- 2020-09-07
心花怒放心理咨询
吸引力法则90天线上践行班四期三阶4战队打卡第47天记录D3林菲一.亿万富翁制造机——照镜子练习和感悟:早上好,美女,我爱你,你每天都要微笑面对这个世界,我爱你。你是平衡,理智。担当。负责,你是职业,自信,动感,喜悦!你是最棒的!二、朗读十大人生哲学感悟:今天是我人生中最好的一天。我是富裕健康开心。我积极的感恩一切来到我的生命里。要成事由我做起。我的生命我负全责。我时刻都会爱戴我自己。我是积极主动
- D065+8组煎果子+《高效能人士的7个习惯》读书笔记
煎果子
习惯一:积极主动时下盛行的社会观点认为,环境与条件对我们起着决定性的作用。我们不否认条件作用的影响巨大,但并不等于承认它凌驾于一切之上,甚至可以决定我们的命运。在外界的刺激与最后的回应之间,人拥有选择的自由,这也是人与动物之间最大的不同。史蒂芬•柯维指出,看一个人的时间和精力集中于哪些事物,就可以大致判断出他是否积极主动。作者将我们关注的问题分成两类:关注圈和影响圈。关注圈,是指我们关注的问题,包
- 中原焦点团队第25期楚雅丽坚持分享第4天
9e7302df85d1
书还没到,网上搜了关于正面管教的资料,正面管教即是:不矫纵、不惩罚,和善而坚定地教育孩子。那么怎样才能做到呢?1.和善而坚定。不论是控制型的父母还是娇纵型的父母,通常都是被动反应,而不是积极主动。和善而坚定的父母寻求的是解决方案,能够认识到必须先改变自己,在行动之前先观察并思考,引领孩子,消除自己的内疚感,也会允许孩子犯错,允许不完美,允许反复尝试。2,决定你怎么做,然后去做。正面管教的核心是学着
- 【大语言模型基础】GPT(Generative Pre-training )生成式无监督预训练模型原理
前言ELMo:将上下文当作特征,但是无监督的语料和我们真实的语料还是有区别的,不一定符合我们特定的任务,是一种双向的特征提取。OpenAIGPT:通过transformerdecoder学习出来一个语言模型,不是固定的,通过任务fine-tuning,用transfomer代替ELMo的LSTM。OpenAIGPT其实就是缺少了encoder的transformer:当然也没了encoder与de
- 2023年10月10日 星期二 冷|Day404
小白儿三十
2023年10月10日星期二冷|Day404#生命故事写作《2023规划•个人IP-197》01感恩日记感恩成长Qun的JJ主动链接我♥被积极主动、热情友好的Qun内伙伴链接,真是一件无比幸福的事~感恩DS给我阅读打卡作业评优,才让我得以被更多小伙伴看见♥♥感恩自己持续自律♥♥♥专注做自己~~有句话,说得真不错:“你若盛开,蝴蝶自来。”感恩♥感恩02成功日记第一,工作上,账款核对,完成2/3,明日
- 学习易效能前后的我
小高_59f5
一、为何学习易效能我报名线下课一个很重要的原因是想陪孩子一起改变,由于我没给孩子做好榜样,她身上也由很多不好的习惯,比如熬夜、拖延、时间观念差,正好她今年刚毕业,我想这是一个改变自己的好机会,我希望她接触一些高能量的人,帮助她确立目标和人生方向。二、学习回来的收获:1.积极主动刘鑫老师说他有今天的改变得益于“积极主动”四个字,所以在课程结束选组长时,我就答应了小组伙伴的推荐,由于我们组是课堂作业P
- 积极主动和坚持不懈
野生提莫
图片发自App对于这个话题,讨论起来我不太有把握,因此我督促你在采取我的建议之前先读一下并完全弄懂。不管怎样,规则很简单:在遇见(或约会)女人时,你必须要坚持不懈。在你出去开始对每个你遇到的女人展开攻势之前,先让我解释一下关于坚持不懈的意思。概括地说来,所谓坚持不懈就是说,如果你对一个女人起了化学反应,你就不应当害怕跟她后续。我不是说你应该对你“真的喜欢”的所有女孩都展开攻势。因此当我对你说要坚持
- 读后感-《精英习惯》
victoria李小薇
差距不是一朝一夕形成的,而是跟习惯有关,职场精英的养成都离不开三种习惯:习惯一:积极主动人性本质是主动而非被动的,不仅能消极选择反应,更能主动创造有利环境。采取主动并不表示要强求、惹人厌或具侵略性,只是不逃避为自己开创前途的责任。要做到很难,积极主动往往意味着我们要牺牲难得的休闲时光,要面临一系列难以解决的问题,以及承担责任的风险……相对于“积极”,有时“消极”反而更加保险。但想要成为职场精英,我
- 《幸福的科学》第四章 Harriet打卡 20211018
Harriet温暖眼瞳
一、请回答一下3道思考题:001:你过去做事有“福流”的状态吗,是什么事情?跳舞,工作上完成大的项目,做主持人时行云流水地带动整个气氛,与家人聊天的时候002:内在动机是如何理解,分享一下你参与读书会的动机或者工作的动机是什么?内在动机是指由个体内在需要引起的动机,例如,学生觉得学习有意义或有趣就会积极主动地学习,这就是内在动机。我参与读书的动机是想修炼自己,让自己更优秀。003:读书能让你感受到
- 写作训练营给我的改变
张娟丽
短暂而紧张的写作训练营即将结束,训练营对我产生的终身影响有以下三个:写作训练营,开启了我的活动策划、主持会议之旅。工作二十年,我一直是个追随者,没有自己领头负责做过什么事。加入践行群,我因为积极主动成为120班的见习班委,2个月的见习期满成为了班委,需要每周轮流主持班级活动。写作训练营之前,我看着其他战友在飞书会议上或熟练或磕绊地主持了一次次活动,我好羡慕他们,总觉得要是自己主持,肯定脑子一片空白
- 晨语问安2022年3月5日
求索大伟
『晨语问安3.5』干活,人类赖以生存的底子,也是成就伟业的根本,开创美好明天的基石。俗话说:锯响就有沫,只要去干就能够取得效果,但是干,也有积极和消极之分,也有主动与被动之别,最终取得的效果也有大小之差,很多时候看似差之毫厘,可能结果天壤之别。干与不干、真干与假干的结果迥然不同,同样是真干,积极主动真干和消极被动真干的效果也不一样,且是时间越久差距越大。同样的工作相同的事情,如果积极主动真干取得的
- 【零基础学AI】第29讲:BERT模型实战 - 情感分析
1989
0基础学AIbert人工智能深度学习神经网络cnnpython自然语言处理
本节课你将学到BERT模型的核心原理与优势HuggingFaceTransformers库的BERT接口使用情感分析任务的完整实现流程模型微调(Fine-tuning)技巧开始之前环境要求Python3.8+需要安装的包:pipinstalltorchtransformersdatasetspandastqdmGPU推荐(可加速训练)前置知识第28讲Transformer基础基本PyTorch使用
- 模型微调方法Prefix-Tuning
ballball~~
大模型人工智能算法大数据
简介:个人学习分享,如有错误,欢迎批评指正。随着大规模预训练语言模型(如GPT系列、BERT等)的广泛应用,如何高效、经济地针对特定任务对这些模型进行微调(Fine-Tuning)成为研究热点。传统的微调方法通常需要调整模型的大量参数,导致计算资源消耗大、适应新任务的速度慢。为了解决这一问题,Prefix-Tuning(前缀调优)作为一种高效的微调技术被提出,旨在通过引入少量可训练的前缀参数,达到
- 顶会新方向!14篇图神经网络(GNN)最新顶会论文汇总!(含2024)
AI科研技术派
神经网络人工智能深度学习
图神经网络(GNN)是深度学习领域中备受关注的前沿课题,它在处理图结构数据方面展现出了强大的潜力,随着研究的不断深入,越来越多的优秀论文在顶级学术会议上涌现。今天就给大家整理了14篇顶会中发表的图神经网络优质论文,一起看看这方面的最新研究成果吧!AAAI20241、Fine-tuningGraphNeuralNetworksbyPreservingGraphGenerativePatterns通过
- D-FINE使用pth权重批量推理可视化图片
悠悠海风
代码调试深度学习人工智能python目标检测计算机视觉
关于D-FINE相关的内容可参考下面这篇博客:论文解读:ICLR2025|D-FINE_d-fine:redefineregressiontaskindetrsasfine--CSDN博客文章浏览阅读949次,点赞18次,收藏28次。D-FINE是一款功能强大的实时物体检测器,它将DETRs中的边界框回归任务重新定义为细粒度分布细化(FDR),并引入了全局最优定位自蒸馏(GO-LSD),在不引入额
- 【机器学习&深度学习】模型微调的基本概念与流程
一叶千舟
深度学习【理论】机器学习深度学习人工智能
目录前言一、什么是模型微调(Fine-tuning)?二、预训练vs微调:什么关系?三、微调的基本流程(以BERT为例)1️⃣准备数据2️⃣加载预训练模型和分词器3️⃣数据编码与加载4️⃣定义优化器5️⃣开始训练6️⃣评估与保存模型四、是否要冻结BERT层?五、完整训练示例代码5.1环境依赖5.2执行代码总结:微调的优势前言在自然语言处理(NLP)快速发展的今天,预训练模型如BERT成为了众多任务
- D-FINE模型详解及代码复现
清风AI
目标跟踪人工智能计算机视觉深度学习机器学习python神经网络
研究背景在实时目标检测领域的快速发展背景下,D-FINE作为一项突破性的方法应运而生。它超越了现有模型如YOLOv10、YOLO11及RT-DETRv1/v2/v3,重新定义了边界框回归任务,显著提升了实时目标检测的性能上限。D-FINE通过创新的细粒度分布优化(FDR)和全局最优定位自蒸馏(GO-LSD)机制,为目标检测领域带来了新的突破,为未来的研究奠定了基础。创新优势D-FINE模型在创新方
- 解密大模型全栈开发:从搭建环境到实战案例,一站式攻略
海棠AI实验室
“智元启示录“-AI发展的深度思考与未来展望人工智能大模型全栈开发
目录大模型基础概念什么是大模型?大模型的发展历程大模型的类型大模型全栈开发环境搭建硬件需求软件环境配置云服务选择大模型应用开发流程模型选择策略提示工程(PromptEngineering)模型微调(Fine-tuning)参数高效微调(PEFT)大模型应用架构设计基本应用架构RAG(检索增强生成)系统Agent系统设计大模型应用部署与优化模型部署选项模型优化技术性能监控与调优大模型应用实战案例智能
- 【人工智能】微调的秘密武器:释放大模型的无限潜能
蒙娜丽宁
Python杂谈人工智能人工智能
《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门!解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界在人工智能迅猛发展的今天,大规模语言模型(LLMs)以其强大的通用能力席卷各行各业。然而,如何让这些通用模型在特定领域或任务中发挥最大潜力?答案是微调(Fine-tuning)。本文深入探讨微调的理论基础、技术细节与实践方法,揭示其作为解锁大模型隐藏潜力
- 【面试宝典】【大模型入门】【模型微调】
曾小文
人工智能深度学习机器学习
面试热点科普:监督微调vs无监督微调,有啥不一样?在大模型时代(比如BERT、GPT)里,我们经常听到“预训练+微调”的范式。但你可能会疑惑——监督微调、无监督微调,到底有啥区别?用的场景一样吗?今天这篇,带你5分钟搞懂这对“孪生兄弟”的异同✅1.术语定义名称定义说明预训练(Pretraining)在大规模通用数据上训练模型,学习“通用知识”,比如语言规律、语义表示。微调(Fine-tuning)
- 中文工单分类模型选择
SugarPPig
人工智能分类人工智能数据挖掘
采用基于预训练模型的微调(Fine-tuning)方案来做中文工单分类,这是非常明智的选择,因为预训练模型已经在大量中文语料上学习了丰富的语言知识,能大幅提升分类效果。在HuggingFace上,针对中文文本分类,我为你推荐以下最合适的模型:最推荐的模型:BERT-base-chinese模型名称(HuggingFaceID):google-bert/bert-base-chinese为什么推荐它
- LLM模型的一些思考
巴基海贼王
nlp
对通用LLM模型进行Fine-tuning操作(SFT,supervisedfinetuning),带来的影响往往是有害的?从表象看,使用领域数据对LLM做Fine-tuning,通常会造成灾难性的“灾难遗忘”问题。简单点儿说,SFT在赋予对领域知识理解能力的同时,由于修正模型参数,导致模型遗忘之前学会的某些知识。目前的“智能=压缩”的理论是否正确?LLM的压缩能力是否可以拆解成单个神经元的“压缩
- RAG 和微调如何抉择
成都犀牛
深度学习人工智能机器学习pytorch
要选择RAG(Retrieval-AugmentedGeneration)还是微调(Fine-tuning),或者两者结合,主要取决于如下数据特性应用场景资源限制模型行为的控制需求RAGvs.微调:如何选择?特性/维度RAG(检索增强生成)微调(Fine-tuning)数据特性知识不断变化/更新、信息量大、需要引用来源、数据隐私性高。数据领域特定、格式特殊、语言风格独特、知识相对稳定。知识来源外部
- LoRA、QLoRA是什么
爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ
人工智能机器学习深度学习
一:LoRA(Low-RankAdaptation,低秩适应)是一种高效的大模型参数微调技术,由Meta在2021年提出。它通过冻结预训练模型参数,仅训练少量新增的低秩矩阵,大幅减少了需要训练的参数量,同时保持接近全参数微调的效果。为什么需要LoRA?传统的全参数微调(Fine-tuning)需要更新大型语言模型的所有参数(如GPT-3有1750亿参数),这带来两个核心问题:计算资源需求极高:需要
- AI模型微调完整学习方案:从入门到精通
奔四的程序猿
大模型微调人工智能学习
引言随着大语言模型(LLM)技术的快速发展,微调模型以适应特定任务或领域的需求变得越来越重要。微调是一种技术,通过对预训练模型进行进一步训练,使其能够更好地解决特定问题或在特定领域表现更佳。本报告将提供一个全面的学习方案,从基础概念到高级技术,帮助读者系统性地掌握AI模型微调的各个方面。1.模型微调基础概念(入门阶段)什么是模型微调?模型微调(Fine-tuning)是指在预训练模型基础上,使用特
- AtCoder 第393场初级竞赛 A-E题解
是帅帅的少年
青少年编程比赛题解算法c++数据结构
APoisonousOyster(有毒牡蛎)【题目链接】原题链接:A-PoisonousOyster【考点】判断【题目大意】有四种牡蛎,其中有一种有毒,Takahashi吃了牡蛎1和2,Aoki吃了牡蛎1和3,根据两人的状态(sick/fine)找到哪种牡蛎有毒。【解析】一共有四种可能性,分别对应一种牡蛎有毒。判断输出即可。【难度】GESP一级【代码参考】#includeusingnamespac
- 大模型微调(Fine-tuning)概览
MzKyle
深度学习人工智能
大模型微调(Fine-Tuning)是将预训练大模型(如GPT、LLaMA)适配到特定任务或领域的核心技术,其效率与效果直接影响大模型的落地价值。一、微调的本质与核心目标1.技术定义微调是通过在预训练模型基础上,使用特定任务或领域的小规模数据进行二次训练,使模型参数适应新场景的过程。其核心逻辑是:预训练阶段学习通用知识(如语言规律、世界常识);微调阶段将通用能力转化为领域专属能力(如医疗问答、法律
- 大模型笔记_模型微调
饕餮争锋
AI大模型笔记笔记语言模型人工智能
1.大模型微调的概念大模型微调(Fine-tuning)是指在预训练大语言模型(如GPT、BERT、LLaMA等)的基础上,针对特定任务或领域,使用小量的目标领域数据对模型进行进一步训练,使其更好地适配具体应用场景的过程。预训练模型通常在大规模通用语料库(如互联网文本、书籍等)上训练,具备通用的语言理解和生成能力,而微调则通过调整模型参数,使其在特定任务(如分类、问答、生成等)或领域(如医疗、金融
- 大模型笔记_模型微调 vs RAG
饕餮争锋
AI大模型笔记笔记人工智能语言模型
1.模型微调与RAG介绍模型微调(Fine-tuning):大模型笔记_模型微调-CSDN博客检索增强生成RAG(Retrieval-AugmentedGeneration):大模型笔记_检索增强生成(RAG)-CSDN博客2.模型微调与RAG对比分析2.1.核心定义与原理维度模型微调(Fine-tuning)RAG(Retrieval-AugmentedGeneration)核心思想通过调整模型
- 大模型笔记:RAG(Retrieval Augmented Generation,检索增强生成)
1大模型知识更新的困境大模型的知识更新是很困难的,主要原因在于:训练数据集固定,一旦训练完成就很难再通过继续训练来更新其知识参数量巨大,随时进行fine-tuning需要消耗大量的资源,并且需要相当长的时间LLM的知识是编码在数百亿个参数中的,无法直接查询或编辑其中的知识图谱——>LLM的知识具有静态、封闭和有限的特点。——>为了赋予LLM持续学习和获取新知识的能力,RAG应运而生2RAG介绍这是
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类:
1)插入排序(直接插入排序、希尔排序)
2)交换排序(冒泡排序、快速排序)
3)选择排序(直接选择排序、堆排序)
4)归并排序
5)分配排序(基数排序)
所需辅助空间最多:归并排序
所需辅助空间最少:堆排序
平均速度最快:快速排序
不稳定:快速排序,希尔排序,堆排序。
先来看看8种排序之间的关系:
1.直接插入排序
(1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块,包括RDD,Shuffle,Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构,即Driver上BlockManager充当了Master角色,而各个Slave上(具体到应用范围,就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用,这里讲一下怎么查看端口是否被占用,及哪个程序占用,怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起,经常在tomcat容器起动后,访问页面时输入http://localhost:8088/index.jsp,大家都知道localhost代表本机地址,如果本机IP是10.10.134.21,那就相当于http://10.10.134.21:8088/index.jsp,有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码,一看就懂,利用的是jxl:
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结(数组函数)
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素,再返回该数组。
示例:
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M,8M宽带。其中M是指,Mbits/S
其中要提前说明的是:
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节,约为 50000多字节。但是网宽是以“位”为单位的,所以,8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位,即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC(反向控制 依赖注入)
aijuans
Spring 3 系列
IoC(反向控制 依赖注入)这是Spring提出来了,这也是Spring一大特色。这里我不用多说,我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC,下面我将介绍不用Spring的IoC。
IoC不是框架,她是java的技术,如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明:
如:程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况,应尽可能使用InnoDB存储引擎。 原因:InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的,很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行,除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中,如果id对应的标签不存在(同理JAVA中,如果对象不存在),则调用它的方法会报错或抛异常。在实际开发中,发现JQuery在id对应的标签不存在时,调其val()方法不会报错,结果是undefined。
- http请求测试实例(采用json-lib解析)
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本,因些对于JDK1.4的项目,可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法,仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤,在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用,本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home
- nginx负载tomcat遇非80时的转发问题
ronin47
nginx负载后端容器是tomcat(其它容器如WAS,JBOSS暂没发现这个问题)非80端口,遇到跳转异常问题。解决的思路是:$host:port
详细如下:
该问题是最先发现的,由于之前对nginx不是特别的熟悉所以该问题是个入门级别的:
? 1 2 3 4 5
- java-17-在一个字符串中找到第一个只出现一次的字符
bylijinnan
java
public class FirstShowOnlyOnceElement {
/**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff,则输出b
* 1.int[] count:count[i]表示i对应字符出现的次数
* 2.将26个英文字母映射:a-z <--> 0-25
* 3.假设全部字母都是小写
*/
pu
- mongoDB 复制集
开窍的石头
mongodb
mongo的复制集就像mysql的主从数据库,当你往其中的主复制集(primary)写数据的时候,副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题
mo
- [宇宙与天文]宇宙时代的经济学
comsci
经济
宇宙尺度的交通工具一般都体型巨大,造价高昂。。。。。
在宇宙中进行航行,近程采用反作用力类型的发动机,需要消耗少量矿石燃料,中远程航行要采用量子或者聚变反应堆发动机,进行超空间跳跃,要消耗大量高纯度水晶体能源
以目前地球上国家的经济发展水平来讲,
- Git忽略文件
Cwind
git
有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件,编译生成的各种目标或临时文件等。使用git status时,会在Untracked files里面看到这些文件列表,在一次需要添加的文件比较多时(使用git add . / git add -u),会把这些所有的未跟踪文件添加进索引。
==== ==== ==== 一些牢骚
- MySQL连接数据库的必须配置
dashuaifu
mysql连接数据库配置
MySQL连接数据库的必须配置
1.driverClass:com.mysql.jdbc.Driver
2.jdbcUrl:jdbc:mysql://localhost:3306/dbname
3.user:username
4.password:password
其中1是驱动名;2是url,这里的‘dbna
- 一生要养成的60个习惯
dcj3sjt126com
习惯
一生要养成的60个习惯
第1篇 让你更受大家欢迎的习惯
1 守时,不准时赴约,让别人等,会失去很多机会。
如何做到:
①该起床时就起床,
②养成任何事情都提前15分钟的习惯。
③带本可以随时阅读的书,如果早了就拿出来读读。
④有条理,生活没条理最容易耽误时间。
⑤提前计划:将重要和不重要的事情岔开。
⑥今天就准备好明天要穿的衣服。
⑦按时睡觉,这会让按时起床更容易。
2 注重
- [介绍]Yii 是什么
dcj3sjt126com
PHPyii2
Yii 是一个高性能,基于组件的 PHP 框架,用于快速开发现代 Web 应用程序。名字 Yii (读作 易)在中文里有“极致简单与不断演变”两重含义,也可看作 Yes It Is! 的缩写。
Yii 最适合做什么?
Yii 是一个通用的 Web 编程框架,即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持,它特别适合开发大型应
- Linux SSH常用总结
eksliang
linux sshSSHD
转载请出自出处:http://eksliang.iteye.com/blog/2186931 一、连接到远程主机
格式:
ssh name@remoteserver
例如:
ssh
[email protected]
二、连接到远程主机指定的端口
格式:
ssh name@remoteserver -p 22
例如:
ssh i
- 快速上传头像到服务端工具类FaceUtil
gundumw100
android
快速迭代用
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOExceptio
- jQuery入门之怎么使用
ini
JavaScripthtmljqueryWebcss
jQuery的强大我何问起(个人主页:hovertree.com)就不用多说了,那么怎么使用jQuery呢?
首先,下载jquery。下载地址:http://hovertree.com/hvtart/bjae/b8627323101a4994.htm,一个是压缩版本,一个是未压缩版本,如果在开发测试阶段,可以使用未压缩版本,实际应用一般使用压缩版本(min)。然后就在页面上引用。
- 带filter的hbase查询优化
kane_xie
查询优化hbaseRandomRowFilter
问题描述
hbase scan数据缓慢,server端出现LeaseException。hbase写入缓慢。
问题原因
直接原因是: hbase client端每次和regionserver交互的时候,都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
- java设计模式-单例模式
men4661273
java单例枚举反射IOC
单例模式1,饿汉模式
//饿汉式单例类.在类初始化时,已经自行实例化
public class Singleton1 {
//私有的默认构造函数
private Singleton1() {}
//已经自行实例化
private static final Singleton1 singl
- mongodb 查询某一天所有信息的3种方法,根据日期查询
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
// mongodb的查询真让人难以琢磨,就查询单天信息,都需要花费一番功夫才行。
// 第一种方式:
coll.aggregate([
{$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}},
{$match:{sendDate: '2015-
- 二维数组转换成JSON
tangqi609567707
java二维数组json
原文出处:http://blog.csdn.net/springsen/article/details/7833596
public class Demo {
public static void main(String[] args) { String[][] blogL
- erlang supervisor
wudixiaotie
erlang
定义supervisor时,如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid),如果shutdown策略选择的是brutal_kill,那么supervisor会调用exit(ChildPid, kill),这样的话如果Child的behavior是gen_