- 23 注意力机制—BERT
Unknown To Known
动手学习深度学习bert人工智能深度学习
目录BERT预训练NLP里的迁移学习BERTBERT动机BERT预训练NLP里的迁移学习在计算机视觉中比较流行,将ImageNet或者更大的数据集上预训练好的模型应用到其他任务中,比如小数据的预测、图片分类或者是目标检测使用预训练好的模型(例如word2vec或语言模型)来抽取词、句子的特征做迁移学习的时候,一般不更新预训练好的模型在更换任务之后,还是需要构建新的网络来抓取新任务需要的信息使用预训
- 基于seq2seq的SKchat语言模型
eric-sjq
语言模型人工智能自然语言处理
SKchat语言模型是由小思框架开放的中文语言模型,基于seq2seq以及word2vec。v3模型的对话功能界面~在代码方面,我们优化了seq2seq算法,降低了内存的占用,并构建了新的模型。whileTrue:model.fit([x_encoder,x_decoder],y,batchsize,1,verbose=1,)"""解码模型"""decoder_h_input=Input(shap
- 【自然语言处理】:实验1布置,Word2Vec&TranE的实现
X.AI666
自然语言处理人工智能机器学习自然语言处理
清华大学驭风计划因为篇幅原因实验答案分开上传,答案链接http://t.csdnimg.cn/5cyMG如果需要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~~实验1:Word2Vec&TranE的实现案例简介Word2Vec是词嵌入的经典模型,它通过词之间的上下文信息来建模词的相似度。TransE是知识表示学习领域的经典模型,它借鉴了Word2Ve
- Task5 基于深度学习的文本分类2
listentorain_W
Task5基于深度学习的文本分类2在上一章节,我们通过FastText快速实现了基于深度学习的文本分类模型,但是这个模型并不是最优的。在本章我们将继续深入。基于深度学习的文本分类本章将继续学习基于深度学习的文本分类。学习目标学习Word2Vec的使用和基础原理学习使用TextCNN、TextRNN进行文本表示学习使用HAN网络结构完成文本分类文本表示方法Part3词向量本节通过word2vec学习
- 使用word2vec+tensorflow自然语言处理NLP
取名真难.
机器学习自然语言处理word2vectensorflow机器学习深度学习神经网络
目录介绍:搭建上下文或预测目标词来学习词向量建模1:建模2:预测:介绍:Word2Vec是一种用于将文本转换为向量表示的技术。它是由谷歌团队于2013年提出的一种神经网络模型。Word2Vec可以将单词表示为高维空间中的向量,使得具有相似含义的单词在向量空间中距离较近。这种向量表示可以用于各种自然语言处理任务,如语义相似度计算、文本分类和命名实体识别等。Word2Vec的核心思想是通过预测上下文或
- 使用Word Embedding+Keras进行自然语言处理NLP
取名真难.
机器学习keraspython深度学习神经网络人工智能自然语言处理
目录介绍:one-hot:pad_sequences:建模:介绍:WordEmbedding是一种将单词表示为低维稠密向量的技术。它通过学习单词在文本中的上下文关系,将其映射到一个连续的向量空间中。在这个向量空间中,相似的单词在空间中的距离也比较接近,具有相似含义的单词在空间中的方向也比较一致。WordEmbedding可以通过各种方法来实现,包括基于统计的方法(如Word2Vec和GloVe)和
- 知识图谱与语言预训练:深度融合的智能问答时代
cooldream2009
AI技术NLP知识知识图谱知识图谱人工智能预训练
目录前言1直接使用预训练模型vs.知识图谱与预训练相结合1.1直接使用预训练模型1.2构建知识图谱后与预训练相结合2预训练语言模型的发展历程2.1Word2Vec和GloVe2.2ELMo2.3BERT3知识图谱对预训练的助力3.1弥补低频实体信息的不足3.2提供领域知识的支持4典型知识驱动的语言预训练模型4.1ERNIE4.2KnowBERT4.3WKLM4.4K-Adapter结语前言在自然语
- word2vec工具学习笔记
适说心语
今天是第一次听说这个工具,本来是为了解决非目标客户的问题,但是要从头了解这个内容,所以边找资料边记录一下!一、简介Word2vec,是为一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本。网络以词表现,并且需猜测相邻位置的输入词,在word2vec中词袋模型假设下,词的顺序是不重要的。训练完成之后,word2vec模型可用来映射每个词到一个向量,可用来表示
- 图解word2vec,入门自然语言处理必看
学术Fun
(关注'AI新视野'公众号,发送‘资料’二字,免费获取50G人工智能视频教程!)图解word2vec精翻版,加入了自己的理解,和稍微有点出入,http://jalammar.github.io/illustrated-word2vec/image词嵌入(embedding)是机器学习中最惊人的创造,如果你有使用过Siri、GoogleAssistant、Alexa、Google翻译,输入法打字预测
- Tensorflow 实现 Word2Vec
王小鸟_wpcool
今天学习了一下《Tensorflow实战》这本书中第7章内容,利用tensorflow实现word2vec。其实书中内容就是Tensorflow教程中的例子,现在挣钱真容易。附链接https://github.com/tensorflow/tensorflow/blob/r0.12/tensorflow/examples/tutorials/word2vec/word2vec_basic.py代码
- 自然语言处理N天-Day0503句向量模型 Doc2Vec
我的昵称违规了
新建MicrosoftPowerPoint演示文稿(2).jpg说明:本文依据《中文自然语言处理入门实战》完成。目前网上有不少转载的课程,我是从GitChat上购买。第五课句向量模型Doc2VecDoc2VecDoc2Vec模型是在Word2Vec模型上提出的计算长文本向量的工具。Doc2vec接收一个由LabeledSentence对象组成的迭代器作为其构造函数的输入参数。其中,LabeledS
- 揭秘Word2Vec:探索语言的魔法世界
洞深视界
word2veceasyui人工智能机器学习深度学习git自然语言处理
欢迎来到Word2Vec的世界!在自然语言处理的舞台上,Word2Vec犹如一位神秘的魔术师,带领我们探索语言的魔法世界。今天,让我们一同踏上这段充满惊喜的旅程,揭秘Word2Vec的神秘面纱。背景:语言的奥秘语言是人类沟通交流的重要工具,但其中隐藏着许多奥秘。在过去,计算机很难理解和处理语言,直到Word2Vec的出现,才让计算机开始懂得了语言的奥秘。Word2Vec的基本原理Word2Vec是
- gensim模型(1)——Word2Vec
qqqh777
Word2Vec模型介绍Gensim的Word2Vec模型且展示其在LeeEvaluationCorpus上的用法。importlogginglogging.basicConfig(format='%(asctims)s:%(levelname)s:%(message)s',level=logging.INFO)如果你错过了提示,Word2Vec是基于神经网络的广泛使用的算法,通常被称为"深度学习
- 刘知远LLM——神经网络基础
李日音
神经网络人工智能深度学习
文章目录神经网络基础基本构成如何训练?Word2Vec例子负采样:循环神经网络RNN门控计算单元GRU长短时记忆网络LSTM遗忘门输入门输出门双向RNN卷积神经网络CNNpytorch实战神经网络基础基本构成全称:人工神经网络。启发于生物神经细胞单个神经元单层神经网络前向计算激活函数的作用:没有激活函数的话,多层神经网络就会退化为单层输出层线性输出:回归问题sigmoid:二分类softmax:多
- Gensim详细介绍和使用:一个Python文本建模库
Bigcrab__
Python库介绍和使用python
Gensim=“GenerateSimilar”一、安装二、文本预处理2.1中文语料处理2.2英文语料处理2.3BOW语料建立三、模型使用3.1word2vecThealgorithmsinGensim,suchasWord2Vec,FastText,LatentSemanticIndexing(LSI,LSA,LsiModel),LatentDirichletAllocation(LDA,Lda
- 【爬虫实战】python文本分析库——Gensim
认真写程序的强哥
爬虫pythonPython爬虫Python学习Python文本分析Gensim开发语言
文章目录01、引言02、主题分析以及文本相似性分析03、关键词提取04、Word2Vec嵌入(词嵌入WordEmbeddings)05、FastText嵌入(子词嵌入SubwordEmbeddings)06、文档向量化01、引言Gensim是一个用于自然语言处理和文本分析的Python库,提供了许多强大的功能,包括文档的相似度计算、关键词提取和文档的主题分析,要开始使用Gensim,您需要安装它,
- 探索NLP中的N-grams:理解,应用与优化
冷冻工厂
程序人生
简介n-gram[1]是文本文档中n个连续项目的集合,其中可能包括单词、数字、符号和标点符号。N-gram模型在许多与单词序列相关的文本分析应用中非常有用,例如情感分析、文本分类和文本生成。N-gram建模是用于将文本从非结构化格式转换为结构化格式的众多技术之一。n-gram的替代方法是词嵌入技术,例如word2vec。N-grams广泛用于文本挖掘和自然语言处理任务。示例通过计算每个唯一的n元语
- 智慧海洋建设-Task3 特征工程
1598903c9dd7
关于本次智慧海洋特征构建分为时间类特征、分箱特征(x、y、v)、DataFrame特征(计数特征和偏移量特征)、统计特征(聚合)、embedding特征(word2vec、NMF)这几方面进行考虑的。分箱特征的重要性:一般在建立分类模型时,需要对连续变量离散化,特征离散化后,模型会更稳定,降低了模型过拟合的风险。离散特征的增加和减少都很容易,易于模型的快速迭代;稀疏向量内积乘法运算速度快,计算结果
- Vision Transformer及其变体(自用)
ST-Naive
transformer深度学习人工智能
0回顾Transformer0.1encoder在正式开始ViT之前,先来复习一遍transformer的核心机制相关的文章有很多,我选了一遍最通俗易懂的放在这:Transformer通俗笔记:从Word2Vec、Seq2Seq逐步理解到GPT、BERT所谓注意力机制,就是Attention=∑similarity(Query,Key)*Value,Q可以理解为单词在当前的表示,K为单词的标签,V
- 学习知识记录
想努力的人
面试算法cnn深度学习tensorflow
1、nnlm神经网络语言模型:ANeuralProbabilisticLanguageModel------阅读笔记_hx14301009的博客-CSDN博客2、Word2vec的skipgram模型输入是中心词和背景词NLP之---word2vec算法skip-gram原理详解_Ricky-CSDN博客_skipgram层级的softmax:本质是将N分类问题转换成logN(底数为2)次的二分类
- NLP_词的向量表示Word2Vec 和 Embedding
you_are_my_sunshine*
NLP自然语言处理word2vecembedding
文章目录词向量Word2Vec:CBOW模型和Skip-Gram模型通过nn.Embedding来实现词嵌入Word2Vec小结词向量下面这张图就形象地呈现了词向量的内涵:把词转化为向量,从而捕捉词与词之间的语义和句法关系,使得具有相似含义或相关性的词语在向量空间中距离较近。我们把语料库中的词和某些上下文信息,都“嵌入”了向量表示中。将词映射到向量空间时,会将这个词和它周围的一些词语一起学习,这就
- 利用Bert模型进行命名实体识别
刘单纯
之前两天也写了word2vec和Transformer,其实都是在为今天的内容做铺垫。最近正好使用bert做了命名实体识别项目,借这个契机分享出来,希望能帮到有需要的人。自然语言的表示之所以之前自然语言处理的发展没有达到CV领域,很大一部分原因是很难把抽象的语言用准确的数学方式表示。one-hot只能说对词进行编码,毫无“相似度”的概念,例如【川老师】和【特朗普】的距离与【川老师】和【苍老师】的距
- 【NLP】 Word2Vec模型 & Doc2Vec模型
Sonhhxg_柒
自然语言处理(NLP)自然语言处理word2vec机器学习
大家好,我是Sonhhxg_柒,希望你看完之后,能对你有所帮助,不足请指正!共同学习交流个人主页-Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习(ML)、深度学习(DL)、自然语言处理(NLP)等内容。如果你对这个系列感兴趣的话,可以关注订阅哟Word
- 大模型|基础_word2vec
晓源Galois
word2vec人工智能自然语言处理
文章目录Word2Vec词袋模型CBOWContinuousBag-of-WordsContinuousSkip-Gram存在的问题解决方案其他技巧Word2Vec将词转化为向量后,会发现king和queen的差别与man和woman的差别是类似的,而在几何空间上,这样的差别将会以平行的关系进行表达。会使用滑动窗口的机制。滑动窗口内会有一个target目标词(上图蓝色部分),滑动窗口其他部分就是c
- 自然语言处理中的深度学习
qiufeng1ye
教材选用《动手学深度学习》,李沐等著;词嵌⼊(word2vec)⾃然语⾔是⼀套⽤来表达含义的复杂系统。把词映射为实数域向量的技术也叫词嵌⼊(wordembedding)。近年来,词嵌⼊已逐渐成为⾃然语⾔处理的基础知识。Word2vec⼯具包含了两个模型:跳字模型(skip-gram)和连续词袋模型(continuousbagofwords,简称CBOW)。跳字模型假设基于中⼼词来⽣成背景词,连续词
- word2vec
e237262360d2
将词表征为实数值向量的高效工具,采用的模型有CBOW(Continuesbag-of-words连续词袋模型)和Skip-Gram两种。word2vec通过训练,可以把对文本内容的处理简化为K维向量空间中的向量运算词向量:把一个词表示成一个向量One-hotRepresentation维度是词典的大小DistributedRepresentation维度以50,100比较常见CBOW:用上下文预测
- NLP入门系列—词嵌入 Word embedding
不二人生
自然语言处理自然语言处理wordembedding
NLP入门系列—词嵌入Wordembedding2013年,Word2Vec横空出世,自然语言处理领域各项任务效果均得到极大提升。自从Word2Vec这个神奇的算法出世以后,导致了一波嵌入(Embedding)热,基于句子、文档表达的word2vec、doc2vec算法,基于物品序列的item2vec算法,基于图模型的图嵌入技术相继诞生。现有的机器学习方法往往无法直接处理文本数据,因此需要找到合适
- 调用Gensim库训练Word2Vec模型
风筝超冷
word2vecpython深度学习
一、前期工作:1.安装Gensim库pipinstallgensim2.安装chardet库pipinstallchardet3.对原始语料分词选择《人民的名义》的小说原文作为语料,先采用jieba进行分词importjiebaimportjieba.analyseimportchardetjieba.suggest_freq('沙瑞金',True)#加入一些词,使得jieba分词准确率更高jie
- Word2Vec ——gensim实战教程
王同学死磕技术
最近斯坦福的CS224N开课了,看了下课程介绍,去年google发表的Transformer以及最近特别火的ContextualWordEmbeddings都会在今年的课程中进行介绍。NLP领域确实是一个知识迭代特别快速的领域,每年都有新的知识冒出来。所以身处NLP领域的同学们要时刻保持住学习的状态啊。笔者又重新在B站上看了这门课程的第一二节课。这里是课程链接。前两节课的主要内容基本上围绕着词向量
- 【SparkML系列3】特征提取器TF-IDF、Word2Vec和CountVectorizer
周润发的弟弟
spark-mltf-idfword2vec
本节介绍了用于处理特征的算法,大致可以分为以下几组:提取(Extraction):从“原始”数据中提取特征。转换(Transformation):缩放、转换或修改特征。选择(Selection):从更大的特征集中选择一个子集。局部敏感哈希(LocalitySensitiveHashing,LSH):这类算法结合了特征转换的方面与其他算法。###FeatureExtractors(特征提取器)###
- java Illegal overloaded getter method with ambiguous type for propert的解决
zwllxs
javajdk
好久不来iteye,今天又来看看,哈哈,今天碰到在编码时,反射中会抛出
Illegal overloaded getter method with ambiguous type for propert这么个东东,从字面意思看,是反射在获取getter时迷惑了,然后回想起java在boolean值在生成getter时,分别有is和getter,也许我们的反射对象中就有is开头的方法迷惑了jdk,
- IT人应当知道的10个行业小内幕
beijingjava
工作互联网
10. 虽然IT业的薪酬比其他很多行业要好,但有公司因此视你为其“佣人”。
尽管IT人士的薪水没有互联网泡沫之前要好,但和其他行业人士比较,IT人的薪资还算好点。在接下的几十年中,科技在商业和社会发展中所占分量会一直增加,所以我们完全有理由相信,IT专业人才的需求量也不会减少。
然而,正因为IT人士的薪水普遍较高,所以有些公司认为给了你这么多钱,就把你看成是公司的“佣人”,拥有你的支配
- java 实现自定义链表
CrazyMizzz
java数据结构
1.链表结构
链表是链式的结构
2.链表的组成
链表是由头节点,中间节点和尾节点组成
节点是由两个部分组成:
1.数据域
2.引用域
3.链表的实现
&nbs
- web项目发布到服务器后图片过一会儿消失
麦田的设计者
struts2上传图片永久保存
作为一名学习了android和j2ee的程序员,我们必须要意识到,客服端和服务器端的交互是很有必要的,比如你用eclipse写了一个web工程,并且发布到了服务器(tomcat)上,这时你在webapps目录下看到了你发布的web工程,你可以打开电脑的浏览器输入http://localhost:8080/工程/路径访问里面的资源。但是,有时你会突然的发现之前用struts2上传的图片
- CodeIgniter框架Cart类 name 不能设置中文的解决方法
IT独行者
CodeIgniterCart框架
今天试用了一下CodeIgniter的Cart类时遇到了个小问题,发现当name的值为中文时,就写入不了session。在这里特别提醒一下。 在CI手册里也有说明,如下:
$data = array(
'id' => 'sku_123ABC',
'qty' => 1,
'
- linux回收站
_wy_
linux回收站
今天一不小心在ubuntu下把一个文件移动到了回收站,我并不想删,手误了。我急忙到Nautilus下的回收站中准备恢复它,但是里面居然什么都没有。 后来我发现这是由于我删文件的地方不在HOME所在的分区,而是在另一个独立的Linux分区下,这是我专门用于开发的分区。而我删除的东东在分区根目录下的.Trash-1000/file目录下,相关的删除信息(删除时间和文件所在
- jquery回到页面顶端
知了ing
htmljquerycss
html代码:
<h1 id="anchor">页面标题</h1>
<div id="container">页面内容</div>
<p><a href="#anchor" class="topLink">回到顶端</a><
- B树、B-树、B+树、B*树
矮蛋蛋
B树
原文地址:
http://www.cnblogs.com/oldhorse/archive/2009/11/16/1604009.html
B树
即二叉搜索树:
1.所有非叶子结点至多拥有两个儿子(Left和Right);
&nb
- 数据库连接池
alafqq
数据库连接池
http://www.cnblogs.com/xdp-gacl/p/4002804.html
@Anthor:孤傲苍狼
数据库连接池
用MySQLv5版本的数据库驱动没有问题,使用MySQLv6和Oracle的数据库驱动时候报如下错误:
java.lang.ClassCastException: $Proxy0 cannot be cast to java.sql.Connec
- java泛型
百合不是茶
java泛型
泛型
在Java SE 1.5之前,没有泛型的情况的下,通过对类型Object的引用来实现参数的“任意化”,任意化的缺点就是要实行强制转换,这种强制转换可能会带来不安全的隐患
泛型的特点:消除强制转换 确保类型安全 向后兼容
简单泛型的定义:
泛型:就是在类中将其模糊化,在创建对象的时候再具体定义
class fan
- javascript闭包[两个小测试例子]
bijian1013
JavaScriptJavaScript
一.程序一
<script>
var name = "The Window";
var Object_a = {
name : "My Object",
getNameFunc : function(){
var that = this;
return function(){
- 探索JUnit4扩展:假设机制(Assumption)
bijian1013
javaAssumptionJUnit单元测试
一.假设机制(Assumption)概述 理想情况下,写测试用例的开发人员可以明确的知道所有导致他们所写的测试用例不通过的地方,但是有的时候,这些导致测试用例不通过的地方并不是很容易的被发现,可能隐藏得很深,从而导致开发人员在写测试用例时很难预测到这些因素,而且往往这些因素并不是开发人员当初设计测试用例时真正目的,
- 【Gson四】范型POJO的反序列化
bit1129
POJO
在下面这个例子中,POJO(Data类)是一个范型类,在Tests中,指定范型类为PieceData,POJO初始化完成后,通过
String str = new Gson().toJson(data);
得到范型化的POJO序列化得到的JSON串,然后将这个JSON串反序列化为POJO
import com.google.gson.Gson;
import java.
- 【Spark八十五】Spark Streaming分析结果落地到MySQL
bit1129
Stream
几点总结:
1. DStream.foreachRDD是一个Output Operation,类似于RDD的action,会触发Job的提交。DStream.foreachRDD是数据落地很常用的方法
2. 获取MySQL Connection的操作应该放在foreachRDD的参数(是一个RDD[T]=>Unit的函数类型),这样,当foreachRDD方法在每个Worker上执行时,
- NGINX + LUA实现复杂的控制
ronin47
nginx lua
安装lua_nginx_module 模块
lua_nginx_module 可以一步步的安装,也可以直接用淘宝的OpenResty
Centos和debian的安装就简单了。。
这里说下freebsd的安装:
fetch http://www.lua.org/ftp/lua-5.1.4.tar.gz
tar zxvf lua-5.1.4.tar.gz
cd lua-5.1.4
ma
- java-递归判断数组是否升序
bylijinnan
java
public class IsAccendListRecursive {
/*递归判断数组是否升序
* if a Integer array is ascending,return true
* use recursion
*/
public static void main(String[] args){
IsAccendListRecursiv
- Netty源码学习-DefaultChannelPipeline2
bylijinnan
javanetty
Netty3的API
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/channel/ChannelPipeline.html
里面提到ChannelPipeline的一个“pitfall”:
如果ChannelPipeline只有一个handler(假设为handlerA)且希望用另一handler(假设为handlerB)
来
- Java工具之JPS
chinrui
java
JPS使用
熟悉Linux的朋友们都知道,Linux下有一个常用的命令叫做ps(Process Status),是用来查看Linux环境下进程信息的。同样的,在Java Virtual Machine里面也提供了类似的工具供广大Java开发人员使用,它就是jps(Java Process Status),它可以用来
- window.print分页打印
ctrain
window
function init() {
var tt = document.getElementById("tt");
var childNodes = tt.childNodes[0].childNodes;
var level = 0;
for (var i = 0; i < childNodes.length; i++) {
- 安装hadoop时 执行jps命令Error occurred during initialization of VM
daizj
jdkhadoopjps
在安装hadoop时,执行JPS出现下面错误
[slave16]
[email protected]:/tmp/hsperfdata_hdfs# jps
Error occurred during initialization of VM
java.lang.Error: Properties init: Could not determine current working
- PHP开发大型项目的一点经验
dcj3sjt126com
PHP重构
一、变量 最好是把所有的变量存储在一个数组中,这样在程序的开发中可以带来很多的方便,特别是当程序很大的时候。变量的命名就当适合自己的习惯,不管是用拼音还是英语,至少应当有一定的意义,以便适合记忆。变量的命名尽量规范化,不要与PHP中的关键字相冲突。 二、函数 PHP自带了很多函数,这给我们程序的编写带来了很多的方便。当然,在大型程序中我们往往自己要定义许多个函数,几十
- android笔记之--向网络发送GET/POST请求参数
dcj3sjt126com
android
使用GET方法发送请求
private static boolean sendGETRequest (String path,
Map<String, String> params) throws Exception{
//发送地http://192.168.100.91:8080/videoServi
- linux复习笔记 之bash shell (3) 通配符
eksliang
linux 通配符linux通配符
转载请出自出处:
http://eksliang.iteye.com/blog/2104387
在bash的操作环境中有一个非常有用的功能,那就是通配符。
下面列出一些常用的通配符,如下表所示 符号 意义 * 万用字符,代表0个到无穷个任意字符 ? 万用字符,代表一定有一个任意字符 [] 代表一定有一个在中括号内的字符。例如:[abcd]代表一定有一个字符,可能是a、b、c
- Android关于短信加密
gqdy365
android
关于Android短信加密功能,我初步了解的如下(只在Android应用层试验):
1、因为Android有短信收发接口,可以调用接口完成短信收发;
发送过程:APP(基于短信应用修改)接受用户输入号码、内容——>APP对短信内容加密——>调用短信发送方法Sm
- asp.net在网站根目录下创建文件夹
hvt
.netC#hovertreeasp.netWeb Forms
假设要在asp.net网站的根目录下建立文件夹hovertree,C#代码如下:
string m_keleyiFolderName = Server.MapPath("/hovertree");
if (Directory.Exists(m_keleyiFolderName))
{
//文件夹已经存在
return;
}
else
{
try
{
D
- 一个合格的程序员应该读过哪些书
justjavac
程序员书籍
编者按:2008年8月4日,StackOverflow 网友 Bert F 发帖提问:哪本最具影响力的书,是每个程序员都应该读的?
“如果能时光倒流,回到过去,作为一个开发人员,你可以告诉自己在职业生涯初期应该读一本, 你会选择哪本书呢?我希望这个书单列表内容丰富,可以涵盖很多东西。”
很多程序员响应,他们在推荐时也写下自己的评语。 以前就有国内网友介绍这个程序员书单,不过都是推荐数
- 单实例实践
跑龙套_az
单例
1、内部类
public class Singleton {
private static class SingletonHolder {
public static Singleton singleton = new Singleton();
}
public Singleton getRes
- PO VO BEAN 理解
q137681467
VODTOpo
PO:
全称是 persistant object持久对象 最形象的理解就是一个PO就是数据库中的一条记录。 好处是可以把一条记录作为一个对象处理,可以方便的转为其它对象。
BO:
全称是 business object:业务对象 主要作用是把业务逻辑封装为一个对象。这个对
- 战胜惰性,暗自努力
金笛子
努力
偶然看到一句很贴近生活的话:“别人都在你看不到的地方暗自努力,在你看得到的地方,他们也和你一样显得吊儿郎当,和你一样会抱怨,而只有你自己相信这些都是真的,最后也只有你一人继续不思进取。”很多句子总在不经意中就会戳中一部分人的软肋,我想我们每个人的周围总是有那么些表现得“吊儿郎当”的存在,是否你就真的相信他们如此不思进取,而开始放松了对自己的要求随波逐流呢?
我有个朋友是搞技术的,平时嘻嘻哈哈,以
- NDK/JNI二维数组多维数组传递
wenzongliang
二维数组jniNDK
多维数组和对象数组一样处理,例如二维数组里的每个元素还是一个数组 用jArray表示,直到数组变为一维的,且里面元素为基本类型,去获得一维数组指针。给大家提供个例子。已经测试通过。
Java_cn_wzl_FiveChessView_checkWin( JNIEnv* env,jobject thiz,jobjectArray qizidata)
{
jint i,j;
int s