鮟橋
鮟橋

Fine Yoga 勿忘初心

勿忘初心. 以始为终～ 意思就是做任何一件事情. 伱当初的初心是什么. 为什么要我这么做？

我记得. 我当初我来做预售的时候是想着要做30万的业绩. 挑战我一下自我. 他们跟我说： 预售很苦. 现在我依旧记得. 计算公式我也知道. 想要出30万的业绩需要最少60张定金. 每张定金最少需要20个资源. 我现在是400多个资源. 还差800多. 时间不多.  我也知每天时间都在流失.  但我不曾忘记我曾经想要的东西.

该怎么做. 不用想～ 每一天努力的加资源.

你可能感兴趣的:(Fine Yoga 勿忘初心)

  • 一、大模型微调的前沿技术与应用 伯牙碎琴 大模型微调人工智能大模型微调Deepseek
    大模型微调的前沿技术与应用随着大规模预训练模型（如GPT、BERT、T5等）的广泛应用，大模型微调（Fine-Tuning,FT）成为了提升模型在特定任务中性能的关键技术。通过微调，开发者可以根据实际需求调整预训练模型的参数，使其更好地适应特定应用场景。本文将介绍大模型微调技术的前沿发展，分析不同微调方法的特点、适用场景以及优缺点，并对它们进行系统分类。微调技术的重要性大模型微调能够帮助开发者根据
  • 大语言模型常用微调与基于SFT微调DeepSeek R1指南 知来者逆 LLM深度学习人工智能自然语言处理DeepSeekSFT微调
    概述大型语言模型（LLM，LargeLanguageModel）的微调（Fine-tuning）是指在一个预训练模型的基础上，使用特定领域或任务的数据对模型进行进一步训练，以使其在该领域或任务上表现更好。微调是迁移学习的一种常见方法，能够显著提升模型在特定任务上的性能。在大型语言模型（LLM）的微调中，有几种常见的方法，包括SFT（监督微调）、LoRA（低秩适应）、P-tuningv2和**Fre
  • 新版布谷直播软件源码开发搭建功能更新明细 山东布谷科技官方 直播软件开发直播源码直播app源码直播软件源码
    即将步入2025年也就是山东布谷科技专注直播系统开发,直播软件源码出售开发搭建等业务第9年,山东布谷科技不断更新直播软件功能，以适应当前新市场环境下的新要求。山东布谷科技始终秉承初心，做一款符合广大客户需求的直播系统软件。支持广大客户提交更多个性化需求，山东布谷科技将不同客户提供的不同需求汇合到一起，结合市场大环境要求挑选更新计划，根据当前工作安排不定期更新功能。山东布谷鸟网络科技～布谷直播-新增
  • 如何微调（Fine-tuning）大语言模型？看完这篇你就懂了！！ datian1234 语言模型人工智能chatgptLLMaiAI大模型大模型微调
    前言本文介绍了微调的基本概念，以及如何对语言模型进行微调。从GPT3到ChatGPT、从GPT4到GitHubcopilot的过程，微调在其中扮演了重要角色。什么是微调（fine-tuning）？微调能解决什么问题？什么是LoRA？如何进行微调？本文将解答以上问题，并通过代码实例展示如何使用LoRA进行微调。微调的技术门槛并不高，如果微调的模型规模不大10B及10B以下所需硬件成本也不高（10B模
  • 【深度学习】常见模型-GPT（Generative Pre-trained Transformer，生成式预训练 Transformer） IT古董 深度学习人工智能深度学习gpttransformer
    GPT（GenerativePre-trainedTransformer）1️⃣什么是GPT？GPT（GenerativePre-trainedTransformer，生成式预训练Transformer）是由OpenAI开发的基于Transformer解码器（Decoder）的自回归（Autoregressive）语言模型。它能够通过大量无监督数据预训练，然后微调（Fine-tuning）以适应特
  • 大模型入门（六）—— RLHF微调大模型 LLM. 人工智能语言模型机器学习自然语言处理LLM大模型RLHF
    一、RLHF微调三阶段参考：https://huggingface.co/blog/rlhf1）使用监督数据微调语言模型，和fine-tuning一致。2）训练奖励模型奖励模型是输入一个文本序列，模型给出符合人类偏好的奖励数值，这个奖励数值对于后面的强化学习训练非常重要。构建奖励模型的训练数据一般是同一个数据用不同的语言模型生成结果，然后人工打分。如果是训练自己领域的RLHF模型，也可以尝试用ch
  • coarse-to-fine(1) CF-DRNet momoka9 论文笔记python
    1、Coarse-to-fineclassificationfordiabeticretinopathygradingusingconvolutionalneuralnetwork使用卷积神经网络对糖尿病视网膜病变分级进行从粗到细的分类。ArtificialIntelligenceinMedicineVolume108,August2020,101936亮点首次提出了一个分层的从粗到细的糖尿病视网
  • 接入deepseek构建RAG企业智能问答系统 da pai ge prometheuskubernetesjavascript
    RAG基础流程AI大模型回答问题的方式AI大模型基于其训练的数据回答所有问题。如果未针对特定业务（如美团）进行专门“学习”，面对直接相关的问题时，无法给出理想的答案。让AI大模型“学习”业务知识的两种主要方法：微调（Fine-Tuning）：在预训练模型基础上根据特定任务和数据集调整参数。RAG（Retrieval-AugmentedGeneration，检索增强生成）：使用泛化的大模型，通过对问
  • 大模型(LLM)微调并不复杂，数据才是关键：3个实例详解数据准备 程序员二飞 深度学习机器学习人工智能金融学习chatgpt大数据
    今天咱们聊聊一个听起来很高大上的词——微调（Fine-Tuning）。听说过吗？别担心，今天我们不打算深挖那些复杂的技术细节，而是要告诉你们一个简单的事实：微调其实一点都不复杂，真正的关键在于——数据！前排提示，文末有大模型AGI-CSDN独家资料包哦！在这篇文章里，我们不仅会深入浅出地介绍什么是微调，还会通过三个具体的实例，教你们如何准备高质量的数据集，让你们的模型表现出色。准备好了吗？让我们一
  • tomcat配置Catalina.out日志和access访问日志滚动和最大保存天数 stpice javatomcatjavacatalina.outaccess.logmaxDays
    版本要求如下：版本8.5.x，需要8.5.16以上版本8.0.x，需要8.0.45以上版本7.0.x，需要7.0.79以上1.对于默认的日志（Catalinalog）配置：修改conf/logging.properties文件，添加maxDays关键字来指定日志保留的最大天数。配置前：1catalina.org.apache.juli.FileHandler.level=FINE1catalina
  • 【机器学习】机器学习重要方法——迁移学习：理论、方法与实践 E绵绵 Everything机器学习迁移学习人工智能pythonAIGC应用
    文章目录迁移学习：理论、方法与实践引言第一章迁移学习的基本概念1.1什么是迁移学习1.2迁移学习的类型1.3迁移学习的优势第二章迁移学习的核心方法2.1特征重用（FeatureReuse）2.2微调（Fine-Tuning）2.3领域适应（DomainAdaptation）第三章迁移学习的应用实例3.1医疗影像分析3.2文本分类3.3工业故障检测第四章迁移学习的未来发展与挑战4.1领域差异与模型适
  • Mixture of Experts（MoE）学习笔记 南七小僧 人工智能网站开发医疗器械研发学习笔记人工智能MoE大模型
    1学习动机第一次了解到MoE（Mixtureofexperts），是在GPT-4模型架构泄漏事件，听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构（8*220B）组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索，更多的工作还是聚焦在预训练新的大模型，在Llama2或其他模型上做Fine-tune，以及扩展大模型的ContextLength。12月8号
  • 【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
  • AI大模型在智能客服系统中的应用 季风泯灭的季节 AI大模型应用技术二人工智能
    目录引言1.基于大模型的智能客服系统架构2.对话生成与上下文管理对话生成上下文管理3.提高客服系统响应精度的策略1.使用专门训练的数据集2.引入实体识别和意图分类3.反馈循环和持续优化4.AI大模型在企业中的优化与调优策略1.模型微调（Fine-tuning）2.模型蒸馏（ModelDistillation）3.响应延迟优化4.持续监控与反馈结论引言随着人工智能（AI）技术的不断发展，AI大模型在
  • DeepSeek V3 模型微调（SFT）技术详解 zhangjiaofa 大模型DeepSeek模型微调
    DeepSeekV3模型微调（SFT）技术详解目录引言背景知识2.1深度学习与预训练模型2.2微调（Fine-tuning）的概念2.3监督微调（SupervisedFine-tuning,SFT）DeepSeekV3模型概述3.1模型架构3.2预训练任务3.3模型性能监督微调（SFT）技术详解4.1数据准备4.1.1数据收集与清洗4.1.2数据标注4.1.3数据增强4.2模型初始化4.2.1预训
  • 万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南 汀、人工智能 LLM工业级落地实践LLM技术汇总语言模型人工智能自然语言处理P-tuningLoRAprompttuningadapter
    万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南LLM训练时间和的成本太过庞大，况且个人卷训练经验极为困难，不妨从微调开始搞起。本文对正经的微调方法进行了总结，继续打怪，继续升级～提示：本文对当前常见的微调技术都进行了罗列，由于结合了论文和网络资料导致文章很长，可以先看总结部分先对概念有些印象，如果需要用到对应的微调技术再进行原理探究。1.Fine-
  • 探索前端的未来：深度使用 SolidJS 构建高性能用户界面 桂月二二 前端ui
    SolidJS是近年来前端开发领域的一颗新星，它结合了React的思维模式和Vue的性能优势，提供了一种高效且轻量的框架解决方案。本文将带你深入了解SolidJS的实际使用，并探索如何利用其核心特性构建现代化的高性能应用。为什么选择SolidJS？相比于其他框架，SolidJS有以下独特优势：超高性能：基于fine-grainedreactivity（细粒度反应性）机制，仅更新必要的DOM节点。零
  • 大语言模型LLM基础扫盲速通版 SmallerFL NLP&机器学习语言模型人工智能自然语言处理llmchatgpt
    文章目录1.什么是LLM？2.LLM如何工作？3.LLM开发的关键里程碑4.训练可用LLM模型的完整流程5.LLM具备的能力6.领先的LLM模型包含哪些？7.建议从头开始训练LLM吗？8.LLM的训练数据源包含哪些？9.其他关于LLM的常见问题9.1Transformer在LLM中有何意义？9.2在LLM中，微调(fine-tuning)是什么？9.3模型大小如何影响LLM的性能？9.4LLM能生
  • 不变初心数 阿猿收手吧！ #C语言经典题目c++算法c语言
    不变初心数描述不变初心数是指这样一种特别的数，它分别乘2、3、4、5、6、7、8、9时，所得乘积各位数之和却不变（等于该数的各位数字之和）。例如18就是这样的数：18的2倍是36，3+6=9；18的3倍是54，5+4=9；……18的9倍是162，1+6+2=9。对于18而言，9就是它的初心。编写程序，输出指定范围内[a,b]的所有不变初心数。输入一行中给出2个正整数a和b，且a≤b≤10^5输出按
  • re:Invent 2023 | 当 SaaS 遇到 AI /ML 和生成式 AI：多租户模式和战略 李白的好朋友 aws亚马逊云科技科技人工智能re:Invent2023生成式AI云服务
    关键字:[AmazonWebServicesre:Invent2023,[Bedrock](https://aws.amazon.com/cn/bedrock/guardrails/?&trk=42570719-fa2a-4df9-893d-40b6ac004272&sc_channel=el"Bedrock"),Multi-TenantPatterns,GenerativeAi,Fine-Tun
  • FACEBOOK改名META,元宇宙救不了FACEBOOK 公众号:肉眼品世界 大数据微软编程语言区块链python
    肉眼品世界导读：没错，看标题你就会发现这里又是不同的观点，正如此，我相信即便是这个公众号，以及由此而散开的花是值得期待的；这不仅打开一扇技术的窗，更打开一扇人生的窗口读懂中国互联网，读懂商业模式请关注微信公众号“肉眼品世界”（ID：find_world_fine），深度价值体系传递FACEBOOK的更名与愿景今天facebook在Connect2021的开幕会上，宣布公司更名为meta，正式进入M
  • CSS语言的编程范式 ByteBlossom666 包罗万象golang开发语言后端
    CSS语言的编程范式引言随着互联网的发展，网络应用和网站的数量不断增加，前端开发的复杂性也在日益增加。在前端开发中，CSS（层叠样式表）作为一种描述文档外观的语言，扮演着至关重要的角色。虽然CSS语言的设计初心是为HTML文档提供样式和布局，但在实际使用中，它的表达能力与编程范式的结合，使得我们能够以更加高效和灵活的方式来构建用户界面。本文将深入探讨CSS语言的编程范式，分析其基本概念、特点、应用
  • 个性化的语言模型构建思路 由数入道 人工智能语言模型人工智能自然语言处理
    将开源模型（如Llama3、Qwen、Falcon3…等）转变为个人专属的大语言模型，通常涉及知识库的构建、微调（fine-tuning）和模型定制等步骤。下面提供一个详细的技术解决方案，涵盖了如何利用现有的资料（如文档、PDF、Excel、PPT、图片、语音、视频等）将开源模型转换为个人专属的语言模型的步骤、思路和技术设计。解决方案概述知识库构建：从不同格式的资料中提取有效信息，构建结构化或非结
  • 2024：在成长、创作与生活中找到星光 手握风云- 生活
    目录一、前言二、年度创作与历程回顾三、个人成长与突破3.1.初入迷雾：懵懂的起点3.2.从迷茫到笃定，开启技术探索之旅3.3.破茧成蝶：在质疑与焦虑中坚守初心3.4.蜕变之路：代码能力的质变与成长四、个人学习与博客事业的融合五、结语一、前言不知不觉，2024年已经过去，2025年已经悄然而至。今天是我加入CSDN的第244天，回首这大半年的时光，仿佛一场充实而精彩的旅程，每一天都充满了新奇与成长。
  • 大语言模型原理基础与前沿 指令生成 AI大模型应用之禅 计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
    大语言模型、指令生成、Transformer、BERT、GPT、LLaMA、Fine-tuning、PromptEngineering1.背景介绍近年来，大语言模型（LargeLanguageModels，LLMs）在自然语言处理领域取得了令人瞩目的成就。从文本生成、翻译到问答和代码编写，LLMs展现出强大的能力，深刻地改变了我们与语言交互的方式。指令生成作为LLMs应用的重要方向之一，旨在通过明
  • 高频量化交之李庆：在华尔街狼共舞的岁 顺其自然�非之歌� Cla_MysqlCla_众筹图书
    转“高频量化交易之王”李庆：在华尔街与狼共舞的岁月在华尔街打拼16年，成为最顶尖的量化投资基金经理，李庆并没有忘记初心，依然几十年如一日的努力、勤奋。他相信一个人无论做什么，要成功只有一句话，“非常踏实，严谨地去做这件事情”，“只要是努力工作，努力去研究，努力去严谨地做一件事情，最后成功的可能性才会很大。”李庆有自己的独门秘籍。他原本应该是数学家，最终却在16年间成为华尔街的顶级资本玩家。他和很多
  • 湖仓进化，极速统一｜StarRocks 2024 社区年度报告 数据库
    延伸阅读：Lakehouse白皮书|从理论到落地的现代数据架构升级指南StarRocks开源三周年：初心不忘，征程不止！StarRocksAwards2024年度贡献人物StarRocks培训课程重磅上线！专家出品，助你升级打怪不走弯路！更多交流，联系我们：https://wx.focussend.com/weComLink/mobileQrCodeLink/33412/515d5
  • python取列表前3个元素_Python3基础 list pop(含参) 取出列表中的指定索引的元素 weixin_39848097 python取列表前3个元素
    Python:3.7.0OS:Ubuntu18.04.1LTSIDE:PyCharm2018.2.4Conda:4.5.11typesetting:Markdowncode"""@Author:行初心@Date:18-9-23@Blog:www.cnblogs.com/xingchuxin@Gitee:gitee.com/zhichengjiu"""defmain():member=['黄帝内经'
  • python的总结与心得词云设计理念_Python词云展示十九大报告 weixin_39633054
    “不忘初心，牢记使命，高举中国特色社会主义伟大旗帜，决胜全面建成小康社会，夺取新时代中国特色社会主义伟大胜利，为实现中华民族伟大复兴的中国梦不懈奋斗。”十九大召开已过去近一个月，我国社会主要矛盾已经转变，中国特色社会主义进入了新时代，中国人民实现了从站起来，富起来到强起来，我们国家已经走近世界舞台的中央。国家强盛，民族自豪，为了中国梦，戮力前行。考研的同学应该此刻也在对着十九大报告埋头苦背吧，作为
  • 吴恩达系列——微调（Fine-tuning）与生成模型的应用 疯狂小料 aiprompt
    微调（Fine-tuning）是指在已有预训练模型的基础上，对模型进行进一步训练，以适应特定任务或需求。在自然语言处理领域，生成模型通过微调可以在特定场景下生成更加准确、一致的输出，同时保护用户的隐私，减少不当信息的泄露。本文将结合生成模型的工作原理和实际应用，解释微调如何提升生成模型的效果，并探讨其在保护隐私方面的优势。1.生成模型与Prompt的作用生成模型，如GPT系列，通常通过接受一个输入
  • Java实现的基于模板的网页结构化信息精准抽取组件：HtmlExtractor yangshangchuan 信息抽取HtmlExtractor精准抽取信息采集
    HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件，本身并不包含爬虫功能，但可被爬虫或其他程序调用以便更精准地对网页结构化信息进行抽取。   HtmlExtractor是为大规模分布式环境设计的，采用主从架构，主节点负责维护抽取规则，从节点向主节点请求抽取规则，当抽取规则发生变化，主节点主动通知从节点，从而能实现抽取规则变化之后的实时动态生效。 如
  • java编程思想 -- 多态 百合不是茶 java多态详解
    一: 向上转型和向下转型 面向对象中的转型只会发生在有继承关系的子类和父类中（接口的实现也包括在这里）。父类：人    子类：男人向上转型： Person p = new Man() ; //向上转型不需要强制类型转化向下转型： Man man =
  • [自动数据处理]稳扎稳打,逐步形成自有ADP系统体系 comsci dp
          对于国内的IT行业来讲,虽然我们已经有了"两弹一星",在局部领域形成了自己独有的技术特征,并初步摆脱了国外的控制...但是前面的路还很长....       首先是我们的自动数据处理系统还无法处理很多高级工程...中等规模的拓扑分析系统也没有完成,更加复杂的
  • storm 自定义 日志文件 商人shang stormclusterlogback
    Storm中的日志级级别默认为INFO，并且，日志文件是根据worker号来进行区分的，这样，同一个log文件中的信息不一定是一个业务的，这样就会有以下两个需求出现： 1. 想要进行一些调试信息的输出 2. 调试信息或者业务日志信息想要输出到一些固定的文件中   不要怕，不要烦恼，其实Storm已经提供了这样的支持，可以通过自定义logback 下的 cluster.xml 来输
  • Extjs3 SpringMVC使用 @RequestBody 标签问题记录 21jhf
    springMVC使用 @RequestBody(required = false) UserVO userInfo 传递json对象数据，往往会出现http 415，400,500等错误，总结一下需要使用ajax提交json数据才行，ajax提交使用proxy，参数为jsonData，不能为params；另外，需要设置Content-type属性为json，代码如下： （由于使用了父类aaa
  • 一些排错方法 文强chu 方法
    1、java.lang.IllegalStateException: Class invariant violation at org.apache.log4j.LogManager.getLoggerRepository(LogManager.java:199)at org.apache.log4j.LogManager.getLogger(LogManager.java:228) at o
  • Swing中文件恢复我觉得很难 小桔子 swing
           我那个草了！老大怎么回事，怎么做项目评估的？只会说相信你可以做的，试一下，有的是时间！        用java开发一个图文处理工具，类似word，任意位置插入、拖动、删除图片以及文本等。文本框、流程图等，数据保存数据库，其余可保存pdf格式。ok,姐姐千辛万苦，
  • php 文件操作 aichenglong PHP读取文件写入文件
    1 写入文件 @$fp=fopen("$DOCUMENT_ROOT/order.txt", "ab"); if(!$fp){ echo "open file error" ; exit; } $outputstring="date:"." \t tire:".$tire."
  • MySQL的btree索引和hash索引的区别 AILIKES 数据结构mysql算法
    Hash 索引结构的特殊性，其 检索效率非常高，索引的检索可以一次定位，不像B-Tree 索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以 Hash 索引的查询效率要远高于 B-Tree 索引。     可能很多人又有疑问了，既然 Hash 索引的效率要比 B-Tree 高很多，为什么大家不都用 Hash 索引而还要使用 B-Tree 索引呢
  • JAVA的抽象--- 接口 --实现 百合不是茶
    抽象 接口 实现接口   //抽象 类 ,方法   //定义一个公共抽象的类 ,并在类中定义一个抽象的方法体 抽象的定义使用abstract   abstract class A 定义一个抽象类 例如： //定义一个基类 public abstract class A{     //抽象类不能用来实例化，只能用来继承 //
  • JS变量作用域实例 bijian1013 作用域
    <script> var scope='hello'; function a(){ console.log(scope); //undefined var scope='world'; console.log(scope); //world console.log(b);
  • TDD实践（二） bijian1013 javaTDD
    实践题目：分解质因数 Step1： 单元测试： package com.bijian.study.factor.test; import java.util.Arrays; import junit.framework.Assert; import org.junit.Before; import org.junit.Test; import com.bijian.
  • [MongoDB学习笔记一]MongoDB主从复制 bit1129 mongodb
    MongoDB称为分布式数据库，主要原因是1.基于副本集的数据备份， 2.基于切片的数据扩容。副本集解决数据的读写性能问题，切片解决了MongoDB的数据扩容问题。   事实上，MongoDB提供了主从复制和副本复制两种备份方式，在MongoDB的主从复制和副本复制集群环境中，只有一台作为主服务器，另外一台或者多台服务器作为从服务器。 本文介绍MongoDB的主从复制模式，需要指明
  • 【HBase五】Java API操作HBase bit1129 hbase
    import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.ha
  • python调用zabbix api接口实时展示数据 ronin47
    zabbix api接口来进行展示。经过思考之后，计划获取如下内容：     1、  获得认证密钥     2、  获取zabbix所有的主机组     3、  获取单个组下的所有主机     4、  获取某个主机下的所有监控项  
  • jsp取得绝对路径 byalias 绝对路径
    在JavaWeb开发中，常使用绝对路径的方式来引入JavaScript和CSS文件，这样可以避免因为目录变动导致引入文件找不到的情况，常用的做法如下： 一、使用${pageContext.request.contextPath} 　　代码” ${pageContext.request.contextPath}”的作用是取出部署的应用程序名，这样不管如何部署，所用路径都是正确的。
  • Java定时任务调度：用ExecutorService取代Timer bylijinnan java
    《Java并发编程实战》一书提到的用ExecutorService取代Java Timer有几个理由，我认为其中最重要的理由是： 如果TimerTask抛出未检查的异常，Timer将会产生无法预料的行为。Timer线程并不捕获异常，所以 TimerTask抛出的未检查的异常会终止timer线程。这种情况下，Timer也不会再重新恢复线程的执行了;它错误的认为整个Timer都被取消了。此时，已经被
  • SQL 优化原则 chicony sql
    一、问题的提出 　在应用系统开发初期，由于开发数据库数据比较少，对于查询SQL语句，复杂视图的的编写等体会不出SQL语句各种写法的性能优劣，但是如果将应用系统提交实际应用后，随着数据库中数据的增加，系统的响应速度就成为目前系统需要解决的最主要的问题之一。系统优化中一个很重要的方面就是SQL语句的优化。对于海量数据，劣质SQL语句和优质SQL语句之间的速度差别可以达到上百倍，可见对于一个系统
  • java 线程弹球小游戏 CrazyMizzz java游戏
    最近java学到线程，于是做了一个线程弹球的小游戏，不过还没完善 这里是提纲 1.线程弹球游戏实现 1.实现界面需要使用哪些API类 JFrame JPanel JButton FlowLayout Graphics2D Thread Color ActionListener ActionEvent MouseListener Mouse
  • hadoop jps出现process information unavailable提示解决办法 daizj hadoopjps
    hadoop jps出现process information unavailable提示解决办法   jps时出现如下信息： 3019 -- process information unavailable3053 -- process information unavailable2985 -- process information unavailable2917 --
  • PHP图片水印缩放类实现 dcj3sjt126com PHP
    <?php class Image{ private $path; function __construct($path='./'){ $this->path=rtrim($path,'/').'/'; } //水印函数，参数：背景图，水印图，位置，前缀,TMD透明度 public function water($b,$l,$pos
  • IOS控件学习：UILabel常用属性与用法 dcj3sjt126com iosUILabel
    参考网站： http://shijue.me/show_text/521c396a8ddf876566000007 http://www.tuicool.com/articles/zquENb http://blog.csdn.net/a451493485/article/details/9454695 http://wiki.eoe.cn/page/iOS_pptl_artile_281
  • 完全手动建立maven骨架 eksliang javaeclipseWeb
    建一个 JAVA 项目 ： mvn archetype:create -DgroupId=com.demo -DartifactId=App [-Dversion=0.0.1-SNAPSHOT] [-Dpackaging=jar] 建一个 web 项目 ： mvn archetype:create -DgroupId=com.demo -DartifactId=web-a
  • 配置清单 gengzg 配置
    1、修改grub启动的内核版本 vi /boot/grub/grub.conf 将default 0改为1 拷贝mt7601Usta.ko到/lib文件夹 拷贝RT2870STA.dat到 /etc/Wireless/RT2870STA/文件夹 拷贝wifiscan到bin文件夹，chmod 775 /bin/wifiscan 拷贝wifiget.sh到bin文件夹，chm
  • Windows端口被占用处理方法 huqiji windows
    以下文章主要以80端口号为例，如果想知道其他的端口号也可以使用该方法..........................1、在windows下如何查看80端口占用情况?是被哪个进程占用?如何终止等.        这里主要是用到windows下的DOS工具,点击"开始"--"运行",输入&
  • 开源ckplayer 网页播放器， 跨平台(html5, mobile)，flv, f4v, mp4, rtmp协议. webm, ogg, m3u8 ！ 天梯梦 mobile
    CKplayer，其全称为超酷flv播放器，它是一款用于网页上播放视频的软件，支持的格式有：http协议上的flv,f4v,mp4格式，同时支持rtmp视频流格 式播放，此播放器的特点在于用户可以自己定义播放器的风格，诸如播放/暂停按钮，静音按钮，全屏按钮都是以外部图片接口形式调用，用户根据自己的需要制作 出播放器风格所需要使用的各个按钮图片然后替换掉原始风格里相应的图片就可以制作出自己的风格了，
  • 简单工厂设计模式 hm4123660 java工厂设计模式简单工厂模式
           简单工厂模式（Simple Factory Pattern）属于类的创新型模式，又叫静态工厂方法模式。是通过专门定义一个类来负责创建其他类的实例，被创建的实例通常都具有共同的父类。简单工厂模式是由一个工厂对象决定创建出哪一种产品类的实例。简单工厂模式是工厂模式家族中最简单实用的模式，可以理解为是不同工厂模式的一个特殊实现。
  • maven笔记 zhb8015 maven
    跳过测试阶段： mvn package -DskipTests 临时性跳过测试代码的编译： mvn package -Dmaven.test.skip=true   maven.test.skip同时控制maven-compiler-plugin和maven-surefire-plugin两个插件的行为，即跳过编译，又跳过测试。   指定测试类 mvn test
  • 非mapreduce生成Hfile，然后导入hbase当中 Stark_Summer maphbasereduceHfilepath实例
    最近一个群友的boss让研究hbase，让hbase的入库速度达到5w+/s，这可愁死了，4台个人电脑组成的集群，多线程入库调了好久，速度也才1w左右，都没有达到理想的那种速度，然后就想到了这种方式，但是网上多是用mapreduce来实现入库，而现在的需求是实时入库，不生成文件了，所以就只能自己用代码实现了，但是网上查了很多资料都没有查到，最后在一个网友的指引下，看了源码，最后找到了生成Hfile
  • jsp web tomcat 编码问题 王新春 tomcatjsppageEncode
    今天配置jsp项目在tomcat上，windows上正常，而linux上显示乱码，最后定位原因为tomcat 的server.xml 文件的配置，添加 URIEncoding 属性： <Connector port="8080" protocol="HTTP/1.1" connectionTi
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他