- 书籍-《掌握Transformer:从BERT到大模型和Stable Diffusion(第二版)》
书籍:MasteringTransformers:TheJourneyfromBERTtoLargeLanguageModelsandStableDiffusion,2ndEdition作者:SavaşYıldırım,MeysamAsgari-Chenaghlu出版:PacktPublishing编辑:陈萍萍的公主@一点人工一点智能下载:书籍下载-《掌握Transformer:从BERT到大模型
- 红 - 黑树和 B+树?
百态老人
笔记
红黑树是一种自平衡二叉查找树,由RudolfBayer发明,在1978年被LeoJ.Guibas和RobertSedgewick改称为“红黑树”。它的特点包括每个节点非红即黑;根节点是黑色;每个叶子节点都是黑色的空节点;如果一个节点是红色的,那么它的两个子节点都是黑色;从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。在Java集合框架中,很多部分如HashMap、TreeMap、Tree
- Lua 5.1 参考手册
weixin_30822451
Lua5.1参考手册byRobertoIerusalimschy,LuizHenriquedeFigueiredo,WaldemarCeles云风译www.codingnow.comCopyright©2006Lua.org,PUC-Rio.Allrightsreserved.1-介绍Lua是一个扩展式程序设计语言,它被设计成支持通用的过程式编程,并有相关数据描述的设施。Lua也能对面向对象编程,
- CAP与BASE:分布式系统设计的灵魂与妥协
后端java分布式
CAP理论CAP理论起源于2000年,由加州大学伯克利分校的EricBrewer教授在分布式计算原理研讨会(PODC)上提出,因此CAP定理又被称作布鲁尔定理(Brewer’stheorem)2年后,麻省理工学院的SethGilbert和NancyLynch发表了布鲁尔猜想的证明,CAP理论正式成为分布式领域的定理。简介CAP也就是Consistency(一致性)、Availability(可用性
- 知识图谱大模型系列之 11什么是 Neo4j LLM 知识图谱构建器?
知识大胖
NVIDIAGPU和大语言模型开发教程知识图谱neo4j人工智能llm
简介LLM知识图谱构建器是Neo4j的GraphRAG生态系统工具之一,可让您将非结构化数据转换为动态知识图谱。它与检索增强生成(RAG)聊天机器人集成,可实现自然语言查询和对数据的可解释洞察。推荐文章《使用ChatGPT从视频脚本创建知识图谱,使用GPT-4作为领域专家来帮助您从视频转录中提取知识(教程含完整源码)》权重2,知识图谱类《赋能知识图谱形成:利用BERTopic、DataMapPlo
- 大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统_bert+lstm
2301_76348014
程序员深度学习大数据知识图谱
文章目录大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统一、项目概述二、系统实现基本流程三、项目工具所用的版本号四、所需要软件的安装和使用五、开发技术简介Django技术介绍Neo4j数据库Bootstrap4框架Echarts简介NavicatPremium15简介Layui简介Python语言介绍MySQL数据库深度学习六、核心理论贪心算法A
- 深度剖析DeepSeek本地部署:技术、实践与优化策略
Abossss
AI论文pythonai人工智能
一、引言1.1研究背景与意义近年来,人工智能技术以迅猛之势蓬勃发展,成为推动各行业变革的核心力量。其中,大语言模型(LLMs)作为人工智能领域的关键技术,在自然语言处理、智能客服、内容创作等众多领域展现出了强大的应用潜力,引发了学术界和产业界的广泛关注。OpenAI的GPT系列模型凭借其出色的语言理解与生成能力,在全球范围内掀起了AI应用的热潮;Google的BERT模型则在自然语言理解任务中取得
- 一、大模型微调的前沿技术与应用
伯牙碎琴
大模型微调人工智能大模型微调Deepseek
大模型微调的前沿技术与应用随着大规模预训练模型(如GPT、BERT、T5等)的广泛应用,大模型微调(Fine-Tuning,FT)成为了提升模型在特定任务中性能的关键技术。通过微调,开发者可以根据实际需求调整预训练模型的参数,使其更好地适应特定应用场景。本文将介绍大模型微调技术的前沿发展,分析不同微调方法的特点、适用场景以及优缺点,并对它们进行系统分类。微调技术的重要性大模型微调能够帮助开发者根据
- AI 大模型创业:如何利用市场优势?
SuperAGI2025
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
AI大模型创业:如何利用市场优势?1.背景介绍随着人工智能技术的不断发展,大模型(LargeModels)在商业化应用中日益受到关注。大模型是指在特定领域中应用广泛、参数量巨大的神经网络模型,如BERT、GPT-3、DALL-E等。这些大模型通过在大规模数据集上进行预训练,具备强大的泛化能力和适应性,能够广泛应用于自然语言处理(NLP)、计算机视觉(CV)、生成对抗网络(GAN)等多个领域。然而,
- Transformer以及BERT阅读参考博文
mumukehao
文本属性图文本属性图
Transformer以及BERT阅读参考博文Transformer学习:已有博主的讲解特别好了:李沐:Transformer论文逐段精读【论文精读】_哔哩哔哩_bilibili知乎:Transformer模型详解(图解最完整版)-知乎个人杂想:QKT∗VQK^{T}*VQKT∗V中,QKTQK^TQKT其实可以理解为相似性矩阵S,那么S∗VS*VS∗V其实就相当于相似性矩阵对原始的嵌入加权求和。
- AI大模型(如GPT、BERT等)可以通过自然语言处理(NLP)和机器学习技术,显著提升测试效率
小赖同学啊
python人工智能自动化测试(apppcAPI)人工智能自然语言处理gpt
在软件测试中,AI大模型(如GPT、BERT等)可以通过自然语言处理(NLP)和机器学习技术,显著提升测试效率。以下是几个具体的应用场景及对应的代码实现示例:1.自动生成测试用例AI大模型可以根据需求文档或用户故事自动生成测试用例。代码示例(使用OpenAIGPTAPI):importopenai#设置OpenAIAPI密钥openai.api_key="your-openai-api-key"#
- 大语言模型原理基础与前沿 通过稀疏MoE扩展视觉语言模型
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战AI大模型应用入门实战与进阶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
大语言模型原理基础与前沿通过稀疏MoE扩展视觉语言模型1.背景介绍在人工智能领域,语言模型和视觉模型的结合已经成为一个重要的研究方向。大语言模型(LargeLanguageModels,LLMs)如GPT-3、BERT等,已经在自然语言处理(NLP)任务中取得了显著的成果。而视觉语言模型(Vision-LanguageModels,VLMs)则通过结合视觉和语言信息,进一步提升了模型在多模态任务中
- 上下文扩展技术-详细解释Longformer和BigBird的主要创新;详细说明bert原理,并说一说他的上下文限制是怎么来的
AI生成曾小健
人工智能
答案LongformerLongformer是为有效处理长文本序列而设计的Transformer模型,它通过结合滑动窗口注意力机制和扩张注意力模式来捕捉局部和远距离的上下文信息,并通过全局注意力来捕捉整个文档的广泛背景和联系1.Keyinnovations:滑动窗口注意力Longformer使用滑动窗口方法处理本地上下文信息1.扩张注意力模式扩张注意力模式能够捕捉到远处的上下文信息,这对于处理冗长
- ALBERT:轻量级的BERT,用于语言表征的自监督学习
人工智能
ALBERT:轻量级的BERT,用于语言表征的自监督学习阅读时长:19分钟发布时间:2025-02-13近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】ALBERT提出了特定的参数缩减技术,以降低内存消耗并提高BERT的训练速度。模型架构选择ALBERT架构的主干与BERT类似,它使用带
- Golang怎么入门
wwwenhx
golang开发语言后端
Golang入门教程:从基础到进阶Golang是由Google开发的一种开源编程语言,它因其简洁、性能高效以及并发处理能力而受到开发者的广泛青睐。无论是系统级编程、网络编程,还是开发高并发的应用程序,Go都表现得非常出色。如果你刚接触Go编程语言,本文将为你提供一个全面的入门指南,帮助你快速掌握Go的基本语法和常用特性。1.Golang简介Go语言诞生于2007年,由Google的RobertGr
- 【2025版】最新AI大模型NLP全面解析,零基础入门到精通,收藏这篇就够了
程序员二飞
人工智能自然语言处理服务器学习知识图谱
近年来,随着深度学习技术的飞速发展,AI大模型作为人工智能领域的重要研究对象,正逐步成为学术界和产业界广泛关注的热点议题。AI大模型,作为一类具备庞大参数规模与卓越学习能力的神经网络模型,如BERT、GPT等,已在自然语言处理、计算机视觉等多个领域展现出卓越成效,极大地推动了相关领域的技术进步。前排提示,文末有大模型AGI-CSDN独家资料包哦!AI大模型的价值不仅体现于其庞大的参数规模与强大的学
- Open Liberty使用指南及微服务开发示例(五)
自由鬼
Java程序开源产品及技术IT应用探讨javaLibertyibm微服务
续前篇十九、实现租户行为日志的自动归档目前,我们已经实现日志导出,但日志会无限增长,占用数据库空间。现在,我们要实现:✅定期归档旧日志(每3个月)✅归档数据存储为CSV/Excel✅归档后自动清理旧日志,减少数据库负担方案设计归档策略:1️⃣每3个月归档一次(定时任务执行)2️⃣归档数据存储到/logs/archive/YYYY-MM.csv或/logs/archive/YYYY-MM.xlsx3
- 解决:libssl.so.10: cannot open shared object file: No such file or directory
铭147
bert人工智能深度学习
RuntimeError:Failedtoimporttransformers.models.bertbecauseofthefollowingerror(lookuptoseeitstraceback):libssl.so.10:cannotopensharedobjectfile:Nosuchfileordirectory遇到上面的这种错误不要急着去修改系统文件,很大可能是引用的包有问题!像这
- 预训练语言模型:从BERT到GPT,NLP的新纪元
Evaporator Core
自然语言处理人工智能Python开发经验自然语言处理语言模型bert
自然语言处理(NLP)在过去几年中经历了翻天覆地的变化,而这一变化的催化剂无疑是预训练语言模型(Pre-trainedLanguageModels,PLMs)的崛起。从BERT到GPT,这些模型不仅在学术研究中取得了突破性进展,也在工业界得到了广泛应用。本文将深入探讨预训练语言模型的原理、发展历程以及如何在实际项目中应用这些强大的工具。1.预训练语言模型的背景在深度学习时代之前,NLP任务主要依赖
- 【人工智能领域优质书籍】实战AI大模型
秋说
赠书活动AI大模型
【文末送书】今天推荐一本人工智能领域好书《实战AI大模型》文章目录导语书籍亮点初学者必备文末送书导语人工智能领域资深专家尤洋老师倾力打造,获得了李开复、周鸿祎、颜水成三位大咖鼎力推荐,一经上市就登上了京东“计算机与互联网”图书排行榜Top1的宝座。书籍亮点1.全面Al知识结构:从基础理论到最前沿的实践应用,全面覆盖了’Al大模型领域,包括Transformer模型、BERT、ALBERT、T5、G
- deepseek学习笔记
wsnzou
学习笔记
原计划是基于BERT或者GPT做一些自然语言处理的应用研究,deepseek出来之后,决定使用deepseek来做,相信能够获得更好的效果。1、deepseek的论文deepseek的论文《DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning》于2025年1月下旬同步发布在了github和arxiv上。
- Open Liberty使用指南及开发示例(二)
自由鬼
IT应用探讨Java程序开源产品及技术java开发语言Libertyibm微服务
续上篇七、实现动态权限分配目前,我们的系统基于角色(Role)进行权限控制,但角色权限是固定的。现在,我们要实现:✅用户可动态分配权限(而不是仅靠角色)✅每个用户可以拥有不同的权限集(CRUD操作可灵活授权)✅管理员可管理用户权限方案设计采用基于权限的访问控制(PBAC-Permission-BasedAccessControl)用户→拥有多个权限(READ,CREATE,UPDATE,DELET
- Open Liberty使用指南及开发示例(一)
自由鬼
IT应用探讨开源产品及技术Java程序微服务javaLibertyibm
OpenLiberty是一个轻量级、云原生的Java运行时,主要用于运行JakartaEE和MicroProfile应用。它的核心特点是模块化、快速启动和良好的可观测性。一、使用OpenLiberty+MicroProfile进行微服务开发核心步骤:选择MicroProfile运行时(下载OpenLibertymicroProfile版)配置服务器(启用MicroProfile相关功能)开发RES
- 详解Redis中lua脚本和事务
优人ovo
redislua数据库
Inlearningknowledge,oneshouldbegoodatthinking,thinking,andthinkingagain.—-AlbertEinstein引言Lua脚本的原子性和事务的ACID特性想必大家都很熟悉,本篇文章将从性能表现和原理帮助我们快速理解他们基本概念1.RedisLua脚本从2.6版本起,Redis开始支持Lua脚本。开发者能够将一系列Redis命令封装于一
- 【深度学习】常见模型-BERT(Bidirectional Encoder Representations from Transformers)(双向编码器表示)
IT古董
深度学习人工智能深度学习bert人工智能
BERT(BidirectionalEncoderRepresentationsfromTransformers)BERT是什么?BERT是Google在2018年推出的NLP(自然语言处理)模型,全称BidirectionalEncoderRepresentationsfromTransformers(双向编码器表示)。BERT采用Transformer结构,并使用双向(Bidirectiona
- Go语言入门:从安装到环境配置
程序员
Go语言入门:从安装到环境配置一、初识Go语言嘿,还记得2009年Go语言横空出世的时候吗?那可真是让整个编程界都沸腾了!这个由Google的三位大神级工程师-RobertGriesemer、RobPike和KenThompson(对,就是那个写出Unix的大佬)一起搞出来的新语言,简直让人眼前一亮。说实话,他们最初就是想解决自己在Google内部开发时的烦恼,特别是在处理多核、网络通信和大型项目
- 动态词表采样:一种控制模型词表大小的新方法
东方佑
量子变法pandaspython
在自然语言处理(NLP)领域,词汇量的大小直接影响着模型的复杂度和性能。面对超大规模的词表,如何有效地管理和利用这些词汇成为了研究者们关注的重点。本文将探讨一种创新的方法——通过动态采样方式从原始词表中提取有效词汇,并限制词表大小在8192以内,同时保留对更大规模词表内容表达的能力。背景介绍随着深度学习技术的发展,尤其是Transformer架构的成功应用,预训练语言模型如BERT、GPT等取得了
- 多模态大模型:技术原理与实战 多模态大模型在情绪识别领域的应用
杭州大厂Java程序媛
DeepSeekR1&AI人工智能与大数据javapythonjavascriptkotlingolang架构人工智能
多模态大模型:技术原理与实战多模态大模型在情绪识别领域的应用1.背景介绍1.1问题由来近年来,深度学习技术在图像、语音、文本等多个模态的语音识别、视觉识别、自然语言处理等领域取得了重大突破。其中,多模态大模型(Multi-ModalLargeModel)以其强大的跨模态理解和融合能力,成为当下人工智能技术发展的热点。传统的单一模态大模型,如BERT、GPT等,尽管在各自模态上有着卓越的表现,但在处
- 红黑树与布隆过滤器的了解
胡图蛋.
mysqljava
红黑树介绍红黑树(RedBlackTree)是一种自平衡二叉查找树。它是在1972年由RudolfBayer发明的,当时被称为平衡二叉B树(symmetricbinaryB-trees)。后来,在1978年被LeoJ.Guibas和RobertSedgewick修改为如今的“红黑树”。由于其自平衡的特性,保证了最坏情形下在O(logn)时间复杂度内完成查找、增加、删除等操作,性能表现稳定。在JDK
- 解决IBM Liberty 部署Springboot 应用遇到StackOverflow的问题
tomcat1010
springbootjavaweb容器
客户最近要求把一个Springboot应用从was9迁移部署至liberty20,jar包部署,自启动没问题,但部署到liberty上server.xml配置如下:javaee-8.0springBoot-2.0localConnector-1.0websocket-1.1-->--><!--AutomaticallyexpandWARfilesandEARf
- java类加载顺序
3213213333332132
java
package com.demo;
/**
* @Description 类加载顺序
* @author FuJianyong
* 2015-2-6上午11:21:37
*/
public class ClassLoaderSequence {
String s1 = "成员属性";
static String s2 = "
- Hibernate与mybitas的比较
BlueSkator
sqlHibernate框架ibatisorm
第一章 Hibernate与MyBatis
Hibernate 是当前最流行的O/R mapping框架,它出身于sf.net,现在已经成为Jboss的一部分。 Mybatis 是另外一种优秀的O/R mapping框架。目前属于apache的一个子项目。
MyBatis 参考资料官网:http:
- php多维数组排序以及实际工作中的应用
dcj3sjt126com
PHPusortuasort
自定义排序函数返回false或负数意味着第一个参数应该排在第二个参数的前面, 正数或true反之, 0相等usort不保存键名uasort 键名会保存下来uksort 排序是对键名进行的
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8&q
- DOM改变字体大小
周华华
前端
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- c3p0的配置
g21121
c3p0
c3p0是一个开源的JDBC连接池,它实现了数据源和JNDI绑定,支持JDBC3规范和JDBC2的标准扩展。c3p0的下载地址是:http://sourceforge.net/projects/c3p0/这里可以下载到c3p0最新版本。
以在spring中配置dataSource为例:
<!-- spring加载资源文件 -->
<bean name="prope
- Java获取工程路径的几种方法
510888780
java
第一种:
File f = new File(this.getClass().getResource("/").getPath());
System.out.println(f);
结果:
C:\Documents%20and%20Settings\Administrator\workspace\projectName\bin
获取当前类的所在工程路径;
如果不加“
- 在类Unix系统下实现SSH免密码登录服务器
Harry642
免密ssh
1.客户机
(1)执行ssh-keygen -t rsa -C "
[email protected]"生成公钥,xxx为自定义大email地址
(2)执行scp ~/.ssh/id_rsa.pub root@xxxxxxxxx:/tmp将公钥拷贝到服务器上,xxx为服务器地址
(3)执行cat
- Java新手入门的30个基本概念一
aijuans
javajava 入门新手
在我们学习Java的过程中,掌握其中的基本概念对我们的学习无论是J2SE,J2EE,J2ME都是很重要的,J2SE是Java的基础,所以有必要对其中的基本概念做以归纳,以便大家在以后的学习过程中更好的理解java的精髓,在此我总结了30条基本的概念。 Java概述: 目前Java主要应用于中间件的开发(middleware)---处理客户机于服务器之间的通信技术,早期的实践证明,Java不适合
- Memcached for windows 简单介绍
antlove
javaWebwindowscachememcached
1. 安装memcached server
a. 下载memcached-1.2.6-win32-bin.zip
b. 解压缩,dos 窗口切换到 memcached.exe所在目录,运行memcached.exe -d install
c.启动memcached Server,直接在dos窗口键入 net start "memcached Server&quo
- 数据库对象的视图和索引
百合不是茶
索引oeacle数据库视图
视图
视图是从一个表或视图导出的表,也可以是从多个表或视图导出的表。视图是一个虚表,数据库不对视图所对应的数据进行实际存储,只存储视图的定义,对视图的数据进行操作时,只能将字段定义为视图,不能将具体的数据定义为视图
为什么oracle需要视图;
&
- Mockito(一) --入门篇
bijian1013
持续集成mockito单元测试
Mockito是一个针对Java的mocking框架,它与EasyMock和jMock很相似,但是通过在执行后校验什么已经被调用,它消除了对期望 行为(expectations)的需要。其它的mocking库需要你在执行前记录期望行为(expectations),而这导致了丑陋的初始化代码。
&nb
- 精通Oracle10编程SQL(5)SQL函数
bijian1013
oracle数据库plsql
/*
* SQL函数
*/
--数字函数
--ABS(n):返回数字n的绝对值
declare
v_abs number(6,2);
begin
v_abs:=abs(&no);
dbms_output.put_line('绝对值:'||v_abs);
end;
--ACOS(n):返回数字n的反余弦值,输入值的范围是-1~1,输出值的单位为弧度
- 【Log4j一】Log4j总体介绍
bit1129
log4j
Log4j组件:Logger、Appender、Layout
Log4j核心包含三个组件:logger、appender和layout。这三个组件协作提供日志功能:
日志的输出目标
日志的输出格式
日志的输出级别(是否抑制日志的输出)
logger继承特性
A logger is said to be an ancestor of anothe
- Java IO笔记
白糖_
java
public static void main(String[] args) throws IOException {
//输入流
InputStream in = Test.class.getResourceAsStream("/test");
InputStreamReader isr = new InputStreamReader(in);
Bu
- Docker 监控
ronin47
docker监控
目前项目内部署了docker,于是涉及到关于监控的事情,参考一些经典实例以及一些自己的想法,总结一下思路。 1、关于监控的内容 监控宿主机本身
监控宿主机本身还是比较简单的,同其他服务器监控类似,对cpu、network、io、disk等做通用的检查,这里不再细说。
额外的,因为是docker的
- java-顺时针打印图形
bylijinnan
java
一个画图程序 要求打印出:
1.int i=5;
2.1 2 3 4 5
3.16 17 18 19 6
4.15 24 25 20 7
5.14 23 22 21 8
6.13 12 11 10 9
7.
8.int i=6
9.1 2 3 4 5 6
10.20 21 22 23 24 7
11.19
- 关于iReport汉化版强制使用英文的配置方法
Kai_Ge
iReport汉化英文版
对于那些具有强迫症的工程师来说,软件汉化固然好用,但是汉化不完整却极为头疼,本方法针对iReport汉化不完整的情况,强制使用英文版,方法如下:
在 iReport 安装路径下的 etc/ireport.conf 里增加红色部分启动参数,即可变为英文版。
# ${HOME} will be replaced by user home directory accordin
- [并行计算]论宇宙的可计算性
comsci
并行计算
现在我们知道,一个涡旋系统具有并行计算能力.按照自然运动理论,这个系统也同时具有存储能力,同时具备计算和存储能力的系统,在某种条件下一般都会产生意识......
那么,这种概念让我们推论出一个结论
&nb
- 用OpenGL实现无限循环的coverflow
dai_lm
androidcoverflow
网上找了很久,都是用Gallery实现的,效果不是很满意,结果发现这个用OpenGL实现的,稍微修改了一下源码,实现了无限循环功能
源码地址:
https://github.com/jackfengji/glcoverflow
public class CoverFlowOpenGL extends GLSurfaceView implements
GLSurfaceV
- JAVA数据计算的几个解决方案1
datamachine
javaHibernate计算
老大丢过来的软件跑了10天,摸到点门道,正好跟以前攒的私房有关联,整理存档。
-----------------------------华丽的分割线-------------------------------------
数据计算层是指介于数据存储和应用程序之间,负责计算数据存储层的数据,并将计算结果返回应用程序的层次。J
&nbs
- 简单的用户授权系统,利用给user表添加一个字段标识管理员的方式
dcj3sjt126com
yii
怎么创建一个简单的(非 RBAC)用户授权系统
通过查看论坛,我发现这是一个常见的问题,所以我决定写这篇文章。
本文只包括授权系统.假设你已经知道怎么创建身份验证系统(登录)。 数据库
首先在 user 表创建一个新的字段(integer 类型),字段名 'accessLevel',它定义了用户的访问权限 扩展 CWebUser 类
在配置文件(一般为 protecte
- 未选之路
dcj3sjt126com
诗
作者:罗伯特*费罗斯特
黄色的树林里分出两条路,
可惜我不能同时去涉足,
我在那路口久久伫立,
我向着一条路极目望去,
直到它消失在丛林深处.
但我却选了另外一条路,
它荒草萋萋,十分幽寂;
显得更诱人,更美丽,
虽然在这两条小路上,
都很少留下旅人的足迹.
那天清晨落叶满地,
两条路都未见脚印痕迹.
呵,留下一条路等改日再
- Java处理15位身份证变18位
蕃薯耀
18位身份证变15位15位身份证变18位身份证转换
15位身份证变18位,18位身份证变15位
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 201
- SpringMVC4零配置--应用上下文配置【AppConfig】
hanqunfeng
springmvc4
从spring3.0开始,Spring将JavaConfig整合到核心模块,普通的POJO只需要标注@Configuration注解,就可以成为spring配置类,并通过在方法上标注@Bean注解的方式注入bean。
Xml配置和Java类配置对比如下:
applicationContext-AppConfig.xml
<!-- 激活自动代理功能 参看:
- Android中webview跟JAVASCRIPT中的交互
jackyrong
JavaScripthtmlandroid脚本
在android的应用程序中,可以直接调用webview中的javascript代码,而webview中的javascript代码,也可以去调用ANDROID应用程序(也就是JAVA部分的代码).下面举例说明之:
1 JAVASCRIPT脚本调用android程序
要在webview中,调用addJavascriptInterface(OBJ,int
- 8个最佳Web开发资源推荐
lampcy
编程Web程序员
Web开发对程序员来说是一项较为复杂的工作,程序员需要快速地满足用户需求。如今很多的在线资源可以给程序员提供帮助,比如指导手册、在线课程和一些参考资料,而且这些资源基本都是免费和适合初学者的。无论你是需要选择一门新的编程语言,或是了解最新的标准,还是需要从其他地方找到一些灵感,我们这里为你整理了一些很好的Web开发资源,帮助你更成功地进行Web开发。
这里列出10个最佳Web开发资源,它们都是受
- 架构师之面试------jdk的hashMap实现
nannan408
HashMap
1.前言。
如题。
2.详述。
(1)hashMap算法就是数组链表。数组存放的元素是键值对。jdk通过移位算法(其实也就是简单的加乘算法),如下代码来生成数组下标(生成后indexFor一下就成下标了)。
static int hash(int h)
{
h ^= (h >>> 20) ^ (h >>>
- html禁止清除input文本输入缓存
Rainbow702
html缓存input输入框change
多数浏览器默认会缓存input的值,只有使用ctl+F5强制刷新的才可以清除缓存记录。
如果不想让浏览器缓存input的值,有2种方法:
方法一: 在不想使用缓存的input中添加 autocomplete="off";
<input type="text" autocomplete="off" n
- POJO和JavaBean的区别和联系
tjmljw
POJOjava beans
POJO 和JavaBean是我们常见的两个关键字,一般容易混淆,POJO全称是Plain Ordinary Java Object / Pure Old Java Object,中文可以翻译成:普通Java类,具有一部分getter/setter方法的那种类就可以称作POJO,但是JavaBean则比 POJO复杂很多, Java Bean 是可复用的组件,对 Java Bean 并没有严格的规
- java中单例的五种写法
liuxiaoling
java单例
/**
* 单例模式的五种写法:
* 1、懒汉
* 2、恶汉
* 3、静态内部类
* 4、枚举
* 5、双重校验锁
*/
/**
* 五、 双重校验锁,在当前的内存模型中无效
*/
class LockSingleton
{
private volatile static LockSingleton singleton;
pri