- R-CNN、Fast R-CNN、Faster R-CNN实现
今 晚 打 老 虎
面试之CV基础知识深度学习点滴
R-CNN:传统的目标检测算法:使用穷举法(不同大小比例的滑窗)进行区域选择,时间复杂度高对提取的区域进行特征提取(HOG或者SIFT),对光照、背景等鲁棒性差使用分类器对提取的特征进行分类(SVM或Adaboost)R-CNN的过程:采用SelectiveSearch生成类别独立的候选区域使用AlexNet来提取特征,输入是227*227*3,输出是4096将4096维的特征向量送入SVM来分类
- GBDT--梯度提升树
吓得我泰勒都展开了
机器学习决策树算法
目录一梯度提升树的基本思想1梯度提升树pkAdaBoost2GradientBoosting回归与分类的实现二梯度提升树的参数1迭代过程1.1初始预测结果0的设置1.2使用回归器完成分类任务1.3GBDT的8种损失函数2弱评估器结构2.1梯度提升树种的弱评估器复杂度2.2弗里德曼均方误差3梯度提升树的提前停止机制4梯度提升树的袋外数据5缺失参数class_weight与n_jobs三梯度提升树的参
- 集成学习——梯度提升树(GBDT)
wxw_csdn
机器学习集成学习GBDT梯度提升树sklearn
集成学习——梯度提升树(GBDT)1模型算法介绍2sklearn中的实现3参考资料1模型算法介绍GBDT也是集成学习Boosting家族的成员,通过采用加法模型,不断减小训练过程中产生的残差算法。即通过多轮迭代,每轮迭代生成一个弱分类器,并在上一轮分类器残差的基础上进行训练,但是弱学习器限定了只能使用CART回归树模型,且迭代思路与Adaboost(利用前一轮迭代弱学习器的误差率来更新训练集的权重
- 学习笔记 ——GBDT(梯度提升决策树)
dastu
数据挖掘机器学习数据挖掘
一.前言GBDT(GradientBoostingDecisionTree)梯度提升决策树,通过多轮迭代生成若干个弱分类器,每个分类器的生成是基于上一轮分类结果来进行训练的。GBDT使用的也是前向分布算法,这一点和Adaboost类似,但不同的是,GBDT的弱分类器一般为Cart回归树(Adaboost一般不做限制)。这里之所以用回归树的原因是GBDT是利用残差逼近,是累加选择,这就和回归输出的连
- datawhale 10月学习——树模型与集成学习:梯度提升树
SheltonXiao
学习集成学习机器学习决策树
前情回顾决策树CART树的实现集成模式两种并行集成的树模型AdaBoost结论速递本次学习了GBDT,首先了解了用于回归的GBDT,将损失使用梯度下降法进行减小;用于分类的GBDT要稍微复杂一些,需要对分类损失进行定义。学习了助教提供的代码。目录前情回顾结论速递1用于回归的GBDT1.1原理1.2代码实现2用于分类的GBDT2.1原理2.2代码实现1用于回归的GBDT1.1原理与AdaBoost类
- 梯度提升树系列8——GBDT与其他集成学习方法的比较
theskylife
数据挖掘集成学习机器学习人工智能数据挖掘
目录写在开头1.主要集成学习算法对比1.1GBDT1.2随机森林1.3AdaBoost1.4整体对比2.算法性能的比较分析2.1准确率与性能2.2训练时间和模型复杂度2.3应用实例和案例研究3.选择合适算法的标准3.1数据集的特性3.1.1数据规模与维度3.1.2数据质量3.2性能需求3.2.1准确性3.2.2泛化能力3.3训练效率与资源3.3.1训练时间3.3.2计算资源3.4易用性与调参3.4
- 2018-05-05
常庚_c041
姓名:林常庚(365期,乐观3组)单位:深圳市蔚蓝时代商业管理有限公司海南分公司。【日精进打卡第34天】【知~学习】《六项精进》2遍共91遍《大学》3遍共100遍【经典名句分享】付出不亚于任何人的努力【行~实践】一、修身:(对自己个人)二、齐家:(对家庭和家人)三、建功:(对工作)1,月度总结计划会。2.5月重点工作安排积善:发愿从2018年4月1日起日行一善事。今日1善,累计36善。【觉悟】偷懒
- 2018-05-05
J0hn先生
201组别301期利他一组【日精进打卡第202天【知~学习】诵读《六项精进大纲》3遍,累计268遍;诵读《大学》3遍,累计268遍【经典名句分享比别人多思考一点,就能前进一步。比别人多做一点,就能更踏实。~实践一、修身:少做点无畏的事,多做点有意义的事。二、齐家:1.下班看到孩子咳嗽厉害,送孩子再去医院检查一下。三、建功:1.完成了国标会议的相关信息统计并汇报。2.组织调整了一个上限颜色的合格量产
- Task10-向前分布算法和梯度提升决策树
沫2021
1.前向分步算法前项分布算法可以解决分类问题,也可以解决回归问题。(1)Adaboost的加法模型:在Adaboost的基础上,将多个基分类器合并为一个复杂分类器,是通过计算每个基分类器的加权和。通常情况下这是一个复杂的优化问题,很难通过简单的凸优化的相关知识进行解决。而前向分步算法可以用来求解这种方式的问题,它的基本思路是:因为学习的是加法模型,如果从前向后,每一步只优化一个基函数及其系数,逐步
- 2018-05-05
又昂
(稻盛哲学学习会)打卡第68天姓名:王建凤部门:杭州安简组别:努力三组【知~学习】第五章:宇宙的意志促进森罗万象生生不息”【内容感悟分享】感谢、勤奋工作、率直之心、天天反省、不憎恨、不嫉忌,先后利人精神,这些善念和善行都是顺从宇宙意志的行为。这是决定人生和事业的成败!【行~实践】一、修身:坚持每天阅读六项精进和大学五遍。坚持看书,每天都要关心一下孩子和父母!坚持每天半小时做筋络操、相互监督!坚持要
- AdaBoost 算法
Rnan-prince
机器学习算法Adaboost机器学习
AdaBoost算法是一种经典的集成学习算法,它将多个弱分类器集成起来,以达到较高的分类准确率,广泛应用于数据分类、人脸检测等应用中。尤其在人脸检测方面,AdaBoost是非常经典、成功的一个算法。弱分类器被线性组合成为一个强分类器。一、面临两个问题:在每一轮,如何改变训练数据的概率分布或者权值分布。如何将弱分类器组合成强分类器。二、AdaBoost的思路:提高那些被前一轮弱分类器错误分类样本的权
- AdaBoost算法
小森( ﹡ˆoˆ﹡ )
机器学习算法算法机器学习人工智能
Boosting是一种集成学习方法,AdaBoost是Boosting算法中的一种具体实现。Boosting方法的核心思想在于将多个弱分类器组合成一个强分类器。这些弱分类器通常是简单的模型,比如决策树,它们在训练过程中的错误会被后续的弱分类器所修正。Boosting算法通过逐步增加新的弱分类器来提高整体模型的性能,每个新的弱分类器都专注于之前模型分类错误的样本。AdaBoost(AdaptiveB
- 推荐收藏 | 决策树、随机森林、bagging、boosting、Adaboost、GBDT、XGBoost总结
Pysamlam
作者:ChrisCaohttps://zhuanlan.zhihu.com/p/75468124一.决策树决策树是一个有监督分类模型,本质是选择一个最大信息增益的特征值进行分割,直到达到结束条件或叶子节点纯度达到阈值。下图是决策树的一个示例图:根据分割指标和分割方法,可分为:ID3、C4.5、CART算法。1.ID3算法:以信息增益为准则来选择最优划分属性信息增益的计算是基于信息熵(度量样本集合纯
- 5000字干货 | 决策树、随机森林、bagging、boosting、Adaboost、GBDT、XGBoost总结
数据不吹牛
算法决策树信息熵大数据机器学习
作者:ChrisCaohttps://zhuanlan.zhihu.com/p/75468124大家好,我是小z今天分享一波机器学习的干货~一.决策树决策树是一个有监督分类模型,本质是选择一个最大信息增益的特征值进行输的分割,直到达到结束条件或叶子节点纯度达到阈值。下图是决策树的一个示例图:根据分割指标和分割方法,可分为:ID3、C4.5、CART算法。1.ID3算法:以信息增益为准则来选择最优划
- Bagging的随机森林;Boosting的AdaBoost和GBDT
S1406793
数据分析面试机器学习随机森林boosting算法
集成学习应用实践importnumpyasnpimportos%matplotlibinlineimportmatplotlibimportmatplotlib.pyplotaspltplt.rcParams['axes.labelsize']=14plt.rcParams['xtick.labelsize']=12plt.rcParams['ytick.labelsize']=12importw
- 2018-05-05
syw桃子
那是周六的早上,路边草叶上挂满了水珠,在阳光下晶莹闪闪,我就近观察:那一颗晶莹闪闪的水珠,就像我妈妈脖子上带的珍珠项链,光华流动,像是在在草叶上跳舞,熠熠生辉。风吹过来,催促水珠快点落下滋润土地,可有的水珠偏偏很调皮,它不但不顺着片落下,还往草心里钻,而且,小草好像也特别欢迎小水珠,在风中稳住身子,抱紧水珠不给水珠跑掉。一只小蚂蚁顺着草杆向上爬,一直爬到小草的卷心处,在水珠边上停了好一会,我估计小
- 机器学习(machine learning)大合集
AI信仰者
1、线性分类器怎么理解呢?我们可以把此分类器理解为线性空间的划分,最简单的,在二维空间上,通过直线的划分。第二个理解可以理解为模板匹配,W的每一行可以看做是其中一个类别的模板。每类得分,实际上是像素点和模板匹配度。模板匹配的方式是内积计算。2、机器学习实战之AdaBoost算法boosting算法系列的基本思想,如下图:adaBoost分类器就是一种元算法分类器,adaBoost分类器利用同一种基
- 2018-05-05学习小结 - 关于类的专题研究9
砾桫_Yvan
学习小结14.9点拨匿名类注意事项:a.使用匿名内部类,必须且只能继承一个类或实现一个接口;b.匿名内部类中不能定义构造函数;c.匿名内部类中不能存在任何静态成员变量和静态方法;d.匿名内部类为局部内部类;e.匿名内部类不能是抽象的,且必须实现继承类或者实现接口的所有抽象方法。static特点:a.一个是static属性或方法可以由类名称直接调用;b.另一个是static属性是一个共享属性。fin
- 多维时序 | Matlab实现RF-Adaboost随机森林结合Adaboost多变量时间序列预测
机器学习之心
时序预测RF-Adaboost随机森林多变量时间序列预测
多维时序|Matlab实现RF-Adaboost随机森林结合Adaboost多变量时间序列预测目录多维时序|Matlab实现RF-Adaboost随机森林结合Adaboost多变量时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍1.Matlab实现RF-Adaboost随机森林结合Adaboost多变量时间序列预测(完整源码和数据)RF-AdaBoost是一种将RF和AdaBoost两
- Sklearn之StandardScaler(数据预处理)
爱睡觉的琪
sklearn机器学习python
1.哪些机器学习算法不需要(需要)做归一化?概率模型(树形模型)不需要归一化,因为它们不关心变量的值,而是关心变量的分布和变量之间的条件概率,如决策树、RF、XGboost。而像Adaboost、SVM、LR、Knn、KMeans之类的最优化问题就需要归一化。2.StandardScaler原理作用:使得经过处理的数据符合标准正态分布,即均值为0,标准差为1。且是针对每一个特征维度来做的,而不是针
- 时序预测 | MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测
机器学习之心
时序预测CNN-LSTM-AdaCNN-LSTMAdaBoost卷积长短期记忆网络时间序列预测
时序预测|MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测目录时序预测|MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料预测效果基本介绍1.MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测(风
- 时序预测 | MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测
机器学习之心
时序预测CNN-GRU-AdaCNN-GRUAdaBoost卷积门控循环单元时间序列预测
时序预测|MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测目录时序预测|MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料预测效果基本介绍1.MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测(风电功率预测)
- 2018-05-05
商莹
关于瑜伽·理疗瑜伽来自于古老的印度,是一门生命科学,是古印度六大哲学派系之一,帕坦伽利的《瑜伽经》把瑜伽定义为:瑜伽是控制头脑的波动。瑜伽是通过身体的练习去提升自我的认知,从而更客观的去看待这个世界。图片发自App很多人都认为瑜伽是一种体育锻炼,但瑜伽并不是体育锻炼,瑜伽是在调整Prana能量,了解到一点是极其重要的,因为现在大多数人是把瑜伽当成体操来练习,每次看到一些人那么努力的去练习,感觉很干
- 2018-05-05
ty活出真善美
2018年5月5号咖啡冥想ty活出真善美目标:2018年5月到2018年7月31号累计收入10万元!动机:原全天下所有女人都能获得美丽自信,家庭和谐,财务独立,健康休息,成就荣耀,人际关系,心灵和谐,学习成长,这八个方面都平衡发展!行动:1、早上起来就非常愉悦的给爸爸妈妈各自10块钱,非常感谢爸爸妈妈非常喜悦的接受,让我种下财富的种子!回向我的目标非常顺利轻松的达成,每天给父母更多的孝顺金,回向天
- (6)【Python/机器学习/深度学习】Machine-Learning模型与算法应用—使用Adaboost建模及工作环境下的数据分析整理
代码骑士
#python机器学习深度学习
目录一、为什么要使用Adaboost建模?二、泰坦尼克号分析(工作环境)(插曲)Python可以引入任何图形及图形可视化工具三、数据分析四、模型建立1、RandomForestRegressor预测年龄2、LogisticRegression建模引入GridSearchCV引入RandomizedSearchCV3、DecisionTree建模4、RandomForest建模FeatureImpo
- 2018-05-05
疼痛有爱
三叉神经痛止疼治疗的给药方式:口服、静脉给药、皮下给药、直肠给药、透皮给药等。滴耳给药、耳后窝沟涂药都是通过皮肤、微血管吸收的方式,近距离靶向给药,药物有效成分直接作用到三叉神经根,以及三叉神经的病变部位,药少力专、起效迅速、功效宏大,从而达到止疼快、恢复更彻底的无痛健康新状态!
- 提升算法 AdaBoost 算法
shenghaishxt
本文来自我的个人博客https://www.zhangshenghai.com/posts/48763/提升算法的基本思路提升算法是从弱学习算法出发,反复学习,得到一系列弱分类器(又称为基本分类器),然后组合这些弱分类器,构成一个强分类器。有两个问题:在每一轮如何改变训练数据的权值或概率分布如何将弱分类器组合成一个强分类器对于第一个问题,AdaBoost的做法是提高那些被前一轮弱分类器错误分类样本
- 时序预测 | MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合AdaBoost时间序列预测
机器学习之心
时序预测CNN-BiLSTM-AdaCNN-BiLSTMAdaBoost卷积双向长短期记忆网络时间序列预测集成学习
时序预测|MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合AdaBoost时间序列预测目录时序预测|MATLAB实现基于CNN-BiLSTM-AdaBoost卷积双向长短期记忆网络结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料预测效果基本介绍1.Matlab实现CNN-BiLSTM-Adaboost时间序列预测,卷积双向长短期记忆神经网
- 2018-05-05 新编《心太软》——黄爱华
赵雪奎
新编《心太软》——黄爱华你总是心太软,心太软。独自一个人讲课到铃响,你任劳任怨的分析着课文,可知道学生心里真勉强。你总是心太软,心太软,把所有问题都自己讲,教学总是简单,交流太难,不是你的,就不要多讲,铃响了,你还不想停,你还要讲几分钟吗?你这样讲解到底累不累?明知道学生心理在怨你,只不过想好好讲透课文,可惜学生无法给你满分,多余的牺牲,你不觉心痛,你应该不会只想做个“讲师”。奥!算了吧!就这样算
- 股海周志——2018-05-05
禅中悟缠
节后三天的走势没有什么好大的变化,基本是按照节前所写的剧本在走。3110点还是没有被升破。上证指数自3568点下来,到3041点,5分钟走势图上完全可以看出,是一个30分钟级别的走势。看图:上证指数5分钟走势图:爱奇艺20180504sz5ft.png前面的短文中,多次讲到,短线操作,关键就是看这个30分钟级别走势是盘整类型还是趋势类型。目前仅仅就3041点后面的震荡走势,还不能判断出明确是否。下
- JAVA中的Enum
周凡杨
javaenum枚举
Enum是计算机编程语言中的一种数据类型---枚举类型。 在实际问题中,有些变量的取值被限定在一个有限的范围内。 例如,一个星期内只有七天 我们通常这样实现上面的定义:
public String monday;
public String tuesday;
public String wensday;
public String thursday
- 赶集网mysql开发36条军规
Bill_chen
mysql业务架构设计mysql调优mysql性能优化
(一)核心军规 (1)不在数据库做运算 cpu计算务必移至业务层; (2)控制单表数据量 int型不超过1000w,含char则不超过500w; 合理分表; 限制单库表数量在300以内; (3)控制列数量 字段少而精,字段数建议在20以内
- Shell test命令
daizj
shell字符串test数字文件比较
Shell test命令
Shell中的 test 命令用于检查某个条件是否成立,它可以进行数值、字符和文件三个方面的测试。 数值测试 参数 说明 -eq 等于则为真 -ne 不等于则为真 -gt 大于则为真 -ge 大于等于则为真 -lt 小于则为真 -le 小于等于则为真
实例演示:
num1=100
num2=100if test $[num1]
- XFire框架实现WebService(二)
周凡杨
javawebservice
有了XFire框架实现WebService(一),就可以继续开发WebService的简单应用。
Webservice的服务端(WEB工程):
两个java bean类:
Course.java
package cn.com.bean;
public class Course {
private
- 重绘之画图板
朱辉辉33
画图板
上次博客讲的五子棋重绘比较简单,因为只要在重写系统重绘方法paint()时加入棋盘和棋子的绘制。这次我想说说画图板的重绘。
画图板重绘难在需要重绘的类型很多,比如说里面有矩形,园,直线之类的,所以我们要想办法将里面的图形加入一个队列中,这样在重绘时就
- Java的IO流
西蜀石兰
java
刚学Java的IO流时,被各种inputStream流弄的很迷糊,看老罗视频时说想象成插在文件上的一根管道,当初听时觉得自己很明白,可到自己用时,有不知道怎么代码了。。。
每当遇到这种问题时,我习惯性的从头开始理逻辑,会问自己一些很简单的问题,把这些简单的问题想明白了,再看代码时才不会迷糊。
IO流作用是什么?
答:实现对文件的读写,这里的文件是广义的;
Java如何实现程序到文件
- No matching PlatformTransactionManager bean found for qualifier 'add' - neither
林鹤霄
java.lang.IllegalStateException: No matching PlatformTransactionManager bean found for qualifier 'add' - neither qualifier match nor bean name match!
网上找了好多的资料没能解决,后来发现:项目中使用的是xml配置的方式配置事务,但是
- Row size too large (> 8126). Changing some columns to TEXT or BLOB
aigo
column
原文:http://stackoverflow.com/questions/15585602/change-limit-for-mysql-row-size-too-large
异常信息:
Row size too large (> 8126). Changing some columns to TEXT or BLOB or using ROW_FORMAT=DYNAM
- JS 格式化时间
alxw4616
JavaScript
/**
* 格式化时间 2013/6/13 by 半仙
[email protected]
* 需要 pad 函数
* 接收可用的时间值.
* 返回替换时间占位符后的字符串
*
* 时间占位符:年 Y 月 M 日 D 小时 h 分 m 秒 s 重复次数表示占位数
* 如 YYYY 4占4位 YY 占2位<p></p>
* MM DD hh mm
- 队列中数据的移除问题
百合不是茶
队列移除
队列的移除一般都是使用的remov();都可以移除的,但是在昨天做线程移除的时候出现了点问题,没有将遍历出来的全部移除, 代码如下;
//
package com.Thread0715.com;
import java.util.ArrayList;
public class Threa
- Runnable接口使用实例
bijian1013
javathreadRunnablejava多线程
Runnable接口
a. 该接口只有一个方法:public void run();
b. 实现该接口的类必须覆盖该run方法
c. 实现了Runnable接口的类并不具有任何天
- oracle里的extend详解
bijian1013
oracle数据库extend
扩展已知的数组空间,例:
DECLARE
TYPE CourseList IS TABLE OF VARCHAR2(10);
courses CourseList;
BEGIN
-- 初始化数组元素,大小为3
courses := CourseList('Biol 4412 ', 'Psyc 3112 ', 'Anth 3001 ');
--
- 【httpclient】httpclient发送表单POST请求
bit1129
httpclient
浏览器Form Post请求
浏览器可以通过提交表单的方式向服务器发起POST请求,这种形式的POST请求不同于一般的POST请求
1. 一般的POST请求,将请求数据放置于请求体中,服务器端以二进制流的方式读取数据,HttpServletRequest.getInputStream()。这种方式的请求可以处理任意数据形式的POST请求,比如请求数据是字符串或者是二进制数据
2. Form
- 【Hive十三】Hive读写Avro格式的数据
bit1129
hive
1. 原始数据
hive> select * from word;
OK
1 MSN
10 QQ
100 Gtalk
1000 Skype
2. 创建avro格式的数据表
hive> CREATE TABLE avro_table(age INT, name STRING)STORE
- nginx+lua+redis自动识别封解禁频繁访问IP
ronin47
在站点遇到攻击且无明显攻击特征,造成站点访问慢,nginx不断返回502等错误时,可利用nginx+lua+redis实现在指定的时间段 内,若单IP的请求量达到指定的数量后对该IP进行封禁,nginx返回403禁止访问。利用redis的expire命令设置封禁IP的过期时间达到在 指定的封禁时间后实行自动解封的目的。
一、安装环境:
CentOS x64 release 6.4(Fin
- java-二叉树的遍历-先序、中序、后序(递归和非递归)、层次遍历
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import java.util.Stack;
public class BinTreeTraverse {
//private int[] array={ 1, 2, 3, 4, 5, 6, 7, 8, 9 };
private int[] array={ 10,6,
- Spring源码学习-XML 配置方式的IoC容器启动过程分析
bylijinnan
javaspringIOC
以FileSystemXmlApplicationContext为例,把Spring IoC容器的初始化流程走一遍:
ApplicationContext context = new FileSystemXmlApplicationContext
("C:/Users/ZARA/workspace/HelloSpring/src/Beans.xml&q
- [科研与项目]民营企业请慎重参与军事科技工程
comsci
企业
军事科研工程和项目 并非要用最先进,最时髦的技术,而是要做到“万无一失”
而民营科技企业在搞科技创新工程的时候,往往考虑的是技术的先进性,而对先进技术带来的风险考虑得不够,在今天提倡军民融合发展的大环境下,这种“万无一失”和“时髦性”的矛盾会日益凸显。。。。。。所以请大家在参与任何重大的军事和政府项目之前,对
- spring 定时器-两种方式
cuityang
springquartz定时器
方式一:
间隔一定时间 运行
<bean id="updateSessionIdTask" class="com.yang.iprms.common.UpdateSessionTask" autowire="byName" />
<bean id="updateSessionIdSchedule
- 简述一下关于BroadView站点的相关设计
damoqiongqiu
view
终于弄上线了,累趴,戳这里http://www.broadview.com.cn
简述一下相关的技术点
前端:jQuery+BootStrap3.2+HandleBars,全站Ajax(貌似对SEO的影响很大啊!怎么破?),用Grunt对全部JS做了压缩处理,对部分JS和CSS做了合并(模块间存在很多依赖,全部合并比较繁琐,待完善)。
后端:U
- 运维 PHP问题汇总
dcj3sjt126com
windows2003
1、Dede(织梦)发表文章时,内容自动添加关键字显示空白页
解决方法:
后台>系统>系统基本参数>核心设置>关键字替换(是/否),这里选择“是”。
后台>系统>系统基本参数>其他选项>自动提取关键字,这里选择“是”。
2、解决PHP168超级管理员上传图片提示你的空间不足
网站是用PHP168做的,反映使用管理员在后台无法
- mac 下 安装php扩展 - mcrypt
dcj3sjt126com
PHP
MCrypt是一个功能强大的加密算法扩展库,它包括有22种算法,phpMyAdmin依赖这个PHP扩展,具体如下:
下载并解压libmcrypt-2.5.8.tar.gz。
在终端执行如下命令: tar zxvf libmcrypt-2.5.8.tar.gz cd libmcrypt-2.5.8/ ./configure --disable-posix-threads --
- MongoDB更新文档 [四]
eksliang
mongodbMongodb更新文档
MongoDB更新文档
转载请出自出处:http://eksliang.iteye.com/blog/2174104
MongoDB对文档的CURD,前面的博客简单介绍了,但是对文档更新篇幅比较大,所以这里单独拿出来。
语法结构如下:
db.collection.update( criteria, objNew, upsert, multi)
参数含义 参数  
- Linux下的解压,移除,复制,查看tomcat命令
y806839048
tomcat
重复myeclipse生成webservice有问题删除以前的,干净
1、先切换到:cd usr/local/tomcat5/logs
2、tail -f catalina.out
3、这样运行时就可以实时查看运行日志了
Ctrl+c 是退出tail命令。
有问题不明的先注掉
cp /opt/tomcat-6.0.44/webapps/g
- Spring之使用事务缘由(3-XML实现)
ihuning
spring
用事务通知声明式地管理事务
事务管理是一种横切关注点。为了在 Spring 2.x 中启用声明式事务管理,可以通过 tx Schema 中定义的 <tx:advice> 元素声明事务通知,为此必须事先将这个 Schema 定义添加到 <beans> 根元素中去。声明了事务通知后,就需要将它与切入点关联起来。由于事务通知是在 <aop:
- GCD使用经验与技巧浅谈
啸笑天
GC
前言
GCD(Grand Central Dispatch)可以说是Mac、iOS开发中的一大“利器”,本文就总结一些有关使用GCD的经验与技巧。
dispatch_once_t必须是全局或static变量
这一条算是“老生常谈”了,但我认为还是有必要强调一次,毕竟非全局或非static的dispatch_once_t变量在使用时会导致非常不好排查的bug,正确的如下: 1
- linux(Ubuntu)下常用命令备忘录1
macroli
linux工作ubuntu
在使用下面的命令是可以通过--help来获取更多的信息1,查询当前目录文件列表:ls
ls命令默认状态下将按首字母升序列出你当前文件夹下面的所有内容,但这样直接运行所得到的信息也是比较少的,通常它可以结合以下这些参数运行以查询更多的信息:
ls / 显示/.下的所有文件和目录
ls -l 给出文件或者文件夹的详细信息
ls -a 显示所有文件,包括隐藏文
- nodejs同步操作mysql
qiaolevip
学习永无止境每天进步一点点mysqlnodejs
// db-util.js
var mysql = require('mysql');
var pool = mysql.createPool({
connectionLimit : 10,
host: 'localhost',
user: 'root',
password: '',
database: 'test',
port: 3306
});
- 一起学Hive系列文章
superlxw1234
hiveHive入门
[一起学Hive]系列文章 目录贴,入门Hive,持续更新中。
[一起学Hive]之一—Hive概述,Hive是什么
[一起学Hive]之二—Hive函数大全-完整版
[一起学Hive]之三—Hive中的数据库(Database)和表(Table)
[一起学Hive]之四-Hive的安装配置
[一起学Hive]之五-Hive的视图和分区
[一起学Hive
- Spring开发利器:Spring Tool Suite 3.7.0 发布
wiselyman
spring
Spring Tool Suite(简称STS)是基于Eclipse,专门针对Spring开发者提供大量的便捷功能的优秀开发工具。
在3.7.0版本主要做了如下的更新:
将eclipse版本更新至Eclipse Mars 4.5 GA
Spring Boot(JavaEE开发的颠覆者集大成者,推荐大家学习)的配置语言YAML编辑器的支持(包含自动提示,