- AI人工智能中LSTM在视频行为识别的应用
AI人工智能中LSTM在视频行为识别的应用关键词:LSTM、视频行为识别、深度学习、时序建模、计算机视觉、神经网络、动作识别摘要:本文将深入探讨LSTM(长短期记忆网络)在视频行为识别领域的应用。我们将从基础概念出发,逐步讲解LSTM如何解决视频时序建模的挑战,分析其核心算法原理,并通过实际代码示例展示LSTM在行为识别中的具体实现。文章还将探讨当前的应用场景、工具资源以及未来发展趋势,为读者提供
- 多模态AI:让机器像人一样“全感官”理解世界
Echo_Wish
前沿技术人工智能人工智能
多模态AI:让机器像人一样“全感官”理解世界咱们人类理解世界,从来不是只靠单一感官:眼睛看到画面,耳朵听到声音,皮肤感受到温度,嘴巴尝到味道,甚至鼻子闻到气味。正是这多感官的“多模态”输入,构筑了我们对复杂世界的深刻认知。而人工智能领域的多模态学习(MultimodalLearning),正是让机器拥有“多感官”理解能力的技术突破。今天,我想跟大家聊聊:多模态学习为何重要?当前有哪些创新模型?如何
- 2-感知机学习算法
罗东琦
统计学习笔记
感知机模型感知机学习策略学习算法算法收敛性对偶形式与线性SVM的异同感知机(perceptron)是一个线性二分类模型,其目的是寻找一个超平面将正负示例划分开,属于判别模型,也是神经网络与SVM的基础。感知机模型假设输入空间为χ⊆Rnχ⊆Rn,输出空间为Υ⊆{+1,−1}Υ⊆{+1,−1}。输入x∈χx∈χ表示实例的特征向量,输出y∈Υy∈Υ表示实例的类别。则下面的函数f(x)=sign(w⋅x+
- 【PaddleOCR】快速集成 PP-OCRv5 的 Python 实战秘籍--- PaddleOCR实例化 OCR 对象的参数介绍
云天徽上
PaddleOCRpythonocr开发语言人工智能文字识别
博主简介:曾任某智慧城市类企业算法总监,目前在美国市场的物流公司从事高级算法工程师一职,深耕人工智能领域,精通python数据挖掘、可视化、机器学习等,发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者,提供AI相关的技术咨询、项目开发和个性化解决方案等服务,如有需要请站内私信或者联系任意文章底部的的VX名片(ID:xf982831907)博主粉丝群介绍:①群内初中生、
- 机器学习,支持向量机svm和决策树xgboost介绍
suixinm
支持向量机机器学习决策树
支持向量机(SVM)和XGBoost都是非常强大且应用广泛的机器学习算法,但它们基于不同的原理,各有其优势和劣势,适用于不同的场景。以下是两者的主要区别和优劣势对比:1.核心思想与模型类型:SVM:核心思想:找到一个最优的超平面(在特征空间中),将不同类别的样本分隔开,并且使得该超平面到两类样本中最近的样本点(支持向量)的距离(间隔)最大化。核心是几何间隔最大化。模型类型:单个模型(虽然是核方法,
- Google 相机增强(GCam)框架原理初探:图像质量与计算摄影的系统性突破
观熵
影像技术全景图谱:架构调优与实战数码相机影像Camera
Google相机增强(GCam)框架原理初探:图像质量与计算摄影的系统性突破关键词:GCam、GoogleCamera、HDR+、SuperResZoom、Camera2API、多帧合成、算法流程、图像增强、夜视模式、Pixel相机移植摘要:GCam(GoogleCamera)作为Pixel系列设备图像质量表现的核心支撑,其背后的增强框架融合了Google长期积累的计算摄影技术,从HDR+到Sup
- 跨届资源汇聚地:校友平台开启终身学习与职业互助新模式
IDZSY0430
学习大数据运维开发用户运营流量运营
引言在知识经济时代,“校友”二字早已超越单纯的情感符号,演变为蕴含巨大潜能的资源网络。传统校友关系受限于时空隔阂与信息壁垒,难以实现深度互动与资源共享。如今,依托智能化校友平台,一个打破届别、跨越地域的终身学习与职业互助新生态正加速形成,成为驱动个体成长与社群繁荣的核心引擎。一、资源整合:构建校友生态系统的数字基石校友平台的底层逻辑在于系统性整合碎片化资源,为跨届协作奠定量化基础:动态校友数据库平
- 【学习】《算法图解》第十章学习笔记:贪婪算法
程序员
一、贪婪算法概述贪婪算法(GreedyAlgorithm)是一种在每一步选择中都采取当前状态下最好或最优的选择,从而希望导致结果是最好或最优的算法。贪婪算法不从整体最优上加以考虑,它所做出的选择只是在某种意义上的局部最优选择。(一)算法适用场景贪婪算法适用于具有"贪心选择性质"的问题,即局部最优选择能导致全局最优解的问题。主要应用于:需要求解最优化问题问题具有贪心选择性质问题具有最优子结构性质(二
- 算法: 冒泡排序
Code溪
算法java算法数据结构
冒泡排序是一种简单的排序算法,通过相邻元素的比较和交换,使较大的元素逐渐"浮"到数组末尾。时间复杂度:最佳O(n)|平均O(n²)|最差O(n²)空间复杂度:O(1)稳定性:稳定应用场景/前提条件适用于小规模数据对几乎已排序的数据效率较高算法步骤比较相邻的元素。如果第一个比第二个大,就交换它们对每一对相邻元素做同样的工作,从开始第一对到结尾的最后一对这步做完后,最后的元素会是最大的数针对所有的元素
- 学习以任务为中心的潜动作,随地采取行动
三谷秋水
计算机视觉智能体大模型计算机视觉语言模型机器人人工智能深度学习
25年5月来自香港大学、OpenDriveLab和智元机器人的论文“LearningtoActAnywherewithTask-centricLatentActions”。通用机器人应该在各种环境中高效运行。然而,大多数现有方法严重依赖于扩展动作标注数据来增强其能力。因此,它们通常局限于单一的物理规范,难以学习跨不同具身和环境的可迁移知识。为了突破这些限制,UniVLA,是一个用于学习跨具身视觉-
- 【Transformer论文】通过蒙面多模态聚类预测学习视听语音表示
Wwwilling
推荐系统论文阅读Transformer系列论文transformer聚类多模态
文献题目:LEARNINGAUDIO-VISUALSPEECHREPRESENTATIONBYMASKEDMULTIMODALCLUSTERPREDICTION发表时间:2022发表期刊:ICLR摘要语音的视频记录包含相关的音频和视觉信息,为从说话者的嘴唇运动和产生的声音中学习语音表示提供了强大的信号。我们介绍了视听隐藏单元BERT(AV-HuBERT),这是一种用于视听语音的自我监督表示学习框架
- 【力扣—剑指 Offer(第 2 版)简单题目解析汇总】
Wupke
剑指offer数据结构与算法学习LeetCodeleetcode剑指offer数据结构与算法
【力扣—剑指Offer(第2版)简单题目解析汇总】说明1、基本字符串数组数组-排序矩阵/模拟枚举2、算法动态规划深度优先搜索广度优先搜索递归分治记忆化搜索快速选择二分查找3、基础数据结构树(二叉树)二叉搜索树栈队列堆(优先队列)哈希表链表4、技巧性题目双指针位运算计数设计说明简单题目共计38道,按照标签分类为:基本、算法、基础数据结构、技巧等,具体如下。1、基本字符串剑指Offer05.替换空格.
- 【GitHub开源项目实战】高频交易系统实战解析:基于 Nautilus Trader 的策略回测与事件驱动架构优化
观熵
GitHub开源项目实战github开源架构
高频交易系统实战解析:基于NautilusTrader的策略回测与事件驱动架构优化关键词:高频交易、事件驱动架构、NautilusTrader、量化回测、算法交易、PythonCython、交易引擎、回测系统、交易策略框架、实战优化摘要:本篇博客围绕GitHub上高质量的开源项目nautechsystems/nautilus_trader展开系统性实战解析。NautilusTrader是一套为专业
- 【点云压缩】Haar小波变换与RAHT自适应区域层级变换
丶契阔
算法
Haar小波小波变换由一堆小波基和其系数组成,小波基又分为母小波(低频的)和父小波(高频的)。常用于二维图形处理的小波变换是Haar小波变换,Haar小波变换具有压缩比、抗干扰、速度快的特点,经过小波变换后的系数数据会变得具有规律性,方便后续处理算法进行压缩,同时一些值较小的分量置0不影响图片整体观感。截取了PCL-AVS-PCC一段小波变换点云压缩的代码voidWaveletCoreTransf
- 从零开始大模型开发与微调:PyTorch中的卷积函数实现详解
AI天才研究院
AI人工智能与大数据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
从零开始大模型开发与微调:PyTorch中的卷积函数实现详解1.背景介绍1.1大模型开发的意义1.2卷积神经网络在大模型中的应用1.3PyTorch框架简介2.核心概念与联系2.1卷积的数学定义2.2卷积神经网络的组成2.2.1卷积层2.2.2池化层2.2.3全连接层2.3卷积与大模型的关系3.核心算法原理具体操作步骤3.1卷积的前向传播3.2卷积的反向传播3.3卷积的优化策略3.3.1卷积核大小
- PyTorch里.pt和.pth的区别
sky丶Mamba
AIpytorch人工智能python
在PyTorch中,.pt和.pth文件均用于保存模型,但两者在设计初衷、存储内容和使用场景上存在差异。以下是详细对比:1.核心区别特性.pt文件.pth文件存储内容完整模型(结构+参数+优化器状态等)仅模型参数(state_dict)文件大小较大(包含额外元数据)较小(仅参数)加载方式直接加载,无需定义模型结构需先实例化模型,再加载参数适用场景部署、跨环境迁移训练中断恢复、参数共享2.技术细节.
- C++(20/23)标准模板库编程 - 1 C++ 回顾
akluse
C++c++开发语言
引言现代C++编程最引人注目的特点或许并非其语言本身的表达性语法与语义,而是标准模板库(STL)。STL是一个包含多功能模板类与算法的庞大集合。若运用得当,STL能显著简化和提升高性能优质软件的开发流程。然而对于许多C++程序员——无论是初学者还是资深开发者——要掌握如何有效运用STL的编程结构往往令人望而生畏。《实用C++STL编程》作为指导性教材,将教会您如何成功应用STL的类、算法及其他编程
- 插入排序解析
老一岁
算法数据结构排序算法
可以将插入排序类比为整理扑克牌的过程:左手持已排序的牌(初始为空)右手从桌上未排序的牌堆中逐张取牌将取到的牌插入左手正确位置最终左手持完全有序的牌前言一、算法工作原理插入排序是一种基于比较的简单排序算法,其核心思想是逐步构建有序序列。算法将待排序数组视为两个部分:已排序部分(初始时仅包含第一个元素)和未排序部分。通过不断从未排序部分取出元素,在已排序部分中找到适当位置插入,最终完成整个数组的排序。
- 深度剖析数据中台:大数据领域的核心技术架构
大数据洞察
大数据架构javaai
深度剖析数据中台:大数据领域的核心技术架构关键词:数据中台、大数据、核心技术架构、数据治理、数据服务摘要:本文旨在对数据中台这一大数据领域的核心技术架构进行深度剖析。首先介绍了数据中台的背景,包括其目的、适用读者、文档结构和相关术语。接着阐述了数据中台的核心概念、原理和架构,通过文本示意图和Mermaid流程图进行直观展示。详细讲解了核心算法原理及具体操作步骤,并结合Python源代码进行说明。引
- 运筹系列91:vrp算法包PyVRP
IE06
运筹学人工智能
1.介绍PyVRP使用HGS(hybridgeneticsearch)算法求解VRP类问题。在benchmark上的评测结果如下,看起来还不错:2.使用例子2.1CVRPCOORDS=[(456,320),#location0-thedepot(228,0),#location1(912,0),#location2(0,80),#location3(114,80),#location4(570,1
- 设计哈希集合【set】【拉链法】【位运算法】【定长拉链法】 - 哈希表本质深度解析
weixin_47868976
哈希算法散列表算法
LeetCode705设计哈希集合-哈希表本质深度解析题目描述设计一个哈希集合(HashSet),不使用任何内建的哈希表库,实现以下操作:add(key):向哈希集合中插入值keyremove(key):将给定值key从哈希集合中删除contains(key):返回哈希集合中是否存在这个值key数据范围:0data;public:MyHashSet(){//10^6+1大小的数组,key直接作为索
- 堆排序实现及复杂度分析
hixiaoyang
算法排序算法数据结构
一、算法概述堆排序(HeapSort)是一种基于二叉堆数据结构的比较排序算法。它利用了堆这种数据结构的特性:最大堆:每个节点的值都大于或等于其子节点的值最小堆:每个节点的值都小于或等于其子节点的值堆排序是不稳定排序算法,时间复杂度为O(nlogn),空间复杂度为O(1)二、算法步骤1.构建初始堆将无序数组构建成一个最大堆(升序排序时)2.交换与调整将堆顶元素(最大值)与末尾元素交换缩小堆的范围,重
- Web3.0 技术应用溯源系统建设
天机️灵韵
区块链区块链web3.0
Web3.0技术与溯源(TrackandTrace)的结合,是区块链等去中心化技术在实际应用中的典型场景之一。通过Web3.0的底层技术,可以构建透明、不可篡改且可验证的溯源系统,解决传统供应链、商品流通等领域的数据信任问题。以下是两者的深度关联与具体应用:一、Web3.0如何赋能溯源?区块链的不可篡改性核心机制:区块链通过哈希链、共识算法(如PoW/PoS)确保数据一旦上链,无法被单一方修改或删
- 使用Chaindesk进行简单高效的文档检索
2501_92325368
langchain
##技术背景介绍Chaindesk是一个开源的文档检索平台,它帮助将个人数据与大型语言模型结合起来,实现高效的信息搜索和数据分析。Chaindesk的核心功能是通过创建数据存储库(datastore)并与大型语言模型进行交互,以提供快捷准确的文档检索能力。##核心原理解析Chaindesk通过一种称为Retriever的组件实现数据检索。Retriever可以与不同的数据存储库进行交互,拉取相关文
- AI原生应用监控:实时领域偏见预警系统设计原理
Agentic AI人工智能与大数据
CSDNAI-native人工智能ai
AI原生应用监控:实时领域偏见预警系统设计原理关键词AI监控、算法偏见、实时预警、公平性AI、模型监控、偏见检测、AI治理摘要在人工智能驱动决策日益普及的今天,AI系统中的隐性偏见已成为影响公平性、可信度和业务连续性的关键风险。本文深入探讨了AI原生应用监控的核心挑战,重点剖析了实时领域偏见预警系统的设计原理与实现方法。通过将复杂的算法偏见比作"数字世界的隐形滤镜",我们揭示了偏见如何在AI系统中
- 《5G网络切片诊断技术:性能指标关联分析与故障溯源》
团结湖到了
笔记
1.研究背景与问题5G网络通过网络切片技术实现多业务场景(如eMBB、uRLLC、mMTC)的隔离与定制化服务。但切片间资源抢占、跨层协议异常(如NR-RAN与核心网接口故障)等问题,常导致切片性能劣化(如时延突增、吞吐量骤降)。传统网络诊断方法难以适应切片的动态拓扑与多维度性能指标(如用户面时延、控制面信令成功率),亟需构建面向切片的智能诊断体系,解决“指标异常-故障根源”的关联分析与快速溯源问
- 【加密】对称加密DES和非对称加密AES、数字签名
bdview
算法区块链密码学openssljava
目录对称加密1.1定义1.2优缺点1.3常用对称加密算法非对称加密(AsymmetricCryptography)非对称加密(现代加密算法)2.1定义数字签名非常好的文章:《三分钟了解对称加密和非对称加密是如何工作的》https://zhuanlan.zhihu.com/p/108627377主要加密算法有哪些:https://blog.csdn.net/baidu_22254181/articl
- 【自然语言处理-NLP】文本预处理技术
云博士的AI课堂
哈佛博后带你玩转机器学习深度学习自然语言处理人工智能NLP深度学习数据预处理NLP数据预处理机器学习
以下内容将从基本概念到实用代码分步骤、分场景地详细介绍NLP常见文本预处理方法及其背后的思想。如果无法从外部导入数据,我们会模拟一份简易文本数据(如字符串列表),并在此基础上演示预处理代码及详细解释,确保在常规Python环境下可以运行。一、文本预处理的常见需求和作用在自然语言处理(NLP)任务(如机器学习、深度学习、大模型开发)中,原始文本数据通常会包含各种噪声,例如:多余的空格、换行符、特殊符
- 【数据结构与算法】单向链表(添加节点、顺序添加节点、更新节点、删除节点、反转链表、获取链表长度、获取倒数第几个节点、打印链表、反转打印链表)
目录1.单向链表的介绍2.带head头的单向链表实现1.单向链表的介绍单向链表是有序的列表。以节点的方式来存储,是链式存储,每个节点包含data域和next域(指向下一个节点),所以单向链表在内存中的储存是无序的单向链表分带头节点的单向链表,和没有头节点的单向链表2.带head头的单向链表实现实现对单向链表的增、删、改、查等操作单向链表各节点说明:head节点:不储存数据,next指向下一个节点最
- RAG系列:提升RAG检索力:三大Query变形术,助你玩转AI知识检索!
数智前沿
数字化转型人工智能RAG
之前的帖子大多在优化向量化的过程,让文本内容分块更合理和更精准,本篇重点介绍使用RAG时如何优化提示词,以提高查询结果的精准度!一、RAG的“灵魂拷问”:你真的会提问吗?在AI时代,信息检索的效率和质量,80%取决于你“怎么问”。RAG系统的本质,就是“你问得好,我答得妙”。但现实往往是——用户提问:“AI会抢我饭碗吗?”检索系统:一脸懵逼,给你扔来一堆“AI是什么”“就业趋势”……用户:???这
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s