我是小杨我就这样
我是小杨我就这样

CNN（高维数据卷积理解）

  • 高维数据卷积
    CNN（高维数据卷积理解）_第1张图片
    CNN（高维数据卷积理解）_第2张图片
  • 结合方块思想理解CNN卷积
    （Height, Width, Channel）
    CNN（高维数据卷积理解）_第3张图片
  • 基于多个滤波器

CNN（高维数据卷积理解）_第4张图片

  • 加上偏置

CNN（高维数据卷积理解）_第5张图片

  • 批处理

CNN（高维数据卷积理解）_第6张图片

  • 池化（Max）

CNN（高维数据卷积理解）_第7张图片
CNN（高维数据卷积理解）_第8张图片

你可能感兴趣的:(深度学习入门)

  • 人工智能学习资源 Hemy08 人工智能学习
    无机器学习基础：https://www.coursera.org/learn/machine-learning有机器学习基础：MachineYearning深度学习入门：https://www.coursera.org/learn/neural-networks-deep-learning
  • Pytorch深度学习入门基础（二）：python 编辑器的选择、 安装及配置（ pycharm、 jupyter） 慕奕宸 深度学习深度学习pythonpytorch
    目录一、下载pycharm1.下载pycharm2.pycharm配置3.检查pycharm环境是否配置好二、Jupyter安装三、常见问题：1.为什么torch.cuda.isavailable()为False2.无法定位程序输入点现在来开一个专栏，关于学习Pytorch深度学习的入门基础，分为好几期，我会慢慢更新，希望大家可以互相支持一下，相互学习，相互进步！下面是这个专栏的所有内容，大家可以
  • pytorch深度学习入门（12）之-神经网络导出onnx模型部署与应用 码农呆呆 深度学习深度学习pytorch神经网络
    概述：ONNX（OpenNeuralNetworkExchange）是一种开放神经网络交换格式，它使得不同深度学习框架（如TensorFlow、PyTorch、MXNet等）之间的互操作成为可能。ONNX提供了一种标准化的方式，可以将训练好的模型导出并转换为ONNX格式，然后可以在其他支持ONNX的框架或工具中进行部署和推理。ONNX的主要优势在于它促进了深度学习模型在不同平台之间的互操作性和可移
  • AI人工智能深度学习入门指南：从基础到实践_副本 AI大模型应用实战 C人工智能深度学习ai
    AI人工智能深度学习入门指南：从基础到实践关键词：人工智能、机器学习、深度学习、神经网络、梯度下降、反向传播、实战案例摘要：本文是为零基础或初级学习者打造的深度学习入门指南。我们将从“人工智能-机器学习-深度学习”的关系讲起，用“教机器人认猫”的故事串联核心概念，结合生活比喻（如“多层蛋糕”解释神经网络）、数学公式（如梯度下降的“下山游戏”）和Python实战代码（用Keras实现手写数字识别），
  • 深度学习入门指南：从基础概念到代码实践 软考和人工智能学堂 人工智能#深度学习Python开发经验深度学习人工智能
    深度学习入门指南：从基础概念到代码实践1.深度学习概述深度学习是机器学习的一个分支，它通过模拟人脑神经元的工作方式，构建多层次的神经网络模型来处理复杂的数据模式。与传统机器学习方法相比，深度学习能够自动从原始数据中学习特征表示，无需过多的人工特征工程。深度学习已经在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展。例如，ImageNet竞赛中深度学习模型的识别准确率已经超过人类水平，而GP
  • 深度学习入门（2）：alexnet qq_776882262 深度学习人工智能
    引言主要讲下alexnet里的几个方法，后面深度学习的代码部分应该都是借用别人的，整体安排是从简单到难。本篇借鉴Pytorch之AlexNet花朵分类_基于alexnet的花卉分类识别系统-CSDN博客，如果需要学习直接参考这篇就好了，本文只是作为本人复习记录。正文AlexNet是深度学习时代的开端，它用一场决定性的胜利，证明了深度卷积神经网络在计算机视觉中的巨大潜力。单层alexnet网络架构：
  • 深度学习入门（3）：vgg16 qq_776882262 深度学习人工智能
    引言相比于alexnet，vgg16进一步优化了这个黑盒模型，用实验的方式证明了哪些模块有效，哪些模块对检测效果提升有限。奠基了卷积神经网络一些基础的模块。本文参考pytorch实战7：手把手教你基于pytorch实现VGG16_vgg16pytorch-CSDN博客，此处只做记录供本人复习记录。正文VGG16创新点：1.使用小卷积核堆叠代替大卷积核VGG16采用多个连续的3×3小卷积核堆叠，而不
  • 深度学习入门：Python搭建简单神经网络模型 缑宇澄 python
    在人工智能浪潮中，深度学习凭借强大的特征提取与模式识别能力成为核心技术，而神经网络则是深度学习的基石。从图像识别到自然语言处理，神经网络以独特的结构和学习机制，让计算机能够模拟人类大脑处理复杂信息的过程。本文将带领你从基础理论出发，使用Python和Keras库搭建一个简单的神经网络模型，开启深度学习的探索之旅。一、神经网络基础理论1.1神经元与网络结构神经网络的基本单元是人工神经元（又称节点或单
  • 【大模型入门指南 10】大模型推理部署：vLLM和llama.cpp 青松ᵃⁱ LLM入门系列llama
    【大模型入门指南】系列文章：【大模型入门指南01】深度学习入门【大模型入门指南02】LLM大模型基础知识【大模型入门指南03】提示词工程【大模型入门指南04】Transformer结构【大模型入门指南05】LLM技术选型【大模型入门指南06】LLM数据预处理【大模型入门指南07】量化技术解析【大模型入门指南08】微调和分布式训练【大模型入门指南09】LLM和多模态模型高效推理实践【大模型入门指南1
  • 深度学习入门：从零搭建你的第一个神经网络 layneyao ai深度学习神经网络人工智能
    深度学习入门：从零搭建你的第一个神经网络系统化学习人工智能网站（收藏）：https://www.captainbed.cn/flu文章目录深度学习入门：从零搭建你的第一个神经网络摘要引言第一章：神经网络基础原理1.1神经元模型1.2反向传播算法1.3激活函数对比第二章：开发环境搭建指南2.1硬件要求2.2软件环境2.2.1Anaconda配置2.2.2PyTorch安装2.2.3TensorFlo
  • 深度学习入门:如何从零开始搭建自己的深度学习模型? AI天才研究院 Python实战自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术1.简介深度学习（DeepLearning）近几年已经成为人们关注的热点话题。从2012年的ImageNet竞赛开始，激起了众多研究者的兴趣，也带来了越来越多的应用场景。随着技术的飞速发展，深度学习已经成为了各个领域最具潜力的技术。作为一名AI科研工作者，了解、掌握深度学习相关知识可以帮助你更好地理解并解决实际问题。本文将全面介绍深度学习的基础知识、技术要点及其应用。文
  • 第6篇：深度学习入门——神经网络基础 CarlowZJ AI+Python深度学习神经网络人工智能
    目录一、前言二、概念讲解（一）深度学习：人工智能皇冠上的明珠（二）神经网络：深度学习的微观世界三、神经网络的基本组件：构建智能的积木（一）神经元：智能的基本单元（二）权重与偏置：连接的智慧（三）激活函数：非线性的魔法（四）损失函数：衡量差距的标尺（五）优化器：攀登优化高峰的向导四、前向传播与反向传播：神经网络的智慧流转（一）前向传播：信息的逐层传递（二）反向传播：误差的逆向追溯五、代码示例：搭建你
  • 【深度学习入门篇 ②】Pytorch完成线性回归！ 小森( ﹡ˆoˆ﹡ ) 深度学习入门篇线性回归算法回归
    嗨，大家好，我是小森(﹡ˆoˆ﹡)！易编橙·终身成长社群创始团队嘉宾，橙似锦计划领衔成员、阿里云专家博主、腾讯云内容共创官、CSDN人工智能领域优质创作者。易编橙：一个帮助编程小伙伴少走弯路的终身成长社群！上一部分我们自己通过torch的方法完成反向传播和参数更新，在Pytorch中预设了一些更加灵活简单的对象，让我们来构造模型、定义损失，优化损失等；那么接下来，我们一起来了解一下其中常用的API
  • day33 python深度学习入门 xiaohanbao09 pynotepython深度学习机器学习pandas人工智能学习
    目录深度学习入门：PyTorch实现鸢尾花分类一、环境搭建1.创建Python环境2.安装必要的库3.检查CUDA环境二、数据准备1.加载数据集2.数据预处理3.转换为PyTorch张量三、模型构建1.定义模型结构2.定义损失函数和优化器四、模型训练1.训练过程2.训练结果五、结果可视化六、总结在深度学习的旅程中，神经网络是不可或缺的核心工具之一。今天，我将通过一个简单的项目，使用PyTorch框
  • 遥感深度学习——基于deeplabv3+和GID数据集（1） 全域智图 深度学习人工智能
    博主最近准备进行深度学习入门，因为是做遥感方向的，经过多重考虑，算法最后选择了deeplabv3+。DeepLabV3+是由谷歌提出的一种用于图像语义分割的深度学习模型。它在DeepLabV3的基础上，加入了编码器-解码器结构，以提高分割结果的边缘细节和空间分辨率。以下是DeepLabV3+的主要特点：编码器-解码器结构：编码器部分提取图像的高层次语义特征，解码器部分逐步恢复图像的空间细节，提高分
  • 深度学习入门：从理论到实战的详细指南 人工智能教程 深度学习人工智能算法目标跟踪机器学习YOLO线性回归
    的高效学习和理解。对于初学者来说，深度学习的学习曲线可能会显得有些陡峭，但只要掌握正确的方法和步骤，就能轻松入门。本文将为你提供一份从理论到实战的详细指南，帮助你快速掌握深度学习的核心要点。一、深度学习是什么？（一）定义深度学习是机器学习的一个子领域，它通过构建多层的神经网络来学习数据中的复杂模式。与传统的机器学习算法相比，深度学习能够自动提取数据的特征，而不需要人工设计复杂的特征工程。这种自动特
  • 深度学习入门：基于 Python 的理论与实现笔记 u013244720 深度学习python笔记
    深度学习入门：基于Python的理论与实现笔记在VSCode中运行代码替换库搜索路径#sys.path.append(os.pardir)#为了导入父目录而进行的设定sys.path.append(os.getcwd())替换文件路径#withopen("sample_weight.pkl",'rb')asf:withopen(os.getcwd()+"/ch03/sample_weight.pk
  • pytorch深度学习入门（15）之-使用onnx模型量化 码农呆呆 深度学习人工智能pytorch深度学习python神经网络
    量化ONNX模型内容量化概述ONNX量化表示格式量化ONNX模型基于变压器的模型Transformer基于变压器的模型GPU上的量化常问问题量化概述ONNX运行时中的量化是指ONNX模型的8位线性量化。在量化期间，浮点值被映射到以下形式的8位量化空间：val_fp32=scale*(val_quantized-zero_point)scale是一个正实数，用于将浮点数映射到量化空间。计算方法如下：
  • 深度学习入门--基于Python的理论与实现--Python入门 语文天才高斯 python开发语言人工智能深度学习
    第一章Python入门1.1Python是什么Python是一种高级编程语言，由GuidovanRossum于1989年创建，并在1991年正式发布。Python具有以下特点：易读易写：Python语法简洁，代码可读性强，使开发者能够更专注于问题本身。跨平台：Python可以在Windows、Linux和macOS上运行，具有良好的可移植性。丰富的库：Python生态系统中包含大量的第三方库，如N
  • 【深度学习入门_NLP自然语言处理】序章 沉默的舞台剧 AI深度学习自然语言处理人工智能
    本部分开始深度学习第二大部分NLP章节学习，找了好多资料，终于明确NLP的学习目标了，介于工作之余学习综合考量，还是决定以视频学习为主+后期自主实践为主吧。分享一个总图，其实在定位的时候很迷茫，单各章节领域其实都是很大的范畴，每个部分都是需要专精的，所以在做计划的时候很头大…千里之行始于足下吧，话不多数，直接上NLP的学习应用目标：学习教程的话参照B站实战结合的这个教程【2025NLP自然语言处理
  • 具身智能零碎知识点（三）：深入解析 “1D UNet”：结构、原理与实战 墨绿色的摆渡人 具身智能零碎知识点pytorch人工智能pythontransformer具身智能
    深入解析“1DUNet”：结构、原理与实战【深度学习入门】1DUNet详解：结构、原理与实战指南一、1DUNet是什么？二、核心结构与功能1.整体架构2.编码器（Encoder）3.解码器（Decoder）4.跳跃连接（SkipConnection）5.瓶颈层（Bottleneck）三、数学原理与数值示例1.1D卷积运算2.编码-解码流程四、PyTorch代码实现1.完整模型代码2.使用示例五、实
  • 使用Python学习AI的学习攻略 liushangzaibeijing AI学习python学习人工智能
    基于python的AI学习一、夯实基础二、数学基础三、机器学习基础四、深度学习入门五、进阶学习六、学习资源推荐七、实践项目一、夯实基础对于已经掌握Python基础语法的学习者来说，进一步利用Python学习AI需要夯实以下基础：变量和数据类型：包括整数、浮点数、字符串、列表、字典、元组等。条件语句和循环：熟练使用if-else语句和for、while循环。函数：理解函数的定义、调用以及参数传递。面
  • 深度学习入门（三）：神经网络的学习 WhyNot? 深度学习深度学习神经网络学习
    文章目录前言人类思考VS机器学习VS深度学习基础术语损失函数常用的损失函数均方误差MSE（MeanSquareError）交叉熵误差（CrossEntropyError）mini-batch学习为何要设定损失函数数值微分神经网络学习算法的实现两层神经网络的类参考资料前言机器学习的过程通常分为学习（从训练数据中自动获取权重参数的过程）和推理（利用学习到的权重参数对新的数据进行预测）两个环节。本文将主
  • 深度学习入门：从神经网络基础到简单实现 Evaporator Core 人工智能#深度学习Python开发经验深度学习神经网络人工智能
    深度学习作为人工智能领域最令人兴奋的技术之一，已经在图像识别、自然语言处理、语音识别等多个领域取得了突破性进展。本文将深入浅出地介绍深度学习的基本概念，并通过Python代码实现一个简单的神经网络模型，帮助读者建立直观理解并迈出实践第一步。神经网络的基本原理神经网络的核心思想源自对人类大脑工作方式的简化模拟。想象一下，当你第一次学习骑自行车时，大脑会不断接收来自视觉、平衡感等多方面的信号，经过一系
  • PyTorch深度学习入门与实战教程 openbiox
    本文还有配套的精品资源，点击获取简介：深度学习是AI的核心技术，基于神经网络对数据建模以实现学习和预测。PyTorch是一个灵活易用的开源深度学习框架，适合初学者和研究人员进行实验开发。教程涵盖了从基础概念到模型训练、验证、测试的完整流程，包括张量操作、动态计算图、数据预处理、神经网络构建、优化器使用、训练循环、模型保存加载以及CNN和RNN等关键网络结构的应用实践。通过实例项目如文本分类、图像识
  • AI入门书籍推荐 撬动未来的支点 深度学习深度学习人工智能
    漫画机械学习入门(（日）大关真之戴凤智张鸿涛孟宇（译）)深度学习入门：基于Python的理论与实现深度学习的数学：使用Python语言[转换版]([美]罗纳德·T.纽塞尔)
  • 手写数字识别（深度学习小实践） 我是来学习的你们要干什么 深度学习人工智能pycharmpython机器学习神经网络
    小白学习ing文章目录前言一、神经网络学习与实践1.学习2.推理二、手写数字识别1、读入mnist数据集（学习）2、神经网络的推理改进→批处理前言非常简单的深度学习小实践，没有用框架，仅使用简单的Python。参考书籍《深度学习入门：基于Python的理论与实现》一、神经网络学习与实践1.学习训练数据进行权重参数的学习2.推理使用学习到的参数，对输入数据进行分类二、手写数字识别1、读入mnist数
  • 计算机视觉深度学习入门（4） yyc_audio 计算机视觉人工智能计算机视觉深度学习神经网络
    在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。“少量”样本既可能是几百张图片，也可能是上万张图片。我们来看一个实例——猫狗图片分类，数据集包含5000张猫和狗的图片（2500张猫的图片，2500张狗的图片）。我们将2000张图片用于训练，1000张用于验证，2000张用于测试。将介
  • Python第十六课：深度学习入门 | 神经网络解密 程之编 Python全栈通关秘籍python神经网络青少年编程
    本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和（∑(权重×输入)+偏置）轴突传递电信号激活函数处理输出2.核心组件解析激活函数：神经元的"开关"（如ReLU：max
  • 大模型学习路线与资源推荐 数字化转型2025 AI投资人工智能
    以下是基于多篇参考资料整理的大模型学习路线，涵盖从基础到进阶的完整学习路径，帮助您系统掌握大模型核心技术并应用于实际场景：一、基础阶段：构建核心知识体系编程与数学基础编程语言：优先学习Python，掌握其语法、数据结构及常用库（如NumPy、Pandas、PyTorch）37。数学基础：线性代数、概率论与统计学、微积分是理解模型原理的基石，需重点掌握矩阵运算、概率分布等概念39。深度学习入门神经网
  • 项目中 枚举与注解的结合使用 飞翔的马甲 javaenumannotation
    前言：版本兼容，一直是迭代开发头疼的事，最近新版本加上了支持新题型，如果新创建一份问卷包含了新题型，那旧版本客户端就不支持，如果新创建的问卷不包含新题型，那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。 一、枚举 1.在创建枚举类的时候，该类已继承java.lang.Enum类，所以自定义枚举类无法继承别的类，但可以实现接口。
  • 【Scala十七】Scala核心十一：下划线_的用法 bit1129 scala
    下划线_在Scala中广泛应用，_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方，本文将不断完善_的使用场景以及所表达的含义   1. 在高阶函数中使用 scala> val list = List(-3,8,7,9) list: List[Int] = List(-3, 8, 7, 9) scala> list.filter(_ > 7) r
  • web缓存基础：术语、http报头和缓存策略 dalan_123 Web
    对于很多人来说，去访问某一个站点，若是该站点能够提供智能化的内容缓存来提高用户体验，那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储，是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求，这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念，具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容，并谈论下
  • crontab 问题 周凡杨 linuxcrontabunix
      一： 0481-079   Reached   a   symbol   that   is   not   expected.   背景： */5   *   *   *   *  /usr/IBMIHS/rsync.sh 
  • 让tomcat支持2级域名共享session g21121 session
    tomcat默认情况下是不支持2级域名共享session的，所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况，但是只需修改几处配置就可以了。 打开tomcat下conf下context.xml文件 找到Context标签,修改为如下内容 如果你的域名是www.test.com <Context sessionCookiePath="/path&q
  • web报表工具FineReport常用函数的用法总结（数学和三角函数） 老A不折腾 Webfinereport总结
      ABS ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。 Number:需要求出绝对值的任意实数。 示例: ABS(-1.5)等于1.5。 ABS(0)等于0。 ABS(2.5)等于2.5。   ACOS ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度，返回角度以弧度形式表示。 Number:需要返回角
  • linux 启动java进程 sh文件 墙头上一根草 linuxshelljar
    #!/bin/bash #初始化服务器的进程PId变量 user_pid=0; robot_pid=0; loadlort_pid=0; gateway_pid=0; ######### #检查相关服务器是否启动成功 #说明： #使用JDK自带的JPS命令及grep命令组合，准确查找pid #jps 加 l 参数，表示显示java的完整包路径 #使用awk，分割出pid
  • 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory aijuans Spring 3 系列
    如何使用ApplicationContext替换BeanFactory？ package onlyfun.caterpillar.device; import org.springframework.beans.factory.BeanFactory; import org.springframework.beans.factory.xml.XmlBeanFactory; import
  • Linux 内存使用方法详细解析 annan211 linux内存Linux内存解析
    来源 http://blog.jobbole.com/45748/ 我是一名程序员，那么我在这里以一个程序员的角度来讲解Linux内存的使用。 一提到内存管理，我们头脑中闪出的两个概念，就是虚拟内存，与物理内存。这两个概念主要来自于linux内核的支持。 Linux在内存管理上份为两级，一级是线性区，类似于00c73000-00c88000，对应于虚拟内存，它实际上不占用
  • 数据库的单表查询常用命令及使用方法(-) 百合不是茶 oracle函数单表查询
        创建数据库;       --建表 create table bloguser(username varchar2(20),userage number(10),usersex char(2));       创建bloguser表,里面有三个字段     &nbs
  • 多线程基础知识 bijian1013 java多线程threadjava多线程
    一．进程和线程 进程就是一个在内存中独立运行的程序，有自己的地址空间。如正在运行的写字板程序就是一个进程。 “多任务”：指操作系统能同时运行多个进程（程序）。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。 线程：是进程内部单一的一个顺序控制流。 线程和进程 a.       每个进程都有独立的
  • fastjson简单使用实例 bijian1013 fastjson
    一.简介         阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法，把JSON Parse的性能提升到极致，是目前Java语言中最快的JSON库；包括“序列化”和“反序列化”两部分，它具备如下特征：     
  • 【RPC框架Burlap】Spring集成Burlap bit1129 spring
    Burlap和Hessian同属于codehaus的RPC调用框架，但是Burlap已经几年不更新，所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时，不应该考虑Burlap了。 这篇文章还是记录下Burlap的用法吧，主要是复制粘贴了Hessian与Spring集成一文，【RPC框架Hessian四】Hessian与Spring集成  
  • 【Mahout一】基于Mahout 命令参数含义 bit1129 Mahout
    1. mahout seqdirectory   $ mahout seqdirectory --input (-i) input Path to job input directory(原始文本文件). --output (-o) output The directory pathna
  • linux使用flock文件锁解决脚本重复执行问题 ronin47 linux lock　重复执行
    linux的crontab命令，可以定时执行操作，最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题，如果设定了任务每分钟执行一次，但有可能一分钟内任务并没有执行完成，这时系统会再执行任务。导致两个相同的任务在执行。 例如： <? //  test .php
  • java-74-数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 bylijinnan java
    public class OcuppyMoreThanHalf { /** * Q74 数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 * two solutions: * 1.O(n) * see <beauty of coding>--每次删除两个不同的数字，不改变数组的特性 * 2.O(nlogn) * 排序。中间
  • linux 系统相关命令 candiio linux
    系统参数 cat /proc/cpuinfo  cpu相关参数 cat /proc/meminfo 内存相关参数 cat /proc/loadavg 负载情况 性能参数 1）top M：按内存使用排序 P：按CPU占用排序 1：显示各CPU的使用情况 k：kill进程 o：更多排序规则 回车：刷新数据 2）ulimit ulimit -a：显示本用户的系统限制参
  • [经营与资产]保持独立性和稳定性对于软件开发的重要意义 comsci 软件开发
         一个软件的架构从诞生到成熟，中间要经过很多次的修正和改造       如果在这个过程中，外界的其它行业的资本不断的介入这种软件架构的升级过程中           那么软件开发者原有的设计思想和开发路线
  • 在CentOS5.5上编译OpenJDK6 Cwind linuxOpenJDK
    几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6，将编译过程和遇到的问题作一简要记录，备查。 0. OpenJDK介绍 OpenJDK是Sun（现Oracle）公司发布的基于GPL许可的Java平台的实现。其优点： 1、它的核心代码与同时期Sun（-> Oracle）的产品版基本上是一样的，血统纯正，不用担心性能问题，也基本上没什么兼容性问题；（代码上最主要的差异是
  • java乱码问题 dashuaifu java乱码问题js中文乱码
    swfupload上传文件参数值为中文传递到后台接收中文乱码     在js中用setPostParams（{"tag" : encodeURI( document.getElementByIdx_x("filetag").value，"utf-8")}）; 然后在servlet中String t
  • cygwin很多命令显示command not found的解决办法 dcj3sjt126com cygwin
    cygwin很多命令显示command not found的解决办法   修改cygwin.BAT文件如下 @echo off D: set CYGWIN=tty notitle glob set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
  • [介绍]从 Yii 1.1 升级 dcj3sjt126com PHPyii2
    2.0 版框架是完全重写的，在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单，通过本指南你将会了解两个版本间主要的不同之处。 如果你之前没有用过 Yii 1.1，可以跳过本章，直接从"入门篇"开始读起。 请注意，Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
  • Linux SSH免登录配置总结 eksliang ssh-keygenLinux SSH免登录认证Linux SSH互信
    转载请出自出处：http://eksliang.iteye.com/blog/2187265 一、原理      我们使用ssh-keygen在ServerA上生成私钥跟公钥，将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。      生成公钥与私钥有两种加密方式，第一种是
  • 手势滑动销毁Activity gundumw100 android
    老是效仿ios，做android的真悲催！ 有需求：需要手势滑动销毁一个Activity 怎么办尼？自己写？ 不用~，网上先问一下百度。 结果： http://blog.csdn.net/xiaanming/article/details/20934541 首先将你需要的Activity继承SwipeBackActivity，它会在你的布局根目录新增一层SwipeBackLay
  • JavaScript变换表格边框颜色 ini JavaScripthtmlWebhtml5css
    效果查看：http://hovertree.com/texiao/js/2.htm代码如下，保存到HTML文件也可以查看效果： <html> <head> <meta charset="utf-8"> <title>表格边框变换颜色代码-何问起</title> </head> <body&
  • Kafka Rest : Confluent kane_xie kafkaRESTconfluent
    最近拿到一个kafka rest的需求，但kafka暂时还没有提供rest api（应该是有在开发中，毕竟rest这么火），上网搜了一下，找到一个Confluent Platform，本文简单介绍一下安装。 这里插一句，给大家推荐一个九尾搜索，原名叫谷粉SOSO，不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了，出来之后用度娘搜技术问题，那匹配度简直感人。 环境声明：Ubu
  • Calender不是单例 men4661273 单例Calender
             在我们使用Calender的时候，使用过Calendar.getInstance()来获取一个日期类的对象，这种方式跟单例的获取方式一样，那么它到底是不是单例呢，如果是单例的话，一个对象修改内容之后，另外一个线程中的数据不久乱套了吗？从试验以及源码中可以得出，Calendar不是单例。 测试： Calendar c1 =
  • 线程内存和主内存之间联系 qifeifei java thread
    1， java多线程共享主内存中变量的时候，一共会经过几个阶段，    lock:将主内存中的变量锁定，为一个线程所独占。   unclock:将lock加的锁定解除，此时其它的线程可以有机会访问此变量。   read:将主内存中的变量值读到工作内存当中。   load:将read读取的值保存到工作内存中的变量副本中。  
  • schedule和scheduleAtFixedRate tangqi609567707 javatimerschedule
    原文地址：http://blog.csdn.net/weidan1121/article/details/527307 import java.util.Timer;import java.util.TimerTask;import java.util.Date; /** * @author vincent */public class TimerTest {  
  • erlang 部署 wudixiaotie erlang
    1.如果在启动节点的时候报这个错 ： {"init terminating in do_boot",{'cannot load',elf_format,get_files}} 则需要在reltool.config中加入 {app, hipe, [{incl_cond, exclude}]},     2.当generate时，遇到： ERROR
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他