolean InvalidInput=false;
public static void main(
- Android四大组件的理解
Cb123456
android四大组件的理解
分享一下,今天在Android开发文档-开发者指南中看到的:
App components are the essential building blocks of an Android
- [宇宙与计算]涡旋场计算与拓扑分析
comsci
计算
怎么阐述我这个理论呢? 。。。。。。。。。
首先: 宇宙是一个非线性的拓扑结构与涡旋轨道时空的统一体。。。。
我们要在宇宙中寻找到一个适合人类居住的行星,时间非常重要,早一个刻度和晚一个刻度,这颗行星的
- 同一个Tomcat不同Web应用之间共享会话Session
cwqcwqmax9
session
实现两个WEB之间通过session 共享数据
查看tomcat 关于 HTTP Connector 中有个emptySessionPath 其解释如下:
If set to true, all paths for session cookies will be set to /. This can be useful for portlet specification impleme
- springmvc Spring3 MVC,ajax,乱码
dashuaifu
springjquerymvcAjax
springmvc Spring3 MVC @ResponseBody返回,jquery ajax调用中文乱码问题解决
Spring3.0 MVC @ResponseBody 的作用是把返回值直接写到HTTP response body里。具体实现AnnotationMethodHandlerAdapter类handleResponseBody方法,具体实
- 搭建WAMP环境
dcj3sjt126com
wamp
这里先解释一下WAMP是什么意思。W:windows,A:Apache,M:MYSQL,P:PHP。也就是说本文说明的是在windows系统下搭建以apache做服务器、MYSQL为数据库的PHP开发环境。
工欲善其事,必须先利其器。因为笔者的系统是WinXP,所以下文指的系统均为此系统。笔者所使用的Apache版本为apache_2.2.11-
- yii2 使用raw http request
dcj3sjt126com
http
Parses a raw HTTP request using yii\helpers\Json::decode()
To enable parsing for JSON requests you can configure yii\web\Request::$parsers using this class:
'request' =&g
- Quartz-1.8.6 理论部分
eksliang
quartz
转载请出自出处:http://eksliang.iteye.com/blog/2207691 一.概述
基于Quartz-1.8.6进行学习,因为Quartz2.0以后的API发生的非常大的变化,统一采用了build模式进行构建;
什么是quartz?
答:简单的说他是一个开源的java作业调度框架,为在 Java 应用程序中进行作业调度提供了简单却强大的机制。并且还能和Sp
- 什么是POJO?
gupeng_ie
javaPOJO框架Hibernate
POJO--Plain Old Java Objects(简单的java对象)
POJO是一个简单的、正规Java对象,它不包含业务逻辑处理或持久化逻辑等,也不是JavaBean、EntityBean等,不具有任何特殊角色和不继承或不实现任何其它Java框架的类或接口。
POJO对象有时也被称为Data对象,大量应用于表现现实中的对象。如果项目中使用了Hiber
- jQuery网站顶部定时折叠广告
ini
JavaScripthtmljqueryWebcss
效果体验:http://hovertree.com/texiao/jquery/4.htmHTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>网页顶部定时收起广告jQuery特效 - HoverTree<
- Spring boot内嵌的tomcat启动失败
kane_xie
spring boot
根据这篇guide创建了一个简单的spring boot应用,能运行且成功的访问。但移植到现有项目(基于hbase)中的时候,却报出以下错误:
SEVERE: A child container failed during start
java.util.concurrent.ExecutionException: org.apache.catalina.Lif
- leetcode: sort list
michelle_0916
Algorithmlinked listsort
Sort a linked list in O(n log n) time using constant space complexity.
====analysis=======
mergeSort for singly-linked list
====code======= /**
* Definition for sin
- nginx的安装与配置,中途遇到问题的解决
qifeifei
nginx
我使用的是ubuntu13.04系统,在安装nginx的时候遇到如下几个问题,然后找思路解决的,nginx 的下载与安装
wget http://nginx.org/download/nginx-1.0.11.tar.gz
tar zxvf nginx-1.0.11.tar.gz
./configure
make
make install
安装的时候出现
- 用枚举来处理java自定义异常
tcrct
javaenumexception
在系统开发过程中,总少不免要自己处理一些异常信息,然后将异常信息变成友好的提示返回到客户端的这样一个过程,之前都是new一个自定义的异常,当然这个所谓的自定义异常也是继承RuntimeException的,但这样往往会造成异常信息说明不一致的情况,所以就想到了用枚举来解决的办法。
1,先创建一个接口,里面有两个方法,一个是getCode, 一个是getMessage
public
- erlang supervisor分析
wudixiaotie
erlang
当我们给supervisor指定需要创建的子进程的时候,会指定M,F,A,如果是simple_one_for_one的策略的话,启动子进程的方式是supervisor:start_child(SupName, OtherArgs),这种方式可以根据调用者的需求传不同的参数给需要启动的子进程的方法。和最初的参数合并成一个数组,A ++ OtherArgs。那么这个时候就有个问题了,既然参数不一致,那