- DiNA:扩张邻域注意力 Transformer
AI专题精讲
Paper阅读transformer人工智能
摘要Transformer正迅速成为跨模态、跨领域和跨任务中应用最广泛的深度学习架构之一。在计算机视觉领域,除了持续发展的纯transformer架构,分层transformer也因其优越的性能和在现有框架中易于集成而受到广泛关注。这类模型通常采用局部化的注意力机制,如滑动窗口的NeighborhoodAttention(NA)或SwinTransformer的ShiftedWindowSelfA
- 解释神经网络的普适逼近定理(面试题200合集,中频、实用)
快撑死的鱼
算法工程师宝典(面试学习最新技术必备)深度学习人工智能
神经网络的普适逼近定理(UniversalApproximationTheorem,UAT)是理解为什么神经网络如此强大和灵活的理论基石之一。它为我们提供了信心,即在某些条件下,一个相对简单的神经网络结构原则上能够模拟出几乎任何复杂的函数。这个定理在深度学习领域中经常被提及,尤其是在讨论模型表达能力的时候。普适逼近定理(UniversalApproximationTheorem)概述普适逼近定理的
- 使用SQL-Ollama与自然语言交互SQL数据库的指南
antja_
数据库sql
#使用SQL-Ollama与自然语言交互SQL数据库的指南##技术背景介绍随着人工智能技术的发展,能够使用自然语言与SQL数据库交互的需求越来越大。这种技术可以帮助用户轻松访问和操作数据库,而无需深刻理解SQL语法。SQL-Ollama是一个专门设计的模板,利用Zephyr-7b模型,通过Ollama在本地运行推理,使这一过程变得简单而高效。##核心原理解析SQL-Ollama通过将自然语言转换为
- 常见专业术语:
组织过程定义控制程序processfororganizationalprocessdefinition软件生命周期模型softwarelifecyclemodel组织标准过程集合描述descriptionoforganization'ssetofstandardprocess.组织标准过程裁剪指南tailoringguidelinefororganizationalstandardprocess过
- R语言倾向性匹配得分(PSM)分析
后端工程实践
r语言java开发语言R语言
R语言倾向性匹配得分(PSM)分析倾向性匹配得分(PropensityScoreMatching,PSM)是一种常用的统计方法,用于处理观察研究中的选择性偏倚。它通过建立一个倾向性得分模型,将受试者分为处理组和对照组,以实现类似于随机对照试验的效果。本文将介绍如何使用R语言进行倾向性匹配得分分析,并提供相应的源代码。导入所需的R包在进行PSM分析之前,首先需要导入所需的R包。常用的包包括Match
- Python爬虫实战:研究xmltodict库相关技术
ylfhpy
爬虫项目实战python爬虫开发语言xmltodict
1.引言1.1研究背景与意义气象数据在农业生产、交通规划、灾害预警等多个领域具有重要应用价值。传统的气象数据获取方式主要依赖于气象部门发布的统计信息,存在更新不及时、数据维度有限等问题。随着互联网技术的发展,气象网站提供了丰富的实时气象数据,但这些数据通常以HTML、XML等非结构化或半结构化形式存在,难以直接利用。因此,开发高效的数据采集与解析系统具有重要的现实意义。1.2国内外研究现状网络爬虫
- JVM调优实战 Day 11:JVM参数调优最佳实践
在未来等你
JVM调优实战JVMJava性能优化调优虚拟机
【JVM调优实战Day11】JVM参数调优最佳实践文章标签jvm,jvm调优,java性能优化,jvm参数配置,垃圾回收,JVM监控,Java开发,架构设计文章简述在Java应用的性能调优过程中,JVM参数的合理配置是影响系统稳定性和吞吐量的关键因素。本文作为“JVM调优实战”系列的第11天内容,全面讲解JVM参数调优的核心概念、技术原理与实际应用场景。文章从JVM内存模型、GC策略出发,深入分析
- 零信任架构——重构企业安全边界的新范式
月_o9
网络安全
零信任架构——重构企业安全边界的新范式(字数:998)传统边界的崩塌与信任危机防火墙与VPN构筑的“城堡护城河”模型在云原生与远程办公时代彻底瓦解。当数据散布于公有云、边缘设备与SaaS平台,当供应链攻击可穿透层层防护,“内部可信”的假设已成为最大安全漏洞。零信任(ZeroTrust)的核心哲学正是:永不信任,持续验证(NeverTrust,AlwaysVerify)。它并非单一技术,而是以身份为
- 文心大模型4.5及X1重磅上线,真实测评
2025年3月16日,人工智能领域迎来一场重要盛事——百度文心大模型4.5如期正式发布。与此同时,百度还惊喜推出了另一款全新模型——文心大模型X1。目前,文心大模型4.5和X1已在文心一言官网(https://yiyan.baidu.com/)正式上线,并免费向用户开放。其中,文心大模型4.5面向企业用户和开发者,用户可以通过登录百度智能云千帆大模型平台,轻松调用文心大模型4.5的API接口,快速
- 【LLaMA 3实战】6、LLaMA 3上下文学习指南:从少样本提示到企业级应用实战
无心水
LLaMA3模型实战专栏llamaLLaMA3实战LLaMa3上下文AI入门程序员的AI开发第一课人工智能AI
一、上下文学习(ICL)的技术本质与LLaMA3突破(一)ICL的核心原理与模型机制上下文学习(In-ContextLearning)的本质是通过提示词激活预训练模型的元学习能力,使模型无需微调即可适应新任务。LLaMA3的ICL架构通过以下机制实现突破:任务抽象:从示例中提取输入输出映射规则,如情感分析中的正负向判断模式模式泛化:将规则迁移到新输入,支持跨领域知识迁移动态适应:实时调整注意力分布
- 企业级RAG系统架构设计与实现指南(Java技术栈)
在未来等你
大模型应用开发AI技术编程JavaSpring
企业级RAG系统架构设计与实现指南(Java技术栈)开篇:RAG系统的基本概念与企业应用价值在当今快速发展的AI技术背景下,检索增强生成(Retrieval-AugmentedGeneration,RAG)已成为构建智能问答、知识库管理、个性化推荐等应用的核心技术之一。RAG系统通过结合信息检索与自然语言生成(NLG),能够有效提升模型对特定领域数据的适应能力,避免传统大模型在训练数据不足或数据更
- 面向隐私保护的机器学习:联邦学习技术解析与应用
Blossom.118
机器学习与人工智能机器学习人工智能深度学习tensorflowpython神经网络cnn
在当今数字化时代,数据隐私和安全问题日益受到关注。随着《数据安全法》《个人信息保护法》等法律法规的实施,企业和机构在数据处理和分析过程中面临着越来越严格的合规要求。然而,机器学习模型的训练和优化往往需要大量的数据支持,这就产生了一个矛盾:如何在保护数据隐私的前提下,充分利用数据的价值进行机器学习模型的训练和优化?联邦学习(FederatedLearning)作为一种新兴的隐私保护技术,为解决这一问
- 人工智能-基础篇-10-什么是卷积神经网络CNN(网格状数据处理:输入层,卷积层,激活函数,池化层,全连接层,输出层等)
weisian151
人工智能人工智能cnn神经网络
卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种专为处理网格状数据(如图像、视频、音频)设计的深度学习模型。它通过模拟生物视觉机制,从原始数据中自动提取多层次的特征,最终实现高效的分类、检测或生成任务。1、核心概念与原理1、生物视觉启发局部感受野:模仿人类视觉皮层神经元仅响应局部区域刺激的特性,每个神经元关注输入数据的局部区域(如图像的一小块区域)。权值共享:同一
- 3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例:新闻文章去重场景
SimHash算法文本去重实战案例:新闻文章去重场景一、案例背景与目标二、具体实现步骤与示例1.**待去重文本示例**2.**步骤1:文本预处理与特征提取**3.**步骤2:特征向量化与哈希映射**4.**步骤3:特征向量聚合**5.**步骤4:降维生成SimHash值**6.**步骤5:计算汉明距离与去重判断**三、工程化实现代码(Python简化示例)四、案例总结与优化点一、案例背景与目标假设
- 什么是 A/B 测试?
茫茫人海一粒沙
人工智能
一,什么是A/B测试?A/B测试的基本思想是:将用户随机分成两组,分别使用不同的版本,观察结果差异是否显著。A组:使用旧版本(或基线方案)B组:使用新版本(或新模型)然后对比它们的表现,例如:点击率(CTR)转化率(ConversionRate)用户停留时长任务完成率微调后模型的自动应答准确率、满意度等二,为什么叫A/B?A代表“控制组”(ControlGroup):通常是当前线上正在运行的版本B
- 借助antd-design-x-vue实现接入通义千问大语言模型的对话功能(附源码)
说在前面现在大模型如此火热,想必你跟我也有同样的想法,实现一个自己的AI对话框,相比Dify等组件分享出来的对话框,自己实现起来可以更加灵活和适应需求。虽然Element,Antd都发布了各自的对话框组件,我说句实话,这个理解起来真没之前那种Button,Card这些组件来的简单,下面分享我的一个小Demo。功能拆解首先,官方帮我们实现了一个小的原型,附带了几乎所有的功能,地址如下:ant-des
- 多模态大语言模型arxiv论文略读(145)
胖头鱼爱算法
#mllm_arxiv语言模型人工智能自然语言处理论文笔记论文阅读
ReasoningLimitationsofMultimodalLargeLanguageModels.AcasestudyofBongardProblems➡️论文标题:ReasoningLimitationsofMultimodalLargeLanguageModels.AcasestudyofBongardProblems➡️论文作者:MikołajMałkiński,SzymonPawlo
- 多模态大语言模型arxiv论文略读(138)
胖头鱼爱算法
#mllm_arxiv语言模型人工智能自然语言处理论文笔记深度学习
UnderstandingtheRoleofLLMsinMultimodalEvaluationBenchmarks➡️论文标题:UnderstandingtheRoleofLLMsinMultimodalEvaluationBenchmarks➡️论文作者:BotianJiang,LeiLi,XiaonanLi,ZhaoweiLi,XiachongFeng,LingpengKong,QiLiu,
- 微调大语言模型后,如何评估效果?一文讲清
茫茫人海一粒沙
人工智能
在做大语言模型(LLM)微调时,“怎么判断模型调得好不好”是必须回答的问题。无论是在研究、项目落地,还是面试中,评估方法都不能停留在“训练loss降了”这么简单。本文从评估目标、技术指标、业务适配、实战建议四个维度,讲清楚微调后的模型评估怎么做,为什么这么做。一,评估前,先搞清楚目标不同的微调目的,评估方式也不同:✅精调任务能力:判断模型是否更好完成分类、问答、摘要、代码生成等任务。✅领域适应:关
- 多模态大语言模型arxiv论文略读(140)
SemiHVision:EnhancingMedicalMultimodalModelswithaSemi-HumanAnnotatedDatasetandFine-TunedInstructionGeneration➡️论文标题:SemiHVision:EnhancingMedicalMultimodalModelswithaSemi-HumanAnnotatedDatasetandFine-T
- 如何实现聊天模型响应流式处理
yunwu12777
langchain
在现代人工智能应用中,流式处理聊天模型的响应成为一种常见需求,特别是在需要实时输出或大规模处理时。本文将详细介绍如何在Python中实现聊天模型的同步和异步流式处理,使用langchain库中提供的ChatAnthropic模型作为示例。技术背景介绍流式处理是指从模型逐步获取输出,而不是等待整个输出完成。这对于处理长文本生成或需要动态响应的应用场景特别有用。langchain库中的聊天模型实现了R
- 本地运行大型语言模型(LLM)的实践指南
yunwu12777
语言模型人工智能自然语言处理
技术背景介绍近年来,项目如llama.cpp、Ollama、GPT4All等的流行标志着在本地设备上运行大型语言模型(LLM)的需求日益增长。选择在本地运行LLM,至少有两个重要的好处:隐私和成本。隐私上,数据不需要发送到第三方,避免了商业服务条款的限制;成本方面,无需支付推理费用,尤其是对于那些需要大量计算的应用,如长时间的模拟和总结。核心原理解析在本地运行LLM,需要准备以下几个条件:开源LL
- CNN-GRU混合模型学习笔记
weixin_54372988
cnngru学习
GRU学习笔记CNN:卷积神经网络GRU(GateRecurrentUnit),门控循环单元CNN:卷积神经网络3个组成部分:1.卷积层——提取图像局部特征2.池化层——降维(防止过拟合)3.全连接层——输出结果一个卷积核扫完整张图片,得到每个小区域的特征值具体应用中通常有多个卷积核CNN可能有多层结构,如LeNet-5:卷积层–池化层–卷积层–池化层–卷积层–全连接层处理时间序列(1D序列):(
- TVFEMD-CPO-TCN-BiLSTM多输入单输出模型
微光-沫年
matlab回归机器学习
47-TVFEMD-CPO-TCN-BiLSTM多输入单输出模型适合单变量,多变量时间序列预测模型(可改进,加入各种优化算法)时变滤波的经验模态分解TVFEMD时域卷积TCN双向长短期记忆网络BiLSTM时间序列预测模型另外以及有TCN-BILSTMTCN-LSTMTCN-BiLSTM-ATTENTION等!(此不包含在内,另算的!)Matlab代码!
- CPO-CNN-GRU-Attention、CNN-GRU-Attention、CPO-CNN-GRU、CNN-GRU四模型多变量时序预测对比
Matlab科研辅导帮
cnngru人工智能
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。个人主页:Matlab科研工作室个人信条:格物致知,求助可私信。内容介绍多变量时序预测在诸多领域扮演着至关重要的角色,例如金融、气象和工业控制等。近年来,深度学习方法在时序预测任务中取得了显著的进展。本文旨在系统地比较四种基于卷积神经网络(CNN)和循环神经网络(GRU)的不同架构,包
- 构建私有视觉搜索应用:多模态大模型的应用实例
2301_80727036
自然语言处理
在当今的科技时代,视觉搜索功能已经不再是新鲜事物,许多智能手机用户都可以通过自然语言搜索照片。随着开源多模态大型语言模型(Multi-modalLLMs)的兴起,我们现在可以为自己构建这种视觉搜索应用,用于管理自己的私人照片收藏。本教程将向您展示如何通过代码示例,使用开源多模态LLM构建私有视觉搜索和问答系统。技术背景介绍多模态大模型结合了文本和图像处理能力,使得我们可以开发更智能的应用程序。通过
- zookeeper Curator(5):集群架构和集群搭建
后会无期77
zookeeperCuratorzookeeper架构分布式
文章目录一、集群架构:Leader-Follower模式二、核心机制:ZAB协议三、Leader选举机制四、集群部署要点五、优势与挑战Zookeeper集群是一个由多个Zookeeper服务实例组成的分布式协调服务系统,通过奇数个节点(通常3、5、7个)的协作,提供高可用性、容错性和数据一致性,适用于分布式环境下的配置管理、命名服务、分布式锁等场景。以下从架构、核心机制、选举机制、数据模型、应用场
- AI人工智能助力空间智能领域提升运营效率
AI智能探索者
AIAgent智能体开发实战人工智能网络ai
AI人工智能助力空间智能领域提升运营效率关键词:AI人工智能、空间智能领域、运营效率、智能算法、数据驱动摘要:本文聚焦于AI人工智能在空间智能领域的应用,旨在探讨其如何助力该领域提升运营效率。首先介绍了空间智能领域的背景和相关概念,阐述了AI在其中的核心作用和原理。接着详细讲解了相关核心算法,并结合数学模型进行分析。通过项目实战案例展示了AI在空间智能领域的具体应用和实现方式。同时探讨了实际应用场
- DeepSeek:AI驱动的效率革命与实战案例解
weixin_45788582
人工智能aiDeepSeek
在人工智能技术的浪潮中,DeepSeek作为一款专注实现AGI(通用人工智能)的先锋工具,正通过其强大的自然语言处理(NLP)与分布式计算能力,重新定义高效办公的边界。以下通过技术解析与实战案例,展现DeepSeek如何赋能个人与企业,开启职场效率革命。一、技术革新:DeepSeek的核心竞争力深度学习赋能DeepSeek的技术架构基于BERT、Transformer等先进深度学习模型,通过构建复
- AI驱动的智能电网:平衡供需提高效率
AI智能应用
AI大模型应用入门实战与进阶javapythonjavascriptkotlingolang架构人工智能
智能电网,AI,机器学习,预测模型,优化算法,供需平衡,能源效率1.背景介绍随着全球能源需求的不断增长和可再生能源的快速发展,传统电网面临着越来越多的挑战。传统的电网结构是集中式供电,难以适应分布式能源的接入和负荷需求的波动性。智能电网应运而生,它利用先进的通信技术、传感器网络和数据分析技术,实现电网的自动化、智能化和可视化,从而提高电网的可靠性、效率和安全性。人工智能(AI)作为一种新兴技术,在
- [星球大战]阿纳金的背叛
comsci
本来杰迪圣殿的长老是不同意让阿纳金接受训练的.........
但是由于政治原因,长老会妥协了...这给邪恶的力量带来了机会
所以......现代的地球联邦接受了这个教训...绝对不让某些年轻人进入学院
- 看懂它,你就可以任性的玩耍了!
aijuans
JavaScript
javascript作为前端开发的标配技能,如果不掌握好它的三大特点:1.原型 2.作用域 3. 闭包 ,又怎么可以说你学好了这门语言呢?如果标配的技能都没有撑握好,怎么可以任性的玩耍呢?怎么验证自己学好了以上三个基本点呢,我找到一段不错的代码,稍加改动,如果能够读懂它,那么你就可以任性了。
function jClass(b
- Java常用工具包 Jodd
Kai_Ge
javajodd
Jodd 是一个开源的 Java 工具集, 包含一些实用的工具类和小型框架。简单,却很强大! 写道 Jodd = Tools + IoC + MVC + DB + AOP + TX + JSON + HTML < 1.5 Mb
Jodd 被分成众多模块,按需选择,其中
工具类模块有:
jodd-core &nb
- SpringMvc下载
120153216
springMVC
@RequestMapping(value = WebUrlConstant.DOWNLOAD)
public void download(HttpServletRequest request,HttpServletResponse response,String fileName) {
OutputStream os = null;
InputStream is = null;
- Python 标准异常总结
2002wmj
python
Python标准异常总结
AssertionError 断言语句(assert)失败 AttributeError 尝试访问未知的对象属性 EOFError 用户输入文件末尾标志EOF(Ctrl+d) FloatingPointError 浮点计算错误 GeneratorExit generator.close()方法被调用的时候 ImportError 导入模块失
- SQL函数返回临时表结构的数据用于查询
357029540
SQL Server
这两天在做一个查询的SQL,这个SQL的一个条件是通过游标实现另外两张表查询出一个多条数据,这些数据都是INT类型,然后用IN条件进行查询,并且查询这两张表需要通过外部传入参数才能查询出所需数据,于是想到了用SQL函数返回值,并且也这样做了,由于是返回多条数据,所以把查询出来的INT类型值都拼接为了字符串,这时就遇到问题了,在查询SQL中因为条件是INT值,SQL函数的CAST和CONVERST都
- java 时间格式化 | 比较大小| 时区 个人笔记
7454103
javaeclipsetomcatcMyEclipse
个人总结! 不当之处多多包含!
引用 1.0 如何设置 tomcat 的时区:
位置:(catalina.bat---JAVA_OPTS 下面加上)
set JAVA_OPT
- 时间获取Clander的用法
adminjun
Clander时间
/**
* 得到几天前的时间
* @param d
* @param day
* @return
*/
public static Date getDateBefore(Date d,int day){
Calend
- JVM初探与设置
aijuans
java
JVM是Java Virtual Machine(Java虚拟机)的缩写,JVM是一种用于计算设备的规范,它是一个虚构出来的计算机,是通过在实际的计算机上仿真模拟各种计算机功能来实现的。Java虚拟机包括一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域。 JVM屏蔽了与具体操作系统平台相关的信息,使Java程序只需生成在Java虚拟机上运行的目标代码(字节码),就可以在多种平台
- SQL中ON和WHERE的区别
avords
SQL中ON和WHERE的区别
数据库在通过连接两张或多张表来返回记录时,都会生成一张中间的临时表,然后再将这张临时表返回给用户。 www.2cto.com 在使用left jion时,on和where条件的区别如下: 1、 on条件是在生成临时表时使用的条件,它不管on中的条件是否为真,都会返回左边表中的记录。
- 说说自信
houxinyou
工作生活
自信的来源分为两种,一种是源于实力,一种源于头脑.实力是一个综合的评定,有自身的能力,能利用的资源等.比如我想去月亮上,要身体素质过硬,还要有飞船等等一系列的东西.这些都属于实力的一部分.而头脑不同,只要你头脑够简单就可以了!同样要上月亮上,你想,我一跳,1米,我多跳几下,跳个几年,应该就到了!什么?你说我会往下掉?你笨呀你!找个东西踩一下不就行了吗?
无论工作还
- WEBLOGIC事务超时设置
bijian1013
weblogicjta事务超时
系统中统计数据,由于调用统计过程,执行时间超过了weblogic设置的时间,提示如下错误:
统计数据出错!
原因:The transaction is no longer active - status: 'Rolling Back. [Reason=weblogic.transaction.internal
- 两年已过去,再看该如何快速融入新团队
bingyingao
java互联网融入架构新团队
偶得的空闲,翻到了两年前的帖子
该如何快速融入一个新团队,有所感触,就记下来,为下一个两年后的今天做参考。
时隔两年半之后的今天,再来看当初的这个博客,别有一番滋味。而我已经于今年三月份离开了当初所在的团队,加入另外的一个项目组,2011年的这篇博客之后的时光,我很好的融入了那个团队,而直到现在和同事们关系都特别好。大家在短短一年半的时间离一起经历了一
- 【Spark七十七】Spark分析Nginx和Apache的access.log
bit1129
apache
Spark分析Nginx和Apache的access.log,第一个问题是要对Nginx和Apache的access.log文件进行按行解析,按行解析就的方法是正则表达式:
Nginx的access.log解析正则表达式
val PATTERN = """([^ ]*) ([^ ]*) ([^ ]*) (\\[.*\\]) (\&q
- Erlang patch
bookjovi
erlang
Totally five patchs committed to erlang otp, just small patchs.
IMO, erlang really is a interesting programming language, I really like its concurrency feature.
but the functional programming style
- log4j日志路径中加入日期
bro_feng
javalog4j
要用log4j使用记录日志,日志路径有每日的日期,文件大小5M新增文件。
实现方式
log4j:
<appender name="serviceLog"
class="org.apache.log4j.RollingFileAppender">
<param name="Encoding" v
- 读《研磨设计模式》-代码笔记-桥接模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/**
* 个人觉得关于桥接模式的例子,蜡笔和毛笔这个例子是最贴切的:http://www.cnblogs.com/zhenyulu/articles/67016.html
* 笔和颜色是可分离的,蜡笔把两者耦合在一起了:一支蜡笔只有一种
- windows7下SVN和Eclipse插件安装
chenyu19891124
eclipse插件
今天花了一天时间弄SVN和Eclipse插件的安装,今天弄好了。svn插件和Eclipse整合有两种方式,一种是直接下载插件包,二种是通过Eclipse在线更新。由于之前Eclipse版本和svn插件版本有差别,始终是没装上。最后在网上找到了适合的版本。所用的环境系统:windows7JDK:1.7svn插件包版本:1.8.16Eclipse:3.7.2工具下载地址:Eclipse下在地址:htt
- [转帖]工作流引擎设计思路
comsci
设计模式工作应用服务器workflow企业应用
作为国内的同行,我非常希望在流程设计方面和大家交流,刚发现篇好文(那么好的文章,现在才发现,可惜),关于流程设计的一些原理,个人觉得本文站得高,看得远,比俺的文章有深度,转载如下
=================================================================================
自开博以来不断有朋友来探讨工作流引擎该如何
- Linux 查看内存,CPU及硬盘大小的方法
daizj
linuxcpu内存硬盘大小
一、查看CPU信息的命令
[root@R4 ~]# cat /proc/cpuinfo |grep "model name" && cat /proc/cpuinfo |grep "physical id"
model name : Intel(R) Xeon(R) CPU X5450 @ 3.00GHz
model name :
- linux 踢出在线用户
dongwei_6688
linux
两个步骤:
1.用w命令找到要踢出的用户,比如下面:
[root@localhost ~]# w
18:16:55 up 39 days, 8:27, 3 users, load average: 0.03, 0.03, 0.00
USER TTY FROM LOGIN@ IDLE JCPU PCPU WHAT
- 放手吧,就像不曾拥有过一样
dcj3sjt126com
内容提要:
静悠悠编著的《放手吧就像不曾拥有过一样》集结“全球华语世界最舒缓心灵”的精华故事,触碰生命最深层次的感动,献给全世界亿万读者。《放手吧就像不曾拥有过一样》的作者衷心地祝愿每一位读者都给自己一个重新出发的理由,将那些令你痛苦的、扛起的、背负的,一并都放下吧!把憔悴的面容换做一种清淡的微笑,把沉重的步伐调节成春天五线谱上的音符,让自己踏着轻快的节奏,在人生的海面上悠然漂荡,享受宁静与
- php二进制安全的含义
dcj3sjt126com
PHP
PHP里,有string的概念。
string里,每个字符的大小为byte(与PHP相比,Java的每个字符为Character,是UTF8字符,C语言的每个字符可以在编译时选择)。
byte里,有ASCII代码的字符,例如ABC,123,abc,也有一些特殊字符,例如回车,退格之类的。
特殊字符很多是不能显示的。或者说,他们的显示方式没有标准,例如编码65到哪儿都是字母A,编码97到哪儿都是字符
- Linux下禁用T440s,X240的一体化触摸板(touchpad)
gashero
linuxThinkPad触摸板
自打1月买了Thinkpad T440s就一直很火大,其中最让人恼火的莫过于触摸板。
Thinkpad的经典就包括用了小红点(TrackPoint)。但是小红点只能定位,还是需要鼠标的左右键的。但是自打T440s等开始启用了一体化触摸板,不再有实体的按键了。问题是要是好用也行。
实际使用中,触摸板一堆问题,比如定位有抖动,以及按键时会有飘逸。这就导致了单击经常就
- graph_dfs
hcx2013
Graph
package edu.xidian.graph;
class MyStack {
private final int SIZE = 20;
private int[] st;
private int top;
public MyStack() {
st = new int[SIZE];
top = -1;
}
public void push(i
- Spring4.1新特性——Spring核心部分及其他
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- 配置HiveServer2的安全策略之自定义用户名密码验证
liyonghui160com
具体从网上看
http://doc.mapr.com/display/MapR/Using+HiveServer2#UsingHiveServer2-ConfiguringCustomAuthentication
LDAP Authentication using OpenLDAP
Setting
- 一位30多的程序员生涯经验总结
pda158
编程工作生活咨询
1.客户在接触到产品之后,才会真正明白自己的需求。
这是我在我的第一份工作上面学来的。只有当我们给客户展示产品的时候,他们才会意识到哪些是必须的。给出一个功能性原型设计远远比一张长长的文字表格要好。 2.只要有充足的时间,所有安全防御系统都将失败。
安全防御现如今是全世界都在关注的大课题、大挑战。我们必须时时刻刻积极完善它,因为黑客只要有一次成功,就可以彻底打败你。 3.
- 分布式web服务架构的演变
自由的奴隶
linuxWeb应用服务器互联网
最开始,由于某些想法,于是在互联网上搭建了一个网站,这个时候甚至有可能主机都是租借的,但由于这篇文章我们只关注架构的演变历程,因此就假设这个时候已经是托管了一台主机,并且有一定的带宽了,这个时候由于网站具备了一定的特色,吸引了部分人访问,逐渐你发现系统的压力越来越高,响应速度越来越慢,而这个时候比较明显的是数据库和应用互相影响,应用出问题了,数据库也很容易出现问题,而数据库出问题的时候,应用也容易
- 初探Druid连接池之二——慢SQL日志记录
xingsan_zhang
日志连接池druid慢SQL
由于工作原因,这里先不说连接数据库部分的配置,后面会补上,直接进入慢SQL日志记录。
1.applicationContext.xml中增加如下配置:
<bean abstract="true" id="mysql_database" class="com.alibaba.druid.pool.DruidDataSourc