- 解空间树等算法的名词解释
产幻少年
算法算法
解空间树:所有可能的解构成的树搜索空间树:在解空间树上进行剪枝后的树,只保留了有希望产生最优解的部分画搜索空间树:一定要先画解空间树,搜索空间树一定是解空间树的一部分。只要访问过某个节点就要画出来,就算这个节点不满足要求,如果被剪枝,那只不过是这个节点的子树不用画目标函数:指最终需要最大或最小化的函数,是问题求解的目标。约束函数:用来排除不满足问题条件的解,约束函数必须满足,否则解是无效的限界函数
- 深度神经网络——决策树的实现与剪枝
知来者逆
人工智能dnn决策树人工智能神经网络深度学习机器学习
概述决策树是一种有用的机器学习算法,用于回归和分类任务。“决策树”这个名字来源于这样一个事实:算法不断地将数据集划分为越来越小的部分,直到数据被划分为单个实例,然后对实例进行分类。如果您要可视化算法的结果,类别的划分方式将类似于一棵树和许多叶子。这是决策树的快速定义,但让我们深入了解决策树的工作原理。更好地了解决策树的运作方式及其用例,将帮助您了解何时在机器学习项目中使用它们。决策树的结构决策树的
- Python 使用Pygame库实现扩展复杂井字棋游戏:实现 AI 算法优化,包括 MiniMax 算法和 Alpha-Beta 剪枝算法、检查胜利条件、绘制界面
程序熊.
python经验分享娱乐游戏pygame
1.介绍在本项目中,我们将使用Python编程语言和Pygame库来实现一个扩展的井字棋游戏。井字棋是一款简单而经典的棋类游戏,通过在3x3的棋盘上进行落子,玩家和电脑轮流进行,先在一条直线上成功连成三个自己的棋子的玩家获胜。在这个项目中,我们将实现基本的游戏逻辑、玩家操作、界面展示以及一些扩展功能,如AI算法优化、游戏界面美化、多种游戏模式等。2.环境设置确保你的电脑上已经安装了Python和P
- day23 第七章 回溯算法part02
mvufi
算法
组合问题:同一个集合,startindex允许重复元素startindex从i开始不允许重复元素,startindex从i+1开始不同集合,index(可以用for,不用用回溯)for循环,横向遍历,控制组合不重复;递归,for内部,纵向便利,控制组合内元素如何构成。剪枝从元素个数和元素和入手,元素和用排序+剪枝,都是在for的结束上做文章39.组合总和如果是一个集合来求组合的话,就需要start
- 蓝桥杯备考:DFS剪枝之数的划分
无敌大饺子 1
蓝桥杯深度优先剪枝
这道题和组合型枚举差不多,比如我们从第一个数开始填,到第二个数的时候,21明显是重复了,我们就没必要继续往下递归了,这个叫剪掉等效冗余分支,然后还有就是,比如我们2开始的枝头,222,223,224,225,我们222的时候就已经比5大了,这时候我们再递归算后面的就没用了,我们3开始的时候,344,345肯定是更大的了所以这条就是我们的可行性剪枝,我们把后面的分支全部剪掉就行了#includeus
- [论文笔记] LLM大模型剪枝篇——2、剪枝总体方案
心心喵
论文笔记剪枝算法机器学习
https://github.com/sramshetty/ShortGPT/tree/mainMy剪枝方案(暂定):剪枝目标:1.5B—>100~600M剪枝方法:层粒度剪枝1、基于BI分数选择P%的冗余层,P=60~802、对前N%冗余层,直接删除fulllayer。N=20(N:剪枝崩溃临界点,LLaMA2在45%,Mistral-7B在35%,Qwen在20%,Phi-2在25%)对后(P
- 图论题解索引
JLU_LYM
各类型题解索引图论算法数据结构题解索引解题攻略
前言作图论的题的时候,无论何时,DFS,BFS加剪枝,都是你可靠的方法,如果第一眼没有具体思路,完全可以先按照刚才的两个方法思考下去,可能想着想着,这道题真实的样子(即真正合适的算法),你就发现了。并查集1、并查集计算连通分量数:力扣547省份数量2、并查集维护一个大集合问题(是一个集合不可以连线)+计算连通分量变种题目力扣684冗余连接3、并查集维护连通分量是否为1的Kruskal算法:力扣15
- 关于回溯算法中的剪枝是否需要for循环的总结归纳
Exhausted、
算法算法深度优先c++数据结构剪枝
在回溯算法中,剪枝的目的是减少不必要的递归调用,从而提高算法的效率。剪枝的方式可以有很多种,有些剪枝确实不需要在for循环中实现,而是通过其他方式(如条件判断)来实现。下面详细解释为什么有些剪枝不需要for循环,以及如何根据具体问题选择合适的剪枝方式。目录一、为什么有些剪枝不需要for循环?剪枝的本质:剪枝的位置:剪枝的灵活性:二、举例说明例子1:组合问题(需要for循环剪枝)为什么需要for循环
- 大模型成本优化实战:从分布式训练到量化剪枝,轻松降低AI计算开销
网罗开发
AI大模型人工智能机器学习深度学习
网罗开发(小红书、快手、视频号同名) 大家好,我是展菲,目前在上市企业从事人工智能项目研发管理工作,平时热衷于分享各种编程领域的软硬技能知识以及前沿技术,包括iOS、前端、HarmonyOS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。图书作者:《ESP32-C3物联网工程开发实战》图书作者:《SwiftUI入门,进阶与实战》超级个体:CO
- 《李航 统计学习方法》学习笔记——第五章决策树
eveiiii
统计学习决策树算法剪枝python机器学习
决策树5.1决策树模型与学习5.2特征选择5.2.1信息增益5.2.2信息增益比python代码实现例题:信息增益与信息增益比5.3决策树的生成5.3.1ID3算法(python实现)5.3.2C4.5生成算法(python实现)5.4决策树的剪枝5.5CART算法5.5.1CART生成5.5.2CART剪枝习题5.1(python实现)习题5.2(python实现)习题5.3习题5.4参考5.1
- 【举一反三】力扣刷题-组合总和(Python 实现)
幸运的小新粉
举一反三算法刷题剪枝回溯
快速通道39.组合总和40.组合总和II216.组合总和III377.组合总和Ⅳ前言最近喜欢写举一反三系列,看这个也算个系列就写了。这个系列主要是回溯、枚举还有剪枝,也是非常常用的方法。39.组合总和给定一个无重复元素的数组candidates和一个目标数target,找出candidates中所有可以使数字和为target的组合。candidates中的数字可以无限制重复被选取。说明:所有数字(
- 【leetcode刷题版】回溯算法
学废了wuwu
算法leetcodepython
系列文章目录文章目录系列文章目录背景知识一、组合二、组合优化三、电话号码的字母组合四、组合总和五、组合总和Ⅱ六、分割回文串七、复原IP地址八、子集九、子集(需要去重)十、非递减子序列十一、全排列十一、全排列Ⅱ十二、重新安排行程(难)十三、N皇后十四、解数独背景知识回溯算法是一种通过试错来解决问题的算法。它会在解决问题的过程中剪枝,以避免无效搜索。在Python中实现回溯算法通常涉及以下几个步骤:定
- 代码随想录训练营第二十三天| 39. 组合总和 40.组合总和II 131.分割回文串
chengooooooo
算法
39.组合总和题目链接/文章讲解:代码随想录视频讲解:带你学透回溯算法-组合总和(对应「leetcode」力扣题目:39.组合总和)|回溯法精讲!_哔哩哔哩_bilibili//组合问题要考虑是不是在一个集合里操作//最常见的就是递归回溯法//再考虑考虑剪枝classSolution{publicList>combinationSum(int[]candidates,inttarget){List
- 深度学习框架与边缘计算融合驱动医疗金融模型优化新路径
智能计算研究中心
其他
内容概要随着边缘计算与深度学习框架的深度融合,医疗与金融领域的模型优化正在突破传统算力与隐私保护的瓶颈。当前,TensorFlow、PyTorch等主流框架通过轻量化改造(如TensorFlowLite与PyTorchMobile)逐步适应边缘设备的资源限制,同时结合联邦学习技术构建分布式训练网络。这种技术协同不仅降低了医疗影像诊断中的数据传输延迟,还通过动态模型压缩策略(如量化与剪枝)将金融预测
- 数据结构与算法----枚举与模拟
王嘉俊705
算法算法C++数据结构
枚举与模拟基本概念枚举定义:通过系统性地遍历所有可能的候选解,逐一验证是否满足问题条件的算法策略特点:实现简单,但需注意时间复杂度,常通过剪枝优化效率适用场景:解空间有限、问题维度较低(一般循环嵌套不超过3层)与暴力法的关系:是暴力法的具体实现形式,但可通过合理剪枝提升效率模拟定义:按照问题描述的规则逐步实现操作过程的算法策略特点:注重代码实现的细节把控,常需处理边界条件分类:直接模拟:完全按题意
- AIGC训练效率与模型优化的深入探讨
DARLING Zero two♡
话题AIGC
文章目录1.AIGC概述2.AIGC模型训练效率的重要性3.模型优化的概念与目标4.模型优化策略4.1学习率调节4.2模型架构选择4.3数据预处理与增强4.4正则化技术4.5量化与剪枝5.代码示例6.结论人工智能领域的发展,人工智能生成内容(AIGC)越来越受关注。AIGC能够通过学习大量数据生成高质量内容,但训练效率和模型优化仍然是关键的研究方向。本博客将深入探AIGC的训练效率,与模型优化的相
- 大模型量化概述
AI领航者
人工智能ai大模型
近年来,随着Transformer、MOE架构的提出,使得深度学习模型轻松突破上万亿规模参数,从而导致模型变得越来越大,因此,我们需要一些大模型压缩技术来降低模型部署的成本,并提升模型的推理性能。模型压缩主要分为如下几类:剪枝(Pruning)知识蒸馏(KnowledgeDistillation)量化Quantization)本系列将针对一些常见大模型量化方案(GPTQ、LLM.int8()、Sm
- 蓝桥杯学习大纲
ん贤
蓝桥杯算法数据结构
(致酷德与热爱算法、编程的小伙伴们)在查阅了相当多的资料后,发现没有那篇博客、文章很符合我们备战蓝桥杯的学习路径。所以,干脆自己整理一篇,欢迎大家补充!一、蓝桥必备高频考点我们以此为重点学习方向:1.基础算法枚举模拟贪心递归分治构造前缀和差分2.搜索与排序线性搜索二分法BFSDFS回溯剪枝深搜优化记忆化搜索位运算冒泡排序归并排序快速排序桶排序3.动态规划编辑距离最长不重复子串整数背包矩阵连乘最长公
- 模型压缩-模型蒸馏、模型剪枝、模型量化
NLP的小Y
剪枝机器学习nlp语言模型
一、模型蒸馏1.1蒸馏简介知识蒸馏是指通过教师模型指导学生模型训练,通过蒸馏的方式让学生模型学习到教师模型的知识,最终使学生模型达到或媲美教师模型的准确度。在模型压缩中,教师模型是一个预训练好的复杂的模型,而学生模型是一个规模较小的模型。如分类任务中,由训练好的教师模型在相同的数据下,通过将教师模型对样本的预测值作为学生模型的预测目标,指导学生模型学习,这个预测值一般指教师网络输出的类概率。教师模
- [笔记.AI]如何判断模型是否通过剪枝、量化、蒸馏生成?
俊哥V
由AI辅助创作AI笔记人工智能
以下摘自与DeepSeek-R1在线联网版的对话一、基础判断维度技术类型核心特征验证方法剪枝模型参数减少、结构稀疏化1.检查模型参数量是否显著小于同类标准模型12.分析权重矩阵稀疏性(如非零参数占比50%)3蒸馏模型结构轻量但性能接近大模型、输出分布平滑1.对比师生模型结构差异52.分析输出概率分布的熵值(蒸馏模型熵值更高)2二、具体技术验证方法1.剪枝模型验证结构分析使用model.summar
- 25/2/18 <算法笔记> ByteTrack
青椒大仙KI11
笔记
ByteTrack(发表在2021年)是一种高效且精确的**多目标跟踪(Multi-ObjectTracking,MOT)**算法。它属于目标跟踪领域中基于检测的类别(trackingbydetection),核心思想是利用目标检测器的高置信度和低置信度检测结果,通过简单的后处理策略实现高效和准确的目标跟踪。多目标跟踪(MOT)的主要目的是对视频或帧序列中的多个对象进行检测和跟踪。在MOT方法中通
- LQB(4)-python-DFS搜索
AAA顶置摸鱼
蓝桥杯python组深度优先算法python蓝桥杯
前言DFS即深度优先搜索(Depth-FirstSearch),是一种用于遍历或搜索树或图的算法,有三种核心的应用场景(基础遍历、回溯、剪枝)。一、DFS-基础遍历1.核心原理深度优先搜索(DFS)是一种遍历或搜索树/图的算法,优先沿着一条路径尽可能深入,直到无法继续再回溯。实现方式:递归:隐式利用系统调用栈。栈模拟:显式使用栈数据结构。2.代码实现(1)递归实现(树结构)classTreeNod
- 24蓝桥省赛B-数字接龙
亿秒签到
算法图论数据结构
#includeusingnamespacestd;constintN=13;intmp[N][N],flag,n,k;boolvis[N][N];intf[N][N][N][N];//存储路径,用于判断是否斜着走,是本题剪枝的难点vectorans;vectorres;intdx[]={-1,-1,0,1,1,1,0,-1};intdy[]={0,1,1,1,0,-1,-1,-1};boolch
- 【大模型】量化、剪枝、蒸馏
油泼辣子多加
深度学习剪枝人工智能算法
大模型的量化、剪枝和蒸馏是三种常用的模型优化技术,旨在减少模型的复杂性,降低计算资源消耗,并加速推理过程。下面是每种技术的详细介绍:1.量化(Quantization)量化是将浮点数表示的模型参数(通常是32位浮点数)转换为低精度表示(如8位整数)。这个过程可以显著减小模型的存储占用并提高计算效率,尤其在硬件资源有限的情况下,量化非常有效。量化可以分为以下几种类型:权重量化(WeightQuant
- Leetcode 3459. Length of Longest V-Shaped Diagonal Segment
Espresso Macchiato
leetcode笔记leetcode3459leetcodehardleetcode周赛437动态规划剪枝
Leetcode3459.LengthofLongestV-ShapedDiagonalSegment1.解题思路2.代码实现题目链接:3459.LengthofLongestV-ShapedDiagonalSegment1.解题思路这一题我的思路上就是一个动态规划加上剪枝的思路。首先,不难给出一个动态规划算法来考察每一个位置作为起始点时其所能获得的最大V字路径长度,但是,贸然地动态规划会出现超时
- DeepSeek对AI发展的范式革新与推动:研究报告
芝士AI吃鱼
DeepSeekAIOpenAILLM
DeepSeek对AI发展的范式革新与推动:研究报告一、技术范式的突破:从“算力堆砌”到“极致工程化”DeepSeek的成功标志着AI发展从依赖大规模算力投入向算法优化与工程效率的转变。其核心技术突破包括:低算力消耗的模型训练通过蒸馏训练策略、动态模型剪枝和稀疏训练,DeepSeek将训练成本降至OpenAI同类模型的1/10,同时保持性能可比甚至超越。例如,其训练成本仅558万美元,而OpenA
- 【leetcode】数组刷题总结(二)滑动窗口
zs1996_
leetcode刷题总结leetcode算法职场和发展
滑动窗口算法技巧主要用来解决子数组问题,比如让你寻找符合某个条件的最长/最短子数组或者子串。对于某些题目,并不需要穷举所有子串,就能找到题目想要的答案。滑动窗口就是这种场景下的一套算法模板,帮你对穷举过程进行剪枝优化,将求解子串复杂度由O(N^2)->O(N)滑动窗口-定长滑动窗口定长滑窗三步曲:入-更新-出入(扩大窗口):下标为i的元素进入窗口,更新相关统计量更新:更新答案,一般是更新最大值/最
- LeetCode刷题 --- 滑动窗口
材化胖虎
算法刷题leetcode数据结构java
滑动窗口法也叫尺取法(可能也不一定相等,大概就是这样),可以用来解决一些查找满足一定条件的连续区间的性质(长度等)的问题。由于区间连续,因此当区间发生变化时,可以通过旧有的计算结果对搜索空间进行剪枝,这样便减少了重复计算,降低了时间复杂度。往往类似于“请找到满足xx的最x的区间(子串、子数组)的xx”这类问题都可以使用该方法进行解决。核心思路形成窗口,窗口实际上是两个指针之间形成的区域,关键点就是
- 模型轻量化
莱茶荼菜
人工智能学习
影响神经网络推理速度主要有4个因素:FLOPs、MAC、计算并行度、硬件平台架构与特性(算力、GPU内存带宽)模型压缩工业界主流的模型压缩方法有:知识蒸馏(KnowledgeDistillation,KD)轻量化模型架构(也叫紧凑的模型设计)、剪枝(Pruning)、量化(Quantization)。模型剪枝(ModelPruning):模型剪枝通过删除冗余的连接或参数来减小模型的大小。这可以通过
- 深度学习中模型轻量化及具体方案应用
码上就位
深度学习人工智能
模型轻量化介绍在深度学习中,模型轻量化是一项关键技术,用于在不显著损失模型精度的前提下减少模型的计算量和存储需求。轻量化技术尤其适用于资源受限的设备(如移动设备、嵌入式系统)上部署模型。模型轻量化的核心目标是提高推理速度、降低功耗、减少内存占用,以便在边缘设备上实现实时性或低延迟的响应。常用的模型轻量化方法包括以下几种:1.模型剪枝(Pruning)简介:通过减少模型中的冗余参数来降低计算量。具体
- mondb入手
木zi_鸣
mongodb
windows 启动mongodb 编写bat文件,
mongod --dbpath D:\software\MongoDBDATA
mongod --help 查询各种配置
配置在mongob
打开批处理,即可启动,27017原生端口,shell操作监控端口 扩展28017,web端操作端口
启动配置文件配置,
数据更灵活 
- 大型高并发高负载网站的系统架构
bijian1013
高并发负载均衡
扩展Web应用程序
一.概念
简单的来说,如果一个系统可扩展,那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集,并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种:
1.
- DISPLAY变量和xhost(原创)
czmmiao
display
DISPLAY
在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
- 获取B/S客户端IP
周凡杨
java编程jspWeb浏览器
最近想写个B/S架构的聊天系统,因为以前做过C/S架构的QQ聊天系统,所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统,由于存在客户端Java应用,所以直接在代码中获取客户端的IP,应用的方法为:
String ip = InetAddress.getLocalHost().getHostAddress();
然而对于WEB
- 浅谈类和对象
朱辉辉33
编程
类是对一类事物的总称,对象是描述一个物体的特征,类是对象的抽象。简单来说,类是抽象的,不占用内存,对象是具体的,
占用存储空间。
类是由属性和方法构成的,基本格式是public class 类名{
//定义属性
private/public 数据类型 属性名;
//定义方法
publ
- android activity与viewpager+fragment的生命周期问题
肆无忌惮_
viewpager
有一个Activity里面是ViewPager,ViewPager里面放了两个Fragment。
第一次进入这个Activity。开启了服务,并在onResume方法中绑定服务后,对Service进行了一定的初始化,其中调用了Fragment中的一个属性。
super.onResume();
bindService(intent, conn, BIND_AUTO_CREATE);
- base64Encode对图片进行编码
843977358
base64图片encoder
/**
* 对图片进行base64encoder编码
*
* @author mrZhang
* @param path
* @return
*/
public static String encodeImage(String path) {
BASE64Encoder encoder = null;
byte[] b = null;
I
- Request Header简介
aigo
servlet
当一个客户端(通常是浏览器)向Web服务器发送一个请求是,它要发送一个请求的命令行,一般是GET或POST命令,当发送POST命令时,它还必须向服务器发送一个叫“Content-Length”的请求头(Request Header) 用以指明请求数据的长度,除了Content-Length之外,它还可以向服务器发送其它一些Headers,如:
- HttpClient4.3 创建SSL协议的HttpClient对象
alleni123
httpclient爬虫ssl
public class HttpClientUtils
{
public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){
SSLContext sslContext=null;
try
{
sslContext=new SSLContextBuilder().l
- java取反 -右移-左移-无符号右移的探讨
百合不是茶
位运算符 位移
取反:
在二进制中第一位,1表示符数,0表示正数
byte a = -1;
原码:10000001
反码:11111110
补码:11111111
//异或: 00000000
byte b = -2;
原码:10000010
反码:11111101
补码:11111110
//异或: 00000001
- java多线程join的作用与用法
bijian1013
java多线程
对于JAVA的join,JDK 是这样说的:join public final void join (long millis )throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
- Java发送http请求(get 与post方法请求)
bijian1013
javaspring
PostRequest.java
package com.bijian.study;
import java.io.BufferedReader;
import java.io.DataOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.HttpURL
- 【Struts2二】struts.xml中package下的action配置项默认值
bit1129
struts.xml
在第一部份,定义了struts.xml文件,如下所示:
<!DOCTYPE struts PUBLIC
"-//Apache Software Foundation//DTD Struts Configuration 2.3//EN"
"http://struts.apache.org/dtds/struts
- 【Kafka十三】Kafka Simple Consumer
bit1129
simple
代码中关于Host和Port是割裂开的,这会导致单机环境下的伪分布式Kafka集群环境下,这个例子没法运行。
实际情况是需要将host和port绑定到一起,
package kafka.examples.lowlevel;
import kafka.api.FetchRequest;
import kafka.api.FetchRequestBuilder;
impo
- nodejs学习api
ronin47
nodejs api
NodeJS基础 什么是NodeJS
JS是脚本语言,脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS,浏览器充当了解析器的角色。而对于需要独立运行的JS,NodeJS就是一个解析器。
每一种解析器都是一个运行环境,不但允许JS定义各种数据结构,进行各种计算,还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM,浏览器就提供了docum
- java-64.寻找第N个丑数
bylijinnan
java
public class UglyNumber {
/**
* 64.查找第N个丑数
具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url]
*
题目:我们把只包含因子
2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,但14
- 二维数组(矩阵)对角线输出
bylijinnan
二维数组
/**
二维数组 对角线输出 两个方向
例如对于数组:
{ 1, 2, 3, 4 },
{ 5, 6, 7, 8 },
{ 9, 10, 11, 12 },
{ 13, 14, 15, 16 },
slash方向输出:
1
5 2
9 6 3
13 10 7 4
14 11 8
15 12
16
backslash输出:
4
3
- [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新)
comsci
工作流
既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理
大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
- redis常见使用
cuityang
redis常见使用
redis 通常被认为是一个数据结构服务器,主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets
引入jar包 jedis-2.1.0.jar (本文下方提供下载)
package redistest;
import redis.clients.jedis.Jedis;
public class Listtest
- 配置多个redis
dalan_123
redis
配置多个redis客户端
<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi=&quo
- attrib命令
dcj3sjt126com
attr
attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.
只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.
存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件.
- Yii使用公共函数
dcj3sjt126com
yii
在网站项目中,没必要把公用的函数写成一个工具类,有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用,成为公用的函数集合。 function.php如下:
<?php /** * This is the shortcut to D
- linux 系统资源的查看(free、uname、uptime、netstat)
eksliang
netstatlinux unamelinux uptimelinux free
linux 系统资源的查看
转载请出自出处:http://eksliang.iteye.com/blog/2167081
http://eksliang.iteye.com 一、free查看内存的使用情况
语法如下:
free [-b][-k][-m][-g] [-t]
参数含义
-b:直接输入free时,显示的单位是kb我们可以使用b(bytes),m
- JAVA的位操作符
greemranqq
位运算JAVA位移<<>>>
最近几种进制,加上各种位操作符,发现都比较模糊,不能完全掌握,这里就再熟悉熟悉。
1.按位操作符 :
按位操作符是用来操作基本数据类型中的单个bit,即二进制位,会对两个参数执行布尔代数运算,获得结果。
与(&)运算:
1&1 = 1, 1&0 = 0, 0&0 &
- Web前段学习网站
ihuning
Web
Web前段学习网站
菜鸟学习:http://www.w3cschool.cc/
JQuery中文网:http://www.jquerycn.cn/
内存溢出:http://outofmemory.cn/#csdn.blog
http://www.icoolxue.com/
http://www.jikexue
- 强强联合:FluxBB 作者加盟 Flarum
justjavac
r
原文:FluxBB Joins Forces With Flarum作者:Toby Zerner译文:强强联合:FluxBB 作者加盟 Flarum译者:justjavac
FluxBB 是一个快速、轻量级论坛软件,它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写,并已经开发了一段时间。FluxBB 看起来非常有前途的,
- java统计在线人数(session存储信息的)
macroli
javaWeb
这篇日志是我写的第三次了 前两次都发布失败!郁闷极了!
由于在web开发中常常用到这一部分所以在此记录一下,呵呵,就到备忘录了!
我对于登录信息时使用session存储的,所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。
1、实现接口类,在web.xml文件中配置监听类,从而可以使该类完成其工作。
public class Ses
- bootstrp carousel初体验 快速构建图片播放
qiaolevip
每天进步一点点学习永无止境bootstrap纵观千象
img{
border: 1px solid white;
box-shadow: 2px 2px 12px #333;
_width: expression(this.width > 600 ? "600px" : this.width + "px");
_height: expression(this.width &
- SparkSQL读取HBase数据,通过自定义外部数据源
superlxw1234
sparksparksqlsparksql读取hbasesparksql外部数据源
关键字:SparkSQL读取HBase、SparkSQL自定义外部数据源
前面文章介绍了SparSQL通过Hive操作HBase表。
SparkSQL从1.2开始支持自定义外部数据源(External DataSource),这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0,简单介绍SparkSQL自定义外部数据源,访
- Spring Boot 1.3.0.M1发布
wiselyman
spring boot
Spring Boot 1.3.0.M1于6.12日发布,现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下:
1.提供一个新的sprin