- 【漫话机器学习系列】079.超参数调优(Hyperparameter Tuning)
IT古董
漫话机器学习系列专辑机器学习深度学习人工智能
超参数调优(HyperparameterTuning)是机器学习中优化模型性能的重要步骤之一。超参数是模型在训练之前设定的参数,而不是通过训练数据学习到的参数。正确地选择超参数可以显著提高模型的预测能力,反之,错误的超参数选择可能会导致过拟合、欠拟合或训练过程缓慢。1.超参数的定义超参数是控制学习过程的外部参数,不同于模型参数(例如权重和偏置),超参数不通过训练过程自动优化。常见的超参数包括:学习
- 开放寻址法
小海螺123
算法
开放寻址法开放寻址法的装载因子开放寻址法插入关键字查找关键字删除关键字开放寻址法探查序列的计算方法开放寻址法的装载因子 给定一个能存放n个元素的、具有m个槽位的哈希表T,采用开放寻址法时T的装载因子为:α=n/m,n≤m\alpha=n/m,n\leqmα=n/m,n≤m开放寻址法 解决哈希表(在一些文献中又称作散列表)冲突的方法有:链接法(chaining)和开放寻址法(openaddres
- 机器学习笔记20241017
tt555555555555
学习笔记深度学习机器学习笔记人工智能
文章目录torchvisiondataloadernn.module卷积非线性激活模型选择训练误差泛化误差正则化权重衰退的基本概念数学表示权重衰退的效果物理解释数值稳定性(GradientVanishing)梯度消失原因解决方法梯度爆炸(GradientExplosion)定义原因解决方法总结继续跟着小土堆学pytorchtorchvision#导入torchvision库,主要用于处理图像数据集
- Sklearn 中的线性回归模型
Cacciatore->
机器学习sklearn线性回归人工智能机器学习python
线性回归的数学模型假设单变量回归模型:hθ(x)=θTx=θ0+θ1x1h_\theta(x)=\theta^Tx=\theta_0+\theta_1x_1hθ(x)=θTx=θ0+θ1x1这里的θ0\theta_0θ0就是偏置,而θ1\theta_1θ1就是权重,而x1x_1x1就是特征。线性回归方程的代价函数为:J(θ)=12m∑mi=1(hθ(x(i))−y(i))2J(\theta)=\f
- 动态图最短路径的实时优化:应对边权重频繁更新的工程实践
热爱分享的博士僧
人工智能
在处理动态图中的最短路径问题时,尤其是面对边权重频繁更新的情况,传统的静态图算法如Dijkstra算法或Bellman-Ford算法可能不再适用或效率低下。这是因为每次边权重更新都需要重新计算整个图的最短路径,导致计算成本非常高。为了应对这种情况,需要采用一些特定的技术和策略来优化实时性能。1.动态最短路径算法A.动态Dijkstra算法虽然标准的Dijkstra算法是为静态图设计的,但可以通过缓
- 【机器学习BDT】python代码实现(下)
mcoc132
Python机器学习机器学习python人工智能
文章目录BDT(BootstrapDecisionTree)python实现导入库分类树主体代码回归树主体代码输出函数完整代码后续可能添加的功能BDT(BootstrapDecisionTree)python实现代码仅供参考导入库importCART树_自己写importnumpy其中一个库之前写的分类树主体代码在原始数据权重基础上使用更新的数据权重以更新BDT模型.def分类树(self,BDT
- Floyd 算法
ん贤
算法
目录一、基础介绍二、核心思想三、核心例题1、引出为何用动态规划:2、算法:3、确定dp数组(dptable)以及下标的含义:4、确定递推公式:5、dp数组如何初始化:一、基础介绍首相简单的说一下,Floyed算法又称Floyd-Warshall算法,是为了纪念罗伯特•弗洛伊德(RobertW.Floyd)。所以不要对这个奇怪的名字感到吃力。Floyd算法是一种在具有正或负边缘权重(但没有负周期)的
- 100.3 AI量化面试题:解释配对交易(Pairs Trading)的原理,并说明如何选择配对股票以及设计交易信号
AI量金术师
金融资产组合模型进化论人工智能金融机器学习python算法数学建模面试
目录0.承前1.配对交易基本原理1.1什么是配对交易1.2基本假设2.配对选择方法2.1相关性分析2.2协整性检验3.价差计算方法3.1简单价格比率3.2回归系数法4.交易信号设计4.1标准差方法4.2动态阈值方法5.风险管理5.1止损设计5.2仓位管理6.策略评估6.1回测框架6.2性能指标7.回答话术0.承前如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:0.金融资产组合模型
- SAP Portfolio Analyzer 中 夏普比率(Sharpe Ratio)计算
cuiyan6458
SharpeRatio比率是一个衡量对应风险的收益比。越高的夏普指标,意味着在收益相对与风险越高。在SAPTRM模块中计算风险是适用年化组合收益减去年化基准收益,在除以年化组合风险,这边用组合收益的标准差。其中,年华组合收益可以使用时间权重(Time-weightedrateofreturn(TWRR)),或者金钱权重(Money-weightedrateofreturn(MWRR))或者Modi
- 100.1 AI量化面试题:解释夏普比率(Sharpe Ratio)的计算方法及其在投资组合管理中的应用,并说明其局限性
AI量金术师
金融资产组合模型进化论人工智能金融python机器学习大数据
目录0.承前1.夏普比率的基本概念1.1定义与计算方法1.2实际计算示例2.在投资组合管理中的应用2.1投资组合选择2.2投资组合优化3.夏普比率的局限性3.1统计假设的限制3.2实践中的问题4.改进方案4.1替代指标4.2实践建议5.回答话术0.承前如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:0.金融资产组合模型进化全图鉴1.夏普比率的基本概念1.1定义与计算方法夏普比率是
- 【机器学习与数据挖掘实战】案例11:基于灰色预测和SVR的企业所得税预测分析
Francek Chen
机器学习与数据挖掘实战机器学习数据挖掘灰色预测SVR人工智能
【作者主页】FrancekChen【专栏介绍】⌈⌈⌈机器学习与数据挖掘实战⌋⌋⌋机器学习是人工智能的一个分支,专注于让计算机系统通过数据学习和改进。它利用统计和计算方法,使模型能够从数据中自动提取特征并做出预测或决策。数据挖掘则是从大型数据集中发现模式、关联和异常的过程,旨在提取有价值的信息和知识。机器学习为数据挖掘提供了强大的分析工具,而数据挖掘则是机器学习应用的重要领域,两者相辅相成,共同推动
- 【llm对话系统】大模型 Llama 源码分析之 LoRA 微调
kakaZhui
llama深度学习pytorchAIGCchatgpt
1.引言微调(Fine-tuning)是将预训练大模型(LLM)应用于下游任务的常用方法。然而,直接微调大模型的所有参数通常需要大量的计算资源和内存。LoRA(Low-RankAdaptation)是一种高效的微调方法,它通过引入少量可训练参数,固定预训练模型的权重,从而在保持性能的同时大大减少了计算开销。本文将深入分析LoRA的原理,并结合Llama源码解读其实现逻辑,最后探讨LoRA的优势。2
- [250125] DeepSeek 发布开源大模型 R1,性能比肩 OpenAI o1 | 希捷推出高达 36TB 的硬盘
x-cmd
dailyblog开源deepseekllmopenaiai硬件存储
DeepSeek发布开源大模型R1,性能比肩OpenAIo1DeepSeek正式发布了DeepSeek-R1大模型,并同步开源了模型权重,其性能对标OpenAIo1正式版。主要亮点:开源模型,MIT许可证:DeepSeek-R1遵循MITLicense,允许用户自由使用、修改、分发,甚至商用,并允许通过蒸馏技术基于R1训练其他模型。API开放调用:用户可以通过DeepSeekAPI调用R1模型,设
- spring cloud netflix笔记
精神病院丶吴院长
个人笔记springcloudspring
Ribbon可以通过配置文件制定负载均衡的规则默认使用轮训算法来实现负载均衡根据响应时间做权重两个自动装配类RibbonAutoConfiguration和LoadBalancerAutoConfiguration装配类会让加了LoadBalanced注解的RestTemplate加上一个拦截器LoadBalancerInterceptor关键类LoadBalancerInterceptorRib
- 自然语言处理基础知识入门(四) Transformer模型整体最详解(self- attention机制,mask机制)
这个男人是小帅
NLP自然语言知识梳理入门自然语言处理transformer人工智能nlp语言模型机器翻译深度学习
文章目录前言一、Seq2Seq1.1Seq2Seq的基本架构1.2Seq2Seq的框架实例二、Transformer2.1Transformer的整体架构2.2Transformer的输入2.2.1InputEmbeding2.2.2PositionalEncoder2.2.3Transformer的输入2.3Transformer的自注意力机制2.3.1注意力机制2.3.2权重矩阵WWW2.3.
- 大模型迎来2025开年大作:deepseek-R1与deepseek-R1-Zero
Funny_AI_LAB
大模型人工智能aillama语言模型
2025-01-20正式发布DeepSeek-R1,并同步开源模型权重。DeepSeek-R1遵循MITLicense,允许用户通过蒸馏技术借助R1训练其他模型。DeepSeek-R1上线API,对用户开放思维链输出,通过设置model='deepseek-reasoner'即可调用。DeepSeek官网与App即日起同步更新上线。论文地址:https://github.com/deepseek-
- AI协助探索AI新构型的自动化创新概念
liron71
人工智能
训练AI自生成输出模块化代码,生成元代码级别的AI功能单元代码,然后再由AI组织为另一个AI,实现AI开发AI的能力;用AI协助探索迭代新构型AI将会出现,并成为一种新的技术路线潮流。有限结点,无限的连接形式,也是实现一种复杂性的方式。扩展结点、增加参数,是另一种外延式的实现复杂性的方式,这种方式,也可以看作是有限结点、动态连接形式,是等效的,当连接权重置值0,就相当于连接消除,连接构型中相当于没
- 深度学习训练模型损失Loss为NaN或者无穷大(INF)原因及解决办法
余弦的倒数
学习笔记机器学习深度学习pytorch深度学习人工智能机器学习
文章目录一、可能原因==1.学习率过高====2.batchsize过大==3.梯度爆炸4.损失函数不稳定5.数据预处理问题6.数据标签与输入不匹配7.模型初始化问题8.优化器设置问题9.数值问题==10.模型结构设计缺陷==二、调试步骤三、常见预防措施一、可能原因1.学习率过高原因:学习率过高可能导致梯度爆炸,权重更新幅度过大,导致模型参数变为无穷大或NaN。学习率设置过大是常见问题,它会让参数
- 模型高效推理--剪枝基础
绒绒毛毛雨
大模型算法剪枝深度学习人工智能
文章目录一、剪枝基础1.剪枝定义2.剪枝时机二、剪枝的分类1.按照剪枝粒度分类(粗➡️细)A.结构化剪枝a.隐藏层剪枝(LayerPruning)b.通道剪枝(ChannelPruning)c.卷积核剪枝(KernelPruning)B.非结构化剪枝a.核内权重剪枝(IntraKernelWeightPruning)b.单个权重剪枝(WeightPruning)C.特殊情况a.Token剪枝(To
- 阿里最全面试116题整理
数据存储张
程序人生数据库使用与原理解析零基础linux入门到精通C\C++入门到精通面试题java阿里
阿里天猫、蚂蚁金服、阿里巴巴面试题整理,可以作为参考。1.junit用法,before,beforeClass,after,afterClass的执行顺序2.分布式锁3.nginx的请求转发算法,如何配置根据权重转发4.用hashmap实现redis有什么问题(死锁,死循环,可用ConcurrentHashmap)5.线程的状态5.线程的阻塞的方式6.sleep和wait的区别7.hashmap的
- 用engine引擎文件在Jetson上面进行推理(YOLOv8)
薇憨
深度学习-硬件篇YOLOpythonpycharm深度学习pytorch嵌入式硬件
1.pt文件,推理在Jetson上可以通过predict.py脚本用.pt权重文件进行推理脚本如下:importwarningswarnings.filterwarnings('ignore')fromultralyticsimportYOLOif__name__=='__main__':model=YOLO('/best.pt')#selectyourmodel.ptpathmodel.pred
- 通过TenSorRT转换后的engine引擎文件进行验证的脚本
薇憨
深度学习-硬件篇嵌入式硬件mcupython
YOLOv8算法验证pt文件的精度脚本一般都很常见,工程项目里面一般会有importwarningswarnings.filterwarnings('ignore')fromultralyticsimportYOLOif__name__=='__main__':model=YOLO('/best.pt')#权重文件路径model.val(data='/data.yaml',#yaml文件路径spl
- python 求导实现_python – NumPy中的Softmax导数接近0(实现)
非凡运营笔记
python求导实现
这是如何以更加矢量化的numpy方式计算softmax函数的导数的答案.然而,偏导数逼近零的事实可能不是数学问题,并且只是学习率或复杂深度神经网络的已知死亡权重问题.像ReLU这样的图层有助于防止后一问题.首先,我使用了以下信号(仅复制您的上一个条目),使其成为4个样本x3个特征,因此更容易看到尺寸发生了什么.>>>signal=[[0.3394572666491664,0.30890680539
- DeepSeek 系列之 构建我自己的 DeepSeek Janus Pro Web 界面:使用 Gradio 进行本地实验
知识大胖
NVIDIAGPU和大语言模型开发教程deepseekjanuspro
介绍在探索了DeepSeek-R1并使用Ollama在本地运行模型后,我忍不住深入研究了DeepSeekJanusPro。但这次,我想更进一步:创建自己的Web界面来与模型交互,就像HuggingFace上的一样。剧透警告:它并不完美(是的,它很慢),但它有效——而且我在这个过程中学到了很多东西!推荐文章《如何在本地电脑上安装和使用DeepSeekR-1》权重1,DeepSeek《Nvidia系列
- DeepSeek 系列之 无需互联网即可在本地运行 DeepSeek R1
知识大胖
NVIDIAGPU和大语言模型开发教程deepseekllamaollama知识图谱
简介问:想尝试DeepSeekR1吗?问:担心隐私问题?问:更喜欢离线交互,而不需要持续的互联网连接?Ollama和ChatboxAI为您提供保障!推荐文章《如何在本地电脑上安装和使用DeepSeekR-1》权重1,DeepSeek《Nvidia系列之使用NVIDIAIsaacSim和ROS2的命令行控制您的机器人》权重1,NVIDIAIsaacSim《CrewAI教程之07什么是Memory记忆
- matlab——计算VPD(vapor pressure defict)
小琳子要开心呀
MATLABVPD计算饱和水汽压Goff-Gratch公式matlab
需求:计算VPD(vaporpressuredefict)。介绍:饱和水汽压差(简称VPD)是指在一定温度下,饱和水汽压与空气中的实际水汽压之间的差值(百度百科)。因此,温室中VPD的理想范围是0.45kPa至1.25kPa,理想情况下约为0.85kPa。通常,大多数植物在VPD在0.8到0.95kPa之间时生长良好(维基百科)。计算方法:一、先计算饱和水汽压二、饱和水汽压减去实际水汽压。世界气象
- 深度学习过程是什么
小松要进步
李哥深度学习深度学习
问:深度学习是:一组原始数据,经过线性变换、非线性变换、偏差加和等操作后得到一组预测数据,再根据损失函数计算预测数据和原始数据的差值,用差值数据对权重和偏差求偏导,这里的偏导数的值也就是使得损失减小的最佳方向,然后根据偏导数的方向和步长更新权重和偏差,对吗答:您的描述大致正确,但有一些细节需要澄清和修正,以更准确地反映深度学习中模型训练的过程。以下是详细的解释:1.原始数据处理:一组原始数据首先通
- Flink流式计算入门
@Rocky
Flinkflink大数据
什么是流式计算流式计算是一种实时处理和分析大规模数据流的计算方法,其核心思想是将数据视为连续流动的序列,而不是静态存储的数据。与传统的批处理计算不同,流式计算能够在数据生成的同时进行处理,提供及时的结果。核心概念数据流:流式计算中的基本单位,表示一系列动态生成的数据。数据流可以来自传感器、网络请求、用户行为等多种来源。计算流:在数据流上进行的各种计算操作,如过滤、聚合和转换等。这些操作实时进行,并
- 【练习】PAT 乙 1031 查验身份证
柠石榴
PAT题解输入输出算法c++数据结构开发语言
题目一个合法的身份证号码由17位地区、日期编号和顺序编号加1位校验码组成。校验码的计算规则如下:首先对前17位数字加权求和,权重分配为:{7,9,10,5,8,4,2,1,6,3,7,9,10,5,8,4,2};然后将计算的和对11取模得到值Z;最后按照以下关系对应Z值与校验码M的值:Z:012345678910M:10X98765432现在给定一些身份证号码,请你验证校验码的有效性,并输出有问题
- 大数据技术在数据安全治理中的应用
罗思付之技术屋
综合技术探讨及方案专栏大数据
摘要面对新形势下的数据安全治理挑战,顺应数据安全领域的技术发展趋势,针对大型国企在数据安全治理实际应用中突出的关键权限人员识别问题,提出了一种基于图算法的关键权限人员识别技术。该技术可以发现系统中潜在的权限影响因素,并可从多个角度衡量不同含义的权重影响力,识别结果可解释性强。针对数据安全治理中的用户与实体行为异常检测问题,提出一种基于生成对抗网络的用户与实体行为异常检测方法,实验结果表明,所提方法
- 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