超对称技术官方
超对称技术官方

直播预告 ｜ 超对称Above Noise线上沙龙：预训练语言模型在量化投资中的运用

报名链接

主题：Above Noise沙龙：预训练语言模型在量化投资中的运用

时间：7月22日｜星期五 下午14:00—16:00

会议介绍：

超对称公司发布10亿参数预训练语言模型Big Bang Transformer乾元(BBT)。BBT 1.0版本模型的目标是为金融投资建立统一的跨模态人工智能算法架构。作为金融领域的基石模型，BBT模型为所有金融投资，经济分析，商业咨询等场景的深度学习下游任务提供微调服务，让所有从业者配备同级别的算法武器。

主要议题：

1.10亿参数BBT[乾元]预训练模型

  • 适配不同任务的统一的算法框架
  • 时序，文本跨模态语言模型
  • 覆盖最广，规模最大财经类数据集

2.预训练语言模型在量化投资中的运用

  • 量化投资框架与BBT模型

  • BBT知识图谱：动态追因的事理图谱

  • 11项API:事件抽取，文本摘要，情绪识别等

3.情绪数据应用于多因子模型

  • 全A指数：市场对大事件的情绪反应

  • 天级情绪因子：大盘的领先指标

  • 小时级情绪因子：日内高频交易

直播预告 ｜ 超对称Above Noise线上沙龙：预训练语言模型在量化投资中的运用_第1张图片

你可能感兴趣的:(语言模型,人工智能,机器学习)

  • 在 Ubuntu 22.04 上搭建 Dify 应用的完整指南 jdfklaakjsdf AIGCubuntulinux运维
    Dify是一款开源的AI应用开发平台，支持快速构建基于大语言模型（如GPT-3、ChatGLM等）的应用。本教程将详细演示如何在Ubuntu22.04系统上部署Dify。一、环境准备1.系统要求Ubuntu22.04LTS最低配置：2核CPU/4GB内存/20GB硬盘推荐配置：4核CPU/8GB内存/40GB硬盘2.更新系统sudoaptupdate&&sudoaptupgrade-ysudoap
  • 手把手教你用Docker部署Dify平台，打造可视化LLM应用环境 脱泥不tony 自然语言处理AI大模型LLM人工智能大语言模型语言模型Dify
    “Dify是一款开源的大语言模型(LLM)应用开发平台。它融合了后端即服务（BackendasService）和LLMOps的理念，使开发者可以快速搭建生产级的生成式AI应用。即使你是非技术人员，也能参与到AI应用的定义和数据运营过程中。Dify内置了构建LLM应用所需的关键技术栈，包括对数百个模型的支持、直观的Prompt编排界面、高质量的RAG引擎、稳健的Agent框架、灵活的流程编排，并同时
  • 在Ubuntu系统上部署Dify（开源大语言模型应用开发平台） [shenhonglei] deepseekubuntu开源语言模型人工智能
    在Ubuntu系统上部署Dify（开源大语言模型应用开发平台）环境准备Dify部署接入本地模型（如Ollama）安装Ollama运行模型并接入Dify环境准备系统要求Ubuntu20.04/22.04，建议CPU≥2核，内存≥4GB。安装Docker及DockerCompose：#安装Dockersudoaptupdatesudoaptinstallapt-transport-httpsca-ce
  • 【人工智能算法】人工智能算法都包括什么？请详细列出和解释 资源存储库 算法强化学习人工智能算法
    目录人工智能算法都包括什么？请详细列出和解释1.机器学习算法（MachineLearningAlgorithms）监督学习算法（SupervisedLearning）无监督学习算法（UnsupervisedLearning）强化学习算法（ReinforcementLearning）2.进化算法（EvolutionaryAlgorithms）3.模拟退火（SimulatedAnnealing）4.粒
  • AI笔记——浅谈发展历程 Bqiuer AIAI笔记人工智能ai
    2023年，要说最让人震惊的热点，无疑就是AI技术的大爆发！从1950年的“图灵测试”标志着人工智能雏形的诞生，一些最顶尖的技术团队、技术学科进行研究，到如今几十年的时间。一、AI的历史进程人工智能（ArtificialIntelligence，AI）的历史进程可以追溯到上世纪50年代。1950年代-1960年代：起步阶段1950年，英国数学家艾伦·图灵提出了“图灵测试”，这是第一个旨在检验机器智
  • AI探索笔记：线性回归 安意诚Matrix 机器学习笔记人工智能笔记线性回归
    前言写这篇博客，主要是自己来练练手。网络上教程已经是数不胜数，也都讲得非常清楚了。但自己不动手，知识和能力还是别人的。下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。内容什么是线性回归线性回归（LinearRegression）是统计学和机器学习中最基础且广泛使用的预测模型，用于建立**自变量（输入特征）与因变量（输出目标）**之间的线性关系模型。其核心思想是通
  • AI产品怎样才能打造出像人类一样聪明和有情商？ AI天才研究院 Python实战DeepSeekR1&大数据AI人工智能大模型AI实战大数据人工智能语言模型JavaPython架构设计
    作者：禅与计算机程序设计艺术1.简介随着人工智能技术的飞速发展、算法能力的不断增强、数据集的积累、计算设备的普及，人工智能已经成为各个行业、各个领域的重要突破性技术。然而，面对这一技术带来的巨大变革，如何为用户提供更加人性化的服务，并让人工智能模型对用户输入做出智能回应，则成为了一个长期且艰难的挑战。今天，我们将讨论一些常见的人机交互相关的问题，如语言模型、对话系统、生成模型等，并从中可以窥视到人
  • 最全中文对话数据集（不定期更新） 数据猎手小k 人工智能大数据
    随着人工智能技术的发展，自然语言处理（NLP）领域中的对话系统逐渐成为研究的热点。为了提升对话系统的性能，需要大量的高质量对话数据来训练和优化模型。然而，中文对话数据相对于英文来说较为稀缺，且质量参差不齐，这限制了中文对话系统的发展。因此，构建大规模、高质量的中文对话数据集成为了一个迫切的需求。一、研究意义1、推动中文NLP发展：大规模高质量的中文对话数据集能够为中文自然语言处理领域的研究提供基础
  • ELMo ，LM：一串词序列的概率分布probability distribution over sequences of words 强化学习曾小健 NLP自然语言处理#预训练语言模型
    语言模型（LanguageModel），语言模型简单来说就是一串词序列的概率分布。Languagemodelisaprobabilitydistributionoversequencesofwords.GPT与ELMo当成特征的做法不同，OpenAIGPT不需要再重新对任务构建新的模型结构，而是直接在transformer这个语言模型上的最后一层接上softmax作为任务输出层，然后再对这整个模型
  • Python人工智能学习路线，来自阿里巴巴佛系Python程序员的指南 阿里P6+ 2024年程序员学习python人工智能学习
    其实，这两方面都是存在的，但都很片面，这里不加赘述。客观地说，数字化、智能化是人类社会发展的趋势，而当下人工智能无疑是一大热门，那是蓝海还是火海？我们回到老道理——水的深度，只有你自己去试试水才知道。当你对上面情况有了初步的了解并想试试水，需要面对的问题是：AI入门容易吗？答案其实是否定的，难！AI领域需要钻研算法原理、大量复杂的公式及符号、无所适从的项目都是劝退一时热度初学者的原因。但对于一个初
  • DeepSeek全栈接入指南：从零到生产环境的深度实践 量子纠缠BUG DeepSeek部署AIDeepSeek人工智能深度学习机器学习
    第一章：DeepSeek技术体系全景解析1.1认知DeepSeek技术生态DeepSeek作为新一代人工智能技术平台，构建了覆盖算法开发、模型训练、服务部署的全链路技术栈。其核心能力体现在：1.1.1多模态智能引擎自然语言处理：支持文本生成（NLG）、语义理解（NLU）、情感分析等计算机视觉：提供图像分类、目标检测、OCR识别等CV能力语音交互：包含语音识别（ASR）、语音合成（TTS）及声纹识别
  • 微调 LLM （RLHF + DPO） 人工智能
    微调LLM（RLHF+DPO）使用强化学习（RL）根据人类反馈微调大语言模型（即RLHF）的方法，以及一种更有效的改进方法（即DPO）。一、GPT-3与InstructGPT2020年，OpenAI发布了GPT-3，这是一种大型语言模型（LLM），只需查看几个示例即可执行任意自然语言处理（NLP）任务。这包括为模型编写巧妙的输入（即提示），使其执行所需的任务（例如翻译、问答和完形填空任务）。尽管G
  • 百度安全获得中国信通院深度伪造视频检测服务评估优秀级 安全
    近年来深度合成技术迅猛发展的背后，“真实”和“虚假”的界限愈发难以分辨，技术滥用和恶意应用已经引发了一系列风险。随着技术的快速发展，党和国家高度重视深度合成技术的治理工作，先后发布了《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》，旨在加强互联网信息服务深度合成管理，促进深度合成服务健康发展，防范相关安全风险。中国信息通信研究院持续跟进深度合成技术及其应用的发展态势，自201
  • AIoT安全与隐私自动化建设：实践与展望 ITPUB-微风 安全自动化运维
    随着物联网（IoT）的快速发展，AIoT（人工智能物联网）已成为新时代的技术趋势。然而，随着设备的增多和应用的广泛，AIoT的安全与隐私问题也日益凸显。本文将探讨AIoT安全与隐私自动化建设的实践与展望。一、背景AIoT设备数量的激增带来了诸多安全挑战，如僵尸网络、中间人攻击、隐私泄露等。这些威胁不仅影响设备的正常运行，还可能对用户隐私造成严重损害。因此，建立有效的AIoT安全与隐私保护机制迫在眉
  • 消费者产品报告2025-在通用人工智能时代重新获得相关性报告300+份集萃解读|附PDF下载 数据挖掘深度学习机器学习算法
    原文链接：https://tecdat.cn/?p=40823在全球经济形势复杂多变、技术革新加速的当下，消费品行业正经历深刻变革。本报告汇总解读基于权威数据，深入剖析该行业在2024-2025年的发展态势，为企业提供市场洞察与策略建议，助力其在通用人工智能时代找准方向、重塑竞争优势。本报告汇总洞察基于文末470份消费者行业研究报告的数据，报告合集已分享在交流群，阅读原文进群和500+行业人士共同
  • 阿里AI通义千问api python开发文档 淘小白_TXB2196 人工智能javascript前端
    本文中含有需要您注意的重要提示信息，忽略该信息可能对您的业务造成影响，请务必仔细阅读。您可以使用SDK或API调用通义千问模型，根据您的需求实现灵活的定制和开发。通义千问说明支持的领域/任务：aigc通义千问大语言模型以用户文本形式的指令（prompt）以及不定轮次的对话消息作为输入，并基于这些信息生成回复作为输出。在这一过程中，文本将被转换为语言模型可以处理的token序列。Token是模型用来
  • 大语言模型：数据分析报告自动化的未来趋势 theskylife 个人随笔数据分析语言模型数据分析自动化人工智能大语言模型
    目录写在开头1.数据分析报告的传统挑战时间消耗技术壁垒错误风险可扩展性问题更新频率限制用户交互和定制化不足整合新技术的挑战2.大语言模型在报告生成中的作用自动化文本生成增强准确性和丰富性实时数据处理能力提高可访问性和用户交互3.一种实现的思路3.1.明确目标与设定任务3.2.数据准备3.3.使用大语言模型生成初步内容3.4.内容整合与优化3.5.数据可视化3.6.报告完善与发布3.7实际应用中的关
  • 脑洞大开！用DeepSeek辅助AI绘图！ 二哥不像程序员 人工智能DeepSeekAI作画
    DeepSeek应用（AI绘图篇）DeepSeek作为当前最好的AI大模型之一，其强大的文本生成能力被广泛的应用于各个领域，本文我们来聊聊用DeepSeek来辅助AI绘图。（文末附多款可以免费使用的AI绘图工具）一、DeepSeek&AI绘图作为语言模型，DeepSeek本身没有直接绘图的能力，换个思路，让DeepSeek按照我们的想法去创造绘图提示词，我们再讲提示词提供给AI绘图工具就可以了。操
  • 【CodeBlocks】搭建OpenCV环境指南 万众珩
    【CodeBlocks】搭建OpenCV环境指南CodeBlocks搭建OpenCV环境项目地址:https://gitcode.com/Resource-Bundle-Collection/e1e1a本资源提供了详细的教程，帮助您在CodeBlocks集成开发环境中顺利搭建OpenCV环境。OpenCV是一个开源的计算机视觉和机器学习软件库，广泛应用于图像处理和视频分析领域。通过这篇指南，即便是
  • 在Linux环境下安装和使用Pyenv：详细指南 I'mAlex Python三方库#Pythonlinux运维服务器pythonpyenv
    Pyenv是一个用于管理多个Python版本的强大工具，特别适合在Linux环境下使用。本文将详细介绍如何在Linux系统上安装和使用Pyenv，以便更好地管理Python开发环境。博主简介：现任阿里巴巴嵌入式技术专家，15年工作经验，深耕嵌入式+人工智能领域，精通嵌入式领域开发、技术管理、简历招聘面试。CSDN优质创作者，提供产品测评、学习辅导、简历面试辅导、毕设辅导、项目开发、C/C++/Ja
  • LangChain入门：使用Python和通义千问打造免费的Qwen大模型聊天机器人 闯江湖50年 langchainpython机器人人工智能
    前言LangChain是一个用于开发由大型语言模型（LargeLanguageModels，简称LLMs）驱动的应用程序的框架。它提供了一个灵活的框架，使得开发者可以构建具有上下文感知能力和推理能力的应用程序，这些应用程序可以利用公司的数据和APIs。这个框架由几个部分组成。LangChain库：Python和JavaScript库。包含了各种组件的接口和集成，一个基本的运行时，用于将这些组件组合
  • 图神经网络：拓扑数据分析的新时代 Jason_Orton 神经网络数据分析人工智能
    随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。图数据在许多现实世界问题中无处不在，诸如社交网络、交通网络、分子结构、推荐系统等都可以被建模为图结构。图神经网络通过直接处理图结构数据，能够更好地捕捉节点之间的关系信息，从而在众多任务中展现出了优异的性能。本文将深入探讨图神经网络的基本原理、常见的算法、应用
  • 智算中心的核心硬件是什么？ Imagination官方博客
    本文来源：游方AI智算中心，作为人工智能时代的关键基础设施，其核心硬件的构成与性能直接影响着智能计算的效率与质量。以下是对智算中心核心硬件的详细阐述：一、AI芯片AI芯片是专门为加速人工智能计算而设计的硬件，能够与各种AI算法协同工作，满足对算力的极高需求。当前主流的AI加速计算芯片包括：1、GPU（图形处理器）GPU是智算中心的算力担当，其强大的并行计算能力使其在深度学习领域大放异彩。GPU芯片
  • Spark之PySpark james二次元 大数据SparkPythonPySpark
    PySpark是ApacheSpark的PythonAPI，它允许开发者使用Python编程语言进行大规模数据处理和分析。ApacheSpark是一个快速、通用、可扩展的大数据处理引擎，支持批处理、流处理、机器学习、图计算等多种数据处理模式。PySpark使得Python开发者能够利用Spark强大的分布式计算能力，处理大数据集，并执行高效的并行计算。一、PySpark核心概念1.RDD（弹性分布
  • 探索 LangChain: 架构、组件和应用 田猿笔记 LangChainlangchain人工智能
    介绍每个组件及其用途：1.ModelModel组件是LangChain的核心，它抽象并提供了大语言模型（LLM）的接口。LLM模型用途：提供与多种LLM供应商的接口，如OpenAI、GooglePaLM2、Ollama等。OpenAI示例：fromlangchain.llmsimportOpenAIopenai_llm=OpenAI(model_name="gpt-3.5-turbo")respo
  • 大数据最全大模型入门到应用——LangChain：索引（Indexes）-[文本分割器 2401_84182507 程序员langchain
    分类目录：《大模型从入门到应用》总目录LangChain系列文章：基础知识快速入门安装与环境配置链（Chains）、代理（Agent:）和记忆（Memory）快速开发聊天模型模型（Models）基础知识大型语言模型（LLMs）基础知识LLM的异步API、自定义LLM包装器、虚假LLM和人类输入LLM（HumanInputLLM）缓存LLM的调用结果加载与保存LLM类、流式传输LLM与ChatMod
  • 大模型入门到应用——LangChain：索引（Indexes）-[文本分割器(2) 2301_78399616 程序员langchain
    快速入门安装与环境配置链（Chains）、代理（Agent:）和记忆（Memory）快速开发聊天模型模型（Models）基础知识大型语言模型（LLMs）基础知识LLM的异步API、自定义LLM包装器、虚假LLM和人类输入LLM（HumanInputLLM）缓存LLM的调用结果加载与保存LLM类、流式传输LLM与ChatModel响应和跟踪tokens使用情况聊天模型（ChatModels）基础知识
  • LangChain：Models、Prompts、Indexes、Memory、Chains、Agents。MaxKB ZhangJiQun&MXP 2021AIpython2024大模型以及算力教学langchain人工智能自然语言处理语言模型神经网络
    LangChain：Models、Prompts、Indexes、Memory、Chains、Agents在LangChain框架中，Models、Prompts、Indexes、Memory、Chains、Agents是六大核心抽象概念，它们各自承担独特功能，相互协作以助力开发者基于大语言模型构建高效智能应用。Models（模型）：指代各类大语言模型（LLM），是提供语言处理和生成能力的基础。如
  • 机器学习——无监督学习(k-means算法) 张起灵ovo 机器学习入门机器学习算法学习
    1、K-Means聚类算法K表示超参数个数，如分成几个类别，K值就取多少。若无需求，可使用网格搜索找到最佳的K。步骤：1、随机设置K个特征空间内的点作为初始聚类中心；2、对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记种类；3、接着对标记的聚类中心之后，重新计算出每个聚类的中心点(平均值)；4、如果计算得出的新中心点与原中心点一样，那么结束，否则执行第二步。means表
  • pandas series 相加_Numpy和Pandas教程 weixin_39778393 pandasseries相加
    Pandas简介-python数据分析library-基于numpy(对ndarray的操作)-有一种用python做Excel/SQL/R的感觉-为什么要学习pandas?-pandas和机器学习的关系，数据预处理，featureengineering。-pandas的DataFrame结构和大家在大数据部分见到的spark中的DataFrame非常类似。目录-numpy速成-Series-Da
  • jQuery 键盘事件keydown ,keypress ,keyup介绍 107x jsjquerykeydownkeypresskeyup
    本文章总结了下些关于jQuery 键盘事件keydown ,keypress ,keyup介绍，有需要了解的朋友可参考。 一、首先需要知道的是： 1、keydown() keydown事件会在键盘按下时触发. 2、keyup()  代码如下 复制代码 $('input').keyup(funciton(){      
  • AngularJS中的Promise bijian1013 JavaScriptAngularJSPromise
    一.Promise         Promise是一个接口，它用来处理的对象具有这样的特点：在未来某一时刻（主要是异步调用）会从服务端返回或者被填充属性。其核心是，promise是一个带有then()函数的对象。         为了展示它的优点，下面来看一个例子，其中需要获取用户当前的配置文件： var cu
  • c++ 用数组实现栈类 CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T, int SIZE = 50> class Stack{ private: T list[SIZE];//数组存放栈的元素 int top;//栈顶位置 public: Stack(
  • java和c语言的雷同 麦田的设计者 java递归scaner
    软件启动时的初始化代码，加载用户信息2015年5月27号 从头学java二 1、语言的三种基本结构：顺序、选择、循环。废话不多说，需要指出一下几点：      a、return语句的功能除了作为函数返回值以外，还起到结束本函数的功能，return后的语句 不会再继续执行。      b、for循环相比于whi
  • LINUX环境并发服务器的三种实现模型 被触发 linux
    服务器设计技术有很多，按使用的协议来分有TCP服务器和UDP服务器。按处理方式来分有循环服务器和并发服务器。 1  循环服务器与并发服务器模型 在网络程序里面，一般来说都是许多客户对应一个服务器，为了处理客户的请求，对服务端的程序就提出了特殊的要求。 目前最常用的服务器模型有： ·循环服务器：服务器在同一时刻只能响应一个客户端的请求 ·并发服务器：服
  • Oracle数据库查询指令 肆无忌惮_ oracle数据库
    20140920   单表查询 -- 查询************************************************************************************************************ -- 使用scott用户登录   -- 查看emp表   desc emp  
  • ext右下角浮动窗口 知了ing JavaScriptext
    第一种 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/
  • 浅谈REDIS数据库的键值设计 矮蛋蛋 redis
    http://www.cnblogs.com/aidandan/ 原文地址：http://www.hoterran.info/redis_kv_design 丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样，DEV和DBA需要深度沟通，review每行sql语句，也不像memcached那样，不需要DBA的参与。redis的DBA需要熟悉数据结构，并能了解使用场景。
  • maven编译可执行jar包 alleni123 maven
    http://stackoverflow.com/questions/574594/how-can-i-create-an-executable-jar-with-dependencies-using-maven <build> <plugins> <plugin> <artifactId>maven-asse
  • 人力资源在现代企业中的作用 百合不是茶 HR 企业管理
    //人力资源在在企业中的作用人力资源为什么会存在，人力资源究竟是干什么的 人力资源管理是对管理模式一次大的创新，人力资源兴起的原因有以下点： 工业时代的国际化竞争，现代市场的风险管控等等。所以人力资源 在现代经济竞争中的优势明显的存在，人力资源在集团类公司中存在着 明显的优势(鸿海集团)，有一次笔者亲自去体验过红海集团的招聘，只 知道人力资源是管理企业招聘的 当时我被招聘上了，当时给我们培训 的人
  • Linux自启动设置详解 bijian1013 linux
    linux有自己一套完整的启动体系，抓住了linux启动的脉络，linux的启动过程将不再神秘。 阅读之前建议先看一下附图。 本文中假设inittab中设置的init tree为： /etc/rc.d/rc0.d /etc/rc.d/rc1.d /etc/rc.d/rc2.d /etc/rc.d/rc3.d /etc/rc.d/rc4.d /etc/rc.d/rc5.d /etc
  • Spring Aop Schema实现 bijian1013 javaspringAOP
    本例使用的是Spring2.5 1.Aop配置文件spring-aop.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmln
  • 【Gson七】Gson预定义类型适配器 bit1129 gson
    Gson提供了丰富的预定义类型适配器，在对象和JSON串之间进行序列化和反序列化时，指定对象和字符串之间的转换方式，   DateTypeAdapter   public final class DateTypeAdapter extends TypeAdapter<Date> { public static final TypeAdapterFacto
  • 【Spark八十八】Spark Streaming累加器操作（updateStateByKey) bit1129 update
    在实时计算的实际应用中，有时除了需要关心一个时间间隔内的数据，有时还可能会对整个实时计算的所有时间间隔内产生的相关数据进行统计。 比如： 对Nginx的access.log实时监控请求404时，有时除了需要统计某个时间间隔内出现的次数，有时还需要统计一整天出现了多少次404，也就是说404监控横跨多个时间间隔。   Spark Streaming的解决方案是累加器，工作原理是，定义
  • linux系统下通过shell脚本快速找到哪个进程在写文件 ronin47
    一个文件正在被进程写 我想查看这个进程 文件一直在增大 找不到谁在写 使用lsof也没找到 这个问题挺有普遍性的，解决方法应该很多，这里我给大家提个比较直观的方法。 linux下每个文件都会在某个块设备上存放，当然也都有相应的inode, 那么透过vfs.write我们就可以知道谁在不停的写入特定的设备上的inode。 幸运的是systemtap的安装包里带了inodewatch.stp，位
  • java-两种方法求第一个最长的可重复子串 bylijinnan java算法
    import java.util.Arrays; import java.util.Collections; import java.util.List; public class MaxPrefix { public static void main(String[] args) { String str="abbdabcdabcx";
  • Netty源码学习-ServerBootstrap启动及事件处理过程 bylijinnan javanetty
    Netty是采用了Reactor模式的多线程版本，建议先看下面这篇文章了解一下Reactor模式： http://bylijinnan.iteye.com/blog/1992325 Netty的启动及事件处理的流程，基本上是按照上面这篇文章来走的 文章里面提到的操作，每一步都能在Netty里面找到对应的代码 其中Reactor里面的Acceptor就对应Netty的ServerBo
  • servelt filter listener 的生命周期 cngolon filterlistenerservelt生命周期
    1. servlet    当第一次请求一个servlet资源时，servlet容器创建这个servlet实例，并调用他的 init(ServletConfig config)做一些初始化的工作，然后调用它的service方法处理请求。当第二次请求这个servlet资源时，servlet容器就不在创建实例，而是直接调用它的service方法处理请求，也就是说
  • jmpopups获取input元素值 ctrain JavaScript
    jmpopups 获取弹出层form表单 首先，我有一个div，里面包含了一个表单，默认是隐藏的，使用jmpopups时，会弹出这个隐藏的div，其实jmpopups是将我们的代码生成一份拷贝。 当我直接获取这个form表单中的文本框时，使用方法：$('#form input[name=test1]').val()；这样是获取不到的。 我们必须到jmpopups生成的代码中去查找这个值，$(
  • vi查找替换命令详解 daizj linux正则表达式替换查找vim
    一、查找 查找命令 /pattern<Enter> ：向下查找pattern匹配字符串 ?pattern<Enter>：向上查找pattern匹配字符串 使用了查找命令之后，使用如下两个键快速查找： n：按照同一方向继续查找 N：按照反方向查找 字符串匹配 pattern是需要匹配的字符串，例如： 1:  /abc<En
  • 对网站中的js,css文件进行打包 dcj3sjt126com PHP打包
    一，为什么要用smarty进行打包 apache中也有给js,css这样的静态文件进行打包压缩的模块，但是本文所说的不是以这种方式进行的打包，而是和smarty结合的方式来把网站中的js,css文件进行打包。 为什么要进行打包呢，主要目的是为了合理的管理自己的代码 。现在有好多网站，你查看一下网站的源码的话，你会发现网站的头部有大量的JS文件和CSS文件，网站的尾部也有可能有大量的J
  • php Yii: 出现undefined offset 或者 undefined index解决方案 dcj3sjt126com undefined
    在开发Yii 时，在程序中定义了如下方式：        if($this->menuoption[2] === 'test')，那么在运行程序时会报：undefined offset:2，这样的错误主要是由于php.ini 里的错误等级太高了，在windows下错误等级
  • linux 文件格式（1） sed工具 eksliang linuxlinux sed工具sed工具linux sed详解
    转载请出自出处： http://eksliang.iteye.com/blog/2106082 简介       sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾
  • Android应用程序获取系统权限 gqdy365 android
    引用 如何使Android应用程序获取系统权限         第一个方法简单点，不过需要在Android系统源码的环境下用make来编译：         1. 在应用程序的AndroidManifest.xml中的manifest节点
  • HoverTree开发日志之验证码 hvt .netC#asp.nethovertreewebform
    HoverTree是一个ASP.NET的开源CMS，目前包含文章系统，图库和留言板功能。代码完全开放，文章内容页生成了静态的HTM页面，留言板提供留言审核功能，文章可以发布HTML源代码，图片上传同时生成高品质缩略图。推出之后得到许多网友的支持，再此表示感谢！留言板不断收到许多有益留言，但同时也有不少广告，因此决定在提交留言页面增加验证码功能。ASP.NET验证码在网上找，如果不是很多，就是特别多
  • JSON API：用 JSON 构建 API 的标准指南中文版 justjavac json
    译文地址：https://github.com/justjavac/json-api-zh_CN 如果你和你的团队曾经争论过使用什么方式构建合理 JSON 响应格式， 那么 JSON API 就是你的 anti-bikeshedding 武器。 通过遵循共同的约定，可以提高开发效率，利用更普遍的工具，可以是你更加专注于开发重点：你的程序。 基于 JSON API 的客户端还能够充分利用缓存，
  • 数据结构随记_2 lx.asymmetric 数据结构笔记
    第三章 栈与队列 一．简答题 1. 在一个循环队列中，队首指针指向队首元素的  前一个    位置。  2.在具有n个单元的循环队列中，队满时共有  n-1  个元素。  3. 向栈中压入元素的操作是先  移动栈顶指针&n
  • Linux下的监控工具dstat 网络接口 linux
    1) 工具说明dstat是一个用来替换 vmstat,iostat netstat,nfsstat和ifstat这些命令的工具, 是一个全能系统信息统计工具. 与sysstat相比, dstat拥有一个彩色的界面, 在手动观察性能状况时, 数据比较显眼容易观察; 而且dstat支持即时刷新, 譬如输入dstat 3, 即每三秒收集一次, 但最新的数据都会每秒刷新显示. 和sysstat相同的是,
  • C 语言初级入门--二维数组和指针 1140566087 二维数组c/c++指针
    /* 二维数组的定义和二维数组元素的引用 二维数组的定义： 当数组中的每个元素带有两个下标时，称这样的数组为二维数组； (逻辑上把数组看成一个具有行和列的表格或一个矩阵); 语法： 类型名 数组名[常量表达式1][常量表达式2] 二维数组的引用： 引用二维数组元素时必须带有两个下标，引用形式如下： 例如： int a[3][4];  引用：
  • 10点睛Spring4.1-Application Event wiselyman application
    10.1 Application Event Spring使用Application Event给bean之间的消息通讯提供了手段 应按照如下部分实现bean之间的消息通讯 继承ApplicationEvent类实现自己的事件 实现继承ApplicationListener接口实现监听事件 使用ApplicationContext发布消息
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他