- 基于图的推荐算法(12):Handling Information Loss of Graph Neural Networks for Session-based Recommendation
阿瑟_TJRS
前言KDD2020,针对基于会话推荐任务提出的GNN方法对已有的GNN方法的缺陷进行分析并做出改进主要针对lossysessionencoding和ineffectivelong-rangedependencycapturing两个问题:基于GNN的方法存在损失部分序列信息的问题,主要是在session转换为图以及消息传播过程中的排列无关(permutation-invariant)的聚合过程中造
- GNN会议&期刊汇总(人工智能、机器学习、深度学习、数据挖掘)
Bunny_Ben
科研方法&心得人工智能机器学习深度学习笔记神经网络数据挖掘
会议【NeurIPS】全称ConferenceonNeuralInformationProcessingSystems(神经信息处理系统大会),机器学习和计算神经科学领域的顶级学术会议,CCFA。【ICLR】全称InternationalConferenceonLearningRepresentations(国际学习表征会议),深度学习顶会。【AAAI】由人工智能促进协会AAAI(Associat
- 图神经网络实战(18)——消息传播神经网络
盼小辉丶
图神经网络从入门到项目实战pytorch深度学习图神经网络
图神经网络实战(18)——消息传播神经网络0.前言1.消息传播神经网络2.实现MPNN框架小结系列链接0.前言我们已经学习了多种图神经网络(GraphNeuralNetworks,GNN)变体,包括图卷积网络(GraphConvolutionalNetwork,GCN)、图注意力网络(GraphAttentionNetworks,GAT)和GraphSAGE等。在本节中,我们将对这些变体GNN结构
- [Scene Graph] 图神经网络的核心方法——Message Passing
风中摇曳的小萝卜
SceneGraph神经网络深度学习机器学习人工智能
GNN中的MessagePassing方法解析一、GNN中是如何实现特征学习的?深度学习方法的兴起是从计算图像处理(ComputerVision)领域开始的。以卷积神经网络(CNN)为代表的方法会从邻近的像素中获取信息。这种方式对于结构化数据(structureddata)十分有效,例如,图像和体素数据。但是,CNN的处理方式对于类似图(graph)数据则并不适用。对于一个图而言,类似图像像素的邻
- GNN的理解难点:一种不同于传统神经网络的复杂性
小桥流水---人工智能
人工智能深度学习机器学习算法神经网络人工智能深度学习
图神经网络(GNN)已经成为深度学习领域的一颗新星,它在处理图形数据方面显示出了巨大的潜力和优势。然而,许多研究者和开发者发现GNN比传统的神经网络更难以理解和掌握。本文将探讨GNN的理解难点,以及它与传统神经网络在概念和实现上的主要差异。一、图数据的复杂性首先,GNN之所以难以理解,一个重要原因在于它处理的数据结构——图。图是一种复杂的数据结构,包含节点(node)和边(edge),这些节点和边
- 图神经网络GNN的前世今生
小桥流水---人工智能
Python程序代码深度学习人工智能神经网络人工智能深度学习
GNN图神经网络(GraphNeuralNetwork,简称GNN)已经成为处理图形结构数据的一种强大工具,广泛应用于社交网络分析、知识图谱、推荐系统等领域。在本文中,我们将深入探讨图神经网络的历史背景、关键的发展阶段以及未来可能的发展方向。一、背景介绍图(Graph)是一种数据结构,由节点(Node)和连接节点的边(Edge)组成。在许多现实世界的应用中,数据自然地呈现出图形结构,如社交网络中的
- 计算机毕业设计hadoop+spark知识图谱高考分数预测系统 高考志愿推荐系统 高考可视化大屏 高考大数据 高考数据分析 高考爬虫 大数据毕业设计
计算机毕业设计大全
开发技术hadoopsparkspringbootvue.jsPython爬虫、机器学习、深度学习mybatis-plusneo4j知识图谱图数据库mysql协同过滤算法(基于物品、基于用户模式)MLP模型SVD神经网络CNN、KNN、GNN卷积神经网络预测算法阿里云平台百度AI平台阿里大于短信平台lstm模型创新点4种机器学习推荐算法进行高考志愿学校推荐1种深度学习模型进行高考分数线预测hado
- 金融贷款风险预测:使用图神经网络模型进行违约概率评估
从零开始学习人工智能
金融神经网络人工智能
要使用PyTorch和GNN(图神经网络)来预测金融贷款风险,并加入注意力机制,我们首先需要构建一个贷款风险预测的图数据集。然后,我们将设计一个基于注意力机制的GNN模型。以下是一个简化的代码示例,演示了如何使用PyTorch和PyTorchGeometric(一个流行的图神经网络库)来实现这一点。请注意,这只是一个起点,并且您可能需要根据您的具体需求进行调整。首先,安装必要的库:bash复制代码
- Michael Bronstein 最新几何深度学习综述:超越 WL 和原始消息传递的 GNN
人工智能与算法学习
大数据算法编程语言python机器学习
如何突破基于WL测试和消息传递机制的GNN的性能瓶颈?且看几何深度学习旗手、牛津大学教授MichaelBrostein如是说。编辑丨陈彩娴来源|AI科技评论图可以方便地抽象关系和交互的复杂系统。社交网络、高能物理、化学等研究领域都涉及相互作用的对象(无论是人、粒子还是原子)。在这些场景下,图结构数据的重要性日渐凸显,相关方法取得了一系列初步成功,而一系列工业应用使得图深度学习成为机器学习方向的热门
- Michael Brostein 最新几何深度学习综述:超越 WL 和原始消息传递的 GNN
人工智能学家
大数据算法编程语言python机器学习
来源:前沿科技编译:OGAI编辑:陈彩娴如何突破基于WL测试和消息传递机制的GNN的性能瓶颈?且看几何深度学习旗手、牛津大学教授MichaelBrostein如是说。图可以方便地抽象关系和交互的复杂系统。社交网络、高能物理、化学等研究领域都涉及相互作用的对象(无论是人、粒子还是原子)。在这些场景下,图结构数据的重要性日渐凸显,相关方法取得了一系列初步成功,而一系列工业应用使得图深度学习成为机器学习
- [论文精读]FBNETGEN: Task-aware GNN-based fMRI Analysis via Functional Brain Network Generation
夏莉莉iy
论文精读人工智能深度学习学习图论分类笔记
论文网址:https://arxiv.org/abs/2205.12465论文代码:https://github.com/Wayfear/FBNETGEN英文是纯手打的!论文原文的summarizingandparaphrasing。可能会出现难以避免的拼写错误和语法错误,若有发现欢迎评论指正!文章偏向于笔记,谨慎食用!目录1.省流版1.1.心得1.2.论文总结图2.论文逐段精读2.1.Abstr
- [代码复现]FBNETGEN: Task-aware GNN-based fMRI Analysis via Functional Brain Network Generation
夏莉莉iy
代码复现深度学习人工智能学习图论笔记nlp
仅提供ABIDE数据集复现步骤,很简单。代码已经很新了目录1.论文资料2.代码复现步骤及可能存在的问题2.1.环境配置2.2.代码运行1.论文资料(1)论文原文:[2205.12465]FBNETGEN:Task-awareGNN-basedfMRIAnalysisviaFunctionalBrainNetworkGeneration(arxiv.org)(2)论文代码:GitHub-Wayfea
- DeepMind加持的GNN框架正式开源,TensorFlow进入图神经网络时代
Python数据挖掘
pythonpython深度学习神经网络
谷歌在垃圾邮件检测、流量估计以及YouTube内容标签等环境中使用了一种强大的工具GNN(图神经网络)。11月18日,谷歌联合DeepMind对外开源TensorFlowGNN工具,助力流量预测、谣言和假新闻检测、疾病传播建模、物理模拟等领域的基础研究。11月18日,谷歌联合DeepMind发布了TensorFlowGNN(图神经网络)。目前,谷歌已经在诸如垃圾邮件检测、流量估计以及YouTube
- Google刚刚推出了图神经网络Tensorflow-GNN
新加坡内哥谈技术
神经网络tensorflow人工智能
每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行!订阅:https://rengongzhineng.io/在当今数字化的世界里,对象及其之间的复杂关系构成了无数的网络,例如交通网络、生产网络、知
- Datawhale组队学习GNN-task04 数据完整存储与内存的数据集类+节点预测与边预测任务实践
79f3c66c2fe7
DataWhale开源学习资料:https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN6.1数据完全存于内存的数据集类学习在PyG中如何自定义一个数据完全存于内存的数据集类。InMemoryDataset基类简介根文件夹(root)raw_dirprocessed_dir传递的三个函数:transformpre_tra
- 论文笔记:NIPS 2020 Graph Contrastive Learning with Augmentations
饮冰l
图弱监督数据挖掘机器学习神经网络深度学习
前言本文主要提出在图对比学习大框架下的图数据增强的若干方法。概括来说,本文提出了一种图对比学习框架来无监督的完成图表示学习,首先作者提出了基于各种先验信息的四种图数据增强方法。然后,作者分析了在四种不同的图数据增强条件下,不同组合对多个数据集的影响:半监督、无监督、迁移学习以及对抗性攻击。作者为GNN的预训练提出了基于图数据增强的对比学习框架来解决图中数据异质性的挑战,本文的主要贡献如下:作者提出
- Graph Contrastive Learning with Augmentations
tutoujiehegaosou
Graph笔记
GraphCL学习笔记Abstract提出GNN对自监督学习和pre-training较少。本文提出了GraphCL框架,用于学习图的无监督表示。设计四种类型的数据增强,在不同的settings(learningrate,batchsize,dropout参数)下,研究这四种增强对不同数据集的影响。Introduction大多数graph-level的任务场景,GNN都是在监督的情况下进行端到端的
- Task02 消息传递图神经网络
沫2021
参考链接:https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN/Markdown%E7%89%88%E6%9C%AC/4-%E6%B6%88%E6%81%AF%E4%BC%A0%E9%80%92%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md一、引言消息传递范式是一种聚
- A.关于图计算&图学习的基础知识概览:前置知识点学习(Paddle Graph L)【一】
汀、人工智能
图计算图学习图论图神经网络人工智能
图学习图神经网络算法专栏简介:主要实现图游走模型(DeepWalk、node2vec);图神经网络算法(GCN、GAT、GraphSage),部分进阶GNN模型(UniMP标签传播、ERNIESage)模型算法等,完成项目实战专栏链接:图学习图神经网络算法专栏简介:含图算法(图游走模型、图神经网络算法等)原理+项目+代码实现+比赛前人栽树后人乘凉,本专栏提供资料:快速掌握图游走模型(DeepWal
- ECE755_gnn图神经网络(附完整工程)
_max_max
GNN神经网络人工智能深度学习fpga
ECE755_gnn图神经网络(附完整工程)ECE755课程要求任务1完成:题目要求MS1代码:仿真任务二完成题目要求MS2代码:仿真总结ECE755ECE755_sp23是加拿大渥太华大学(UniversityofOttawa)计算机工程系(SchoolofElectricalEngineeringandComputerScience)的一个研究生课程,涵盖了图神经网络(GraphNeuralN
- 《Beyond Homophily in Graph Neural Networks: Current Limitations and Effective Designs》阅读笔记
斯曦巍峨
GraphLearning异构图GNN
文章概述作者指出许多流行的GNN模型在泛化到异构图上时性能都很差,为此,作者确定了一组能够帮助提升GNN在异构图上性能的设计:自嵌入和邻居嵌入分离聚合更高阶的邻居将中间层的表示组合作为最后的表示作者将这些理念应用到了自己设计的H2GCN\text{H}_{2}\text{GCN}H2GCN上,半监督结点分类任务(semi-supervisednodeclassificationtask)的实验结果
- 人工智能福利站,初识人工智能,图神经网络学习,第一课
普修罗双战士
人工智能专栏人工智能神经网络学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一图神经网络专栏文章目录初识人工智能(图神经网络)一、图神经网络学习(1)01.什么是图神经网络(GNN)?02.图神经网络与传统神经网络的区别是什么?03.图神经网络有哪些主要的应用领域?04.请
- Python GCN、GAT、MP等图神经网络学习,从入门全面概述和讲解GNN,入门到精通图神经网络
医学小达人
推荐算法人工智能图神经网络图神经网络人工智能推荐系统
1.图的分类:1.1根据边的方向性:有向图(DirectedGraph):图中的边具有方向性,表示节点之间的单向关系。例如,A指向B的边表示节点A指向节点B。无向图(UndirectedGraph):图中的边没有方向性,表示节点之间的双向关系。例如,A和B之间的边表示节点A和节点B之间存在连接关系。1.2根据边的是否具有权重:加权图(WeightedGraph):图中的边具有权重,表示节点之间的强
- Transformer在GNN的前沿综述
数据派THU
transformer深度学习人工智能
本文约4500字,建议阅读10+分钟本文介绍了Graphormer,一种基于标准Transformer架构的图表示学习方法。1介绍Transformer架构在自然语言处理和计算机视觉等领域表现出色,但在图级预测中表现不佳。为了解决这个问题,本文介绍了Graphormer,一种基于标准Transformer架构的图表示学习方法,在广泛的图表示学习任务中取得了优异成绩,特别是在OGB大规模挑战中。Gr
- 《图机器学习》-GNN 《A Single Layer of a GNN》
白色的生活
图机器学习机器学习人工智能神经网络
GNN一、ASingleLayerofaGNN二、ClassicalGNNLayer1、GCN2、GraphSAGE3、GAT三、GNNLayerinPractice四、StackingGNNLayers一、ASingleLayerofaGNN单层的神经网络包括两个部分:消息转换(Message)信息聚合(Aggregation)GNNLayer=Message+AggregationGNN\La
- 《图机器学习》-GNN Augmentation and Training
白色的生活
图机器学习机器学习人工智能算法
GNNAugmentationandTraining一、GraphAugmentationforGNNs1、FeatureAugmentation2、Structureaugmentation3、NodeNeighborhoodSampling二、GNNTrainingPipeline1、Predictionheads2、SupervisedVSUnsupervised3、LossFunction
- GNN框架优化GNNAdvisor: An Adaptive and Efficient Runtime System for GNN Acceleration on GPUs
ILL.
神经网络性能优化gpu算力
OSDI’21AbstractGNNAdvisor从GNN模型和输入图中寻找与性能相关的特征,作为优化点实现为GNN计算定制的2D工作负载管理,提升GPU利用率和性能利用GPU内存结构,根据GPU内存结构和GNN工作负载的特点协调GNN的执行为了实现自动优化,继承了一个轻量级的分析模型进行参数搜索1.Introduction目前,支持GNN训练和推理的工作可以分为两类:图处理系统,融合神经操作神经
- Neural Improvement Heuristics for Graph Combinatorial Optimization Problems
Namnan
组合优化人工智能算法
NeuralImprovementHeuristicsforGraphCombinatorialOptimizationProblemsIEEETRANSACTIONSONNEURALNETWORKSANDLEARNINGSYSTEMS2023摘要图神经网络(GNN)架构的最新进展和增加的计算能力已经彻底改变了组合优化(CO)领域。在所提出的模型CO的问题,神经改进(NI)模型已经特别成功。然而,
- 1_图神经网络GNN基础知识学习
Waldocsdn
#图神经网络与可信AI人工智能安全与可信AI神经网络人工智能图神经网络
文章目录对B站前十个视频的补充内容视频链接图神经网络的介绍图神经网络的输入格式图的输入格式:例子:GNNs输入数据的结构GNNS中的MaxPooling“在图神经网络的各个点的特征组合中,对多个点做MaxPooling”这句话是什么意思?举例说明图神经网络中的MaxPooling图的基本组成解释1:解释2:举例说明实例:社交网络GNN的目的——整合特征1.整合特征2.Vertex(ornode)e
- QA-GNN: 使用语言模型和知识图谱的推理问答
AI知识图谱大本营
大模型人工智能
Abstract使用预训练语言模型(LMs)和知识图谱(KGs)的知识回答问题的问题涉及两个挑战:在给定的问答上下文(问题和答案选择)中,方法需要(i)从大型知识图谱中识别相关的知识,并且(ii)在问答上下文和知识图谱上进行联合推理。在这项工作中,我们提出了一个新的模型,QA-GNN,通过两个关键创新解决了上述挑战:(i)相关性评分,我们使用LMs来估计相对于给定的问答上下文,KG节点的重要性,以
- Spring4.1新特性——Spring MVC增强
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
- mysql 性能查询优化
annan211
javasql优化mysql应用服务器
1 时间到底花在哪了?
mysql在执行查询的时候需要执行一系列的子任务,这些子任务包含了整个查询周期最重要的阶段,这其中包含了大量为了
检索数据列到存储引擎的调用以及调用后的数据处理,包括排序、分组等。在完成这些任务的时候,查询需要在不同的地方
花费时间,包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
- windows系统配置
cherishLC
windows
删除Hiberfil.sys :使用命令powercfg -h off 关闭休眠功能即可:
http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html
类似的还有pagefile.sys
msconfig 配置启动项
shutdown 定时关机
ipconfig 查看网络配置
ipconfig /flushdns
- 人体的排毒时间
Array_06
工作
========================
|| 人体的排毒时间是什么时候?||
========================
转载于:
http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
- ZooKeeper
cugfy
zookeeper
Zookeeper是一个高性能,分布式的,开源分布式应用协调服务。它提供了简单原始的功能,分布式应用可以基于它实现更高级的服务,比如同步, 配置管理,集群管理,名空间。它被设计为易于编程,使用文件系统目录树作为数据模型。服务端跑在java上,提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现,是高有效和可靠的协同工作系统,Zookeeper能够用来lea
- 网络爬虫的乱码处理
随意而生
爬虫网络
下边简单总结下关于网络爬虫的乱码处理。注意,这里不仅是中文乱码,还包括一些如日文、韩文 、俄文、藏文之类的乱码处理,因为他们的解决方式 是一致的,故在此统一说明。 网络爬虫,有两种选择,一是选择nutch、hetriex,二是自写爬虫,两者在处理乱码时,原理是一致的,但前者处理乱码时,要看懂源码后进行修改才可以,所以要废劲一些;而后者更自由方便,可以在编码处理
- Xcode常用快捷键
张亚雄
xcode
一、总结的常用命令:
隐藏xcode command+h
退出xcode command+q
关闭窗口 command+w
关闭所有窗口 command+option+w
关闭当前
- mongoDB索引操作
adminjun
mongodb索引
一、索引基础: MongoDB的索引几乎与传统的关系型数据库一模一样,这其中也包括一些基本的优化技巧。下面是创建索引的命令: > db.test.ensureIndex({"username":1}) 可以通过下面的名称查看索引是否已经成功建立: &nbs
- 成都软件园实习那些话
aijuans
成都 软件园 实习
无聊之中,翻了一下日志,发现上一篇经历是很久以前的事了,悔过~~
断断续续离开了学校快一年了,习惯了那里一天天的幼稚、成长的环境,到这里有点与世隔绝的感觉。不过还好,那是刚到这里时的想法,现在感觉在这挺好,不管怎么样,最要感谢的还是老师能给这么好的一次催化成长的机会,在这里确实看到了好多好多能想到或想不到的东西。
都说在外面和学校相比最明显的差距就是与人相处比较困难,因为在外面每个人都
- Linux下FTP服务器安装及配置
ayaoxinchao
linuxFTP服务器vsftp
检测是否安装了FTP
[root@localhost ~]# rpm -q vsftpd
如果未安装:package vsftpd is not installed 安装了则显示:vsftpd-2.0.5-28.el5累死的版本信息
安装FTP
运行yum install vsftpd命令,如[root@localhost ~]# yum install vsf
- 使用mongo-java-driver获取文档id和查找文档
BigBird2012
driver
注:本文所有代码都使用的mongo-java-driver实现。
在MongoDB中,一个集合(collection)在概念上就类似我们SQL数据库中的表(Table),这个集合包含了一系列文档(document)。一个DBObject对象表示我们想添加到集合(collection)中的一个文档(document),MongoDB会自动为我们创建的每个文档添加一个id,这个id在
- JSONObject以及json串
bijian1013
jsonJSONObject
一.JAR包简介
要使程序可以运行必须引入JSON-lib包,JSON-lib包同时依赖于以下的JAR包:
1.commons-lang-2.0.jar
2.commons-beanutils-1.7.0.jar
3.commons-collections-3.1.jar
&n
- [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性
bit1129
zookeeper
为了说明问题,看个简单的代码,
import org.apache.zookeeper.*;
import java.io.IOException;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ThreadLocal
- 【Scala十二】Scala核心六:Trait
bit1129
scala
Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
- weblogic version 10.3破解
ronin47
weblogic
版本:WebLogic Server 10.3
说明:%DOMAIN_HOME%:指WebLogic Server 域(Domain)目录
例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain
1.为了保证操作安全,备份%DOMAIN_HOME%/security/Defa
- 求第n个斐波那契数
BrokenDreams
今天看到群友发的一个问题:写一个小程序打印第n个斐波那契数。
自己试了下,搞了好久。。。基础要加强了。
&nbs
- 读《研磨设计模式》-代码笔记-访问者模式-Visitor
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.List;
interface IVisitor {
//第二次分派,Visitor调用Element
void visitConcret
- MatConvNet的excise 3改为网络配置文件形式
cherishLC
matlab
MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包,可以使用GPU。
主页:
http://www.vlfeat.org/matconvnet/
教程:
http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html
注意:需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet:
http
- ZK Timeout再讨论
chenchao051
zookeepertimeouthbase
http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题,但是又出现了一个问题,我把min和max都设置成了180000,但是仍然出现了以下的异常信息:
Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
- CASE WHEN 用法介绍
daizj
sqlgroup bycase when
CASE WHEN 用法介绍
1. CASE WHEN 表达式有两种形式
--简单Case函数
CASE sex
WHEN '1' THEN '男'
WHEN '2' THEN '女'
ELSE '其他' END
--Case搜索函数
CASE
WHEN sex = '1' THEN
- PHP技巧汇总:提高PHP性能的53个技巧
dcj3sjt126com
PHP
PHP技巧汇总:提高PHP性能的53个技巧 用单引号代替双引号来包含字符串,这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量, 单引号则不会,注意:只有echo能这么做,它是一种可以把多个字符串当作参数的函数译注: PHP手册中说echo是语言结构,不是真正的函数,故把函数加上了双引号)。 1、如果能将类的方法定义成static,就尽量定义成static,它的速度会提升将近4倍
- Yii框架中CGridView的使用方法以及详细示例
dcj3sjt126com
yii
CGridView显示一个数据项的列表中的一个表。
表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。 CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。
实例代码如下:
- Maven项目打包成可执行Jar文件
dyy_gusi
assembly
Maven项目打包成可执行Jar文件
在使用Maven完成项目以后,如果是需要打包成可执行的Jar文件,我们通过eclipse的导出很麻烦,还得指定入口文件的位置,还得说明依赖的jar包,既然都使用Maven了,很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作,使用assembly插件。具体使用方式如下:
1、在项目中加入插件的依赖:
<plugin>
- php常见错误
geeksun
PHP
1. kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
- 修改linux的用户名
hongtoushizi
linuxchange password
Change Linux Username
更改Linux用户名,需要修改4个系统的文件:
/etc/passwd
/etc/shadow
/etc/group
/etc/gshadow
古老/传统的方法是使用vi去直接修改,但是这有安全隐患(具体可自己搜一下),所以后来改成使用这些命令去代替:
vipw
vipw -s
vigr
vigr -s
具体的操作顺
- 第五章 常用Lua开发库1-redis、mysql、http客户端
jinnianshilongnian
nginxlua
对于开发来说需要有好的生态开发库来辅助我们快速开发,而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。
一些常见的Lua库可以在github上搜索,https://github.com/search?utf8=%E2%9C%93&q=lua+resty。
Redis客户端
lua-resty-r
- zkClient 监控机制实现
liyonghui160com
zkClient 监控机制实现
直接使用zk的api实现业务功能比较繁琐。因为要处理session loss,session expire等异常,在发生这些异常后进行重连。又因为ZK的watcher是一次性的,如果要基于wather实现发布/订阅模式,还要自己包装一下,将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能,比如分布式锁,leader选举
- 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句
pda158
mysql
在Mysql 众多表中查找一个表名或者字段名的 SQL 语句:
方法一:SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name';
方法二:SELECT column_name from information_schema.colum
- 程序员对英语的依赖
Smile.zeng
英语程序猿
1、程序员最基本的技能,至少要能写得出代码,当我们还在为建立类的时候思考用什么单词发牢骚的时候,英语与别人的差距就直接表现出来咯。
2、程序员最起码能认识开发工具里的英语单词,不然怎么知道使用这些开发工具。
3、进阶一点,就是能读懂别人的代码,有利于我们学习人家的思路和技术。
4、写的程序至少能有一定的可读性,至少要人别人能懂吧...
以上一些问题,充分说明了英语对程序猿的重要性。骚年
- Oracle学习笔记(8) 使用PLSQL编写触发器
vipbooks
oraclesql编程活动Access
时间过得真快啊,转眼就到了Oracle学习笔记的最后个章节了,通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧,这东东如果一段时间不用很快就会忘记了,所以我会把自己学习过的东西做好详细的笔记,用到的时候可以随时查找,马上上手!希望这些笔记能对大家有些帮助!
这是第八章的学习笔记,学习完第七章的子程序和包之后