- LLM架构与优化:从理论到实践的关键技术
XianxinMao
人工智能
标题:“LLM架构与优化:从理论到实践的关键技术”文章信息摘要:文章探讨了大型语言模型(LLM)开发与应用中的关键技术,包括Transformer架构、注意力机制、采样技术、Tokenization等基础理论,以及模型部署、应用开发、优化等实践技能。重点分析了预训练、后训练、监督微调(SFT)和偏好对齐(PreferenceAlignment)在提升模型性能中的作用,并对比了直接偏好优化(DPO)
- YOLOv10涨点改进:特征融合创新 | 多层次特征融合(SDI),小目标涨点明显,| UNet v2,比UNet显存占用更少、参数更少
AI小怪兽
YOLOv10魔术师YOLO目标检测算法人工智能目标跟踪
本文独家改进:多层次特征融合(SDI),能够显著提升不同尺度和小目标的识别率如何引入到YOLOv10:1)替代原始的Concat;改进结构图如下:《YOLOv10魔术师专栏》将从以下各个方向进行创新:【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇】订阅者通过添加WX:AI_C
- YOLO11涨点优化:特征融合创新 | 多层次特征融合(SDI),小目标涨点明显| UNet v2,比UNet显存占用更少、参数更少
AI小怪兽
YOLO11魔术师深度学习目标检测计算机视觉目标跟踪神经网络python
本文独家改进:多层次特征融合(SDI),能够显著提升不同尺度和小目标的识别率如何引入到YOLO11:1)替代原始的Concat;改进结构图如下:《YOLOv11魔术师专栏》将从以下各个方向进行创新:【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇】订阅者通过添加WX:AI_CV
- 一文读懂BOLL布林线指标,10种形态教学,识别主力资金意图(建议收藏)
智识微光Intelligence
深度学习信息可视化笔记学习方法算法
在币圈交易实践中,布林通道是常用于判断价格“进、出场时机”的技术指标,在纳入平均值、标准差的概念之后,进而找出市场的价格突破点、反转点,也可以利用布林通道来判断市场价格的超买和超卖条件。1️⃣布林线指标应用1/支撑与压力指示:布林线的上、中轨对币价有压力作用,中、下轨对币价起支撑作用。当币价冲出上轨可能回调,日前,布林线的上、中轨对币价有压力作用,中、下轨对币权价起支撑作用。当币价冲出上轨可能回调
- Transformer架构和Transformers 库和Hugging Face
大哥喝阔落
transformer架构深度学习
Transformer架构和HuggingFace之间的关系非常紧密,HuggingFace是推动Transformer架构普及和应用的重要力量。以下是两者的关系及其具体联系:1.Transformer架构背景:Transformer是由Google在2017年提出的革命性架构,基于自注意力机制(Self-Attention),解决了传统RNN和CNN在处理长序列数据时的局限性。特点:并行计算能力
- r语言调用python_R语言与Python协同工作
weixin_39868034
r语言调用python
R(又称R语言)是一款开源的跨平台的数值统计和数值图形化展现工具。通俗点说,R是用来做统计和画图的。R拥有自己的脚本语言和大量的统计、图形库(得益于开源社区),这让她看起来既美又实用。与其他同类软件(如SPSS)相比,R的特点是纯命令行的,这倒也好,我们更应该把注意力放在数据本身,而非统计工具的UI。R虽说有一套自己的语言,还挺完备,但她最专业的还是做统计和画图,而像连接数据库、文本处理、文件操作
- 神奇+好用的logback
Husiun09
java开发java学习之旅javalogback编码日志
这段时间维护一项目,发现日志不能正常的输出,但是有log.info()这样的一些输出字眼,那到底输出到了哪里呢,各种找,各种看,,,配置文件中有logback.xml这样的文件吸引了我的注意力,打开文件发现就是关于日志的配置文件,而且配置文件分明是一个标准的控制台输出,但是控制台什么也没有啊,各种log.info测试,然后上网找logback这样一个文件吧,终于,打开了我认识logback日志的神
- 0基础跟德姆(dom)一起学AI 自然语言处理18-解码器部分实现
跟德姆(dom)一起学AI
人工智能自然语言处理rnnpython深度学习transformer
1解码器介绍解码器部分:由N个解码器层堆叠而成每个解码器层由三个子层连接结构组成第一个子层连接结构包括一个多头自注意力子层和规范化层以及一个残差连接第二个子层连接结构包括一个多头注意力子层和规范化层以及一个残差连接第三个子层连接结构包括一个前馈全连接子层和规范化层以及一个残差连接说明:解码器层中的各个部分,如,多头注意力机制,规范化层,前馈全连接网络,子层连接结构都与编码器中的实现相同.因此这里可
- vLLM-prefix浅析(System Prompt,大模型推理加速)
javastart
aigc大模型promptprompttransformer性能优化AIGC
原文:vLLM-prefix浅析(SystemPrompt,大模型推理加速)简介本文浅析了在大模型推理加速方面一个非常优秀的项目vLLM的一个新特性Prefix。在Prompt中有相同前缀时可以提高吞吐量降低延迟,换句话说可以省去这部分相同前缀在自注意力阶段的重复计算。更新2024.1.18:Prefix已经合并到主分支上了!如果你的vLLM不能使用也许是时候升级一下体验下新功能哩!https:/
- 【13】地址-比特币区块链的地址
AlieNeny
从零到一开发自己的区块链区块链分布式账本哈希算法
1.比特币区块链的地址这就是一个真实的比特币地址:1A1zP1eP5QGefi2DMPTfTL5SLmv7DivfNa。这是史上第一个比特币地址,据说属于中本聪。比特币地址是完全公开的,如果你想要给某个人发送币,只需要知道他的地址就可以了。实际上,所谓的地址,只不过是将公钥表示成人类可读的形式而已。2.密码学相关算法和概念
- 套利策略常见风控措施
区块链
今天讲一些在套利策略中常见的风控条件,欢迎一起交流讨论~币种亏损异常在进行多币种套利时,累积亏损超过阈值,自动ban掉这个币资金费率异常当发现资金费率异常会导致亏损,自动减仓账户余额整体下降这个是个策略都需要做的,账户亏损1%全部平仓停止滑点监控获取账户交易记录,发现和预订价格连续滑点,自动暂停策略本机计算盈亏累积亏损本地计算订单的实际利润,当天的利润亏损到一个阈值,自动停机1小时价差突破阈值当一
- 目标检测算法以及常用库概述
YOLO大师
目标检测算法人工智能
YOLO目标检测创新改进与实战案例专栏专栏目录:YOLO有效改进系列及项目实战目录包含卷积,主干注意力,检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLO基础解析+创新改进+实战案例目标检测是在图像中发现并识别物体的过程,它是深度学习和图像处理领域的重要成果之一。在创建物体定位时,识别物体时,常见的一种方法是使用边界框。这种方法具有很高的通用,可以训练目标检测模型来识别和检测多个特
- 点云从入门到精通技术详解100篇-基于卷积和注意力机制的3D点云特征提取
格图素书
3d
目录知识储备点云获取技术分类一、图像衍生点云二、LiDAR三、RGB-D深度图像传感器基于3D激光slam的点云特征提取为什么要进行点云特征提取特征提取理论与代码编写点云特征提取主体类sample_and_groupfarthest_point_samplequery_ball_pointindex_points前言国内外研究现状卷积神经网络三维卷积神经网络稀疏卷积[21]基于3D点云数据的目标分
- 如何找回丢失的智能合约(SimpleToken )地址并清理合约
纸鸢666
合约破解案例区块链
简介在以太坊和其他区块链平台上,智能合约的部署和交互非常重要。然而,在实际应用中,开发者有时会遇到一些问题,比如丢失了已经部署的合约地址。在本文中,我们将探讨一个简单的智能合约示例,说明如何找回丢失的合约地址,并清理这些合约以避免资源浪费。1.问题背景假设有一个非常简单的代币工厂合约,任何人都可以通过它轻松创建新的代币合约。这个代币合约会接收以太币并根据以太币数量发行代币。在合约创建后,代币合约部
- 细节增强注意力模型DEAB详解及代码复现
清风AI
深度学习算法详解及代码复现深度学习人工智能神经网络python计算机视觉机器学习conda
基本原理DEAB模型的基本原理是通过细节增强卷积(DEConv)和内容引导注意力(CGA)机制的协同工作来实现细节增强注意力功能。这种设计使得模型能够在处理图像时更好地保留细节信息,同时关注图像中的重要内容。DEAB模型的核心组件包括:细节增强卷积(DEConv):DEConv是一种创新的卷积层设计,通过并行部署普通卷积和差分卷积来增强特征提取能力。差分卷积包括中心差分卷积(CDC)、角差分卷积(
- PointNet++改进策略 :模块改进 | PointCAT, 使用交叉注意力机制来提升3D点云任务中提升模型精度
我是瓦力
PointNet++改进策略3d深度学习人工智能计算机视觉transformer
论文题目:PointCAT:Cross-AttentionTransformerforPointCloud通讯地址:南京理工大学代码地址:https://github.com/xincheng-yang/PointCAT.PointCAT架构:PointCAT提出了一种基于交叉注意力机制的Transformer网络,专门用于点云表示。它通过两个不同的多尺度特征分支,利用交叉注意力机制来交换信息。通
- 华为OD机试E卷 --货币单位换算--24年OD统一考试(Java & JS & Python & C & C++)
飞码创造者
最新华为OD机试题库2024华为odjavajavascriptpythonjsc语言
文章目录题目描述输入描述输出描述用例题目解析JS算法源码Java算法源码python算法源码c算法源码c++算法源码题目描述记账本上记录了若干条多国货币金额,需要转换成人民币分(fen),汇总后输出。每行记录一条金额,金额带有货币单位,格式为数字+单位,可能是单独元,或者单独分,或者元与分的组合。要求将这些货币全部换算成人民币分(fen)后进行汇总,汇总结果仅保留整数,小数部分舍弃。元和分的换算关
- 【比特币与区块链】比特币的工作原理与区块链技术
爱技术的小伙子
区块链
比特币与区块链比特币的工作原理与区块链技术引言比特币是世界上第一个成功实施的加密货币,其背后的技术——区块链——为去中心化、透明和安全的数字交易提供了基础支持。本文将探讨比特币的工作原理,并深入剖析其所依赖的区块链技术。什么是比特币?比特币(Bitcoin)是由中本聪(SatoshiNakamoto)于2008年提出并于2009年发布的开源软件。比特币是一种去中心化的数字货币,不依赖于任何中央机构
- 币定非凡:行情如巨浪袭来,是踏浪而行还是退避三舍!
weixin_34050389
时间是一饼普洱,越放越纯。时间是一瓶老酒,越放越香。时间是一束玫瑰,短暂却留香。有人恐惧时间的流逝,但有人期待时间的沉淀。岁月的长河里,流淌着各式各样的故事。酒的香,就是因为时间的沉淀。普洱的甘甜,就是因为时间的挥发。我们常常因为年龄问题而看不透一些故事,但时间的流逝,却能让一切极为简单。 套单不套心,解套有策略! 很多人套单情况都是如此,因为单子被套了,到了保本点位,还想着亏的时候不出,再等
- 深入浅出之注意力机制(YOLO)
浩瀚之水_csdn
#深度学习基础知识深度学习目标检测YOLO目标检测专栏YOLO
一、基本概念注意力机制(AttentionMechanism)源于对人类视觉的研究。在认知科学中,由于信息处理的瓶颈,人类会选择性地关注所有信息的一部分,同时忽略其他可见的信息,这种机制被称为注意力机制。它主要有两个方面:一是决定需要关注输入的哪部分,二是分配有限的信息处理资源给重要的部分。该机制可以应用于任何类型的输入,而不管其形状如何。在计算能力有限的情况下,注意力机制是解决信息超载问题的主要
- VBA语言的区块链
轩辕烨瑾
包罗万象golang开发语言后端
用VBA语言探讨区块链技术引言区块链技术自2008年比特币的问世以来,逐渐成为了一个热门的话题。它不仅推动了数字货币的崛起,更在金融、供应链、医疗、游戏等众多领域展示出了巨大的应用潜力。然而,对于很多程序员来说,如何实现和理解区块链的概念和原理仍然是一个挑战。本文将结合VBA(VisualBasicforApplications)语言,深入浅出地探讨区块链的基本概念,工作原理,以及如何利用VBA实
- 替代区块链
Mindfulness code
区块链开发区块链
随着比特币的成功,人们逐渐意识到区块链技术的潜力,并随之出现了迅速的发展,各种区块链协议、应用程序和平台相应产生。需要指出的是,在这种多元的局面下,很多项目迅速失去了它们的吸引力。事实上,有不少项目只是打着创新的幌子,在玩”击鼓传花“的古老把戏或者干脆就是“骗局”。根据DeadCoins网站的统计,超过70%数字货币都已经没有什么成交量或市值彻底归零,大量区块链项目都已经死亡或者名存实亡。当然,也
- Scheme语言的区块链
程韵珂
包罗万象golang开发语言后端
Scheme语言的区块链探索引言区块链技术自从比特币推出以来,已迅速成为全球瞩目的焦点。其去中心化、不易篡改的特点使得区块链在多个领域展现出了巨大的潜力。通常,区块链的实现主要依赖于多种编程语言,例如C++、Java、Python等。然而,Scheme语言以其独特的表达能力和强大的抽象特性,也为区块链的实现提供了新的视角。本文将深入探讨Scheme语言如何在区块链中发挥作用,并介绍如何使用Sche
- Transformer架构原理详解:多头注意力(MultiHead Attention)
AI大模型应用之禅
AI大模型与大数据javapythonjavascriptkotlingolang架构人工智能
Transformer,多头注意力,Multi-HeadAttention,机器翻译,自然语言处理,深度学习1.背景介绍近年来,深度学习在自然语言处理(NLP)领域取得了显著进展。传统的循环神经网络(RNN)在处理长序列数据时存在效率低下和梯度消失等问题。为了解决这些问题,谷歌于2017年提出了Transformer架构,并将其应用于机器翻译任务,取得了突破性的成果。Transformer的核心创
- conv2former模型详解及代码复现
清风AI
深度学习算法详解及代码复现深度学习人工智能python神经网络conda
模型背景在Conv2Former模型提出之前,视觉识别领域的研究主要集中在两个方向:传统卷积神经网络(ConvNets)新兴的视觉Transformer(ViTs)ConvNets通过堆叠基本模块和采用金字塔结构取得了显著进展,但往往忽略了全局上下文信息的显式建模。ViTs则通过自注意力机制有效捕捉全局依赖关系,在多个视觉任务中展现出优异性能。然而,ViTs在处理高分辨率图像时面临计算成本过高的问
- 多头潜在注意力(MLA)是怎么来的,什么原理,能用简单的示例解释么
百态老人
学习
多头潜在注意力(Multi-HeadLatentAttention,简称MLA)是一种改进的注意力机制,旨在提高自然语言处理(NLP)模型的推理效率和性能。其核心思想是通过低秩联合压缩键(Key)和值(Value),减少推理过程中所需的内存和计算资源,从而实现更高效的处理。MLA的原理在传统的多头注意力机制(MHA)中,每个输入token的键和值需要被缓存,这导致了巨大的内存开销。具体来说,对于每
- Transformer中的注意力机制:从基础概念到高级变体的全面解析
XianxinMao
transformer深度学习人工智能
注意力机制的基础概念核心组件(Query、Key、Value)的详细解释主要的注意力机制变体:自注意力(Self-Attention)多头注意力(Multi-HeadAttention)掩码注意力(MaskedAttention)注意力评分函数的类型和特点多头注意力的现代变体:MHA(Multi-HeadAttention)MQA(Multi-QueryAttention)GQA(Grouped-
- ECCV 2024 | CC-SAM:用于超声图像分割的跨特征注意力和上下文的SAM
小白学视觉
计算机顶会论文解读人工智能ccf-aECCV计算机顶会深度学习
论文信息题目:CC-SAM:SAMwithCross-featureAttentionandContextforUltrasoundImageSegmentationCC-SAM:用于超声图像分割的跨特征注意力和上下文的SAM作者:ShreyankNGowda和DavidA.Clifton论文创新点变分注意力融合模块(VariationalAttentionFusionModule):作者提出了一
- 一切皆是映射:Transformer架构全面解析
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
背景介绍自2017年,Transformer(自注意力机制)架构的问世以来,它已经成为自然语言处理(NLP)领域的主流技术之一。Transformer架构的出现,使得自然语言处理的任务变得更加简单、高效,同时也为许多其他领域提供了灵感。通过深入剖析Transformer,我们可以更好地理解其核心概念、原理和实际应用场景。这篇文章将全面解析Transformer架构,从核心概念到实际应用,帮助读者深
- 智能合约:区块链世界的自动化契约
第十六年盛夏.
Solidity区块链搭建和维护智能合约区块链
引言在当今这个数字化飞速发展的时代,区块链技术已经成为了一个热门话题。提到区块链,很多人首先想到的是比特币,但其实区块链的应用远不止于此。智能合约作为区块链技术的重要组成部分,正在逐渐改变我们对合同、交易和数据管理的认知。本文将带你走进智能合约的世界,探索其独特之处以及它与以太坊、比特币和区块链之间的关系。详细内容可参照官方文档:solidity中文文档本文为自己梳理以及总结,旨在引领刚入行的小伙
- ASM系列五 利用TreeApi 解析生成Class
lijingyao8206
ASM字节码动态生成ClassNodeTreeAPI
前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能,其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。
在介绍前,先要知道一点, Tree工程的接口基本可以完
- 链表树——复合数据结构应用实例
bardo
数据结构树型结构表结构设计链表菜单排序
我们清楚:数据库设计中,表结构设计的好坏,直接影响程序的复杂度。所以,本文就无限级分类(目录)树与链表的复合在表设计中的应用进行探讨。当然,什么是树,什么是链表,这里不作介绍。有兴趣可以去看相关的教材。
需求简介:
经常遇到这样的需求,我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如,多级菜单、组织结构、商品分类。更具体的,我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
- 为啥要用位运算代替取模呢
chenchao051
位运算哈希汇编
在hash中查找key的时候,经常会发现用&取代%,先看两段代码吧,
JDK6中的HashMap中的indexFor方法:
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
- 最近的情况
麦田的设计者
生活感悟计划软考想
今天是2015年4月27号
整理一下最近的思绪以及要完成的任务
1、最近在驾校科目二练车,每周四天,练三周。其实做什么都要用心,追求合理的途径解决。为
- PHP去掉字符串中最后一个字符的方法
IT独行者
PHP字符串
今天在PHP项目开发中遇到一个需求,去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符",",最终结果为1,2,3,4,5,6 代码如下:
$str = "1,2,3,4,5,6,";
$newstr = substr($str,0,strlen($str)-1);
echo $newstr;
- hadoop在linux上单机安装过程
_wy_
linuxhadoop
1、安装JDK
jdk版本最好是1.6以上,可以使用执行命令java -version查看当前JAVA版本号,如果报命令不存在或版本比较低,则需要安装一个高版本的JDK,并在/etc/profile的文件末尾,根据本机JDK实际的安装位置加上以下几行:
export JAVA_HOME=/usr/java/jdk1.7.0_25  
- JAVA进阶----分布式事务的一种简单处理方法
无量
多系统交互分布式事务
每个方法都是原子操作:
提供第三方服务的系统,要同时提供执行方法和对应的回滚方法
A系统调用B,C,D系统完成分布式事务
=========执行开始========
A.aa();
try {
B.bb();
} catch(Exception e) {
A.rollbackAa();
}
try {
C.cc();
} catch(Excep
- 安墨移动广 告:移动DSP厚积薄发 引领未来广 告业发展命脉
矮蛋蛋
hadoop互联网
“谁掌握了强大的DSP技术,谁将引领未来的广 告行业发展命脉。”2014年,移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论,认为移动DSP是行业突破点,一时间许多移动广 告联盟风起云涌,竞相推出专属移动DSP产品。
到底什么是移动DSP呢?
DSP(Demand-SidePlatform),就是需求方平台,为解决广 告主投放的各种需求,真正实现人群定位的精准广
- myelipse设置
alafqq
IP
在一个项目的完整的生命周期中,其维护费用,往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。
注释模板导入步骤
安装方法:
打开eclipse/myeclipse
选择 window-->Preferences-->JAVA-->Code-->Code
- java数组
百合不是茶
java数组
java数组的 声明 创建 初始化; java支持C语言
数组中的每个数都有唯一的一个下标
一维数组的定义 声明: int[] a = new int[3];声明数组中有三个数int[3]
int[] a 中有三个数,下标从0开始,可以同过for来遍历数组中的数
- javascript读取表单数据
bijian1013
JavaScript
利用javascript读取表单数据,可以利用以下三种方法获取:
1、通过表单ID属性:var a = document.getElementByIdx_x_x("id");
2、通过表单名称属性:var b = document.getElementsByName("name");
3、直接通过表单名字获取:var c = form.content.
- 探索JUnit4扩展:使用Theory
bijian1013
javaJUnitTheory
理论机制(Theory)
一.为什么要引用理论机制(Theory)
当今软件开发中,测试驱动开发(TDD — Test-driven development)越发流行。为什么 TDD 会如此流行呢?因为它确实拥有很多优点,它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。
TDD 的优点:
&nb
- [Spring Data Mongo一]Spring Mongo Template操作MongoDB
bit1129
template
什么是Spring Data Mongo
Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装,这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate,主要能力包括
1. 封装客户端跟MongoDB的链接管理
2. 文档-对象映射,通过注解:@Document(collectio
- 【Kafka八】Zookeeper上关于Kafka的配置信息
bit1129
zookeeper
问题:
1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置
3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里
4. Producer跟Zookeeper究竟有没有关系?没有关系!!!
//consumers、config、brokers、cont
- java OOM内存异常的四种类型及异常与解决方案
ronin47
java OOM 内存异常
OOM异常的四种类型:
一: StackOverflowError :通常因为递归函数引起(死递归,递归太深)。-Xss 128k 一般够用。
二: out Of memory: PermGen Space:通常是动态类大多,比如web 服务器自动更新部署时引起。-Xmx
- java-实现链表反转-递归和非递归实现
bylijinnan
java
20120422更新:
对链表中部分节点进行反转操作,这些节点相隔k个:
0->1->2->3->4->5->6->7->8->9
k=2
8->1->6->3->4->5->2->7->0->9
注意1 3 5 7 9 位置是不变的。
解法:
将链表拆成两部分:
a.0-&
- Netty源码学习-DelimiterBasedFrameDecoder
bylijinnan
javanetty
看DelimiterBasedFrameDecoder的API,有举例:
接收到的ChannelBuffer如下:
+--------------+
| ABC\nDEF\r\n |
+--------------+
经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后,得到:
+-----+----
- linux的一些命令 -查看cc攻击-网口ip统计等
hotsunshine
linux
Linux判断CC攻击命令详解
2011年12月23日 ⁄ 安全 ⁄ 暂无评论
查看所有80端口的连接数
netstat -nat|grep -i '80'|wc -l
对连接的IP按连接数量进行排序
netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n
查看TCP连接状态
n
- Spring获取SessionFactory
ctrain
sessionFactory
String sql = "select sysdate from dual";
WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext();
String[] names = wac.getBeanDefinitionNames();
for(int i=0; i&
- Hive几种导出数据方式
daizj
hive数据导出
Hive几种导出数据方式
1.拷贝文件
如果数据文件恰好是用户需要的格式,那么只需要拷贝文件或文件夹就可以。
hadoop fs –cp source_path target_path
2.导出到本地文件系统
--不能使用insert into local directory来导出数据,会报错
--只能使用
- 编程之美
dcj3sjt126com
编程PHP重构
我个人的 PHP 编程经验中,递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码,会更有利于对递归以及静态变量的理解
header("Content-type: text/plain");
function static_function () {
static $i = 0;
if ($i++ < 1
- Android保存用户名和密码
dcj3sjt126com
android
转自:http://www.2cto.com/kf/201401/272336.html
我们不管在开发一个项目或者使用别人的项目,都有用户登录功能,为了让用户的体验效果更好,我们通常会做一个功能,叫做保存用户,这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码,这里我使用3种方式来存储用户名和密码
1、通过普通 的txt文本存储
2、通过properties属性文件进行存
- Oracle 复习笔记之同义词
eksliang
Oracle 同义词Oracle synonym
转载请出自出处:http://eksliang.iteye.com/blog/2098861
1.什么是同义词
同义词是现有模式对象的一个别名。
概念性的东西,什么是模式呢?创建一个用户,就相应的创建了 一个模式。模式是指数据库对象,是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
- Ajax案例
gongmeitao
Ajaxjsp
数据库采用Sql Server2005
项目名称为:Ajax_Demo
1.com.demo.conn包
package com.demo.conn;
import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException;
//获取数据库连接的类public class DBConnec
- ASP.NET中Request.RawUrl、Request.Url的区别
hvt
.netWebC#asp.nethovertree
如果访问的地址是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
- SVG 教程 (七)SVG 实例,SVG 参考手册
天梯梦
svg
SVG 实例 在线实例
下面的例子是把SVG代码直接嵌入到HTML代码中。
谷歌Chrome,火狐,Internet Explorer9,和Safari都支持。
注意:下面的例子将不会在Opera运行,即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。 SVG 实例
SVG基本形状
一个圆
矩形
不透明矩形
一个矩形不透明2
一个带圆角矩
- 事务管理
luyulong
javaspring编程事务
事物管理
spring事物的好处
为不同的事物API提供了一致的编程模型
支持声明式事务管理
提供比大多数事务API更简单更易于使用的编程式事务管理API
整合spring的各种数据访问抽象
TransactionDefinition
定义了事务策略
int getIsolationLevel()得到当前事务的隔离级别
READ_COMMITTED
- 基础数据结构和算法十一:Red-black binary search tree
sunwinner
AlgorithmRed-black
The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
- centos同步时间
stunizhengjia
linux集群同步时间
做了集群,时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器,只要配置了NTP,它就会提供NTP服务。 1)确认已经ntp程序包: # yum install ntp 2)配置时间源(默认就行,不需要修改) # vi /etc/ntp.conf server pool.ntp.o
- ITeye 9月技术图书有奖试读获奖名单公布
ITeye管理员
ITeye
ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾:http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《NFC:Arduino、Andro