往事如yan
往事如yan

PaddleOCR文字识别C#部署(转)

正好在找相关资料，而且百度的OCR已经相当不错，不管是直接拿过来用 还是基于自己的数据集 再次精调训练，都是不错的，推荐，下文是基于C# 部署的相关保姆级教程贴：

https://blog.csdn.net/ch_ccc/article/details/113857304?utm_medium=distribute.pc_relevant_download.none-task-blog-2~default~blogcommendfrombaidu~default-1.nonecase&dist_request_id=1330147.25114.16181466736741413&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-2~default~blogcommendfrombaidu~default-1.nonecas

 

 

https://blog.csdn.net/ch_ccc/article/details/113857304?utm_medium=distribute.pc_feed_404.none-task-blog-2~default~BlogCommendFromBaidu~default-6.nonecase&dist_request_id=1328775.4585.16181470767675761&depth_1-utm_source=distribute.pc_feed_404.none-task-blog-2~default~BlogCommendFromBaidu~default-6.nonecas

 

有别人编译好的库：这里, 可以找余老板帮忙下载。他有会员。

 

是要编译 Paddle的TX2的C++预测库才能用，参考如下：

https://download.csdn.net/download/qq_33200967/14141152

https://blog.csdn.net/baidu_40840693/article/details/93919544?utm_medium=distribute.pc_relevant_download.none-task-blog-2~default~blogcommendfrombaidu~default-2.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-2~default~blogcommendfrombaidu~default-2.nonecas

PaddleOCR超轻量级中文OCR模型使用(windows爬坑)

paddlepaddle测试安装_安装与编译C++预测库

 

 

我的PaddlePaddle学习之路

你可能感兴趣的:(百度飞桨)

  • 百度飞桨paddle安装 包括CUDA,cuDNN,opencv的安装 小甲学长 opencv百度paddlepaddle
    conda创建新环境这部分代码均在AnacondaPrompt中写，要求已有Anaconda第一步：创建condacreate--nameyourEnvpython=3.6–name：也可以缩写为【-n】，【yourEnv】是新创建的虚拟环境的名字，创建完，可以装anaconda的目录下找到envs/yourEnv目录python=2.7：是python的版本号。也可以指定为【python=3.6
  • 百度飞桨教程（一） 怎么这么多名字都被占了 百度paddlepaddle人工智能
    百度飞桨（paddle），是一个开源的深度学习平台百度飞桨的安装pipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simple手写数字识别案例我们来通过一个案例，大概了解paddle的使用importpaddleimportnumpyasnpfrompaddle.vision.transformsimportNormalizetransfo
  • 《深入浅出多模态》：智能文档处理多模态大模型总结 GoAI 深入浅出多模态深度学习多模态大模型人工智能计算机视觉nlp
    ✨专栏介绍：本作者推出全新系列《深入浅出多模态》专栏，具体章节如导图所示（导图后续更新），将分别从各个多模态模型的概念、经典模型、创新点、论文综述、发展方向、数据集等各种角度展开详细介绍，欢迎大家关注。作者主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介：掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计
  • 《深入浅出OCR》实战：基于PGNet的端到端识别 GoAI 深入浅出OCR深度学习计算机视觉ocr人工智能深度学习端到端识别
    ✨专栏介绍：经过几个月的精心筹备，本作者推出全新系列《深入浅出OCR》专栏，对标最全OCR教程，具体章节如导图所示，将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。个人主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介：掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计算机视觉
  • 深度学习实验-3d医学图像分割 桶的奇妙冒险 深度学习3d人工智能
    实验四基于nnU-Net模型的3D医学图像分割实验一、实验介绍腹部多器官分割一直是医学图像分析领域最活跃的研究领域之一，其作为一项基础技术，在支持疾病诊断，治疗规划等计算机辅助技术发挥着重要作用。近年来，基于深度学习的方法在该领域中获得了巨大成功。本实验数据集为多模态腹部分割数据集（AMOS），一个大规模，多样性的，收集自真实临床场景下的腹部多器官分割基准数据。本实验在百度飞桨平台上采用nnU-N
  • Paddle入门实战系列（五）：渔船牌照识别 GoAI 深入浅出OCR计算机视觉人工智能新星计划paddleOCR
    〖2023·新星计划·第四季〗开启，计算机视觉方向火爆报名中1️⃣活动时间：4月3日-4月30日2️⃣活动报名地址：http://t.csdn.cn/VeEVA‍作者简介：CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。✨公众号：GoAI的学习小屋，免费分享书籍、简历、导图等，更有交流群分享宝藏资料，关注公众号回复“加群”或➡️
  • 首个！百度飞桨会客厅落地广州，打通AI应用落地的“最后一公里” 飞桨PaddlePaddle 人工智能百度paddlepaddle
    2023年，在大模型的浪潮下，各行各业使用AI技术的门槛被进一步降低，为AI技术创新广泛赋能产业发展提供了基础。百度依托全栈式的AI技术产品优势，推动AI产业人才培养，建设繁荣技术生态，加速AI技术在产业的规模应用。广州是国家人工智能创新应用先导区，百度AI技术生态已累计服务广州企业7747家，重点服务433家、技术伙伴23家，为广州市人工智能技术型企业提供源源不断的技术赋能支持和应用人才支持。为
  • 重磅发布！基于百度飞桨的《人工智能基础及应用》书籍正式上线 飞桨PaddlePaddle 精品课程名师共建人工智能百度paddlepaddle
    科技日新月异的今天，人工智能已经成为引领未来的核心驱动力。为了帮助大家更好地深入理解人工智能的理论和技术，为未来发展做好准备，百度飞桨教材编写组联合北京交通大学王方石教授、北京邮电大学杨煜清特聘副研究员共同撰写推出了《人工智能基础及应用》这本书籍，同时配套48学时的教学资源，包括教学大纲、教学课件、习题及答案、程序源码等，涵盖人工智能的理论与应用，可作为本科生“人工智能”导论或通识课程的入门教材。
  • 百度飞桨文心生态成果最新披露：开发者达1070万 模型数超86万 飞桨PaddlePaddle 热门活动百度paddlepaddle人工智能深度学习WAVESUMMIT
    12月28日，由深度学习技术及应用国家工程研究中心主办的WAVESUMMIT+深度学习开发者大会2023在北京召开。百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰现场公布了飞桨文心五载十届最新生态成果，文心一言最新用户规模破1亿，截至12月底，飞桨平台开发者数量达1070万。百度首席技术官王海峰文心一言用户规模破1亿飞桨开发者数达1070万据了解，百度自2019年起深耕预训练模型研发
  • “不缺钱，只缺人” ，同传翻译的那些事儿 飞桨PaddlePaddle 人工智能编程语言深度学习自然语言处理nlp
    点击左上方蓝字关注我们项目简介“手把手带你学NLP”是基于飞桨PaddleNLP的系列实战项目。本系列由百度多位资深工程师精心打造，提供了从词向量、预训练语言模型，到信息抽取、情感分析、文本问答、结构化数据问答、文本翻译、机器同传、对话系统等实践项目的全流程讲解，旨在帮助开发者更全面清晰地掌握百度飞桨框架在NLP领域的用法，并能够举一反三、灵活使用飞桨框架和PaddleNLP进行NLP深度学习实践
  • 关于生成式语言大模型的一些工程思考 paddlenlp & chatglm & llama 路人与大师 llama
    生成式语言大模型，随着chatgpt的爆火，市场上涌现出一批高质量的生成式语言大模型的项目。近期百度飞桨自然语言处理项目paddlenlp发布了2.6版本。更新了以下特性：全面支持主流开源大模型Bloom,ChatGLM,GLM,Llama,OPT的训练和推理；TrainerAPI新增张量训练能力,简单配置即可开启分布式训练；新增低参数微调能力PEFT,助力大模型高效微调。其中chatglm与ll
  • 12月28日，每日信息差 信息差Pro 信息差Pro百度人工智能harmonyos制造大数据
    以下是2023年12月28日的7条信息差第一、百度飞桨文心生态成果最新披露：开发者达1070万，模型数超86万第二、全球首款钠电车型交付：江铃汽车搭载孚能科技钠电池，续航251公里。据孚能科技方面介绍，江铃易至EV3（青春版）251km版本是孚能科技与江铃集团新能源汽车合作的首款钠离子电池纯电A00级车型，可满足年轻一代日常上班代步、跨城出行等多样性场景需求第三、小米发布超级电机V8s，雷军介绍，
  • 计算机视觉方向面试题总结（一）：目标检测篇 GoAI 计算机视觉CV目标检测计算机视觉目标检测深度学习人工智能pytorch
    ‍作者简介：CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。✨公众号：GoAI的学习小屋，免费分享书籍、简历、导图等，更有交流群分享宝藏资料，关注公众号回复“加群”或➡️链接加群。专栏推荐：➡️点击访问《计算机视觉》总结目标检测、图像分类、分割OCR、等方向资料。➡️点击访问《深入浅出OCR》:对标全网最全OCR教程，含理论与实战总结。以上
  • 百度飞桨文心生态成果最新披露：开发者达1070万 模型数超86万 橙 子_ 程序人生百度paddlepaddle人工智能文心一言
    12月28日，由深度学习技术及应用国家工程研究中心主办的WAVESUMMIT+深度学习开发者大会2023在北京召开。百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰现场公布了飞桨文心五载十届最新生态成果，文心一言最新用户规模破1亿，截至12月底，飞桨平台开发者数量达1070万。百度首席技术官王海峰文心一言用户规模破1亿飞桨开发者数达1070万据了解，百度自2019年起深耕预训练模型研发
  • 紫光展锐T820与百度飞桨完成I级兼容性测试 助推端侧AI融合创新 紫光展锐官方 人工智能百度paddlepaddle
    近日，紫光展锐高性能5GSoCT820与百度飞桨完成I级兼容性测试（基于PaddleLite工具）。测试结果显示，双方兼容性表现良好，整体运行稳定。这是紫光展锐加入百度“硬件生态共创计划”后的阶段性成果。本次I级兼容性测试完成了计算机视觉技术领域3个模型的验证，经过双方联合严格测试，紫光展锐T820在MobileNet-V1、ResNet50、SSD-MobileNet-V1模型上的精度、速度等各
  • 【ScienceAI Weekly】DeepMind最新研究再登Nature；我国首个自研地球系统模型开源；谷歌推出医疗保健模型 HyperAI超神经 ScienceAI人工智能开源人工智能
    AIforScience的新成果、新动态、新视角抢先看——*DeepMind最新研究FunSearch登Nature*谷歌推出医疗保健行业模型MedLM*晶泰科技冲刺港交所，AI+机器人赋能AIforScience*GHDDI与微软研究院科学智能中心达成合作*用于地震学处理分析的AI工具开源*我国首个自主研发的地球系统模型宣布开源*百度飞桨螺旋桨团队构建蛋白质-小分子对接构象预测模型HelixDo
  • 智慧零售技术探秘：关键技术与开源资源，助力智能化零售革新 virtaitech gpu人工智能大数据
    智慧零售是一种基于先进技术的零售业态，通过整合物联网、大数据分析、人工智能等技术，实现零售过程的智能化管理并提升消费者体验。实现智慧零售的关键技术包括商品的自动识别与分类、商品的自动结算等等。为了实现商品的自动识别与分类，需要借助先进的图像识别技术。本文将介绍一些开源库和数据集，这些资源有助于研究者和开发者在智慧零售领域进行相关工作。PaddleClasPaddleClas是由百度飞桨开发的一个图
  • 深度学习产业落地速度新支点：飞桨&英特尔®至强®共同助力AI加速 飞桨PaddlePaddle 百度大数据人工智能java机器学习
    引言深度学习技术是推动人工智能时代发展的强大引擎，通过对文字、图形、声音和多媒体等数据的分析和推理推动产业向智能化迈进。然而，大多数深度学习模型使用32位浮点精度（FP32)构建，其复杂度高，模型参数量大的特点，限制了其在一些场景和设备上进行部署，特别是在移动嵌入式设备上部署的可能性。针对上述需求，百度飞桨开源深度学习平台结合第三代英特尔®至强®可扩展处理器，通过完善的模型压缩方案和量化加速技术，
  • 紫光展锐T820与飞桨完成I级兼容性测试 助推端侧AI融合创新 飞桨PaddlePaddle 硬件生态人工智能程序员硬件生态机器学习
    近日，紫光展锐高性能5GSoCT820与百度飞桨完成I级兼容性测试（基于PaddleLite工具）。测试结果显示，双方兼容性表现良好，整体运行稳定。这是紫光展锐加入百度“硬件生态共创计划”后的阶段性成果。本次I级兼容性测试完成了计算机视觉技术领域3个模型的验证，经过双方联合严格测试，紫光展锐T820在MobileNet-V1、ResNet50、SSD-MobileNet-V1模型上的精度、速度等各
  • 动手学深度学习——Anaconda、pytorch、paddle安装(cpu版本) Audery867 深度学习深度学习pytorchpaddlepython机器学习
    之前出了个Windows下的深度学习安装，但在继续学习的过程中发现，沐神的一些代码跑不起来，这里又提供pytorch和paddle的安装，各位用pytorch或者百度飞桨paddlepaddle来学习深度学习也是可以的。安装Anaconda1.打开Anaconda链接，下载，时间较久2.下载完成，开始安装3.安装路径可以随意，不过推荐使用默认安装路径，next虽说下面要勾选添加环境变量的选项，我这
  • 【小沐学Python】Python实现TTS文本转语音（speech、pyttsx3、百度AI） 爱看书的小沐 PythonAIpython人工智能语音识别tts文本转语音百度飞桨实时音视频
    文章目录1、简介2、Windows语音2.1简介2.2安装2.3代码3、pyttsx33.1简介3.2安装3.3代码4、ggts4.1简介4.2安装4.3代码5、SAPI6、SpeechLib7、百度AI8、百度飞桨结语1、简介TTS(TextToSpeech)译为从文本到语音，TTS是人工智能AI的一个模组，是人机对话的一部分，即让机器能够说话。TTS是语音合成技术应用的一种，首先采集语音波形，
  • 人工智能-语音识别技术paddlespeech的搭建和使用 没刮胡子 python飞桨paddle人工智能AI人工智能语音识别paddlepaddlepaddlespeechpython
    PaddleSpeech介绍PaddleSpeech是百度飞桨（PaddlePaddle）开源深度学习平台的其中一个项目，它基于飞桨的语音方向模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型。PaddleSpeech支持语音识别、语音翻译（英译中）、语音合成、标点恢复等应用示例。安装paddlespeechPaddleSpeech快速安装方式有两种，一种是pi
  • 百度飞桨领航团零基础Python速成营 编程巩固 dream.becoming Python学习笔记paddle百度飞桨python
    百度飞桨领航团零基础Python速成营编程巩固目录第一天问题1问题2问题3问题4问题5第二天问题1问题2问题3问题4问题5第三天问题1问题2问题3问题4问题5第一天问题1编写一个程序，查找所有此类数字，这些数字可以被7整除，但不能是5的倍数，介于2000和3200之间（均包括在内）。所获得的数字应以逗号分隔的顺序打印在一行上。自己尝试：#提示：考虑使用range（#begin，#end）方法num
  • C# Onnx 百度飞桨开源PP-YOLOE-Plus目标检测 天天代码码天天 C#人工智能实践paddlepaddle人工智能计算机视觉opencvc#目标检测机器学习
    目录效果模型信息项目代码下载C#Onnx百度飞桨开源PP-YOLOE-Plus目标检测效果模型信息Inputs-------------------------name：imagetensor：Float[1,3,640,640]name：scale_factortensor：Float[1,2]---------------------------------------------------
  • 【人工智能Ⅰ】实验4：贝叶斯分类 MorleyOlsen 人工智能人工智能分类数据挖掘贝叶斯
    实验4贝叶斯分类一、实验目的1.了解并学习机器学习相关库的使用。2.熟悉贝叶斯分类原理和方法，并对MNIST数据集进行分类。二、实验内容1.使用贝叶斯方法对mnist或mnistvariation数据集进行分类，并计算准确率。数据集从网上下载（如百度飞桨平台）。2.改变算法参数，观察对识别准确率的影响。三、实验环境平台JupyterNotebook(anaconda3)Python版本python
  • 机器学习笔记 - 基于百度飞桨PaddleSeg的人体分割模型以及TensorRT部署说明 坐望云起 深度学习从入门到精通OpenCV从入门到精通paddlepaddle人工智能分割模型人体识别深度学习百度飞桨
    一、简述虽然SegmentAnything用于图像分割的通用大模型看起来很酷（飞桨也提供分割一切的模型），但是个人感觉落地应用的时候心里还是更倾向于飞桨这种场景式的，因为需要用到一些人体分割的需求，所以这里主要是对飞桨高性能图像分割开发套件进行了解和使用，但是暂时不训练，因为搞数据集挺费劲。PaddleSeg内置45+模型算法及140+预训练模型。最新发布HumanSeglite模型超轻量级人像分
  • 越学越有趣：『手把手带你学NLP』系列项目02 ——语义相似度计算的那些事儿... 飞桨PaddlePaddle 百度python人工智能深度学习编程语言
    点击左上方蓝字关注我们课程简介“手把手带你学NLP”是基于飞桨PaddleNLP的系列实战项目。本系列由百度多位资深工程师精心打造，提供了从词向量、预训练语言模型，到信息抽取、情感分析、文本问答、结构化数据问答、文本翻译、机器同传、对话系统等实践项目的全流程讲解，旨在帮助开发者更全面清晰地掌握百度飞桨框架在NLP领域的用法，并能够举一反三、灵活使用飞桨框架和PaddleNLP进行NLP深度学习实践
  • 越学越有趣：『手把手带你学NLP』系列项目05 ——文本情感分析的那些事儿 飞桨PaddlePaddle python人工智能深度学习机器学习自然语言处理
    点击左上方蓝字关注我们课程简介“手把手带你学NLP”是基于飞桨PaddleNLP的系列实战项目。本系列由百度多位资深工程师精心打造，提供了从词向量、预训练语言模型，到信息抽取、情感分析、文本问答、结构化数据问答、文本翻译、机器同传、对话系统等实践项目的全流程讲解，旨在帮助开发者更全面清晰地掌握百度飞桨框架在NLP领域的用法，并能够举一反三、灵活使用飞桨框架和PaddleNLP进行NLP深度学习实践
  • 深度强化学习-策略梯度算法深入理解 indigo love 深度强化学习算法机器学习强化学习人工智能
    1引言在深度强化学习-策略梯度算法推导博文中，采用了两种方法推导策略梯度算法，并给出了Reinforce算法的伪代码。可能会有小伙伴对策略梯度算法的形式比较疑惑，本文就带领大家剖析其中的原理，深入理解策略梯度算法的公式。本文主要参考了百度飞桨的视频PolicyGradient算法有兴趣的小伙伴可以看看，我觉得讲的非常透彻。2手写数字识别我们先来看一下手写数字识别案列，采用LeNet网络，其输入为一
  • 一文看懂国产最大深度学习平台上新，国内率先加持量子机器学习 喜欢打酱油的老鸟 人工智能
    金磊发自凹非寺量子位报道|公众号QbitAI四年时间，累计开发者数量超190万，发布模型超23万，服务企业数量8.4万。这就是国产最大深度学习开源平台——百度飞桨——在WAVESUMMIT2020中，百度首席技术官王海峰，提交的最新高分成绩单。但国产第一大深度学习平台飞桨，却不满足于此。随着“新基建”给中国“产业智能化”带来的新动力，飞桨再次迎来高光时刻，秀出更强肌肉——升级、迭代，还在继续。王海
  • Java实现的简单双向Map，支持重复Value superlxw1234 java双向map
    关键字：Java双向Map、DualHashBidiMap     有个需求，需要根据即时修改Map结构中的Value值，比如，将Map中所有value=V1的记录改成value=V2，key保持不变。   数据量比较大，遍历Map性能太差，这就需要根据Value先找到Key，然后去修改。   即：既要根据Key找Value，又要根据Value
  • PL/SQL触发器基础及例子 百合不是茶 oracle数据库触发器PL/SQL编程
      触发器的简介; 触发器的定义就是说某个条件成立的时候，触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用，也不能调用。触发器和过程函数类似 过程函数必须要调用,   一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行, 触发时间：指明触发器何时执行，该值可取： before：表示在数据库动作之前触发
  • [时空与探索]穿越时空的一些问题 comsci 问题
          我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....       这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
  • easy ui datagrid上移下移一行 商人shang js上移下移easyuidatagrid
    /** * 向上移动一行 * * @param dg * @param row */ function moveupRow(dg, row) { var datagrid = $(dg); var index = datagrid.datagrid("getRowIndex", row); if (isFirstRow(dg, row)) {
  • Java反射 oloz 反射
    本人菜鸟，今天恰好有时间，写写博客，总结复习一下java反射方面的知识，欢迎大家探讨交流学习指教 首先看看java中的Class package demo; public class ClassTest { /*先了解java中的Class*/ public static void main(String[] args) { //任何一个类都
  • springMVC 使用JSR-303 Validation验证 杨白白 springmvc
    JSR-303是一个数据验证的规范，但是spring并没有对其进行实现，Hibernate Validator是实现了这一规范的，通过此这个实现来讲SpringMVC对JSR-303的支持。 JSR-303的校验是基于注解的，首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。 登录需要验证类 public class Login { @NotEmpty
  • log4j 香水浓 log4j
    log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE #log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML #console log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender log4
  • 使用ajax和history.pushState无刷新改变页面URL agevs jquery框架Ajaxhtml5chrome
    表现 如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时，细心的你会发现页面之间的点击是通过ajax异步请求的，同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。 是什么有这么强大的功能呢？ HTML5里引用了新的API，history.pushState和history.replaceState，就是通过
  • centos中文乱码 AILIKES centosOSssh
    一、CentOS系统访问 g.cn ，发现中文乱码。 于是用以前的方式：yum -y install fonts-chinese CentOS系统安装后，还是不能显示中文字体。我使用 gedit 编辑源码，其中文注释也为乱码。       后来，终于找到以下方法可以解决，需要两个中文支持的包： fonts-chinese-3.02-12.
  • 触发器 baalwolf 触发器
    触发器(trigger)：监视某种情况，并触发某种操作。 触发器创建语法四要素：1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete) 语法： create trigger triggerName after/before 
  • JS正则表达式的i m g bijian1013 JavaScript正则表达式
            g:表示全局（global)模式，即模式将被应用于所有字符串，而非在发现第一个匹配项时立即停止。         i:表示不区分大小写（case-insensitive）模式，即在确定匹配项时忽略模式与字符串的大小写。         m:表示
  • HTML5模式和Hashbang模式 bijian1013 JavaScriptAngularJSHashbang模式HTML5模式
            我们可以用$locationProvider来配置$location服务（可以采用注入的方式，就像AngularJS中其他所有东西一样）。这里provider的两个参数很有意思，介绍如下。 html5Mode         一个布尔值，标识$location服务是否运行在HTML5模式下。 ha
  • [Maven学习笔记六]Maven生命周期 bit1129 maven
    从mvn test的输出开始说起   当我们在user-core中执行mvn test时，执行的输出如下：   /software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
  • 【Hadoop七】基于Yarn的Hadoop Map Reduce容错 bit1129 hadoop
    运行于Yarn的Map Reduce作业，可能发生失败的点包括 Task Failure Application Master Failure Node Manager Failure Resource Manager Failure 1. Task Failure 任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
  • 记一次数据推送的异常解决端口解决 ronin47 记一次数据推送的异常解决
    　　 需求：从db获取数据然后推送到B         程序开发完成，上jboss,刚开始报了很多错，逐一解决，可最后显示连接不到数据库。机房的同事说可以ping 通。 　　  自已画了个图，逐一排除，把linux 防火墙　和　setenforce　设置最低。 　　　service iptables stop
  • 巧用视错觉-UI更有趣 brotherlamp UIui视频ui教程ui自学ui资料
    我们每个人在生活中都曾感受过视错觉（optical illusion）的魅力。 视错觉现象是双眼跟我们开的一个玩笑，而我们往往还心甘情愿地接受我们看到的假象。其实不止如此，视觉错现象的背后还有一个重要的科学原理——格式塔原理。 格式塔原理解释了人们如何以视觉方式感觉物体，以及图像的结构，视角，大小等要素是如何影响我们的视觉的。 在下面这篇文章中，我们首先会简单介绍一下格式塔原理中的基本概念，
  • 线段树-poj1177-N个矩形求边长（离散化+扫描线） bylijinnan 数据结构算法线段树
    package com.ljn.base; import java.util.Arrays; import java.util.Comparator; import java.util.Set; import java.util.TreeSet; /** * POJ 1177 (线段树+离散化+扫描线)，题目链接为http://poj.org/problem?id=1177
  • HTTP协议详解 chicony http协议
    引言                                 
  • Scala设计模式 chenchao051 设计模式scala
    Scala设计模式                我的话： 在国外网站上看到一篇文章，里面详细描述了很多设计模式，并且用Java及Scala两种语言描述，清晰的让我们看到各种常规的设计模式，在Scala中是如何在语言特性层面直接支持的。基于文章很nice，我利用今天的空闲时间将其翻译，希望大家能一起学习，讨论。翻译
  • 安装mysql daizj mysql安装
    安装mysql   (1)删除linux上已经安装的mysql相关库信息。rpm  -e  xxxxxxx   --nodeps (强制删除)      执行命令rpm -qa |grep mysql 检查是否删除干净   (2)执行命令  rpm -i MySQL-server-5.5.31-2.el
  • HTTP状态码大全 dcj3sjt126com http状态码
    完整的 HTTP 1.1规范说明书来自于RFC 2616，你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性，因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端，支持协议版本可以通过调用request
  • asihttprequest上传图片 dcj3sjt126com ASIHTTPRequest
    NSURL *url =@"yourURL"; ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url]; [currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
  • C语言中，关键字static的作用 e200702084 C++cC#
    在C语言中，关键字static有三个明显的作用： 1)在函数体，局部的static变量。生存期为程序的整个生命周期，（它存活多长时间）；作用域却在函数体内（它在什么地方能被访问（空间））。 一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区，函数调用结束后并不释放单元，但是在其它的作用域的无法访问。当再次调用这个函数时，这个局部的静态变量还存活，而且用在它的访
  • win7/8使用curl geeksun win7
    1.  WIN7/8下要使用curl，需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址：  http://curl.haxx.se/download.html 请选择不带SSL的版本，否则还需要安装SSL的支持包   2.  可以给Windows增加c
  • Creating a Shared Repository; Users Sharing The Repository hongtoushizi git
    转载自：   http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section: git init –bare git clone git remote git pull git p
  • Java实现字符串反转的8种或9种方法 Josh_Persistence 异或反转递归反转二分交换反转java字符串反转栈反转
    注：对于第7种使用异或的方式来实现字符串的反转，如果不太看得明白的，可以参照另一篇博客： http://josh-persistence.iteye.com/blog/2205768   /** * */ package com.wsheng.aggregator.algorithm.string; import java.util.Stack; /**
  • 代码实现任意容量倒水问题 home198979 PHP算法倒水
    形象化设计模式实战             HELLO!架构                     redis命令源码解析   倒水问题：有两个杯子，一个A升，一个B升，水有无限多，现要求利用这两杯子装C
  • Druid datasource zhb8015 druid
    推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证，稳定可靠。 它最重要的特点是：监控、扩展和性能。 下载和Maven配置看这里： http
  • 两种启动监听器ApplicationListener和ServletContextListener spjich javaspring框架
    引言:有时候需要在项目初始化的时候进行一系列工作，比如初始化一个线程池，初始化配置文件，初始化缓存等等，这时候就需要用到启动监听器，下面分别介绍一下两种常用的项目启动监听器   ServletContextListener  特点: 依赖于sevlet容器，需要配置web.xml 使用方法: public class StartListener implements
  • JavaScript Rounding Methods of the Math object 何不笑 JavaScriptMath
        The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(),  Math.floor(), and  Math.round() — handle rounding in differen
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他