- Transformers解决RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
怎么这么多名字都被占了
transformerpytorch
在使用Transformers启动梯度检查点时,即:model.gradient_checkpointing_enable()时,会报错RuntimeError:element0oftensorsdoesnotrequiregradanddoesnothaveagrad_fn。解决办法:在get_peft_model之前加上:model.enable_input_require_grads()
- 深度学习实战一:线性回归(基于Pytorch,含数据和详细注释)
若北辰
Python深度学习深度学习线性回归pytorch
线性回归1、回归的概念2、回归的分类3、线性回归4、代码实现补充说明1、回归的概念回归的本来意思是,无论父母的身高多高或多矮,小孩的身高总是趋向于回到均值附近,也就是回归趋向均值!,这就是回归分析的本质2、回归的分类线性回归(又分为一元线性回归和多元线性回归)广义线性回归(又分为逻辑回归和对数回归)非线性回归3、线性回归线性回归是深度学习中最基础、最简单的模型。虽然简单,但是跟大多数监督学习算法的
- MATLAB机器学习、深度学习
Yolo566Q
机器学习matlabmatlab机器学习深度学习
目录第一章MATLAB图像处理基础第二章BP神经网络及其在图像处理中的应用第三章卷积神经网络及其在图像处理中的应第四章迁移学习算法及其在图像处理中的应用第五章生成式对抗网络(GAN)及其在图像处理中的应用第六章目标检测YOLO模型及其在图像处理中的应用第七章讨论与答疑近年来,随着无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生,人工智能迎来了新一轮的发展浪潮。尤其是在计算机
- 机器学习在金融领域的应用
AI天才研究院
大数据AI人工智能AI大模型企业级应用开发实战计算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
机器学习在金融领域的应用1.背景介绍1.1金融行业面临的挑战1.1.1海量数据处理1.1.2实时风险监控1.1.3个性化服务需求1.2机器学习的兴起1.2.1大数据时代的到来1.2.2计算能力的提升1.2.3算法的不断创新2.核心概念与联系2.1机器学习的定义与分类2.1.1有监督学习2.1.2无监督学习2.1.3强化学习2.2机器学习与人工智能、深度学习的关系2.2.1人工智能的发展历程2.2.
- PyTorch深度学习实战(2)——PyTorch快速入门
shangjg3
PyTorch深度学习实战深度学习pytorch人工智能
PyTorch的简洁设计使得它易于入门,在深入介绍PyTorch之前,本文先介绍一些PyTorch的基础知识,以便读者能够对PyTorch有一个大致的了解,并能够用PyTorch搭建一个简单的神经网络。1TensorTensor是PyTorch中最重要的数据结构,它可以是一个数(标量)、一维数组(向量)、二维数组(如矩阵、黑白图片等)或者更高维的数组(如彩色图片、视频等)。Tensor与NumPy
- NVIDIA的算力支持
杭州大厂Java程序媛
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
NVIDIA的算力支持关键词:NVIDIA,GPU,Turing架构,RTX,AI,AIoT,云计算,大数据,深度学习1.背景介绍NVIDIA作为全球领先的图形处理芯片制造商,近年来在人工智能领域也取得了显著的进展。NVIDIA的GPU(图形处理器)因其强大的并行计算能力,成为了深度学习和人工智能(AI)领域的主流硬件。NVIDIA的Turing架构引入了更强的张量计算能力,使得深度学习任务能够更
- 基于深度学习的文本情感分析
杭州大厂Java程序媛
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
基于深度学习的文本情感分析关键词:深度学习、文本情感分析、自然语言处理、卷积神经网络、循环神经网络、BERT、情感分类、情绪识别1.背景介绍文本情感分析(TextSentimentAnalysis),又称情感计算(SentimentComputing),是自然语言处理(NLP)领域的重要研究方向之一。它旨在从文本数据中识别和理解作者表达的情感倾向,例如正面、负面或中立。随着互联网和社交媒体的蓬勃发
- 一切皆是映射:神经网络在图像识别中的应用案例
AI大模型应用之禅
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
一切皆是映射:神经网络在图像识别中的应用案例关键词:神经网络、图像识别、深度学习、卷积神经网络、映射、模式识别1.背景介绍1.1问题的由来图像识别问题的研究源于人类对于智能机器的渴望。早在20世纪50年代,人工智能的先驱们就开始探索如何让计算机具备类似人类的视觉感知能力。从最初的简单模式匹配,到后来的统计学习方法,再到如今的深度学习,图像识别技术经历了几代演变。这一演变过程反映了人工智能技术的快速
- 人工智能基础知识速成 - 机器学习、深度学习算法原理及其实际应用案例
苹果酱0567
面试题汇总与解析课程设计springbootvue.jsjavamysql
一、机器学习概念与原理什么是机器学习?机器学习是人工智能的一个分支,通过从数据中学习和改进算法,使计算机系统在没有明确编程的情况下也能够自动地学习和改进。机器学习是一种实现人工智能的技术手段,能够让计算机“自我学习”,从而实现更准确的预测和决策。机器学习的基本原理机器学习的基本原理是通过构建数学模型,使用大量的数据进行训练,使得模型能够智能地预测和决策。在机器学习中,常用的模型包括线性回归、逻辑回
- 中国AI再放异彩!MiniMax01开源震撼全球
盼达思文体科创
经验分享
引言家人们,最近AI圈又爆出一个超级大瓜!海外开发者这次又被咱中国的AI模型狠狠地震惊到了。一直以来,AI领域都是全球科技竞争的焦点,像OpenAI等海外巨头长期占据着主导地位。而咱们中国的科技企业也在奋起直追,不断突破技术瓶颈,为全球AI发展注入新的活力。这次MiniMax01的首次开源,意义可非同小可。它突破了传统的Transformer架构,这可是AI领域的核心技术之一。对于咱们普通人来说,
- 【LangChain编程:从入门到实践】代码实践
AI天才研究院
计算大数据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
【LangChain编程:从入门到实践】代码实践1.背景介绍1.1人工智能的发展历程人工智能(ArtificialIntelligence,AI)是当代科技领域最具革命性和颠覆性的技术之一。自20世纪50年代诞生以来,AI经历了起伏跌宕的发展历程。在早期,AI主要集中于基于规则的系统和专家系统,试图模拟人类的推理过程。然而,随着大数据时代的到来和计算能力的飞速提升,机器学习和深度学习技术开始占据主
- 因果推断与机器学习—因果表征学习与泛化能力
樱花的浪漫
因果推断机器学习学习人工智能深度学习自然语言处理计算机视觉
近十年来,深度学习在多个领域取得了巨大成功,包括机器视觉、自然语言处理、语音识别和生物信息等。这些成功为机器学习技术的进一步发展和应用奠定了基础。表征学习是深度学习的核心技术之一。在机器学习问题中,其主要目的是从观测到的低级变量中提取信息,进而学习到能够准确预测目标变量的高级变量。这种从低层次到高层次变量的学习过程,有助于模型更好地理解数据和进行预测。以德国马克斯-普朗克研究所的BernhardS
- 基于深度学习的植物病害检测系统
A等天晴
计算机视觉深度学习人工智能
引言背景介绍植物病害对农业生产的影响不容忽视。随着全球人口的增长和气候变化的影响,农作物病害问题变得更加严峻。传统的植物病害检测方法往往依赖于人工检测,不仅耗时费力,而且对检测者的专业知识要求较高。深度学习技术,尤其是YOLO(YouOnlyLookOnce)模型,在图像识别和目标检测领域取得了显著的成果。YOLO模型可以在实时情况下检测并识别图像中的多个目标,为植物病害的快速检测提供了新的途径。
- ip数据报考研
代码小白 ac
考研
IP数据报的核心考点p1.首部结构(必考)IPv4首部固定为20字节(无选项),关键字段如下表:字段长度(位)作用与考点版本4标识IPv4或IPv6(考试中可能要求区分首部差异)。首部长度4以4字节为单位,最小值为5(20字节)。若选项字段存在,需计算总长度。总长度16数据报最大长度65535字节,若超过MTU则需分片。标识16同一数据报分片后标识相同,用于重组。标志(MF/DF)3DF=1时禁止
- NeuralCF 模型:神经网络协同过滤模型
Lewis@
神经网络人工智能深度学习
实验和完整代码完整代码实现和jupyter运行:https://github.com/Myolive-Lin/RecSys--deep-learning-recommendation-system/tree/main引言NeuralCF模型由新加坡国立大学研究人员于2017年提出,其核心思想在于将传统协同过滤方法与深度学习技术相结合,从而更为有效地捕捉用户与物品之间的复杂交互关系。该模型利用神经网
- AI 图像生成器,如何使用 Janus-Pro 和 Janus, Deepseek 的 Janus-Pro、Janus 和其他领先工具的比较
知识大胖
NVIDIAGPU和大语言模型开发教程人工智能deepseekjanuspro
介绍人工智能(AI)彻底改变了数字艺术和设计领域,使创建高质量图像变得前所未有的简单,而且只需付出最少的努力。人工智能驱动的图像生成器使用深度学习算法将文本描述转换为逼真或艺术化的视觉效果,可满足营销、广告、游戏和内容创作等各种行业的需求。在本综合指南中,我们将探索一些最流行的AI图像生成器,包括DeepSeek的Janus-Pro和Janus,以及DALL·E3、Midjourney、Stabl
- Shader编程:OpenGL入门与实践_2024-07-21_07-39-05.Tex
chenjj4003
游戏开发2数据结构javaandroidjavascript服务器
Shader编程:OpenGL入门与实践Shader基础Shader概述在计算机图形学中,Shader是一种程序,用于GPU(图形处理单元)上运行,以实现对图形的实时渲染。Shader可以控制像素、顶点、几何体等的处理,从而实现复杂的视觉效果。OpenGL是一个跨语言、跨平台的应用程序接口,用于渲染2D、3D矢量图形,Shader在OpenGL中扮演着核心角色,通过使用GLSL(OpenGLSha
- Blender:Blender动画渲染与输出设置_2024-07-15_11-07-57.Tex
chenjj4003
游戏开发blender3dsmax游戏android前端材质
Blender:Blender动画渲染与输出设置Blender:Blender动画渲染与输出设置Blender基础设置了解Blender渲染引擎Blender是一款功能强大的开源3D创作软件,它提供了多种渲染引擎供用户选择。其中,最常用的是Cycles和EEVEE。Cycles:基于物理的渲染引擎,能够模拟真实世界的光照和材质,适合制作高质量的渲染效果,但渲染速度相对较慢。EEVEE:实时渲染引擎
- 3dsMax:动画短片制作全流程_2024-07-15_18-17-40.Tex
chenjj4003
游戏开发3dsmax前端材质贴图中间件android
3dsMax:动画短片制作全流程3dsMax:软件基础与界面介绍3dsMax基本操作在开始动画短片的制作之前,熟悉3dsMax的基本操作是至关重要的。3dsMax是一款由Autodesk公司开发的3D建模、动画和渲染软件,广泛应用于游戏开发、电影特效、建筑可视化等领域。下面,我们将介绍一些3dsMax的基本操作,帮助你快速上手。创建对象在3dsMax中,你可以通过以下步骤创建基本的3D对象:打开3
- Unity渲染管线
BuHuaX
unity游戏引擎全文检索游戏美术图形渲染
Unity渲染管线详解什么是渲染管线渲染管线(RenderPipeline)是Unity中处理渲染的核心系统,负责将3D场景转换为最终在屏幕上显示的2D图像。它定义了光照、阴影、材质、后处理效果等的处理方式。Unity支持的渲染管线类型1.内置渲染管线(Built-inRenderPipeline)特点Unity的传统渲染管线功能全面,使用简单适合小型项目和2D游戏不支持最新的图形特性优势学习成本
- 深度学习篇---深度学习框架图像预处理&各部分组件
Ronin-Lotus
深度学习篇程序代码篇深度学习人工智能Python机器学习pytorchpaddlepaddle深度学习框架
文章目录前言第一部分:图像预处理PaddlePaddle图像预处理PyTorch图像预处理第二部分:框架各部分组件PaddlePaddle1.卷积层(ConvolutionalLayer)2.池化层(PoolingLayer)3.全连接层(FullyConnectedLayer)4.激活函数(ActivationFunction)5.优化器(Optimizer)6.归一化(Normalizatio
- 机器学习,深度学习,神经网络,深度神经网络
武昌库里写JAVA
面试题汇总与解析java学习开发语言课程设计springboot
人工智能包含机器学习,机器学习包含深度学习(是其中比较重要的分支)。深度学习源自于人工神经网络的研究,但是并不完全等于传统神经网络。神经网络与深度神经网络的区别在于隐藏层级,通常两层或两层以上隐藏层的网络叫做深度神经网络。一般隐藏层越多,精确度越高。深度学习的算法又分很多种,比较典型的四种:卷积神经网络—CNN,循环神经网络—RNN,生成对抗网络—GANs,深度强化学习—RL。机器学习和深度学习的
- 基于深度学习的车牌检测识别系统 —— 使用YOLOv5实现车牌检测与识别
2025年数学建模美赛
深度学习YOLO人工智能分类ui
目录引言项目背景与目标1.1项目背景1.2项目目标系统设计与架构2.1系统功能概述2.2系统架构数据准备与处理3.1数据集选择与收集3.2数据标注3.3数据集划分YOLOv5模型训练与优化4.1YOLOv5配置文件4.2安装YOLOv5并开始训练4.3模型评估与优化车牌识别与推理5.1加载模型进行推理5.2UI界面设计总结与展望引言车牌识别(LicensePlateRecognition,LPR)
- 不同数据库与 WebGL 集成
一只小灿灿
#WebGL数据库webgl
一、引言在当今数字化时代,数据可视化是一个关键需求,而WebGL(WebGraphicsLibrary)为在网页上实现高性能3D图形渲染提供了强大的工具。然而,WebGL本身无法直接与数据库进行交互,为了将数据库中的数据以3D图形的形式展示在网页上,就需要借助后端服务器来实现WebGL与不同数据库的集成。本文将详细介绍如何使用常见的数据库,如SQLite、MySQL、Redis和MongoDB,与
- 关于大模型 AGI 应知应会_生在AI发展的时代
森焱森
机器人人工智能算法总结科技
在AI时代,大模型和通用人工智能(AGI)正在深刻改变我们的生活和工作方式。以下是一些关于大模型和AGI的关键知识点,帮助我们更好地理解这一技术浪潮。一、大模型的核心概念与特点(一)什么是大模型大模型(LargeLanguageModels,LLMs)是指具有大规模参数和复杂计算结构的深度学习模型,通常由深度神经网络构建而成,拥有数十亿甚至数千亿个参数。这些模型通过训练海量数据来学习复杂的模式和特
- AI 浪潮席卷中国年,开启科技新春新纪元
芯作者
DD:日记人工智能机器学习
在21世纪的第三个十年,人工智能(AI)技术以前所未有的速度席卷全球,而在东方古国——中国,这股浪潮尤为汹涌澎湃。随着大数据、云计算、深度学习等技术的不断成熟,AI不仅重塑了传统行业的面貌,更在新春佳节这一最具中国特色的时刻,以其独特的方式,开启了科技新春的新纪元。本文将从AI在春节期间的应用、对中国经济的影响、社会文化的变迁、面临的挑战以及未来展望等五个方面,层次分明地探讨这一话题。一、AI在春
- FilmAgent:虚拟3D空间中端到端电影自动化的多代理框架
伊织code
#AI开源项目3dFilmAgent电影agent代理端到端
文章目录一、关于FilmAgent二、框架三、使用FilmAgent制作自己的电影四、案例研究1、多代理协作有什么作用?2、与Sora比较一、关于FilmAgent官网:https://filmagent.github.io/Code|Video|Slides|XFilmAgent是一个多代理协作系统,用于3D虚拟空间中的端到端电影自动化。FilmAgent模拟关键的工作人员角色——导演、编剧、演
- 3D图形学与可视化大屏:如何让材质与光照进行交互。
大象数据工场
3d材质可视化大屏可视化
一、理解材质属性与光照模型材质属性的组成颜色:材质的基本颜色,决定了物体在没有光照时的外观。可以分为漫反射颜色、镜面反射颜色和环境光颜色等。粗糙度:描述材质表面的粗糙程度,影响光线的反射方式。粗糙度越高,反射的光线越分散;粗糙度越低,反射的光线越集中。金属度:表示材质是否具有金属特性。金属材质通常具有较高的镜面反射和特定的颜色特性,而非金属材质则具有不同的反射特性。透明度:决定材质是否透明以及透明
- AI人工智能代理工作流 AI Agent WorkFlow:在音乐创作中的应用
AGI大模型与大数据研究院
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
AI人工智能代理工作流AIAgentWorkFlow:在音乐创作中的应用1.背景介绍1.1问题的由来在音乐创作领域,艺术家们一直在寻找创新的方式来提升作品的独特性、丰富性以及创作效率。随着人工智能技术的快速发展,特别是深度学习和生成模型的广泛应用,音乐创作过程正逐渐被赋予新的生命力。AI代理工作流的概念应运而生,旨在通过自动化的流程和智能辅助手段,帮助音乐人探索新的音乐风格、创作灵感,甚至生成完整
- 在量子计算与AI结合的未来,是否能够实现更高效、更复杂的模式识别和数据处理?
concisedistinct
编程开发技术栈人工智能
随着量子计算和人工智能(AI)的发展,二者的结合正在成为前沿科技领域的一个重要研究方向。量子计算通过利用量子叠加和纠缠等特性,能够在某些问题上提供比经典计算机更强大的计算能力。人工智能,特别是深度学习,已经在许多领域取得了突破性的进展。本文将探讨量子计算与AI结合的创新机会,重点分析其在模式识别和数据处理中的优势与挑战。通过量子计算的并行处理能力和AI模型的智能学习能力,未来有望实现比传统计算更高
- Linux的Initrd机制
被触发
linux
Linux 的 initrd 技术是一个非常普遍使用的机制,linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式,变化不仅反映在文件格式上, linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术,然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
- maven本地仓库路径修改
bitcarter
maven
默认maven本地仓库路径:C:\Users\Administrator\.m2
修改maven本地仓库路径方法:
1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml
2.找到
- XSD和XML中的命名空间
darrenzhu
xmlxsdschemanamespace命名空间
http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml
http://blog.csdn.net/wanghuan203/article/details/9203621
http://blog.csdn.net/wanghuan203/article/details/9204337
http://www.cn
- Java 求素数运算
周凡杨
java算法素数
网络上对求素数之解数不胜数,我在此总结归纳一下,同时对一些编码,加以改进,效率有成倍热提高。
第一种:
原理: 6N(+-)1法 任何一个自然数,总可以表示成为如下的形式之一: 6N,6N+1,6N+2,6N+3,6N+4,6N+5 (N=0,1,2,…)
- java 单例模式
g21121
java
想必单例模式大家都不会陌生,有如下两种方式来实现单例模式:
class Singleton {
private static Singleton instance=new Singleton();
private Singleton(){}
static Singleton getInstance() {
return instance;
}
- Linux下Mysql源码安装
510888780
mysql
1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz
(1)创建mysql的安装目录及数据库存放目录
解压缩下载的源码包,目录结构,特殊指定的目录除外:
- 32位和64位操作系统
墙头上一根草
32位和64位操作系统
32位和64位操作系统是指:CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的,但是这些CPU并不是真正意义上的64 位CPU,里面依然保留了大部分32位的技术,只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面,32位系统的最大寻址空间是2 的32次方= 4294967296(bit)= 4(GB)左右,而64位系统的最大寻址空间的寻址空间则达到了
- 我的spring学习笔记10-轻量级_Spring框架
aijuans
Spring 3
一、问题提问:
→ 请简单介绍一下什么是轻量级?
轻量级(Leightweight)是相对于一些重量级的容器来说的,比如Spring的核心是一个轻量级的容器,Spring的核心包在文件容量上只有不到1M大小,使用Spring核心包所需要的资源也是很少的,您甚至可以在小型设备中使用Spring。
- mongodb 环境搭建及简单CURD
antlove
WebInstallcurdNoSQLmongo
一 搭建mongodb环境
1. 在mongo官网下载mongodb
2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db"
3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
- 数据字典和动态视图
百合不是茶
oracle数据字典动态视图系统和对象权限
数据字典(data dictionary)是 Oracle 数据库的一个重要组成部分,这是一组用于记录数据库信息的只读(read-only)表。随着数据库的启动而启动,数据库关闭时数据字典也关闭 数据字典中包含
数据库中所有方案对象(schema object)的定义(包括表,视图,索引,簇,同义词,序列,过程,函数,包,触发器等等)
数据库为一
- 多线程编程一般规则
bijian1013
javathread多线程java多线程
如果两个工两个以上的线程都修改一个对象,那么把执行修改的方法定义为被同步的,如果对象更新影响到只读方法,那么只读方法也要定义成同步的。
不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据,就不要将方法设置为synchronized的。
- 将文件或目录拷贝到另一个Linux系统的命令scp
bijian1013
linuxunixscp
一.功能说明 scp就是security copy,用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议,保证了数据传输的安全,其格式如下: scp 远程用户名@IP地址:文件的绝对路径
- 【持久化框架MyBatis3五】MyBatis3一对多关联查询
bit1129
Mybatis3
以教员和课程为例介绍一对多关联关系,在这里认为一个教员可以叫多门课程,而一门课程只有1个教员教,这种关系在实际中不太常见,通过教员和课程是多对多的关系。
示例数据:
地址表:
CREATE TABLE ADDRESSES
(
ADDR_ID INT(11) NOT NULL AUTO_INCREMENT,
STREET VAR
- cookie状态判断引发的查找问题
bitcarter
formcgi
先说一下我们的业务背景:
1.前台将图片和文本通过form表单提交到后台,图片我们都做了base64的编码,并且前台图片进行了压缩
2.form中action是一个cgi服务
3.后台cgi服务同时供PC,H5,APP
4.后台cgi中调用公共的cookie状态判断方法(公共的,大家都用,几年了没有问题)
问题:(折腾两天。。。。)
1.PC端cgi服务正常调用,cookie判断没
- 通过Nginx,Tomcat访问日志(access log)记录请求耗时
ronin47
一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间
nginx.conf使用配置方式:
log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
- java-67- n个骰子的点数。 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
bylijinnan
java
public class ProbabilityOfDice {
/**
* Q67 n个骰子的点数
* 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
* 在以下求解过程中,我们把骰子看作是有序的。
* 例如当n=2时,我们认为(1,2)和(2,1)是两种不同的情况
*/
private stati
- 看别人的博客,觉得心情很好
Cb123456
博客心情
以为写博客,就是总结,就和日记一样吧,同时也在督促自己。今天看了好长时间博客:
职业规划:
http://www.iteye.com/blogs/subjects/zhiyeguihua
android学习:
1.http://byandby.i
- [JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析
comsci
工作流
我们已经不满足于仅仅跳跃一次,通过对引擎的升级,今天我测试了一下循环反馈模式,大概跑了200圈,引擎报一个溢出错误
在一个流程图的结束节点中嵌入一段方程,每次引擎运行到这个节点的时候,通过实时编译器GM模块,计算这个方程,计算结果与预设值进行比较,符合条件则跳跃到开始节点,继续新一轮拓扑分析,直到遇到
- JS常用的事件及方法
cwqcwqmax9
js
事件 描述
onactivate 当对象设置为活动元素时触发。
onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。
onbeforeactivate 对象要被设置为当前元素前立即触发。
onbeforecut 当选中区从文档中删除之前在源对象触发。
onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
- 正则表达式验证日期格式
dashuaifu
正则表达式IT其它java其它
正则表达式验证日期格式
function isDate(d){
var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i);
if(!v) {
this.focus();
return false;
}
}
<input value="2000-8-8" onblu
- Yii CModel.rules() 方法 、validate预定义完整列表、以及说说验证
dcj3sjt126com
yii
public array rules () {return} array 要调用 validate() 时应用的有效性规则。 返回属性的有效性规则。声明验证规则,应重写此方法。 每个规则是数组具有以下结构:array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
- UITextAttributeTextColor = deprecated in iOS 7.0
dcj3sjt126com
ios
In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0."
Ins
- 判断一个数是质数的几种方法
EmmaZhao
Mathpython
质数也叫素数,是只能被1和它本身整除的正整数,最小的质数是2,目前发现的最大的质数是p=2^57885161-1【注1】。
判断一个数是质数的最简单的方法如下:
def isPrime1(n):
for i in range(2, n):
if n % i == 0:
return False
return True
但是在上面的方法中有一些冗余的计算,所以
- SpringSecurity工作原理小解读
坏我一锅粥
SpringSecurity
SecurityContextPersistenceFilter
ConcurrentSessionFilter
WebAsyncManagerIntegrationFilter
HeaderWriterFilter
CsrfFilter
LogoutFilter
Use
- JS实现自适应宽度的Tag切换
ini
JavaScripthtmlWebcsshtml5
效果体验:http://hovertree.com/texiao/js/3.htm
该效果使用纯JavaScript代码,实现TAB页切换效果,TAB标签根据内容自适应宽度,点击TAB标签切换内容页。
HTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"
- Hbase Rest API : 数据查询
kane_xie
RESThbase
hbase(hadoop)是用java编写的,有些语言(例如python)能够对它提供良好的支持,但也有很多语言使用起来并不是那么方便,比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口,它内嵌了jetty作为servlet容器。
启动命令:./bin/hbase rest s
- JQuery实现鼠标拖动元素移动位置(源码+注释)
明子健
jqueryjs源码拖动鼠标
欢迎讨论指正!
print.html代码:
<!DOCTYPE html>
<html>
<head>
<meta http-equiv=Content-Type content="text/html;charset=utf-8">
<title>发票打印</title>
&l
- Postgresql 连表更新字段语法 update
qifeifei
PostgreSQL
下面这段sql本来目的是想更新条件下的数据,可是这段sql却更新了整个表的数据。sql如下:
UPDATE tops_visa.visa_order
SET op_audit_abort_pass_date = now()
FROM
tops_visa.visa_order as t1
INNER JOIN tops_visa.visa_visitor as t2
ON t1.
- 将redis,memcache结合使用的方案?
tcrct
rediscache
公司架构上使用了阿里云的服务,由于阿里的kvstore收费相当高,打算自建,自建后就需要自己维护,所以就有了一个想法,针对kvstore(redis)及ocs(memcache)的特点,想自己开发一个cache层,将需要用到list,set,map等redis方法的继续使用redis来完成,将整条记录放在memcache下,即findbyid,save等时就memcache,其它就对应使用redi
- 开发中遇到的诡异的bug
wudixiaotie
bug
今天我们服务器组遇到个问题:
我们的服务是从Kafka里面取出数据,然后把offset存储到ssdb中,每个topic和partition都对应ssdb中不同的key,服务启动之后,每次kafka数据更新我们这边收到消息,然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了,最开始我们是在代码中打印存储的日志,发现没什么问题,后来去查看ssdb的日志,才发现里面每次set的时候都会对同一个key