甄小胖
甄小胖

关于nn.Embedding如何使用预定义词表

直接使用，则是没有pretrained的词表。
若要使用预定义词表，则可以用

pretrained_weight = np.array(pretrained_weight)
embeds.weight.data.copy_(torch.from_numpy(pretrained_weight))

参考：
https://wmathor.com/index.php/archives/1435/

【ps：最近状态烂到爆炸，希望能溺死在学习的海洋中吧】

你可能感兴趣的:(embedding)

  • FlagEmbedding 吉小雨 python库python
    FlagEmbedding教程FlagEmbedding是一个用于生成文本嵌入（textembeddings）的库，适合处理自然语言处理（NLP）中的各种任务。嵌入（embeddings）是将文本表示为连续向量，能够捕捉语义上的相似性，常用于文本分类、聚类、信息检索等场景。官方文档链接：FlagEmbedding官方GitHub一、FlagEmbedding库概述1.1什么是FlagEmbeddi
  • QT与Python混合编程经验记录 weixin_30237281 python人工智能c/c++
    1、如何embeddingpython,Python文档中有专门一章阐述https://docs.python.org/3.5/extending/embedding.htm；1、库文件：在vs--c/c++--附加包含文件中添加目；链接中也要添加，：将python中的include,libs二个目录添加进来2、对于Python，没有调试库，可直接将运行库复制一份，名称后面加上_d，就可用，可不能
  • 使用Fleet AI Context和LangChain构建高效的文档检索系统 afTFODguAKBF 人工智能langchainpython
    使用FleetAIContext和LangChain构建高效的文档检索系统引言在当今的AI和机器学习领域，高质量的文档检索系统对于提高开发效率和用户体验至关重要。本文将介绍如何利用FleetAIContext提供的高质量embeddings和LangChain框架来构建一个强大的文档检索系统。我们将深入探讨如何处理嵌入向量、检索相关文档，以及如何将这些功能整合到一个简单但功能强大的代码生成链中。主
  • Transformer模型：WordEmbedding实现 Galaxy.404 Transformertransformer深度学习人工智能embedding
    前言最近在学Transformer，学了理论的部分之后就开始学代码的实现，这里是跟着b站的up主的视频记的笔记，视频链接：19、Transformer模型Encoder原理精讲及其PyTorch逐行实现_哔哩哔哩_bilibili正文首先导入所需要的包：importtorchimportnumpyasnpimporttorch.nnasnnimporttorch.nn.functionalasF关
  • 如何将文本转换为向量？(方法二) DashVector python开发语言人工智能embedding数据挖掘
    文本转换为向量有多种方式：方法一：通过模型服务灵积DashScope将文本转换为向量（推荐）方法二：通过ModelScope魔搭社区中的文本向量开源模型将文本转换为向量方法三：通过JinaEmbeddingsv2模型将文本转换为向量方法四：通过百川智能向量化模型将文本转换为向量本文介绍方法二：如何通过ModelScope魔搭社区中的文本向量开源模型将文本转换为向量，并入库至向量检索服务DashVe
  • 探索任务的隐秘世界：推荐Task2Vec 邓越浪Henry
    探索任务的隐秘世界：推荐Task2Vecaws-cv-task2vecOfficialcodeforthepaper"Task2Vec:TaskEmbeddingforMeta-Learning"(https://arxiv.org/abs/1902.03545,ICCV2019)项目地址:https://gitcode.com/gh_mirrors/aw/aws-cv-task2vec在机器学习
  • 常用torch.nn mm_exploration MyDiffusionpythonpytorch人工智能
    目录一、torch.nn和torch.nn.functional二、nn.Linear三、nn.Embedding四、nn.Identity五、Pytorch非线性激活函数六、nn.Conv2d七、nn.Sequential八、nn.ModuleList九、torch.outertorch.cat一、torch.nn和torch.nn.functionalPytorch中torch.nn和torc
  • DEFT 开源项目教程 马安柯Lorelei
    DEFT开源项目教程DEFTJointdetectionandtrackingmodelnamedDEFT,or``DetectionEmbeddingsforTracking."Ourapproachreliesonanappearance-basedobjectmatchingnetworkjointly-learnedwithanunderlyingobjectdetectionnetwor
  • 【LangChain-Chatchat】本地部署模型及搭建个人/企业内部知识库 AI_小站 langchain人工智能ai大模型语言模型自然语言处理
    此学习教程结合本人安装经验主要提供给想学习和本地安装使用LangChain-Chatchat的同学们，该教程如有描述不当或者引用不正确的地方，欢迎指出！后续也会更新如何结合自己系统使用。介绍基于ChatGLM等大语言模型与Langchain等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。该项目支持开源LLM与Embedding模型，亦可实现全部使用开源模型离线私有部署。与
  • Milvus 核心设计 （4） ---- metric及index原理详解与示例(2) PhoenixAI8 RAGMilvusChroma源码及实践milvuspython机器学习vectordb人工智能
    目录背景BinaryEmbedding定义与特点常见算法应用场景距离丈量的方式JaccardHamming代码实现IndexBIN_FLATBIN_IVF_FLATSparseembeddings定义应用场景优点实现方式距离丈量方式IPIndexSPARSE_INVERTED_INDEX应用场景优势SPARSE_WAND工作原理性能特点应用场景小结背景接着上面的Milvusmetric及index
  • 预训练语言模型的前世今生 - 从Word Embedding到BERT 脚步的影子 语言模型embeddingbert
    目录一、预训练1.1图像领域的预训练1.2预训练的思想二、语言模型2.1统计语言模型2.2神经网络语言模型三、词向量3.1独热（Onehot）编码3.2WordEmbedding四、Word2Vec模型五、自然语言处理的预训练模型六、RNN和LSTM6.1RNN6.2RNN的梯度消失问题6.3LSTM6.4LSTM解决RNN的梯度消失问题七、ELMo模型7.1ELMo的预训练7.2ELMo的Fea
  • Integrating Mamba and Transformer for Long-Short Range Time Series Forecasting————4 METHODOLOG six.学长 Mambaformertransformer深度学习人工智能
    4METHODOLOGY图解Mambaformer模型结合了Mamba和Transformer的元素，旨在进行时间序列预测。以下是Mambaformer模型的各个组成部分和流程的详细说明：嵌入层（EmbeddingLayer）TokenEncoding（令牌编码）：这个部分将输入数据编码成向量表示，以捕捉输入特征的语义含义或特征。TemporalEncoding（时间编码）：这部分加入时间信息，例
  • Zero-Shot Image Classification总结 夏日小光
    1任务说明现有的benchmark通过ImageNet-1k上预训练的Res101从已知类的训练集提取feature或者featuremap，然后对每一个类引入一个语义标签，可能是属性标签（attributelabel）、或者描述标签（sentenceembedding）等。对于某个类的属性标签（向量形式），每个维度表示一种属性，该维度下的取值表示这个属性在该类别中存在的可能性，值得注意的是ben
  • 英伟达发布最新屠榜 Embedding 模型——NV-Embed-v2 吴脑的键客 人工智能embedding数据库
    介绍我们介绍的NV-Embed-v2是一种通用嵌入模型，它在大规模文本嵌入基准（MTEBbenchmark）（截至2024年8月30日）的56项文本嵌入任务中以72.31的高分排名第一。NV-Embed-v2提出了几项新设计，包括让LLM关注潜在向量以获得更好的池化嵌入输出，并展示了一种两阶段指令调整方法，以提高检索和非检索任务的准确性。此外，NV-Embed-v2还采用了一种新颖的硬阴性挖掘方法
  • java正则表达式提取字符串中的序号，BAT大厂面试总结 qq_38514574 程序员java经验分享面试
    第一个：Alibaba[搜索推荐]一面：算法题:长度为n的数组里放了n+1个大小在[1,n]的数，必然至少有一个重复的数，找出来二面：概率题：求一根绳子被切两刀能组成一个三角形的概率。三面主管面：FM推导，deepfm原理，graphembedding，问了之前的一些项目。四面交叉面：模型上线时应该注意的事，如果请求过高模型服务挂了怎么办，tensorflow和torch的区别，如何降低模型复杂度
  • 2.关于Transformer 安逸sgr Transformertransformer深度学习人工智能
    关于Transformer模型架构举例输入图像为3x224x224EmbeddedPatches将一张图的多个区域进行卷积，将每个区域转换成多维度向量（多少卷积核就有多少维向量）self.patch_embeddings=Conv2d(in_channels=in_channels,#颜色通道3out_channels=config.hidden_size,#卷积核个数，也就是输出通道数768ke
  • sentence-bert_pytorch语义文本相似度算法模型 技术瘾君子1573 bertpytorch人工智能语义文本相似度模型
    目录Sentence-BERT论文模型结构算法原理环境配置Docker（方法一）Dockerfile（方法二）Anaconda（方法三）数据集训练单机多卡单机单卡推理result精度应用场景算法类别热点应用行业源码仓库及问题反馈参考资料Sentence-BERT论文Sentence-BERT:SentenceEmbeddingsusingSiameseBERT-Networkshttps://ar
  • Transformer模型整体构建的实现 好好学习Py 自然语言处理transformerpython人工智能深度学习pytorchnlp
    编码器-解码器结构classEncoderDecoder(nn.Module):def__init__(self,encoder,decoder,source_embedding,target_embedding,generator):"""初始化函数中有5个参数,分别是编码器对象,解码器对象,源数据嵌入函数,目标数据嵌入函数,以及输出部分的类别生成器对象"""super(EncoderDecod
  • 【深度学习】embedding的简单理解 旅途中的宽~ 深度学习笔记深度学习embedding
    文章目录一、简单理解二、其他通俗理解一、简单理解特征嵌入，将数据转换（降维）为固定大小的特征表示（矢量），以便于处理和计算（如求距离）。例如，针对用于说话者识别的语音信号训练的模型可以允许您将语音片段转换为数字向量，使得来自相同说话者的另一片段与原始向量具有小的距离（例如，欧几里德距离）。embedding的主要目的是对（稀疏）特征进行降维，它降维的方式可以类比为一个全连接层（没有激活函数），通过
  • 深度学习中Embedding的理解 普通攻击往后拉 神经网络基础模型关键点NN技巧深度学习embedding人工智能
    Embedding这个概念翻译过来的意思就是嵌入，就是把一个大的东西想办法嵌入到一个小的地方。在深度学习领域，Embedding一般用于代表某个类目的全部相关信息，表现形式为一个向量。1、Embedding常见的操作有两个：加法和拼接，含义完全不同Embedding的加法一般用于同类目的不同物品的合集表示。这个可以按照one-hot的思维去理解。为什么用one-hot而不用二进制去表示不同物品呢？
  • Prompt Engineering Concepts 初梦语雪 #NLPprompt
    Introduction,ConceptsTextgenerationmodelsgenerationpre-trainedtransformers,GPTforshort.所以呢，前置知识是TransformerAssistants助手指的是能够为用户执行任务的实体；Embeddings是数据的一种vector形式，含有原来的数据的内容和/或意义；Tokens很常见，很基础的概念。Textgen
  • 推荐系统中稀疏特征Embedding的优化表示方法 少喝冰美式 embedding算法机器学习人工智能ai大模型大语言模型
    本文将介绍两个与稀疏特征Embedding相关的工作。推荐或者CTR预估任务有一个很突出的特点：存在海量稀疏特征。海量意味着数量巨大，稀疏意味着即使在很大的训练数据里，大量特征出现频次也非常低，这往往是由于引入了大量ID类特征带来的。对于DNN排序系统，是否能够找到好的特征Embedding表达方式，对于系统效果是至关重要的。虽然说，如何更好地表征稀疏特征对于模型的泛化能力至关重要，但是，关于这块
  • AIGC深度学习教程：Transformer模型中的Position Embedding实现与应用 玩AI的小胡子 embeddingtransformerAIGC人工智能
    在进入深度学习领域时，Transformer模型几乎是绕不开的话题，而其中的PositionEmbedding更是关键。对于刚入门的朋友，这篇教程将带你深入了解PositionEmbedding是什么、它如何在Transformer中运作，以及它在不同领域中的实际应用。什么是PositionEmbedding？PositionEmbedding是Transformer模型中一种关键机制，用于弥补模
  • 【大模型】FAISS向量数据库记录：从基础搭建到实战操作 爱python的王三金 自然语言处理LLMRAGfaiss数据库rag
    文章目录文章简介Embedding模型BGE-M3模型亮点FAISS是什么FAISS实战安装faiss加载Embedding模型创建FAISS数据库搜索FAISS数据删除FAISS数据保存、加载FAISS索引总结本人数据分析领域的从业者，拥有专业背景和能力，可以为您的数据采集、数据挖掘和数据分析需求提供支持。期待着能够与您共同探索更多有意义的数据洞见，为您的项目和业务提供数据分析方面的帮助。文章简
  • [CLIP-VIT-L + Qwen] 多模态大模型源码阅读 - 语言模型篇（2） FlowerLoveJava 多模态学习笔记多模态大模型源码阅读学习笔记nlp计算机视觉人工智能深度学习自然语言处理
    多模态学习笔记-语言模型篇（2）参考repo:WatchTower-Liu/VLM-learning;url:vlm-learning吐槽今天的源码看的欲仙欲死，NTK(neuraltangentkernel),rotary_position_embedding这些在之前的学习中完全闻所未闻，导致看的时候一脸懵逼，只能说不愧是Qwen大模型，各种sota的技术都用上了。就是看的有点费劲TAT~学习
  • 智能时代 | 合合信息Embedding模型荣获C-MTEB 愤怒的小青春 java
    合肥哈工艾斯德康智能科技前端实习(4.11oc)1、自我介绍2、学校课程情况3、自学方法4、盒模型5、定位有哪些属性，一般是在父子元素中怎么使用6、题解|正确使用DENSE_RANK()窗口函数SELECTemp_no,salary,DENSE_RANK()OVER题解|#三角形#java解法服了，搞半天，原来是我long存的数据太小，不得不用BigIntger了。Scann拼多多校招+实习生，速
  • 无坑！部署langchain-chatchat + glm4-9b-chat，轻松实现知识库智能问答！ zbc- langchainlangchain
    Langchain-chatchat最新版本0.3.0地址谢谢你的点赞/关注支持通过该项目可以轻松实现智能问答，由于chatglm4的开源，该项目最新版本0.3.0与0.2.0版本部署有所不同。这里llm模型使用glm4-9b-chatembedding模型使用bge-large-zh-v1.5配置虚拟环境创建虚拟环境condacreate--namechat3python=3.10.9激活虚拟环
  • Transformer模型:Postion Embedding实现 109702008 人工智能编程#python人工智能学习transformerembedding
    GPT-4o(OpenAI)Transformer模型中的PositionEmbedding（位置编码）是用于在不使用循环神经网络的情况下捕捉序列数据的位置信息的一种方法。它允许模型获取输入序列中单词的位置信息，以便更好地理解其顺序。下面是一个简单的基于正弦和余弦函数的PositionEmbedding实现的例子，这种方法在原始的Transformer论文"AttentionisAllYouNee
  • 使用Python实现文本向量化（一）——腾讯词向量 Shy960418 Python使用技巧深度学习python人工智能
    Docs向量化（Embedding）Embedding也是文本语义含义的信息密集表示，每个嵌入都是一个浮点数向量，使得向量空间中两个嵌入之间的距离与原始格式中两个输入之间的语义相似性相关联。例如，如果两个文本相似，则它们的向量表示也应该相似，这一组向量空间内的数组表示描述了文本之间的细微特征差异。简单来说，Embedding帮助计算机来理解如人类信息所代表的“含义”，Embedding可以用来获取
  • 使用POI以OLE对象的形式向excel中插入附件（pdf为例） 庄周的大鱼 excelpoiEasyExcel经验分享填充附件OLE
    前言：最近在使用easyExcel操作excel文件时，一直想找到一个方法可以往excel中填充附件，但是目前只发现POI可以插入附件，于是将方法记录如下：实现：这个方法主要是使用ApachePOI的HSSFWorkbook类来创建一个Excel文件，并在其中插入了一个作为OLE(ObjectLinkingandEmbedding)对象的PDF文件。同时，它还关联了一个图片，作为该PDF文件的预览
  • JAVA基础 灵静志远 位运算加载Date字符串池覆盖
    一、类的初始化顺序 1 （静态变量，静态代码块）-->（变量，初始化块）--> 构造器 同一括号里的，根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况，那就在父类到子类交替初始化。 二、String 1 String a = "abc"; JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象，根
  • keepalived实现redis主从高可用 bylijinnan redis
    方案说明 两台机器（称为A和B），以统一的VIP对外提供服务 1.正常情况下，A和B都启动，B会把A的数据同步过来（B is slave of A） 2.当A挂了后，VIP漂移到B；B的keepalived 通知redis 执行：slaveof no one，由B提供服务 3.当A起来后，VIP不切换，仍在B上面；而A的keepalived 通知redis 执行slaveof B，开始
  • java文件操作大全 0624chenhong java
    最近在博客园看到一篇比较全面的文件操作文章，转过来留着。 http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html 转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html 一.获得控制台用户输入的信息    &nbs
  • android学习任务 不懂事的小屁孩 工作
    任务 完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog，并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程，并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果，写一个实例 已完成 复习fragem
  • zoom.js 换个号韩国红果果 oom
    它的基于bootstrap 的 https://raw.github.com/twbs/bootstrap/master/js/transition.js  transition.js模块引用顺序 <link rel="stylesheet" href="style/zoom.css"> <script src=&q
  • 详解Oracle云操作系统Solaris 11.2 蓝儿唯美 Solaris
    当Oracle发布Solaris 11时，它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是，这些说法没有告诉我们为什么Solaris是配得上云的。幸好，我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用：OpenStack、内核域、统一存档（UA）和弹性虚拟交换（EVS）。 
  • spring学习——springmvc（一） a-john springMVC
    Spring MVC基于模型-视图-控制器（Model-View-Controller，MVC）实现，能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。   1，跟踪Spring MVC的请求 请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样，Spring MVC所有的请求都会通过一个前端控制器Servlet。前
  • hdu4342 History repeat itself-------多校联合五 aijuans 数论
    水题就不多说什么了。 #include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
  • EJB和javabean的区别 asia007 beanejb
    EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了   1.EJB用于服务端应用开发, 而JavaBeans
  • Struts的action和Result总结 百合不是茶 strutsAction配置Result配置
        一:Action的配置详解:      下面是一个Struts中一个空的Struts.xml的配置文件     <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE struts PUBLIC &quo
  • 如何带好自已的团队 bijian1013 项目管理团队管理团队
    在网上看到博客" 怎么才能让团队成员好好干活"的评论，觉得写的比较好。 原文如下： 我做团队管理有几年了吧，我和你分享一下我认为带好团队的几点： 1.诚信         对团队内成员，无论是技术研究、交流、问题探讨，要尽可能的保持一种诚信的态度，用心去做好，你的团队会感觉得到。 2.努力提
  • Java代码混淆工具 sunjing ProGuard
    Open Source Obfuscators ProGuard http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
  • 【Redis三】基于Redis sentinel的自动failover主从复制 bit1129 redis
    在第二篇中使用2.8.17搭建了主从复制，但是它存在Master单点问题，为了解决这个问题，Redis从2.6开始引入sentinel，用于监控和管理Redis的主从复制环境，进行自动failover，即Master挂了后，sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作，如果Master醒来再次加入集群，只能以从服务器的形式工作。   什么是Sentine
  • 使用代理实现Hibernate Dao层自动事务 白糖_ DAOspringAOP框架Hibernate
    都说spring利用AOP实现自动事务处理机制非常好，但在只有hibernate这个框架情况下，我们开启session、管理事务就往往很麻烦。 public void save(Object obj){ Session session = this.getSession(); Transaction tran = session.beginTransaction(); try
  • maven3实战读书笔记 braveCS maven3
    Maven简介 是什么？ Is a software project management and comprehension tool.项目管理工具 是基于POM概念(工程对象模型) [设计重复、编码重复、文档重复、构建重复，maven最大化消除了构建的重复] [与XP：简单、交流与反馈；测试驱动开发、十分钟构建、持续集成、富有信息的工作区]     功能：
  • 编程之美-子数组的最大乘积 bylijinnan 编程之美
    public class MaxProduct { /** * 编程之美 子数组的最大乘积 * 题目: 给定一个长度为N的整数数组，只允许使用乘法，不能用除法，计算任意N-1个数的组合中乘积中最大的一组，并写出算法的时间复杂度。 * 以下程序对应书上两种方法，求得“乘积中最大的一组”的乘积——都是有溢出的可能的。 * 但按题目的意思，是要求得这个子数组，而不
  • 读书笔记-2 chengxuyuancsdn 读书笔记
    1、反射 2、oracle年-月-日 时-分-秒 3、oracle创建有参、无参函数 4、oracle行转列 5、Struts2拦截器 6、Filter过滤器(web.xml) 1、反射 (1)检查类的结构 在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。 2、oracle年月日时分秒 s
  • [求学与房地产]慎重选择IT培训学校 comsci it
          关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题       培训学校的教学楼和宿舍的环境和稳定性问题       我们大家都知道，房子是一个比较昂贵的东西，特别是那种能够当教室的房子... &nb
  • RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 daizj oraclermanfilespersetPARALLELISM
    RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转 PARALLELISM --- 我们还可以通过parallelism参数来指定同时"自动"创建多少个通道： RMAN > configure device type disk parallelism 3 ; 表示启动三个通道，可以加快备份恢复的速度。
  • 简单排序:冒泡排序 dieslrae 冒泡排序
    public void bubbleSort(int[] array){ for(int i=1;i<array.length;i++){ for(int k=0;k<array.length-i;k++){ if(array[k] > array[k+1]){
  • 初二上学期难记单词三 dcj3sjt126com sciet
    concert 音乐会 tonight 今晚 famous 有名的；著名的 song 歌曲 thousand 千 accident 事故；灾难 careless 粗心的，大意的 break 折断；断裂；破碎 heart 心（脏） happen  偶尔发生，碰巧 tourist 旅游者；观光者 science （自然）科学 marry 结婚 subject 题目；
  • I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码 dcj3sjt126com redis
    wget http://download.redis.io/redis-stable.tar.gz tar xvzf redis-stable.tar.gz cd redis-stable make   前面3步应该没有问题，主要的问题是执行make的时候，出现了异常。 异常一： make[2]: cc: Command not found 异常原因：没有安装g
  • 并发容器 shuizhaosi888 并发容器
       通过并发容器来改善同步容器的性能，同步容器将所有对容器状态的访问都串行化，来实现线程安全，这种方式严重降低并发性，当多个线程访问时，吞吐量严重降低。    并发容器ConcurrentHashMap       替代同步基于散列的Map，通过Lock控制。   &nb
  • Spring Security（12）——Remember-Me功能 234390216 Spring SecurityRemember Me记住我
    Remember-Me功能   目录   1.1     概述 1.2     基于简单加密token的方法 1.3     基于持久化token的方法 1.4     Remember-Me相关接口和实现
  • 位运算 焦志广 位运算
    一、位运算符Ｃ语言提供了六种位运算符： & 按位与 | 按位或 ^ 按位异或 ~ 取反 << 左移 >> 右移 1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时，结果位才为1 ，否则为0。参与运算的数以补码方式出现。 例如：9&am
  • nodejs 数据库连接 mongodb mysql liguangsong mongodbmysqlnode数据库连接
    1.mysql 连接    package.json中dependencies加入     "mysql":"~2.7.0"    执行 npm install      在config 下创建文件 database.js    
  • java动态编译 olive6615 javaHotSpotjvm动态编译
        在HotSpot虚拟机中，有两个技术是至关重要的，即动态编译(Dynamic compilation)和Profiling。     HotSpot是如何动态编译Javad的bytecode呢？Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器，即Profile Monitor,专门监视
  • Storm0.9.5的集群部署配置优化 roadrunners 优化storm.yaml
    nimbus结点配置（storm.yaml）信息： # Licensed to the Apache Software Foundation (ASF) under one # or more contributor license agreements. See the NOTICE file # distributed with this work for additional inf
  • 101个MySQL 的调节和优化的提示 tomcat_oracle mysql
    　1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 　　2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的，它的速度很慢。 　　3. 使用电池供电的RAM（注：RAM即随机存储器）。 　　4. 使用高级的RAID（注：Redundant Arrays of Inexpensive Disks，即磁盘阵列
  • zoj 3829 Known Notation(贪心) 阿尔萨斯 ZOJ
    题目链接：zoj 3829 Known Notation 题目大意：给定一个不完整的后缀表达式，要求有2种不同操作，用尽量少的操作使得表达式完整。 解题思路：贪心，数字的个数要要保证比∗的个数多1，不够的话优先补在开头是最优的。然后遍历一遍字符串，碰到数字+1，碰到∗-1,保证数字的个数大于等1，如果不够减的话，可以和最后面的一个数字交换位置（用栈维护十分方便），因为添加和交换代价都是1
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他