- YOLOv5 | 源码解析 | 计算损失loss原理——独家原创注释
kay_545
YOLOv8改进有效涨点Yolov5改进YOLOpython开发语言
⭐欢迎大家订阅我的专栏一起学习⭐订阅专栏,更新及时查看不迷路YOLOv5涨点专栏:http://t.csdnimg.cn/D9kR0YOLOv8涨点专栏:http://t.csdnimg.cn/5hNr8YOLOv7专栏:http://t.csdnimg.cn/hJsf1魔改网络、复现论文、优化创新各位订阅YOLOv8专栏读者,非常抱歉,这篇文章加错专栏了,但是因为是订阅的,所以不能删除或者移动这
- 怎样利用一些人的心理效应来达成你的目的
南方的北方小伙
在我们的回忆里,有没有感觉自己好运总是记忆不深,霉运总是记忆深刻,又或者在生活中,有一些事需要让我们选择A或者B时,我们总是会模棱两可,即使做了正确决定,也有可能会惋惜我们放弃的那一项,甚至会觉得放弃的才是更好的。今天在阅读的时候看到一种心理现象,完美的诠释了为什么我们会这样模棱两可,这个心理叫做损失规避心理(英语:Lossaversion),它是指人们同时面对同样数量的收益和损失时(无论先后),
- 141 舞动的精灵
梅花之子
图片发自App春有百花秋有月夏有凉风冬有雪一切缘定三生三世十里桃花不如你粉嫩的樱花暗淡了蓝天羞涩了湖水招蜂引蝶不在话下蜜不经意间沾满了羽翼层层涟漪舞动奇迹黄绿蓝粉相得益彰如梦似画空中漫舞高耸入云直插云霄放飞自我如蒲公英将生命的种子散播越过丛林山川草坪百灵鸟鸣唱高歌骏马如闪电般驰骋DancingspiritsSpringhugsahundredblossomswhileautumnhasthemoo
- 互联网加竞赛 机器视觉目标检测 - opencv 深度学习
Mr.D学长
pythonjava
文章目录0前言2目标检测概念3目标分类、定位、检测示例4传统目标检测5两类目标检测算法5.1相关研究5.1.1选择性搜索5.1.2OverFeat5.2基于区域提名的方法5.2.1R-CNN5.2.2SPP-net5.2.3FastR-CNN5.3端到端的方法YOLOSSD6人体检测结果7最后0前言优质竞赛项目系列,今天要分享的是机器视觉opencv深度学习目标检测该项目较为新颖,适合作为竞赛课题
- Chapter 8 - 18. Congestion Management in TCP Storage Networks
mounter625
Linuxkernel网络web安全安全linuxkernel
ComparisonwithLosslessNetworksRecallthatinFibreChannelfabrics(explainedinChapter3,“DetectingCongestioninFibreChannelFabrics”)andlosslessEthernetnetworks(explainedinChapter7),whenthesourceofcongestioni
- Chapter 8 - 13. Congestion Management in TCP Storage Networks
mounter625
Linuxkerneltcp/ipphp网络协议linuxkernel
SwitchBufferManagementRecallthatduringnetworkcongestion,aTCPsenderreliesonthefollowingeventsforreducingitstransmissionrate.回想一下,在网络拥塞期间,TCP发送端依靠以下事件来降低传输速率。1.Whenthesenderdetectspacketlossbecauseofthe
- TenorFlow多层感知机识别手写体
Phoenix Studio
深度学习opencv数据挖掘语音识别机器学习神经网络
文章目录数据准备建立模型建立输入层x建立隐藏层h1建立隐藏层h2建立输出层定义训练方式建立训练数据label真实值placeholder定义lossfunction选择optimizer定义评估模型的准确率计算每一项数据是否正确预测将计算预测正确结果,加总平均开始训练画出误差执行结果画出准确率执行结果评估模型的准确率进行预测找出预测错误GITHUB地址https://github.com/fz86
- 【论文阅读】【yolo系列】YOLO-Pose的论文阅读
magic_ll
yolo系列深度学习相关的论文阅读论文阅读YOLO
Abstract我们介绍YOLO-pose,一种无热图联合检测的新方法,基于流行的YOLO目标检测框架的图像二维多人姿态估计。【现有方法的问题】现有的基于热图的两阶段方法是次优的,因为它们不是端到端可训练的,训练依赖于surrogateL1loss,该损失不能直接优化评估指标–目标关键点相似度(OKS)。【ours优势:端到端训练,并优化OKS指标本身,无复杂的后处理】该模型学习了在一次前向传递中
- 深度学习loss骤降
eric-sjq
深度学习人工智能
深度学习中的loss骤降可能出现在训练过程中,这通常是因为模型在训练中逐渐找到了数据的分布规律,并开始更好地拟合数据。具体来说,当模型刚开始训练时,由于其对数据分布的不完全了解,loss通常会比较大,这意味着模型预测的结果与真实结果存在较大的差异。然而,随着训练的进行,模型逐渐学习到了数据的分布,并开始提高其预测精度,这可能导致loss逐渐降低。此外,还有一些因素可能影响loss骤降的速度和程度。
- Efficient Token-Guided Image-Text Retrieval withConsistent Multimodal Contrastive Training
ALGORITHM LOL
人工智能算法深度学习
paper:https://arxiv.org/pdf/2306.08789.pdfcode:https://github.com/LCFractal/TGDT1.论文核心思想整合了粗粒度与细粒度检索,利用了二者的优点新的训练目标:ConsistentMultimodalContrastive(CMC)loss,确保模态内和模态间语义一致性基于混合全局和局部的跨模态相似性两阶段推理方法效果:检索精
- 深度学习之pytorch实现线性回归
温柔了岁月.c
机器学习深度学习pytorch线性回归
度学习之pytorch实现线性回归pytorch用到的函数torch.nn.Linearn()函数torch.nn.MSELoss()函数torch.optim.SGD()代码实现结果分析pytorch用到的函数torch.nn.Linearn()函数torch.nn.Linear(in_features,#输入的神经元个数out_features,#输出神经元个数bias=True#是否包含偏置
- Huber loss
poteman
一种用于回归模型的损失函数,和mse相比,对outliers更不敏感。当残差较小时,损失函数是残差的二次方;当残差较大时,损失函数和残差是线性关系。【参考文献】1.wikipedia:Huber_loss
- FastAI 之书(面向程序员的 FastAI)(六)
绝不原创的飞龙
人工智能人工智能深度学习
原文:www.bookstack.cn/read/th-fastai-book译者:飞龙协议:CCBY-NC-SA4.0第十三章:卷积神经网络原文:www.bookstack.cn/read/th-fastai-book/44d8848dfac0c1b0.md译者:飞龙协议:CCBY-NC-SA4.0在第四章中,我们学习了如何创建一个识别图像的神经网络。我们能够在区分3和7方面达到98%以上的准确
- CrossEntropyLoss in Pytorch
xljdt1
inmathematicssoftmaxfunction(normalizedexponentialfunction)crossentropyinpytorchNLLLosscrossentropylossdoc:Thiscriterioncombinesnn.LogSoftmax()andnn.NLLLoss()inonesingleclass.importtorchimporttorch.nn
- 纸怎么那么全能?还能在水里开花?
我又又又懂了
文章首发于同名公众号:【我又又又懂了】纸怎么那么全能?还能在水里开花?水中花小实验blossomsinthewater又是周五啦!动动手做一个有意思的小实验吧~说到纸,我们都知道,纸可以用来画画、写字、折纸飞机、折各种各样的小动物,还可以剪出漂亮的窗花。但你一定没想过一张薄薄的白纸,还可以在水里开花吧!一起来看看吧!01实验材料今天的实验材料又可以排上有史以来最简单的Top5只需要准备:·水盆(少
- 【MySQL】学习约束和使用图形化界面创建表
Aileen_0v0
MySQL自学篇mysql学习数据库
个人主页:Aileen_0v0热门专栏:华为鸿蒙系统学习|计算机网络|数据结构与算法个人格言:“没有罗马,那就自己创造罗马~”ataloss茫然,不知所措文章目录`约束``定义``目的``Exercises``约束演示1``约束演示2``约束演示3``约束演示4``约束演示5``约束演示6``图形化界面创建表`约束定义约束是作用于表中字段上的规则,用于限制储存在表中的数据。目的保证数据库中的数据的
- MogaNet实战:使用 MogaNet实现图像分类任务(二)
AI浩
图像分类人工智能人工智能深度学习计算机视觉
文章目录训练部分导入项目使用的库设置随机因子设置全局参数图像预处理与增强读取数据设置Loss设置模型设置优化器和学习率调整策略设置混合精度,DP多卡,EMA定义训练和验证函数训练函数验证函数调用训练和验证方法运行以及结果查看测试完整的代码在上一篇文章中完成了前期的准备工作,见链接:MogaNet实战:使用MogaNet实现图像分类任务(一)前期的工作主要是数据的准备,安装库文件,数据增强方式的讲解
- 论文阅读:GamutMLP A Lightweight MLP for Color Loss Recovery
Matrix_11
计算摄影与图像处理论文阅读
这篇文章是关于色彩恢复的一项工作,发表在CVPR2023,其中之一的作者是MichaelS.Brown,这个老师是加拿大York大学的,也是ISP领域的大牛,现在好像也在三星研究院担任兼职,这个老师做了很多这种类似的工作,通过一些轻量模型,将一些数据转换过程中的变换关系进行拟合,然后再进行恢复,比如RAW域到sRGB域的转换,这篇文章是wideRGB到sRGB的转换一般相机的ISP或者一些图像编辑
- ADMap:Anti-disturbance framework for reconstructing online vectorized HD map
m_buddy
BEVPerception#LaneDetection自动驾驶计算机视觉
参考代码:ADMap动机与出发点局部地图构建算法在实际中会遇到部分车道线偏离的或是错误的情况,这往往是全局信息获取上存在欠缺,毕竟地图元素的回归很依赖于全局信息的获取。那么从特征提取、attentionlayer设计和loss构建上可以做一些工作,也就是文中提到的MPN(multi-scaleperceptionnetwork)、IIA(Ins.InteractiveAttention)以及VDD
- MultiPath注意要点
EEPI
机器学习人工智能深度学习
1输出是什么假设预测30步,一共有16条anchor轨迹,那么需要预测16:16条轨迹的概率16x30x2=960:16条轨迹,每条轨迹的轨迹点要预测其均值和方差2loss是如何设计的loss只监督和真值最近的那条anchor轨迹的参数,由两部分构成和真值最近的那条轨迹的概率那条轨迹在对应均值和方差下预测的轨迹点的概率密度以上加起来,取对数似然。
- 深度学习基础
EEPI
深度学习人工智能
深度学习基础highvariance/datamismatchwhatisdatamismatchhowtosolvedatamismatchdatasynthesis数据合成迁移学习与预训练/微调什么时候用迁移学习highvariance/datamismatchwhatisdatamismatch如果训练集和验证集的loss不一样,且验证集的loss高很多,有2种原因:1.方差太大。模型没见过
- Swift 5.0 UILabel显示html标签的高度计算
ShineYangGod
letattrStr=try!NSMutableAttributedString(data:(answer.content.data(using:.unicode,allowLossyConversion:true)!),options:[.documentType:NSAttributedString.DocumentType.html,.characterEncoding:String.Enc
- 序贯Sequential模型
光光小丸子
通过向Sequential模型传递一个layer的list来构造该模型model=Sequential([Dense(32,input_shape=(784,)),Activation('relu'),Dense(10),Activation('softmax'),])model.compile(optimizer='rmsprop',loss='categorical_crossentropy'
- 交叉熵损失函数基本概念及公式
小桥流水---人工智能
人工智能机器学习算法深度学习
Cross-EntropyLoss1.二分类2.对于多类别分类问题,其公式可以表示为:3.公式深度挖掘解释——交叉熵损失函数公式中(log)的解释总结交叉熵损失函数(Cross-EntropyLoss)是在机器学习和深度学习中常用的一种损失函数,主要用于衡量模型输出与真实标签之间的差异,特别适用于分类任务,尤其是多类别分类问题。1.二分类交叉熵损失函数的数学公式可以有多种表示形式。对于二分类问题,
- 交叉熵损失函数(Cross-Entropy Loss)的基本概念与程序代码
小桥流水---人工智能
人工智能机器学习算法人工智能深度学习
交叉熵损失函数(Cross-EntropyLoss)是机器学习和深度学习中常用的损失函数之一,用于分类问题。其基本概念如下:1.基本解释:交叉熵损失函数衡量了模型预测的概率分布与真实概率分布之间的差异。在分类问题中,通常有一个真实的类别标签,而模型会输出一个概率分布,表示样本属于各个类别的概率。交叉熵损失函数通过比较这两个分布来计算损失,从而指导模型的优化。具体来说,对于二分类问题,真实标签通常表
- 机器学习入门之基础概念及线性回归
StarCoder_Yue
算法机器学习学习笔记机器学习线性回归正则化人工智能算法数学
任务目录什么是Machinelearning学习中心极限定理,学习正态分布,学习最大似然估计推导回归Lossfunction学习损失函数与凸函数之间的关系了解全局最优和局部最优学习导数,泰勒展开推导梯度下降公式写出梯度下降的代码学习L2-Norm,L1-Norm,L0-Norm推导正则化公式说明为什么用L1-Norm代替L0-Norm学习为什么只对w/Θ做限制,不对b做限制Question1:Wh
- Chapter 8 - 10. Congestion Management in TCP Storage Networks
mounter625
Linuxkerneltcp/ip网络网络协议linuxkernel
ComparisonwithLosslessNetworksAsChapter2explains,FibreChanneldefinesamaximumframesizeof2148bytes.UsersdonothavetochangetheMTUvalue,andhence,itisneveraconsideration.如第2章所述,光纤通道定义的最大帧大小为2148字节。用户无需更改MTU
- data science 相关问题(part 2)
garrulousabyss
csshtmlcss3
1.WhatareimportantfunctionsusedinDataScience?Withintherealmofdatascience,variouspivotalfunctionsassumecriticalrolesacrossdiversetasks.Amongthese,twofoundationalfunctionsarethecostfunctionandthelossfun
- 饼图外显示百分比,labelLine控制与环的距离
咏竹莉
示例:image.pngfunctionlossTenants(){varmyDailyEn=echarts.init(document.getElementById('lossTenants'));option={tooltip:{backgroundColor:'#fff',textStyle:{color:'#545EFF'},formatter:"{b}:{c}({d}%)"},legen
- 清明假期第一天20200327The loss of Titanic~10
来而不可失者时也
早晨5:12火车到站,天没亮,阴沉沉的,下了火车才发现还下着小雨,雾蒙蒙的,车站周围的小店也黑着灯,没有开门。幸亏有爸爸开着三轮车来接我,本来约着去看牙,但走到目的地,发现只是个小门诊,没有明确的门牌,不太靠谱,就在附近逛了逛,刚买了些菜和一双鞋,三轮电车警报急需充电,在就近的充电桩充了三块钱的电,走了2公里又在喊“请充电”,可能因为天气冷的原因,电充的慢,担心返程路上没有充电桩,无奈之下只有返回
- 书其实只有三类
西蜀石兰
类
一个人一辈子其实只读三种书,知识类、技能类、修心类。
知识类的书可以让我们活得更明白。类似十万个为什么这种书籍,我一直不太乐意去读,因为单纯的知识是没法做事的,就像知道地球转速是多少一样(我肯定不知道),这种所谓的知识,除非用到,普通人掌握了完全是一种负担,维基百科能找到的东西,为什么去记忆?
知识类的书,每个方面都涉及些,让自己显得不那么没文化,仅此而已。社会认为的学识渊博,肯定不是站在
- 《TCP/IP 详解,卷1:协议》学习笔记、吐槽及其他
bylijinnan
tcp
《TCP/IP 详解,卷1:协议》是经典,但不适合初学者。它更像是一本字典,适合学过网络的人温习和查阅一些记不清的概念。
这本书,我看的版本是机械工业出版社、范建华等译的。这本书在我看来,翻译得一般,甚至有明显的错误。如果英文熟练,看原版更好:
http://pcvr.nl/tcpip/
下面是我的一些笔记,包括我看书时有疑问的地方,也有对该书的吐槽,有不对的地方请指正:
1.
- Linux—— 静态IP跟动态IP设置
eksliang
linuxIP
一.在终端输入
vi /etc/sysconfig/network-scripts/ifcfg-eth0
静态ip模板如下:
DEVICE="eth0" #网卡名称
BOOTPROTO="static" #静态IP(必须)
HWADDR="00:0C:29:B5:65:CA" #网卡mac地址
IPV6INIT=&q
- Informatica update strategy transformation
18289753290
更新策略组件: 标记你的数据进入target里面做什么操作,一般会和lookup配合使用,有时候用0,1,1代表 forward rejected rows被选中,rejected row是输出在错误文件里,不想看到reject输出,将错误输出到文件,因为有时候数据库原因导致某些column不能update,reject就会output到错误文件里面供查看,在workflow的
- 使用Scrapy时出现虽然队列里有很多Request但是却不下载,造成假死状态
酷的飞上天空
request
现象就是:
程序运行一段时间,可能是几十分钟或者几个小时,然后后台日志里面就不出现下载页面的信息,一直显示上一分钟抓取了0个网页的信息。
刚开始已经猜到是某些下载线程没有正常执行回调方法引起程序一直以为线程还未下载完成,但是水平有限研究源码未果。
经过不停的google终于发现一个有价值的信息,是给twisted提出的一个bugfix
连接地址如下http://twistedmatrix.
- 利用预测分析技术来进行辅助医疗
蓝儿唯美
医疗
2014年,克利夫兰诊所(Cleveland Clinic)想要更有效地控制其手术中心做膝关节置换手术的费用。整个系统每年大约进行2600例此类手术,所以,即使降低很少一部分成本,都可以为诊 所和病人节约大量的资金。为了找到适合的解决方案,供应商将视野投向了预测分析技术和工具,但其分析团队还必须花时间向医生解释基于数据的治疗方案意味着 什么。
克利夫兰诊所负责企业信息管理和分析的医疗
- java 线程(一):基础篇
DavidIsOK
java多线程线程
&nbs
- Tomcat服务器框架之Servlet开发分析
aijuans
servlet
最近使用Tomcat做web服务器,使用Servlet技术做开发时,对Tomcat的框架的简易分析:
疑问: 为什么我们在继承HttpServlet类之后,覆盖doGet(HttpServletRequest req, HttpServetResponse rep)方法后,该方法会自动被Tomcat服务器调用,doGet方法的参数有谁传递过来?怎样传递?
分析之我见: doGet方法的
- 揭秘玖富的粉丝营销之谜 与小米粉丝社区类似
aoyouzi
揭秘玖富的粉丝营销之谜
玖富旗下悟空理财凭借着一个微信公众号上线当天成交量即破百万,第七天成交量单日破了1000万;第23天时,累计成交量超1个亿……至今成立不到10个月,粉丝已经超过500万,月交易额突破10亿,而玖富平台目前的总用户数也已经超过了1800万,位居P2P平台第一位。很多互联网金融创业者慕名前来学习效仿,但是却鲜有成功者,玖富的粉丝营销对外至今仍然是个谜。
近日,一直坚持微信粉丝营销
- Java web的会话跟踪技术
百合不是茶
url会话Cookie会话Seession会话Java Web隐藏域会话
会话跟踪主要是用在用户页面点击不同的页面时,需要用到的技术点
会话:多次请求与响应的过程
1,url地址传递参数,实现页面跟踪技术
格式:传一个参数的
url?名=值
传两个参数的
url?名=值 &名=值
关键代码
- web.xml之Servlet配置
bijian1013
javaweb.xmlServlet配置
定义:
<servlet>
<servlet-name>myservlet</servlet-name>
<servlet-class>com.myapp.controller.MyFirstServlet</servlet-class>
<init-param>
<param-name>
- 利用svnsync实现SVN同步备份
sunjing
SVN同步E000022svnsync镜像
1. 在备份SVN服务器上建立版本库
svnadmin create test
2. 创建pre-revprop-change文件
cd test/hooks/
cp pre-revprop-change.tmpl pre-revprop-change
3. 修改pre-revprop-
- 【分布式数据一致性三】MongoDB读写一致性
bit1129
mongodb
本系列文章结合MongoDB,探讨分布式数据库的数据一致性,这个系列文章包括:
数据一致性概述与CAP
最终一致性(Eventually Consistency)
网络分裂(Network Partition)问题
多数据中心(Multi Data Center)
多个写者(Multi Writer)最终一致性
一致性图表(Consistency Chart)
数据
- Anychart图表组件-Flash图转IMG普通图的方法
白糖_
Flash
问题背景:项目使用的是Anychart图表组件,渲染出来的图是Flash的,往往一个页面有时候会有多个flash图,而需求是让我们做一个打印预览和打印功能,让多个Flash图在一个页面上打印出来。
那么我们打印预览的思路是获取页面的body元素,然后在打印预览界面通过$("body").append(html)的形式显示预览效果,结果让人大跌眼镜:Flash是
- Window 80端口被占用 WHY?
bozch
端口占用window
平时在启动一些可能使用80端口软件的时候,会提示80端口已经被其他软件占用,那一般又会有那些软件占用这些端口呢?
下面坐下总结:
1、web服务器是最经常见的占用80端口的,例如:tomcat , apache , IIS , Php等等;
2
- 编程之美-数组的最大值和最小值-分治法(两种形式)
bylijinnan
编程之美
import java.util.Arrays;
public class MinMaxInArray {
/**
* 编程之美 数组的最大值和最小值 分治法
* 两种形式
*/
public static void main(String[] args) {
int[] t={11,23,34,4,6,7,8,1,2,23};
int[]
- Perl正则表达式
chenbowen00
正则表达式perl
首先我们应该知道 Perl 程序中,正则表达式有三种存在形式,他们分别是:
匹配:m/<regexp>;/ (还可以简写为 /<regexp>;/ ,略去 m)
替换:s/<pattern>;/<replacement>;/
转化:tr/<pattern>;/<replacemnt>;
- [宇宙与天文]行星议会是否具有本行星大气层以外的权力呢?
comsci
举个例子: 地球,地球上由200多个国家选举出一个代表地球联合体的议会,那么现在地球联合体遇到一个问题,地球这颗星球上面的矿产资源快要采掘完了....那么地球议会全体投票,一致通过一项带有法律性质的议案,既批准地球上的国家用各种技术手段在地球以外开采矿产资源和其它资源........
&
- Oracle Profile 使用详解
daizj
oracleprofile资源限制
Oracle Profile 使用详解 转
一、目的:
Oracle系统中的profile可以用来对用户所能使用的数据库资源进行限制,使用Create Profile命令创建一个Profile,用它来实现对数据库资源的限制使用,如果把该profile分配给用户,则该用户所能使用的数据库资源都在该profile的限制之内。
二、条件:
创建profile必须要有CREATE PROFIL
- How HipChat Stores And Indexes Billions Of Messages Using ElasticSearch & Redis
dengkane
elasticsearchLucene
This article is from an interview with Zuhaib Siddique, a production engineer at HipChat, makers of group chat and IM for teams.
HipChat started in an unusual space, one you might not
- 循环小示例,菲波拉契序列,循环解一元二次方程以及switch示例程序
dcj3sjt126com
c算法
# include <stdio.h>
int main(void)
{
int n;
int i;
int f1, f2, f3;
f1 = 1;
f2 = 1;
printf("请输入您需要求的想的序列:");
scanf("%d", &n);
for (i=3; i<n; i
- macbook的lamp环境
dcj3sjt126com
lamp
sudo vim /etc/apache2/httpd.conf
/Library/WebServer/Documents
是默认的网站根目录
重启Mac上的Apache服务
这个命令很早以前就查过了,但是每次使用的时候还是要在网上查:
停止服务:sudo /usr/sbin/apachectl stop
开启服务:s
- java ArrayList源码 下
shuizhaosi888
ArrayList源码
版本 jdk-7u71-windows-x64
JavaSE7 ArrayList源码上:http://flyouwith.iteye.com/blog/2166890
/**
* 从这个列表中移除所有c中包含元素
*/
public boolean removeAll(Collection<?> c) {
- Spring Security(08)——intercept-url配置
234390216
Spring Securityintercept-url访问权限访问协议请求方法
intercept-url配置
目录
1.1 指定拦截的url
1.2 指定访问权限
1.3 指定访问协议
1.4 指定请求方法
1.1 &n
- Linux环境下的oracle安装
jayung
oracle
linux系统下的oracle安装
本文档是Linux(redhat6.x、centos6.x、redhat7.x) 64位操作系统安装Oracle 11g(Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production),本文基于各种网络资料精心整理而成,共享给有需要的朋友。如有问题可联系:QQ:52-7
- hotspot虚拟机
leichenlei
javaHotSpotjvm虚拟机文档
JVM参数
http://docs.oracle.com/javase/6/docs/technotes/guides/vm/index.html
JVM工具
http://docs.oracle.com/javase/6/docs/technotes/tools/index.html
JVM垃圾回收
http://www.oracle.com
- 读《Node.js项目实践:构建可扩展的Web应用》 ——引编程慢慢变成系统化的“砌砖活”
noaighost
Webnode.js
读《Node.js项目实践:构建可扩展的Web应用》
——引编程慢慢变成系统化的“砌砖活”
眼里的Node.JS
初初接触node是一年前的事,那时候年少不更事。还在纠结什么语言可以编写出牛逼的程序,想必每个码农都会经历这个月经性的问题:微信用什么语言写的?facebook为什么推荐系统这么智能,用什么语言写的?dota2的外挂这么牛逼,用什么语言写的?……用什么语言写这句话,困扰人也是阻碍
- 快速开发Android应用
rensanning
android
Android应用开发过程中,经常会遇到很多常见的类似问题,解决这些问题需要花时间,其实很多问题已经有了成熟的解决方案,比如很多第三方的开源lib,参考
Android Libraries 和
Android UI/UX Libraries。
编码越少,Bug越少,效率自然会高。
但可能由于 根本没听说过、听说过但没用过、特殊原因不能用、自己已经有了解决方案等等原因,这些成熟的解决
- 理解Java中的弱引用
tomcat_oracle
java工作面试
不久之前,我
面试了一些求职Java高级开发工程师的应聘者。我常常会面试他们说,“你能给我介绍一些Java中得弱引用吗?”,如果面试者这样说,“嗯,是不是垃圾回收有关的?”,我就会基本满意了,我并不期待回答是一篇诘究本末的论文描述。 然而事与愿违,我很吃惊的发现,在将近20多个有着平均5年开发经验和高学历背景的应聘者中,居然只有两个人知道弱引用的存在,但是在这两个人之中只有一个人真正了
- 标签输出html标签" target="_blank">关于标签输出html标签
xshdch
jsp
http://back-888888.iteye.com/blog/1181202
关于<c:out value=""/>标签的使用,其中有一个属性是escapeXml默认是true(将html标签当做转移字符,直接显示不在浏览器上面进行解析),当设置escapeXml属性值为false的时候就是不过滤xml,这样就能在浏览器上解析html标签,
&nb