- 大型语言模型RAG(检索增强生成):检索技术的应用与挑战
in_tsz
语言模型人工智能自然语言处理
摘要检索增强生成(RAG)系统通过结合传统的语言模型生成能力和结构化数据检索,为复杂的问题提供精确的答案。本文深入探讨了RAG系统中检索技术的工作原理、实现方式以及面临的挑战,并对未来的发展方向提出了展望。随着大型预训练语言模型(LLMs)如GPT-3和BERT的出现,自然语言处理(NLP)领域取得了显著进展。然而,这些模型在处理知识密集型任务时仍存在局限性,特别是在需要最新或特定领域知识的情况下
- 借助ChatGPT提高编程效率指南
AI臻蚌
chatgptchatgpt人工智能
PS:ChatGPT无限次数,无需魔法,登录即可使用,网页打开下面一、借助ChatGPT提高编程效率指南随着计算机技术的飞速发展,编程已经成为了现代社会中一个非常重要的技能。对于许多人来说,编程不仅是一项工作技能,而且是一种生活方式。然而,即使是最有经验的程序员,也会在编写代码时遇到困难和挑战。幸运的是,我们可以利用现代技术来提高编程效率,并使我们的工作更加轻松。ChatGPT是一种基于GPT-3
- 微软宣布 Power Fx 开源!
老率的IT私房菜
PowerFx是一种基于类似表格公式的低代码通用编程语言,它是一种强类型、声明性和函数式语言,可根据需要提供命令式逻辑和状态管理,Excel用户使用PowerFx将会特别熟悉。今年5月,微软通过与OpenAI的GPT-3模型的集成进一步提升了语言能力,PowerFx可以使用自然语言代替复杂的公式进行计算。此前,微软只开放了PowerFx的文档,并计划在今年年底前对实际源代码进行开源。今日,微软将P
- Bert基础(一)--transformer概览
Andy_shenzl
DeepLearing&pytorchNLPberttransformer人工智能
1、简介当下最先进的深度学习架构之一,Transformer被广泛应用于自然语言处理领域。它不单替代了以前流行的循环神经网络(recurrentneuralnetwork,RNN)和长短期记忆(longshort-termmemory,LSTM)网络,并且以它为基础衍生出了诸如BERT、GPT-3、T5等知名架构。本文将带领你深入了解Transformer的实现细节及工作原理。本章首先介绍Tran
- Prompt Engineering 提示工程教程详情
沐知全栈开发
prompt人工智能
PromptEngineering(提示工程)是一种在自然语言处理(NLP)领域越来越受欢迎的技术。它涉及到创建和优化提示(prompts),以便从大型语言模型(如GPT-3)中获得高质量和目标导向的输出。在本教程中,我们将详细介绍提示工程的基本概念、实践方法和一些高级技巧。一、提示工程基础什么是提示工程?提示工程是一种艺术和科学,它涉及到设计智能提示,以激发大型语言模型的潜力,生成符合特定需求和
- Prompt Engineering 高级提示工程技巧
沐知全栈开发
prompt人工智能机器学习
PromptEngineering(提示工程)是一种在自然语言处理(NLP)领域越来越受欢迎的技术。它涉及到创建和优化提示(prompts),以便从大型语言模型(如GPT-3)中获得高质量和目标导向的输出。在本教程中,我们将详细介绍一些高级提示工程技巧,帮助您更有效地利用大型语言模型。一、参数调整许多大型语言模型允许用户调整生成输出的参数,如温度、顶部概率和最大长度。这些参数可以影响输出的创造性和
- 【翻译】GPT-3架构,简述于“餐巾纸”上
liyane
AI人工智能gpt-3
这是一篇技术派文章,尤其是其中的绘制于“餐巾纸”上的手绘图,从数学角度对于大语言模型的架构给你一些新的启发。原文链接:https://dugas.ch/artificial_curiosity/GPT_architecture.html作者:DanielDugas翻译/编辑:liyane使用LLMChatAPI翻译;为了方便对照,把英文原文也对应在每段中文翻译之下。现在马上跟随作者开始一次开心的旅
- 【AIGC】大语言模型
AIGCExplore
AIGCAIGC语言模型人工智能
大型语言模型,也叫大语言模型、大模型(LargeLanguageModel,LLM;LargeLanguageModels,LLMs)什么是大型语言模型大型语言模型(LLM)是指具有数千亿(甚至更多)参数的语言模型,它们是通过在大规模文本数据上进行训练而得到的。这些模型基于Transformer架构,其中包含多头注意力层,堆叠在一个非常深的神经网络中。常见的LLM包括GPT-3、PaLM、Gala
- NLP_GPT到ChatGPT
you_are_my_sunshine*
NLP大模型自然语言处理gptchatgpt
文章目录介绍小结介绍从初代GPT到GPT-3,主要经历了下面几个关键时刻。GPT:2018年,OpenAl发布了这款基于Transformer架构的预训练语言模型,其参数数量为1.17亿(117M)。GPT运用单向自回归方法生成文本,先预训练大量无标签文本,再在特定任务上进行微调。GPT在多种NLP任务上取得了显著进步。GPT-2:2019年,OpenAI推出了GPT的升级版,拥有更多参数[15亿
- 如何使用Hugging Face:对Transformer和pipelines的介绍
第欧根尼的酒桶
transformer深度学习人工智能
一、transformer介绍众所周知,transformer模型(如GPT-3、LLaMa和ChatGPT)已经彻底改变了人工智能领域。它们不仅被用于自然语言处理,还被应用于计算机视觉、语音处理和其他任务中。HuggingFace是一个以变换器为核心的Python深度学习库。因此,在我们深入了解其工作原理之前,我们将探讨什么是transformer,以及为什么它们能够支持如此强大的模型。1.递归
- 大模型基础知识
lichunericli
LLM人工智能语言模型
主流的开源模型体系GPT(GenerativePre-trainedTransformer)系列:由OpenAI发布的一系列基于Transformer架构的语言模型,包括GPT、GPT-2、GPT-3等。GPT模型通过在大规模无标签文本上进行预训练,然后在特定任务上进行微调,具有很强的生成能力和语言理解能力。BERT(BidirectionalEncoderRepresentationsfromT
- GPT3是否是强人工智能?
枯木嫩芽
今天和大家分享一下AI方向自然语言处理(NLP)领域内一个新的语言模型:GPT-3。GPT-3是继bert之后一次轰动NLP领域的语言模型,GPT-3是著名人工智能科研公司OpenAI开发的文本生成(textgeneration)人工智能,相关论文5月份已经发表,当时就以天文数字级别的1,750亿参数量引发轰动。训练该模型的数据达到了45TB,训练该语言模型的成本高达1200万美元的高价(喵喵前面
- ChatGPT的背后原理:大模型、注意力机制、强化学习
Python学研大本营
chatgpt
介绍ChatGPT机器人背后的原理,带你了解ChatGPT如何工作。微信搜索关注《Python学研大本营》,加入读者群,分享更多精彩本文主要介绍为ChatGPT提供动力的机器学习模型,将从大型语言模型的介绍开始,深入探讨使GPT-3得到训练的革命性的自注意机制,然后深入到从人类反馈强化学习,这是使ChatGPT出类拔萃的新技术。大型语言模型ChatGPT是一类机器学习自然语言处理进行推断的模型,称
- LLM的参数微调、训练、推理;LLM应用框架;LLM分布式训练
lichunericli
LLM人工智能语言模型自然语言处理
大模型基础主流的开源大模型有哪些?GPT-3:由OpenAI开发,GPT-3是一个巨大的自回归语言模型,拥有1750亿个参数。它可以生成文本、回答问题、翻译文本等。GPT-Neo:由EleutherAI开发,GPT-Neo是一个开源的、基于GPT架构的语言模型,拥有数十亿到百亿级的参数。GPT-J:也是由EleutherAI开发的,GPT-J是一个拥有60亿参数的开源语言模型。PaLM(Pathw
- 用35行代码开发一个自己的AI对话机器人
也鱼实验室
之前也写了好几篇关于ChatGPT的文章了,领略到了与深入优化的GPT-3(GenerativePre-trainedTransformer)对话过程中的各种惊喜。但是因为ChatGPT的爆发性流量和访问限制问题,平时使用的时候多多少少会不太方便。其实OpenAI本身就提供了大量的API接口,可以让用户免费使用开发出自己的WebAPP,包括我们今天要说的对话机器人,关于API的一些应用,我在之前一
- 如何利用ChatGPT填写表格数据
摆烂大大王
chatgptchatgpt
随着人工智能技术的迅速发展,ChatGPT等智能对话系统已经成为了我们生活中的得力助手。其中,利用ChatGPT填写表格数据是一项十分实用的功能,它可以帮助我们节省时间,提高工作效率。下面,我们将介绍如何利用ChatGPT来填写表格数据。了解ChatGPT的能力在开始之前,我们需要明白ChatGPT的能力。ChatGPT是一个基于GPT-3或GPT-4的对话式人工智能模型,它能够理解和生成自然语言
- GPT-3 训练自己的数据教程详解
mqdlff_python
gpt-3python人工智能GPT-3
安装依赖库:确保你安装了必要的Python库,包括transformers、torch等。pipinstalltorchpipinstalltransformers下载预训练模型:从HuggingFace的模型库中下载GPT-2的预训练权重。fromtransformersimportGPT2Tokenizer,GPT2LMHeadModelmodel_name="gpt2"#或"gpt2-med
- chagpt的原理详解
mqdlff_python
chagpt的原理详解
GPT(GenerativePre-trainedTransformer)是一种基于Transformer架构的生成式预训练模型。GPT-3是其中的第三代,由OpenAI开发。下面是GPT的基本原理:Transformer架构:GPT基于Transformer架构,该架构由Attention机制构成。Attention机制允许模型在处理输入序列时关注不同位置的信息,而不仅仅是局限于当前位置。这使得
- 【前沿技术杂谈:深度学习新纪元】探索人工智能领域的革命性进展
jcfszxc
深度学习知识专栏人工智能深度学习
【前沿技术杂谈:深度学习新纪元】探索人工智能领域的革命性进展深度学习的进展深度学习的基本原理和算法深度学习的历史发展神经网络的基本构成神经元层次结构激活函数关键技术和算法反向传播算法卷积神经网络(CNN)循环神经网络(RNN)长短期记忆网络(LSTM)实际应用案例图像识别语音到文本转换自然语言处理深度学习的应用实例自然语言处理(NLP):GPT-3应用实例:应用实例:语音识别应用实例:机器翻译应用
- 2020版初代GPT-3与大规模预训练
唐伯虎点·蚊香
OpenAIgpt-3
ChatGPTRoadMap(fromyao.fu)英文原文:https://franxyao.github.io/blog.html最近,OpenAI的预训练模型ChatGPT给人工智能领域的研究人员留下了深刻的印象和启发。毫无疑问,它又强又聪明,且跟它说话很好玩,还会写代码。它在多个方面的能力远远超过了自然语言处理研究者们的预期。于是,我们自然就有一个问题:ChatGPT是怎么变得这么强的?它
- 什么是大模型
码农阿豪
好“物”分享大模型
目录让你了解什么是大模型什么是大模型?大模型的应用场景常见的大模型技术实例分析:深度学习语言模型GPT-3让你了解什么是大模型大模型(BigModel)是指在机器学习和人工智能领域中处理大规模数据和复杂模型的一种方法或技术。随着数据量的不断增加和模型的复杂度提高,传统的机器学习方法已经无法有效处理,因此大模型成为了解决这一挑战的重要工具之一。本文将介绍大模型的基本概念、应用场景以及一些常见的大模型
- text-davinci 和ChatGPT3.5 区别
su317
python
`text-davinci`和`ChatGPT3.5`是两个不同的GPT-3.5Turbo模型。它们之间的区别在于其使用的数据集和训练方式。-`text-davinci`是OpenAI的一个模型,该模型是使用GPT-3训练的。它在多个语言任务上表现出色,可以生成高质量的文本输出。`text-davinci`适用于生成文本、回答问题、翻译和类似的自然语言处理任务。-`ChatGPT3.5`是在GPT
- 论文阅读-Automated Repair of Programs from Large Language Models
Che_Che_
语言模型人工智能自然语言处理自动生成的代码的修复
文章主旨:研究了Codex自动生成的程序中的错误,并探讨了现有的程序修复(APR)工具以及新发布的Codex-e是否能够修复自动生成的有缺陷的程序。现在基于大语言模型,输入自然语言,生成代码的应用非常普遍。但是生成的代码正确率很低,文章以GPT-3模型的后代-Codex模型,为例,试图利用自动化程序修复(APR)技术来修复Codex产生的代码错误。自动化修复技术接受一个有缺陷的程序和一个正确性规范
- 大模型 AI Agent 详细介绍
人生万事须自为,跬步江山即寥廓。
机器学习人工智能人工智能机器学习chatgptgpt-3
"大模型AIagent"通常指的是基于大型预训练模型的人工智能助手或智能代理。这些AI代理利用了大规模的语言模型(如GPT-3、BERT、T5等)或其他类型的模型(如图像识别模型、多模态模型等)来模拟人类行为和决策过程。这些模型在训练阶段使用了大量的数据和计算资源,使其能够理解和生成自然语言、识别图像、处理多模态输入等。大模型AIAgent的特点:1.**大规模训练**:大模型AI代理通常基于大型
- 多模态对比语言图像预训练CLIP:打破语言与视觉的界限,具备零样本能力
代码讲故事
机器人智慧之心人工智能计算机视觉深度学习CLIP多模态NLP对比训练
多模态对比语言图像预训练CLIP:打破语言与视觉的界限,具备零样本能力。一种基于多模态(图像、文本)对比训练的神经网络。它可以在给定图像的情况下,使用自然语言来预测最相关的文本片段,而无需为特定任务进行优化。CLIP的设计类似于GPT-2和GPT-3,具备出色的零射击能力,可以应用于多种多模态任务。多模态对比语言图像预训练(ContrastiveLanguage-ImagePre-training
- GPT-1, GPT-2, GPT-3, GPT-3.5, GPT-4论文内容解读
BGoodHabit
ChatGPTchatgptgpt大模型LLM
目录1ChatGPT概述1.1whatischatGPT1.2HowdoesChatGPTwork1.3TheapplicationsofChatGPT1.3ThelimitationsofChatGPT2算法原理2.1GPT-12.1.1Unsupervisedpre-training2.1.2Supervisedfine-tuning2.1.3语料2.1.4分析2.2GPT-22.3GPT-3
- Plus GPT API最有前途的应用领域
橘子海_G
人工智能chatgpt自然语言处理语音识别oneapi
GPT-3API是由OpenAI开发的一种自然语言处理技术,它是当前最先进的语言模型之一。然而,PlusGPTAPI与GPT-3API不同,我们的PlusGPTAPI通过对GPT-3API进行二次开发,除了实现GPT-3的所有功能之外,我们还开发了语音交互的API、知识库"喂养"的API、AI绘图API……PlusGPTAPI基于深度学习算法,通过大规模的语言模型训练,可以生成高质量、逼真的文本内
- 机器学习漫谈:还有很长的路要走
人工智能学家
人工智能大数据编程语言机器学习深度学习
来源:王宏琳科学网博客链接地址:http://blog.sciencenet.cn/blog-3005681-1285948.html人工智能已经成为大数据、机器人和物联网等新兴技术的主要驱动力,在可预见的未来,它将继续驱动技术创新,影响着几乎每个行业和每个人的未来。但是,人工智能的最终目标是使机器具有与人类相似的通用智能。这是科学界提出的最雄心勃勃的目标之一,还有很长的路要走。GPT-3和Alp
- 除了缺点创意,GPT-3写出了及格大学毕业论文,只需20分钟
喜欢打酱油的老鸟
人工智能
GPT-3写的论文及格了吗?教育资源网站EduRef对此进行了一项测试,效果还行,及格水平。2020年5月,OpenAI推出了具有1750亿参数的史上最大AI模型GPT-3,该模型不仅可以更好地答题、翻译、写文章,还带有一些数学计算的能力。自推出以来,该模型就开始在不同的领域大显身手,如基于问题的搜索引擎、与历史人物对话、基于文本描述生成代码以及绘图和图像补全等等。但GPT-3的应用之路远未结束…
- 为什么OpenAI会如此成功?
科学禅道
人工智能的未来人工智能
OpenAI之所以能够成功,可以归因于以下几个关键因素:创新研究与技术突破:OpenAI自成立以来就专注于人工智能领域的前沿研究,尤其是在自然语言处理(NLP)和深度学习领域。其研发的GPT系列模型,包括GPT-3、ChatGPT等,在自然语言生成方面取得了重大突破,显著提高了机器理解及生成文本的能力。强大的资金支持:微软对OpenAI进行了大规模投资,提供了充足的资金保障,使得OpenAI在硬件
- 多线程编程之卫生间
周凡杨
java并发卫生间线程厕所
如大家所知,火车上车厢的卫生间很小,每次只能容纳一个人,一个车厢只有一个卫生间,这个卫生间会被多个人同时使用,在实际使用时,当一个人进入卫生间时则会把卫生间锁上,等出来时打开门,下一个人进去把门锁上,如果有一个人在卫生间内部则别人的人发现门是锁的则只能在外面等待。问题分析:首先问题中有两个实体,一个是人,一个是厕所,所以设计程序时就可以设计两个类。人是多数的,厕所只有一个(暂且模拟的是一个车厢)。
- How to Install GUI to Centos Minimal
sunjing
linuxInstallDesktopGUI
http://www.namhuy.net/475/how-to-install-gui-to-centos-minimal.html
I have centos 6.3 minimal running as web server. I’m looking to install gui to my server to vnc to my server. You can insta
- Shell 函数
daizj
shell函数
Shell 函数
linux shell 可以用户定义函数,然后在shell脚本中可以随便调用。
shell中函数的定义格式如下:
[function] funname [()]{
action;
[return int;]
}
说明:
1、可以带function fun() 定义,也可以直接fun() 定义,不带任何参数。
2、参数返回
- Linux服务器新手操作之一
周凡杨
Linux 简单 操作
1.whoami
当一个用户登录Linux系统之后,也许他想知道自己是发哪个用户登录的。
此时可以使用whoami命令。
[ecuser@HA5-DZ05 ~]$ whoami
e
- 浅谈Socket通信(一)
朱辉辉33
socket
在java中ServerSocket用于服务器端,用来监听端口。通过服务器监听,客户端发送请求,双方建立链接后才能通信。当服务器和客户端建立链接后,两边都会产生一个Socket实例,我们可以通过操作Socket来建立通信。
首先我建立一个ServerSocket对象。当然要导入java.net.ServerSocket包
ServerSock
- 关于框架的简单认识
西蜀石兰
框架
入职两个月多,依然是一个不会写代码的小白,每天的工作就是看代码,写wiki。
前端接触CSS、HTML、JS等语言,一直在用的CS模型,自然免不了数据库的链接及使用,真心涉及框架,项目中用到的BootStrap算一个吧,哦,JQuery只能算半个框架吧,我更觉得它是另外一种语言。
后台一直是纯Java代码,涉及的框架是Quzrtz和log4j。
都说学前端的要知道三大框架,目前node.
- You have an error in your SQL syntax; check the manual that corresponds to your
林鹤霄
You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'option,changed_ids ) values('0ac91f167f754c8cbac00e9e3dc372
- MySQL5.6的my.ini配置
aigo
mysql
注意:以下配置的服务器硬件是:8核16G内存
[client]
port=3306
[mysql]
default-character-set=utf8
[mysqld]
port=3306
basedir=D:/mysql-5.6.21-win
- mysql 全文模糊查找 便捷解决方案
alxw4616
mysql
mysql 全文模糊查找 便捷解决方案
2013/6/14 by 半仙
[email protected]
目的: 项目需求实现模糊查找.
原则: 查询不能超过 1秒.
问题: 目标表中有超过1千万条记录. 使用like '%str%' 进行模糊查询无法达到性能需求.
解决方案: 使用mysql全文索引.
1.全文索引 : MySQL支持全文索引和搜索功能。MySQL中的全文索
- 自定义数据结构 链表(单项 ,双向,环形)
百合不是茶
单项链表双向链表
链表与动态数组的实现方式差不多, 数组适合快速删除某个元素 链表则可以快速的保存数组并且可以是不连续的
单项链表;数据从第一个指向最后一个
实现代码:
//定义动态链表
clas
- threadLocal实例
bijian1013
javathreadjava多线程threadLocal
实例1:
package com.bijian.thread;
public class MyThread extends Thread {
private static ThreadLocal tl = new ThreadLocal() {
protected synchronized Object initialValue() {
return new Inte
- activemq安全设置—设置admin的用户名和密码
bijian1013
javaactivemq
ActiveMQ使用的是jetty服务器, 打开conf/jetty.xml文件,找到
<bean id="adminSecurityConstraint" class="org.eclipse.jetty.util.security.Constraint">
<p
- 【Java范型一】Java范型详解之范型集合和自定义范型类
bit1129
java
本文详细介绍Java的范型,写一篇关于范型的博客原因有两个,前几天要写个范型方法(返回值根据传入的类型而定),竟然想了半天,最后还是从网上找了个范型方法的写法;再者,前一段时间在看Gson, Gson这个JSON包的精华就在于对范型的优雅简单的处理,看它的源代码就比较迷糊,只其然不知其所以然。所以,还是花点时间系统的整理总结下范型吧。
范型内容
范型集合类
范型类
- 【HBase十二】HFile存储的是一个列族的数据
bit1129
hbase
在HBase中,每个HFile存储的是一个表中一个列族的数据,也就是说,当一个表中有多个列簇时,针对每个列簇插入数据,最后产生的数据是多个HFile,每个对应一个列族,通过如下操作验证
1. 建立一个有两个列族的表
create 'members','colfam1','colfam2'
2. 在members表中的colfam1中插入50*5
- Nginx 官方一个配置实例
ronin47
nginx 配置实例
user www www;
worker_processes 5;
error_log logs/error.log;
pid logs/nginx.pid;
worker_rlimit_nofile 8192;
events {
worker_connections 4096;}
http {
include conf/mim
- java-15.输入一颗二元查找树,将该树转换为它的镜像, 即在转换后的二元查找树中,左子树的结点都大于右子树的结点。 用递归和循环
bylijinnan
java
//use recursion
public static void mirrorHelp1(Node node){
if(node==null)return;
swapChild(node);
mirrorHelp1(node.getLeft());
mirrorHelp1(node.getRight());
}
//use no recursion bu
- 返回null还是empty
bylijinnan
javaapachespring编程
第一个问题,函数是应当返回null还是长度为0的数组(或集合)?
第二个问题,函数输入参数不当时,是异常还是返回null?
先看第一个问题
有两个约定我觉得应当遵守:
1.返回零长度的数组或集合而不是null(详见《Effective Java》)
理由就是,如果返回empty,就可以少了很多not-null判断:
List<Person> list
- [科技与项目]工作流厂商的战略机遇期
comsci
工作流
在新的战略平衡形成之前,这里有一个短暂的战略机遇期,只有大概最短6年,最长14年的时间,这段时间就好像我们森林里面的小动物,在秋天中,必须抓紧一切时间存储坚果一样,否则无法熬过漫长的冬季。。。。
在微软,甲骨文,谷歌,IBM,SONY
- 过度设计-举例
cuityang
过度设计
过度设计,需要更多设计时间和测试成本,如无必要,还是尽量简洁一些好。
未来的事情,比如 访问量,比如数据库的容量,比如是否需要改成分布式 都是无法预料的
再举一个例子,对闰年的判断逻辑:
1、 if($Year%4==0) return True; else return Fasle;
2、if ( ($Year%4==0 &am
- java进阶,《Java性能优化权威指南》试读
darkblue086
java性能优化
记得当年随意读了微软出版社的.NET 2.0应用程序调试,才发现调试器如此强大,应用程序开发调试其实真的简单了很多,不仅仅是因为里面介绍了很多调试器工具的使用,更是因为里面寻找问题并重现问题的思想让我震撼,时隔多年,Java已经如日中天,成为许多大型企业应用的首选,而今天,这本《Java性能优化权威指南》让我再次找到了这种感觉,从不经意的开发过程让我刮目相看,原来性能调优不是简单地看看热点在哪里,
- 网络学习笔记初识OSI七层模型与TCP协议
dcj3sjt126com
学习笔记
协议:在计算机网络中通信各方面所达成的、共同遵守和执行的一系列约定 计算机网络的体系结构:计算机网络的层次结构和各层协议的集合。 两类服务: 面向连接的服务通信双方在通信之前先建立某种状态,并在通信过程中维持这种状态的变化,同时为服务对象预先分配一定的资源。这种服务叫做面向连接的服务。 面向无连接的服务通信双方在通信前后不建立和维持状态,不为服务对象
- mac中用命令行运行mysql
dcj3sjt126com
mysqllinuxmac
参考这篇博客:http://www.cnblogs.com/macro-cheng/archive/2011/10/25/mysql-001.html 感觉workbench不好用(有点先入为主了)。
1,安装mysql
在mysql的官方网站下载 mysql 5.5.23 http://www.mysql.com/downloads/mysql/,根据我的机器的配置情况选择了64
- MongDB查询(1)——基本查询[五]
eksliang
mongodbmongodb 查询mongodb find
MongDB查询
转载请出自出处:http://eksliang.iteye.com/blog/2174452 一、find简介
MongoDB中使用find来进行查询。
API:如下
function ( query , fields , limit , skip, batchSize, options ){.....}
参数含义:
query:查询参数
fie
- base64,加密解密 经融加密,对接
y806839048
经融加密对接
String data0 = new String(Base64.encode(bo.getPaymentResult().getBytes(("GBK"))));
String data1 = new String(Base64.decode(data0.toCharArray()),"GBK");
// 注意编码格式,注意用于加密,解密的要是同
- JavaWeb之JSP概述
ihuning
javaweb
什么是JSP?为什么使用JSP?
JSP表示Java Server Page,即嵌有Java代码的HTML页面。使用JSP是因为在HTML中嵌入Java代码比在Java代码中拼接字符串更容易、更方便和更高效。
JSP起源
在很多动态网页中,绝大部分内容都是固定不变的,只有局部内容需要动态产生和改变。
如果使用Servl
- apple watch 指南
啸笑天
apple
1. 文档
WatchKit Programming Guide(中译在线版 By @CocoaChina) 译文 译者 原文 概览 - 开始为 Apple Watch 进行开发 @星夜暮晨 Overview - Developing for Apple Watch 概览 - 配置 Xcode 项目 - Overview - Configuring Yo
- java经典的基础题目
macroli
java编程
1.列举出 10个JAVA语言的优势 a:免费,开源,跨平台(平台独立性),简单易用,功能完善,面向对象,健壮性,多线程,结构中立,企业应用的成熟平台, 无线应用 2.列举出JAVA中10个面向对象编程的术语 a:包,类,接口,对象,属性,方法,构造器,继承,封装,多态,抽象,范型 3.列举出JAVA中6个比较常用的包 Java.lang;java.util;java.io;java.sql;ja
- 你所不知道神奇的js replace正则表达式
qiaolevip
每天进步一点点学习永无止境纵观千象regex
var v = 'C9CFBAA3CAD0';
console.log(v);
var arr = v.split('');
for (var i = 0; i < arr.length; i ++) {
if (i % 2 == 0) arr[i] = '%' + arr[i];
}
console.log(arr.join(''));
console.log(v.r
- [一起学Hive]之十五-分析Hive表和分区的统计信息(Statistics)
superlxw1234
hivehive分析表hive统计信息hive Statistics
关键字:Hive统计信息、分析Hive表、Hive Statistics
类似于Oracle的分析表,Hive中也提供了分析表和分区的功能,通过自动和手动分析Hive表,将Hive表的一些统计信息存储到元数据中。
表和分区的统计信息主要包括:行数、文件数、原始数据大小、所占存储大小、最后一次操作时间等;
14.1 新表的统计信息
对于一个新创建
- Spring Boot 1.2.5 发布
wiselyman
spring boot
Spring Boot 1.2.5已在7月2日发布,现在可以从spring的maven库和maven中心库下载。
这个版本是一个维护的发布版,主要是一些修复以及将Spring的依赖提升至4.1.7(包含重要的安全修复)。
官方建议所有的Spring Boot用户升级这个版本。
项目首页 | 源