- 提升AI测试效率:如何通过RAG技术优化LLM输出质量
测试者家园
人工智能软件测试质量效能人工智能RAG软件测试软件研发质量效能自动化测试LLM
用ChatGPT做软件测试随着人工智能(AI)和大规模语言模型(LLM)在软件测试领域的应用日益广泛,测试效率和质量的提升成为业界关注的焦点。尽管LLM已经在自动化测试脚本生成、缺陷预测、测试报告生成等方面发挥了巨大的作用,但在某些复杂任务中,LLM的输出质量依然面临着提升空间,尤其是对于细节的精准度和情境理解的深度。为了解决这些问题,基于“检索增强生成”(RAG,Retrieval-Augmen
- AI大模型-提示工程学习笔记21-图提示 (Graph Prompting)
9命怪猫
AI人工智能学习大模型aiprompt
目录1.图提示的核心思想(1)传统提示的局限性(2)GraphPrompting的解决方案2.GraphPrompting的工作流程(1)图构建(2)图选择/子图提取(3)图编码(4)提示构建(5)LLM推理与生成3.GraphPrompting的关键组件(1)大语言模型(LLM)(2)图数据库(GraphDatabase)(3)图编码器(GraphEncoder)(4)提示模板(PromptTe
- 2月27日全球科技信息差:技术浪潮下的信息博弈与应对策略
eqwaak0
信息差开发语言人工智能开源软件科技
第一章信息差的定义与科技行业的特殊性**信息差(InformationAsymmetry)是经济学中的核心概念,指交易双方因信息获取能力或时效性差异导致的不平等博弈。在科技领域,这种不对称性尤为显著,原因在于:技术迭代速度快:例如量子计算、人工智能模型(如DeepSeekR2)的研发进展往往由少数企业或机构主导,公众与普通投资者难以实时掌握动态。行业专业壁垒高:生物技术(如CRISPR基因编辑)和
- 开源AI:驱动人工智能发展的新引擎
萧十一郎@
知识科普开源人工智能
目录一、引言1.1研究背景与目的1.2研究方法与数据来源1.3报告结构与内容概述二、AI开源概述2.1AI开源的定义与内涵2.2AI开源的发展历程2.3AI开源的现状与规模三、AI开源对技术创新的推动3.1促进技术交流与共享3.2降低技术研发成本3.3提高技术透明度与可解释性3.4案例分析:以DeepSeek为例四、AI开源对产业发展的影响4.1重塑产业竞争格局4.2加速产业应用落地4.3促进产业
- 笔记:大模型Tokens是啥?为啥大模型按Tokens收费?
瞬间动力
硅基蒸馏easyui前端javascript人工智能tooneapi阿里云
一、Token的定义与示例1.核心概念Token是自然语言处理中的最小文本单位,代表模型处理文本时的一次计算单元。英文场景:1个token≈1个单词或标点符号。示例:句子"Hello,world!"拆分为["Hello",",","world","!"],共4个token。中文场景:1个token≈1个汉字或词语。示例:短语"深度求索"拆分为["深","度","求","索"],共4个token;若
- **LangChain 核心概念与架构详解**
dgay_hua
langchain架构python
简介LangChain是一个强大的框架,专注于构建基于大语言模型(LLM)的应用。本文将深入介绍LangChain的核心架构、关键组件以及其特性。通过理解这些内容,开发者能更高效地构建复杂的LLM应用。LangChain架构解析LangChain的架构由多个包组成,每个包负责特定的功能模块。以下是主要组件的功能和作用:1.核心基础包(langchain-core)此包定义了LangChain的基础
- 疯狂python_疯狂 python
weixin_39646970
疯狂python
书籍:python游戏编码CodingGamesinPython-2018简介初学者和有经验的程序员可以使用Python来构建和玩电脑游戏,从令人惊叹的脑筋急转弯到具有爆炸性声音效果和3D图形的疯狂动作游戏。Python中CodingGames的每一章都展示了如何用简单的编号步骤构建一个完整的工作游戏。本书讲授如何使用免费的资源,如PyGameZero和Ble...文章python人工智能命理20
- 借助知识图谱和Llama-Index实现基于大模型的RAG
爱吃牛油果的璐璐
知识图谱llamaoracle语言模型chatgpttransformer人工智能
幻觉是在处理大型语言模型(LLMs)时常见的问题。LLMs生成流畅连贯的文本,但经常产生不准确或不一致的信息。防止LLMs中出现幻觉的一种方法是使用外部知识源,如提供事实信息的数据库或知识图谱。矢量数据库和知识图谱使用不同的方法来存储和表示数据。矢量数据库适合基于相似性的操作,知识图谱旨在捕捉和分析复杂的关系和依赖关系。对于LLM中的幻觉问题,知识图谱是一个比向量数据库更好的解决方案。知识图谱为L
- 【人工智能】数据挖掘与应用题库(101-200)
奋力向前123
人工智能人工智能数据挖掘
1、有矩阵A3×2,B2×3,C3×3,下列运算有意义的是()答案:BC2、13524的逆序数为()答案:33、矩阵A中元素a14的余子式记作M14,代数余子式记作A14,二者关系为()答案:相反4、关于机器学习与深度学习的范畴关系,下列说法正确的是?答案:深度学习是机器学习的子集(分支)5、关于机器学习的本质,下列表述最恰当的是?答案:从数据或环境反馈中自主学习到规则6、深度学习的“深度”是指?
- 【人工智能】数据挖掘与应用题库(301-400)
奋力向前123
人工智能人工智能数据挖掘pandas
1、关于pandas中的Series描述错误的是答案:Series默认没有index2、关于DataFrame描述正确的是答案:DataFrame指数据框,相当于程序中的虚拟Excel表格创建DataFrame后,可以重新指定indexDataFrame允许有缺失值3、在DataFrame中,可以获取某一列的值,也可以获取某一行的值。答案:对4、对于数据框book_info,以下用法有误的是答案:
- 【人工智能】数据挖掘与应用题库(1-100)
奋力向前123
人工智能人工智能算法
1、涉及变化快慢的问题可以考虑使用导数来分析。答案:对2、导数的几何意义是曲线在某点处切线的斜率。答案:对3、函数在某点的左导数存在,则导数就存在。答案:错4、关于梯度下降算法,下列说法错误的是()错误:梯度下降算法能找到函数精确的最小值。5、正弦函数的导数是余弦函数。答案:对6、[u(x)×v(x)]'=u(x)'×v(x)'答案:错7、链式法则的步骤可以概况为:分解、各自求导、相乘、回代。答案
- 全方位解析:大语言模型评测方法的综合指南
大模型玩家
语言模型人工智能自然语言处理深度学习agi大模型搜索引擎
自2017年Transformer模型提出以来,自然语言处理研究逐步转向基于该框架的预训练模型,如BERT、GPT、BART和T5等。这些预训练模型与下游任务适配后,持续刷新最优结果。然而,现有评测方法存在广度和深度不足、数据偏差、忽视模型其他能力或属性评估等问题。因此,需要全面评测和深入研究模型的各项能力、属性、应用局限性、潜在风险及其可控性等。本文回顾了自然语言处理中的评测基准与指标,将大语言
- 大语言模型原理与工程实践:手把手教你训练 7B 大语言模型 自动化训练框架
AI天才研究院
AI大模型企业级应用开发实战DeepSeekR1&大数据AI人工智能大模型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
大语言模型原理与工程实践:手把手教你训练7B大语言模型自动化训练框架关键词:大语言模型、7B模型、自动化训练、深度学习、神经网络、自然语言处理、分布式计算文章目录大语言模型原理与工程实践:手把手教你训练7B大语言模型自动化训练框架1.背景介绍2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.2算法步骤详解3.3算法优缺点3.4算法应用领域4.数学模型和公式&详细讲解&举例说明4
- 全网国内外总结Prompt&LLM论文,开源数据&模型,AIGC应用(持续更新,收藏查看)
代码讲故事
智能工具PromptLLMAIGC模型开源数据集深度学习
全网国内外总结Prompt&LLM论文,开源数据&模型,AIGC应用(持续更新,收藏查看)目录顺序如下国内外,垂直领域大模型Agent和指令微调等训练框架开源指令,预训练,rlhf,对话,agent训练数据梳理AIGC相关应用prompt写作指南和5星博客等资源梳理Prompt和LLM论文细分方向梳理Prompt是在自然语言处理(NLP)中,尤其是在使用预训练语言模型时,用来引导模型生成特定类型输
- Transformer 代码剖析1 - 数据处理 (pytorch实现)
lczdyx
Transformer代码剖析人工智能transformer深度学习pytorchpython
引言Transformer架构自《AttentionIsAllYouNeed》论文发表以来,在自然语言处理领域引起了巨大的变革。它摒弃了传统的循环结构,完全基于注意力机制,显著提高了处理序列数据的效率和性能。本文将通过对一个具体的项目代码结构进行详细分析,带领大家深入了解Transformer模型的数据处理部分。项目结构概述首先,让我们来看看项目的整体结构:(参考项目代码)transformer-
- BERT模型深入理解——自然语言处理的里程碑
cufewxy2018
自然语言处理bert人工智能
1BERT的诞生背景2018年谷歌团队发布了BERT(BidirectionalEncoderRepresentationsfromTransformers)模型,在自然语言处理领域引领了技术性的革命。BERT创新性地使用预训练+微调模式,先用预训练在大量无标注的语料中进行自监督学习,学习到语言的通用规律,然后在少量有标注的数据中进行有监督学习,适配更精细化的任务。这种模式一直影响到最新的大模型结
- 怎样通过人机融合智能去除“机器幻觉”?
人机与认知实验室
人机融合智能的目标是通过深度结合人类智能和机器智能,解决现有人工智能系统(特别是深度学习模型,如各种大模型)可能出现的问题,比如“机器幻觉”现象。机器幻觉指的是人工智能模型在处理信息时,做出错误的、非理性的判断或预测,这种现象往往源于模型在训练数据中的偏差、不完全信息或过度依赖某些特定模式。通过人机融合的方式,可以有效减少这种“幻觉”,进而提升人机环境系统智能的可靠性和解释能力。1.结合人类的直觉
- 从机器幻觉到智能幻觉
人机与认知实验室
机器幻觉与智能幻觉主要是关于人工智能(AI)系统在处理信息和生成输出时,可能会产生的错误认知或“幻觉”现象。1.机器幻觉在早期的计算机科学中,“机器幻觉”通常指的是计算机在进行数据处理时,出现了错误的输出或意外的结果。这类“幻觉”并不是指计算机本身具有意识,而是因为程序的设计、数据的不完整性或噪声、或算法的偏差等问题,导致机器产生了不符合现实的假设、错误的结论或奇怪的输出,具体涉及:图像生成幻觉:
- 注意力机制是如何提取有用信息的?
人机与认知实验室
我们用通俗的方式解释注意力机制是如何通过比较查询(Query,Q)和键(Key,K)的相似度,来决定从值(Value,V)中提取多少有用信息的。场景:图书馆找书假设你在图书馆里,脑海中的问题是:“我想找一本关于人工智能的书。”(这就是你的查询,Q)。图书馆里的每本书都有一个标签,比如“人工智能入门”或“历史小说”(这些是键,K)。每本书的详细内容(比如具体的章节、知识点等)就是值,V。1、计算相似
- 【附源码】基于opencv+pyqt5搭建的人脸识别系统
~啥也不会~
opencv人工智能计算机视觉人脸识别pyqt
文章目录前言一、人脸检测二、人脸识别1.训练识别器2.识别人脸三、界面相关1.Qlabel展示图片2.表格跟随内容而增加和减少3.选择图片文件4.警告框四、源码获取总结前言人脸识别技术作为人工智能领域的一颗璀璨明珠,正逐渐渗透到我们生活的每一个角落,从智能手机的解锁到机场的快速通关,从金融交易的安全认证到智慧城市的高效管理,它正以其独特的优势和强大的功能,为我们的生活带来前所未有的便捷与安全。本篇
- [LangChain 学习资源大集合]
qahaj
langchain学习人工智能python
在构建语言模型应用(LLM)时,LangChain是当前备受关注的框架之一。无论是初学者还是进阶用户,丰富的学习资源可以帮助我们高效掌握LangChain的核心概念、工具和最佳实践。这篇文章为大家整理了一些优秀的LangChain学习资源,包括官方教程、课程、短视频以及书籍。官方教程(Tutorials)1.LangChain官方教程LangChain官方提供了非常详细的初学者和进阶教程,推荐从这
- MCP模型上下文协议集锦
galileo2016
人工智能
MCP模型上下文协议简介MCP模型上下文协议(Model-Context-Protocol,MCP),能够实现大型语言模型(LLM)应用程序与本地或远程资源之间的安全、可控的交互。2024年11月底,Anthropic公司发布了MCP开放标准,实现大型语言模型(LLM)应用程序与外部数据源和工具之间的无缝集成。官方网站:https://modelcontextprotocol.io项目仓库:Mod
- 大模型时代的软件架构设计
AI天才研究院
计算DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
引言当今世界,人工智能(AI)技术正以惊人的速度发展,其中大模型(LargeModels)的崛起尤为引人注目。大模型,也被称为深度学习模型,因其庞大的参数规模和强大的数据处理能力,成为推动AI技术前进的重要力量。随着大模型的广泛应用,软件架构设计面临着前所未有的挑战和机遇。大模型时代的软件架构设计,不仅需要解决传统软件架构所面对的问题,如性能、可靠性和可扩展性等,还需要应对大模型带来的新挑战,如计
- 大语言模型LLM原理篇_图解大模型从用户输入prompt到llm输出答案的流程原理
喝不喝奶茶丫
prompt人工智能自然语言处理语言模型javascript大模型LLM
大模型席卷全球,彷佛得模型者得天下。对于IT行业来说,以后可能没有各种软件了,只有各种各样的智体(Agent)调用各种各样的API。在这种大势下,笔者也阅读了很多大模型相关的资料,和很多新手一样,开始脑子里都是一团乱麻,随着相关文章越读越多,再进行内容梳理,终于理清了一条清晰的脉络。笔者写原理篇时心情是有些惴惴不安的,因为毕竟对大模型的研究有限,缺乏深度。但是,还是觉得有必要记录一下学习理解心得,
- 开发基于提示工程的大语言模型(LLM)应用——学习笔记
ricky_fan
人工智能python
本文是学习笔记。学习通过提示工程与大语言模型进行程序化的交互。将从最基本的开始,比如使用哪些模型,以及如何向它们发送提示词并查看响应。将逐步构建更复杂的提示词,并学习LangChain为我们提供的、用于与大语言模型交互的丰富工具。Langchain链核心是运行时(runnable),它们能以多种方式组合的为工作流。如何创建LangChain链 fromlangchain_nvidia_ai_end
- 《AI大模型开发笔记》——提示词工程
Richard Chijq
AI大模型开发笔记前端服务器运维
1.什么是提示工程提示工程(PromptEngineering),也被称为上下文学习,是指通过精心设计的提示技术来引导LLM行为,而无需更改模型权重。其目标是使模型输出与给定任务的人类意图一致。提示工程帮助用户控制语言模型输出,生成适合的特定需求。提示调整提供了对模型行为的直观控制,但对提示的确切措辞和设计敏感,因此需要精心制定的准则以实现期望的结果。2.提示工程的原则2.1.给模型清晰指令:
- GitHub每日最火火火项目(2.28)
FutureUniant
github日推github人工智能计算机视觉音视频ai
olmocr项目介绍:olmocr是由allenai开发的一款用于将PDF文件线性化,以适配大语言模型(LLM)数据集和训练的工具包。在大语言模型的训练过程中,数据的格式和预处理极为关键。PDF文件作为常见的数据来源,其内部复杂的排版和结构使得其中的文本信息难以直接被模型有效利用。olmocr通过一系列的技术和算法,对PDF文件进行处理,将其中的文本内容按照合适的顺序和格式提取出来,转化为线性的、
- 如何使用Anyscale平台运行、微调和扩展大语言模型(LLMs)
eahba
语言模型人工智能自然语言处理python
Anyscale是一个功能强大的平台,主要用于运行、微调和扩展大语言模型(LLMs),并且通过生产就绪的API提供成本效益的调用服务。AnyscaleEndpoints提供了多种开源模型,适合不同的应用场景。技术背景介绍在处理大规模的自然语言处理任务时,我们常常需要一个可靠且经济高效的解决方案来运行和管理LLMs。Anyscale提供了一个强大的接口,能够简化这一过程。结合LangChain,我们
- 计算机毕业设计 ——jspssm508Springboot 的旅游管理
奔强的程序
课程设计旅游
博主小档案:花花,一名来自世界500强的资深程序猿,毕业于国内知名985高校。技术专长:花花在深度学习任务中展现出卓越的能力,包括但不限于java、python等技术。近年来,花花更是将触角延伸至AI领域,对于机器学习、自然语言处理、智能推荐等前沿技术都有独到的见解和实践经验。服务内容:1、提供科研入门辅导(主要是代码方面)2、代码部署3、定制化需求解决等4、期末考试复习计算机毕业设计——jsps
- 利用OllamaLLM模型实现多模态文本生成
bavDHAUO
python
利用OllamaLLM模型实现多模态文本生成在这篇文章中,我们将介绍如何使用OllamaLLM模型实现多模态文本生成,包括文本和图像输入的处理。我们将详细解析核心原理,提供代码示例,并分析应用场景。希望这篇文章能帮助你更好地理解和使用OllamaLLM模型。技术背景介绍多模态模型是指能够处理和生成多种类型的数据,如文本、图像、音频等。在自然语言处理领域,结合图像和文本的多模态模型越来越受到关注。O
- PHP,安卓,UI,java,linux视频教程合集
cocos2d-x小菜
javaUIlinuxPHPandroid
╔-----------------------------------╗┆
- zookeeper admin 笔记
braveCS
zookeeper
Required Software
1) JDK>=1.6
2)推荐使用ensemble的ZooKeeper(至少3台),并run on separate machines
3)在Yahoo!,zk配置在特定的RHEL boxes里,2个cpu,2G内存,80G硬盘
数据和日志目录
1)数据目录里的文件是zk节点的持久化备份,包括快照和事务日
- Spring配置多个连接池
easterfly
spring
项目中需要同时连接多个数据库的时候,如何才能在需要用到哪个数据库就连接哪个数据库呢?
Spring中有关于dataSource的配置:
<bean id="dataSource" class="com.mchange.v2.c3p0.ComboPooledDataSource"
&nb
- Mysql
171815164
mysql
例如,你想myuser使用mypassword从任何主机连接到mysql服务器的话。
GRANT ALL PRIVILEGES ON *.* TO 'myuser'@'%'IDENTIFIED BY 'mypassword' WI
TH GRANT OPTION;
如果你想允许用户myuser从ip为192.168.1.6的主机连接到mysql服务器,并使用mypassword作
- CommonDAO(公共/基础DAO)
g21121
DAO
好久没有更新博客了,最近一段时间工作比较忙,所以请见谅,无论你是爱看呢还是爱看呢还是爱看呢,总之或许对你有些帮助。
DAO(Data Access Object)是一个数据访问(顾名思义就是与数据库打交道)接口,DAO一般在业
- 直言有讳
永夜-极光
感悟随笔
1.转载地址:http://blog.csdn.net/jasonblog/article/details/10813313
精华:
“直言有讳”是阿里巴巴提倡的一种观念,而我在此之前并没有很深刻的认识。为什么呢?就好比是读书时候做阅读理解,我喜欢我自己的解读,并不喜欢老师给的意思。在这里也是。我自己坚持的原则是互相尊重,我觉得阿里巴巴很多价值观其实是基本的做人
- 安装CentOS 7 和Win 7后,Win7 引导丢失
随便小屋
centos
一般安装双系统的顺序是先装Win7,然后在安装CentOS,这样CentOS可以引导WIN 7启动。但安装CentOS7后,却找不到Win7 的引导,稍微修改一点东西即可。
一、首先具有root 的权限。
即进入Terminal后输入命令su,然后输入密码即可
二、利用vim编辑器打开/boot/grub2/grub.cfg文件进行修改
v
- Oracle备份与恢复案例
aijuans
oracle
Oracle备份与恢复案例
一. 理解什么是数据库恢复当我们使用一个数据库时,总希望数据库的内容是可靠的、正确的,但由于计算机系统的故障(硬件故障、软件故障、网络故障、进程故障和系统故障)影响数据库系统的操作,影响数据库中数据的正确性,甚至破坏数据库,使数据库中全部或部分数据丢失。因此当发生上述故障后,希望能重构这个完整的数据库,该处理称为数据库恢复。恢复过程大致可以分为复原(Restore)与
- JavaEE开源快速开发平台G4Studio v5.0发布
無為子
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_V5.0版本已经正式发布。
访问G4Studio网站
http://www.g4it.org
2013-04-06 发布G4Studio_V5.0版本
功能新增
(1). 新增了调用Oracle存储过程返回游标,并将游标映射为Java List集合对象的标
- Oracle显示根据高考分数模拟录取
百合不是茶
PL/SQL编程oracle例子模拟高考录取学习交流
题目要求:
1,创建student表和result表
2,pl/sql对学生的成绩数据进行处理
3,处理的逻辑是根据每门专业课的最低分线和总分的最低分数线自动的将录取和落选
1,创建student表,和result表
学生信息表;
create table student(
student_id number primary key,--学生id
- 优秀的领导与差劲的领导
bijian1013
领导管理团队
责任
优秀的领导:优秀的领导总是对他所负责的项目担负起责任。如果项目不幸失败了,那么他知道该受责备的人是他自己,并且敢于承认错误。
差劲的领导:差劲的领导觉得这不是他的问题,因此他会想方设法证明是他的团队不行,或是将责任归咎于团队中他不喜欢的那几个成员身上。
努力工作
优秀的领导:团队领导应该是团队成员的榜样。至少,他应该与团队中的其他成员一样努力工作。这仅仅因为他
- js函数在浏览器下的兼容
Bill_chen
jquery浏览器IEDWRext
做前端开发的工程师,少不了要用FF进行测试,纯js函数在不同浏览器下,名称也可能不同。对于IE6和FF,取得下一结点的函数就不尽相同:
IE6:node.nextSibling,对于FF是不能识别的;
FF:node.nextElementSibling,对于IE是不能识别的;
兼容解决方式:var Div = node.nextSibl
- 【JVM四】老年代垃圾回收:吞吐量垃圾收集器(Throughput GC)
bit1129
垃圾回收
吞吐量与用户线程暂停时间
衡量垃圾回收算法优劣的指标有两个:
吞吐量越高,则算法越好
暂停时间越短,则算法越好
首先说明吞吐量和暂停时间的含义。
垃圾回收时,JVM会启动几个特定的GC线程来完成垃圾回收的任务,这些GC线程与应用的用户线程产生竞争关系,共同竞争处理器资源以及CPU的执行时间。GC线程不会对用户带来的任何价值,因此,好的GC应该占
- J2EE监听器和过滤器基础
白糖_
J2EE
Servlet程序由Servlet,Filter和Listener组成,其中监听器用来监听Servlet容器上下文。
监听器通常分三类:基于Servlet上下文的ServletContex监听,基于会话的HttpSession监听和基于请求的ServletRequest监听。
ServletContex监听器
ServletContex又叫application
- 博弈AngularJS讲义(16) - 提供者
boyitech
jsAngularJSapiAngularProvider
Angular框架提供了强大的依赖注入机制,这一切都是有注入器(injector)完成. 注入器会自动实例化服务组件和符合Angular API规则的特殊对象,例如控制器,指令,过滤器动画等。
那注入器怎么知道如何去创建这些特殊的对象呢? Angular提供了5种方式让注入器创建对象,其中最基础的方式就是提供者(provider), 其余四种方式(Value, Fac
- java-写一函数f(a,b),它带有两个字符串参数并返回一串字符,该字符串只包含在两个串中都有的并按照在a中的顺序。
bylijinnan
java
public class CommonSubSequence {
/**
* 题目:写一函数f(a,b),它带有两个字符串参数并返回一串字符,该字符串只包含在两个串中都有的并按照在a中的顺序。
* 写一个版本算法复杂度O(N^2)和一个O(N) 。
*
* O(N^2):对于a中的每个字符,遍历b中的每个字符,如果相同,则拷贝到新字符串中。
* O(
- sqlserver 2000 无法验证产品密钥
Chen.H
sqlwindowsSQL ServerMicrosoft
在 Service Pack 4 (SP 4), 是运行 Microsoft Windows Server 2003、 Microsoft Windows Storage Server 2003 或 Microsoft Windows 2000 服务器上您尝试安装 Microsoft SQL Server 2000 通过卷许可协议 (VLA) 媒体。 这样做, 收到以下错误信息CD KEY的 SQ
- [新概念武器]气象战争
comsci
气象战争的发动者必须是拥有发射深空航天器能力的国家或者组织....
原因如下:
地球上的气候变化和大气层中的云层涡旋场有密切的关系,而维持一个在大气层某个层次
- oracle 中 rollup、cube、grouping 使用详解
daizj
oraclegroupingrollupcube
oracle 中 rollup、cube、grouping 使用详解 -- 使用oracle 样例表演示 转自namesliu
-- 使用oracle 的样列库,演示 rollup, cube, grouping 的用法与使用场景
--- ROLLUP , 为了理解分组的成员数量,我增加了 分组的计数 COUNT(SAL)
- 技术资料汇总分享
Dead_knight
技术资料汇总 分享
本人汇总的技术资料,分享出来,希望对大家有用。
http://pan.baidu.com/s/1jGr56uE
资料主要包含:
Workflow->工作流相关理论、框架(OSWorkflow、JBPM、Activiti、fireflow...)
Security->java安全相关资料(SSL、SSO、SpringSecurity、Shiro、JAAS...)
Ser
- 初一下学期难记忆单词背诵第一课
dcj3sjt126com
englishword
could 能够
minute 分钟
Tuesday 星期二
February 二月
eighteenth 第十八
listen 听
careful 小心的,仔细的
short 短的
heavy 重的
empty 空的
certainly 当然
carry 携带;搬运
tape 磁带
basket 蓝子
bottle 瓶
juice 汁,果汁
head 头;头部
- 截取视图的图片, 然后分享出去
dcj3sjt126com
OSObjective-C
OS 7 has a new method that allows you to draw a view hierarchy into the current graphics context. This can be used to get an UIImage very fast.
I implemented a category method on UIView to get the vi
- MySql重置密码
fanxiaolong
MySql重置密码
方法一:
在my.ini的[mysqld]字段加入:
skip-grant-tables
重启mysql服务,这时的mysql不需要密码即可登录数据库
然后进入mysql
mysql>use mysql;
mysql>更新 user set password=password('新密码') WHERE User='root';
mysq
- Ehcache(03)——Ehcache中储存缓存的方式
234390216
ehcacheMemoryStoreDiskStore存储驱除策略
Ehcache中储存缓存的方式
目录
1 堆内存(MemoryStore)
1.1 指定可用内存
1.2 驱除策略
1.3 元素过期
2 &nbs
- spring mvc中的@propertysource
jackyrong
spring mvc
在spring mvc中,在配置文件中的东西,可以在java代码中通过注解进行读取了:
@PropertySource 在spring 3.1中开始引入
比如有配置文件
config.properties
mongodb.url=1.2.3.4
mongodb.db=hello
则代码中
@PropertySource(&
- 重学单例模式
lanqiu17
单例Singleton模式
最近在重新学习设计模式,感觉对模式理解更加深刻。觉得有必要记下来。
第一个学的就是单例模式,单例模式估计是最好理解的模式了。它的作用就是防止外部创建实例,保证只有一个实例。
单例模式的常用实现方式有两种,就人们熟知的饱汉式与饥汉式,具体就不多说了。这里说下其他的实现方式
静态内部类方式:
package test.pattern.singleton.statics;
publ
- .NET开源核心运行时,且行且珍惜
netcome
java.net开源
背景
2014年11月12日,ASP.NET之父、微软云计算与企业级产品工程部执行副总裁Scott Guthrie,在Connect全球开发者在线会议上宣布,微软将开源全部.NET核心运行时,并将.NET 扩展为可在 Linux 和 Mac OS 平台上运行。.NET核心运行时将基于MIT开源许可协议发布,其中将包括执行.NET代码所需的一切项目——CLR、JIT编译器、垃圾收集器(GC)和核心
- 使用oscahe缓存技术减少与数据库的频繁交互
Everyday都不同
Web高并发oscahe缓存
此前一直不知道缓存的具体实现,只知道是把数据存储在内存中,以便下次直接从内存中读取。对于缓存的使用也没有概念,觉得缓存技术是一个比较”神秘陌生“的领域。但最近要用到缓存技术,发现还是很有必要一探究竟的。
缓存技术使用背景:一般来说,对于web项目,如果我们要什么数据直接jdbc查库好了,但是在遇到高并发的情形下,不可能每一次都是去查数据库,因为这样在高并发的情形下显得不太合理——
- Spring+Mybatis 手动控制事务
toknowme
mybatis
@Override
public boolean testDelete(String jobCode) throws Exception {
boolean flag = false;
&nbs
- 菜鸟级的android程序员面试时候需要掌握的知识点
xp9802
android
熟悉Android开发架构和API调用
掌握APP适应不同型号手机屏幕开发技巧
熟悉Android下的数据存储
熟练Android Debug Bridge Tool
熟练Eclipse/ADT及相关工具
熟悉Android框架原理及Activity生命周期
熟练进行Android UI布局
熟练使用SQLite数据库;
熟悉Android下网络通信机制,S