- 智能推理的革命:DeepSeek-R1 深度解析其算法与实现
步子哥
算法人工智能
在人工智能(AI)领域,语言模型(LargeLanguageModels,LLMs)正以惊人的速度发展,变得越来越智能,能够理解和生成复杂的语言内容。然而,尽管现有的模型在许多任务上表现出色,它们在深度推理和逻辑思维方面仍有显著的提升空间。DeepSeek-R1的出现,正是为了解决这一问题,通过强化学习(ReinforcementLearning,RL)赋予语言模型更强大的推理能力,开创了LLMs
- 【数据结构】最有效的实现栈和队列的方式(C&C++语言版)
大名顶顶
数据结构数据结构c语言c++程序员计算机编程软件开发
在这个技术飞速发展的时代,掌握基础的数据结构知识是每个程序员必不可少的技能。本文将深入探讨栈和队列这两种线性数据结构,带你了解它们在实际编程中的应用以及如何用C/C++代码实现这些结构的核心操作。我们不仅讲解了栈的后进先出(LIFO)和队列的先进先出(FIFO)原理,还通过实例展示了如何将这两种数据结构结合起来,提升编程效率和解决实际问题的能力⚙️。不论你是编程新手还是经验丰富的开发者,本文都将
- Lambda离线实时分治架构深度解析与实战
喜欢猪猪
架构
一、引言在大数据技术日新月异的今天,Lambda架构作为一种经典的数据处理模型,在应对大规模数据应用方面展现出了强大的能力。它整合了离线批处理和实时流处理,为需要同时处理批量和实时数据的应用场景提供了成熟的解决方案。本文将对Lambda架构的演变、核心组件、工作原理及痛点进行深度解析,并通过Java代码实现一个实战实例。二、Lambda架构的演变Lambda架构是由Storm的作者NathanMa
- ChatGPT:AI写作中的初级搭档的思考
代码无疆
ChatgptchatgptAI写作人工智能
在当前的AI浪潮中,ChatGPT无疑是一颗璀璨的明星。然而,尽管其能力卓越,但我们也必须正视它的定位——它更像是一个在AI写作领域刚刚踏入职场的“初级搭档”,而非经验丰富的全职员工。ChatGPT的强项在于其强大的通用性和云共享能力,这使得它能够快速响应各种需求。然而,其概率生成和记忆短暂的特点也暴露了它的不足。它缺乏丰富的“面向读者写作”的经验,当我们给予它一个宽泛的指令时,它往往会返回一个相
- 证券量化交易选择合适的编程语言
jcsx
量化numpypandaspyqtservletjavascript
在证券量化交易中,选择合适的编程语言至关重要,因为它直接影响到开发效率、运行速度和策略的灵活性。常用的编程语言有几个,它们各自有不同的优势和应用场景。以下是一些在量化交易中常用的编程语言:PythonPython是目前量化交易中最流行的编程语言之一,特别是在金融数据分析和模型开发中,广泛被使用。Python的流行主要有以下原因:数据处理能力:Python有非常强大的数据处理库,如pandas(数据
- ProxySQL 读写分离
小左2010925
mysqldatabase负载均衡proxy模式
1.ProxySQL采用不同的端口实现读写分离先说缺点,采用该方案应用程序需要内置读写分离的能力,以便区分读和写。配置ProxySQL监听在两个不同的端口,方法如下:#ProxySQL默认的用于客户端连接的端口是6033ProxyQL-Admin>showvariableslike'mysql-interfaces';+------------------+--------------+|Vari
- 细节增强注意力模型DEAB详解及代码复现
清风AI
深度学习算法详解及代码复现深度学习人工智能神经网络python计算机视觉机器学习conda
基本原理DEAB模型的基本原理是通过细节增强卷积(DEConv)和内容引导注意力(CGA)机制的协同工作来实现细节增强注意力功能。这种设计使得模型能够在处理图像时更好地保留细节信息,同时关注图像中的重要内容。DEAB模型的核心组件包括:细节增强卷积(DEConv):DEConv是一种创新的卷积层设计,通过并行部署普通卷积和差分卷积来增强特征提取能力。差分卷积包括中心差分卷积(CDC)、角差分卷积(
- XXL-CONF v1.7.0 | 分布式服务管理平台(配置中心 & 注册中心)
ReleaseNotes1、【升级】XXL-CONF升级重构,XXL-CONF是一站式服务管理平台,作为服务配置中心与注册中心,提供动态配置管理、服务注册与发现等核心能力;降低中间件认知及运维成本;2、【整合】XXL-CONF整合XXL-RPC注册中心(xxl-rpc-admin)能力,提供轻量级服务动态注册及发现能力;3、【重构】XXL-CONF客户端代码重构,模块化设计实现,提升可扩展性与稳定
- 基于知识图谱的用户画像构建与应用
cooldream2009
AI技术知识图谱知识图谱人工智能
目录前言1.知识图谱在用户画像中的作用1.1数据整合与清洗1.2多维关系挖掘1.3动态更新能力1.4可解释性2.用户画像构建过程中的知识图谱应用2.1数据采集2.2知识图谱构建2.2.1实体节点构建2.2.2关系建模2.3用户画像生成2.3.1静态特征2.3.2动态特征2.3.3关系网络3.基于知识图谱的用户画像应用场景3.1精准营销3.2内容推荐3.3用户需求预测3.4风险控制结语前言随着大数据
- 算法练习——函数、递归和递推
SharkWeek.
算法练习算法递归深度优先c++
在此记录一些有关函数、递归和递推的问题。所有题目均来自洛谷的题单能力提升综合题单Part1入门阶段-题单-洛谷|计算机科学教育新生态(luogu.com.cn)(实际上都没有用递推做)[NOIP2001普及组]数的计算题目描述给出正整数nnn,要求按如下方式构造数列:只有一个数字nnn的数列是一个合法的数列。在一个合法的数列的末尾加入一个正整数,但是这个正整数不能超过该数列最后一项的一半,可以得到
- HarmonyOS快速入门
蓝枫amy
HarmonyOSharmonyos华为
HarmonyOS快速入门1、基本概念UI框架:HarmonyOS提供了一套UI开发框架,即方舟开发框架(ArkUI框架)。方舟开发框架可为开发者提供应用UI开发所必需的能力,比如多种组件、布局计算、动画能力、UI交互、绘制等。方舟开发框架针对不同目的和技术背景的开发者提供了两种开发范式,分别是基于ArkTS的声明式开发范式(简称“声明式开发范式”)和兼容JS的类Web开发范式(简称“类Web开发
- 第11篇:你知道ElasticSearch聚合分析能力有多强?
老王随聊
elasticsearch搜索引擎大数据
背景:目前国内有大量的公司都在使用Elasticsearch,包括阿里、京东、滴滴、今日头条、小米、vivo等诸多知名公司。除了搜索功能之外,Elasticsearch还结合Kibana、Logstash、ElasticStack还被广泛运用在大数据近实时分析领域,包括日志分析、指标监控等多个领域。本节内容:ElasticSearch强悍聚合分析能力详解。目录1、ES的聚合Aggregations
- 【技术点】用SQL语言操作关系型数据库Mysql中的数据(有练习资料)
^Mark_Zhang^
后端开发数据库sqlmysql
用SQL语言操作关系型数据库Mysql中的数据一、增删改查增数据删数据改数据查数据二、触发器三、视图练习题目链接前言:之前操作的时候大多时候都是用GPT生成的sql语句(有一说一真的实用),但是缺少自己完整独立完成sql语句书写的能力,直到学校课程上到了数据库原理才意识到好像真的需要认真学一下这些sql语句了,另外为了方便各位练习达到学习效果,如果想要答案可以私我单独发。一、增删改查增删改查,也称
- 10分钟学会海明码,从此告别数据丢失!
凭君语未可
软考(软设)网络计算机组成原理
海明码什么是海明码?码距码距的定义海明码的码距举例说明码距与纠错能力的关系总结数据位与校验位的分布校验位的数量校验位的分布如何计算校验位?示例例子1:编码过程步骤1:确定校验位的数量步骤2:确定校验位的位置步骤3:计算校验位的值步骤4:生成编码后的海明码例子2:解码与纠错过程步骤1:接收数据并重新计算校验位步骤2:确定错误的位置步骤3:纠正错误位例子3:不同数据位数的海明码编码步骤1:确定校验位的
- 论文阅读:DeepFake-Adapter: Dual-Level Adapter for DeepFake Detection(Deepfake模型快速调参)
海拉鲁的小厨娘
读论文论文阅读
一、论文信息论文名称:DeepFake-Adapter:Dual-LevelAdapterforDeepFakeDetection作者团队:项目主页:https://github.com/rshaojimmy/DeepFake-Adapter(代码暂未开源)二、动机与创新动机:目前的deepfake检测模型泛化能力差,将其归因于过拟合于低级的伪造模式,现有的deepfake检测方法仅关注低级别的伪
- GPT-4、GPT-4O 和 GPT-4O-mini 的区别与联系
surfirst
LLMai语言模型chatgpt
简介近年来,人工智能技术飞速发展,特别是在自然语言处理领域。GPT-4是OpenAI推出的新一代大模型,而GPT-4O和GPT-4O-mini是其优化版本,专门为不同应用场景和计算资源需求进行调整。在这篇文章中,我们将详细比较GPT-4、GPT-4O和GPT-4O-mini的区别与联系,帮助开发者更好地选择适合的模型。GPT-4是OpenAI发布的第四代通用预训练模型,具备强大的生成和理解能力,适
- ZXing库 -- 生成二维码
蓝田~
python开发语言
引言二维码(QRCode)因其高密度的数据存储能力和易于扫描的特性,在现代社会中得到了广泛应用。ZXing是一个开源的二维码生成与读取库,它支持多种编程语言,包括Java。本指南将详细介绍如何在Java项目中使用ZXing库来生成带有透明背景的二维码。准备ZXing库com.google.zxingcore3.4.1com.google.zxingjavase3.4.1生成二维码编写代码packa
- 讯飞绘镜(ai生成视频)技术浅析(一)
爱研究的小牛
AIGC—视频AIGC—技术综述人工智能AIGC深度学习
讯飞绘镜(也称为星火绘镜)是科大讯飞推出的一款基于人工智能技术的短视频创作平台,旨在通过先进的AI技术简化视频创作流程,让用户能够轻松将创意转化为高质量的视频内容。以下是对讯飞绘镜相关技术、工作原理及具体实现的详细介绍:一、核心技术讯飞绘镜的核心技术主要依托于科大讯飞的星火大模型,并结合了多种先进的AI技术,包括:1.大模型技术:基于讯飞星火大模型,为脚本生成、分镜生成等提供基础能力支持。该模型能
- Python3【字符串】:文本操作的瑞士军刀
李智 - 重庆
Python精讲精练-从入门到实战python开发语言经验分享编程实战趣味编程编程技巧
Python3【字符串】:文本操作的瑞士军刀内容简介本系列文章是为Python3学习者精心设计的一套全面、实用的学习指南,旨在帮助读者从基础入门到项目实战,全面提升编程能力。文章结构由5个版块组成,内容层层递进,逻辑清晰。基础速通:n个浓缩提炼的核心知识点,夯实编程基础;经典范例:10个贴近实际的应用场景,深入理解Python3的编程技巧和应用方法;避坑宝典:10个典型错误解析,提供解决方案,帮助
- python并行计算
weixin_30894389
0.基础并行/发:multiprocessing/threading1.concurrent2.并发:asynico3.Ipython下的并行计算:使用ipyparallel库的IPython提供了前所未有的能力,将科学Python的探索能力与几乎即时访问多个计算核心相结合。系统可以直观地与本地或网络的计算节点集群进行交互,而不管集群的实现方式如何。这种易于交互使用帮助IPython和Python
- JavaEE进阶知识学习----SpringBoot高级(五)SpringBoot与消息
四川码匠
SpringBoot
SpringBoot与消息概述在大多数应用中,可以通过消息服务来提升系统异步通信,扩展解耦能力。在消息服务中存在两个重要的概念:消息代理(messagebroker)和目的地(destination),当消息发送者发送消息以后,将由消息代理接管,消息代理保证消息传递到指定目的地消息队列主要有两种形式的目的地:队列(queue:点对点消息通信),主题(topic:发布/订阅消息通信)点对点式消息发送
- 侯捷 C++ 课程学习笔记:开启 C++ 深度探索之旅
秃头小饼干
jvm开发语言c++
在C++的学习道路上,侯捷老师的课程宛如一座明亮的灯塔,为无数学习者照亮前行的方向。经过一段时间对侯捷C++课程的深入学习,我收获颇丰,在此将自己的学习笔记和感悟分享给大家,希望能对正在学习C++或者准备踏入C++领域的朋友们有所帮助。一、课程初印象初次接触侯捷老师的课程,就被其深入浅出的讲解风格所吸引。老师不仅有着深厚的技术功底,更具备出色的教学能力,能够将复杂的C++知识以通俗易懂的方式呈现出
- AI大模型提示工程(prompt)从入门到精通(非常详细),看这一篇就够了!!!
功城师
人工智能prompt深度学习大模型自然语言处理AI大模型提示词工程
在大模型领域,输入通常被称为“提示词”(prompt),它们是引导LLM(大语言模型)生成相应输出的关键。对于那些能处理多样化任务的LLM来说,一个合理设计的prompt会极大地影响模型的表现。提示工程(promptengineering)正是关于如何为特定任务构建能够充分发挥大模型能力的prompt技巧。本文将深入探讨提示工程,内容涵盖基本原理、一些重要概念以及常用的辅助工具。1.基本原理设计高
- Python3 字典:解锁高效数据存储的钥匙
李智 - 重庆
Python精讲精练-从入门到实战python经验分享编程实战趣味编程编程技巧
Python3字典:解锁高效数据存储的钥匙内容简介本系列文章是为Python3学习者精心设计的一套全面、实用的学习指南,旨在帮助读者从基础入门到项目实战,全面提升编程能力。文章结构由5个版块组成,内容层层递进,逻辑清晰。基础速通:n个浓缩提炼的核心知识点,夯实编程基础;经典范例:10个贴近实际的应用场景,深入理解Python3的编程技巧和应用方法;避坑宝典:10个典型错误解析,提供解决方案,帮助读
- 服务行业的数据管理实践:TapData Cloud 如何助力连锁酒店物业的全球化运营优化
数据库
使用TapData,化繁为简,摆脱手动搭建、维护数据管道的诸多烦扰,轻量替代OGG,Kettle等同步工具,以及基于Kafka的ETL解决方案,「CDC+流处理+数据集成」组合拳,加速仓内数据流转,帮助企业将真正具有业务价值的数据作用到实处,将“实时数仓”方法论落进现实。TapData持续迭代产品能力,优化用户体验的同时,也在不断探索各行各业数据需求的底层逻辑,力求为行业用户提供更加简洁、更具针对
- 国际宽带专线多少钱一年?
蓝讯小刘
网络安全运维
国际宽带专线通常是外商投资企业、外贸出口企业,跨境电商等有国际联网需要和需求的企业业务,通常来说,三大运营商只针对一些国企、事业单位受理,由于资费较贵,所以通常不会像中小企业提供国际联网服务。行业现状:目前,市面上可以提供跨境专线国际联网服务的比比皆是,市场十分混乱,也导致了这个市场价格鱼龙混杂,服务质量、能力也是不同,所以有关部门也在整治和查处扰乱市场的行为,想办法规范通信市场。市场准入:目前,
- 大模型应用编排工具Dify之自定义工具
Daphnis_z
LLMJava开发chatgptspringbootaijava
1.前言dify中提供了自定义工具的能力,工具十分容易复用,在需要的流程编排中进行引用即可。根据笔者的经验和理解,自定义工具有点类似微服务,可以把通用的能力封装到工具里面。同时,工具还提供了测试和鉴权等功能,对开发者比较友好。环境信息:dify-0.8.3,spring-boot-2.7.6实现效果如下:2.开发后台接口这里使用spring-boot快速开发一个post接口作为演示,代码如下:@R
- NVIDIA L40s、A10、A40、A100、A6000横评,哪个GPU 更适合 AI 推理任务?
DO_Community
技术科普商业建议人工智能gpu算力DigitalOceanaiAIGC
近年来,随着人工智能技术的发展,特别是深度学习模型的广泛应用,GPU(图形处理单元)作为加速计算的重要硬件,在AI领域扮演着越来越重要的角色。AI推理是指已经训练好的模型对新数据进行预测的过程。与训练阶段相比,推理通常对GPU的要求有所不同,更注重于能效比、延迟以及并发处理能力。本文将从这些角度出发,对比分析NVIDIA的L40s、A10、A40、A100、A6000五款GPU在AI推理任务中的表
- 路径矢量路由协议之BGP-1基础知识
pt1043
BGP网络
BGP(BorderGatewayProtocol,边界网关协议)是现代网络架构中几乎所有高级技术的基础,任何一项现代网络体系下的高级技术都离不开它。在学习BGP之前,需要具备一定的基础知识。基础准备:CCNA基础——至少需要一半的CCNA基础;推荐阅读《CCNA学习指南:路由和交换认证》(作者:ToddLammle)。OSPF——如果具备基本的多区域OSPF或其他IGP等理论和配置能力,将为学习
- 解决并发问题的方法
梦龙zmc
devops
解决并发问题的方法常见有三种,它们分别是:使用缓存、使用异步处理、以及使用负载均衡。这些方法通过不同的方式提升系统的并发处理能力,减少等待时间,以及优化资源分配,从而提高系统的整体性能和稳定性。使用缓存:通过缓存机制来减少系统的数据库和文件系统等I/O操作,从而提升系统的响应速度和并发能力。缓存可以包括页面缓存、数据缓存、分布式缓存等,通过将热点数据存储在内存中,减轻数据库的访问压
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!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/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理