- 高校为什么需要AIGC大数据实验室?
泰迪智能科技01
AIGCAIGC大数据
AIGC大数据实验室是一个专注于人工智能生成内容(AIGC)和大数据相关技术研究、开发与应用的创新实验平台。AIGC主要研究方向包括:AIGC技术创新、大数据处理与分析、AIGC与大数据融合应用。AIGC技术创新:探索如何利用人工智能算法,如深度学习中的生成对抗网络(GAN)、变分自编码器(VAE)、基于Transformer架构的语言模型(如GPT系列)等,来高效地生成高质量的文本、图像、音频、
- 探索Stable Diffusion:AI在艺术创作中的无限可能
master_chenchengg
AI技术探讨AI人工智能AIGC行业分析
探索StableDiffusion:AI在艺术创作中的无限可能引言一、StableDiffusion简介定义与历史技术原理概述二、工作原理深入解析扩散模型基础逆向扩散过程详解潜空间与变分自编码器(VAE)U-Net架构的作用三、StableDiffusion与艺术创作的融合创作自由度的提升个性化风格的实现跨媒介艺术的可能性四、案例研究艺术家应用StableDiffusion的实例与传统艺术形式的对
- Python深度学习:构建下一代智能系统
2401_83402415
pythonpython深度学习开发语言Transformer模型目标检测算法Attention
近年来,伴随着以卷积神经网络(CNN)为代表的深度学习的快速发展,人工智能迈入了第三次发展浪潮,AI技术在各个领域中的应用越来越广泛。为了帮助广大学员更加深入地学习人工智能领域最近3-5年的新理论与新技术,本文讲解注意力机制、Transformer模型(BERT、GPT-1/2/3/3.5/4、DETR、ViT、SwinTransformer等)、生成式模型(变分自编码器VAE、生成式对抗网络GA
- Stable Diffusion
Covirtue
人工智能pythonstablediffusion
StableDiffusion是一种基于深度学习的文本到图像生成模型,其原理主要基于扩散模型(DiffusionModel)的变体,即潜在扩散模型(LatentDiffusionModel,LDM)。原理一、技术架构与组成StableDiffusion由三个主要部分组成:变分自编码器(VAE)、U-Net和一个文本编码器。变分自编码器(VAE):VAE是一种生成模型,用于将图像压缩到低维的潜在空间
- stable diffusion webui学习总结(3):参数设置
shanesu
stablediffusion学习
一、2.5D偏卡通风格参数设置:步骤1、文生图模型:darkSushiMixMixVAE:vae-ft-mse-840000-ema-pruned正面提示词:(masterpiece,highquality,highres,illustration),blurrybackground,[(whitebackground:1.2)::5],(see-through:0.85),shining,Mov
- 基于Diffusion Model的数据增强方法应用——毕业设计 其三
大鸟仙童
课程设计计算机视觉深度学习
文章目录题目简介前言StableDiffusionLatentdiffusion自动编码器(VAE)U-NetText-EncoderStableDiffusion的推理过程从零开始配置实验环境IDEAnacondaCUDA和CuDNNCuDNNStableDiffusion的本地部署运行测试总结题目简介笔者个人的毕业设计课题如下:简介:使用预训练的DiffusionModel图像生成模型生成图像
- 变分自编码器(VAE)PyTorch Lightning 实现
小嗷犬
Python深度学习pytorch人工智能python
✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。个人主页:小嗷犬的个人主页个人网站:小嗷犬的技术小站个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。本文目录VAE简介基本原理应用与优点缺点与挑战使用VAE生成MNIST手写数字忽略警告导入必要的库设置随机种子cuDNN设置超参数设置数据加载定义VAE模型定义损失函数定义Lightning模型训练模型绘制训
- Stable Diffusion XL总结
研三小学渣
学习笔记人工智能深度学习计算机视觉stablediffusion
StableDiffusionXL是一个二阶段的级联扩散模型,包括Base模型和Refiner模型。其中Base模型的主要工作和StableDiffusion一致,具备文生图,图生图,图像inpainting等能力。在Base模型之后,级联了Refiner模型,对Base模型生成的图像Latent特征进行精细化,其本质上是在做图生图的工作。Base模型由U-Net,VAE,CLIPTextEnco
- Auto-Encoding Variational Bayes(VAE)粗浅的理解
Longlongaaago
机器学习深度学习机器学习
Auto-EncodingVariationalBayes(VAE)粗浅的理解VAE作为生成模型的一种,能够通过改变latentspace来生成和训练时不一样的样本。而这种能力,Auto-Encoder(AE)是做不到的,因为如果不对latentspace的生成进行约束,仅仅是对输出的结果进行约束。那么最终,对于不同的样本输入,得到的latentspace是完全不同的,这会产生什么问题呢?就是这个
- 无需部署,即开即用AI绘画
weixin_45597589
AI作画
无需部署,即开即用AI绘画liblib优点:每月免费5次LoRA训练,每日登录赠送300算力(用于生图),有现成的模型和提示词可参考缺点:用户太多,生图需要排队LoRA训练左侧菜单栏点击训练我的LoRA进行参数设置>上传训练图片>输入触发词,根据需要修改裁剪方式、尺寸等>裁剪/打标>点击开始训练生图步骤点击左侧菜单栏在线生成,选择大模型、VAE>直接输入英文提示词或输入中文提示词后点右上角翻译成英
- 什么是 OpenAI 的 Dall-E 模型
OpenAI的Dall-E是一款革命性的人工智能模型,它专注于图像生成领域。这个模型基于深度学习和生成对抗网络(GAN)的原理,能够根据用户输入的描述生成高质量、富有创意的图像。Dall-E的名字来源于著名的画家SalvadorDalí和Pixar的动画电影「Wall-E」,寓意着它在艺术创造和机器智能方面的结合。Dall-E的核心技术基于变分自编码器(VAE)和GPT模型。VAE是一种生成模型,
- 【计算机视觉】计算机视觉与深度学习-10-生成网络-北邮鲁鹏老师课程笔记
暖焱
#深度学习计算机视觉机器学习
计算机视觉与深度学习-10-生成网络-北邮鲁鹏老师课程笔记无监督学习聚类K-means降维线性降维主成分分析非线性降维自编码特征学习密度估计贝叶斯决策生成模型生成模型的应用生成模型分类密度估计参考密度估计分类显示的密度估计PixelRNNandPixelCNNVariationalAutoencoders(VAE)隐式的密度估计GANPixelRNNandPixelCNNPixelRNN与Pixe
- 「论文搬运」王亦洲课题组 CVPR 2021 入选论文解读:时间序列疾病预测的因果隐马尔可夫模型
Sternstunden
论文计算机视觉人工智能深度学习cvpr
本文是对发表于计算机视觉和模式识别领域的顶级会议CVPR2021的论文“CausalHiddenMarkovModelforTimeSeriesDiseaseForecasting(时间序列疾病预测的因果隐马尔可夫模型)”的解读。该论文由北京大学王亦洲课题组与深睿医疗等单位合作,针对时间序列疾病预测的问题,提出了因果隐马尔可夫模型描述疾病的动态发展过程,并使用基于VAE的变分框架进行学习。通过对图
- DEEP VARIATIONAL INFORMATION BOTTLENECK
Aiqz
DEEPVARIATIONALINFORMATIONBOTTLENECK论文“DeepVariationalinformationbottleneck”阅读笔记作者:艾庆忠时间:2018.12.04本人为小白一个,此文作为学习笔记,暂存于此。第一部分准备内容在阅读此论文之前,需对VAE、VariationalInference(变分推断)以及InformationBottleneck有所了解,借此
- Stable Diffusion 模型下载:majicMIX fantasy 麦橘幻想
水滴技术
AI绘画从入门到精通stablediffusionAI作画AIGCpython
文章目录模型介绍生成案例案例一案例二案例三案例四案例五案例六案例七案例八案例九案例十下载地址模型介绍非常推荐的一个非常绚丽、充满幻想的大模型,由国人“Merjic”发布,下载量颇高。这个模型风格炸裂,远距离脸部需要inpaint以达成最好效果。条目内容类型大模型基础模型SD1.5来源CIVITAI作者Merjic文件名称majicmixFantasy_v30Vae.safetensors文件大小1
- 深入理解vqvae
Adenialzz
人工智能机器学习计算机视觉
深入理解vqvaeTL;DR:通过vectorquantize技术,训练一个离散的codebook,实现了图片的离散表征。vqvae可以实现图片的离散压缩和还原,在图片自回归生成、StableDiffusion中,有重要的应用。从AE和VAE说起AE(AutoEncoder,自编码器)是非常经典的一种自监督表征学习方法,它由编码器encoder和解码器decoder构成,编码器提取输入图像的低维特
- 2019年上半年收集到的人工智能卷积神经网络干货文章
城市中迷途小书童
2019年上半年收集到的人工智能卷积神经网络干货文章了解CNN这一篇就够了——关于卷积神经网络的介绍关于卷积的6个基本知识一文读懂深度学习中的各种卷积CNN卷积神经网络的三种基本模式(不懂的话还得多努力啊!)CNN,GAN,AE和VAE概述理解卷积神经网络?看这篇论文就够了深度卷积神经网络的高级主题卷积神经网络的特征是如何学习的?教你如何运用可视化理解卷积神经网络(CNNs)的指南空洞卷积(Dil
- stable-diffusion | v1-5-pruned.ckpt和v1-5-pruned-emaonly.ckpt的区别
ASKCOS
stablediffusion
https://github.com/runwayml/stable-diffusion?tab=readme-ov-file#reference-sampling-script对于1.5模型,其中可能包括四部分:标准模型、文本编码器、VAE模型、EMA模型。标准模型:生成图片的核心模块,潜空间中的前向扩散和反向扩散就是通过它做的,对应到图中左侧的U-Net。文本编码器:将文本提示词转换为数学向量
- AutoEncoder自动编码器、VAE变分自编码器、VQVAE量子化(离散化)的自编码器
丁希希哇
AIGC阅读学习算法深度学习人工智能pytorch
文章目录AutoEncoder自动编码器(一)AutoEncoder的基本架构(二)AutoEncoder的概率理解(三)AutoEncoder的局限VAE变分自编码器(VariationalAutoEncoder)(一)VAE简介(二)VAE的概率理解(三)VAE与AE(三)VAE与GAN(四)VAE的损失函数VQVAE量子化(离散化)的自编码器(一)VQVAE简介(二)VQVAE与VAE(三)
- (2021|NIPS,VQ-VAE,精度瓶颈松弛,三明治层归一化,CapLoss)CogView:通过转换器掌握文本到图像的生成
EDPJ
论文笔记transformer深度学习人工智能
CogView:MasteringText-to-ImageGenerationviaTransformers公众号:EDPJ(添加VX:CV_EDPJ或直接进Q交流群:922230617获取资料)目录0.摘要1.简介2.方法2.1理论2.2标记化2.3自回归Transformer2.4训练的稳定性3.微调3.1超分辨率3.2图像标题和自我重新排名3.3风格学习3.4工业时尚设计4.实验结果4.1
- 深入探索 Stable Diffusion:AI图像创新的新纪元
walkskyer
StableDiffusion人工智能stablediffusion
深入探索StableDiffusion:AI图像创新的新纪元介绍StableDiffusion的核心功能和应用场景StableDiffusion架构解析深入StableDiffusion的关键组件变分自编码器(VAE)生成对抗网络(GAN)注意力机制优化算法数据集StableDiffusion的高级应用技巧1.自定义训练StableDiffusion模型2.调整生成图像的细节程度3.优化性能Sta
- 深度学习有何新进展?
博瓦科技
人工智能
深度学习是人工智能领域一项重要的技术,在过去几年里有许多新的进展。首先,一些研究人员提出了新的深度学习结构,如变分自编码器(VariationalAutoencoders,VAE)和生成对抗网络(GenerativeAdversarialNetworks,GAN)。这些新的结构在图像、语音和自然语言处理等领域取得了很大的成功,带来了更加准确和高效的模型。其次,针对深度学习模型的训练和优化问题,出现
- 为什么有这么多人只爱许嵩
阳光下的野太阳花
许嵩是谁?他是华语乐坛少有的独创音乐人,是“娱乐圈”的一朵“奇葩”。在综艺节目大热的时代,他几乎没露脸,也不像其他歌手唱而优则演。当众多明星在不停地圈钱时,他却埋头做音乐,坚持所有歌曲不收费,甚至为了他的粉丝们专门打造了一个APP-Vae+,亏本运营。一个几乎不做任何宣传的歌手,却拥有大批死忠粉。他的微博粉丝共658万,虽然与千万关注量的明星有一定差距,但这批粉丝粘性超高,大多是追随了近10年的老
- 自监督学习
Icevivina
学习机器学习人工智能
自监督学习指的是不依赖标注数据,模型直接从无标注的大量数据中进行学习。【属于无监督学习的一部分,它在训练过程中有正负样本,但是正负样本不是人工标号得来的,而是通过自己产生的。】自监督学习总体分成两类:生成式自监督学习和判别式自监督学习。其中生成式自监督学习的代表是VAE和GAN,他们利用一个生成器来学习真实的样本分布,不需要提供负样本就可以学习到一个生成器。判别式监督模型的任务难度要低一些,典型的
- stable diffusion学习笔记——文生图(一)
师范大学生
AI绘图stablediffusion学习笔记
模型设置基本模型基本模型也就是常说的checkpoint(大模型),基本模型决定了生成图片的主体风格。如上图所示,基本模型的后缀为.safetensors。需要存放在特定的文件夹下。如果用的是启动器,可以在启动器内直接下载。vae模型vae模型的全名叫变分自编码器,这里先不讲解原理。在AI绘图中主要的作用是起到画面滤镜的效果。目前较多的大模型都是自带vae的,因此这里不需要额外设置,修改成NONE
- Stable Diffusion 笔记一:网络结构拆解
朱小丰
stablediffusion笔记
SD由三大组件组成:VAE,CLIP,Unet。一VAE:VAE是VariationalAutoencoder的缩写,中文名变分自编码器,是一种基于深度学习的生成模型。1潜空间图片与像素图片:像素图片是正常使用的图片,通常包含主体的物体人物角色,和多余的部分空白背景等与主体无关的噪声。潜空间图片可以理解为是像素图片在高维空间的另一种表达,是像素图片的一种压缩表示。SD生成的图片是潜空间图片(Lat
- 李宏毅机器学习(二十三)无监督学习Deep Generative Model(二)
ca8519be679b
内容衔接上一讲,上节我们讲到VAE,我们为什么用VAE而不用auto-encoder呢,直觉上的原因是如果是auto-encoder,我们期待的是输入满月解码后还是满月,输入半月输出还是半月,但是我们能保证中间状态时候我们的输出是3/4月吗,结果往往不是;如果是VAE,我们就会引入一定的噪声,使得一定范围内输出都是满月,一定范围内输出都是半月,中间的公共部分由于我们要Minimize2者的误差,所
- 【论文笔记】VideoGPT: Video Generation using VQ-VAE and Transformers
来自γ星的赛亚人
论文阅读
论文标题:VideoGPT:VideoGenerationusingVQ-VAEandTransformers论文代码:https://wilson1yan.github.io/videogpt/index.html.论文链接:https://arxiv.org/abs/2104.10157发表时间:2021年9月Abstract作者提出了VideoGPT:一种概念上简单的架构,用于将基于似然的生
- VideoGPT:使用VQ-VAE和Transformers的视频生成
umbrellazg
算法计算机视觉
1TitleVideoGPT:VideoGenerationusingVQ-VAEandTransformers(WilsonYan,YunzhiZhang,PieterAbbeel,AravindSrinivas)2ConlusionThispaperpresentVideoGPT:aconceptuallysimplearchitectureforscalinglikelihoodbasedg
- InsCode Stable Diffusion 美图活动投稿
Binarydog_Lee
杂inscodestablediffusion
本地部署可以使用B站大佬秋叶的整合包CSDN亦提供了StableDiffusion模型在线使用地址:https://inscode.csdn.net/@inscode/Stable-Diffusion模型相关版本和参数配置:模型:cetusversion4.WRgK.safetensors[b42b09ff12]VAE:yozoraVae.6sEG.pt绘制参数:Steps:20,Sampler:
- 强大的销售团队背后 竟然是大数据分析的身影
蓝儿唯美
数据分析
Mark Roberge是HubSpot的首席财务官,在招聘销售职位时使用了大量数据分析。但是科技并没有挤走直觉。
大家都知道数理学家实际上已经渗透到了各行各业。这些热衷数据的人们通过处理数据理解商业流程的各个方面,以重组弱点,增强优势。
Mark Roberge是美国HubSpot公司的首席财务官,HubSpot公司在构架集客营销现象方面出过一份力——因此他也是一位数理学家。他使用数据分析
- Haproxy+Keepalived高可用双机单活
bylijinnan
负载均衡keepalivedhaproxy高可用
我们的应用MyApp不支持集群,但要求双机单活(两台机器:master和slave):
1.正常情况下,只有master启动MyApp并提供服务
2.当master发生故障时,slave自动启动本机的MyApp,同时虚拟IP漂移至slave,保持对外提供服务的IP和端口不变
F5据说也能满足上面的需求,但F5的通常用法都是双机双活,单活的话还没研究过
服务器资源
10.7
- eclipse编辑器中文乱码问题解决
0624chenhong
eclipse乱码
使用Eclipse编辑文件经常出现中文乱码或者文件中有中文不能保存的问题,Eclipse提供了灵活的设置文件编码格式的选项,我们可以通过设置编码 格式解决乱码问题。在Eclipse可以从几个层面设置编码格式:Workspace、Project、Content Type、File
本文以Eclipse 3.3(英文)为例加以说明:
1. 设置Workspace的编码格式:
Windows-&g
- 基础篇--resources资源
不懂事的小屁孩
android
最近一直在做java开发,偶尔敲点android代码,突然发现有些基础给忘记了,今天用半天时间温顾一下resources的资源。
String.xml 字符串资源 涉及国际化问题
http://www.2cto.com/kf/201302/190394.html
string-array
- 接上篇补上window平台自动上传证书文件的批处理问卷
酷的飞上天空
window
@echo off
: host=服务器证书域名或ip,需要和部署时服务器的域名或ip一致 ou=公司名称, o=公司名称
set host=localhost
set ou=localhost
set o=localhost
set password=123456
set validity=3650
set salias=s
- 企业物联网大潮涌动:如何做好准备?
蓝儿唯美
企业
物联网的可能性也许是无限的。要找出架构师可以做好准备的领域然后利用日益连接的世界。
尽管物联网(IoT)还很新,企业架构师现在也应该为一个连接更加紧密的未来做好计划,而不是跟上闸门被打开后的集成挑战。“问题不在于物联网正在进入哪些领域,而是哪些地方物联网没有在企业推进,” Gartner研究总监Mike Walker说。
Gartner预测到2020年物联网设备安装量将达260亿,这些设备在全
- spring学习——数据库(mybatis持久化框架配置)
a-john
mybatis
Spring提供了一组数据访问框架,集成了多种数据访问技术。无论是JDBC,iBATIS(mybatis)还是Hibernate,Spring都能够帮助消除持久化代码中单调枯燥的数据访问逻辑。可以依赖Spring来处理底层的数据访问。
mybatis是一种Spring持久化框架,要使用mybatis,就要做好相应的配置:
1,配置数据源。有很多数据源可以选择,如:DBCP,JDBC,aliba
- Java静态代理、动态代理实例
aijuans
Java静态代理
采用Java代理模式,代理类通过调用委托类对象的方法,来提供特定的服务。委托类需要实现一个业务接口,代理类返回委托类的实例接口对象。
按照代理类的创建时期,可以分为:静态代理和动态代理。
所谓静态代理: 指程序员创建好代理类,编译时直接生成代理类的字节码文件。
所谓动态代理: 在程序运行时,通过反射机制动态生成代理类。
一、静态代理类实例:
1、Serivce.ja
- Struts1与Struts2的12点区别
asia007
Struts1与Struts2
1) 在Action实现类方面的对比:Struts 1要求Action类继承一个抽象基类;Struts 1的一个具体问题是使用抽象类编程而不是接口。Struts 2 Action类可以实现一个Action接口,也可以实现其他接口,使可选和定制的服务成为可能。Struts 2提供一个ActionSupport基类去实现常用的接口。即使Action接口不是必须实现的,只有一个包含execute方法的P
- 初学者要多看看帮助文档 不要用js来写Jquery的代码
百合不是茶
jqueryjs
解析json数据的时候需要将解析的数据写到文本框中, 出现了用js来写Jquery代码的问题;
1, JQuery的赋值 有问题
代码如下: data.username 表示的是: 网易
$("#use
- 经理怎么和员工搞好关系和信任
bijian1013
团队项目管理管理
产品经理应该有坚实的专业基础,这里的基础包括产品方向和产品策略的把握,包括设计,也包括对技术的理解和见识,对运营和市场的敏感,以及良好的沟通和协作能力。换言之,既然是产品经理,整个产品的方方面面都应该能摸得出门道。这也不懂那也不懂,如何让人信服?如何让自己懂?就是不断学习,不仅仅从书本中,更从平时和各种角色的沟通
- 如何为rich:tree不同类型节点设置右键菜单
sunjing
contextMenutreeRichfaces
组合使用target和targetSelector就可以啦,如下: <rich:tree id="ruleTree" value="#{treeAction.ruleTree}" var="node" nodeType="#{node.type}"
selectionChangeListener=&qu
- 【Redis二】Redis2.8.17搭建主从复制环境
bit1129
redis
开始使用Redis2.8.17
Redis第一篇在Redis2.4.5上搭建主从复制环境,对它的主从复制的工作机制,真正的惊呆了。不知道Redis2.8.17的主从复制机制是怎样的,Redis到了2.4.5这个版本,主从复制还做成那样,Impossible is nothing! 本篇把主从复制环境再搭一遍看看效果,这次在Unbuntu上用官方支持的版本。 Ubuntu上安装Red
- JSONObject转换JSON--将Date转换为指定格式
白糖_
JSONObject
项目中,经常会用JSONObject插件将JavaBean或List<JavaBean>转换为JSON格式的字符串,而JavaBean的属性有时候会有java.util.Date这个类型的时间对象,这时JSONObject默认会将Date属性转换成这样的格式:
{"nanos":0,"time":-27076233600000,
- JavaScript语言精粹读书笔记
braveCS
JavaScript
【经典用法】:
//①定义新方法
Function .prototype.method=function(name, func){
this.prototype[name]=func;
return this;
}
//②给Object增加一个create方法,这个方法创建一个使用原对
- 编程之美-找符合条件的整数 用字符串来表示大整数避免溢出
bylijinnan
编程之美
import java.util.LinkedList;
public class FindInteger {
/**
* 编程之美 找符合条件的整数 用字符串来表示大整数避免溢出
* 题目:任意给定一个正整数N,求一个最小的正整数M(M>1),使得N*M的十进制表示形式里只含有1和0
*
* 假设当前正在搜索由0,1组成的K位十进制数
- 读书笔记
chengxuyuancsdn
读书笔记
1、Struts访问资源
2、把静态参数传递给一个动作
3、<result>type属性
4、s:iterator、s:if c:forEach
5、StringBuilder和StringBuffer
6、spring配置拦截器
1、访问资源
(1)通过ServletActionContext对象和实现ServletContextAware,ServletReque
- [通讯与电力]光网城市建设的一些问题
comsci
问题
信号防护的问题,前面已经说过了,这里要说光网交换机与市电保障的关系
我们过去用的ADSL线路,因为是电话线,在小区和街道电力中断的情况下,只要在家里用笔记本电脑+蓄电池,连接ADSL,同样可以上网........
 
- oracle 空间RESUMABLE
daizj
oracle空间不足RESUMABLE错误挂起
空间RESUMABLE操作 转
Oracle从9i开始引入这个功能,当出现空间不足等相关的错误时,Oracle可以不是马上返回错误信息,并回滚当前的操作,而是将操作挂起,直到挂起时间超过RESUMABLE TIMEOUT,或者空间不足的错误被解决。
这一篇简单介绍空间RESUMABLE的例子。
第一次碰到这个特性是在一次安装9i数据库的过程中,在利用D
- 重构第一次写的线程池
dieslrae
线程池 python
最近没有什么学习欲望,修改之前的线程池的计划一直搁置,这几天比较闲,还是做了一次重构,由之前的2个类拆分为现在的4个类.
1、首先是工作线程类:TaskThread,此类为一个工作线程,用于完成一个工作任务,提供等待(wait),继续(proceed),绑定任务(bindTask)等方法
#!/usr/bin/env python
# -*- coding:utf8 -*-
- C语言学习六指针
dcj3sjt126com
c
初识指针,简单示例程序:
/*
指针就是地址,地址就是指针
地址就是内存单元的编号
指针变量是存放地址的变量
指针和指针变量是两个不同的概念
但是要注意: 通常我们叙述时会把指针变量简称为指针,实际它们含义并不一样
*/
# include <stdio.h>
int main(void)
{
int * p; // p是变量的名字, int *
- yii2 beforeSave afterSave beforeDelete
dcj3sjt126com
delete
public function afterSave($insert, $changedAttributes)
{
parent::afterSave($insert, $changedAttributes);
if($insert) {
//这里是新增数据
} else {
//这里是更新数据
}
}
 
- timertask
shuizhaosi888
timertask
java.util.Timer timer = new java.util.Timer(true);
// true 说明这个timer以daemon方式运行(优先级低,
// 程序结束timer也自动结束),注意,javax.swing
// 包中也有一个Timer类,如果import中用到swing包,
// 要注意名字的冲突。
TimerTask task = new
- Spring Security(13)——session管理
234390216
sessionSpring Security攻击保护超时
session管理
目录
1.1 检测session超时
1.2 concurrency-control
1.3 session 固定攻击保护
 
- 公司项目NODEJS实践0.3[ mongo / session ...]
逐行分析JS源代码
mongodbsessionnodejs
http://www.upopen.cn
一、前言
书接上回,我们搭建了WEB服务端路由、模板等功能,完成了register 通过ajax与后端的通信,今天主要完成数据与mongodb的存取,实现注册 / 登录 /
- pojo.vo.po.domain区别
LiaoJuncai
javaVOPOJOjavabeandomain
POJO = "Plain Old Java Object",是MartinFowler等发明的一个术语,用来表示普通的Java对象,不是JavaBean, EntityBean 或者 SessionBean。POJO不但当任何特殊的角色,也不实现任何特殊的Java框架的接口如,EJB, JDBC等等。
即POJO是一个简单的普通的Java对象,它包含业务逻辑
- Windows Error Code
OhMyCC
windows
0 操作成功完成.
1 功能错误.
2 系统找不到指定的文件.
3 系统找不到指定的路径.
4 系统无法打开文件.
5 拒绝访问.
6 句柄无效.
7 存储控制块被损坏.
8 存储空间不足, 无法处理此命令.
9 存储控制块地址无效.
10 环境错误.
11 试图加载格式错误的程序.
12 访问码无效.
13 数据无效.
14 存储器不足, 无法完成此操作.
15 系
- 在storm集群环境下发布Topology
roadrunners
集群stormtopologyspoutbolt
storm的topology设计和开发就略过了。本章主要来说说如何在storm的集群环境中,通过storm的管理命令来发布和管理集群中的topology。
1、打包
打包插件是使用maven提供的maven-shade-plugin,详细见maven-shade-plugin。
<plugin>
<groupId>org.apache.maven.
- 为什么不允许代码里出现“魔数”
tomcat_oracle
java
在一个新项目中,我最先做的事情之一,就是建立使用诸如Checkstyle和Findbugs之类工具的准则。目的是制定一些代码规范,以及避免通过静态代码分析就能够检测到的bug。 迟早会有人给出案例说这样太离谱了。其中的一个案例是Checkstyle的魔数检查。它会对任何没有定义常量就使用的数字字面量给出警告,除了-1、0、1和2。 很多开发者在这个检查方面都有问题,这可以从结果
- zoj 3511 Cake Robbery(线段树)
阿尔萨斯
线段树
题目链接:zoj 3511 Cake Robbery
题目大意:就是有一个N边形的蛋糕,切M刀,从中挑选一块边数最多的,保证没有两条边重叠。
解题思路:有多少个顶点即为有多少条边,所以直接按照切刀切掉点的个数排序,然后用线段树维护剩下的还有哪些点。
#include <cstdio>
#include <cstring>
#include <vector&