- FastAPI MCP 简介及使用教程
清尘沐歌
fastapiMCP
原文详细链接:FastAPIMCP是什么?怎么使用?一文介绍简单来说,FastAPIMCP是一个零配置工具,它能够自动把你的FastAPI接口转换成符合模型上下文协议(ModelContextProtocol,简称MCP)的工具。这样,AI模型就能够直接调用你的API了。说白了,它就是一个桥梁,连接你的API和各种AI模型,让AI能够"看懂"并使用你的API。这么理解,你可以让Claude或GPT
- 大语言模型应用指南:谷歌 Gemini 简介
AI天才研究院
AI大模型企业级应用开发实战AI人工智能与大数据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
大语言模型应用指南:谷歌Gemini简介关键词:大语言模型,Gemini,谷歌,人工智能,应用指南1.背景介绍近年来,人工智能领域取得了突破性进展,尤其是大语言模型(LargeLanguageModels,LLMs)的出现,彻底改变了我们与信息交互的方式。从最初的聊天机器人到如今的代码生成、文本创作等领域,LLMs展现出惊人的能力。谷歌作为科技巨头,一直走在人工智能研究的前沿。继BERT、LaMD
- 用于人形机器人强化学习运动的神经网络架构分析
1.引言:人形机器人运动强化学习中的架构探索人形机器人具备在多样化环境中自主运行的巨大潜力,有望缓解工厂劳动力短缺、协助居家养老以及探索新星球等问题。其拟人化的特性使其在执行类人操作任务(如运动和操纵)方面具有独特优势。深度强化学习(DRL)作为一种前景广阔的无模型方法,能够有效控制双足运动,实现复杂行为的自主学习,而无需显式动力学模型。1.1人形机器人运动强化学习的机遇与挑战尽管DRL取得了显著
- 【第三章:神经网络原理详解与Pytorch入门】01.神经网络算法理论详解与实践-(4)神经网络中的重要组件
第三章:神经网络原理详解与Pytorch入门第一部分:神经网络算法理论详解与实践第四节:神经网络中的重要组件内容:激活函数、loss函数、dropout、梯度消失与爆炸、过拟合与欠拟合神经网络的性能依赖于多个关键组件的合理设计与使用。理解这些组件有助于构建更加稳健且高效的模型。一、激活函数(ActivationFunction)【深度学习】关键技术-激活函数(ActivationFunctions
- 数据分析入门初解
Mikhail_G
数据分析python大数据运维开发语言
大家好!在当今数字化时代,数据分析已成为一项备受瞩目的技能。它就像一把神奇的钥匙,能够打开隐藏在数据背后世界的大门,帮助我们更好地理解周围的一切并做出明智的决策。如果你是数据分析的初学者,这篇文章将为你开启一段简单易懂的探索之旅。一、什么是数据分析数据分析就是对收集到的数据进行整理、处理和分析,从中提取有价值的信息和知识。想象一下,你有一大堆杂乱无章的考试成绩,通过数据分析,你可以找出最高分、最低
- 【机器学习|学习笔记】特征选择(Feature Selection)和特征提取(Feature Extraction)都是用于降维、提升模型性能和泛化能力的重要手段。
努力毕业的小土博^_^
机器学习学习笔记机器学习学习笔记人工智能神经网络
【机器学习|学习笔记】特征选择(FeatureSelection)和特征提取(FeatureExtraction)都是用于降维、提升模型性能和泛化能力的重要手段。【机器学习|学习笔记】特征选择(FeatureSelection)和特征提取(FeatureExtraction)都是用于降维、提升模型性能和泛化能力的重要手段。文章目录【机器学习|学习笔记】特征选择(FeatureSelection)和
- 数据库分布式架构:ShardingSphere 实践
一、数据库分布式架构概述1.1分布式架构概念在当今数字化时代,随着业务的不断拓展和数据量的爆炸式增长,传统的单机数据库架构逐渐暴露出诸多局限性。例如,在电商大促期间,海量的订单数据和用户访问请求会让单机数据库不堪重负,出现响应缓慢甚至崩溃的情况。数据库的分布式架构应运而生,它将数据库的数据和操作分散到多个物理节点上,这些节点通过网络连接形成一个有机的分布式系统。其核心目标是显著提高数据库的性能、可
- paddleOCR模型的安装和使用
九日卯贝
paddleocr
paddleOCR仓库:https://github.com/PaddlePaddle/PaddleOCR?tab=readme-ov-file文档:https://paddlepaddle.github.io/PaddleOCR/main/quick_start.html#2-paddleocr环境安装python-mpipinstallpaddlepaddle-gpu==3.0.0b1-iht
- 长短期记忆(LSTM)网络模型
凌莫凡
lstm人工智能rnn深度学习神经网络
一、概述 长短期记忆(LongShort-TermMemory,LSTM)网络是一种特殊的循环神经网络(RNN),专门设计用于解决传统RNN在处理长序列数据时面临的梯度消失/爆炸问题,能够有效捕捉长距离依赖关系。其核心在于引入记忆细胞(CellState)和门控机制(GateMechanism),通过控制信息的流动来实现对长期信息的存储与遗忘。二、模型原理 LSTM由记忆细胞和三个门控单元(遗
- DB2中合理使用INCLUDE关键字创建索引
szial
DB2数据库DB2
DB2中合理使用INCLUDE关键字创建索引1.为何还需要INCLUDE?——从索引的两大痛点说起查询想“只读索引不回表”,却又不想把列都做键→联合索引空间膨胀,更新放大。唯一索引定位快,但只能返回键列数据→仍需I/O跳回数据页。INCLUDE的意义就在于:在保持唯一键简洁的同时,再带几列数据放进索引叶子页,让查询可以“即取即用”而不访问表。2.三个核心概念先厘清名称作用关键特征唯一索引(UNIQ
- 文心4.5开源模型部署实践
skywalk8163
人工智能文心人工智能文心大模型开源大模型文心开源
文心4.5开源模型部署实践使用fastdeploy本地部署执行命令:python-mfastdeploy.entrypoints.openai.api_server\ --modelbaidu/ERNIE-4.5-21B-A3B-Paddle\ --port8180\ --metrics-port8181\ --engine-worker-queue-port8182\ --max-model-l
- Kimi Audio一个通用的音频基础模型处理各种任务如自动语音识别(ASR)、音频问答(AQA)、自动音频字幕(AAC)、语音情感识别(SER)、声音事件/场景分类(SEC/ASC)和端到端语音对话
skywalk8163
人工智能xcodeidekaggleKimiAudio
KimiAudio被设计为一个通用的音频基础模型,能够在一个统一的框架内处理各种音频处理任务。主要功能包括:通用功能:处理各种任务,如自动语音识别(ASR)、音频问答(AQA)、自动音频字幕(AAC)、语音情感识别(SER)、声音事件/场景分类(SEC/ASC)和端到端语音对话。最先进的性能:在众多音频基准测试中取得SOTA结果(见评估和技术报告)。大规模预训练:对超过1300万小时的各种音频数据
- AI里的Prompt到底是什么?——提示词
不知名产品露
AIGC
AIGC爆火以后,应运而生的Prompt到底是什么?为什么会有这个产物呢?拿大语言模型举例来说,自身的能力很强大,但也存在一定的弊端,比如输出的内容太空太泛、不是用户想要的答案、输出的内容格式不符合预期……正因为这些弊端的存在,进而催生了Prompt(提示词ArtificialIntelligencePrompt)。应用场景也比较多如:智能客服、数字人主播、智能写作助手、PPT制作等。一、定义Pr
- ART(Automatic Reasoning and Tool-use):自动推理与工具使用的革命性突破
引言在人工智能快速发展的今天,大语言模型(LLM)的能力边界正在不断被重新定义。ART(AutomaticReasoningandTool-use)技术作为一项革命性的突破,为AI系统提供了自动推理并使用外部工具的能力,这标志着我们正在迈向更加智能和实用的AI时代。什么是ART技术?ART是AutomaticReasoningandTool-use的缩写,它是一种让AI系统能够自动进行推理并调用外
- 换零钱问题(dp问题)
cx_2023
算法动态规划
大面值纸币换成小面值纸币问题,dp问题将amount换成coins数组中的小面值零钱,求最少换成多少张#include#includeusingnamespacestd;typedeflonglongll;constllN=1e5+10;intmain(){//大面值纸币换成小面值纸币问题,dp问题//将amount换成coins数组中的小面值零钱,求最少换成多少张llamount;//初始钱的大
- 《深度学习》—— PyTorch的介绍及PyTorch的CPU版本安装
张小生180
人工智能深度学习pytorch
文章目录一、PyTorch的简单介绍二、pytorch的CPU版本安装三、torch、torchvision、torchaudio三个库的介绍一、PyTorch的简单介绍PyTorch是一个由FacebookAI实验室开发的深度学习框架,它基于Python,并提供了高效的GPU加速和灵活的模型定义能力。1.PyTorch的基本特点动态计算图:PyTorch采用动态计算图的方式,这意味着计算图是在运
- VSCode+Vue代码调试设置
这几天整了个Springboot+VUE的学生管理系统代码学习,自己也建了个项目边学习边开发,用VSCode调试VUE前端代码时,两个项目出现了不同情况的无法打断点的问题,现在这里记录一下解决办法。首先是买的这个代码,调试环境launch.json等就不说了,网上一大堆,主要问题是配置好调试环境后,打断点都显示未绑定到代码,后来查到是要添加源映射,都说要在index.js或者vue.config.
- React虚拟DOM原理(在内存中构建虚拟DOM树来优化真实DOM)Virtual DOM、浏览器重排reflow和重绘repaint、Diff算法、Fiber架构(双缓存机制)
Dontla
reactreact.js算法架构
文章目录React虚拟DOM原理深度解析概述什么是虚拟DOM基本概念虚拟DOM的数据结构为什么需要虚拟DOM直接操作DOM存在以下问题:1.**性能开销大**:DOM操作涉及浏览器的重排(reflow)和重绘(repaint)2.**频繁更新效率低**:每次状态变化都直接操作DOM会导致性能瓶颈3.**难以优化**:无法批量处理多个DOM变更虚拟DOM通过以下方式解决这些问题:1.**批量更新**
- 容器技术分享
倬宁
docker容器kubernetes
一、开篇词容器技术由来已久,却直到几十年后因dotCloud公司(后更名为Docker)于Docker项目中发明的“容器镜像”技术创造性的解决了应用打包的难题才焕发出新的生命力并以“应用容器”的面目风靡与世,也催生出或改变了一大批诸如容器编排、服务网络和云原生等技术,深刻的影响了云计算领域的技术方向。二、容器容器(container):实际上是一种沙盒技术,能够像一个集装箱一样,把你的应用“装”起
- OpenCV中超分辨率(Super Resolution)模块类cv::dnn_superres::DnnSuperResImpl
村北头的码农
OpenCVopencvdnn人工智能
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述OpenCV中超分辨率(SuperResolution)模块的一个内部实现类。它属于dnn_superres模块,用于加载和运行基于深度学习的图像超分辨率模型。这个类是OpenCV中用于执行深度学习超分辨率推理的主要类。你可以用它来加载预训练的超分辨率模型(如ED
- 前端开发者必知:npm的实用技巧大揭秘
前端视界
前端大数据与AI人工智能前端艺匠馆npm前端node.jsai
前端开发者必知:npm的实用技巧大揭秘关键词:npm、包管理、前端开发、依赖管理、Node.js、脚本优化、安全最佳实践摘要:本文深入探讨npm(NodePackageManager)在前端开发中的实用技巧和高级用法。从基础概念到高级功能,我们将逐步解析如何高效使用npm管理项目依赖、优化构建流程、提升开发效率。文章包含详细的代码示例、最佳实践建议以及常见问题的解决方案,帮助开发者掌握npm的核心
- Spring Boot + 本地部署大模型实现:优化与性能提升
代码老y
springboot后端java
在将大语言模型集成到SpringBoot应用中时,性能优化是一个关键环节。本地部署的大模型虽然提供了强大的功能,但也可能带来一些性能挑战,如响应时间较长、资源占用较高等问题。本文将介绍如何在SpringBoot应用中优化本地部署大模型的性能,确保应用的高效运行。一、性能优化策略(一)缓存机制缓存生成结果:对于一些常见的输入,可以将生成的结果缓存起来。当相同的输入再次出现时,直接返回缓存的结果,而不
- VLA模型
一介绍在机器人领域,视觉-语言-动作(VLA)模型的发展经历了显著的演变,这得益于计算机视觉和自然语言处理领域的进步。VLA模型代表了一类旨在处理多模态输入的模型,整合了来自视觉、语言和动作的信息。这些模型对于实现具身智能至关重要,使机器人能够理解物理世界并与之互动。以下是VLA模型发展的时间线:早期阶段:计算机视觉和自然语言处理的集成大约在2015年开始,随着视觉问答(VQA)系统的出现。这些系
- 高可扩展属性建模设计:架构师的全局思考与落地方案
nbsaas-boot
数据库
在复杂业务系统中,动态属性扩展始终是架构设计的核心难题之一。传统方案如宽表设计和EAV(实体-属性-值)模型分别在性能与扩展性上各有优势与劣势,但也都有明显局限。为了兼顾性能、扩展性、维护成本,需要引入更灵活的设计模式。本文将深入探讨除宽表和EAV以外的几种现代解决方案,并提供综合推荐。一、问题背景:属性扩展的基本矛盾属性扩展的根本矛盾是:字段的多样性&动态性↔结构化存储&高性能查询需求变动频繁↔
- 宽表设计(Wide Table) 与 子表 + 类型 + 属性表设计(EAV 模型或“属性表”模型)
nbsaas-boot
数据库
在软件系统设计中,属性扩展(尤其是面向动态业务字段的扩展)是一个常见问题。尤其在企业应用、CMS、电商平台等场景中,经常会遇到「某个对象可能会增加不同的字段」的需求,例如:商品新增自定义字段、用户增加扩展信息等。本文将讨论两种主流方案——宽表设计(WideTable)与子表+类型+属性表设计(EAV模型或“属性表”模型),并从可维护性、性能、适用场景等方面进行系统分析。一、方案一:宽表设计(Wid
- 【AI大模型面试八股文】大模型训练中如何应对灾难性遗忘问题?
一叶千舟
AI大模型应用【八股文】人工智能深度学习
目录✅面试回答模板:一、什么是灾难性遗忘?举个通俗的例子:二、灾难性遗忘是怎么发生的?常见触发情境:三、我们为什么要关注灾难性遗忘?四、主流解决方案汇总✅1.固定部分参数(FeatureExtraction)✅2.正则化策略(Regularization)✅3.回放机制(Rehearsal/Replay)✅4.参数隔离(ParameterIsolation)✅5.使用提示学习(PromptLear
- Random Erasing:计算机视觉的「隐形斗篷」——遮挡艺术的对抗学习革命
星光银河
深度学习-代表性技术主题/概念层面计算机视觉学习人工智能cnn神经网络深度学习
当ImageNet冠军模型在真实世界的遮挡面前崩溃时(识别准确率骤降38%),中科院自动化研究所2017年提出的RandomErasing技术以一纸惊艳了学界。这种在图像中随机挖洞的简单操作,让ResNet-50在Partial-iNaturalist数据集上抗遮挡能力提升4.2倍,错误率降低59%,揭示了模型鲁棒性的深层密码。️遮挡困境:视觉模型的阿喀琉斯之踵图像识别鲁棒性演化史时代技术Imag
- 什么是神经网络架构搜索(NAS, Neural Architecture Search),如何写对应的python程序代码呢
小桥流水---人工智能
算法深度学习Python程序代码神经网络架构python
一、什么是神经网络架构搜索(NAS,NeuralArchitectureSearch)神经网络架构搜索(NAS,NeuralArchitectureSearch)是一种用于自动化设计神经网络架构的技术。传统的神经网络模型架构设计通常依赖于专家经验和大量试错,而NAS通过算法自动搜索网络架构,以发现最适合特定任务的神经网络设计。NAS可以极大地减少人工调参的时间和精力,并且在某些情况下能够找到比手工
- 深度解析生成式 AI:从技术原理到实战应用
LNL13
人工智能
一、生成式AI:重构数字内容生产范式(一)技术定义与核心价值生成式人工智能(GenerativeAI)是通过深度学习模型自动创造文本、图像、代码、视频等内容的技术体系,其核心在于从数据中学习概率分布并生成符合人类认知的输出。与传统判别式AI(如图像分类)不同,生成式AI实现了从"识别"到"创造"的跨越,典型应用包括:文本领域:ChatGPT对话系统、小说自动生成图像领域:MidJourney艺术创
- 人形机器人运动控制技术演进:从强化学习到神经微分方程的前沿解析
1.引言:人形运动控制的挑战与范式迁移人形机器人需在非结构化环境中实现双足行走、跑步、跳跃等复杂动作,其核心问题可归结为高维连续状态-动作空间的实时优化。传统方法(如基于模型的预测控制MPC)依赖精确的动力学建模,但在实际系统中面临以下瓶颈:模型失配:复杂接触动力学(如足-地交互)难以显式建模;计算瓶颈:高维非线性优化难以满足实时性需求;环境扰动敏感:传统控制器对未知干扰的鲁棒性不足。近年来,以强
- JVM StackMapTable 属性的作用及理解
lijingyao8206
jvm字节码Class文件StackMapTable
在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率,在字节码规范中添加了Stack Map Table属性,以下简称栈图,其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
- 回调函数调用方法
百合不是茶
java
最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下
代码很简单:
MainDemo :调用方法 得到方法的返回结果
- [时间机器]制造时间机器需要一些材料
comsci
制造
根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质
和材料...
甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......
 
- 开口埋怨不如闭口做事
邓集海
邓集海 做人 做事 工作
“开口埋怨,不如闭口做事。”不是名人名言,而是一个普通父亲对儿子的训导。但是,因为这句训导,这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子,叫张明正。 张明正出身贫寒,读书时成绩差,常挨老师批评。高中毕业,张明正连普通大学的分数线都没上。高考成绩出来后,平时开口怨这怨那的张明正,不从自身找原因,而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。
- jQuery插件开发全解析,类级别与对象级别开发
IT独行者
jquery开发插件 函数
jQuery插件的开发包括两种: 一种是类级别的插件开发,即给
jQuery添加新的全局函数,相当于给
jQuery类本身添加方法。
jQuery的全局函数就是属于
jQuery命名空间的函数,另一种是对象级别的插件开发,即给
jQuery对象添加方法。下面就两种函数的开发做详细的说明。
1
、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
- Rome解析Rss
413277409
Rome解析Rss
import java.net.URL;
import java.util.List;
import org.junit.Test;
import com.sun.syndication.feed.synd.SyndCategory;
import com.sun.syndication.feed.synd.S
- RSA加密解密
无量
加密解密rsa
RSA加密解密代码
代码有待整理
package com.tongbanjie.commons.util;
import java.security.Key;
import java.security.KeyFactory;
import java.security.KeyPair;
import java.security.KeyPairGenerat
- linux 软件安装遇到的问题
aichenglong
linux遇到的问题ftp
1 ftp配置中遇到的问题
500 OOPS: cannot change directory
出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了
修改方法:1 修改/etc/selinux/config 中SELINUX=disabled
2 source /etc
- 面试心得
alafqq
面试
最近面试了好几家公司。记录下;
支付宝,面试我的人胖胖的,看着人挺好的;博彦外包的职位,面试失败;
阿里金融,面试官人也挺和善,只不过我让他吐血了。。。
由于印象比较深,记录下;
1,自我介绍
2,说下八种基本类型;(算上string。楼主才答了3种,哈哈,string其实不是基本类型,是引用类型)
3,什么是包装类,包装类的优点;
4,平时看过什么书?NND,什么书都没看过。。照样
- java的多态性探讨
百合不是茶
java
java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况
//package 1;
class A{
public void test(){
System.out.println("A");
}
}
class D extends A{
public void test(){
S
- 网络编程基础篇之JavaScript-学习笔记
bijian1013
JavaScript
1.documentWrite
<html>
<head>
<script language="JavaScript">
document.write("这是电脑网络学校");
document.close();
</script>
</h
- 探索JUnit4扩展:深入Rule
bijian1013
JUnitRule单元测试
本文将进一步探究Rule的应用,展示如何使用Rule来替代@BeforeClass,@AfterClass,@Before和@After的功能。
在上一篇中提到,可以使用Rule替代现有的大部分Runner扩展,而且也不提倡对Runner中的withBefores(),withAfte
- [CSS]CSS浮动十五条规则
bit1129
css
这些浮动规则,主要是参考CSS权威指南关于浮动规则的总结,然后添加一些简单的例子以验证和理解这些规则。
1. 所有的页面元素都可以浮动 2. 一个元素浮动后,会成为块级元素,比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动,会向最近的块级父元素的左上角移动,直到浮动元素的左外边界碰到块级父元素的左内边界;如果这个块级父元素已经有浮动元素停靠了
- 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景
bit1129
partition
0.Kafka服务器配置
3个broker
1个topic,6个partition,副本因子是2
2个consumer,每个consumer三个线程并发读取
1. Producer
package kafka.examples.multibrokers.producers;
import java.util.Properties;
import java.util.
- zabbix_agentd.conf配置文件详解
ronin47
zabbix 配置文件
Aliaskey的别名,例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1], 或者ttlsa的用户ID。你可以使用key:vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1],也可以使用ttlsa.userid。备注: 别名不能重复,但是可以有多个
- java--19.用矩阵求Fibonacci数列的第N项
bylijinnan
fibonacci
参考了网上的思路,写了个Java版的:
public class Fibonacci {
final static int[] A={1,1,1,0};
public static void main(String[] args) {
int n=7;
for(int i=0;i<=n;i++){
int f=fibonac
- Netty源码学习-LengthFieldBasedFrameDecoder
bylijinnan
javanetty
先看看LengthFieldBasedFrameDecoder的官方API
http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html
API举例说明了LengthFieldBasedFrameDecoder的解析机制,如下:
实
- AES加密解密
chicony
加密解密
AES加解密算法,使用Base64做转码以及辅助加密:
package com.wintv.common;
import javax.crypto.Cipher;
import javax.crypto.spec.IvParameterSpec;
import javax.crypto.spec.SecretKeySpec;
import sun.misc.BASE64Decod
- 文件编码格式转换
ctrain
编码格式
package com.test;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
- mysql 在linux客户端插入数据中文乱码
daizj
mysql中文乱码
1、查看系统客户端,数据库,连接层的编码
查看方法: http://daizj.iteye.com/blog/2174993
进入mysql,通过如下命令查看数据库编码方式: mysql> show variables like 'character_set_%'; +--------------------------+------
- 好代码是廉价的代码
dcj3sjt126com
程序员读书
长久以来我一直主张:好代码是廉价的代码。
当我跟做开发的同事说出这话时,他们的第一反应是一种惊愕,然后是将近一个星期的嘲笑,把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时,才收敛一点。
当最初的惊愕消退后,他们会用一些这样的话来反驳: “好代码不廉价,好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。”
我只
- Android网络请求库——android-async-http
dcj3sjt126com
android
在iOS开发中有大名鼎鼎的ASIHttpRequest库,用来处理网络请求操作,今天要介绍的是一个在Android上同样强大的网络请求库android-async-http,目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库,网络处理均基于Android的非UI线程,通
- ORACLE 复习笔记之SQL语句的优化
eksliang
SQL优化Oracle sql语句优化SQL语句的优化
转载请出自出处:http://eksliang.iteye.com/blog/2097999
SQL语句的优化总结如下
sql语句的优化可以按照如下六个步骤进行:
合理使用索引
避免或者简化排序
消除对大表的扫描
避免复杂的通配符匹配
调整子查询的性能
EXISTS和IN运算符
下面我就按照上面这六个步骤分别进行总结:
- 浅析:Android 嵌套滑动机制(NestedScrolling)
gg163
android移动开发滑动机制嵌套
谷歌在发布安卓 Lollipop版本之后,为了更好的用户体验,Google为Android的滑动机制提供了NestedScrolling特性
NestedScrolling的特性可以体现在哪里呢?<!--[if !supportLineBreakNewLine]--><!--[endif]-->
比如你使用了Toolbar,下面一个ScrollView,向上滚
- 使用hovertree菜单作为后台导航
hvt
JavaScriptjquery.nethovertreeasp.net
hovertree是一个jquery菜单插件,官方网址:http://keleyi.com/jq/hovertree/ ,可以登录该网址体验效果。
0.1.3版本:http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm
hovertree插件包含文件:
http://keleyi.com/jq/hovertree/css
- SVG 教程 (二)矩形
天梯梦
svg
SVG <rect> SVG Shapes
SVG有一些预定义的形状元素,可被开发者使用和操作:
矩形 <rect>
圆形 <circle>
椭圆 <ellipse>
线 <line>
折线 <polyline>
多边形 <polygon>
路径 <path>
- 一个简单的队列
luyulong
java数据结构队列
public class MyQueue {
private long[] arr;
private int front;
private int end;
// 有效数据的大小
private int elements;
public MyQueue() {
arr = new long[10];
elements = 0;
front
- 基础数据结构和算法九:Binary Search Tree
sunwinner
Algorithm
A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
- 项目出现的一些问题和体会
Steven-Walker
DAOWebservlet
第一篇博客不知道要写点什么,就先来点近阶段的感悟吧。
这几天学了servlet和数据库等知识,就参照老方的视频写了一个简单的增删改查的,完成了最简单的一些功能,使用了三层架构。
dao层完成的是对数据库具体的功能实现,service层调用了dao层的实现方法,具体对servlet提供支持。
&
- 高手问答:Java老A带你全面提升Java单兵作战能力!
ITeye管理员
java
本期特邀《Java特种兵》作者:谢宇,CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答,欢迎网友积极提问,与专家一起讨论!
作者简介:
淘宝网资深Java工程师,CSDN超人气博主,人称“胖哥”。
CSDN博客地址:
http://blog.csdn.net/xieyuooo
作者在进入大学前是一个不折不扣的计算机白痴,曾经被人笑话过不懂鼠标是什么,