- Python库 - transformers
司南锤
PYTHON库python机器学习python开发语言
transformers库是由HuggingFace开发的一个非常流行的Python库,用于自然语言处理(NLP)任务。它提供了大量的预训练模型,这些模型可以用于各种NLP任务,如文本分类、问答、翻译、摘要生成等。以下是关于transformers库的详细介绍:1.主要特点预训练模型:transformers库包含了多种预训练的语言模型,如BERT、GPT、T5、XLNet等。这些模型在大规模文本
- Python 用pytorch从头写Transformer源码,一行一解释;机器翻译实例代码;Transformer源码解读与实战
医学小达人
NLPLLMsGPT深度学习人工智能transformerpython机器学习
1.Transformer简介Transformer模型被提出的主要动机是解决序列处理任务的长距离依赖问题。传统的RNN和LSTM虽然能够处理序列任务,但因为它们在处理序列时需要一步步前进,因此其他信息无法立即对其产生影响,当序列变长时,长距离依赖的信息很可能会被丢失。为了解决这个问题,Transformer模型被设计出来,内核思想是利用自注意力机制,这样模型可以直接对输入序列的任意两个位置建立直
- [论文笔记] Cost-Effective Hyperparameter Optimization for Large Language Model Generation 大型语言模型生成推理超参优化
心心喵
论文笔记论文阅读语言模型人工智能
成本效益高的大型语言模型生成推理的超参数优化https://openreview.net/pdf?id=DoGmh8A39OChiWang1,SusanXueqingLiu2,AhmedH.Awadallah11微软研究院,雷德蒙德2史蒂文斯理工学院摘要大型语言模型(LLMs)因其生成能力引发了广泛关注,催生了各种商业应用。使用这些模型的高成本驱使应用构建者在有限的推理预算下最大化生成的价值。本文
- DeepSeek大模型的发展的十问十答
科技互联人生
人工智能AIGCDeepseek
DeepSeek大模型是由杭州深度求索人工智能基础技术研究有限公司开发的一款基于Transformer架构的大型语言模型,具体介绍如下:1.架构基础Transformer架构:DeepSeek大模型基于Transformer架构,该架构由Google在2017年提出,以自注意力机制为核心,能够并行处理输入序列中的每个元素,从而大大提高模型的计算效率。DeepSeek在Transformer架构的基
- 深入解析LangChain4j中的ChatLanguageModel API:从基础到高级应用
泰山AI
精品专栏microsoftlangchain4jjavaai
聊天与语言模型|LangChain4j注意本页描述的是低级别的LLMAPI。有关高级LLMAPI,请参见AIServices。支持的所有LLMProviderStreamingTools(sync/streaming)JSONSchemaJSONModeSupportedModalities(Input)ObservabilityLocalDeploymentSupportsNativeImage
- LangChain大模型应用开发:工作流编排
梦丶晓羽
langchainpython自然语言处理人工智能
介绍大家好,博主又来给大家分享知识了,那么今天又给大家分享什么内容呢?今天我要给大家分享的内容是LangChain工作流编排。那么什么是LangChain工作流编排呢?简单来说,LangChain工作流编排就是将多个与自然语言处理相关的组件,像提示模板、大语言模型、各种实用工具等巧妙地组合在一起,形成一个有条理、可执行的流程。LangChain提供了多种方式来实现这种编排,其中很有特色的就是链式调
- 大模型应用层的创业挑战
AGI大模型与大数据研究院
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
大模型应用层的创业挑战关键词:大模型、应用层、创业、挑战、算法、架构、数据、资源、合作、盈利模型1.背景介绍随着计算能力和数据量的指数级增长,大模型(LargeModels)已经成为人工智能领域的关键驱动因素。大模型的应用从语言模型扩展到图像、视频和音频领域,为各行各业带来了颠覆性的创新。然而,构建和部署大模型的成本高昂,对计算资源和数据的需求也日益增加。本文将探讨大模型应用层面的创业挑战,并提供
- 【大模型】数据集构造方式
油泼辣子多加
深度学习人工智能chatgpt
1.Alpaca数据格式Alpaca数据格式最早由StanfordAlpaca项目提出,目的是用来微调大语言模型(LLM),特别是用于InstructionTuning(指令微调)。它基于Self-Instruct方法,即使用更强大的模型(如OpenAI的GPT-3)来自动生成高质量的指令数据,从而让小型模型也能理解和执行指令任务。数据格式示例Alpaca数据集的格式通常是JSON,包含以下几个字
- ChatGPT for Bot在QQ、微信等平台实现直接和deepseek对话的AI聊天程序包!支持DeepSeek、Claude、Ollama等主流模型,提供人物调整,虚拟朋友、语音对话
struggle2025
人工智能chatgpt机器人
一、软件介绍文末提供安装包和源码下载ChatGPTforBot一款支持在QQ、微信等聊天平台直接跟DeepSeek语言模型聊天的程序!真正的AI聊天!支持DeepSeek、Claude、OpenAI、Gemini、ChatGLM、Ollama,人设调教,虚拟朋友、语音对话。它可以让你在聊天平台上对接语言模型,实现和语言模型的直接对话。个人使用总结,连入deepseek后,告诉它专业的知识,然后给人
- AI日报 - 2025年02月16日 - 推特版
訾博ZiBo
AI日报人工智能
今日概览(60秒速览)▎AGI突破|阿里巴巴发布Qwen2.5-VL视觉语言模型,支持多模态交互新模型评测榜性能提升30%▎商业动向|NVIDIABlackwell超级芯片网络研讨会将聚焦生成式AI创新预计推动算力市场增长15%▎政策追踪|印度总统宣布AI国家战略升级,聚焦半导体与算法研发计划未来3年投入50亿美元一、今日热点(HotTopic)1.1阿里巴巴发布Qwen2.5-VL系列视觉语言模
- 基于GPT一键完成数据分析全流程的AI Agent: Streamline Analyst
Wilson_ZheLIN
gpt4aiagentllms数据分析
大型语言模型(LLM)的兴起不仅为获取知识和解决问题开辟了新的可能性,而且催生了一些新型智能系统,例如旨在辅助用户完成特定任务的AICopilot以及旨在自动化和自主执行复杂任务的AIAgent,使得编程、创作等任务变得高效而条理。在数据科学和可视化方面,非常多家AICopilot通过提供智能提示、建议或辅助决策等手段有效减小了用户的工作量。但是很少有app针对不同种类数据的预处理、建模、可视化等
- DeepSeek模型实战:从理论到应用的深度探索
CodeJourney.
人工智能算法数据库
一、引言在人工智能快速发展的当下,大型语言模型已成为自然语言处理领域的核心力量。DeepSeek模型作为其中的佼佼者,凭借其先进的架构和强大的性能,吸引了众多开发者和研究人员的关注。本文将深入探讨DeepSeek模型的技术原理,并通过实际案例展示其在不同场景下的应用,为读者提供从理论到实践的全面指导。二、DeepSeek模型技术剖析(一)架构基础DeepSeek模型基于Transformer架构构
- 【有啥问啥】DeepSeek 技术原理详解
有啥问啥
大模型深度学习
DeepSeek技术原理详解DeepSeek是一款具有突破性技术的大型语言模型,其背后的技术原理涵盖了多个方面,以下是对其主要技术原理的详细介绍:架构创新多头潜在注意力机制(MLA)传送门链接:DeepSeekV3中的Multi-HeadLatentAttention(MLA):技术解析与应用DeepSeek引入了多头潜在注意力机制(Multi-headLatentAttention,MLA),这
- Decoder-Only、Encoder-Only、Encoder-Decoder 区别
会喘气的粽子丶
nlp人工智能
Decoder-Only、Encoder-Only和Encoder-Decoder是三种常见的神经网络架构,主要用于自然语言处理(NLP)任务。它们在结构和应用上有显著的区别。1.Decoder-Only架构描述:仅包含解码器部分,没有编码器。应用:通常用于生成任务,如语言模型和对话系统。代表模型:GPT(GenerativePre-trainedTransformer)特点:自回归生成:模型通过
- 【带你 langchain 双排系列教程】1. langchian 基本架构与环境配置(siliconFlow Deepseek接入)
夜里慢慢行456
langchain
LangChain是一个用于构建和部署大模型应用的框架,涵盖了从语言模型(LLM)到检索增强生成(RAG)、OpenAI集成以及智能体(Agent)的全套工具链。以下是一个简要的LangChain大模型全套教程,帮助你快速上手。核心内容:LangChain六大模块详解:模型(Models)、提示词(Prompts)、链(Chains)、索引(Indexes)、智能体(Agents)、内存(Memo
- 使用OpenAI LLM与Neo4j数据库进行自然语言交互
bBADAS
neo4j数据库交互python
技术背景介绍在现代数据分析和应用开发中,图数据库以其独特的强大功能越来越受到重视。其中,Neo4j是最受欢迎的图数据库之一。结合自然语言处理(NLP),可以使数据查询变得更加直观和便捷。本篇文章将介绍如何使用OpenAI的语言模型将自然语言问题转换成Cypher查询,并通过Neo4j数据库执行该查询,并给出自然语言的响应。核心原理解析我们的目标是实现一个系统,该系统能够接受自然语言输入,将其转换为
- LLM 参数解析:使用 OpenAI API 在 Python 中的实用指南(含示例)
真智AI
python人工智能chatgpt
当你使用大语言模型(LLM)时,可能会注意到,即使提交相同的请求,多次运行后仍然会得到不同的回应。这是因为LLM具有概率性,它们的输出基于所学到的模式和概率,而不是固定规则。幸运的是,你可以通过调整特定的参数来控制LLM的行为,就像微调收音机的旋钮来调整到想要的电台一样。理解这些参数可以帮助你更好地定制LLM的输出,使其更具可预测性或创造性,具体取决于你的需求。在本文中,我们将探讨多个关键参数,这
- Windows Docker Desktop部署MaxKB详细教程
Roc-xb
docker容器运维MaxKB
MaxKB(MaxKnowledgeBase)是一款基于大语言模型(LLM)和检索增强生成(RAG)技术的开源知识库问答系统,旨在帮助企业、教育机构及研究组织高效管理知识并提供智能问答服务。一、前期准备工作首先,你需要再你的Windows电脑上安装DockerDesktop。本章教程,不介绍如何安装Docker。二、搜索镜像dockersearchmaxkb
- AI 编程工具崛起,程序员的未来是否岌岌可危?
一、AI编程工具的现状AI编程工具的出现与迅猛发展是技术进步的必然结果。这一趋势首先得益于开源社区和代码托管平台提供的丰富代码样本,它们为AI模型的学习提供了充足的素材。其次,编程语言本身的严格语法和结构化特点,使得AI能够高效、精确地理解和生成代码。再者,深度学习技术的突破,尤其是大语言模型在代码理解与生成方面的显著进展,为AI编程提供了坚实的技术基础。最后,随着软件开发需求的不断增加,传统开发
- 【目标检测】多模态航空目标检测:A SIMPLE AERIAL DETECTION BASELINE OF MULTIMODAL LANGUAGE MODELS
慕容紫英问情
目标检测目标检测人工智能计算机视觉
阅读并理解一篇论文:ASIMPLEAERIALDETECTIONBASELINEOFMULTIMODALLANGUAGEMODELS该文首次提出了一种将多模态语言模型应用于航空检测的简单基线方法,名为LMMRotate。贡献:具体而言,首先引入一种归一化方法,将检测输出转换为文本输出,以适配多模态语言模型框架。接着,提出一种评估方法,确保多模态语言模型与传统目标检测模型之间能够进行公平比较。通过微
- 《DeepSeek训练算法:开启高效学习的新大门》
人工智能深度学习
在人工智能的浪潮中,大语言模型的发展日新月异。DeepSeek作为其中的佼佼者,凭借其独特的训练算法和高效的学习能力,吸引了众多目光。今天,就让我们深入探究DeepSeek训练算法的独特之处,以及它是如何保证模型实现高效学习的。一、独特的架构基础DeepSeek以Transformer架构为基石,但并非简单沿用,而是进行了深度创新。Transformer架构的核心是注意力机制,这让模型在处理序列数
- 使用Python中的LangChain库优化消息长度:从聊天历史到模型性能的全面指南
m0_57781768
pythonlangchaineasyui
使用Python中的LangChain库优化消息长度:从聊天历史到模型性能的全面指南在现代人工智能应用中,大语言模型(LLM)扮演着越来越重要的角色,尤其是在对话系统、智能助理和其他自然语言处理任务中。然而,所有的模型都有一个有限的上下文窗口,意味着它们可以处理的输入令牌(tokens)数量是有限的。当我们需要处理较长的对话历史或复杂的任务链时,如何管理传递给模型的消息长度变得至关重要。在这篇文章
- 【LLM】大模型基础--大规模预训练语言模型的开源教程笔记
Langchain
笔记人工智能langchainllama大模型产品经理大模型基础
1.引言本文以DataWhale大模型开源教程为学习路线,进行一整个大模型的入门操作什么是语言模型语言模型是一种对词元序列(token)的概率分布,可以用于评估文本序列的合理性并生成新的文本。从生成文本的方式来看,LM(languagemodle)可以简单的分为:自回归模型非自回归模型特点逐字生成文本,每个词的生成都依赖于上文,关联性好一次性生成整个文本序列,不捕捉上文信息优点内容质量高生成速度快
- 大语言模型(LLM)如何实现上下文的长期记忆?
引言大语言模型(LargeLanguageModels,LLMs),如GPT-4、Claude和LLaMA等,已经在自然语言处理领域展现出卓越的能力。然而,它们在实际应用中常常面临一个核心问题:如何实现上下文的长期记忆?传统LLM的上下文长度通常受限于计算资源和架构设计(如注意力机制),这限制了其处理长文档或保持复杂对话连续性的能力。本篇文章将深入探讨大语言模型的上下文记忆问题,分析其技术难点,并
- DeepSeek与ChatGPT:AI语言模型的全面对决
四念处茫茫
AI人工智能chatgpt语言模型
DeepSeek与ChatGPT:AI语言模型的全面对决引言:AI语言模型的时代浪潮一、认识DeepSeek与ChatGPT(一)DeepSeek:国产新星的崛起(二)ChatGPT:AI界的开拓者二、DeepSeek与ChatGPT使用指南(一)DeepSeek使用全攻略1.多种使用途径介绍2.功能使用技巧(二)ChatGPT使用秘籍1.访问与使用流程三、深度剖析:功能大比拼(一)文本创作能力(
- DeepSeek的崛起之路:从技术突破到行业变革
诚信爱国敬业友善
心得人工智能aiDeepSeek
一、DeepSeek的进化历程初创与奠基(2023-2024)作为幻方量化子公司,DeepSeek于2023年在杭州成立,专注于大语言模型研发。其首代模型通过量化投资的算法积累实现推理效率突破,为后续发展奠定基础。技术爆发(2024-2025)2024年末:发布DeepSeek-V3(671B参数),性能超越多数开源模型,逼近GPT-4等闭源标杆。2025年1月:推出R1系列(660B参数),通过
- 边缘AI架构提升LLM应用的响应速度
AI天才研究院
计算ChatGPTDeepSeekR1&大数据AI人工智能大模型javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
边缘AI架构提升LLM应用的响应速度关键词边缘计算、边缘AI、LLM、响应速度、模型压缩、分布式计算摘要本文探讨了如何通过边缘AI架构提升大型语言模型(LLM)应用的响应速度。文章首先介绍了边缘计算与边缘AI的基本概念、优势和应用场景,然后深入分析了边缘AI系统的架构设计与实现,以及提升LLM响应速度的关键技术。通过实际案例展示了边缘AI在LLM应用中的效果,并对未来发展趋势和潜在挑战进行了展望,
- 如何在不依赖函数调用功能的情况下结合工具与大型语言模型
Jason9510
语言模型人工智能
当大型语言模型(LLM)原生不支持函数调用功能时,如何实现智能工具调度?本文通过自然语言解析+结构化输出控制的方法来实现。GitHub代码地址核心实现步骤定义工具函数使用@tool装饰器声明可调用工具:fromlangchain_core.toolsimporttool@tooldefmultiply_by_max(a:int,b:list[int])->int:"""将a乘以b列表中的最大值""
- 语音与自然语言处理(NLP):智能交互的核心技术
给生活加糖!
热门知识自然语言处理交互人工智能
随着人工智能(AI)技术的飞速发展,语音识别与自然语言处理(NaturalLanguageProcessing,NLP)成为了智能交互系统的核心技术。它们不仅改变了人们与计算机、设备的交互方式,也推动了众多行业的革新。从智能助手(如苹果的Siri、亚马逊的Alexa)到机器翻译、自动客服系统,语音和NLP技术正逐步融入日常生活,改善我们与数字世界的沟通方式。一、什么是语音识别与自然语言处理(NLP
- DeepSeek 混合专家(MoE)架构技术原理剖析
计算机学长
通用大语言模型人工智能架构
DeepSeek混合专家(MoE)架构技术原理剖析在人工智能快速发展的当下,大规模语言模型不断突破创新,DeepSeek混合专家(MoE)架构脱颖而出,成为业内关注焦点。本文将深入剖析其技术原理,为大家揭开它的神秘面纱。一、MoE架构概述(一)基本概念混合专家(MixtureofExperts,MoE)架构,简单来说,就像是一个专家团队。在这个团队里,每个专家都是一个小型神经网络,各自擅长处理特定
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p