- 卷积神经网络架构的演进:从AlexNet到EfficientNet
t0_54manong
大数据与人工智能cnn架构人工智能个人开发
在过去的8.5年里,深度学习取得了飞速的进步。回溯到2012年,AlexNet在ImageNet上的Top-1准确率仅为63.3%,而如今,借助EfficientNet架构和师生训练法,我们已经能达到超过90%的准确率。本文将聚焦于卷积神经网络(CNN)架构的演变,深入探究其背后的基本原理。一些关键术语在深入了解各种架构之前,我们需要明确几个关键术语。更宽的网络意味着卷积层中有更多的特征图(滤波器
- Three.js引擎开发:Three.js动画系统实现_(9).Three.js中的骨骼动画实现
chenlz2007
游戏开发javascriptnginx开发语言vr性能优化ecmascript前端
Three.js中的骨骼动画实现在上一节中,我们介绍了如何在Three.js中加载和显示3D模型。接下来,我们将深入探讨如何在Three.js中实现骨骼动画。骨骼动画是一种高级的动画技术,它通过控制模型的骨骼来驱动模型的动画,广泛应用于虚拟角色的动画制作。在本节中,我们将学习如何在Three.js中实现骨骼动画,包括骨骼动画的基本原理、如何加载带有骨骼的模型、如何创建和控制动画混合器(Animat
- 【零基础学AI】第30讲:生成对抗网络(GAN)实战 - 手写数字生成
1989
0基础学AI人工智能生成对抗网络神经网络python机器学习近邻算法深度学习
本节课你将学到GAN的基本原理和工作机制使用PyTorch构建生成器和判别器DCGAN架构实现技巧训练GAN模型的实用技巧开始之前环境要求Python3.8+需要安装的包:pipinstalltorchtorchvisionmatplotlibnumpyGPU推荐(可大幅加速训练)前置知识第21讲TensorFlow基础第23讲神经网络原理基本PyTorch使用经验核心概念什么是GAN?GAN就像
- 【深度学习第六期深度学习中的归一化与正则化技术:原理、实践与应用】
码上有前
Python深度学习Pytorch深度学习人工智能cnn
作者:“码上有前”文章简介:深度学习欢迎小伙伴们点赞、收藏⭐、留言深度学习中的归一化与正则化技术:原理、实践与应用摘要:本文深入探讨深度学习中批量归一化(BN)、层归一化(LN)、标准化以及正则化等关键技术。详细阐述它们的基本原理,包括如何调整数据分布、控制模型复杂度等;通过丰富的实例和对应代码,展示在不同网络架构中这些技术的具体实现方式,以及对模型训练和性能的影响;同时,对比分析各项技术的特点和
- Rust之从零开始构建分布式事务数据库
莲华君
rust分布式数据库
目录第一部分:Rust基础与数据库基础Rust语言基础Rust的特点与优势Rust的内存安全与并发模型Rust工具链与开发环境搭建数据库基本原理关系型数据库与非关系型数据库数据库的事务管理原理ACID与BASE理论分布式系统与数据库的挑战第二部分:分布式数据库核心架构分布式数据库的设计原则CAP理论与BASE理论数据分片与复制数据一致性与可用性的权衡数据持久化与恢复策略分布式事务的基础事务的ACI
- C++排序算法全解析(加强版)
你的冰西瓜
排序算法c++算法
排序算法目录C++排序算法全解析冒泡排序(BubbleSort)一、引言二、冒泡排序的基本原理1.算法思想2.算法步骤三、C++实现代码示例代码解释四、性能分析与优化1.时间复杂度2.空间复杂度3.稳定性4.优化方法五、适用场景与总结1.适用场景2.总结选择排序(SelectionSort)一、引言二、选择排序的基本原理1.算法思想2.算法步骤三、C++实现代码示例代码解释四、性能分析与优化1.时
- 多角色AI Agent:基于LLM的虚拟角色扮演系统
AI天才研究院
AI人工智能与大数据人工智能ai
多角色AIAgent:基于LLM的虚拟角色扮演系统关键词多角色AIAgentLargeLanguageModel(LLM)虚拟角色扮演系统人工智能自然语言处理程序设计摘要本文旨在探讨多角色AIAgent的基础知识以及其如何在虚拟角色扮演系统中发挥作用。我们将首先介绍多角色AIAgent的概念、历史背景和基本原理。随后,我们将深入探讨LLM(大语言模型)在虚拟角色扮演系统中的应用,包括其工作原理、核
- 求模运算符c
写代码的小球
算法
在C语言中,取模运算(也称为取余运算)使用取模运算符%来实现。数学上称为mod。取模运算的基本形式是x%y,表示x除以y的余数。取模运算的基本原理取模运算的基本公式是:x%y=x-y*(x/y)其中,x/y表示整数除法的结果1。例如:#includeintmain(){inta=-3;intb=2;intresult=a%b;printf("%d%%%d=%d\n",a,b,result);//输
- IIC与SPI总线技术对比分析
隐身模式
LinuxIICSPIlinux
IIC与SPI总线区别详解目录IIC与SPI总线区别详解一级目录一、IIC总线概述1.1IIC基本原理1.2IIC特点1.3IIC常见速率二、SPI总线概述2.1SPI基本原理2.2SPI特点2.3SPI传输速率三、IIC与SPI对比分析四、工作机制比较4.1总线结构对比IIC总线结构图:SPI总线结构图:4.2数据传输对比IIC数据传输流程:SPI数据传输流程:五、IIC与SPI应用场景5.1I
- C++二分查找入门指南
一、二分法概述二分查找(BinarySearch)是一种在有序数组中查找特定元素的高效算法。它的基本思想是通过不断将搜索范围减半来快速定位目标元素,时间复杂度为O(logn),远优于线性查找的O(n)。二分法不仅用于查找,还广泛应用于求解各种数学和计算问题,如求方程的近似解、寻找最优解等。在计算机科学中,二分查找是最基础且最重要的算法之一,几乎所有程序员都需要熟练掌握。二、二分查找的基本原理二
- 网络安全概论——身份认证
陇西李氏
web安全网络安全网络安全服务器
一、身份证明身份证明可分为以下两大类身份验证——“你是否是你所声称的你?”身份识别——“我是否知道你是谁?”身份证明系统设计的三要素:安全设备的系统强度用户的可接受性系统的成本实现身份证明的基本途径所知:个人所知道的或所掌握的知识,如密码、口令等。所有:个人所具有的东西,如身份证、护照、信用卡、钥匙等。个人特征:如指纹、笔迹、声纹、视网膜、虹膜、DNA及个人一些动作方面的特征等。二、口令认证系统口
- 最小二乘法(OLS)python 实践
参考链接:1,基本原理:https://zhuanlan.zhihu.com/p/1492809412,python实现:https://zhuanlan.zhihu.com/p/22692029实现结果线性回归:#--coding:utf-8--#简单线性回归demoimportnumpyasnpimportmatplotlib.pyplotaspltimportstatsmodels.apia
- 9、并行计算在现代计算中的应用与优化
seed
探索并行计算与HPC新范式并行计算高性能计算大数据分析
并行计算在现代计算中的应用与优化1.引言并行计算作为一种高效的计算模式,近年来在工业和学术界得到了广泛的应用和发展。随着计算需求的不断增加,传统的串行计算模式已经难以满足现代复杂问题的需求。并行计算通过将计算任务分解为多个子任务,并在多个处理单元上同时执行,从而显著提高了计算效率。本文将探讨并行计算在现代计算中的应用与优化,重点介绍并行计算的基本原理、应用场景和技术细节。2.并行计算的基本原理并行
- 图解操作系统资料 - 小林Coding整理
图解操作系统资料-小林Coding整理去发现同类优质开源项目:https://gitcode.com/欢迎使用小林Coding精心整理的《图解操作系统》资料,版本号为v1.0。本资源文件以直观、易懂的方式,详细介绍了操作系统的基本原理与运作机制。资料概述本压缩包(小林Coding-图解操作系统-v1.0.rar)包含了以下内容:操作系统概述:介绍操作系统的定义、作用、发展历程及分类。进程管理:详细
- 机器学习18-强化学习RLHF
坐吃山猪
机器学习机器学习人工智能
机器学习18-强化学习RLHF1-什么是RLHFRLHF(ReinforcementLearningfromHumanFeedback)即基于人类反馈的强化学习算法,以下是详细介绍:基本原理RLHF是一种结合了强化学习和人类反馈的机器学习方法。传统的强化学习通常依赖于预定义的奖励函数来指导智能体的学习,而RLHF则通过引入人类的反馈来替代或补充传统的奖励函数。在训练过程中,人类会对智能体的行为或输
- 动手实践OpenHands系列学习笔记5:代理系统架构概述
笔记5:代理系统架构概述一、引言AI代理系统是一种能够自主执行任务的智能软件架构,OpenHands作为AI驱动的软件开发代理平台,拥有完整的代理系统架构设计。本笔记将探讨AI代理架构的基本原理,并通过分析OpenHands核心架构,实现一个简化版的代理框架。二、AI代理架构设计原则2.1AI代理系统的核心组件感知模块(Perception):接收和处理外部输入认知模块(Cognition):分析
- 动手实践OpenHands系列学习笔记3:LLM集成基础
JeffWoodNo.1
笔记人工智能
笔记3:LLM集成基础一、引言大型语言模型(LLM)是OpenHands代理系统的核心驱动力。本笔记将深入探讨LLMAPI调用的基本原理,以及如何在实践中实现与Claude等先进模型的基础连接模块,为构建AI代理系统奠定基础。二、LLMAPI调用基础知识2.1LLMAPI基本概念API密钥认证:访问LLM服务的身份凭证提示工程:构造有效请求以获取预期响应推理参数:控制模型输出的各种参数流式响应:增
- 【推荐算法课程二】推荐算法介绍-深度学习算法
盒子6910
运维视角下的广告业务算法推荐算法深度学习运维开发运维人工智能
三、深度学习在推荐系统中的应用3.1深度学习推荐模型的演化关系图3.2AutoRec——单隐层神经网络推荐模型3.2.1AutoRec模型的基本原理AutoRec模型是一个标准的自编码器,它的基本原理是利用协同过滤中的共现矩阵,完成物品向量或者用户向量的自编码。再利用自编码的结果得到用户对物品的预估评分,进而进行推荐排序。什么是自编码器?自编码器是指能够完成数据“自编码”的模型。无论是图像、音频,
- Assistant API 进阶应用方法介绍
上有晨光
大模型Agent开发人工智能算法大模型AgentOpenAI
一、课程回顾之前博客内容围绕OpenAIAssistantAPI展开,详细讲解了其基本原理、构建对话或代理的完整生命周期,以及Assistant、Thread、Message和Run这四个抽象概念之间的关系。在此基础上,搭建了用户与大模型对话的基础通路,不过这只是该API最基础的应用形式。二、AssistantAPI概述(一)优势与特点AssistantAPI在性能和易用性方面表现卓越,超越了市面
- 加密的病历单(信息学奥赛一本通-T1137)
(上海)编程李老师
信息学奥赛一本通:题解目录算法c++开发语言
【题目描述】小英是药学专业大三的学生,暑假期间获得了去医院药房实习的机会。在药房实习期间,小英扎实的专业基础获得了医生的一致好评,得知小英在计算概论中取得过好成绩后,主任又额外交给她一项任务,解密抗战时期被加密过的一些伤员的名单。经过研究,小英发现了如下加密规律(括号中是一个“原文->密文”的例子)1.原文中所有的字符都在字母表中被循环左移了三个位置(dec->abz)2.逆序存储(abcd->d
- 大模型在蛛网膜下腔出血预测与诊疗方案制定中的应用研究
目录一、引言1.1研究背景与意义1.2研究目的与创新点二、蛛网膜下腔出血概述2.1定义与分类2.2发病原因及危险因素2.3临床表现与诊断依据三、大模型技术原理与应用现状3.1大模型基本原理3.2在医疗领域的应用案例3.3应用于蛛网膜下腔出血预测的可行性分析四、大模型预测蛛网膜下腔出血的具体方案4.1术前风险预测4.1.1数据收集与预处理4.1.2模型构建与训练4.1.3预测指标与评估4.2术中情况
- 佰力博科技与您探讨阻抗谱测量的基本原理和测量方法
阻抗谱测量是一种通过施加小幅度的交流信号激励,并分析被测对象在不同频率下的响应来获取阻抗信息的技术。它广泛应用于材料科学、电化学、生物医学等领域,用于表征材料或系统的电学特性、界面特性以及动力学行为。1、阻抗谱测量的基本原理阻抗谱测量的核心是通过施加一个频率可调的小幅度交流信号(如正弦波电压或电流),记录被测对象的响应信号(如电流或电压)。通过分析激励信号与响应信号之间的幅值比和相位差,可以得到频
- STC51单片机音乐播放项目:从编码到实现
黄浴
本文还有配套的精品资源,点击获取简介:本教程介绍了如何使用STC51系列单片机演奏音乐,该单片机广泛应用于嵌入式系统设计中。教程详细阐述了音乐的数字信号生成原理,包括音乐编码、程序设计、定时器配置、PWM配置、中断服务、Proteus仿真以及硬件连接的步骤。通过这些步骤,将“生日快乐”等音乐编码转换为单片机指令,并通过调整定时器和PWM参数播放音乐旋律,实现音乐播放功能。1.音乐演奏基本原理音乐与
- 【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
烟锁池塘柳0
机器学习与深度学习深度学习人工智能机器学习
强化学习(ReinforcementLearning,RL)主流架构解析摘要:本文将带你深入了解强化学习(ReinforcementLearning,RL)的几种核心架构,包括基于价值(Value-Based)、基于策略(Policy-Based)和演员-评论家(Actor-Critic)方法。我们将探讨它们的基本原理、优缺点以及经典算法,帮助你构建一个清晰的RL知识体系。文章目录强化学习(Rei
- 基于大模型预测胸椎管狭窄诊疗全流程的研究报告
LCG元
围术期危险因子预测模型研究人工智能机器学习
目录一、引言1.1研究背景与意义1.2研究目的与创新点1.3研究方法与数据来源二、胸椎管狭窄症概述2.1疾病定义与分类2.2病因与发病机制2.3流行病学特征三、大模型技术原理与应用现状3.1大模型基本原理3.2在医疗领域的应用案例3.3用于胸椎管狭窄预测的优势四、术前大模型预测4.1预测指标与数据收集4.2模型训练与验证4.3预测结果分析与临床意义五、基于预测的手术方案制定5.1手术方式选择依据5
- 基于大模型的慢性肾炎全流程预测与诊疗方案研究报告
LCG元
围术期危险因子预测模型研究人工智能机器学习
目录一、引言1.1研究背景与意义1.2研究目的与创新点二、大模型技术原理与应用现状2.1大模型的基本原理与架构2.2医疗领域大模型的应用案例与成效三、慢性肾炎术前风险预测与手术方案制定3.1术前数据收集与特征提取3.2大模型预测术前慢性肾炎风险的方法3.3基于预测结果的手术方案制定四、慢性肾炎术中监测与风险应对4.1术中实时数据监测与分析4.2大模型在术中风险预测的应用4.3术中突发状况的应对策略
- Python实现蚁群算法
闲人编程
pythonpython算法开发语言蚁群
目录蚁群算法的基本原理蚁群算法的步骤Python实现蚁群算法解决TSP问题解释举例说明蚁群算法(AntColonyOptimization,ACO)是一种基于自然界蚂蚁觅食行为的仿生算法,最早由MarcoDorigo在1992年提出。它是一种用于解决组合优化问题的概率算法,特别适用于解决旅行商问题(TSP)、路径规划等问题。蚁群算法的基本原理蚂蚁在寻找食物的过程中会在路径上留下信息素(pherom
- 基于Simulink的蚁群算法路径规划仿真建模示例
amy_mhd
算法数据库前端simulinkmatlab
目录手把手教你学Simulink——基于Simulink的蚁群算法路径规划仿真建模示例一、背景介绍路径规划的重要性蚁群算法的基本原理二、所需工具和环境三、步骤详解步骤1:创建Simulink模型步骤2:定义环境和目标创建环境模型步骤3:集成蚁群算法编写适应度函数实现蚁群算法使用MATLABFunction块步骤4:可视化结果添加XYGraph步骤5:运行仿真并评估性能步骤6:分析结果四、总结手把手
- (信息安全概论实验)扫描技术的原理与应用—zenmap基本扫描方法—wireshark抓包
拉进人山人海
信息安全概论#实验wiresharkc语言
目录一、实验目的二、实验原理1.Nmap介绍2.Nmap常用命令选项三、实验预习四、实验设备:五、实验内容:六、实验过程:(一)电脑端启动Zenmap,如下图所示;(二)TCPconnect扫描1.对路由器的80号端口使用TCPconnect扫描方式进行端口扫描2.对路由器的53号端口使用TCPconnect扫描方式进行端口扫描3.对路由器的(学号后两位)~(学号后两位+10)端口使用TCPcon
- 数据结构之队列:原理与应用
一、基本原理队列是一种特殊的线性表队列是一个有序表(可以用数组或链表实现)遵循“先来先服务”的原则,它只允许在表的前端(队头)进行删除操作,在表的后端(队尾)进行插入操作(一)核心操作入队(Enqueue):在队尾添加元素。出队(Dequeue):从队头移除元素。查看队头(Front):获取队头元素但不移除。判空(IsEmpty):检查队列是否为空。队列的逻辑结构类似于现实中的排队场景,例如超市收
- [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