- Python 机器学习实战:泰坦尼克号生还者预测 (从数据探索到模型构建)
程序员阿超的博客
Pythonpython机器学习开发语言泰坦尼克号KaggleScikit-learn实战教程
引言:挑战介绍泰坦尼克号的沉没是历史上最著名的海难之一。除了其悲剧色彩,它还为数据科学提供了一个经典且引人入胜的入门项目。Kaggle平台上的“Titanic:MachineLearningfromDisaster”竞赛,要求我们利用乘客数据来预测哪些人更有可能在这场灾难中幸存。这是一个典型的二元分类问题:目标变量Survived只有两个值,0(遇难)或1(生还)。这个项目之所以经典,是因为它涵盖
- DAY 43 复习日
yizhimie37
python训练营打卡笔记深度学习
@浙大疏锦行https://blog.csdn.net/weixin_45655710第一步:寻找并准备图像数据集在Kaggle等平台上,你可以找到大量用于图像分类任务的数据集,例如英特尔图像分类数据集(IntelImageClassification)或手写数字识别数据集(DigitRecognizer)。对于初学者,一个更便捷的选择是使用像TensorFlow或PyTorch这样深度学习框架内
- 四个机器学习模型对比道路裂缝检测识别分类模型
深度学习乐园
深度学习实战项目机器学习分类人工智能
完整源码项目包获取→点击文章末尾名片!一、课题综述1.1.课题简介在机器学习的研究领域中,传统分类算法模型数量众多,适合的应用场景也各不相同。1.2.课题目标(示例)本课题使用的数据集来自于数据分析与数据挖掘竞赛Kaggle,该竞赛为数据科学领域著名的国际性赛事之一。课题使用的数据集为带标签的图像数据集,包含带有裂痕和不带有裂痕的桥梁、墙和人行道图片。课题的目标为对于目标数据集,搭建相应的传统机器
- 学习AI机器学习所需的数学基础
frostmelody
机器学习小知识点人工智能学习机器学习
一、机器学习岗位的数学需求矩阵机器学习岗位研究型职位工业界职位DeepMind/Meta/Google研究部门研究科学家/研究工程师普通科技公司机器学习工程师/数据科学家需硕士/博士数学水平本科数学基础二、数学需求深度解析1.研究型职位(需深度数学)学历要求:数学/物理/计算机/统计/工程本科基础硕士/博士优先(Kaggle调查显示博士占比高)薪资关联:学历与收入呈正相关2.工业界职位(基础数学)
- LightGBM:极速梯度提升机——结构化数据建模的终极武器
大千AI助手
人工智能Python#OTHER随机森林算法机器学习决策树人工智能GBDTLightGBM
基于直方图与Leaf-wise生长的高效GBDT实现,横扫Kaggle与工业场景一、为什么需要LightGBM?GBDT的瓶颈传统梯度提升树(如XGBoost)在处理海量数据时面临两大痛点:训练速度慢:需预排序特征&层次生长(Level-wise)内存消耗高:存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于2017年开源,核心目标:✅训练效率提升10倍✅内存占用降低50%✅保持与XGB
- Python打卡训练营-Day43-复习日
traMpo1ine
python
@浙大疏锦行作业kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件
- DAY 43 复习日 CNN训练与Grad-CAM可视化(模块化实现)
沐兮兮兮
cnn人工智能神经网络
目录Kaggle图像分类项目:项目结构一、数据准备模块1.config/paths.py2.data/preprocessing.py3.data/dataset.py二、模型定义模块1.models/cnn_model.py2.models/grad_cam.py三、训练脚本train.py四、可视化模块1.utils/visualization.py2.visualize.py五、实用工具ut
- Kaggle量化比赛复盘: Optiver - Trading at the Close
熬夜造bug
AI领域应用金融人工智能机器学习深度学习
目录前言一、开源方案1.6th获奖方案(代码未开源)1.1.特征工程(关键代码)1.2.方案解析2.7th获奖方案(开源)2.1.特征工程2.2.特征工程3.9th获奖方案(半开源)3.1.特征构造3.2.特征筛选3.3.模型3.4.zero_sum(标签后处理)4.14th获奖方案(开源)4.1.方案开源链接4.2.zero_sum(标签后处理)5.15th获奖方案(半开源)5.1.特征工程5.
- Kaggle金牌方案复现:CGO-Transformer-GRU多模态融合预测实战
1背景分析在2023年Kaggle"GlobalMultimodalDemandForecastingChallenge"竞赛中,CGO-Transformer-GRU方案以领先第二名1.8个百分点的绝对优势夺冠,创下该赛事三年来的最佳成绩。本方案创新性地融合了协方差引导优化(CGO)、注意力机制和时序建模三大技术模块,解决了多模态数据融合中的关键挑战:模态对齐、特征冲突和时序依赖建模。(1)多模
- day43python打卡
qq_58459892
py打开学习pytorchpython深度学习算法人工智能
作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件importosimporttorchimporttorch.optimasoptimimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.transformsastransform
- 大批量数据分析挖掘思路-Kaggle项目:保险销售预测
江枫渔火A
数据分析机器学习python
1、问题背景Kaggle在6月份的季赛是保险销售预测问题,其原始数据集381109条的保险销售,季赛由利用原数据集的模型生成扩充而来。本篇文章以原始数据集为基础,用以抛砖引玉,探讨该问题的高效解法。原始数据地址:HealthInsuranceCrossSellPrediction(kaggle.com)2、问题描述原文:我们的客户是一家为其客户提供健康保险的保险公司,现在他们需要您的帮助来建立一个
- Day22 复习日
cylat
python打卡机器学习人工智能python
一、如何使用kaggle平台:注册与个人资料注册方式:可以通过邮箱、Google、Facebook等方式注册。个人资料完善:尽量完整填写个人资料。竞赛板块竞赛选择兴趣与能力匹配:根据自己的兴趣和实际数据分析能力选择竞赛。对于初学者,建议从一些入门级或小型竞赛开始,逐步积累经验;有一定基础后再挑战更具难度的竞赛。竞赛规则研读:在参与竞赛前,务必仔细阅读竞赛的规则,包括比赛时间节点(报名时间、提交结果
- Coggle数据科学 | Kaggle赛题解析:识别数据引用与分类
双木的木
深度学习拓展阅读分类数据挖掘人工智能计算机视觉promptpython算法
本文来源公众号“Coggle数据科学”,仅用于学术分享,侵权删,干货满满。原文链接:Kaggle赛题解析:识别数据引用与分类赛题名称:MakeDataCount-FindingDataReferences赛题类型:自然语言处理、信息检索赛题任务:从科学论文的全文中提取所有被引用的研究数据,并根据上下文将其分类为初级引用(Primary)或次级引用(Secondary)。https://www.ka
- python打卡训练营打卡记录day22
m0_74839150
python开发语言
复习日仔细回顾一下之前21天的内容,没跟上进度的同学补一下进度。作业:自行学习参考如何使用kaggle平台,写下使用注意点,并对下述比赛提交代码importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.preprocessingimportStan
- 【慧游鲁博】团队记录5
哇哦哇哦~~
创新实训团队记录软件工程团队开发
文章目录进度总览完成细节Part11.图片上传与预加载功能2.前端功能扩展与密码修改页面3.DeepSeek模型微调与Kaggle实验4.前端组件化重构5.用户认证与信息管理完成细节Part21.多模态交互·语音输入,完善智能导览系统2.后台管理系统的数据分析模块3.用户画像分析功能4.用户系统基础架构5.剧情管理核心功能6.从Kaggle微调到模型调用进度总览任务要点完成情况多模态交互图片上传;
- Kaggle-Predicting Optimal Fertilizers-(多分类+xgboost+同一特征值多样性)
美少女zss
分类数据挖掘人工智能
PredictingOptimalFertilizers题意:给出土壤的特性,预测出3种最佳的肥料数据处理:1.有数字型和类别型,类别不能随意换成数字,独热编码。cat可以直接处理category类型。2.构造一些相关土壤特性特征3.由于label是category类型,但是xgb不可以处理category类型,因此需要先编码,最后求出结果之后再解码。建立模型:1.catboost交叉验证、xgb
- 使用python代码实现电商用户行为分析
Vinceri
python开发语言
使用python实现电商用户行为分析描述:分析电商平台用户行为数据(点击、购买、收藏等),使用Pandas和Matplotlib统计用户活跃时段、热销商品类别,并用Seaborn绘制行为趋势图。工具:Pandas,NumPy,Matplotlib/Seaborn数据集:可从Kaggle获取用户行为日志(如ecommerce-behavior-data)以下是一个完整的电商用户行为分析Python实
- DAY15 超大力王爱学Python
超大力王
超大力王爱学Pythonpython开发语言
仔细回顾一下之前14天的内容,没跟上进度的同学补一下进度。作业:尝试找到一个kaggle或者其他地方的结构化数据集,用之前的内容完成一个全新的项目,这样你也是独立完成了一个专属于自己的项目。要求:有数据地址的提供数据地址,没有地址的上传网盘贴出地址即可。尽可能与他人不同,优先选择本专业相关数据集探索一下开源数据的网站有哪些?Titanic-MachineLearningfromDisaster|K
- python打卡day43
作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化导入包importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets,transformsfromtorch.utils.dataimportDataLoaderimportmatplotlib.pyplota
- 【DAY43】复习日
daomingwu017
Python打卡训练营内容python
内容来自@浙大疏锦行python打卡训练营@浙大疏锦行作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件
- 60天python训练计划----day43
尘浮728
python开发语言
复习日作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件我选择图像分类,该数据集分为六类,包含建筑、森林、冰川、山脉、海洋和街道。importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvision.transformsastransformsfromtorc
- 机器学习算法实战系列:决策树与随机森林全攻略
全息架构师
AI行业应用实战先锋Python实战项目大揭秘机器学习算法决策树
机器学习算法实战系列:决策树与随机森林全攻略引言“想知道Kaggle竞赛冠军团队的秘密武器吗?决策树和随机森林算法在80%的数据科学项目中都会用到!”决策树和随机森林是机器学习中最强大、最实用的算法之一。它们不仅直观易懂,而且在处理结构化数据时往往能取得惊人的效果。本文将带你从决策树的数学原理出发,逐步深入到随机森林的工业级应用,最后通过多个实战案例巩固所学知识。准备好迎接这场机器学习的视觉盛宴了
- 6.2 打卡
分散406
python
DAY43复习日作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件image_classification_gradcam/├──config.py#配置文件:路径、超参数等├──data_loader.py#数据加载和预处理├──model.py#CNN模型定义├──train.py#训练和评估逻辑├──visualize.py#Gra
- python编程训练网站,python做项目的网站
2401_84471631
python
大家好,给大家分享一下python编程训练网站,很多人还不知道这一点。下面详细解释一下。现在让我们来看看!文章目录前言1、leetcode2、牛客网3、github4、Checkio5、codewars6、PythonTip7、CodeCombat8、pythonchallenge9、codingame10、kaggle零基础Python学习资源介绍Python学习路线汇总Python必备开发工具
- Python训练营打卡Day43
宸汐Fish_Heart
Python打卡训练python开发语言
DAY43复习日作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化@浙大疏锦行选择DogsvsCats数据集(Kaggle经典二分类问题)完整代码实现1.设置环境并加载数据importosimportnumpyasnpimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimpo
- DAY复习日
zx43
python训练营打卡内容python笔记深度学习
作业:kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件数据集来源水母图像数据集---JellyfishImageDataset,对水母图片进行分类,共6个类别。importosimporttorchimporttorch.optimasoptimimporttorch.nnasnnimporttorch.nn.functionalasFimp
- DAY43打卡
weixin_71046789
Python打卡训练营内容python
@浙大疏锦行kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化进阶:并拆分成多个文件fruit_cnn_project/├─data/#存放数据集(需手动创建,后续放入图片)│├─train/#训练集图像│└─val/#验证集图像├─models/#模型定义│└─cnn_model.py#CNN网络结构├─utils/#工具函数│├─dataset_utils.py
- 人工智能学习进阶之路
lumutong
人工智能学习
以下是人工智能学习路径的详细规划,分5个阶段循序渐进,建议学习周期1.5-2年:一、筑基阶段(3-6个月)数学基础线性代数:矩阵运算(推荐《LinearAlgebraDoneRight》)微积分:偏导数/梯度(MIT18.01课程)概率统计:贝叶斯定理(可汗学院概率课)编程基础Python语法(《PythonCrashCourse》)数据处理库:NumPy/Pandas(官方文档+Kaggle练习
- 用DeepSeek寻找适合数据科学学术论文方向,并用Deep reaserch快速初稿!
AIWritePaper智能写作探索
AIWritePaperChatGPTDeepReaserch人工智能chatgptpromptAIGCclaude
目录1.DeepSeek选择方向的优势2.ChatGPT辅助数据分析Kaggle埃姆斯市房价预测竞赛优秀方案分析摘要引言数据集描述特征工程深度学习方法实验与结果讨论结论参考文献大家好这里是学术Anan,官网AIWritePaper~宝子们毕业之前需要完成的学术论文往往是学生时代最后一项挑战。无论宝子们对此过程多么熟悉,每次着手写新论文时,似乎都需重新规划、从头开始。值得庆幸的是,借助ChatGPT
- nndl-book之循环神经网络
2301_80365274
rnn人工智能深度学习
延时神经网络(TDNN)延时神经网络是在前馈网络中的非输出层都添加一个延时器,记录神经元的最近几次活性值.在第t个时刻,第层神经元的活性值依赖于第−1层神经元的最近个时刻的活性值代码(处理kaggle中的tweet评论数据集):classTDNN_Config:data_path=r'F:\比赛-信安杯\Pytorch\data\肿瘤图像\BrainTumorData(1)\BrainTumorD
- apache ftpserver-CentOS config
gengzg
apache
<server xmlns="http://mina.apache.org/ftpserver/spring/v1"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="
http://mina.apache.o
- 优化MySQL数据库性能的八种方法
AILIKES
sqlmysql
1、选取最适用的字段属性 MySQL可以很好的支持大数据量的存取,但是一般说来,数据库中的表越小,在它上面执行的查询也就会越快。因此,在创建表的时候,为了获得更好的 性能,我们可以将表中字段的宽度设得尽可能小。例如,在定义邮政编码这个字段时,如果将其设置为CHAR(255),显然给数据库增加了不必要的空间,甚至使用VARCHAR这种类型也是多余的,因为CHAR(6)就可以很
- JeeSite 企业信息化快速开发平台
Kai_Ge
JeeSite
JeeSite 企业信息化快速开发平台
平台简介
JeeSite是基于多个优秀的开源项目,高度整合封装而成的高效,高性能,强安全性的开源Java EE快速开发平台。
JeeSite本身是以Spring Framework为核心容器,Spring MVC为模型视图控制器,MyBatis为数据访问层, Apache Shiro为权限授权层,Ehcahe对常用数据进行缓存,Activit为工作流
- 通过Spring Mail Api发送邮件
120153216
邮件main
原文地址:http://www.open-open.com/lib/view/open1346857871615.html
使用Java Mail API来发送邮件也很容易实现,但是最近公司一个同事封装的邮件API实在让我无法接受,于是便打算改用Spring Mail API来发送邮件,顺便记录下这篇文章。 【Spring Mail API】
Spring Mail API都在org.spri
- Pysvn 程序员使用指南
2002wmj
SVN
源文件:http://ju.outofmemory.cn/entry/35762
这是一篇关于pysvn模块的指南.
完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html.
pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个.
该
- 在SQLSERVER中查找被阻塞和正在被阻塞的SQL
357029540
SQL Server
SELECT R.session_id AS BlockedSessionID ,
S.session_id AS BlockingSessionID ,
Q1.text AS Block
- Intent 常用的用法备忘
7454103
.netandroidGoogleBlogF#
Intent
应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作(比如:view,edit,dial),以及程序执行到该动作时所需要的资料 。都指定好后,只要调用startActivity(),Android系统 会自动寻找最符合你指定要求的应用 程序,并执行该程序。
下面列出几种Intent 的用法
显示网页:
- Spring定时器时间配置
adminjun
spring时间配置定时器
红圈中的值由6个数字组成,中间用空格分隔。第一个数字表示定时任务执行时间的秒,第二个数字表示分钟,第三个数字表示小时,后面三个数字表示日,月,年,< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" />
测试的时候,由于是每天定时执行,所以后面三个数
- POJ 2421 Constructing Roads 最小生成树
aijuans
最小生成树
来源:http://poj.org/problem?id=2421
题意:还是给你n个点,然后求最小生成树。特殊之处在于有一些点之间已经连上了边。
思路:对于已经有边的点,特殊标记一下,加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在,又保证了所求的结果正确。
代码:
#include <iostream>
#include <cstdio>
- 重构笔记——提取方法(Extract Method)
ayaoxinchao
java重构提炼函数局部变量提取方法
提取方法(Extract Method)是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候,这时候就可以用提取方法这种重构手法。
下面是我学习这个重构手法的笔记:
提取方法看起来好像仅仅是将被提取方法中的一段代码,放到目标方法中。其实,当方法足够复杂的时候,提取方法也会变得复杂。当然,如果提取方法这种重构手法无法进行时,就可能需要选择其他
- 为UILabel添加点击事件
bewithme
UILabel
默认情况下UILabel是不支持点击事件的,网上查了查居然没有一个是完整的答案,现在我提供一个完整的代码。
UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
- NoSQL数据库之Redis数据库管理(PHP-REDIS实例)
bijian1013
redis数据库NoSQL
一.redis.php
<?php
//实例化
$redis = new Redis();
//连接服务器
$redis->connect("localhost");
//授权
$redis->auth("lamplijie");
//相关操
- SecureCRT使用备注
bingyingao
secureCRT每页行数
SecureCRT日志和卷屏行数设置
一、使用securecrt时,设置自动日志记录功能。
1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径),命名为Logs;
2、点击Options -> Global Options -> Default Session -> Edite Default Sett
- 【Scala九】Scala核心三:泛型
bit1129
scala
泛型类
package spark.examples.scala.generics
class GenericClass[K, V](val k: K, val v: V) {
def print() {
println(k + "," + v)
}
}
object GenericClass {
def main(args: Arr
- 素数与音乐
bookjovi
素数数学haskell
由于一直在看haskell,不可避免的接触到了很多数学知识,其中数论最多,如素数,斐波那契数列等,很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。
闲暇之余,从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
- Java-Collections Framework学习与总结-IdentityHashMap
BrokenDreams
Collections
这篇总结一下java.util.IdentityHashMap。从类名上可以猜到,这个类本质应该还是一个散列表,只是前面有Identity修饰,是一种特殊的HashMap。
简单的说,IdentityHashMap和HashM
- 读《研磨设计模式》-代码笔记-享元模式-Flyweight
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.Collection;
import java.util.HashMap;
import java.util.List;
import java
- PS人像润饰&调色教程集锦
cherishLC
PS
1、仿制图章沿轮廓润饰——柔化图像,凸显轮廓
http://www.howzhi.com/course/retouching/
新建一个透明图层,使用仿制图章不断Alt+鼠标左键选点,设置透明度为21%,大小为修饰区域的1/3左右(比如胳膊宽度的1/3),再沿纹理方向(比如胳膊方向)进行修饰。
所有修饰完成后,对该润饰图层添加噪声,噪声大小应该和
- 更新多个字段的UPDATE语句
crabdave
update
更新多个字段的UPDATE语句
update tableA a
set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
- hive实例讲解实现in和not in子句
daizj
hivenot inin
本文转自:http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html
当前hive不支持 in或not in 中包含查询子句的语法,所以只能通过left join实现。
假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户,字段只有一个uid),这两个表都包含
- 一道24点的10+种非人类解法(2,3,10,10)
dsjt
算法
这是人类算24点的方法?!!!
事件缘由:今天晚上突然看到一条24点状态,当时惊为天人,这NM叫人啊?以下是那条状态
朱明西 : 24点,算2 3 10 10,我LX炮狗等面对四张牌痛不欲生,结果跑跑同学扫了一眼说,算出来了,2的10次方减10的3次方。。我草这是人类的算24点啊。。
然后么。。。我就在深夜很得瑟的问室友求室友算
刚出完题,文哥的暴走之旅开始了
5秒后
- 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题
dcj3sjt126com
yiiframework
在使用 YIi的路径管理工具时,发现了一个问题。 <?php  
- 对象与关系之间的矛盾:“阻抗失配”效应[转]
come_for_dream
对象
概述
“阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库(RDBMS)存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年,而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。
“阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括:类的层次关系必须绑定为关系模式(将对象
- 学习编程那点事
gcq511120594
编程互联网
一年前的夏天,我还在纠结要不要改行,要不要去学php?能学到真本事吗?改行能成功吗?太多的问题,我终于不顾一切,下定决心,辞去了工作,来到传说中的帝都。老师给的乘车方式还算有效,很顺利的就到了学校,赶巧了,正好学校搬到了新校区。先安顿了下来,过了个轻松的周末,第一次到帝都,逛逛吧!
接下来的周一,是我噩梦的开始,学习内容对我这个零基础的人来说,除了勉强完成老师布置的作业外,我已经没有时间和精力去
- Reverse Linked List II
hcx2013
list
Reverse a linked list from position m to n. Do it in-place and in one-pass.
For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4,
return 
- Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- Hadoop集群工具distcp
liyonghui160com
1. 环境描述
两个集群:rock 和 stone
rock无kerberos权限认证,stone有要求认证。
1. 从rock复制到stone,采用hdfs
Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端,即源端问题:报版本
- 一个备份MySQL数据库的简单Shell脚本
pda158
mysql脚本
主脚本(用于备份mysql数据库): 该Shell脚本可以自动备份
数据库。只要复制粘贴本脚本到文本编辑器中,输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。
1. 分别建立目录“backup”和“oldbackup” #mkdir /backup #mkdir /oldbackup
- 300个涵盖IT各方面的免费资源(中)——设计与编码篇
shoothao
IT资源图标库图片库色彩板字体
A. 免费的设计资源
Freebbble:来自于Dribbble的免费的高质量作品。
Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。
Graphic Burger:每个像素点都做得很细的绝佳的设计资源。
Pixel Buddha:免费和优质资源的专业社区。
Premium Pixels:为那些有创意的人提供免费的素材。
- thrift总结 - 跨语言服务开发
uule
thrift
官网
官网JAVA例子
thrift入门介绍
IBM-Apache Thrift - 可伸缩的跨语言服务开发框架
Thrift入门及Java实例演示
thrift的使用介绍
RPC
POM:
<dependency>
<groupId>org.apache.thrift</groupId>