- stable diffusion和GAN网络的区别，优点缺点是什么
爱好很多的算法工程师
SD大模型AIGC笔记
稳定扩散（stablediffusion）和生成对抗网络（GAN）是两种不同的深度学习方法。稳定扩散是一种无监督学习方法，用于图像超分辨率重建。它基于扩散过程模型，通过在不同的时间步骤中对图像进行重建来增加分辨率。该方法能够有效地增加图像的细节，并产生更高质量的图像。其优点包括：无监督学习：稳定扩散不需要使用任何带标签的训练数据，因此可以用于无监督任务。高分辨率重建：稳定扩散能够通过迭代过程逐渐增
- （condition instance batchnorm）A LEARNED REPRESENTATION FOR ARTISTIC STYLE
水球喵
分享一个不错的对batchnorm的解释https://blog.csdn.net/aichipmunk/article/details/54234646.作者提到:BatchNorm会忽略图像像素（或者特征）之间的绝对差异（因为均值归零，方差归一）,instancenorm也是一样的，他们只考虑相对差异，所以在不需要绝对差异的任务中（比如分类、风格），有锦上添花的效果。而对于图像超分辨率这种需要
- Stable Diffusion系列（六）：原理剖析——从文字到图片的神奇魔法（潜空间篇）
羊城迷鹿
多模态模型stablediffusionlatent潜空间论文
文章目录LDM概述原理模型架构自编码器模型扩散模型条件引导模型图像生成过程实验结果指标定义IS（越大越好）FID（越小越好）训练成本与采样质量分析不带条件的图片生成基于文本的图片生成基于语义框的图片生成基于语义图的图片生成超分辨率图像生成图像重绘其他文生图模型DALL-EImagen在上一章，我们了解了扩散模型的基本原理，但它离实现StableDiffusion的文生图或图生图功能显然还有一段距离
- ESRGAN：基于GAN的增强超分辨率方法（附代码解析）
PaperWeekly
作者丨左育莘学校丨西安电子科技大学研究方向丨计算机视觉之前看的文章里有提到GAN在图像修复时更容易得到符合视觉上效果更好的图像，所以也是看了一些结合GAN的图像修复工作。ESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks发表于ECCV2018的Workshops，作者在SRGAN的基础上进行了改进，包括改进网络的结构、判决器的判
- [超分辨率重建]ESRGAN算法训练自己的数据集过程
Cr_南猫
超分辨率重建超分辨率重建人工智能深度学习
一、下载数据集及项目包1.数据集1.1文件夹框架的介绍，如下图所示：主要有train和val，分别有高清（HR）和低清（LR）的图像。1.2原图先通过分割尺寸的脚本先将数据集图片处理成两个相同的图像组（HR和LR）。如训练x4的ESRGAN模型，那么我们需要将HR的图像尺寸与LR的图像尺寸比例是4:1。在我的训练中，我将HR的图像尺寸分割成了480x480，LR的图像分割成了120x120。如下图
- 第十八篇【传奇开心果短博文系列】Python的OpenCV库技术点案例示例：图像修复和恢复
传奇开心果编程
Python库OpenCV技术点案例示例短博文pythonopencv计算机视觉人工智能
传奇开心果短博文系列系列短博文目录Python的OpenCV库技术点案例示例系列短博文目录前言一、常用的图像修复与恢复技术二、插值方法示例代码三、基于纹理合成的方法示例代码四、基于边缘保持的方法示例代码五、基于图像修复模型的方法示例代码六、基于深度学习的方法示例代码七、基于结构化边缘的方法示例代码八、基于多帧图像的方法示例代码九、基于超分辨率的方法示例代码十、cv2.inpaint()函数修复图像
- 【深度学习】实验7布置，图像超分辨
X.AI666
深度学习深度学习人工智能
清华大学驭风计划因为篇幅原因实验答案分开上传，实验答案链接http://t.csdnimg.cn/P1yJF如果需要更详细的实验报告或者代码可以私聊博主有任何疑问或者问题，也欢迎私信博主，大家可以相互讨论交流哟~~深度学习训练营案例7：图像超分辨相关知识点：生成对抗网络、图像处理（PIL）和可视化（matplotlib）1任务和数据简介本次案例将使用生成对抗网络来实现4倍图像超分辨任务，输入一张低
- 【深度学习】实验7实验结果，图像超分辨
X.AI666
深度学习深度学习人工智能
代码和报告均为本人自己实现（实验满分），只展示主要任务实验结果，如果需要详细的实验报告或者代码可以私聊博主，接实验技术指导1对1实验要求布置请看http://t.csdnimg.cn/jCsv6Model实现说明代码实现了一个基于生成对抗网络（SRGAN）的图像超分辨率模型。总体来说，SRGAN由两个主要组件组成：生成器（Generator）和判别器（Discriminator），它们相互对抗并共
- YOLOv8改进 | 检测头篇 | 独创RFAHead检测头超分辨率重构检测头（适用Pose、分割、目标检测）
Snu77
YOLOv8有效涨点专栏YOLO目标检测人工智能深度学习计算机视觉pythonPytorch
一、本文介绍本文给大家带来的改进机制是RFAHead，该检测头为我独家全网首发，本文主要利用将空间注意力机制与卷积操作相结合的卷积RFAConv来优化检测头，其核心在于优化卷积核的工作方式，特别是在处理感受野内的空间特征时。RFAConv主要的优点就是增加模型的特征提取能力，这对于对于那些数据集中有困难识别的样本来说是非常有效的解决方法，同时本文的检测头结构为我本人独家提出，全网仅此一份，结构非常
- ESRGAN：基于GAN的增强超分辨率方法（附代码解析）
无止境x
SuperResolution（超分辨）ESRGAN
之前看的文章里有提到GAN在图像修复时更容易得到符合视觉上效果更好的图像，所以也是看了一些结合GAN的图像修复工作。ESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks发表于ECCV2018的Workshops，作者在SRGAN的基础上进行了改进，包括改进网络的结构、判决器的判决形式，以及更换了一个用于计算感知域损失的预训练网络。
- 一种通过增强的面部边界实现精确面部表示的多级人脸超分辨率
qq_43314576
人工智能机器学习深度学习
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录摘要Abstract文献阅读：一种通过增强的面部边界实现精确面部表示的多级人脸超分辨率二、使用步骤1、研究背景2、方法提出3、相关方法3.1、FSR网络结构3.2、多阶段FSR网络结构4、实验工作5、方法比较LSTM代码学习2.1、什么是LSTM2.2、LSTM的处理过程2.3、LSTM代码分析总结摘要本周主要阅读了2020C
- （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
- 论文阅读《SGNet: Structure Guided Network via Gradient-Frequency Awareness for Depth Map Super-Resolutio》
CV科研随想录
CV顶会(刊)论文阅读论文阅读
论文地址：https://arxiv.org/pdf/2312.05799v1.pdf源码地址：https://github.com/yanzq95/SGNet概述 深度图的图像引导超分辨率在各个领域有着广泛的应用。但是，复杂的成像环境会导致深度图的结构边缘变得模糊。如图2所示，从梯度图可以看出，它能够很好地表现出图像的结构信息。从频谱图可以看出，高分辨率的深度图和RGB图像都包含了丰富的高频和
- 文本生成高清、连贯视频，谷歌推出时空扩散模型
RPA中国
音视频人工智能
谷歌研究人员推出了创新性文本生成视频模型——Lumiere。与传统模型不同的是，Lumiere采用了一种时空扩散（Space-time）U-Net架构，可以在单次推理中生成整个视频的所有时间段，能明显增强生成视频的动作连贯性，并大幅度提升时间的一致性。此外，Lumiere为了解决空间超分辨率级联模块，在整个视频的内存需求过大的难题，使用了Multidiffusion方法，同时可以对生成的视频质量、
- HiNet阅读笔记
小杨小杨1
#全监督计算机视觉人工智能深度学习
HINet:HalfInstanceNormalizationNetworkforImageRestoration摘要提出了一种新的block:半实例归一化块(HINblock)图像恢复任务sota一些效果展示引言批处理归一化不能提高超分辨率网络的性能批归一化消除了网络的范围灵活性图像恢复任务通常使用小的图像patch和小的mini-batchsize来训练网络，这导致BN的统计不稳定。实例标准化
- ICCV 2023 超分辨率（super-resolution）方向上接收论文总结
yyywxk
ICCV2023官网链接：https://iccv2023.thecvf.com/会议时间：2023年10月2日至6日，法国巴黎（Paris）。ICCV2023统计数据：收录2160篇。现将超分辨率方向上接收的论文汇总如下，遗漏之处还请大家斧正。图像超分SRFormer:PermutedSelf-AttentionforSingleImageSuper-ResolutionPaper:http:/
- torch.utils.data.Dataset
syugyou
pytorchpython
文章目录torch.utils.data.Dataset结构示例超分辨率数据集bsd_300__getitem__()transformimagenet22k数据集__getitem__()RelatedLinkstorch.utils.data.Dataset表示一个数据集的抽象类，Map-style的数据集都应该是它的子类，并且重写__getitem__()，支持给定key值获取数据，重写__
- 紫光展锐M6780丨超分辨率技术——画质重构还原经典
紫光展锐官方
重构人工智能
上一期，我们揭秘了让画质更加炫彩的AI-PQ技术。面对分辨率较低的老电影，光有高饱和度的色彩是不够的，如何能够提高视频影像的分辨率，使画质更加清晰，实现老片新看？本期带大家揭晓紫光展锐首颗AI+8K超高清智能显示芯片平台M6780的第二项隐藏技能——AI-SR超分辨率技术。在图像、视频的显示过程中，视频源的输入尺寸取决于视频资源的实际尺寸，如果视频资源较为老旧，其分辨率普遍低于播放设备的显示分辨率
- 超分之SRGAN
深度学习炼丹师-CXD
超分SR计算机视觉人工智能深度学习超分辨率重建论文笔记
Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork使用生成对抗网络的逼真单图像超分辨率一作：ChristianLedig是Twitter2017年的一篇论文。超分之SRGAN代码实现文章目录0.摘要1.引言1.1相关工作1.1.1介绍了SR技术的发展历程1.1.2介绍了SR技术中卷积神经网络的设计
- 超分之ESRGAN
深度学习炼丹师-CXD
超分SR深度学习计算机视觉超分辨率重建pytorch
Esrgan：增强型超分辨率生成对抗网络。Esrgan:Enhancedsuper-resolutiongenerativeadversarialnetworks.In:ECCVW.(2018)XintaoWang,KeYu,ShixiangWu,JinjinGu,YihaoLiu,ChaoDong,YuQiao,andChenChangeLoy.文章目录摘要一、引言二、相关工作三、Methods
- 卷积神经网络（CNN）
Array902
cnn人工智能神经网络
卷积神经网络主要就是应用于计算机视觉（CV）当中！可以做啥？检测任务：检测追踪分类与检索：分类看图像是啥，检索比如说淘宝里面识别一张图片得到类似商品超分辨率重构医学任务等无人驾驶人脸识别传统神经网络与卷积神经网络的区别卷积神经网络拿到一张图像直接进行处理，不需要将图像中的点拉成一维向量；整体架构卷积层：提取特征池化层：压缩特征卷积h*w*c上面的一块小区域的样本点矩阵：小区域处的权重矩阵：图像颜色
- ECCV 2022 超分辨率（super-resolution）方向上接收论文总结（持续更新）
yyywxk
ECCV2022除了著名的CVPR、ICCV，ECCV（欧洲计算机视觉国际会议）也是计算机视觉三大国际顶级会议之一，每两年召开一次。本届ECCV2022将在10月23日-27日的以色列特拉维夫（Tel-Aviv）举行，采取线下和线上混合形式召开[1]。而本届会议论文录用率不足20%。现将超分辨率方向上接收的论文汇总如下，遗漏之处还请大家斧正。图像超分CADyQ:Content-AwareDynam
- 基于深度学习的老黑白视频修复
OverlordDuke
深度学习GAN深度学习音视频人工智能视频修复
基于深度学习的老黑白视频修复PaddleGAN实现老北京黑白视频修复项目背景与意义安装PaddleGAN1.1准备工作1.2下载PaddleGAN代码1.3安装依赖导入依赖包2.1导入相关库2.2定义display函数展示旧影像3.1读取视频帧3.2获得帧率并显示视频修复4.1使用DAIN模型补帧4.2使用DeOldify模型进行上色4.3使用PPMSVSR模型实现视频的超分辨率展示结果Paddl
- Resemble Enhance音频失真损坏修复AI工具：一个开源语音超分辨率AI模型
喜好儿aigc
人工智能aigc科技机器人ai
ResembleEnhance是一款强大的音频处理工具，可以将嘈杂的录音转化为清晰而有力的声音，为用户提供更优质的听觉体验。这个工具不仅可以有效去除录音中的各种噪声和杂音，还能够恢复音频失真并扩展音频带宽，使原本的声音听起来更加清晰和自然。详细介绍：ResembleEnhance:OpenSourceSpeechSuperResolutionModelGitHub：https://github.c
- ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks论文翻译——中文版
SnailTyan
文章作者：Tyan博客：noahsnail.com|CSDN|声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks摘要超分辨率生成对抗
- 【扩散模型】11、Stable Diffusion | 使用 Diffusers 库来看看 Stable Diffusion 的结构
呆呆的猫
stablediffusion
文章目录一、什么是StableDiffusion二、Diffusers库三、微调、引导、条件生成3.1微调3.2引导3.3条件生成四、StableDiffusion4.1以文本为条件生成4.2无分类器的引导4.3其它类型的条件生成：超分辨率、图像修补、深度图到图像的转换4.4使用DreamBooth微调五、使用Diffusers库来窥探StableDiffusion内部5.1StableDiffu
- 基于DL的人脸超分辨率(FSR)任务综述
多少学一点吧
FSR深度学习计算机视觉神经网络
一、任务描述从低分辨率的人脸图像中生成高分辨率的人脸图像。二、数据来源利用已有的高分辨率（HR）人脸图像，采用一些方法降低图像的分辨率，得到对应的低分辨率（LR）人脸图像。LR图像用于网络的训练，HR图像用于监督，网络生成的图片记为SR（superresolution），损失函数可以基于评估HR图像和SR图像之间的差异构建。三、常见的评价指标和损失函数1、评价指标：（1）PSNR（PeakSign
- 目标检测YOLO实战应用案例100讲-基于图像增强的鸟类目标检测（续）
林聪木
目标检测YOLO深度学习
目录SRGAN网络模型改进研究3.1SRGAN超分辨率模型3.1.1SRGAN网络结构3.1.2SRGAN的损失函数
- [C#]使用OpenCvSharp实现二维码图像增强超分辨率
FL1623863129
C#c#开发语言
【官方框架地址】github.com/shimat/opencvsharp【算法介绍】借助于opencv自带sr.prototxt和sr.caffemodel实现对二维码图像增强【效果展示】【实现部分代码】usingSystem;usingSystem.Collections.Generic;usingSystem.ComponentModel;usingSystem.Data;usingSyst
- 【2023 CCF 大数据与计算智能大赛】基于TPU平台实现超分辨率重建模型部署 基于QuickRNet的TPU超分模型部署
算能开发者社区
大数据超分辨率重建人工智能
2023CCF大数据与计算智能大赛《赛题名称》基于QuickRNet的TPU超分模型部署巴黎欧莱雅林松智能应用业务部算法工程师中信科移动中国-北京
[email protected]团队简介巴黎欧莱雅团队包含一个队长和零个队员。队长林松，研究生学历，2019-2022在中国矿业大学（北京）攻读硕士学位，于2022年7月加入中信科移动公司，现在在智能应用业务部负责视觉AI算法的落地部署，是一名算法工程师，主要擅长
- 关于旗正规则引擎中的MD5加密问题
何必如此
jspMD5规则加密
一般情况下，为了防止个人隐私的泄露，我们都会对用户登录密码进行加密，使数据库相应字段保存的是加密后的字符串，而非原始密码。
在旗正规则引擎中，通过外部调用，可以实现MD5的加密，具体步骤如下：
1.在对象库中选择外部调用，选择“com.flagleader.util.MD5”，在子选项中选择“com.flagleader.util.MD5.getMD5ofStr({arg1})”；
2.在规
- 【Spark101】Scala Promise/Future在Spark中的应用
bit1129
Promise
Promise和Future是Scala用于异步调用并实现结果汇集的并发原语，Scala的Future同JUC里面的Future接口含义相同，Promise理解起来就有些绕。等有时间了再仔细的研究下Promise和Future的语义以及应用场景，具体参见Scala在线文档：http://docs.scala-lang.org/sips/completed/futures-promises.html
- spark sql 访问hive数据的配置详解
daizj
spark sqlhivethriftserver
spark sql 能够通过thriftserver 访问hive数据，默认spark编译的版本是不支持访问hive，因为hive依赖比较多，因此打的包中不包含hive和thriftserver,因此需要自己下载源码进行编译，将hive，thriftserver打包进去才能够访问，详细配置步骤如下：
1、下载源码
2、下载Maven,并配置
此配置简单，就略过
- HTTP 协议通信
周凡杨
javahttpclienthttp通信
一：简介
HTTPCLIENT，通过JAVA基于HTTP协议进行点与点间的通信！
二： 代码举例
测试类：
import java
- java unix时间戳转换
g21121
java
把java时间戳转换成unix时间戳：
Timestamp appointTime=Timestamp.valueOf(new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(new Date()))
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd hh:m
- web报表工具FineReport常用函数的用法总结（报表函数）
老A不折腾
web报表finereport总结
说明：本次总结中，凡是以tableName或viewName作为参数因子的。函数在调用的时候均按照先从私有数据源中查找，然后再从公有数据源中查找的顺序。
CLASS
CLASS(object):返回object对象的所属的类。
CNMONEY
CNMONEY(number,unit)返回人民币大写。
number:需要转换的数值型的数。
unit:单位，
- java jni调用c++ 代码 报错
墙头上一根草
javaC++jni
#
# A fatal error has been detected by the Java Runtime Environment:
#
# EXCEPTION_ACCESS_VIOLATION (0xc0000005) at pc=0x00000000777c3290, pid=5632, tid=6656
#
# JRE version: Java(TM) SE Ru
- Spring中事件处理de小技巧
aijuans
springSpring 教程Spring 实例Spring 入门Spring3
Spring 中提供一些Aware相关de接口，BeanFactoryAware、 ApplicationContextAware、ResourceLoaderAware、ServletContextAware等等，其中最常用到de匙ApplicationContextAware.实现ApplicationContextAwaredeBean，在Bean被初始后，将会被注入 Applicati
- linux shell ls脚本样例
annan211
linuxlinux ls源码linux 源码
#! /bin/sh -
#查找输入文件的路径
#在查找路径下寻找一个或多个原始文件或文件模式
# 查找路径由特定的环境变量所定义
#标准输出所产生的结果 通常是查找路径下找到的每个文件的第一个实体的完整路径
# 或是filename :not found 的标准错误输出。
#如果文件没有找到 则退出码为0
#否则 即为找不到的文件个数
#语法 pathfind [--
- List,Set,Map遍历方式 (收集的资源,值得看一下)
百合不是茶
listsetMap遍历方式
List特点：元素有放入顺序，元素可重复
Map特点：元素按键值对存储，无放入顺序
Set特点：元素无放入顺序，元素不可重复（注意：元素虽然无放入顺序，但是元素在set中的位置是有该元素的HashCode决定的，其位置其实是固定的）
List接口有三个实现类：LinkedList，ArrayList，Vector
LinkedList：底层基于链表实现，链表内存是散乱的，每一个元素存储本身
- 解决SimpleDateFormat的线程不安全问题的方法
bijian1013
javathread线程安全
在Java项目中，我们通常会自己写一个DateUtil类，处理日期和字符串的转换，如下所示：
public class DateUtil01 {
private SimpleDateFormat dateformat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
public void format(Date d
- http请求测试实例（采用fastjson解析）
bijian1013
http测试
在实际开发中，我们经常会去做http请求的开发，下面则是如何请求的单元测试小实例，仅供参考。
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.httpclient.HttpClient;
import
- 【RPC框架Hessian三】Hessian 异常处理
bit1129
hessian
RPC异常处理概述
RPC异常处理指是，当客户端调用远端的服务，如果服务执行过程中发生异常，这个异常能否序列到客户端？
如果服务在执行过程中可能发生异常，那么在服务接口的声明中，就该声明该接口可能抛出的异常。
在Hessian中，服务器端发生异常，可以将异常信息从服务器端序列化到客户端，因为Exception本身是实现了Serializable的
- 【日志分析】日志分析工具
bit1129
日志分析
1. 网站日志实时分析工具 GoAccess
http://www.vpsee.com/2014/02/a-real-time-web-log-analyzer-goaccess/
2. 通过日志监控并收集 Java 应用程序性能数据(Perf4J)
http://www.ibm.com/developerworks/cn/java/j-lo-logforperf/
3.log.io
和
- nginx优化加强战斗力及遇到的坑解决
ronin47
nginx 优化
先说遇到个坑，第一个是负载问题，这个问题与架构有关，由于我设计架构多了两层，结果导致会话负载只转向一个。解决这样的问题思路有两个：一是改变负载策略，二是更改架构设计。
由于采用动静分离部署，而nginx又设计了静态，结果客户端去读nginx静态，访问量上来，页面加载很慢。解决：二者留其一。最好是保留apache服务器。
来以下优化：
- java-50-输入两棵二叉树A和B，判断树B是不是A的子结构
bylijinnan
java
思路来自：
http://zhedahht.blog.163.com/blog/static/25411174201011445550396/
import ljn.help.*;
public class HasSubtree {
/**Q50.
* 输入两棵二叉树A和B，判断树B是不是A的子结构。
例如，下图中的两棵树A和B，由于A中有一部分子树的结构和B是一
- mongoDB 备份与恢复
开窍的石头
mongDB备份与恢复
Mongodb导出与导入
1: 导入/导出可以操作的是本地的mongodb服务器,也可以是远程的.
所以,都有如下通用选项:
-h host 主机
--port port 端口
-u username 用户名
-p passwd 密码
2: mongoexport 导出json格式的文件
- [网络与通讯]椭圆轨道计算的一些问题
comsci
网络
如果按照中国古代农历的历法，现在应该是某个季节的开始，但是由于农历历法是3000年前的天文观测数据，如果按照现在的天文学记录来进行修正的话，这个季节已经过去一段时间了。。。。。
也就是说，还要再等3000年。才有机会了，太阳系的行星的椭圆轨道受到外来天体的干扰，轨道次序发生了变
- 软件专利如何申请
cuiyadll
软件专利申请
软件技术可以申请软件著作权以保护软件源代码，也可以申请发明专利以保护软件流程中的步骤执行方式。专利保护的是软件解决问题的思想，而软件著作权保护的是软件代码（即软件思想的表达形式）。例如，离线传送文件，那发明专利保护是如何实现离线传送文件。基于相同的软件思想，但实现离线传送的程序代码有千千万万种，每种代码都可以享有各自的软件著作权。申请一个软件发明专利的代理费大概需要5000-8000申请发明专利可
- Android学习笔记
darrenzhu
android
1.启动一个AVD
2.命令行运行adb shell可连接到AVD,这也就是命令行客户端
3.如何启动一个程序
am start -n package name/.activityName
am start -n com.example.helloworld/.MainActivity
启动Android设置工具的命令如下所示：
# am start -
- apache虚拟机配置，本地多域名访问本地网站
dcj3sjt126com
apache
现在假定你有两个目录，一个存在于 /htdocs/a，另一个存在于 /htdocs/b 。
现在你想要在本地测试的时候访问 www.freeman.com 对应的目录是 /xampp/htdocs/freeman ,访问 www.duchengjiu.com 对应的目录是 /htdocs/duchengjiu。
1、首先修改C盘WINDOWS\system32\drivers\etc目录下的
- yii2 restful web服务[速率限制]
dcj3sjt126com
PHPyii2
速率限制
为防止滥用，你应该考虑增加速率限制到您的API。 例如，您可以限制每个用户的API的使用是在10分钟内最多100次的API调用。 如果一个用户同一个时间段内太多的请求被接收， 将返回响应状态代码 429 (这意味着过多的请求)。
要启用速率限制, [[yii\web\User::identityClass|user identity class]] 应该实现 [[yii\filter
- Hadoop2.5.2安装——单机模式
eksliang
hadoophadoop单机部署
转载请出自出处：http://eksliang.iteye.com/blog/2185414 一、概述
Hadoop有三种模式 单机模式、伪分布模式和完全分布模式，这里先简单介绍单机模式 ，默认情况下，Hadoop被配置成一个非分布式模式，独立运行JAVA进程，适合开始做调试工作。
二、下载地址
Hadoop 网址http:
- LoadMoreListView+SwipeRefreshLayout（分页下拉）基本结构
gundumw100
android
一切为了快速迭代
import java.util.ArrayList;
import org.json.JSONObject;
import android.animation.ObjectAnimator;
import android.os.Bundle;
import android.support.v4.widget.SwipeRefreshLayo
- 三道简单的前端HTML/CSS题目
ini
htmlWeb前端css题目
使用CSS为多个网页进行相同风格的布局和外观设置时，为了方便对这些网页进行修改，最好使用（ ）。http://hovertree.com/shortanswer/bjae/7bd72acca3206862.htm
在HTML中加入<table style=”color:red; font-size:10pt”>，此为（ ）。http://hovertree.com/s
- overrided方法编译错误
kane_xie
override
问题描述：
在实现类中的某一或某几个Override方法发生编译错误如下：
Name clash: The method put(String) of type XXXServiceImpl has the same erasure as put(String) of type XXXService but does not override it
当去掉@Over
- Java中使用代理IP获取网址内容（防IP被封，做数据爬虫）
mcj8089
免费代理IP代理IP数据爬虫JAVA设置代理IP爬虫封IP
推荐两个代理IP网站：
1. 全网代理IP：http://proxy.goubanjia.com/
2. 敲代码免费IP：http://ip.qiaodm.com/
Java语言有两种方式使用代理IP访问网址并获取内容，
方式一，设置System系统属性
// 设置代理IP
System.getProper
- Nodejs Express 报错之 listen EADDRINUSE
qiaolevip
每天进步一点点学习永无止境nodejs纵观千象
当你启动 nodejs服务报错：
>node app
Express server listening on port 80
events.js:85
throw er; // Unhandled 'error' event
^
Error: listen EADDRINUSE
at exports._errnoException (
- C++中三种new的用法
_荆棘鸟_
C++new
转载自：http://news.ccidnet.com/art/32855/20100713/2114025_1.html
作者: mt
其一是new operator，也叫new表达式；其二是operator new，也叫new操作符。这两个英文名称起的也太绝了，很容易搞混，那就记中文名称吧。new表达式比较常见，也最常用，例如：
string* ps = new string("
- Ruby深入研究笔记1
wudixiaotie
Ruby
module是可以定义private方法的
module MTest
def aaa
puts "aaa"
private_method
end
private
def private_method
puts "this is private_method"
end
end
