- 目标检测:PC端MobileNetSSD通过Ncnn前向推理框架之实现
宝坚刘炜
我的最终目标是将MobileNetSSD部署到Anroid设备端,考虑到运行效率,采用了NCNN前向推理来实现,下面将在PC端的实现过程和大家分享下,欢迎讨论。一、前提1、在ubuntu系统下安装caffe-ssd,这一过程不清楚的地方可以参考我之前的一篇文章,也可以参考下面链接的文章:https://blog.csdn.net/qq_33431368/article/details/848661
- 深度学习之caffe入门一一配置SSD中遇到的问题
hhy_csdn
机器学习深度学习ssd
用gitclone将代码下载下来之后,需要编译一下,如果之前编译过caffe,直接将之前的makefile.config文件粘贴到caffe-ssd的目录下即可.我将我的makefile.config文件贴出来,大家可以参考一下.##Refertohttp://caffe.berkeleyvision.org/installation.html#Contributionssimplifyingan
- Caffe MobileSSD 使用过程记录
AICVer
深度学习ubuntu
github地址:https://github.com/chuanqi305/MobileNet-SSD1.下载SSD并编译运行SSDcaffe地址:https://github.com/weiliu89/caffe/tree/ssd要点一:下载的VOC数据要放在HOME/username/data/目录下而不是caffe-ssd的data目录下要点二:数据转换,执行命令直接sudo./data/
- [C#]利用opencvsharp实现深度学习caffe模型人脸检测
FL1623863129
C#深度学习caffe人工智能
【官方框架地址】https://github.com/opencv/opencv/blob/master/samples/dnn/face_detector/deploy.prototxt采用的是官方caffe模型res10_300x300_ssd_iter_140000.caffemodel进行人脸检测【算法原理】使用caffe-ssd目标检测框架训练的caffe模型进行深度学习模型检测【效果】
- Ubuntu 16.04下Caffe-SSD的应用(四)——ssd_pascal.py源码解读
知来者逆
caffessd_pascal.pycaffecaffe-ssdcaffe-ssdubuntu深度学习
前言caffe-ssd所有的训练时的参数,全部由ssd_pascal.py来定义,之后再去调用相关的脚本和函数,所以想要训练自己的数据,首先要明白ssd_pascal.py各个定义参数的大体意思。ssd_pascal.py源码解读from__future__importprint_functionimportcaffefromcaffe.model_libsimport*fromgoogle.pr
- SSD中使用自带工具进行输出测试结果以及绘图
几夏经秋
1.使用一下命令进行输出测试结果:./build/examples/ssd/ssd_detect.bin/root/caffe-ssd/models/VGGNet/MyDataSet/SSD_300x300/deploy.prototxt/root/caffe-ssd/models/VGGNet/MyDataSet/SSD_300x300/VGG_MyDataSet_SSD_300x300_ite
- windows下编译caffe-ssd报错:错误 352 error : too few arguments in function call的解决方案
July0_zhu
windowscaffe
最近因版本变更,需重新编译caffe,发生了一个之前没见到过的错误,记录下供大家参考报错信息:错误352error:toofewargumentsinfunctioncall的解决方案双击错误,找到错误的代码位置查看函数cudnnSetConvolution2dDescriptor函数的定义如下:对比参数可知,cudnnDataType_tcomputeType这个参数是缺少的,查看cudnnDa
- caffe-ssd中使用gnuplot绘制loss-acc曲线(双Y轴)
几夏经秋
1.首先检查SSD训练的完整log日志,因为所需要的东西都在日志里面。日志目录在:jobs里面,名字为VGG_MyDataSet_SSD_300x300.log。利用此log文件生成相应大的.test和.train文件,具体命令如下:(当前目录为caffe-ssd,输入上面的命令)cdtools/extra./parse_log.sh../../jobs/VGGNet/MyDataSet/SSD_
- caffe-ssd
justrightquite
gitclonehttps://github.com/weiliu89/caffe.gitcdcaffegitcheckoutssd./data/VOC0712/create_list.sh./data/VOC0712/create_data.shpythonexamples/ssd/ssd_pascal.pypythonexamples/ssd/score_ssd_pascal.pypython
- 卷积神经网络学习路线(五)| 卷积神经网络参数设置,提高泛化能力?
just_sort
深度学习论文阅读及算法详解
前言这是卷积神经网络学习路线的第五篇文章,主要为大家介绍一下卷积神经网络的参数设置,调参技巧以及被广泛应用在了哪些领域,希望可以帮助到大家。卷积神经网络的参数设置这个举个例子来说是最好的,因为直接说会抽象一些,我在网上找了一个caffe-ssd的参数设置配置文件solver.prototxt,内容如下:train_net:"train.prototxt"test_net:"test.prototx
- Caffe-SSD错误:ImportError: /usr/lib/x86_64-linux-gnu/libatk-1.0.so.0: undefined symbol: g_log_structur
CAU_Ayao
CaffeLinuxCaffeSSDUbuntu18.04libatkundefined
Caffe-SSD编译成功后,在importcaffe时候出现以下错误:>>>importcaffeTraceback(mostrecentcalllast):File"",line1,inFile"/home/dell/Programming/caffe/python/caffe/__init__.py",line1,infrom.pycaffeimportNet,SGDSolver,Neste
- 用自己的数据训练MobileNetV2-SSDLite
JR_Chan
目标检测MobileNetV2SSDLite轻量级网络caffe目标检测
前面的文章介绍了如何安装caffe并切换到ssd分支,如何添加对ReLU6的支持,以及如何安装和使用MobileNetV2-SSDLite。这篇文章开始介绍如何利用自己的数据集训练MobileNetV2-SSDLite。这篇文章主要参考了caffe-SSD配置及用caffe-MobileNet-SSD训练自己的数据集,并作了一些修改。数据集准备 首先我们需要有图片以及与之对应的xml文件,并存放
- caffe-ssd中 net.forward()的4维返回值
weixin_47924038
opencv学习
1、blob=cv2.dnn.blobFromImage(frame,0.007843,(w,h),127.5)127.5是均值。0.007843=1/127.5(实际上就是x-127.5(均值)/因子),127.5就是均值2、net.setInput(blob)detections=net.forward()#是个四维的返回值confidence=detections[0,0,i,2]idx=i
- ubuntu 下docker安裝 caffe-ssd步骤
weixin_41989784
全文主要参考这篇博文。(1条消息)ubuntu下基于docker安装caffe以及fasterrcnn-i_is_a_energy_man的博客-CSDN博客1,首先安装docker2,安装nvida-docker参考(1条消息)linuxmint安装docker-ce以及nvidia-docker遇到的问题-weixin_41580381的博客-CSDN博客记不太清楚了。3,labellmg的安
- SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录
10km
deeplearningubuntussdtrainVOC2007caffe
安装SSD#SSD代码clone到caffe-ssd文件夹下gitclone--recursivehttps://github.com/weiliu89/caffe.gitcaffe-ssdcdcaffe-ssd#选择ssd分支gitcheckoutssd编译caffe对于一个新的ubuntu系统,编译caffe需要安装相应依赖库,如果你成功编译过caffe和fasterrcnn,就不需要再安装,
- ubuntu18.04 CUDA10.1 docker中安装caffe-ssd及分类检测数据集训练与测试(一)
流光似月,繁星似锦
计算机视觉深度学习caffe机器学习
ubuntu18.04CUDA10.1docker中安装caffe-ssd教程前言一、caffe-ssd是什么?二、使用步骤1.总体环境介绍2.创建docker与安装配置3.caffe-ssd环境的搭建总结前言在unbutu中配置显卡环境,docker容器的使用,以及搭建caffe-ssd深度学习的环境,最后训练自己的数据得出模型是一件困难的事情。经过一个多星期不断调试环境反复修改,作者本人终于搭
- Ubuntu 16.04下Caffe-SSD的应用(一)——编译Caffe-SSD的CPU版本与GPU版本
知来者逆
caffecaffecaffe-ssd深度学习caffe-ssdcpuonlyubuntucaffe-ssd
前言1.之前用过Caffe的GooglNet做图像分类的相关项目,比起传统的办法,效果要好很多,在目标检测这块,之前也用传统的HOG加SVM实现过车辆,行人和马匹的检测,但正样本要上万张图像,才达到能应用到项目上的准确率。2.Caffe-SDD微软的一个深度学习框架,SSD全称:SingleShotMultiBoxDetector是目前为止主要的目标检测算法。接下来我会把Caffe-SSD的编译配
- Caffe-ssd版本在windows 10下环境搭建及模型训练
Eonothem_one
DeepLearningcaffewindowsssd深度学习框架
1.配置环境系统:windows1064位GPU:GTX1080CUDA:9.0cudnn:7.0Python:Anaconda2.7version编译:VisualStudio20132.安装CUDA和cudnnCUDA可以直接在官网下载,并按照安装程序一步步默认即可cudnn官网下载之后解压会有一个cuda文件夹,解压即可CUDA各个版本下载地址:https://developer.nvidi
- Windows上利用Caffe-SSD进行训练和测试
lyatdawn
caffecaffe-ssd
本文利用SSD:SingleShotMultiBoxDetector这种目标检测方法对视频目标检测数据集VOC2007和VOC2012进行处理.首先在Windows上配置Caffe-SSD,然后按照以下步骤进行.1.下载预训练模型:链接:http://pan.baidu.com/s/1miDE9h2;密码:0hf2.将预训练模型放到\models\VGGNet\VOC0712下.2.下载数据集链接
- windows10+vs2015+python3.5编译安装caffe-ssd
开源学开源
软件使用神经网络vs2015
第一步:下载caffe-ssd此下载链接是针对windows的caffe-ssd源第二步:下载编译工具Cmake,现在的Cmake版本已经很高了,不过建议是使用>=3.4的版本。第三步:编译环境的准备,如果要编译GPU版本的caffe-ssd,那请先安装vs再安装cuda,接着是python3.5.python的安装顺序可以任意,但是vs的安装顺序得在cuda之前。因为cuda在安装过程中会查看电
- 跑通caffe-ssd demo代码(训练、测试自己数据集)
入门--入土
目标检测CaffeSSDpython计算机视觉人工智能caffe深度学习
跑通caffe-ssddemo代码(训练、测试自己数据集)ssd网络我就不多介绍了,CSDN上面一搜一大把。这篇主要讲讲如何跑通caffe代码~github:caffe-ssd一、代码结构在caffe-ssd中能用到的文件我全部在上述图片中标出来了,到时候具体的再细说~caffe-ssd的环境自己百度吧,网上很多安装教程~二、数据集准备训练模型,首先第一个事情就是准备数据集。在利用caffe训练分
- 使用Caffe-SSD打包Wider Face为LMDB格式
装满水杯的水
目标检测python深度学习pycharm
注意:使用Caffe-SSD打包WiderFace为LMDB格式,需要事先将WiderFace转化为VOC格式,可以看我的博客,将WIDERFACE数据集转为VOC格式第一步:下载Caffe-SSD源码,源码地址:Caffe-SSD源码下载后进行解压,然后用pycharm打开。第二步:在pycharm打开后在data文件夹下新建名为widerface文件夹第三步:在widerface文件夹里需要新
- caffe-ssd之生成voc数据集、转为lmdb、训练和测试全过程详细解析
T努力的路上_享受生活
深度学习深度学习caffe
目录WIDERFACE转VOC数据集解读dataset.py数据集结构注意将VOC转为lmdb格式create_list.shcreate_data.sh训练数据集ssd_pascal.pymodel_libs.py测试WIDERFACE转VOC数据集数据集地址http://shuoyang1213.me/WIDERFACE/解读dataset.pyimportos,cv2,sys,shutilf
- FaceBoxes训练wider-face
枫丫头爱学习
想利用之前编译的用caffe-ssd来跑Face-Boxes失败。报错信息:[libprotobufERRORgoogle/protobuf/text_format.cc:274]Errorparsingtext-formatcaffe.NetParameter:1874:15:Messagetype"caffe.PriorBoxParameter"hasnofieldnamed"fixed_si
- Caffe-SSD 训练自己的数据集教程
LucasJin
SSDTrainOwnDataTutorialThistutorialwrittenbyJinTian,MasterinTsinghuaUniversity,ifyouhaveanyquestionaboutthispost,contactmeviawechat:jintianiloveu.Repostisalsowelcomed,butpleaseremainthiscopyrightinfo,
- caffe-ssd的一些好东西
景唔景景景景景色分明
Ubuntu14.04+caffe+SSD的配置-liulinyi007的博客-CSDN博客Caffe使用stepbystep:caffe框架下的基本操作和分析-Fightboy-博客园GTX1070+CUDA8.0+Ubuntu16.04+Caffe+SSD深度学习框架搭建细节一步到位版-宋易雪的博客-CSDN博客
- UBUNTU18.04+CUDA10.0+CUDNN+caffe-ssd搭建+在caffe-ssd训练时碰到的两个问题,2019.9.5踩坑总结
yiyifeng6
UBUNTU18.04+CUDA10.0+CUDNN+caffe-ssd搭建踩坑2019.9.5总结CUDA10.0+cudnn安装安装cuda10.0安装cudnnCaffe框架安装下载Caffe源码修改配置文件Caffe-ssd安装在sudopython2.7ssd_pascal.py时碰到的报错及解决方法CUDA10.0+cudnn安装安装cuda10.0sudodpkg-icuda-rep
- 在Caffe上进行迁移学习
weixin_30840253
目录在Caffe-SSD上进行迁移学习机器环境准备数据集得到trainval.txt得到lmdb文件准备训练进行训练其他在Caffe-SSD上进行迁移学习机器环境OS:Ubuntu16.04GPU:TITANXp编译Caffe-SSD时,我们没有选择python接口。不过事后来看也许添加python接口会更方便。准备数据集得到trainval.txt由于习惯,我们将图片和标注都按照VOC数据集的格
- caffe深度学习【三】编译错误:fatal error: hdf5.h: No such file or directory compilation terminated.
volcano_Lin
Caffe终端编译问题caffe深度学习
问题:今天在配置caffe-SSD时,准备编译caffe遇到了:fatalerror:hdf5.h:Nosuchfileordirectorycompilationterminated.这样的问题,如下图所示:原因是没有找到hdf5.h的头文件。解决方法:1.修改Makefile.config文件进入到下载的caffe目录在Makefile.config文件中,按住crtl+f搜索:INCLUDE
- TX2 +caffe +ssd/ubuntu16.04+caffe+ssd
景唔景景景景景色分明
1.SSD安装及训练自己的数据集-CSDN博客2.caffe-SSD训练自己的数据集-CSDN博客3.JETSONTX2安装caffe-SSD、tensorflow-CSDN博客gaicuo解决python在importcaffe时出现的nomodulename_caffe问题-CSDN博客我训练的时候是直接把原数据集改成了自己的,我觉得这样比较简单。按上述笔记训练的时候遇到一个问题,Cannot
- scala的option和some
矮蛋蛋
编程scala
原文地址:
http://blog.sina.com.cn/s/blog_68af3f090100qkt8.html
对于学习 Scala 的 Java™ 开发人员来说,对象是一个比较自然、简单的入口点。在 本系列 前几期文章中,我介绍了 Scala 中一些面向对象的编程方法,这些方法实际上与 Java 编程的区别不是很大。我还向您展示了 Scala 如何重新应用传统的面向对象概念,找到其缺点
- NullPointerException
Cb123456
androidBaseAdapter
java.lang.NullPointerException: Attempt to invoke virtual method 'int android.view.View.getImportantForAccessibility()' on a null object reference
出现以上异常.然后就在baidu上
- PHP使用文件和目录
天子之骄
php文件和目录读取和写入php验证文件php锁定文件
PHP使用文件和目录
1.使用include()包含文件
(1):使用include()从一个被包含文档返回一个值
(2):在控制结构中使用include()
include_once()函数需要一个包含文件的路径,此外,第一次调用它的情况和include()一样,如果在脚本执行中再次对同一个文件调用,那么这个文件不会再次包含。
在php.ini文件中设置
- SQL SELECT DISTINCT 语句
何必如此
sql
SELECT DISTINCT 语句用于返回唯一不同的值。
SQL SELECT DISTINCT 语句
在表中,一个列可能会包含多个重复值,有时您也许希望仅仅列出不同(distinct)的值。
DISTINCT 关键词用于返回唯一不同的值。
SQL SELECT DISTINCT 语法
SELECT DISTINCT column_name,column_name
F
- java冒泡排序
3213213333332132
java冒泡排序
package com.algorithm;
/**
* @Description 冒泡
* @author FuJianyong
* 2015-1-22上午09:58:39
*/
public class MaoPao {
public static void main(String[] args) {
int[] mao = {17,50,26,18,9,10
- struts2.18 +json,struts2-json-plugin-2.1.8.1.jar配置及问题!
7454103
DAOspringAjaxjsonqq
struts2.18 出来有段时间了! (貌似是 稳定版)
闲时研究下下! 貌似 sruts2 搭配 json 做 ajax 很吃香!
实践了下下! 不当之处请绕过! 呵呵
网上一大堆 struts2+json 不过大多的json 插件 都是 jsonplugin.34.jar
strut
- struts2 数据标签说明
darkranger
jspbeanstrutsservletScheme
数据标签主要用于提供各种数据访问相关的功能,包括显示一个Action里的属性,以及生成国际化输出等功能
数据标签主要包括:
action :该标签用于在JSP页面中直接调用一个Action,通过指定executeResult参数,还可将该Action的处理结果包含到本页面来。
bean :该标签用于创建一个javabean实例。如果指定了id属性,则可以将创建的javabean实例放入Sta
- 链表.简单的链表节点构建
aijuans
编程技巧
/*编程环境WIN-TC*/ #include "stdio.h" #include "conio.h"
#define NODE(name, key_word, help) \ Node name[1]={{NULL, NULL, NULL, key_word, help}}
typedef struct node { &nbs
- tomcat下jndi的三种配置方式
avords
tomcat
jndi(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。命名服务将名称和对象联系起来,使得我们可以用名称
访问对象。目录服务是一种命名服务,在这种服务里,对象不但有名称,还有属性。
tomcat配置
- 关于敏捷的一些想法
houxinyou
敏捷
从网上看到这样一句话:“敏捷开发的最重要目标就是:满足用户多变的需求,说白了就是最大程度的让客户满意。”
感觉表达的不太清楚。
感觉容易被人误解的地方主要在“用户多变的需求”上。
第一种多变,实际上就是没有从根本上了解了用户的需求。用户的需求实际是稳定的,只是比较多,也比较混乱,用户一般只能了解自己的那一小部分,所以没有用户能清楚的表达出整体需求。而由于各种条件的,用户表达自己那一部分时也有
- 富养还是穷养,决定孩子的一生
bijian1013
教育人生
是什么决定孩子未来物质能否丰盛?为什么说寒门很难出贵子,三代才能出贵族?真的是父母必须有钱,才能大概率保证孩子未来富有吗?-----作者:@李雪爱与自由
事实并非由物质决定,而是由心灵决定。一朋友富有而且修养气质很好,兄弟姐妹也都如此。她的童年时代,物质上大家都很贫乏,但妈妈总是保持生活中的美感,时不时给孩子们带回一些美好小玩意,从来不对孩子传递生活艰辛、金钱来之不易、要懂得珍惜
- oracle 日期时间格式转化
征客丶
oracle
oracle 系统时间有 SYSDATE 与 SYSTIMESTAMP;
SYSDATE:不支持毫秒,取的是系统时间;
SYSTIMESTAMP:支持毫秒,日期,时间是给时区转换的,秒和毫秒是取的系统的。
日期转字符窜:
一、不取毫秒:
TO_CHAR(SYSDATE, 'YYYY-MM-DD HH24:MI:SS')
简要说明,
YYYY 年
MM 月
- 【Scala六】分析Spark源代码总结的Scala语法四
bit1129
scala
1. apply语法
FileShuffleBlockManager中定义的类ShuffleFileGroup,定义:
private class ShuffleFileGroup(val shuffleId: Int, val fileId: Int, val files: Array[File]) {
...
def apply(bucketId
- Erlang中有意思的bug
bookjovi
erlang
代码中常有一些很搞笑的bug,如下面的一行代码被调用两次(Erlang beam)
commit f667e4a47b07b07ed035073b94d699ff5fe0ba9b
Author: Jovi Zhang <
[email protected]>
Date: Fri Dec 2 16:19:22 2011 +0100
erts:
- 移位打印10进制数转16进制-2008-08-18
ljy325
java基础
/**
* Description 移位打印10进制的16进制形式
* Creation Date 15-08-2008 9:00
* @author 卢俊宇
* @version 1.0
*
*/
public class PrintHex {
// 备选字符
static final char di
- 读《研磨设计模式》-代码笔记-组合模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.List;
abstract class Component {
public abstract void printStruct(Str
- 利用cmd命令将.class文件打包成jar
chenyu19891124
cmdjar
cmd命令打jar是如下实现:
在运行里输入cmd,利用cmd命令进入到本地的工作盘符。(如我的是D盘下的文件有此路径 D:\workspace\prpall\WEB-INF\classes)
现在是想把D:\workspace\prpall\WEB-INF\classes路径下所有的文件打包成prpall.jar。然后继续如下操作:
cd D: 回车
cd workspace/prpal
- [原创]JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
comsci
eclipse设计模式算法工作swing
JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
&nb
- SecureCRT右键粘贴的设置
daizj
secureCRT右键粘贴
一般都习惯鼠标右键自动粘贴的功能,对于SecureCRT6.7.5 ,这个功能也已经是默认配置了。
老版本的SecureCRT其实也有这个功能,只是不是默认设置,很多人不知道罢了。
菜单:
Options->Global Options ...->Terminal
右边有个Mouse的选项块。
Copy on Select
Paste on Right/Middle
- Linux 软链接和硬链接
dongwei_6688
linux
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link)。默认情况下,ln命令产生硬链接。
【硬连接】硬连接指通过索引节点来进行连接。在Linux的文件系统中,保存在磁盘分区中的文件不管是什么类型都给它分配一个编号,称为索引节点号(Inode Index)。在Linux中,多个文件名指向同一索引节点是存在的。一般这种连
- DIV底部自适应
dcj3sjt126com
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- Centos6.5使用yum安装mysql——快速上手必备
dcj3sjt126com
mysql
第1步、yum安装mysql
[root@stonex ~]# yum -y install mysql-server
安装结果:
Installed:
mysql-server.x86_64 0:5.1.73-3.el6_5 &nb
- 如何调试JDK源码
frank1234
jdk
相信各位小伙伴们跟我一样,想通过JDK源码来学习Java,比如collections包,java.util.concurrent包。
可惜的是sun提供的jdk并不能查看运行中的局部变量,需要重新编译一下rt.jar。
下面是编译jdk的具体步骤:
1.把C:\java\jdk1.6.0_26\sr
- Maximal Rectangle
hcx2013
max
Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing all ones and return its area.
public class Solution {
public int maximalRectangle(char[][] matrix)
- Spring MVC测试框架详解——服务端测试
jinnianshilongnian
spring mvc test
随着RESTful Web Service的流行,测试对外的Service是否满足期望也变的必要的。从Spring 3.2开始Spring了Spring Web测试框架,如果版本低于3.2,请使用spring-test-mvc项目(合并到spring3.2中了)。
Spring MVC测试框架提供了对服务器端和客户端(基于RestTemplate的客户端)提供了支持。
&nbs
- Linux64位操作系统(CentOS6.6)上如何编译hadoop2.4.0
liyong0802
hadoop
一、准备编译软件
1.在官网下载jdk1.7、maven3.2.1、ant1.9.4,解压设置好环境变量就可以用。
环境变量设置如下:
(1)执行vim /etc/profile
(2)在文件尾部加入:
export JAVA_HOME=/home/spark/jdk1.7
export MAVEN_HOME=/ho
- StatusBar 字体白色
pangyulei
status
[[UIApplication sharedApplication] setStatusBarStyle:UIStatusBarStyleLightContent];
/*you'll also need to set UIViewControllerBasedStatusBarAppearance to NO in the plist file if you use this method
- 如何分析Java虚拟机死锁
sesame
javathreadoracle虚拟机jdbc
英文资料:
Thread Dump and Concurrency Locks
Thread dumps are very useful for diagnosing synchronization related problems such as deadlocks on object monitors. Ctrl-\ on Solaris/Linux or Ctrl-B
- 位运算简介及实用技巧(一):基础篇
tw_wangzhengquan
位运算
http://www.matrix67.com/blog/archives/263
去年年底写的关于位运算的日志是这个Blog里少数大受欢迎的文章之一,很多人都希望我能不断完善那篇文章。后来我看到了不少其它的资料,学习到了更多关于位运算的知识,有了重新整理位运算技巧的想法。从今天起我就开始写这一系列位运算讲解文章,与其说是原来那篇文章的follow-up,不如说是一个r
- jsearch的索引文件结构
yangshangchuan
搜索引擎jsearch全文检索信息检索word分词
jsearch是一个高性能的全文检索工具包,基于倒排索引,基于java8,类似于lucene,但更轻量级。
jsearch的索引文件结构定义如下:
1、一个词的索引由=分割的三部分组成: 第一部分是词 第二部分是这个词在多少