_腾飞
_腾飞

COCO数据集

文章目录

  • COCO数据集
  • 数据集的大小和版本
  • 下载路径
  • 参考

COCO数据集

目标检测、语义分割和关键点检测的重要评价数据集之一。
官网地址：COCO

数据集的大小和版本

大小：25 GB（压缩）
记录数量： 330K图像、80个对象类别、每幅图像有5个标签、25万个关键点。

COCO数据集分两部分发布，前部分于2014年发布，后部分于2015年，

  • 2014年版本：82,783 training, 40,504 validation, and 40,775 testing images，有270k的segmented people和886k的segmented object
  • 2015年版本：165,482 train, 81,208 val, and 81,434 test images

2014年版本的数据，一共有20G左右的图片和500M左右的标签文件。标签文件标记了每个segmentation的像素精确位置+bounding box的精确坐标，其精度均为小数点后两位。

下载路径

train2017
train2017：http://images.cocodataset.org/zips/train2017.zip
train2017 annotations：http://images.cocodataset.org/annotations/annotations_trainval2017.zip

val2017
val2017：http://images.cocodataset.org/zips/val2017.zip
val2017 annotations：http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip

test2017
test2017：http://images.cocodataset.org/zips/test2017.zip
test2017 info：http://images.cocodataset.org/annotations/image_info_test2017.zip

参考

Dataset之COCO数据集：COCO数据集的简介、下载、使用方法之详细攻略
github下载地址

你可能感兴趣的:(#,研究方向,目标检测,深度学习,人工智能,COCO数据集)

  • PyTorch实战：手把手教你完成MNIST手写数字识别任务 吴师兄大模型 PyTorchpytorch人工智能python手写数字数别MNIST深度学习开发语言
    系列文章目录Pytorch基础篇01-PyTorch新手必看：张量是什么？5分钟教你快速创建张量！02-张量运算真简单！PyTorch数值计算操作完全指南03-Numpy还是PyTorch？张量与Numpy的神奇转换技巧04-揭秘数据处理神器：PyTorch张量拼接与拆分实用技巧05-深度学习从索引开始：PyTorch张量索引与切片最全解析06-张量形状任意改！PyTorchreshape、tra
  • 为什么DeepSeek必须开源（以及它为何不会打败OpenAI） 新加坡内哥谈技术 人工智能深度学习机器人科技语言模型
    每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/如今，DeepSeek的名字已经传遍整个科技圈。这家中国AI实验室训练出了R1——一款开
  • AGI框架探索 另一只又死又活的猫
    开发十年，就只剩下这套Java开发体系了>>>随着对机器学习领域的深入探索，我渐渐迷上了AGI通用人工智能。所以，闲暇时就对AGI框架进行了深入的了解，看看哪些AGI框架与个人的理念相符，方便做进一步的研究之用。朋友给我分享了一篇收集和汇总AGI技术的文章，正好，我就以此为索引，对里面的每一个框架进行了考察：50个杀手级人工智能项目：https://mp.weixin.qq.com/s/qafBW
  • RTX 3090图形处理巅峰性能解析 智能计算研究中心 其他
    内容概要作为NVIDIA面向专业创作者与发烧级玩家的旗舰产品，RTX3090重新定义了图形处理的性能边界。本文将以Ampere架构的技术演进为切入点，系统性解构该显卡在显存配置、运算单元协作及图像处理技术方面的创新设计。通过对比测试数据与工程原理分析，重点探讨24GBGDDR6X显存在8K分辨率场景下的带宽利用率，以及10496个CUDA核心在光线追踪与深度学习超采样（DLSS）任务中的动态负载分
  • 联邦学习优化驱动医疗诊断新突破 智能计算研究中心 其他
    内容概要医疗人工智能的发展长期面临数据孤岛与隐私合规的双重挑战，传统集中式训练模式难以满足多机构协作需求。联邦学习技术通过构建分布式训练框架，使医疗机构在不共享原始数据的前提下，实现跨域模型的协同优化。这一技术突破为医学影像识别、病理特征分析等场景提供了新的技术路径，特别是在肿瘤筛查领域，通过迁移学习实现跨病种知识迁移，配合超参数自动调优机制，可使模型在有限标注数据下达到95%以上的病灶识别准确率
  • A100核心加速：高效计算方案解析 智能计算研究中心 其他
    内容概要在人工智能与高性能计算领域，A100核心加速技术通过多维度的架构创新，重新定义了算力效率的边界。本文将从硬件设计、资源调度、算法优化及场景适配四个维度展开，系统解析其核心技术原理与落地实践路径。对于企业级计算场景而言，架构设计与资源管理策略的协同优化往往比单一性能指标更具实际价值。建议技术团队在部署前，优先完成工作负载特征分析与集群拓扑规划。第三代TensorCore架构的突破性设计，不仅
  • 人工智能的崛起与未来发展趋势分析 智能计算研究中心 其他
    内容概要人工智能作为一项颠覆性技术，近年来发展迅猛，正逐渐渗透到我们生活的每个角落。它不仅改变了人类的工作方式，还在医疗、金融、教育、交通等多个领域展现了巨大的应用潜力。通过理解人工智能的现状，我们可以更清晰地识别当前技术进展和市场需求，以及面临的挑战。领域应用实例发展现状医疗智能诊断、药物研发提高诊断准确率，缩短研发周期金融风险评估、智能投顾实现个性化服务与高效决策教育自适应学习系统提供个性化学
  • Ascend Extension for PyTorch是个what？ 机器学习人工智能深度学习
    1AscendExtensionforPyTorchAscendExtensionforPyTorch插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾AI处理器的超强算力。项目源码地址请参见Ascend/Pytorch。昇腾为基于昇腾处理器和软件的行业应用及服务提供全栈AI计算基础设施。您可以通过访问昇腾社区，了解关于昇腾的更多信息。2
  • ‌挖数据平台对接DeepSeek推出一键云端部署功能：API接口驱动金融、汽车等行业智能化升级 wapi-API接口 挖数据API接口金融汽车phppythonjava人工智能
    云端部署引言：当数据生产力遇上云端智能化2025年2月23日，国内领先的数据服务商挖数据平台宣布与人工智能巨头DeepSeek达成战略合作，正式推出“一键云端部署”功能。这一功能以API（应用程序接口）为核心，通过云端自动化配置能力，将企业数据服务的部署周期从数周缩短至分钟级，标志着数据服务行业正式迈入“开箱即用”的智能化时代。在金融风控、汽车智能驾驶、供应链管理等场景中，API正成为驱动行业数字
  • 神经网络与深度学习入门：理解ANN、CNN和RNN shandianfk_com ChatGPTAI神经网络深度学习cnn
    在现代科技日新月异的今天，人工智能已经成为了我们生活中的重要组成部分。无论是智能手机的语音助手，还是推荐系统，背后都有一项核心技术在支撑，那就是神经网络与深度学习。今天，我们就来聊一聊这个听起来高大上的话题，其实它也没那么难懂！什么是神经网络？首先，我们要了解什么是神经网络。神经网络（ArtificialNeuralNetwork，简称ANN）是模拟人脑神经元连接方式的一种算法。它由一层层的“神经
  • 还不会用DeepSeek？看这篇就懂啦 t0_54coder 【AI】人工智能实用技术人工智能
    在人工智能飞速发展的今天，DeepSeek作为一款强大的工具崭露头角。很多小伙伴可能听说过它，却不知道怎么用。别着急，这篇文章就手把手教你，保证通俗易懂，还有超多实用案例，让你快速上手！一、认识DeepSeekDeepSeek是一家专注通用人工智能（AGI）的中国科技公司，致力于大模型的研发与应用。它开源的推理模型DeepSeek-R1非常厉害，性能和OpenAI-o1正式版相当，而且可以免费商用
  • SAM应用：医学图像和视频中的任何内容分割中的基准测试与部署 烧技湾 AI&ComputerVisionSAMMED2SAN医学图像分割分割一切
    医学图像和视频中的任何内容分割：基准测试与部署目录摘要：一、引言1.1SAM2在医学图像和视频中的应用二.结果2.1数据集和评估协议2.2二维图像分割的评估结果三讨论四局限性和未来的工作五、方法5.1数据来源和预处理5.2微调协议5.3评估指标总结关键字：SAM、分割一切基础模型、医学图像、视频、多模态最近医学分割模型发展迅速，基于SAM的医学图像处理得到了进一步的发展。为了追踪医学图像处理的最新
  • 44、深度学习-自学之路-自己搭建深度学习框架-6、自动优化，就是把原来的权重更新的部分用面向对象的方式再写一次 小宇爱 深度学习-自学之路深度学习人工智能
    importnumpyasnpnp.random.seed(1)data=np.array([[0,0],[0,1],[1,0],[1,1]])target=np.array([[0],[1],[0],[1]])#weights_0_1=np.random.rand(2,3)#weights_1_2=np.random.rand(3,1)weights_0_1=np.array([[0.1,0.2
  • Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用 mosquito_lover1 python深度学习pytorchcnn
    人脸识别技术是一种基于人脸特征进行身份识别的生物识别技术，其核心原理包括人脸检测、人脸对齐、特征提取、特征匹配、身份识别。一、应用场景安防：门禁、监控。金融：刷脸支付、身份验证。社交：自动标注、美颜。医疗：患者身份确认、情绪分析。二、关键技术深度学习：CNN在人脸检测、特征提取中表现优异。大数据：大规模数据集（如LFW、MegaFace）提升模型泛化能力。硬件加速：GPU、TPU等加速计算，提升实
  • 深度学习与搜索引擎优化的结合：DeepSeek的创新与探索 m0_74825634 面试学习路线阿里巴巴深度学习搜索引擎人工智能
    目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek的深度学习架构4.1?查询解析与语义理解4.2?搜索排名与相关性排序4.3?个性化推荐与用户行为分析5、总结引言随着人工智能（AI）技术的迅速发展，深度学习（DeepLearning）
  • PYTHON机器学习小项目教程：预测鸢尾花种类 jackispy python机器学习人工智能
    我们将使用经典的鸢尾花数据集来构建一个分类模型，该数据集包含150个样本，每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。目标是根据这些特征预测鸢尾花的种类（山鸢尾、变色鸢尾或维吉尼亚鸢尾）。一、环境配置首先，确保你已经安装了必要的库。如：pandas、numpy等，命令如下所示pipinstallnumpypandasscikit-learnmatplotlib[-i镜像源网站]二、
  • 使用 DeepSeek 和 Streamlit 构建 AI 驱动的 SQL 查询应用程序 知识大胖 NVIDIAGPU和大语言模型开发教程人工智能sql数据库
    介绍随着数据继续呈指数级增长，高效查询大型数据集仍然是一项挑战。如果您只需用简单的英语提出问题并自动生成SQL查询，会怎么样？在本博客中，我们将介绍如何使用DeepSeekAI、Streamlit、AWSGlue和AWSAthena构建由AI驱动的SQL查询应用程序，以从基于S3的Delta表中检索见解。推荐文章《10个DeepSeekAI提示助您学习任何语言》权重1，提示词《24GBGPU中的D
  • 深度学习笔记——常见的Transformer位置编码 好评笔记 深度学习笔记深度学习transformer人工智能
    大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文详细介绍3种常见的Transformer位置编码——正弦/余弦位置编码（sin/cos）、基于频率的二维位置编码（2DFrequencyEmbeddings）、旋转式位置编码（RoPE）文章目录Transformer中常见的编码方式正弦/余弦位置编码（SinusoidalPositionalEncoding）基于频率的
  • 深度学习面试八股文——决战金三银四 Good Note 补档深度学习面试人工智能机器学习AIGC校招春招
    大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本笔记的任务是解读深度学习实践/面试过程中可能会用到的知识点，内容通俗易懂，入门、实习和校招轻松搞定。公主号合集地址点击进入优惠地址：深度学习笔记合集笔记介绍本笔记的任务是解读深度学习实践/面试过程中可能会用到的知识点，内容通俗易懂，入门、实习和校招轻松搞定。涵盖深度学习八股文和常用算法、模型，包括深度学习基础知识，前向传
  • 深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet 智算学术 深度学习图像分类篇深度学习
    B站视频讲解:深度学习入门篇:使用pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,西一棒槌的,在这种情况下,我会给大家更新深度学习系列的技术文章,轮椅级持续更新技术干货,别问为什么是轮椅级,因为保姆级已经过时了!前置基础知识储备:python/pytorch/神经网络基础知识概念
  • 轻量级网络设计原理与代码实战案例讲解 AI天才研究院 AI大模型企业级应用开发实战DeepSeekR1&大数据AI人工智能大模型计算计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    轻量级网络设计原理与代码实战案例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用，神经网络模型变得越来越庞大和复杂。然而，大规模模型在计算资源、存储空间以及推理速度方面提出了更高的要求，这在移动设备、嵌入式系统等资源受限的环境中尤为明显。为了解决这一问题，轻量级网络设计应运而生。1.2研
  • 基于KNN的鸢尾花分类预测模型 溪海莘 分类数据挖掘人工智能
    基于KNN的鸢尾花分类预测模型.让机器实现对鸢尾花的分类分析，它会怎么做呢？我们首先列举出可能需要的要素：数据，模型和算法，效果评估。机器学习，它也是需要对自己的学习效果进行评估，因为它需要根据结果来调整参数。大多数情况需要人来介入这个过程，人们需要根据自身的经验来选取一些合适的参数，但是“爱偷懒”的数据科学家同时也提出一些自动化的程序来实现这一步骤。一、鸢尾花数据集1.1利用sklearn库导入
  • 用人类反馈微调大模型，InstructGPT 让 GPT-3 脱胎换骨 人工智能
    用人类反馈微调大模型，InstructGPT让GPT-3脱胎换骨本文展示了一种通过利用人类反馈进行微调，使大语言模型在广泛任务中契合用户意图的方法。我们从一组标注员编写的提示以及通过OpenAIAPI提交的提示开始，收集了一个数据集，其中包含标注员展示的期望模型行为，利用这些数据通过监督学习对GPT-3进行微调。接着，我们收集模型输出的排名数据集，使用人类反馈强化学习对这个经过监督学习训练的模型进
  • Topaz Photo AI 人工智能图像处理 降噪 甜于酸 图像处理人工智能图像处理
    介绍TopazPhotoAIMac版是一款人工智能图像处理软件，利用先进的AI技术为图像作品带来前所未有的提升。核心功能在于其智能降噪与细节增强能力，能够自动识别并去除照片中的噪点，同时保留并增强图像的细节和纹理，使照片更加清晰、细腻。具备图像分辨率提升特性，利用机器学习技术，分析并重建图像的细节，从而保持图像质量同时，显著提高图像的分辨率。提供自动调整色彩分布与对比度优化功能，使照片的色彩更加饱
  • ATB概念之：算子tiling 人工智能深度学习
    1什么是算子tiling在计算机科学和深度学习领域，算子tiling（有时也被称作操作符tiling或者循环tiling）是一种优化技术，主要用于提高计算效率，尤其是在处理大规模张量运算时。Tiling技术通常用于将大的计算任务分解成更小的块，这些小块可以在内存中更高效地处理，或者更适合并行计算环境。在深度学习框架中，算子tiling可以应用于不同的场景：内存优化：通过将大的张量切分成更小的部分，
  • 2025预测趋势：AI知识库工具挑选指南 知识库知识库管理知识库软件
    随着人工智能技术的飞速发展，AI知识库工具已成为企业和个人管理知识资产的重要手段。本文将探讨2025年AI知识库工具的预测趋势，并推荐六款精选工具，帮助用户挑选最适合的AI知识库解决方案。1.AI知识库的智能化：趋势预计到2025年，AI知识库工具将更加智能化，通过深度学习和自然语言处理技术，实现更精准的语义搜索和智能问答功能。这些工具将能够理解用户的查询意图，提供更准确和相关的信息。2.实时自动
  • YOLOv12：以注意力为中心的物体检测 那雨倾城 PiscTraceYOLO机器学习目标检测深度学习图像处理
    YOLOv12是YOLO系列中的最新版本，它引入了一种以注意力为中心的架构，旨在进一步提升物体检测的精度和速度。相比以往的YOLO模型，YOLOv12摒弃了传统基于卷积神经网络（CNN）的结构，采用了全新的方法，融合了自注意力机制和高效的网络架构优化，提供了一个高精度、低延迟的实时目标检测模型。1.主要功能YOLOv12在多个关键点进行了优化和创新，以下是它的主要功能：1.1区域注意机制(Regi
  • 探秘智能指令的奇幻大陆：ULTRAIF引领模型自我进化之旅 步子哥 AGI通用人工智能人工智能
    在浩瀚的人工智能领域中，每一次技术革新都犹如在无垠星空中挖掘出一颗璀璨的新星。而最近，一项名为ULTRAIF的技术方案正悄然崛起，成为指令跟随领域的一股清流。本文将以通俗易懂、风趣幽默的叙述方式，带你走进这片奇幻大陆，探索ULTRAIF如何在开放数据与自我校准中引领智能大模型的进化。接下来，就让我们踏上这段妙趣横生的探索之旅吧！初识ULTRAIF：指令跟随的变革曙光当人们第一次尝试教会计算机理解复
  • 【Swift 算法实战】利用 KMP 算法高效求解最短回文串 网罗开发 Swiftvue.jsleetcode算法
    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
  • 探索Omniglot：一个无尽的手写字符集合 宋溪普Gale
    探索Omniglot：一个无尽的手写字符集合omniglotomniglot-一个包含大量不同语言手写字符图像的数据集，用于机器学习模型的训练和评估。项目地址:https://gitcode.com/gh_mirrors/om/omniglot项目简介Omniglot是由BrendenLake等人创建的一个开源项目，其目标是提供一个广泛的手写字符集，用于研究人类和机器的学习能力。这个项目不仅仅是一
  • [黑洞与暗粒子]没有光的世界 comsci
         无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算      但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....      那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的 &nbs
  • jQuery Lazy Load 图片延迟加载 aijuans jquery
    基于 jQuery 的图片延迟加载插件，在用户滚动页面到图片之后才进行加载。 对于有较多的图片的网页，使用图片延迟加载，能有效的提高页面加载速度。 版本： jQuery v1.4.4+ jQuery Lazy Load v1.7.2 注意事项： 需要真正实现图片延迟加载，必须将真实图片地址写在 data-original 属性中。若 src
  • 使用Jodd的优点 Kai_Ge jodd
    1.  简化和统一 controller ，抛弃 extends SimpleFormController ，统一使用 implements Controller 的方式。 2.  简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。 3.  对 bean 没有任何要求，可以使用任意的 bean 做为 formBean。   使用方法简介
  • jpa Query转hibernate Query 120153216 Hibernate
    public List<Map> getMapList(String hql, Map map) { org.hibernate.Query jpaQuery = entityManager.createQuery(hql); if (null != map) { for (String parameter : map.keySet()) { jp
  • Django_Python3添加MySQL/MariaDB支持 2002wmj mariaDB
    现状 首先，[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话，会发现 django.db.backends.mysql 依赖 MySQLdb[5] ，而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案 首先据MySQL文档[3]说，自从MySQL
  • 在SQLSERVER中查找消耗IO最多的SQL 357029540 SQL Server
    返回做IO数目最多的50条语句以及它们的执行计划。 select top 50   (total_logical_reads/execution_count) as avg_logical_reads,  (total_logical_writes/execution_count) as avg_logical_writes,  (tot
  • spring UnChecked 异常 官方定义！ 7454103 spring
      如果你接触过spring的 事物管理！那么你必须明白 spring的 非捕获异常！ 即 unchecked 异常！ 因为 spring 默认这类异常事物自动回滚！！ public static boolean isCheckedException(Throwable ex) { return !(ex instanceof RuntimeExcep
  • mongoDB 入门指南、示例 adminjun javamongodb操作
    一、准备工作 1、 下载mongoDB 下载地址：http://www.mongodb.org/downloads 选择合适你的版本 相关文档：http://www.mongodb.org/display/DOCS/Tutorial 2、 安装mongoDB A、 不解压模式： 将下载下来的mongoDB-xxx.zip打开，找到bin目录，运行mongod.exe就可以启动服务，默
  • CUDA 5 Release Candidate Now Available aijuans CUDA
    The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
  • Essential Studio for WinRT网格控件测评 Axiba JavaScripthtml5
    Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件，如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时，该控件还包含了一组独特的库，用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。 网格控件功能 1、
  • java 获取windows系统安装的证书或证书链 bewithme windows
          有时需要获取windows系统安装的证书或证书链，比如说你要通过证书来创建java的密钥库  。 有关证书链的解释可以查看此处 。   public static void main(String[] args) { SunMSCAPI providerMSCAPI = new SunMSCAPI(); S
  • NoSQL数据库之Redis数据库管理(set类型和zset类型) bijian1013 redis数据库NoSQL
    4.sets类型         Set是集合，它是string类型的无序集合。set是通过hash table实现的，添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。         sadd：向名称为key的set中添加元
  • 异常捕获何时用Exception，何时用Throwable bingyingao
    用Exception的情况 try {        //可能发生空指针、数组溢出等异常         } catch (Exception e) {          
  • 【Kafka四】Kakfa伪分布式安装 bit1129 kafka
    在http://bit1129.iteye.com/blog/2174791一文中，实现了单Kafka服务器的安装，在Kafka中，每个Kafka服务器称为一个broker。本文简单介绍下，在单机环境下Kafka的伪分布式安装和测试验证   1. 安装步骤   Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样，不过比Zookeeper稍微简单些(不
  • Project Euler bookjovi haskell
    Project Euler是个数学问题求解网站，网站设计的很有意思，有很多problem，在未提交正确答案前不能查看problem的overview，也不能查看关于problem的discussion thread，只能看到现在problem已经被多少人解决了，人数越多往往代表问题越容易。     看看problem 1吧： Add all the natural num
  • Java-Collections Framework学习与总结-ArrayDeque BrokenDreams Collections
            表、栈和队列是三种基本的数据结构，前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用，当然由于实现方式的不同，操作的效率也会不同。         这篇要看一下java.util.ArrayDeque。从命名上看
  • 读《研磨设计模式》-代码笔记-装饰模式-Decorator 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/ import java.io.BufferedOutputStream; import java.io.DataOutputStream; import java.io.FileOutputStream; import java.io.Fi
  • Maven学习(一) chenyu19891124 Maven私服
        学习一门技术和工具总得花费一段时间，5月底6月初自己学习了一些工具，maven+Hudson+nexus的搭建，对于maven以前只是听说，顺便再自己的电脑上搭建了一个maven环境，但是完全不了解maven这一强大的构建工具，还有ant也是一个构建工具，但ant就没有maven那么的简单方便，其实简单点说maven是一个运用命令行就能完成构建，测试，打包，发布一系列功
  • [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充 comsci 算法工作PHP搜索引擎嵌入式
    本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案，请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来，请大家多指点 节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法) 需要解决的问题：已知分支
  • Linux中用shell获取昨天、明天或多天前的日期 daizj linuxshell上几年昨天获取上几个月
    在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年 # 获取昨天 date -d 'yesterday'  # 或 date -d 'last day' # 获取明天 date -d 'tomorrow'   # 或 date -d 'next day' # 获取上个月 date -d 'last month' #
  • 我所理解的云计算 dongwei_6688 云计算
          在刚开始接触到一个概念时，人们往往都会去探寻这个概念的含义，以达到对其有一个感性的认知，在Wikipedia上关于“云计算”是这么定义的，它说：        Cloud computing is a phrase used to describe a variety of computing co
  • YII CMenu配置 dcj3sjt126com yii
    Adding id and class names to CMenu We use the id and htmlOptions to accomplish this. Watch. //in your view $this->widget('zii.widgets.CMenu', array( 'id'=>'myMenu', 'items'=>$this-&g
  • 设计模式之静态代理与动态代理 come_for_dream 设计模式
    静态代理与动态代理        代理模式是java开发中用到的相对比较多的设计模式，其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题，真实主题执行具体的业务操作，而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆，我们可以删除看成主业务，而把检验用户是否登陆看成其相关业务
  • 【转】理解Javascript 系列 gcc2ge JavaScript
    理解Javascript_13_执行模型详解 摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念，那么这一篇将深入分析执行上下文的构建过程，了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时，第一步是创建其执行环境，在创建执行环境的过程中，会按照定义的先后顺序完成一系列操作:1.首先会创建一个
  • Subsets II hcx2013 set
    Given a collection of integers that might contain duplicates, nums, return all possible subsets. Note: Elements in a subset must be in non-descending order. The solution set must not conta
  • Spring4.1新特性——Spring缓存框架增强 jinnianshilongnian spring4
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • shell嵌套expect执行命令 liyonghui160com
        一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.   系统:centos 5.x   1.先安装expect yum -y install expect   2.脚本内容: cat auto_svn.sh   #!/bin/bash
  • Linux实用命令整理 pda158 linux
    0. 基本命令 　　linux 基本命令整理 　 　1. 压缩 解压 　　tar -zcvf a.tar.gz a   #把a压缩成a.tar.gz 　　tar -zxvf a.tar.gz     #把a.tar.gz解压成a 　 　2. vim小结 　　2.1 vim替换 　　:m,ns/word_1/word_2/gc  
  • 独立开发人员通向成功的29个小贴士 shoothao 独立开发
    概述：本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。 明白你从事独立开发的原因和目的。 保持坚持制定计划的好习惯。 万事开头难，第一份订单是关键。 培养多元化业务技能。 提供卓越的服务和品质。 谨小慎微。 营销是必备技能。 学会组织，有条理的工作才是最有效率的。 “独立
  • JAVA中堆栈和内存分配原理 uule java
    1、栈、堆 1.寄存器：最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈：存放基本类型的变量数据和对象的引用，但对象本身不存放在栈中，而是存放在堆（new 出来的对象）或者常量池中（字符串常量对象存放在常量池中。）3. 堆：存放所有new出来的对象。4. 静态域：存放静态成员（static定义的）5. 常量池：存放字符串常量和基本类型常量（public static f
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他