shall_zhao
shall_zhao

免费算力分享

免费计算资源，比常用的一些外国算力平台更加友好，可以在线部署，显存更大。不限制深度学习框架内置 tensorflow pytorch mxnet等常见深度学习框架。多说无益，直接使用吧。
在完成课程大作业时，因为自己的电脑是普通的pc，训练的数据也很大，故通过查找资料选取了该平台。

免费算力分享_第1张图片

免费算力分享_第2张图片
具体步骤
1、在模型训练模块，输入实例名称，数据集可以不选。选择资源套餐，我一般选后两种。
2、创建后，在模型训练中可以看到，点击jupyter进入模型。
3、但是我不太会在这里新建项目。故选择了从github克隆。进入terminal

可以使用邀请链接，这样还可以免费领取算力豆
https://jiutian.10086.cn/edu/#/invite-register?token=ZDAxMDk2YzUtNThiOS00ZjdmLWFjM2UtNzU5YTY5ZjQzYjIz

你可能感兴趣的:(学习经验分享,资料,人工智能)

  • 深度学习-133-LangGraph之应用实例(二)使用面向过程和面向对象的两种编程方式构建带记忆的聊天机器人 皮皮冰燃 深度学习深度学习人工智能LangGraph
    文章目录1通用配置1.1大语言模型ChatOllama1.2函数trim_messages1.2.1函数概述1.2.2函数参数1.2.3测试应用2面向过程编程2.1不裁剪历史信息2.1.1创建图2.1.2调用图2.2裁剪历史信息2.2.1创建图2.2.2调用图3面向对象编程3.1定义类MyState3.2定义类AIChat3.3应用4附录4.1问题及解决tokenizer4.2参考附录1通用配置L
  • 软件工程应试复习（考试折磨版） 愚戏师 软件工程
    针对学校软件工程考试，参考教材《软件工程导论（第6版）》1-8章学习的艺术：不断地尝试，我一定会找到高效用的方法，让学习变成一门艺术，从应试备考中解救出我的时间同胞们。好嘞！既然时间紧迫，咱们就用「闪电战」学习法，把知识点当零食一样快速吞下（但记得消化哦）！上攻略三步速成秘籍(测试版）：应试求生指南！1.开挂第一步：「抓大放小」狙击战！锁定BOSS级考点：翻开目录，用荧光笔把老师敲黑板的内容（PP
  • 数据挖掘中特征发现与特征提取的数学原理 调皮的芋头 数据挖掘人工智能AIGC计算机视觉
    好的，我将深入研究数据挖掘中特征发现与特征提取的数学原理，涵盖统计学基础、特征工程的数学方法、以及在机器学习和深度学习中的应用。我会整理相关数学公式和理论，包括主成分分析（PCA）、独立成分分析（ICA）、线性判别分析（LDA）、信息增益、互信息、方差分析等统计方法，并结合金融量化交易的实际应用，确保内容既有理论深度，又能落地实践。完成后，我会通知您！1.统计学基础：描述性统计、方差分析、相关性与
  • 脑洞打开话题：deepseek这么火，什么时候能完全代替人类？ 噔噔噔噔@ 网络
    AI完全代替人类是一个复杂且充满争议的话题，涉及技术、伦理、社会和经济等多个方面。目前来看，AI在某些领域已经表现出超越人类的能力，但要完全代替人类仍然面临许多挑战和限制。以下是关于AI何时可能完全代替人类的一些分析和思考：1.技术层面的限制尽管AI在某些特定任务上已经超越了人类（如图像识别、语音识别、围棋等），但要完全代替人类，AI需要在以下几个方面取得突破：通用人工智能（AGI）目前的AI主要
  • 深入探索Spark MLlib：大数据时代的机器学习利器 concisedistinct 人工智能mllibspark-mlSparkMLlib大数据机器学习
    随着大数据技术的迅猛发展，机器学习在各行各业的应用日益广泛。ApacheSpark作为大数据处理的利器，其内置的机器学习库MLlib（MachineLearningLibrary）提供了一套高效、易用的工具，用于处理和分析海量数据。本文将深入探讨SparkMLlib，介绍其核心功能和应用场景，并通过实例展示如何在实际项目中应用这些工具。一、SparkMLlib概述1.什么是SparkMLlib？S
  • 未来至少十年时间里，哪些行业的岗位更有发展前景且很难被人工智能替代？ 向贤 人工智能人工智能
    未来至少十年时间里，哪些行业的岗位更有发展前景且很难被人工智能替代？在人工智能技术快速迭代的背景下，未来十年内，以下六大类行业因其对人类独特能力的依赖，将展现出强大的抗替代性，并成为具有长期发展潜力的领域：一、医疗健康行业：生命科学与人文关怀的交织复杂决策与不确定性应对医学诊断需要结合患者个体差异、病史和社会背景进行综合判断，AI虽能辅助影像识别和数据分析，但面对突发并发症或罕见病例时，医生的临床
  • 【TVM教程】为 NVIDIA GPU 自动调度神经网络 HyperAI超神经 TVM神经网络人工智能深度学习TVMGPUNVIDIA语言模型
    ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者：LianminZheng针对特定设备和工作负载的自动调优对于获得最佳性能至关重要。本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络，需要将网络划分为小的子图并独立调优。每个子图被视为
  • AI人工智能机器学习之监督线性模型 rockfeng0 人工智能机器学习sklearn
    1、概要  本篇学习AI人工智能机器监督学习框架下的线性模型，以LinearRegression线性回归和LogisticRegression逻辑回归为示例，从代码层面测试和讲述监督学习中的线性模型。2、监督学习之线性模型-简介监督学习和线性模型是的两个重要概念。监督学习是一种机器学习任务，其中模型在已标记的数据集上进行训练。线性模型是一类通过线性组合输入特征来进行预测的模型。线性模型的基本形式可
  • The Rust Programming Language 学习
    说明关于参考的教程TheRustProgrammingLanguage是英文版本的由于本人英语水平相当的有限,所以我们这里直接去看翻译好的版本Rust程序设计语言.下面我们将两个地址全部都贴出来.TheRustProgrammingLanguageRust程序设计语言Rust官方文档中文教程教程中提到的一些前置翻译已参照最新的Rust1.58.0版及开发版进行调整，这是目前网上最新的中文版本，最后
  • 大数据模型：技术赋能，引领未来 大模型教程 人工智能AI大模型大模型语言模型
    随着互联网、物联网、人工智能等技术的飞速发展，我们正身处一个数据爆炸的时代。数据，已经成为这个时代最为宝贵的资源之一。而如何挖掘和利用这些海量数据，为企业和社会创造价值，正是大数据模型所追求的目标。本文将从以下几个方面对大数据模型进行探讨：概述、技术原理、应用场景、挑战与发展趋势。一、概述大数据模型是一种基于数据挖掘和机器学习技术的分析方法，通过对海量数据进行处理和分析，挖掘出有价值的信息和知识，
  • Selenium入门，最近看到的都师一些小白想学测试，今天就分享入门吧~ 程序员-小枫 selenium自动化测试Pythonseleniumpython软件测试
    Selenium入门（自动右键保存图片到本机上）前言入职测开一段时间，基本就是熟悉需求，熟悉业务，熟悉这熟悉那，再跟着需求做各种各样的测试和联调，趁着业余时间，也是学习了一下Selenium，在之前Selenium是我作为爬虫的工具，不过之后就用来做写一些自动化测试脚本啦~~（这里使用Python中的Selenium库进行Coding~~1、什么是SeleniumSelenium是一个用于Web应
  • rabbitmq 同步策略_数据同步解决方案-canal与rabbitmq weixin_39996739 rabbitmq同步策略
    学习目标能够完成canal环境的搭建与数据监控微服务的开发能够完成首页广告缓存更新的功能，掌握OkHttpClient的基本使用方法能够完成商品上架索引库导入数据功能，能够画出流程图和说出实现思路能够完成商品下架索引库删除数据功能，能够画出流程图和说出实现思路该工程使用lua+nginx+rabbitmq+redis等技术的第一个主要目的是实现轮播图的读取，具体图解：其中nginx的作用包括了从数
  • 【深度学习】PYTORCH框架中采用训练数据“CIFAR-10”实现RESNET50 别出BUG求求了 深度学习深度学习pytorchcifar-10resnet50神经网络
    一、ResNet网络结构二、基本块三、RESNET50代码实现resnet50.pyimporttorchimporttorch.nnasnnfromtorch.nnimportfunctionalasFclassResNet50BasicBlock(nn.Module):def__init__(self,in_channel,outs,kernerl_size,stride,padding):s
  • 人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具 学步_技术 自动驾驶人工智能人工智能深度学习自动驾驶机器学习
    人工智能深度学习系列—深度解析：交叉熵损失（Cross-EntropyLoss）在分类问题中的应用人工智能深度学习系列—深入解析：均方误差损失（MSELoss）在深度学习中的应用与实践人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具人工智能深度学习系列—探索余弦相似度损失：深度学习中的相似性度量神器人工智能深度学习系列—深度学习中的边界框回归新贵：GHM（GeneralizedH
  • Qt——Qt控件之输入窗口-QTextEdit文本编辑框控件的使用总结（例程：文本编辑输入） Winter_world QT开发实战qt开发语言QTextEdit控件Qt文本编辑控件的使用
    【系列专栏】：博主结合工作实践输出的，解决实际问题的专栏，朋友们看过来！《项目案例分享》《极客DIY开源分享》《嵌入式通用开发实战》《C++语言开发基础总结》《从0到1学习嵌入式Linux开发》《QT开发实战》《Android开发实战》《实用硬件方案设计》《结构建模设计》《数据库开发总结》《JAVA入门基础》《JavaWeb开发实战》长期持续带来更多案例与技术文章分享；欢迎商业项目咨询，10年+软
  • 数据采集技术：selenium/正则匹配/xpath/beautifulsoup爬虫实例 写代码的中青年 3天入门机器学习seleniumbeautifulsoup爬虫pythonxpath正则表达式
    专栏介绍1.专栏面向零基础或基础较差的机器学习入门的读者朋友，旨在利用实际代码案例和通俗化文字说明，使读者朋友快速上手机器学习及其相关知识体系。2.专栏内容上包括数据采集、数据读写、数据预处理、分类\回归\聚类算法、可视化等技术。3.需要强调的是，专栏仅介绍主流、初阶知识，每一技术模块都是AI研究的细分领域，同更多技术有所交叠，此处不进行讨论和分享。数据采集技术：selenium/正则匹配/xpa
  • BCPD++(非刚性配准) 算法原理详解 点云SLAM 点云数据处理技术算法BCPD++非刚性拼接点云数据处理贝叶斯模型
    BCPD++算法原理详解一、算法概述BCPD++（BayesianCoherentPointDrift++）是BCPD（BayesianCoherentPointDrift）的增强版本，专为非刚性点云配准设计。它基于贝叶斯概率框架，结合变分推断与高效优化策略，显著提升了配准精度、鲁棒性与计算效率。BCPD++的核心创新在于：分层贝叶斯模型：自适应学习超参数，减少人工调参需求。变分贝叶斯推断：替代传
  • 点云配准（点云拼接）论文综述 点云SLAM 点云数据处理技术点云数据处理点云配准DeepICPICP深度学习配准方法特征匹配
    点云配准（点云拼接）论文综述1.引言点云配准（PointCloudRegistration）是三维计算机视觉与机器人感知领域的核心任务，其目标是通过几何变换将多个点云对齐至统一坐标系，形成完整的场景表示。该技术广泛应用于自动驾驶、增强现实、工业检测、医学影像等领域。随着传感器技术（如LiDAR、RGB-D相机）的进步与深度学习的发展，点云配准方法经历了从传统优化算法到数据驱动模型的演变。本文系统综
  • 解读 DeepSeek 关键 RL 算法 GRPO 进一步有进一步的欢喜 LLM算法DeepSeekGRPO
    DeepSeekGRPO：面向超大规模RLHF的梯度正则化策略优化算法引言在当下人工智能蓬勃发展的浪潮里，DeepSeek无疑是一颗耀眼的明星，频繁出现在各类科技前沿讨论中，热度持续攀升。从惊艳的模型表现，到不断拓展的应用场景，DeepSeek正以强劲之势重塑着行业格局。大家不难发现，无论是复杂的自然语言处理任务，还是充满挑战的智能推理难题，DeepSeek都能展现出卓越的性能。而这斐然成绩的背后
  • java题库app有什么,Java面试题库 m0_74824091 面试学习路线阿里巴巴java面试开发语言
    Java面试题库是一个学习刷题类软件，主要针对Java从业者设计，整合了众多基础的题目资源，涵盖面试中可能会遇到的各种出题内容；软件使用功能非常简单，上面就设置了题库和搜索等中心，打开软件就能看到其中各种不同的题目划分栏目，马上就能从推荐栏目找到需要练习的题目并打开练习学习，里面每个题目都提供相应的详细解释和对应的知识点击内容，让用户能高效的掌握该问题考察的考点信息；这里的题库资源丰富，还按照多种
  • 详细介绍人工智能学习框架 日记成书 反正看不懂系列人工智能
    人工智能学习框架是开发者用于构建、训练和部署机器学习模型的核心工具。以下从框架分类、核心框架介绍、学习方法三个维度展开详解：一、主流人工智能框架全景图（一）基础框架层TensorFlow（Google）核心优势：工业级部署能力，支持移动端（TFLite）、浏览器（TF.js）、服务器（TFServing）特色功能：SavedModel格式跨平台兼容，XLA编译器优化计算图适用场景：生产环境部署、大
  • 青少年Python趣学编程：用代码开启无限可能【文末好书推荐】 一键难忘 好书推荐pythonpygame开发语言
    文章目录青少年Python趣学编程：用代码开启无限可能1.为什么选择Python？2.从小游戏开始：让编程变得有趣3.学习编程的关键步骤4.提供项目和挑战：激发创造力《青少年Python趣学编程（微课视频版）》【好书推荐】购书链接本书特色✨内容亮点配套资源适用人群青少年Python趣学编程：用代码开启无限可能在当今数字化的时代，编程已成为一种基础技能，尤其对于青少年来说，学习编程不仅能帮助他们理解
  • 从零开始玩转TensorFlow：小明的机器学习故事 4 山海青风 机器学习tensorflow人工智能
    探索深度学习1场景故事：小明的灵感前不久，小明一直在用传统的机器学习方法（如线性回归、逻辑回归）来预测学校篮球比赛的胜负。虽然在朋友们看来已经很不错了，但小明发现一个问题：当比赛数据越来越多、球队的特征越来越复杂时，模型的准确率提升得很慢。有一天，小明在学校图书馆翻看杂志时，看到这样一句话：“就像人的大脑有上百亿神经元，神经网络能够学习复杂的信息映射，从而取得卓越的表现。”他瞬间来了灵感：“或许我
  • 【深度学习】Transformer入门：通俗易懂的介绍 知识靠谱 深度学习深度学习transformer人工智能
    【深度学习】Transformer入门：通俗易懂的介绍一、引言二、从前的“读句子”方式三、Transformer的“超级阅读能力”四、Transformer是怎么做到的？五、Transformer的“多视角”能力六、Transformer的“位置记忆”七、Transformer的“翻译流程”八、Transformer为什么这么厉害？九、Transformer的应用十、总结一、引言在自然语言处理（N
  • 富士康员工的逆袭之路，从月薪4K到现在月入1W+，是如何做到的？ 程序员与Python 程序人生程序人生职场和发展python开发语言转行
    前言改变不难，难的是如何迈出第一步，有想法就要行动！想法+行动+坚持=成功！！！我18年毕业于黑龙江科技大学，电子信息工程学院，是一个很不出名的小本科，大学期间专业知识也没有去认真的学习，所以毕业的时候就随便找了一份工作，在富士康的昆山厂区，做自动化工程师。记得那时候税前薪资大概是4-6k，因为是在工厂，工作环境很差，也很危险，工作三年零存款，感觉继续这样下去既对不起父母也赚不到钱就想转行。转行理
  • react学习：自定义hook 大神乔伊 reactreactjs
    问题导向react自定义hook如果你都有了答案，可以忽略本文章，或去react学习地图寻找更多答案自定义hook（封装）类型：函数作用：逻辑复用，本质是函数，可以多次调用语法：名称以use开头，函数内部可以调用其他的Hook简单例子一个获取年龄的自定义Hookimport{useState,useEffect}from'react';functionuseAge(){const[age,setA
  • python爬取pdf_python爬取在线教程转成pdf weixin_39842237 python爬取pdf
    1、网站介绍之前再搜资料的时候经常会跳转到如下图所示的在线教程：01.教程样式包括一些github的项目也纷纷将教程链接指向这个网站。经过一番查找，该网站是一个可以创建、托管和浏览文档的网站，其网址为：https://readthedocs.org。在上面可以找到很多优质的资源。该网站虽然提供了下载功能，但是有些教程并没有提供PDF格式文件的下载，如图：02.下载该教程只提供了HTML格式文件的下
  • Python常见库的使用 浪子西科 Pythonpython开发语言
    文章目录人工智能与机器学习1.NumPy2.Pandas3.Scikit-learn4.TensorFlow5.PyTorch数据可视化1.Matplotlib2.Seaborn网络请求与爬虫1.Requests2.Scrapy自动化测试1.unittest2.pytest自然语言处理1.NLTK2.SpaCy数据库操作1.SQLite32.SQLAlchemy日期和时间处理1.datetime2
  • 2024年前端框架选择指南：React、Vue、Angular与新兴框架对比 海豹工匠 前端框架
    在当今快速发展的前端技术领域，选择合适的框架对于项目成功至关重要。本文将深入探讨主流前端框架的特点、优缺点及适用场景，为开发者提供全面的选择指南。主流框架概览React特点：基于组件的开发方式，虚拟DOM差分算法优点：灵活性强，生态系统丰富缺点：需要学习JSX和状态管理库适用场景：中大型项目，需要高度灵活性和复杂状态管理的应用Vue特点：简单易学，模板直观，内置状态管理优点：学习曲线平缓，适合快速
  • map的学习 liuyangzhou666 算法c++stl
    #includeusingnamespacestd;#include#include//find()://erase()//size()//clear()voidprintmis(map&a){map::iteratorit=a.begin();while(it!=a.end()){coutm;//插入：//insert(pair(a,b)m.insert(pair(1,"a"));//inser
  • Spring中@Value注解，需要注意的地方 无量 springbean@Valuexml
    Spring 3以后,支持@Value注解的方式获取properties文件中的配置值，简化了读取配置文件的复杂操作 1、在applicationContext.xml文件(或引用文件中)中配置properties文件 <bean id="appProperty" class="org.springframework.beans.fac
  • mongoDB 分片 开窍的石头 mongodb
        mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上，configsvr上边放的是metar信息，指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard（片）信息。     第一步启动两台以上的mongo服务 &nb
  • OVER(PARTITION BY)函数用法 0624chenhong oracle
    这篇写得很好，引自 http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html OVER(PARTITION BY)函数用法 2010年10月26日 OVER(PARTITION BY)函数介绍 开窗函数        &nb
  • Android开发中，ADB server didn't ACK 解决方法 一炮送你回车库 Android开发
    首先通知：凡是安装360、豌豆荚、腾讯管家的全部卸载，然后再尝试。   一直没搞明白这个问题咋出现的，但今天看到一个方法，搞定了！原来是豌豆荚占用了 5037 端口导致。 参见原文章：一个豌豆荚引发的血案——关于ADB server didn't ACK的问题 简单来讲，首先将Windows任务进程中的豌豆荚干掉，如果还是不行，再继续按下列步骤排查。 &nb
  • canvas中的像素绘制问题 换个号韩国红果果 JavaScriptcanvas
    pixl的绘制，1.如果绘制点正处于相邻像素交叉线，绘制x像素的线宽，则从交叉线分别向前向后绘制x/2个像素，如果x/2是整数，则刚好填满x个像素，如果是小数，则先把整数格填满，再去绘制剩下的小数部分，绘制时，是将小数部分的颜色用来除以一个像素的宽度，颜色会变淡。所以要用整数坐标来画的话（即绘制点正处于相邻像素交叉线时），线宽必须是2的整数倍。否则会出现不饱满的像素。 2.如果绘制点为一个像素的
  • 编码乱码问题 灵静志远 javajvmjsp编码
    1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes()、getByte
  • java 求几个月后的日期 darkranger calendargetinstance
    Date plandate = planDate.toDate(); SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd"); Calendar cal = Calendar.getInstance(); cal.setTime(plandate); // 取得三个月后时间 cal.add(Calendar.M
  • 数据库设计的三大范式（通俗易懂） aijuans 数据库复习
    关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式，才能设计出高效率、优雅的数据库，否则可能会设计出错误的数据库. 目前，主要有六种范式：第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式，简称1NF。在第一范式基础上进一步满足一些要求的为第二范式，简称2NF。其余依此类推。
  • 想学工作流怎么入手 atongyeye jbpm
    工作流在工作中变得越来越重要，很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点，那了解一点，既不系统，也容易半途而废。好比学武功，最好的办法是有一本武功秘籍。研究明白，则犹如打通任督二脉。 系统学习工作流，很重要的一本书《JBPM工作流开发指南》。 本人苦苦学习两个月，基本上可以解决大部分流程问题。整理一下学习思路，有兴趣的朋友可以参考下。 1  首先要
  • Context和SQLiteOpenHelper创建数据库 百合不是茶 androidContext创建数据库
           一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper     一:SQLiteOpenHelper创建数据库:   1,SQLi
  • 浅谈group by和distinct bijian1013 oracle数据库group bydistinct
            group by和distinct只了去重意义一样，但是group by应用范围更广泛些，如分组汇总或者从聚合函数里筛选数据等。         譬如：统计每id数并且只显示数大于3 select id ,count(id) from ta
  • vi opertion 征客丶 macoprationvi
    进入 command mode （命令行模式） 按 esc 键 再按 shift + 冒号 注：以下命令中 带 $ 【在命令行模式下进行】，不带 $ 【在非命令行模式下进行】 一、文件操作 1.1、强制退出不保存 $ q! 1.2、保存 $ w 1.3、保存并退出 $ wq 1.4、刷新或重新加载已打开的文件 $ e 二、光标移动 2.1、跳到指定行 数字
  • 【Spark十四】深入Spark RDD第三部分RDD基本API bit1129 spark
      对于K/V类型的RDD,如下操作是什么含义？   val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5)) rdd.reduceByKey(_+_).collect  reduceByKey在这里的操作，是把
  • java类加载机制 BlueSkator java虚拟机
    java类加载机制 1.java类加载器的树状结构 引导类加载器 ^ | 扩展类加载器 ^ | 系统类加载器 java使用代理模式来完成类加载，java的类加载器也有类似于继承的关系，引导类是最顶层的加载器，它是所有类的根加载器，它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时，通常会代理给父类加载器，若已经是根加载器了，就自己完成加载。 虚拟机区分一个Cla
  • 动态添加文本框 BreakingBad 文本框
      <script>     var num=1; function AddInput() {      var str="";     str+="<input 
  • 读《研磨设计模式》-代码笔记-单例模式 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/ public class Singleton { } /* * 懒汉模式。注意，getInstance如果在多线程环境中调用，需要加上synchronized，否则存在线程不安全问题 */ class LazySingleton
  • iOS应用打包发布常见问题 chenhbc iosiOS发布iOS上传iOS打包
    这个月公司安排我一个人做iOS客户端开发，由于急着用，我先发布一个版本，由于第一次发布iOS应用，期间出了不少问题，记录于此。   1、使用Application Loader 发布时报错：Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
  • 工作流复杂拓扑结构处理新思路 comsci 设计模式工作算法企业应用OO
    我们走的设计路线和国外的产品不太一样，不一样在哪里呢？  国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多，仅仅是在有限的了解程度上面提出这样的看法)，从而避免在流程引擎中处理这些复杂的图的问题，而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性，这样一来，在引擎和流程流转控制这一个层面就会遇到很
  • oracle 11g新特性Flashback data archive daizj oracle
    1. 什么是flashback data archive Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象，用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象，概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
  • 多叉树:2-3-4树 dieslrae 树
        平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:     1、有一个数据项的节点总是有2个子节点(称为2-节点)     2、有两个数据项的节点总是有3个子节点(称为3-节
  • C语言学习七动态分配 malloc的使用 dcj3sjt126com clanguagemalloc
    /* 2013年3月15日15:16:24 malloc 就memory(内存) allocate(分配)的缩写 本程序没有实际含义，只是理解使用 */ # include <stdio.h> # include <malloc.h> int main(void) { int i = 5; //分配了4个字节 静态分配 int * p
  • Objective-C编码规范[译] dcj3sjt126com 代码规范
      原文链接 : The official raywenderlich.com Objective-C style guide 原文作者 : raywenderlich.com Team 译文出自 : raywenderlich.com Objective-C编码规范 译者 : Sam Lau
  • 0.性能优化-目录 frank1234 性能优化
    从今天开始笔者陆续发表一些性能测试相关的文章，主要是对自己前段时间学习的总结，由于水平有限，性能测试领域很深，本人理解的也比较浅，欢迎各位大咖批评指正。 主要内容包括： 一、性能测试指标 吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间 http://frank1234.iteye.com/blog/2180305 二、性能测试策略 生产环境相同 基准测试 预热等 htt
  • Java父类取得子类传递的泛型参数Class类型 happyqing java泛型父类子类Class
      import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import org.junit.Test; abstract class BaseDao<T> { public void getType() { //Class<E> clazz =
  • 跟我学SpringMVC目录汇总贴、PDF下载、源码下载 jinnianshilongnian springMVC
      ----广告-------------------------------------------------------------- 网站核心商详页开发 掌握Java技术，掌握并发/异步工具使用，熟悉spring、ibatis框架； 掌握数据库技术，表设计和索引优化，分库分表/读写分离； 了解缓存技术，熟练使用如Redis/Memcached等主流技术； 了解Ngin
  • the HTTP rewrite module requires the PCRE library 流浪鱼 rewrite
    ./configure: error: the HTTP rewrite module requires the PCRE library. 模块依赖性Nginx需要依赖下面3个包 1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ ) 2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ ) 3. s
  • 第12章 Ajax（中） onestopweb Ajax
    index.html <!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/
  • Optimize query with Query Stripping in Web Intelligence blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence and a very straightfoward video http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
  • Java开发者写SQL时常犯的10个错误 tomcat_oracle javasql
    1、不用PreparedStatements 　　有意思的是，在JDBC出现了许多年后的今天，这个错误依然出现在博客、论坛和邮件列表中，即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个： 　　他们对PreparedStatements不了解 　　他们认为使用PreparedStatements太慢了 　　他们认为写Prepar
  • 世纪互联与结盟有感 阿尔萨斯
    10月10日，世纪互联与（Foxcon）签约成立合资公司，有感。 全球电子制造业巨头（全球500强企业）与世纪互联共同看好IDC、云计算等业务在中国的增长空间，双方迅速果断出手，在资本层面上达成合作，此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任，另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。 众所周知，精于电子产品制造（世界第一），对于世纪互联而言，能够与结盟
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他