- 2.8 通过微调提升模型的准确度与效率-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能javaai
单选题模型量化技术的主要优势是?A.显著提升模型精度B.减少显存占用和响应时间✅C.完全保留原始模型能力D.支持多模态任务扩展解析:量化通过降低参数精度减少资源消耗,但对精度影响较小(<2%)以下关于LoRA技术的描述错误的是?A.通过低秩矩阵间接影响模型行为B.会直接修改原始模型权重✅C.支持参数回退操作D.训练效率高于全参微调解析:LoRA通过添加额外参数而非修改原权重实现微调当训练过程中出现
- 2.9 部署模型-大模型ACP模拟题-真题
admin皮卡
阿里云大模型ACP-考试回忆人工智能ai
单选题使用vLLM启动模型服务的正确命令是?A.vllmserve"./model/qwen2_5-1_5b-instruct"--port8000B.vllmserve"./model/qwen2_5-1_5b-instruct"--load-format"safetensors"--port8000✅C.vllmstart"./model"--formatsafetensorsD.vllmde
- Stable Diffusion教程:提示词(模型、插件、安装包可分享)
会AIGC的小孩
AI作画ai绘画人工智能stablediffusion人工智能作画
什么是提示词文章提到的模型、插件、安装包都可分享,需要的小伙伴文末领取!你可能没写过提示词,但是一定听说过“提示词”这几个字,也大概能知道它的重要性。没听说过也没关系,下面我就带你认识认识。提示词就是我们给AI模型下发的指令。提示词写对了,AI才能输出相应的结果,提示词写的越好,AI输出的内容质量越高、越贴近你的需求。这有点像程序代码,代码逻辑写对了,程序才能正常运行,代码写的越好,程序运行时发生
- 《基于文本挖掘的青岛市民宿评论分析系统设计与实现》开题报告
Python数据分析与机器学习
毕业论文/研究报告数据挖掘数据分析人工智能算法
目录一、选题依据:1.研究背景2.理论意义3.现实意义4.国内外研究现状、水平及发展趋势简述(1)国外研究现状(2)国内研究现状(3)发展趋势二、研究内容1.主要研究内容2.研究方法(1)文献研究法(2)数据挖掘法3.技术路线4.实施方案(1)数据采集与预处理(2)设置LDA主题模型(3)情感分析(4)系统集成与可视化5.可行性分析三、主要参考文献一、选题依据:1.研究背景当下,社会经济蓬勃发展,
- 通义升级2.1文生视频模型
彩色蚂蚁
AIGC应用AIGC图像生成音视频
作者公众号大数据与AI杂谈(TalkCheap),转载请标明出处年底果然各家AI视频厂商扎堆更新,昨天才写了一篇Vidu2.0版本更新的测评文章,同天通义也更新了他的文生视频模型,最新版本是2.1版和我两个月前做的测试相比,2.1版文生视频模型能力明显得到了大幅的提升,效果拔群,我总体甚至感觉这个版本可称当前(2025年1月10日)国内最强文生视频模型。那下面那我们来看看它的实际表现注:通义是阿里
- 【AI测试学习】AnythingLLM+Ollama+DeepSeek部署私人知识库
艳Yansky
AI测试Python学习笔记人工智能DeepSeekOllamaAnythingLLM
1.搭建DeepSeek大语言模型1.1Ollama大预言模型部署Ollama简化了大型语言模型的运行,让每个人都能在本地轻松体验AI的强大,打开浏览器-下载Ollama-输入命令-搞定,这是本地部署大语言模型的全新方式。这里我们借助Ollama大预言模型部署工具进行搭建官网如下:Ollama安装包也可百度网盘获取:安装完成后,桌面右下角会显示ollama图标1.2.安装DeepSeek复制oll
- 2024 开放原子开发者大会活动回顾|瀚高 IvorySQL 开源数据库在国产软件的开源实践
12月20日-21日,2024开放原子开发者大会暨首届开源技术学术大会在武汉成功举办。大会汇聚开源领域一线开发者和知名学者共同探讨开源领域所面临的关键性挑战问题、研究方向和技术难题,推动跨学科的研究和应用,加速开源文化的广泛传播,推进开源生态可持续性繁荣发展。本次大会设置了多个分论坛,针对不同的技术方向与现阶段趋势热点进行分享和交流。其中,IvorySQL社区受邀在“开源低代码与大模型融合创新发展
- 清华大学《DeepSeek与AI幻觉》(无套路免费分享)
xiecoding.cn
人工智能deepseekdeepseek教程deepseek与AI幻觉deepseek清华教程
随着人工智能技术的飞速发展,以DeepSeek为代表的国产大模型正逐渐成为各行各业的重要工具。然而,AI在生成内容时常常会出现“幻觉”——即生成与事实不符、逻辑断裂或脱离上下文的内容。清华大学新闻与传播学院与人工智能学院联合推出的这篇教程《DeepSeek与AI幻觉》,系统性地讲解了AI幻觉的成因、评测方法及应对策略,旨在帮助用户更好地理解和使用AI工具。《DeepSeek与AI幻觉》:https
- 基于Python实现的【机器学习】小项目教程案例
xinxiyinhe
人工智能githubpython机器学习
以下是一个基于Python实现的【机器学习】小项目教程案例,结合的经典案例与最佳实践,涵盖数据预处理、模型训练与评估全流程,并附详细代码说明与结果分析:案例1:鸢尾花分类(SVM算法)数据集:IrisDataset(含150个样本,4个特征,3个类别)目标:根据花瓣与萼片长度预测鸢尾花种类步骤:环境准备:安装scikit-learn、pandas、matplotlibpipinstallsciki
- BricsCAD BIM软件二次开发:BricsCAD_BIM软件LISP编程入门
kkchenjj
仿真模拟lisp开发语言工业软件仿真模拟工业软件二次开发
BricsCADBIM软件二次开发:BricsCAD_BIM软件LISP编程入门BricsCADBIM软件简介BricsCAD_BIM软件概述BricsCADBIM是一款由Bricsys开发的建筑信息模型(BIM)软件,它基于AutoCAD平台,提供了强大的2D绘图和3D建模功能,同时集成了BIM技术,使用户能够在设计过程中实现更高效、更精确的建筑信息管理。BricsCADBIM不仅适用于建筑师,
- preview窗口 unity_Unity3D 在Inspector中预览场景
weixin_39957186
preview窗口unity
在Project窗口中点击模型,可以在Preview窗口中进行预览(见下图),但是场景却不能预览。当项目中有比较多的场景,而场景中内容多的时候,我们需要双击每一个打开它才能查看内容,比较耗时。今天我们来实现一下类似3D物体预览的场景预览。当单击场景的时候,可以直接快速的在Inspector中显示他们的内容。效果如下:创建一个ScenePreview.cs文件,将下面代码复制进去。完整代码如下:us
- 【AI论文】SongGen:用于文本到歌曲生成的单阶段自回归Transformer模型
东临碣石82
人工智能回归transformer
摘要:文本到歌曲生成任务,即根据文本输入创作歌词和伴奏,由于领域复杂性和数据稀缺性,面临着重大挑战。现有方法通常采用多阶段生成流程,导致训练和推理过程繁琐。在本文中,我们提出了SongGen,一个完全开源的单阶段自回归Transformer模型,专为可控歌曲生成而设计。该模型能够对多种音乐属性进行细粒度控制,包括歌词、乐器描述、流派、情绪和音色等文本信息,同时还提供可选的三秒参考片段用于声音克隆。
- 低代码革命:基于DeepSeek微调模型实现前端代码自动生成与私有JS API调用的实战指南
Light60
低代码实战篇AI应用低代码开发DeepSeek微调模型JavaScriptAPI智能生成
摘要本文探讨如何微调DeepSeek平台的大语言模型,以实现前端代码的智能生成与自建JavaScriptAPI库的无缝调用。从模型训练、代码生成到API集成,提供全面的实战方法论,结合CodeBLEU评估指标与异步调用优化技巧,确保代码质量与执行效率。通过具体案例演示,帮助开发者突破低代码开发瓶颈,实现高效、安全的可视化开发。关键字:低代码开发、DeepSeek、微调模型、JavaScriptAP
- 饿了么算法工程师-AIGC岗内推
飞300
AIGC业界资讯
1、紧跟业界最新自然语言处理技术动态,深入研发并努力创新,特别是在LLM、多模态理解和LLMAgent领域。2、基于大型语言模型开展文本生成、自然语言理解以及智能对话系统的研发,提出新颖的算法/模型,并进行实际开发和应用。3、探索多模态数据的结合,包括图像、文本、语音等,以丰富智能系统的理解和交互能力。4、将自然语言处理技术与具体业务场景相结合,考虑业务的特殊性并适配业务需求。参与到具体的NLP相
- 2025年,值得关注的LLM大趋势
AI小白熊
人工智能产品经理python开发语言学习ai大模型
随着人工智能技术不断进步,大语言模型正在改变各行各业的运作方式。从代码生成到语言学习应用,GenAI已经渗透到我们日常生活的方方面面。随着像上个月OpenAI的“12天”计划或谷歌的Veo2和Imagen3等新技术的发布,我们看到了快速的创新迭代。面对这些变化,2025年LLM的大趋势值得我们关注。LLM的新兴应用:不仅仅是聊天机器人回想起最初我们用ChatGPT来生成代码或修改文本时,可能没有意
- 北京大学DeepSeek提示词工程与落地场景(PDF无套路免费下载)
xiecoding.cn
人工智能deepseek入门deepseekdeepseek入门到精通deepseek大模型
近年来,大模型技术飞速发展,但许多用户发现:即使使用同一款AI工具,效果也可能天差地别——有人能用AI快速生成精准方案,有人却只能得到笼统回答。这背后的关键差异,在于提示词工程的应用能力。北京大学联合DeepSeek团队推出的《DeepSeek提示词工程与落地场景》教程,正是为了解决这一痛点,通过系统化的方法论和丰富的案例,帮助用户解锁AI的真正潜力。《DeepSeek提示词工程与落地场景》PDF
- Unity3D实现编辑器截屏Preview窗口,并生成图片PNG
心疼你的一切
Unity工具编辑器java开发语言unity心疼你的一切c#游戏引擎
系列文章目录unity工具文章目录系列文章目录前言一、Preview窗口二、手动选择预制体截屏二、自动选择预制体截屏壁纸分享总结前言想要在Unity编辑器中截取Preview窗口的截图,并生成图片的代码。有时候可能会需要此模型的图片,又不想P图,所以只有最快的解决办法,那就是用此模型的预览图,当做模型的图片,如果你非要美工画,或者建模的渲染图,也都是可以的。Unity的编辑器窗口有不同的类型,例如
- 【朝夕教育】2023年09月 WPF+上位机+工业互联 065-MVVM模式的介绍
微软MVP Eleven
wpf
文章目录前言一、MVVM模式的介绍1.什么是MVVM2.MVVM背景与开发模式的升级3.MVVM模式下的应用分层前言MVVM(Model-View-ViewModel)是一种软件架构模式,它将应用程序的界面(视图)与应用程序的后端逻辑(模型)分离开来。ViewModel作为连接视图和模型的桥梁,使得视图可以独立于模型进行维护和更新,同时也为视图提供了一个方便的接口来获取和更新模型数据。上位机是指与
- 用Python实现LSTM预测电影票房:从数据爬取到模型部署全解析(结尾附完整代码)
WHCIS
pythonlstm开发语言机器学习人工智能深度学习
导语:当电影的预告片发布时,你是否好奇AI能否预测它的票房表现?本文将带你深入实战,从数据动态爬取到LSTM模型调优,手把手构建一个高精度票房预测系统。一、为什么LSTM是票房预测的利器?1.1电影票房的关键影响因素35%25%20%15%5%票房核心影响因素占比演员号召力IP热度档期竞争宣传投入其他时序特征:上映前后的宣传节奏、口碑传播曲线非线性关系:主演流量与票房的S型增长关系长周期依赖:系列
- WPF12-MVVM
Zy100Papa
wpf
目录1.什么是MVVM2.实现简单MVVM2.1.Part12.2.Part21.什么是MVVMMVVM是Model-View-ViewModel的缩写,是一种用于构建用户界面的设计模式,是一种简化用户界面的事件驱动编程方式。MVVM的目标是实现用户界面和业务逻辑之间的彻底分离,以便更好地管理和维护应用程序,并提供更好的可测试性和可扩展性。MVVM模式包含以下三个核心组件:Model(模型):Mo
- 微软发布 Phi-4 迷你模型,适合本地部署ChatBot
吴脑的键客
人工智能microsoft人工智能开源AIGC自然语言处理语言模型
Phi-4-mini-instruct是一个轻量级的开放模型,它建立在合成数据和经过筛选的公开网站基础上,重点关注高质量、推理密集的数据。该模型属于Phi-4模型系列,支持128K标记上下文长度。该模型经历了一个增强过程,包含了监督微调和直接偏好优化,以支持精确的指令遵循和稳健的安全措施。Phi-4-miniMicrosoftBlogPhi-4-miniTechnicalReportPhiCoo
- Python深度学习实践:使用TensorFlow构建图像分类器
Evaporator Core
Python开发经验python深度学习tensorflow
摘要随着深度学习技术的飞速发展,图像识别已成为AI领域的热点应用之一。本篇文章将引导读者使用Python和Google的TensorFlow框架,从零开始构建一个简单的图像分类器。我们将深入探讨卷积神经网络(CNN)的基本原理,实现一个能够识别MNIST手写数字的数据集模型,并通过实战代码演示整个过程,最终展示模型的训练与评估。一、环境配置与库导入确保已安装Python3.7+版本,以及Tenso
- 保姆级!springboot访问Ollama API并调用DeepSeek模型 Api
不会吉他的肌肉男不是好的挨踢男
springbootDeepSeekOllamaai大模型
要在springboot中访问OllamaAPI并调用DeepSeek模型,你需要遵循以下步骤。首先,确保你有一个有效的Ollama服务器实例运行中,并且DeepSeek模型已经被加载。可以参考我的这篇博客保姆级!使用Ollama本地部署DeepSeek-R1大模型并java通过api调用使用SpringBoot+SpringAI在使用Ollama把deepseek-r1跑起来之后,我们就可以开始
- redis和mysqle辨析
C嘎嘎嵌入式开发
redis数据库缓存
Redis和MySQL是两种非常流行的数据库系统,但它们在设计、数据模型、用途和性能方面有着根本的不同。数据存储模型MySQL是一个关系型数据库管理系统,使用表来组织数据,数据以行和列的形式存储。它支持复杂的查询语言,允许进行多表联合查询、事务处理、索引创建等。Redis是一个键值存储系统,数据以键值对的形式存储。它支持多种数据结构,如字符串、列表、集合、有序集合、散列。Redis的操作通常是基于
- 【图像去噪】基础知识之BasicSR | BasicSR库的用法详解,包含各部分代码功能详细介绍(全代码注释),自己改进创新需要修改的位置等
十小大
图像去噪imagedenoising图像处理深度学习人工智能pytorchpython
请先看【专栏介绍文章】:【图像去噪(ImageDenoising)】关于【图像去噪】专栏的相关说明,包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总(更新中)文章目录前言1.BasicSR项目结构与开发方法2.dataset3.arch4.model4.1创建模型4.2模型基类4.3图像恢复模型5.utils6.train7.test
- Spring Cloud Data Flow 简介
m0_74825614
面试学习路线阿里巴巴springcloudspring后端
SpringCloudDataFlow介绍1.Dataflow是一个用于开发和执行大范围数据处理其模式包括ETL,批量运算和持续运算的统一编程模型和托管服务。2.对于在现代运行环境中可组合的微服务程序来说,springclouddataflow是一个原生云可编配的服务。使用springclouddataflow,开发者可以为像数据抽取,实时分析,和数据导入/导出这种常见用例创建和编配数据通道(da
- qwenvl 以及qwenvl 2 模型架构理解
m0_74823239
面试学习路线阿里巴巴android前端后端
qwenvl模型理解:参考资料:https://qwenlm.github.io/zh/blog/qwen2-vl/https://github.com/QwenLM/Qwen2-VLtab=readme-ov-filehttps://qwenlm.github.io/zh/blog/qwen2-vl/论文:qwenvlhttps://arxiv.org/abs/2308.12966Qwen2-V
- DeepSeek掘金——DeepSeek R1架构和训练过程图解
不二人生
DeepSeek掘金指南人工智能大模型
DeepSeek掘金——DeepSeekR1架构和训练过程图解为了让一切变得简单,我们将使用手绘流程图和简单的计算来帮助从头开始澄清DeeoSeek-R1的核心概念。如果你对AI感兴趣,可能听说过DeepSeekR1。它目前在LLM领域很流行,并且表现优于开源和闭源模型。为了让一切变得简单,我们将使用手绘流程图和简单的计算来帮助从头开始澄清DeeoSeek-R1的核心概念。事实上,我们将在整个博客
- 大数据、云计算系统高级架构师课程学习路线图
juan188
大数据大数据开发程序员sparkLinux大数据学习人工智能数据分析hadoop大数据学习大数据开发大数据入门大数据技术大数据
大数据之Linux+大数据开发篇大数据的前景和意义也就不言而喻了,未来,大数据能够对大量、动态、能持续的数据,通过运用新系统、新工具、新模型的挖掘,从而获得具有洞察力和新价值的东西。源于互联网的发展,收集数据的门槛越来越低,收集数据变成一件简单的事情,这些海量的数据中是含有无穷的信息和价值的,如何更好的提炼出有价值的信息,这就体现大数据的用途了。大数据是未来的发展方向,正在挑战我们的分析能力及对世
- java常见面试题:什么是NIO(New IO)?NIO和IO有什么区别?
广寒舞雪
javajavanio开发语言
NIO(NewIO)是一种同步非阻塞的I/O模型,是I/O多路复用的基础,已经被越来越多地应用到大型应用服务器,成为解决高并发与大量连接、I/O处理问题的有效方式。NIO适用于处理大量并发连接和高性能的网络服务器开发,如聊天服务器、即时通讯服务器、游戏服务器等。这是因为NIO提供了非阻塞的网络I/O操作,可以在一个线程中同时处理多个连接,提高了服务器的并发性能。此外,NIO还适用于文件I/O和数据
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
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/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
jinnianshilongnian
spring 4.1
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
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不