- 【单目测距】3D检测框测距
读书猿
自动驾驶python目标检测
文章目录一、前言二、2D框测距局限性三、3D框测距3.1、确定接地点3.2、测距结果对比3.3、代码3.4、代码解析四、后记一、前言3D检测模型用的fcos3D。如何对3D框测距?3D检测框测距对比2D检测框测距优势在哪?二、2D框测距局限性(1)横向测距偏差。当目标有一定倾斜角度时,尤其近距离目标。如下图id=0目标白车,如果是2D检测框测距,会误认为车尾在点A处,而实际应该在图像最左侧外部(2
- Model Compression and Acceleration Overview
Ada's
认知智能认知计算片上互联边缘计算系统科学神经科学认知科学专题《智能芯片》
模型压缩、模型加速模型压缩方法:能够有效降低参数冗余减少存储占用、通信带宽、计算复杂度利部署线性或非线性量化:1/2bits,int8和fp16等;结构或非结构剪枝:deepcompression,channelpruning和networkslimming等;网络结构搜索(NAS:NetworkArchitectureSearch):DARTS,DetNAS、NAS-FCOS、Proxyless
- FCOS: Fully Convolutional One-Stage Object Detection
Cat丹
关键词:一阶段物体检测,anchorfree。网络结构为backbone+fpn+head(5个)。预测结果为:类别,是否为物体中心点,该点与box四边的距离。训练时,通过(x,y)是否位于gtbox内判定改位置是否为正样本,当该点同时在几个gtbox内时,选择面积最小的box为其目标box。在这里作者采用了双阈值,该点距离四边的最大距离大于或者小于,则认为该样本为负样本。这样做的好处可以排除掉将
- [卷积神经网络]FCOS--仅使用卷积的Anchor Free目标检测
ViperL1
神经网络学习笔记cnn目标检测人工智能
项目源码:FCOShttps://github.com/tianzhi0549/FCOS/一、概述作为一种AnchorFree的目标检测网络,FCOS并不依赖锚框,这点类似于YOLOx和CenterNet,但CenterNet的思路是寻找目标的中心点,而FCOS则是寻找每个像素点,这点更类似语义分割。本文的主要贡献总结起来有以下两个:①将目标检测任务与语义分割任务统一起来,是的模型可以更简单的扩展
- ATSS算法
怎么全是重名
论文笔记算法目标检测人工智能
文章目录前言ATSS算法的基本原理ATSS算法的主要设计步骤算法实现伪代码描述如下:pytorch分析主要优点:ATSS算法在一定程度上保证了TinyObject的阳性样本:原文前言作者比较了FCOS和RetinaNet,发现它们之间主要有三个区别:(1)每个位置平铺锚的数量。RetinaNet在每个位置平铺几个锚盒,而FCOS在每个位置平铺一个锚点。(2)正、负样本的定义。RetinaNet采用
- FCOS: Fully Convolutional One-Stage Object Detection 论文源代码复现
STRUGGLE_xlf
目标检测人工智能计算机视觉
FCOS源代码github地址为:FCOS这篇论文主要是关于目标检测的,今天跑一下它的实验,我是在autodl租的RTX2080Ti,因为这个代码比较久,所以Pytoch版本可能不可以装太高,我的镜像CUDA版本为10.1,具体规格如下:创建好服务器好,打开终端创建一个虚拟环境,也可以参考源文件的INSTALL.md步骤,这个文件里有依赖的要求以及步骤:1.创建虚拟环境:condacreate-n
- FCOS(Fully Convolutional One-Stage Object Detection)
cshun
arXiv:https://arxiv.org/abs/1904.01355github:https://github.com/tianzhi0549/FCOS向着anchor-free方向迈进,不铺框的检测,减少了大量的anchoriou计算,并且可以达到与two-stage相当的检测精度。1.通过计算预测C类的classfication和regerssion对边框进行回归(到四个边界的距离[l
- 第96步 深度学习图像目标检测:FCOS建模
Jet4505
《100StepstoGetML》—JET学习笔记深度学习目标检测目标跟踪FCOS
基于WIN10的64位系统演示一、写在前面本期开始,我们继续学习深度学习图像目标检测系列,FCOS(FullyConvolutionalOne-StageObjectDetection)模型。二、FCOS简介FCOS(FullyConvolutionalOne-StageObjectDetection)是一种无锚框的目标检测方法,由Tianetal.在2019年提出。与传统的基于锚框的目标检测方法
- 杂乱知识点记录
电子系的小欣
计算机视觉深度学习算法目标检测
杂乱知识点记录1目标检测评估指标2visualgrounding3分割4VLM经典框架5RCNN系列RCNNFastRCNNFasterRCNNMaskRCNN6GIOU7DETR系列DETRDeformableDETRDAB-DETRDN-DETRDINO8COCO20149COCO评价指标maxDets=[1,10,100]10FCOS:anchor-free11ATSS1目标检测评估指标目标
- FCOS难点记录
深度菜鸡-达闻西
目标检测深度学习
FCOS中有计算特征图(Featuremap中的每个特征点到gt_box的左、上、右、下的距离)1、特征点到gt_box框的左、上、右、下距离计算x=coords[:,0]#h*w,2即第一列y=coords[:,1]l_off=x[None,:,None]-gt_boxes[...,0][:,None,:]#[1,h*w,1]-[batch_size,1,m]-->[batch_size,h*w
- FCOS: Fully Convolutional One-Stage Object Detection
_从前从前_
Github:FCOS摘要提出了一种全卷积的one-stage目标检测方法,以逐像素点的方式解决目标检测问题,类似于语义分割。FCOS是anchorfree的方法,FCOSwithResNeXt-64x4d-101在单模型单尺度的测试下,AP达到44.7%,超越了之前的one-stage方法。image.png一、介绍作者了分析anchorbased方法的缺点,主要有以下四点:1、检测性能对于an
- 论文阅读:AutoAssign
贾小树
目标检测论文阅读
文章目录1、论文总述2、密集预测型FCOS正负样本分配的不足3、Comparisonoflabelassignmentbetweendifferenttypicaldetectors.4、wetransformthewholeassignmentstepintotwoweightmaps.5、公式6、Visualizationoflearnedcenterweightingweightsofdif
- 【mmdetection代码解读 3.x版本】以Fcos+FasterRcnn为例
Re-赟
目标检测深度学习人工智能
文章目录前言RPN部分的代码1.loss函数(two_stage.py)1.1loss_and_predict函数(base_dense_head.py)1.1.1loss_by_feat函数(fcos_head.py)1.1.1.1get_targets函数1.1.1.2_get_targets_single函数1.1.2predict_by_feat函数(base_dense_head.py)
- nvidia xavier部署fcos3d
百度森森
python
jetsonxavier部署mmdeployhuanyuantorch+mmcvceshidependenceSTEP3安装MMDETECTOIN、MMCV安装cmake安装ppl.cv.安装onnx安装tensorrt、cuDNNtensorrtppl.cv.算子编译huanyuanhttps://www.jianshu.com/p/0543229dc7b8sudocp/etc/apt/sour
- EdgeYOLO:边缘设备上实时运行的目标检测器及Pytorch实现
边缘计算社区
pytorch人工智能python深度学习机器学习
代码地址:https://github.com/LSH9832/edgeyolo计算机视觉研究院专栏作者:Edison_G今天分享的研究者提出了一种基于最先进的YOLO框架的高效、低复杂度和无锚的目标检测器,该检测器可以在边缘计算平台上实时实现。01概述研究者开发了一种增强的数据增强方法来有效抑制训练过程中的过拟合,并设计了一种混合随机损失函数来提高小目标的检测精度。受FCOS的启发,提出了一种更
- 论文阅读 FCOS: Fully Convolutional One-Stage Object Detection
Re-赟
论文阅读目标检测人工智能
文章目录FCOS:FullyConvolutionalOne-StageObjectDetectionAbstract1.Introduction2.RelatedWork3.OurApproach3.1.FullyConvolutionalOne-StageObjectDetector3.2.Multi-levelPredictionwithFPNforFCOS3.3.Center-nessfo
- FCOS 代码 (train过程)
匿名的魔术师
深度学习pytorch计算机视觉
原代码采用的训练集是coco_2014_trainDATASETS:TRAIN:("coco_2014_train","coco_2014_valminusminival")TEST:("coco_2014_minival",) 以及ResNet网络的预训练WEIGHT:"catalog://ImageNetPretrained/MSRA/R-50"1.train_net.py(1)main()函
- MMdetection在VisDrone2019上训练FCOS和CenterNet
德彪稳坐倒骑驴
人工智能深度学习
配置环境Python3.5+>=PyTorch1.1>=CUDA9.0NCCL2>=GCC4.9mmcv‘’把mmdetection的代码下载下来gitclonehttps://github.com/open-mmlab/mmdetection.git进入这个mmdetection文件,准备编译mmdetection的文件cdmmdetection装一下下面这些包,#mmdetection的req
- 【Pytorch】梯度裁剪——torch.nn.utils.clip_grad_norm_的原理及计算过程
Cpsu
PyTorch应用pytorch深度学习python
文章目录一、torch.nn.utils.clip_grad_norm_二、计算过程三、确定max_norm众所周知,梯度裁剪是为了防止梯度爆炸。在训练FCOS算法时,因为训练过程出现了损失为NaN的情况,在githubissue有很多都是这种训练过程出现loss为NaN,作者也提出要调整梯度裁剪的超参数,于是理了理梯度裁剪函数torch.nn.utils.clip_grad_norm_的计算过程
- FCOS:简洁的anchor-free目标检测器
寒夏凉秋
论文题目:FCOS:FullyConvolutionalOne-StageObjectDetection其亮点:基于FCN构建全卷积检测器,使得视觉任务(如语义分割)可以统一在FCN框架anchor-free,proposalfree,避免了训练阶段关于anchor或者proposal的iou计算.更重要的是,避免了一切与anchor有关的超参数简单的Backbone;neck;head检测算法框
- 目标检测算法:anchor_free系列解读
自学小白菜
CV论文解读目标检测算法人工智能
目标检测算法:anchor_free解读说明anchorfree系列是单阶段检测算法另外的一个发展分支,了解anchorfree常见的算法是非常有必要的。免责申明有误写/错写/错误观点/错误解读,或者大家有其它见解,都可以在评论区指出,博主会认真学习的。原始论文下载链接CornerNet、CenterNet、FCOS。目录结构文章目录目标检测算法:anchor_free解读1.基础认知1.1什么是
- keras-FCOS实现
ayu_39
深度学习python深度学习linuxtensorflow
**keras-FCOS实现**一、代码与论文1、论文链接2、pytorch版本FCOS代码链接3、keras-fcos代码链接二、keras-fcos代码实现**1.安装依赖包pipinstall-rrequirements.txt要等的时间比较久,而且还有可能一篇红然后报错说超时了网络实在不行就这么安吧pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/
- 图像 检测 - FCOS: Fully Convolutional One-Stage Object Detection (ICCV 2019)
77wpa
#图像检测目标检测目标跟踪人工智能
FCOS:FullyConvolutionalOne-StageObjectDetection-全卷积一阶段目标检测(ICCV2019)摘要1.引言2.相关工作3.我们的方法3.1全卷积一阶目标检测器3.2FCOS的FPN多级预测3.3FCOS中心度4.实验4.1消融研究4.1.1FPN多级预测4.1.2有无中心度4.1.3FCOS与基于锚的检测器4.2与最先进检测器的比较5.区域提案网络的扩展6
- FCOS:全卷积目标检测
Congc_fdd6
今天我继续来介绍一个Anchor-Free新的算法(它是基于密集采样的AF),这个文章我看下来个人觉得非常有意思。因为它将语义分割的思想用来做检测了。在学校期间,我的研究方向就是语义分割。在公司做检测的时候,我也思考过:除了在特征融合以及backbone方面,在核心思想两者能否互相借鉴一下,比如用分割思想去解决检测;用检测去辅助分割(毕竟分割是检测更深一层次)。这篇文章很好的解答了我的一些疑惑,下
- FCOS 论文学习
calvinpaean
目标检测学习
1.解决了什么问题?之前的目标检测器如RetinaNet、SSD、YOLOv3都依赖于anchors。基于anchors的检测器有如下三个缺点:检测表现对于anchors的大小、宽高比和数量等超参数很敏感;即使精心设计了anchors,但由于大小和宽高比都是固定的,检测器很难处理形状变化很大的物体,比如小目标;为了提高召回率,基于anchor的检测器会在输入图像上放置大量的anchorboxes。
- Bridging the Gap Between Anchor-based and Anchor-free Detection via ATSS 论文学习
calvinpaean
目标检测学习
1.解决了什么问题?Anchor-based和anchor-free方法的本质差异其实是如何定义正负样本,如果训练过程中它们采用相同的正负样本定义,最终的表现是差不多的。也就是说,如何选取正负样本才是最重要的。以单阶段anchor-based方法RetinaNet和基于中心点的anchor-free检测器FCOS为例,二者有以下三方面的差异:每个位置上anchor的个数:RetinaNet在每个位
- FCOS出现No CUDA runtime is found, using CUDA_HOME='/usr/local/cuda-10.0'
AI_Forerunner_Lu
FCOS算法深度学习tensorflowpytorch
FCOS出现NoCUDAruntimeisfound,usingCUDA_HOME='/usr/local/cuda-10.0'出现下面报错错误原因查看版本解决方法(cuda10.0与torch1.2.0才匹配))出现下面报错AssertionError:TheNVIDIAdriveronyoursystemistooold(foundversion10000).PleaseupdateyourG
- Anchor-Free之CenterNet
NOWAY_EXPLORER
目标检测cv深度学习计算机视觉神经网络图像识别1024程序员节
CenterNetCenterNet顾名思义,是基于中心点的目标检测方法,相对于cornernet和FCOS更加简单直接。论文标题也是很霸气“ObjectsasPoints”相对于其他基于关键点检测的方法例如extremNet和cornerNet,CenterNet去除了角点分类等一些后处理步骤,使得模型推理速度得到了进一步的提升.不仅用于2D目标检测还可以用来做人体姿态估计或这3D目标检测数据方
- Anchor-Free 网络笔记
mumuxi_c
深度学习网络卷积神经网络深度学习计算机视觉笔记
Fcos与CenterNet网络记录Fcos图片转自https://blog.csdn.net/qq_37541097/article/details/124844726Fcos后处理输出centernessregressionclassification代表reg(HxWX1)box(HxWx4)cls(HxWxcls)centerness+regression同分支输出7次下采样计算边框得分b
- anchor-free方法总结
HPUPUPUP
深度学习神经网络自动驾驶
cornernet,centernet,onenet,fcos这几篇论文的引用关系(提出先后顺序):将按照上面的顺序,从背景、标签分配等方面说明区别于联系。一、背景:Cornernet:认为使用anchor需要很多的超参数和手动设计选择,网络复杂。而且需要大数量的anchor来确保覆盖gtbox,导致正负样本不平衡,降低训练速度,于是提出不用anchor,将检测目标当做一对关键点(box的左上,右
- mongodb3.03开启认证
21jhf
mongodb
下载了最新mongodb3.03版本,当使用--auth 参数命令行开启mongodb用户认证时遇到很多问题,现总结如下:
(百度上搜到的基本都是老版本的,看到db.addUser的就是,请忽略)
Windows下我做了一个bat文件,用来启动mongodb,命令行如下:
mongod --dbpath db\data --port 27017 --directoryperdb --logp
- 【Spark103】Task not serializable
bit1129
Serializable
Task not serializable是Spark开发过程最令人头疼的问题之一,这里记录下出现这个问题的两个实例,一个是自己遇到的,另一个是stackoverflow上看到。等有时间了再仔细探究出现Task not serialiazable的各种原因以及出现问题后如何快速定位问题的所在,至少目前阶段碰到此类问题,没有什么章法
1.
package spark.exampl
- 你所熟知的 LRU(最近最少使用)
dalan_123
java
关于LRU这个名词在很多地方或听说,或使用,接下来看下lru缓存回收的实现
1、大体的想法
a、查询出最近最晚使用的项
b、给最近的使用的项做标记
通过使用链表就可以完成这两个操作,关于最近最少使用的项只需要返回链表的尾部;标记最近使用的项,只需要将该项移除并放置到头部,那么难点就出现 你如何能够快速在链表定位对应的该项?
这时候多
- Javascript 跨域
周凡杨
JavaScriptjsonp跨域cross-domain
 
- linux下安装apache服务器
g21121
apache
安装apache
下载windows版本apache,下载地址:http://httpd.apache.org/download.cgi
1.windows下安装apache
Windows下安装apache比较简单,注意选择路径和端口即可,这里就不再赘述了。 2.linux下安装apache:
下载之后上传到linux的相关目录,这里指定为/home/apach
- FineReport的JS编辑框和URL地址栏语法简介
老A不折腾
finereportweb报表报表软件语法总结
JS编辑框:
1.FineReport的js。
作为一款BS产品,browser端的JavaScript是必不可少的。
FineReport中的js是已经调用了finereport.js的。
大家知道,预览报表时,报表servlet会将cpt模板转为html,在这个html的head头部中会引入FineReport的js,这个finereport.js中包含了许多内置的fun
- 根据STATUS信息对MySQL进行优化
墙头上一根草
status
mysql 查看当前正在执行的操作,即正在执行的sql语句的方法为:
show processlist 命令
mysql> show global status;可以列出MySQL服务器运行各种状态值,我个人较喜欢的用法是show status like '查询值%';一、慢查询mysql> show variab
- 我的spring学习笔记7-Spring的Bean配置文件给Bean定义别名
aijuans
Spring 3
本文介绍如何给Spring的Bean配置文件的Bean定义别名?
原始的
<bean id="business" class="onlyfun.caterpillar.device.Business">
<property name="writer">
<ref b
- 高性能mysql 之 性能剖析
annan211
性能mysqlmysql 性能剖析剖析
1 定义性能优化
mysql服务器性能,此处定义为 响应时间。
在解释性能优化之前,先来消除一个误解,很多人认为,性能优化就是降低cpu的利用率或者减少对资源的使用。
这是一个陷阱。
资源时用来消耗并用来工作的,所以有时候消耗更多的资源能够加快查询速度,保持cpu忙绿,这是必要的。很多时候发现
编译进了新版本的InnoDB之后,cpu利用率上升的很厉害,这并不
- 主外键和索引唯一性约束
百合不是茶
索引唯一性约束主外键约束联机删除
目标;第一步;创建两张表 用户表和文章表
第二步;发表文章
1,建表;
---用户表 BlogUsers
--userID唯一的
--userName
--pwd
--sex
create
- 线程的调度
bijian1013
java多线程thread线程的调度java多线程
1. Java提供一个线程调度程序来监控程序中启动后进入可运行状态的所有线程。线程调度程序按照线程的优先级决定应调度哪些线程来执行。
2. 多数线程的调度是抢占式的(即我想中断程序运行就中断,不需要和将被中断的程序协商)
a) 
- 查看日志常用命令
bijian1013
linux命令unix
一.日志查找方法,可以用通配符查某台主机上的所有服务器grep "关键字" /wls/applogs/custom-*/error.log
二.查看日志常用命令1.grep '关键字' error.log:在error.log中搜索'关键字'2.grep -C10 '关键字' error.log:显示关键字前后10行记录3.grep '关键字' error.l
- 【持久化框架MyBatis3一】MyBatis版HelloWorld
bit1129
helloworld
MyBatis这个系列的文章,主要参考《Java Persistence with MyBatis 3》。
样例数据
本文以MySQL数据库为例,建立一个STUDENTS表,插入两条数据,然后进行单表的增删改查
CREATE TABLE STUDENTS
(
stud_id int(11) NOT NULL AUTO_INCREMENT,
- 【Hadoop十五】Hadoop Counter
bit1129
hadoop
1. 只有Map任务的Map Reduce Job
File System Counters
FILE: Number of bytes read=3629530
FILE: Number of bytes written=98312
FILE: Number of read operations=0
FILE: Number of lar
- 解决Tomcat数据连接池无法释放
ronin47
tomcat 连接池 优化
近段时间,公司的检测中心报表系统(SMC)的开发人员时不时找到我,说用户老是出现无法登录的情况。前些日子因为手头上 有Jboss集群的测试工作,发现用户不能登录时,都是在Tomcat中将这个项目Reload一下就好了,不过只是治标而已,因为大概几个小时之后又会 再次出现无法登录的情况。
今天上午,开发人员小毛又找到我,要我协助将这个问题根治一下,拖太久用户难保不投诉。
简单分析了一
- java-75-二叉树两结点的最低共同父结点
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import ljn.help.*;
public class BTreeLowestParentOfTwoNodes {
public static void main(String[] args) {
/*
* node data is stored in
- 行业垂直搜索引擎网页抓取项目
carlwu
LuceneNutchHeritrixSolr
公司有一个搜索引擎项目,希望各路高人有空来帮忙指导,谢谢!
这是详细需求:
(1) 通过提供的网站地址(大概100-200个网站),网页抓取程序能不断抓取网页和其它类型的文件(如Excel、PDF、Word、ppt及zip类型),并且程序能够根据事先提供的规则,过滤掉不相干的下载内容。
(2) 程序能够搜索这些抓取的内容,并能对这些抓取文件按照油田名进行分类,然后放到服务器不同的目录中。
- [通讯与服务]在总带宽资源没有大幅增加之前,不适宜大幅度降低资费
comsci
资源
降低通讯服务资费,就意味着有更多的用户进入,就意味着通讯服务提供商要接待和服务更多的用户,在总体运维成本没有由于技术升级而大幅下降的情况下,这种降低资费的行为将导致每个用户的平均带宽不断下降,而享受到的服务质量也在下降,这对用户和服务商都是不利的。。。。。。。。
&nbs
- Java时区转换及时间格式
Cwind
java
本文介绍Java API 中 Date, Calendar, TimeZone和DateFormat的使用,以及不同时区时间相互转化的方法和原理。
问题描述:
向处于不同时区的服务器发请求时需要考虑时区转换的问题。譬如,服务器位于东八区(北京时间,GMT+8:00),而身处东四区的用户想要查询当天的销售记录。则需把东四区的“今天”这个时间范围转换为服务器所在时区的时间范围。
- readonly,只读,不可用
dashuaifu
jsjspdisablereadOnlyreadOnly
readOnly 和 readonly 不同,在做js开发时一定要注意函数大小写和jsp黄线的警告!!!我就经历过这么一件事:
使用readOnly在某些浏览器或同一浏览器不同版本有的可以实现“只读”功能,有的就不行,而且函数readOnly有黄线警告!!!就这样被折磨了不短时间!!!(期间使用过disable函数,但是发现disable函数之后后台接收不到前台的的数据!!!)
- LABjs、RequireJS、SeaJS 介绍
dcj3sjt126com
jsWeb
LABjs 的核心是 LAB(Loading and Blocking):Loading 指异步并行加载,Blocking 是指同步等待执行。LABjs 通过优雅的语法(script 和 wait)实现了这两大特性,核心价值是性能优化。LABjs 是一个文件加载器。RequireJS 和 SeaJS 则是模块加载器,倡导的是一种模块化开发理念,核心价值是让 JavaScript 的模块化开发变得更
- [应用结构]入口脚本
dcj3sjt126com
PHPyii2
入口脚本
入口脚本是应用启动流程中的第一环,一个应用(不管是网页应用还是控制台应用)只有一个入口脚本。终端用户的请求通过入口脚本实例化应用并将将请求转发到应用。
Web 应用的入口脚本必须放在终端用户能够访问的目录下,通常命名为 index.php,也可以使用 Web 服务器能定位到的其他名称。
控制台应用的入口脚本一般在应用根目录下命名为 yii(后缀为.php),该文
- haoop shell命令
eksliang
hadoophadoop shell
cat
chgrp
chmod
chown
copyFromLocal
copyToLocal
cp
du
dus
expunge
get
getmerge
ls
lsr
mkdir
movefromLocal
mv
put
rm
rmr
setrep
stat
tail
test
text
- MultiStateView不同的状态下显示不同的界面
gundumw100
android
只要将指定的view放在该控件里面,可以该view在不同的状态下显示不同的界面,这对ListView很有用,比如加载界面,空白界面,错误界面。而且这些见面由你指定布局,非常灵活。
PS:ListView虽然可以设置一个EmptyView,但使用起来不方便,不灵活,有点累赘。
<com.kennyc.view.MultiStateView xmlns:android=&qu
- jQuery实现页面内锚点平滑跳转
ini
JavaScripthtmljqueryhtml5css
平时我们做导航滚动到内容都是通过锚点来做,刷的一下就直接跳到内容了,没有一丝的滚动效果,而且 url 链接最后会有“小尾巴”,就像#keleyi,今天我就介绍一款 jquery 做的滚动的特效,既可以设置滚动速度,又可以在 url 链接上没有“小尾巴”。
效果体验:http://keleyi.com/keleyi/phtml/jqtexiao/37.htmHTML文件代码:
&
- kafka offset迁移
kane_xie
kafka
在早前的kafka版本中(0.8.0),offset是被存储在zookeeper中的。
到当前版本(0.8.2)为止,kafka同时支持offset存储在zookeeper和offset manager(broker)中。
从官方的说明来看,未来offset的zookeeper存储将会被弃用。因此现有的基于kafka的项目如果今后计划保持更新的话,可以考虑在合适
- android > 搭建 cordova 环境
mft8899
android
1 , 安装 node.js
http://nodejs.org
node -v 查看版本
2, 安装 npm
可以先从 https://github.com/isaacs/npm/tags 下载 源码 解压到
- java封装的比较器,比较是否全相同,获取不同字段名字
qifeifei
非常实用的java比较器,贴上代码:
import java.util.HashSet;
import java.util.List;
import java.util.Set;
import net.sf.json.JSONArray;
import net.sf.json.JSONObject;
import net.sf.json.JsonConfig;
i
- 记录一些函数用法
.Aky.
位运算PHP数据库函数IP
高手们照旧忽略。
想弄个全天朝IP段数据库,找了个今天最新更新的国内所有运营商IP段,copy到文件,用文件函数,字符串函数把玩下。分割出startIp和endIp这样格式写入.txt文件,直接用phpmyadmin导入.csv文件的形式导入。(生命在于折腾,也许你们觉得我傻X,直接下载人家弄好的导入不就可以,做自己的菜鸟,让别人去说吧)
当然用到了ip2long()函数把字符串转为整型数
- sublime text 3 rust
wudixiaotie
Sublime Text
1.sublime text 3 => install package => Rust
2.cd ~/.config/sublime-text-3/Packages
3.mkdir rust
4.git clone https://github.com/sp0/rust-style
5.cd rust-style
6.cargo build --release
7.ctrl