程序猿的探索之路

【笔记】transforms 的 Resize 和 CenterCrop：Resize 按比例缩小img得到new_img，CenterCrop在new_img上面截取主要的图片部分

Code1：

from torch.utils.data import Dataset,DataLoader,TensorDataset
import os
import PIL.Image as Image
from torchvision import transforms
import matplotlib.pyplot as plt
import torch as t
class Cudata(Dataset):
    def __init__(self):
        super(Cudata,self).__init__()
        self.data_dir=r"./image_folder"
        self.datalist=os.listdir(self.data_dir)
        self.cu_transform1=transforms.Compose([
            transforms.ToTensor(),

        ])
        self.cu_transform2=transforms.Compose([
            transforms.Resize(96),

        ])
        self.cu_transform3=transforms.Compose([
            transforms.CenterCrop(96),
        ])

    def __getitem__(self,index):
        id=self.datalist[index]
        img_path=os.path.join(self.data_dir,id)
        img=Image.open(img_path)
        img=self.cu_transform1(img)
        print(img.shape[1],img.size()[2])
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.shape[1]/96,img.size()[2]/(img.shape[1]/96))
        print(img.shape)
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()


        img=self.cu_transform2(img)
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.size())
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()


        img=self.cu_transform3(img)
        print(img.size())
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()
        input()

        print(img)
        return img
    def __len__(self):
        return len(self.datalist)

cu_data=Cudata()
for idx,x in enumerate(cu_data):
    print(x.shape)

Code2：

from torch.utils.data import Dataset,DataLoader,TensorDataset
import os
import PIL.Image as Image
from torchvision import transforms
import matplotlib.pyplot as plt
import torch as t
class Cudata(Dataset):
    def __init__(self):
        super(Cudata,self).__init__()
        self.data_dir=r"./image_folder"
        self.datalist=os.listdir(self.data_dir)
        self.cu_transform1=transforms.Compose([
            transforms.ToTensor(),

        ])
        self.cu_transform2=transforms.Compose([
            transforms.Resize(96),

        ])
        self.cu_transform3=transforms.Compose([
            transforms.CenterCrop(96),
        ])

    def __getitem__(self,index):
        id=self.datalist[index]
        img_path=os.path.join(self.data_dir,id)
        img=Image.open(img_path)
        img=self.cu_transform1(img)
        print(img.shape[1],img.size()[2])
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.shape[1]/96,img.size()[2]/(img.shape[1]/96))
        print(img.shape)
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()
        print(img)
        print(img[2,-3,:])
        input()

        img=self.cu_transform2(img)
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.size())
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()
        print(img)
        print(img[2, -3, :])
        input()


        img=self.cu_transform3(img)
        print(img.size())
        print(img)
        print(img[2, -3, :])
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()

        input()


        return img
    def __len__(self):
        return len(self.datalist)

cu_data=Cudata()
for idx,x in enumerate(cu_data):
    print(x.shape)

355 411
3.6979166666666665 4.28125
3.6979166666666665 111.143661971831
torch.Size([3, 355, 411])
/home/wangbin/.config/JetBrains/PyCharmCE2020.3/scratches/scratch_13.py:33: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
tensor([[[1., 1., 1., ..., 1., 0., 0.],
         [1., 1., 1., ..., 1., 0., 0.],
         [1., 1., 1., ..., 0., 0., 0.],
         ...,
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.]],

        [[1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.],
         ...,
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.]],

        [[1., 1., 1., ..., 1., 0., 0.],
         [1., 1., 1., ..., 1., 0., 0.],
         [1., 1., 1., ..., 0., 0., 0.],
         ...,
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.],
         [1., 1., 1., ..., 1., 1., 1.]]])
tensor([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1.])

/home/wangbin/.config/JetBrains/PyCharmCE2020.3/scratches/scratch_13.py:42: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
1.0 1.15625
torch.Size([3, 96, 111])
tensor([[[1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.6487],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000, ..., 0.0469, 0.0443, 0.6487],
         [1.0000, 1.0000, 1.0000, ..., 0.0000, 0.0000, 1.0000]]])
tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 0.0690, 0.0000, 0.1006, 0.7448, 1.0000,
        1.0000, 1.0000, 0.0000])

torch.Size([3, 96, 96])
tensor([[[1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         ...,
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         ...,
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 0.0690],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, ..., 1.0000, 1.0000, 1.0000]]])
tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 0.0690])

Code3:

from torch.utils.data import Dataset,DataLoader,TensorDataset
import os
import PIL.Image as Image
from torchvision import transforms
import matplotlib.pyplot as plt
import torch as t
class Cudata(Dataset):
    def __init__(self):
        super(Cudata,self).__init__()
        self.data_dir=r"./image_folder"
        self.datalist=os.listdir(self.data_dir)
        self.cu_transform1=transforms.Compose([
            transforms.ToTensor(),

        ])
        self.cu_transform2=transforms.Compose([
            transforms.Resize([96,111]),

        ])
        self.cu_transform3=transforms.Compose([
            transforms.CenterCrop([96,111]),
        ])

    def __getitem__(self,index):
        id=self.datalist[index]
        img_path=os.path.join(self.data_dir,id)
        img=Image.open(img_path)
        img=self.cu_transform1(img)
        print(img.shape[1],img.size()[2])
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.shape[1]/96,img.size()[2]/(img.shape[1]/96))
        print(img.shape)
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()
        print(img)
        print(img[2,-3,:])
        input()

        img=self.cu_transform2(img)
        print(img.shape[1]/96,img.size()[2]/96)
        print(img.size())
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()
        print(img)
        print(img[2, -3, :])
        input()


        img=self.cu_transform3(img)
        print(img.size())
        print(img)
        print(img[2, -3, :])
        plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
        plt.show()

        input()


        return img
    def __len__(self):
        return len(self.datalist)

cu_data=Cudata()
for idx,x in enumerate(cu_data):
    print(x.shape)

355 411
3.6979166666666665 4.28125
3.6979166666666665 111.143661971831
torch.Size([3, 355, 411])
tensor([[[1., 1., 1.,  ..., 1., 0., 0.],
         [1., 1., 1.,  ..., 1., 0., 0.],
         [1., 1., 1.,  ..., 0., 0., 0.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]],

        [[1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]],

        [[1., 1., 1.,  ..., 1., 0., 0.],
         [1., 1., 1.,  ..., 1., 0., 0.],
         [1., 1., 1.,  ..., 0., 0., 0.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]]])
tensor([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
        0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1.])

/home/wangbin/.config/JetBrains/PyCharmCE2020.3/scratches/scratch_13.py:42: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
  plt.imshow(t.tensor(img,dtype=t.float32).permute(1,2,0))
1.0 1.15625
torch.Size([3, 96, 111])
tensor([[[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.6487],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0469, 0.0443, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0000, 0.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0469, 0.0443, 0.6487],
         [1.0000, 1.0000, 1.0000,  ..., 0.0000, 0.0000, 1.0000]]])
tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 0.0690, 0.0000, 0.1006, 0.7448, 1.0000,
        1.0000, 1.0000, 0.0000])

torch.Size([3, 96, 111])
tensor([[[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.6487],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0469, 0.0443, 1.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0000, 0.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.2287],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         ...,
         [1.0000, 1.0000, 1.0000,  ..., 1.0000, 1.0000, 0.0000],
         [1.0000, 1.0000, 1.0000,  ..., 0.0469, 0.0443, 0.6487],
         [1.0000, 1.0000, 1.0000,  ..., 0.0000, 0.0000, 1.0000]]])
tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
        1.0000, 1.0000, 1.0000, 1.0000, 0.0690, 0.0000, 0.1006, 0.7448, 1.0000,
        1.0000, 1.0000, 0.0000])

相信相信的力量孙丽_cdb3
孙丽中级十期坚持分享第345天有一个特别有哲理的故事：有一只老鹰下了蛋，这个蛋，不知怎的就滚到了鸡窝里去了，鸡也下了一窝蛋，然后鸡妈妈把这些蛋全都浮出来了，孵出来之后等小鸡长大一点了，就觉得鹰蛋孵出来的那只小鹰怪模怪样，这些小鸡都嘲笑它，真难看，真笨，丑死了，那只小鹰觉得自己真是谁也不像，真是不好看，后来鸡妈妈也不喜欢他，我怎么生出你这样的孩子来了？真烦人，后来这群小鸡和小鹰一起生活，有一天，老鹰
万物难度不度己边度512
你好，陌生人！你是否有过迷茫，在别人的面前自己却不曾展示！你是否自己承担着所有的痛苦，却又笑对人生！你是否在很多时候想找人诉说，翻开手机却发现，手机里面空无一人！你是否有很多事情想做，最后却因你自己拖延，最后发现自己什么都做不了！对没有错，我的名字就叫你是否！不要怀疑！不要悲伤！我们的生活可是还有很到要继续的呢！还有很多那个人，很多地方我们都没有去过！所以我们已经没有退路了！那就继续向前吧！加油！
2018-07-20 韻梅
念亲爱的好感谢亲爱的每天照顾我们！因为有你我们心里踏实！念儿子的好儿子感谢你昨晚为我们煎手抓饼，让我们感到你满满的爱与幸福:你煎的与外边买的没有区别，也是脆脆的金黄黄的！我也不担心你的温饱问题，因为你能自己做简单的点心啊！儿子已经长大了，妈妈可要享福了咯！儿子加油！只要你敢想敢行动定能会成功的！
渝婧感恩日记第68天梁渝婧lydia
1.哇！我真是太幸福啦！感恩奇迹感恩训练营毕业典礼，让我能共振到同学们的喜悦和能量，感谢！感谢！感谢！2.哇！我真是太幸福啦！感恩每天早起，运动3公里！这个星期又做到连续三天，不间断！感谢亲爱的渝婧！你真的是非常的棒！加油，继续坚持！感谢！感谢！感谢！3.哇！我真是太幸福啦！感恩曾正波班主任给我们分享的艾宾浩斯的记忆曲线255学习法，让我蠢蠢欲试，感谢！感谢！感谢！4.哇！我真是太幸福啦！感恩胜利
虚张声势六月荷清香
绵绵密密的细雨不间断地下个不停，给这初冬的天气添了几份清冷和寂寥。午后的菜市场内没有一个顾客光顾，几个分肉的屠户望着案板上那些没有分完的肉，还在期待着来一个主顾将它们一起买走。贩卖小菜的女人一边漫不经心地择着菜，一边不时打个哈欠，这样的时光正是好睡觉的时候，可是一天的工作没有完成，还是要坚守岗位。喜欢开玩笑的屠户不时说几句黄段子，调侃着胖胖的卖鸡老板娘，大家说说笑笑着以打发这无聊的时光。张屠户打了
#千锋逆战班郭燕学习的一天开启郭千岁呗
在千锋"逆战"学习云计算第17天加油努力会有好结果复习昨天知识中国加油！武汉加油！千峰加油!我自己加油！
为什么农村父母不愿意去城里和子女住楼房？原因在这六点上！红霜泪
首先，我们来了解一下农村的生活。在农村生活一辈子，最大的感受是什么？相信对很多城市里的人来说是永远无法体会的。在农村就是靠大自然吃饭，一年四季，围着那么几亩方田，几林小菜地，周边的群山，潺潺的溪水。这样的环境中生活，是非常安逸，没有什么烦恼，日出而作，日落而息。接着我们在来看这样的一个现状，即越来越多的年轻人离开农村，到城市里去安家。这种现状已经是极为普遍，很多农村已经很少看到年轻人的身影，大多都
100天持续行动—Day01 Richard_DL
今天开始站着学习，发现效率大幅提升。把fast.ai的Lesson1的后半部分和Lesson2看完了。由于Keras版本和视频中的不一致，运行notebook时经常出现莫名其妙的错误，导致自己只动手实践了视频中的一小部分内容。为了赶时间，我打算先把与CNN相关的视频过一遍。然后尽快开始做自己的项目。明天继续加油，争取把Lesson3和Lesson4看完。
斟一小组鸡血视频和自己一起成长
http://m.v.qq.com/play/play.html?coverid=&vid=c0518henl2a&ptag=2_6.0.0.14297_copy有一种努力叫做靠自己http://m.v.qq.com/play/play.html?coverid=&vid=i0547o426g4&ptag=2_6.0.0.14297_copy世界最励志短片https://v.qq.com/x/pa
种树的最好时光山药君123
总想着什么时候开个头。对，到底什么时候开个头呢？今天拖明天拖，一晃几个月过去了，再一晃，一年两年过去了。一回头，呦，过去这么长时间了，要是当初早点开始肯定早就怎么怎么样……你看，人总是做的少，想的美。种树的最好时光是十年前，其次是现在。择日不如撞日，就今天吧！不然真要等到七老八十再来感叹蹉跎了多少光阴？说不上想写点什么，权当碎碎念吧。最近要试着调整生活作息了，目标是早睡早起，加油！
在线美工可撩金戈药商公子绾月
啦啦啦啦啦，封面来啦，好书怎么可以没有封面呢（疯狂暗示，疯狂暗示，疯狂暗示）小辣鸡美工在线接单，有意私戳我哦图片发自App图片发自App图片发自App
iOS下拉放大效果 RobinZhao
好多下拉放大的实现方式是在tableView上面添加一个view，同时更改tableView.contentInset，下拉时改变view的frame来实现。今天用另外一种方式实现，效果如下：加油.gif具体实现方法：通过tableViewCell结合xib来实现，具体代码如下HomeViewController.m代码#import"HomeViewController.h"#import"He
工作的第537天昵称阳光青年莒县
今天是我工作的第537天，天气晴把卫生保持干净，卫生1定要保持干净，养成良好的卫生习惯，不乱丢垃圾，有垃圾及时放进垃圾桶里，保护环境人人有责，点点滴滴学会做人，时时刻刻争取进步，加油加油加油!1定会努力的，相信自己没有问题，当好最合格的验货员，做1个最合格的卫生员。
像在棉花糖上的憧憬楹枝笔
“上了大学你们就轻松了！”又是一年高考季，耳边突然回响着，在那段与时间拼命的时光里，老师为我们打下的这句鸡血。在多考一分就干掉一千人的高三，不得不佩服这句话所散发的诱惑力。我对于高三最难以忘怀的记忆，就是每天傍晚在天空中那一幅令人目不暇接的夕阳画。高三窗外的天空永远是那么的美丽。夕阳的晚霞渲染了周边洁白的云彩，与之相映衬的紫色霞光相互缭绕，飞机飞过的轨迹，无形中勾勒了一只小生物，像是醉在了碧海蓝天
老广记忆桃瓷片儿
一壶普洱烟袅袅说起广东，怎可少得了早茶虾饺烧卖叉烧包凤爪蛋挞啫啫粉真系正来到广东，怎可不吃鸡白切酱油炸子鸡盐焗葱油隔水蒸鸡唔系我话，真系食过返寻味
开始记录自己的梦 wwwtate
最近经常做梦，而且梦的内容千奇百怪，有时候一下子就忘记了，看来下次醒来的话要立即记录。其实梦是很有意思的一个情境。都说是日有所思，才会夜有所梦。但有时候梦中的人物却是没有在自己日常出现的，这也是神奇之处。把梦记录下来，可能会丰富自己的人生。加油
平凡日记｜壬寅虎年，继续康复治疗第31天杨涛看评
2月7日，正月初七，阴，冷，早上小雨。早上起来的有点晚，护士就开始查房了才醒过来，确实太冷了，不想起床。最让人欣慰的是，主管护士看我房间没有空调，又一个薄被子，主动给我加了一床被子，感动至极，天下还是有好人。后来主管医生也来房间查房了，交流了一下，感觉“前途”一片光明，一起努力。昨天写了今天可以做手法治疗，早上去做手法的时候，医生说假期手肘状态还保持的可以，继续加油，是一个好的苗头，努力吧，争取早
20220226号今日份（6）张雅苑Momo
考虑以下必备行程安排：1作息规律2三餐规律3早茶下午茶4晨练运动5阅读笔记6挚爱亲朋联络20220226号今日份快乐是有哪一些呢？1：视频号直播的持续今天已经是第221/190天啦今天主讲人在分享事上练的能力，事上见2：持续吉他练习今天已经第25天啦3：今天持续带动某人整理屋子，要加油哦，要持续哦今天的过程持续比较轻松愉快4：今天老佛爷入院的第四天，上阵父子兵，期待他们仨早起凯旋归来如何成为自己喜
2018-04-30 Auguht
百日俩:一百天看一百本书第304天加油(ง•̀_•́)ง。加油(ง•̀_•́)ง。今天，我看了《浪漫满分灰姑娘》这本书。里面讲了尤亦歌的小时候，叫天天，邻家女孩何湘南非常崇拜他(•̥́ˍ•̀ू)，于是，他们就约定――等到天天变成明星，天天就会回来找何湘南，多年以后，天天和何湘南都记得他们小时候的约定，可是，这个约定再也不能实现。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
❤️午间能量加油站～360 16b243081175
改变家族命运只有一个字“胆”一、胆量决定财富1、想常人之不敢想，做常人之不敢做2、不拼，怎么知道不行3、有没有勇气走出第一步，往往是人生的分水岭4、人的成功是被冒险逼出来的5、不冒险就是最大的冒险，我们坚决不做老实人6、害怕失败，就等于拒绝成功7、要想知道梨子的味道，就要亲口尝一尝二、机会青睐于果断（果断法则）1、一个有魅力的人，必定毫不犹豫，说到做到2、你一旦拖延，你就总是会拖延3、当你做了不属
小米和蛋壳第七节和三三吃饭斜晲众生
李南还是老样子，笔直，严谨，脸上线条硬度极佳，总是一副不苟言笑的样子。身上除了黑色就是深色的搭配，把自己平添了许多收敛的气息。和旁边像精灵一样的三三真真是反差萌。“我已经点好了菜。我在微博微信上已经盯了好久了，这次点菜集各家吃货推荐所长，应该不会踩雷。点了有焖鸡，牛肉饵丝，油爆猪皮，香茅烤鸡，稀豆粉，炒小瓜，蒜香鸡脚，小锅米线，黄金虾饼，喝的除了自酿米酒、苹果芒果汁和酸角汁。三碗米饭，一份菠萝饭。
19.1.1日日精进京心达侯天祥
今天新的一年新的一天全新的自己带着最饱满的状态投入到工作中这样才能使自己的工作最大限度的做成最好。加油新的一年
休息了两天，明天继续加油田木习习
姑且不去管结果了，继续按部就班的准备。放松了两天，精神好多了。有的事，看开真的很重要。准备给栩断奶了。最近她不爱吃饭，整个人瘦了一圈，每天就靠着母乳不上不下的。再这样下去，小丫头要瘦没了。买了奶粉，准备狠狠心，开始断奶，这样自己也能轻松很多。这个过程估计不会很容易，努力吧，总要熬过这一关。最近真的很热，晚上睡觉空调开到24也不觉得凉快。明天开始吃课本，为可能没有的下一步做准备，加油，尽人事听天命！
【随笔】我依梦澈何
崖上的雄鹰不会眷恋地上的鸡因为他愿意向着蓝天一飞冲天为此经历了无数苦难与蜕变成就了掌控蓝天的一代天骄这就是我蓝天，未来，俯视尽收眼底！图片发自App
5/3亲子践行豆果妈
90天打卡累计天数：53/90#宣言（做好当知当觉的父母，处理情绪是第一步）#孩子第一个30天目标：每晚21:45前睡觉家长第一个30天目标：每晚23:00前睡觉加油小宝（黄唯嘉+10岁）践行打卡53/901.早睡早起：22：30-8：302.先吃青蛙：13.️今日闪光点：（1）早晨和爸爸一起去晨跑（2）上午带弟弟，陪弟弟玩了一个上午（3）下午完成了部分作业，还剩数学卷和采访小报#父母教练检视#孩
悟阿伟2019
能走多久,靠的不是双脚,是志向,鸿鹄志在苍宇,燕雀心系檐下!能登多高,靠的不是身躯,是意志,强者遇挫越勇,弱者逢败弥伤!能做什么,靠的不是双手,是智慧,勤劳砥砺品性,思想创造未来!能看多远,靠的不是双眼,是胸怀,你装得下世界,世界就会容得下你!时间从来不说话，却解决了所有人的问题；佛祖从来不开口，却指点了所有人的迷津；沉默，才是最有力的表达！加油！加油！加油！
做一生的朋友精品文章推荐
我们永远是朋友，在你人生的旅途上，无论跋涉的脚步多么遥远，我愿为你在暗夜里点燃一盏灯火，为你在风雨中擎起一方蓝天，在你孤寂时送去贴心的问候，在你痛苦时送去温情的抚慰，在你难过时送去阳光般的微笑，在你寒冷时送去暖暖热流，在你脆弱时送去真诚的鼓励，在你勇敢时为你鼓劲加油。我们永远是朋友，在你累了倦了的时候，我愿做你停泊的港湾，让你的心灵小憩，为你充电加油。在你遇到坎坷，寂寞孤独想流泪的时候，送给你我支
抵挡诱惑化一化
蒂蒂尔和米蒂尔发现墓地是一个很漂亮的花园里面有很多幸福，那些幸福们邀请他们入席。面包，火....他们都抵挡不住诱惑。而蒂蒂尔发现他们失去了理智，急的哇哇大叫。心想：难道他们要丢下，我们留下我和米蒂尔吗？单独去找青鸟吗？可是看的那些美味的食物，心里直痒痒，那里的玉盘珍馐，可是够多的了。那里什么都有，烤驼峰，糟鹅掌，叫花鸡，西湖醋鱼，东坡肉……应有尽有，就在蒂蒂尔快顶不住的时候。传来了米蒂尔的声音：“
校园高手传（九十）拼命鸡三郎紫光极星雨
第九十章拼命鸡三郎鸡妖小火趁着高约七十来米的白色巨大身影，随龙星冲出洞穴之际，展开翅膀，跃入了漆黑不见底的洞穴之中…“哇！这么黑吗？”才进入雷钢鼠栖息的洞穴，小火就察觉到一丝不对劲，四周似乎是有些黑得异常。“吸～”深深吸了一口空气里传来的铁屑和氮肥气息，小火不禁偏过头，把小巧的脑袋迈入翅膀之间，想要借此回避迎面而来的难闻气味，可奈何这股味道太过于浓厚，几乎已经渗透入这座洞穴的每个角落，根本挥之不去
2019年4月4日宝宝成长记录执z1之手_1880
春天鸟语花香，春风吹到身上很暖和，想妈妈的手抚摸着我，小冤家们脱掉厚厚的棉袄，换上了笨重的运动服，争着向田野跑去。图片发自App宝宝们那灵巧的小手总能“变”出各种各样有趣的东西,那大大的眼睛里总藏着一个个小问好,一张张天真稚嫩的小脸蛋儿，犹如雨后彩虹图片发自App美好的一周即将过去,看到你们的进步,老师真高兴,加油吧,相信你们会更出色！图片发自App
PHP，安卓，UI，java，linux视频教程合集 cocos2d-x小菜 java UI PHP android linux
╔-----------------------------------╗┆
各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 bozch .net .net mvc
在.net mvc5中，在执行某一操作的时候，出现了如下错误：各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。经查询当前的操作与错误内容无关，经过对错误信息的排查发现，事故出现在数据库迁移上。回想过去：在迁移之前已经对数据库进行了添加字段操作，再次进行迁移插入XXX字段的时候，就会提示如上错误。 &
Java 对象大小的计算 e200702084 java
Java对象的大小如何计算一个对象的大小呢？
Mybatis Spring 171815164 mybatis
ApplicationContext ac = new ClassPathXmlApplicationContext("applicationContext.xml"); CustomerService userService = (CustomerService) ac.getBean("customerService"); Customer cust
JVM 不稳定参数 g21121 jvm
-XX 参数被称为不稳定参数，之所以这么叫是因为此类参数的设置很容易引起JVM 性能上的差异，使JVM 存在极大的不稳定性。当然这是在非合理设置的前提下，如果此类参数设置合理讲大大提高JVM 的性能及稳定性。可以说“不稳定参数”
用户自动登录网站永夜-极光用户
1.目标:实现用户登录后,再次登录就自动登录,无需用户名和密码 2.思路:将用户的信息保存为cookie 每次用户访问网站,通过filter拦截所有请求,在filter中读取所有的cookie,如果找到了保存登录信息的cookie,那么在cookie中读取登录信息,然后直接
centos7 安装后失去win7的引导记录程序员是怎么炼成的操作系统
1.使用root身份(必须)打开 /boot/grub2/grub.cfg 2.找到 ### BEGIN /etc/grub.d/30_os-prober ### 在后面添加 menuentry "Windows 7 (loader) (on /dev/sda1)" {
Oracle 10g 官方中文安装帮助文档以及Oracle官方中文教程文档下载 aijuans oracle
Oracle 10g 官方中文安装帮助文档下载：http://download.csdn.net/tag/Oracle%E4%B8%AD%E6%96%87API%EF%BC%8COracle%E4%B8%AD%E6%96%87%E6%96%87%E6%A1%A3%EF%BC%8Coracle%E5%AD%A6%E4%B9%A0%E6%96%87%E6%A1%A3 Oracle 10g 官方中文教程
JavaEE开源快速开发平台G4Studio_V3.2发布了無為子 AOP oracle mysql javaee G4Studio
我非常高兴地宣布,今天我们最新的JavaEE开源快速开发平台G4Studio_V3.2版本已经正式发布。大家可以通过如下地址下载。访问G4Studio网站 http://www.g4it.org G4Studio_V3.2版本变更日志功能新增 (1).新增了系统右下角滑出提示窗口功能。 (2).新增了文件资源的Zip压缩和解压缩
Oracle常用的单行函数应用技巧总结百合不是茶日期函数转换函数(核心)数字函数通用函数(核心)字符函数
单行函数; 字符函数,数字函数,日期函数,转换函数(核心),通用函数(核心) 一:字符函数: .UPPER(字符串) 将字符串转为大写 .LOWER (字符串) 将字符串转为小写 .INITCAP(字符串) 将首字母大写 .LENGTH (字符串) 字符串的长度 .REPLACE(字符串,'A','_') 将字符串字符A转换成_
Mockito异常测试实例 bijian1013 java 单元测试 mockito
Mockito异常测试实例： package com.bijian.study; import static org.mockito.Mockito.mock; import static org.mockito.Mockito.when; import org.junit.Assert; import org.junit.Test; import org.mockito.
GA与量子恒道统计 Bill_chen JavaScript 浏览器百度 Google 防火墙
前一阵子，统计**网址时，Google Analytics（GA）和量子恒道统计（也称量子统计），数据有较大的偏差，仔细找相关资料研究了下，总结如下：为何GA和量子网站统计（量子统计前身为雅虎统计）结果不同？首先：没有一种网站统计工具能保证百分之百的准确出现该问题可能有以下几个原因：（1）不同的统计分析系统的算法机制不同；（2）统计代码放置的位置和前后
【Linux命令三】Top命令 bit1129 linux命令
Linux的Top命令类似于Windows的任务管理器，可以查看当前系统的运行情况，包括CPU、内存的使用情况等。如下是一个Top命令的执行结果： top - 21:22:04 up 1 day, 23:49, 1 user, load average: 1.10, 1.66, 1.99 Tasks: 202 total, 4 running, 198 sl
spring四种依赖注入方式白糖_ spring
平常的java开发中，程序员在某个类中需要依赖其它类的方法，则通常是new一个依赖类再调用类实例的方法，这种开发存在的问题是new的类实例不好统一管理，spring提出了依赖注入的思想，即依赖类不由程序员实例化，而是通过spring容器帮我们new指定实例并且将实例注入到需要该对象的类中。依赖注入的另一种说法是“控制反转”，通俗的理解是：平常我们new一个实例，这个实例的控制权是我
angular.injector boyitech AngularJS AngularJS API
angular.injector 描述: 创建一个injector对象, 调用injector对象的方法可以获得angular的service, 或者用来做依赖注入. 使用方法: angular.injector(modules, [strictDi]) 参数详解: Param Type Details mod
java-同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待 bylijinnan Integer
public class PC { /** * 题目：生产者-消费者。 * 同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待。 */ private static final Integer[] val=new Integer[10]; private static
使用Struts2.2.1配置 Chen.H apache spring Web xml struts
Struts2.2.1 需要如下 jar包: commons-fileupload-1.2.1.jar commons-io-1.3.2.jar commons-logging-1.0.4.jar freemarker-2.3.16.jar javassist-3.7.ga.jar ognl-3.0.jar spring.jar struts2-core-2.2.1.jar struts2-sp
[职业与教育]青春之歌 comsci 教育
每个人都有自己的青春之歌............但是我要说的却不是青春... 大家如果在自己的职业生涯没有给自己以后创业留一点点机会,仅仅凭学历和人脉关系,是难以在竞争激烈的市场中生存下去的.... &nbs
oracle连接(join)中使用using关键字 daizj JOIN oracle sql using
在oracle连接(join)中使用using关键字 34. View the Exhibit and examine the structure of the ORDERS and ORDER_ITEMS tables. Evaluate the following SQL statement: SELECT oi.order_id, product_id, order_date FRO
NIO示例 daysinsun nio
NIO服务端代码： public class NIOServer { private Selector selector; public void startServer(int port) throws IOException { ServerSocketChannel serverChannel = ServerSocketChannel.open(
C语言学习homework1 dcj3sjt126com c homework
0、课堂练习做完 1、使用sizeof计算出你所知道的所有的类型占用的空间。 int x; sizeof(x); sizeof(int); # include <stdio.h> int main(void) { int x1; char x2; double x3; float x4; printf(&quo
select in order by , mysql排序 dcj3sjt126com mysql
If i select like this: SELECT id FROM users WHERE id IN(3,4,8,1); This by default will select users in this order 1,3,4,8, I would like to select them in the same order that i put IN() values so:
页面校验-新建项目 fanxiaolong 页面校验
$(document).ready( function() { var flag = true; $('#changeform').submit(function() { var projectScValNull = true; var s =""; var parent_id = $("#parent_id").v
Ehcache（02）——ehcache.xml简介 234390216 ehcache ehcache.xml 简介
ehcache.xml简介 ehcache.xml文件是用来定义Ehcache的配置信息的，更准确的来说它是定义CacheManager的配置信息的。根据之前我们在《Ehcache简介》一文中对CacheManager的介绍我们知道一切Ehcache的应用都是从CacheManager开始的。在不指定配置信
junit 4.11中三个新功能 jackyrong java
junit 4.11中两个新增的功能，首先是注解中可以参数化，比如 import static org.junit.Assert.assertEquals; import java.util.Arrays; import org.junit.Test; import org.junit.runner.RunWith; import org.junit.runn
国外程序员爱用苹果Mac电脑的10大理由 php教程分享 windows PHP unix Microsoft perl
Mac 在国外很受欢迎，尤其是在设计/web开发/IT 人员圈子里。普通用户喜欢 Mac 可以理解，毕竟 Mac 设计美观，简单好用，没有病毒。那么为什么专业人士也对 Mac 情有独钟呢？从个人使用经验来看我想有下面几个原因： 1、Mac OS X 是基于 Unix 的这一点太重要了，尤其是对开发人员，至少对于我来说很重要，这意味着Unix 下一堆好用的工具都可以随手捡到。如果你是个 wi
位运算、异或的实际应用 wenjinglian 位运算
一．位操作基础，用一张表描述位操作符的应用规则并详细解释。二．常用位操作小技巧，有判断奇偶、交换两数、变换符号、求绝对值。三．位操作与空间压缩，针对筛素数进行空间压缩。 &n
weblogic部署项目出现的一些问题（持续补充中……） Everyday都不同 weblogic部署失败
好吧，weblogic的问题确实…… 问题一： org.springframework.beans.factory.BeanDefinitionStoreException: Failed to read candidate component class: URL [zip:E:/weblogic/user_projects/domains/base_domain/serve
tomcat7性能调优（01） toknowme tomcat7
Tomcat优化： 1、最大连接数最大线程等设置 <Connector port="8082" protocol="HTTP/1.1" useBodyEncodingForURI="t
PO VO DAO DTO BO TO概念与区别 xp9802 java DAO 设计模式 bean 领域模型
O/R Mapping 是 Object Relational Mapping（对象关系映射）的缩写。通俗点讲，就是将对象与关系数据库绑定，用对象来表示关系数据。在O/R Mapping的世界里，有两个基本的也是重要的东东需要了解，即VO，PO。它们的关系应该是相互独立的，一个VO可以只是PO的部分，也可以是多个PO构成，同样也可以等同于一个PO（指的是他们的属性）。这样，PO独立出来，数据持

【笔记】transforms 的 Resize 和 CenterCrop：Resize 按比例缩小img得到new_img，CenterCrop在new_img上面截取主要的图片部分

你可能感兴趣的:(小菜鸡加油)