- 如果让计算机理解人类语言- One-hot 编码(One-hot Encoding,1950s)
如果让计算机理解人类语言-One-hot编码(One-hotEncoding,1950s)flyfish如果让计算机理解人类语言-One-hot编码(One-hotEncoding,1950s)如果让计算机理解人类语言-词袋模型(BagofWords,BoW,1970s)如果让计算机理解人类语言-Word2Vec(WordtoVector,2013)如果让计算机理解人类语言-Qwen3Embedd
- 机器学习19-Transformer和AlexNet思考
坐吃山猪
机器学习机器学习transformer人工智能
Transformer和AlexNet思考关于Transformer和AlexNet发展的一些思考1-核心知识点Word2Vec的作用是什么,和Transformer的诞生有什么关系吗?AlexNet的主要核心思路是什么,为什么表现那么好?现在有什么比AlexNet更优秀的算法2-思路整理1-Word2Vec的作用是什么,和Transformer的诞生有什么关系吗?Word2Vec的作用Word2
- 【深度学习:进阶篇】--4.2.词嵌入和NLP
西柚小萌新吖(●ˇ∀ˇ●)
#深度学习深度学习自然语言处理人工智能
在RNN中词使用one_hot表示的问题假设有10000个词每个词的向量长度都为10000,整体大小太大没能表示出词与词之间的关系例如Apple与Orange会更近一些,Man与Woman会近一些,取任意两个向量计算内积都为0目录1.词嵌入1.1.特点1.3.word2vec介绍1.3.Word2Vec案例1.3.1.训练语料1.3.2.步骤1.3.3.代码2.测试代码1.词嵌入定义:指把一个维数
- [AI笔记]-Word2Vec面试考点
Micheal超
AI笔记人工智能笔记word2vec
✅一、基础认知类什么是Word2Vec?它的基本思想是什么?关键词:将词语转换为向量表示;捕捉语义关系;基于上下文预测Word2Vec与One-hot编码的区别?关键词:维度灾难(维度过高,存储空间大)、高稀疏性、语义表达能力(没有距离概念,无法计算相似度)、内积关系Word2Vec的两种模型是什么?它们有何区别?答案:Word2Vec的重要假设:文本中离得越近的词语相似度越高。主要有:CBOW(
- embedding模型有哪些?如何选择合适的embedding模型?
行云流水AI笔记
embedding
embedding模型是一种将数据映射到低维空间的模型,常用于自然语言处理、推荐系统、图像识别等领域。以下是一些常见的embedding模型:Word2Vec:CBOW(ContinuousBag-of-Words):通过上下文预测中心词。Skip-Gram:通过中心词预测上下文。GloVe(GlobalVectorsforWordRepresentation):结合了词频统计和Word2Vec的
- 自然语言处理基础知识入门(三) RNN,LSTM,GRU模型详解
这个男人是小帅
NLP自然语言知识梳理入门rnn自然语言处理lstmgru人工智能神经网络
文章目录前言一、RNN模型1.1RNN的作用1.2RNN基本结构1.3双向循环神经网络1.4深层双向循环神经网络1.5RNN的梯度爆炸和消失问题二、LSTM模型2.1LSTM和RNN的结构对比2.2LSTM模型细节三、GRU模型总结前言在上一章节中,深入探讨了Word2vec模型的两种训练策略以及创新的优化方法,从而得到了优质的词嵌入表示。不仅如此,Word2vec作为一种语言模型,也具备根据上下
- Word2Vec 原理是什么
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpythonword2vec人工智能自然语言处理
Word2Vec原理是什么一、核心概念:从词语到向量的语义映射Word2Vec是2013年由Google提出的词嵌入(WordEmbedding)模型,其核心目标是将自然语言中的词语转换为稠密的连续向量(词向量),使向量空间中的距离能反映词语的语义相关性。本质:通过神经网络学习词语的分布式表示(DistributedRepresentation),打破传统one-hot编码“维度高、无语义关联”的
- 怎么对词编码进行可视化:Embedding Projector
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpythonembedding
怎么对词编码进行可视化:EmbeddingProjectorhttps://projector.tensorflow.org/EmbeddingProjector是用于可视化高维向量嵌入(如词向量、图像特征向量等)的工具,能帮你理解向量间的关系,下面以词向量分析和**简单自定义数据(比如特征向量)**为例,教你怎么用:一、词向量分析场景(以图中Word2Vec数据为例)1.加载数据与基础查看图里已
- python哈夫曼树压缩_哈夫曼树及python实现
七十二便
python哈夫曼树压缩
最近在看《tensorflow实战》中关于RNN一节,里面关于word2vec中涉及到了哈夫曼树,因此在查看了很多博客(文末)介绍后,按自己的理解对概念进行了整理(拼凑了下TXT..),最后自己用python实现Haffuman树的构建及编码。哈夫曼(huffman)树基本概念路径和路径长度:树中一个结点到另一个结点之间的分支构成这两个结点之间的路径;路径上的分枝数目称作路径长度,它等于路径上的结
- 词编码模型有哪些
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython人工智能机器学习数据挖掘分类算法
词编码模型有哪些词编码模型在高维向量空间的关系解析与实例说明如Word2Vec、BERT、Qwen等一、高维向量空间的基础概念词编码模型(如Word2Vec、BERT、Qwen等)的核心是将自然语言符号映射为稠密的高维向量,使语义相近的词汇在向量空间中位置接近。以Qwen模型为例,其15万字符的词表规模(通常基于字节对编码BPE)本质是在高维空间中为每个词分配唯一的坐标点,而向量之间的几何关系(如
- NLP学习路线图(四十五):偏见与公平性
摸鱼许可证
NLP学习路线图自然语言处理学习人工智能nlp
一、偏见:算法中的“隐形歧视者”NLP模型本身并无立场,其偏见主要源于训练数据及算法设计:数据根源:人类偏见的镜像历史与社会刻板印象:大量文本数据记录着人类社会固有的偏见。词嵌入模型(如Word2Vec,GloVe)曾显示:“男人”与“程序员”的关联度远高于“女人”;“非裔美国人姓名”更易与负面词汇关联。训练语料库若包含带有性别歧视、种族歧视或地域歧视的文本,模型便可能吸收并重现这些关联。代表性偏
- 多模态核心实现技术
charles666666
自然语言处理神经网络人工智能机器学习语言模型
一、模态表示(ModalRepresentation)模态表示是将不同模态数据(文本、图像、音频等)编码为计算机可处理的向量形式的核心步骤。1.单模态编码技术文本表示:采用词嵌入模型(如Word2Vec、GloVe)或预训练语言模型(如BERT、RoBERTa),通过Transformer层提取上下文特征,生成动态词向量。高阶表示:通过句向量模型(如Sentence-BERT)将整段文本映射为固定
- 自然语言处理之语言模型:Word2Vec:Word2Vec模型的训练与优化
自然语言处理之语言模型:Word2Vec:Word2Vec模型的训练与优化自然语言处理基础文本预处理文本预处理是自然语言处理(NLP)中至关重要的第一步,它包括多个子步骤,旨在将原始文本转换为适合机器学习模型的格式。以下是一些常见的文本预处理技术:分词(Tokenization):将文本分割成单词或短语。例如,将句子“我喜欢自然语言处理”分割为“我”,“喜欢”,“自然语言处理”。转换为小写(Low
- 基于 GQA 与 MoE 的古诗词生成模型优化 llm项目以及对应八股
许愿与你永世安宁
自用大模型八股rnnnlpberttransformer人工智能深度学习word2vec
目录项目项目背景个人贡献成果产出词嵌入Word2Vec两种训练方式:两种加速训练的方法:GloVe(GlobalVectorsforWordRepresentation)FastTextMHA、GQA、MLApromptengineering位置编码正余弦编码(三角式)可学习位置编码(训练式)经典相对位置编码T5相对位置编码RotaryPositionEmbedding(RoPE)attentio
- Python自然语言处理库之gensim使用详解
Rocky006
python开发语言
概要Gensim是一个专门用于无监督主题建模和自然语言处理的Python开源库,由捷克共和国的RadimŘehůřek开发。该库专注于处理大规模文本数据,提供了多种经典的主题建模算法,如LDA(潜在狄利克雷分配)、LSI(潜在语义索引)等,以及现代化的词向量模型Word2Vec、Doc2Vec、FastText等。Gensim的设计理念是"为人类而非机器",强调易用性和可扩展性,特别适合处理无标签
- 深度学习中的负采样
洪小帅
深度学习人工智能
深度学习中的负采样负采样(NegativeSampling)是一种在训练大型分类或概率模型(尤其是在输出类别很多时)中,用来加速训练、降低计算量的方法。它常用于:词向量训练(如Word2Vec)推荐系统(从大量候选项中学正例与负例)语言模型、对比学习、信息检索等场景本质概念在许多任务中,我们的模型要从上万个候选中预测正确类别。例如:给定单词“cat”,预测它上下文中出现的词(如Word2Vec的S
- NLP学习路线图(十八):Word2Vec (CBOW & Skip-gram)
摸鱼许可证
NLP学习路线图nlp学习自然语言处理
自然语言处理(NLP)的核心挑战在于让机器“理解”人类语言。传统方法依赖独热编码(One-hotEncoding)表示单词,但它存在严重缺陷:每个单词被视为孤立的符号,无法捕捉词义关联(如“国王”与“王后”的关系),且维度灾难使计算效率低下。词向量(WordEmbedding)革命性地解决了这些问题。它将单词映射为稠密、低维的实数向量(如50-300维),其核心思想是:具有相似上下文(Contex
- Word2Vec模型学习和Word2Vec提取相似文本体验
缘友一世
深度学习word2vec学习人工智能
文章目录说明Word2Vec模型核心思想两种经典模型关键技术和算法流程优点和局限应用场景Word2Vec提取相似文本完整源码执行结果说明本文适用于初学者,体验Pytorch框架在自然语言处理中的使用。简单了解学习Word2Vec模型,体验其使用。Word2Vec模型Word2Vec是一种广泛使用的词嵌入(WordEmbedding)技术,由Google团队(TomasMikolov等)于2013年
- NLP-gensim库
安替-AnTi
NLP
Gensim是一款开源的第三方Python工具包,用于从原始的非结构化的文本中,无监督地学习到文本隐层的主题向量表达。它支持包括TF-IDF,LSA,LDA,和word2vec在内的多种主题模型算法,支持流式训练,并提供了诸如相似度计算,信息检索等一些常用任务的API接口。LSILDAHDPDTMDIMTF-IDFword2vec、paragraph2vec基本概念语料(Corpus):一组原始文
- gensim基础用法
雪儿waii
sklearn
fromgensim.modelsimportword2vecimportloggingfromgensimimportcorpora,models,similarities#logging.basicConfig(format="%(asctime)s:%(levelname)s:%(message)s",level=logging.INFO)#raw_sentences=["thequickb
- 人工智能深度学习之自然语言处理必备神器huggingface,nlp,rnn,word2vec,bert,gpt
weixin_58351028
算法机器学习深度学习自然语言处理人工智能
一。Huggingface与Nlp介绍解读(1)nlp中经常会听到分类,机器翻译,情感分析,智能客服,文本摘要,阅读理解等。我们训练的nlp模型,目的学会数据表达的逻辑,学会人类文字怎么去描述与理解,这体现出模型要有语言能力,这样就不管后续做什么都行。nlp不像cv一样输入图像后最后输出结果一个结果就完事了。如何培养模型的学习能力呢?首先要很多很多输入学习资料(这些都是大厂才能做的事)让模型去学习
- 从 Word2Vec 到 BERT:AI 不止是词向量,更是语言理解
ox180x
程序员转战大模型人工智能word2vecbert
一、前言在上篇文章中,我们介绍了Word2Vec以及它的作用,总的来说:Word2Vec是我们理解NLP的第一站Word2Vec将词变成了“向量”——终于可以用机器理解词语的相似度我们获得了例如“国王-男人+女人≈女王”的类比能力我们可以将Word2Vec这种算法能力,应用到各种创新场景,例如基于Graph的推荐系统,后续如果小伙伴有需要,可以一起深入交流。但同时也指出了它的不足:一个词=一个固定
- BERT模型原理与代码实战案例讲解
AI大模型应用之禅
人工智能数学基础计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
1.背景介绍1.1自然语言处理的演进自然语言处理(NLP)旨在让计算机理解和处理人类语言,其发展经历了漫长的历程:早期阶段:基于规则的方法,通过人工编写规则来解析和理解语言,但泛化能力有限。统计语言模型:利用统计方法学习语言模式,例如N-gram模型,但缺乏语义理解能力。深度学习:利用神经网络学习语言的深层特征,例如Word2Vec、RNN、LSTM等,语义理解能力显著提升。1.2BERT的诞生B
- 从代码学习深度学习 - 预训练word2vec PyTorch版
飞雪白鹿€
#自然语言处理深度学习pytorch
文章目录前言辅助工具1.绘图工具(`utils_for_huitu.py`)2.数据处理工具(`utils_for_data.py`)3.训练辅助工具(`utils_for_train.py`)预训练Word2Vec-主流程1.环境设置与数据加载2.跳元模型(Skip-gramModel)2.1.嵌入层(EmbeddingLayer)2.2.定义前向传播3.训练3.1.二元交叉熵损失3.2.初始化
- 【NLP-01】文本相似度算法:Cosine Similarity、Levenshtein Distance、Word2Vec等介绍和使用
云天徽上
NLP算法机器学习人工智能word2vec自然语言处理nlp
文本相似度计算的算法是自然语言处理领域中的关键技术,主要用于衡量两段文本在内容、语义或结构上的相似程度。以下是一些常用的文本相似度计算算法:余弦相似度(CosineSimilarity):余弦相似度是通过计算两个向量的夹角余弦值来评估它们的相似度。在文本相似度计算中,首先将文本转换为向量表示(如TF-IDF向量),然后计算这些向量之间的余弦值。余弦值越接近1,表示文本越相似。Jaccard相似度:
- 用 Gensim 实现 Word2Vec 古诗生成
万能小贤哥
word2vec人工智能自然语言处理
向量操作。我们将借助它完成从语料处理到古诗生成的全流程。6.1环境搭建与库导入首先安装Gensim及依赖库:bashpipinstallgensimnumpypandas导入必要模块:python运行fromgensim.modelsimportWord2Vec#核心词向量模型fromrandomimportchoice#随机选择字符fromos.pathimportexists#检查文件存在fr
- 图解gpt之神经概率语言模型与循环神经网络
zhaojiew10
gpt语言模型rnn
上节课我们聊了词向量表示,像Word2Vec这样的模型,它确实能捕捉到词语之间的语义关系,但问题在于,它本质上还是在孤立地看待每个词。英文的“Apple”,可以指苹果公司,也可以指水果。这种一词多义的特性,以及词语在上下文中的微妙变化,Word2Vec这种固定向量的表示方式就捉襟见肘了。而且,它还不能处理新词,一旦遇到词表里没有的词,就束手无策。所以,尽管有了词向量,NLP领域在很长一段时间内,也
- 从零开始大模型开发与微调:词向量训练模型Word2Vec使用介绍
AI大模型应用实战
javapythonjavascriptkotlingolang架构人工智能
从零开始大模型开发与微调:词向量训练模型Word2Vec使用介绍关键词:词向量,Word2Vec,神经网络,深度学习,自然语言处理(NLP),预训练,微调,Fine-Tuning1.背景介绍1.1问题由来在深度学习蓬勃发展的今天,人工智能技术在自然语言处理(NLP)、计算机视觉、语音识别等领域取得了长足的进步。然而,语言和文本数据由于其高维度和非结构化特性,使得深度学习模型的训练和应用面临诸多挑战
- 1991-2023年上市公司创新信息披露数据
经管数据库
数据分析
数据简介与传统词典法不同,本文采用“种子词集+Word2Vec相似词扩充”方法构建描述性创新信息指标。参考相关文献[11,28],对年报多次研读校验得到种子词集。相较于传统词法,Word2Vec神经网络模型可以根据语义信息将词汇转换为多维向量,并通过计算向量的相似度得到相似词。本文采用其中的CBOW(ContinuousBag-of-wordsModel)模型对中文语料进行训练。描述性创新关键词如
- Embedding:数据表示的深度探索
CarlowZJ
embedding
目录(一)Embedding的定义(二)Embedding的原理(三)Embedding的方法(一)Word2Vec架构图(二)基于Embedding的推荐系统流程图(一)使用TensorFlow实现Word2Vec(二)基于Embedding的协同过滤推荐(一)自然语言处理(二)计算机视觉(三)推荐系统(四)知识图谱(一)数据质量和预处理(二)模型选择与调优(三)计算资源与效率(四)隐私与安全摘
- 312个免费高速HTTP代理IP(能隐藏自己真实IP地址)
yangshangchuan
高速免费superwordHTTP代理
124.88.67.20:843
190.36.223.93:8080
117.147.221.38:8123
122.228.92.103:3128
183.247.211.159:8123
124.88.67.35:81
112.18.51.167:8123
218.28.96.39:3128
49.94.160.198:3128
183.20
- pull解析和json编码
百合不是茶
androidpull解析json
n.json文件:
[{name:java,lan:c++,age:17},{name:android,lan:java,age:8}]
pull.xml文件
<?xml version="1.0" encoding="utf-8"?>
<stu>
<name>java
- [能源与矿产]石油与地球生态系统
comsci
能源
按照苏联的科学界的说法,石油并非是远古的生物残骸的演变产物,而是一种可以由某些特殊地质结构和物理条件生产出来的东西,也就是说,石油是可以自增长的....
那么我们做一个猜想: 石油好像是地球的体液,我们地球具有自动产生石油的某种机制,只要我们不过量开采石油,并保护好
- 类与对象浅谈
沐刃青蛟
java基础
类,字面理解,便是同一种事物的总称,比如人类,是对世界上所有人的一个总称。而对象,便是类的具体化,实例化,是一个具体事物,比如张飞这个人,就是人类的一个对象。但要注意的是:张飞这个人是对象,而不是张飞,张飞只是他这个人的名字,是他的属性而已。而一个类中包含了属性和方法这两兄弟,他们分别用来描述对象的行为和性质(感觉应该是
- 新站开始被收录后,我们应该做什么?
IT独行者
PHPseo
新站开始被收录后,我们应该做什么?
百度终于开始收录自己的网站了,作为站长,你是不是觉得那一刻很有成就感呢,同时,你是不是又很茫然,不知道下一步该做什么了?至少我当初就是这样,在这里和大家一份分享一下新站收录后,我们要做哪些工作。
至于如何让百度快速收录自己的网站,可以参考我之前的帖子《新站让百
- oracle 连接碰到的问题
文强chu
oracle
Unable to find a java Virtual Machine--安装64位版Oracle11gR2后无法启动SQLDeveloper的解决方案
作者:草根IT网 来源:未知 人气:813标签:
导读:安装64位版Oracle11gR2后发现启动SQLDeveloper时弹出配置java.exe的路径,找到Oracle自带java.exe后产生的路径“C:\app\用户名\prod
- Swing中按ctrl键同时移动鼠标拖动组件(类中多借口共享同一数据)
小桔子
java继承swing接口监听
都知道java中类只能单继承,但可以实现多个接口,但我发现实现多个接口之后,多个接口却不能共享同一个数据,应用开发中想实现:当用户按着ctrl键时,可以用鼠标点击拖动组件,比如说文本框。
编写一个监听实现KeyListener,NouseListener,MouseMotionListener三个接口,重写方法。定义一个全局变量boolea
- linux常用的命令
aichenglong
linux常用命令
1 startx切换到图形化界面
2 man命令:查看帮助信息
man 需要查看的命令,man命令提供了大量的帮助信息,一般可以分成4个部分
name:对命令的简单说明
synopsis:命令的使用格式说明
description:命令的详细说明信息
options:命令的各项说明
3 date:显示时间
语法:date [OPTION]... [+FORMAT]
- eclipse内存优化
AILIKES
javaeclipsejvmjdk
一 基本说明 在JVM中,总体上分2块内存区,默认空余堆内存小于 40%时,JVM就会增大堆直到-Xmx的最大限制;空余堆内存大于70%时,JVM会减少堆直到-Xms的最小限制。 1)堆内存(Heap memory):堆是运行时数据区域,所有类实例和数组的内存均从此处分配,是Java代码可及的内存,是留给开发人
- 关键字的使用探讨
百合不是茶
关键字
//关键字的使用探讨/*访问关键词private 只能在本类中访问public 只能在本工程中访问protected 只能在包中和子类中访问默认的 只能在包中访问*//*final 类 方法 变量 final 类 不能被继承 final 方法 不能被子类覆盖,但可以继承 final 变量 只能有一次赋值,赋值后不能改变 final 不能用来修饰构造方法*///this()
- JS中定义对象的几种方式
bijian1013
js
1. 基于已有对象扩充其对象和方法(只适合于临时的生成一个对象):
<html>
<head>
<title>基于已有对象扩充其对象和方法(只适合于临时的生成一个对象)</title>
</head>
<script>
var obj = new Object();
- 表驱动法实例
bijian1013
java表驱动法TDD
获得月的天数是典型的直接访问驱动表方式的实例,下面我们来展示一下:
MonthDaysTest.java
package com.study.test;
import org.junit.Assert;
import org.junit.Test;
import com.study.MonthDays;
public class MonthDaysTest {
@T
- LInux启停重启常用服务器的脚本
bit1129
linux
启动,停止和重启常用服务器的Bash脚本,对于每个服务器,需要根据实际的安装路径做相应的修改
#! /bin/bash
Servers=(Apache2, Nginx, Resin, Tomcat, Couchbase, SVN, ActiveMQ, Mongo);
Ops=(Start, Stop, Restart);
currentDir=$(pwd);
echo
- 【HBase六】REST操作HBase
bit1129
hbase
HBase提供了REST风格的服务方便查看HBase集群的信息,以及执行增删改查操作
1. 启动和停止HBase REST 服务 1.1 启动REST服务
前台启动(默认端口号8080)
[hadoop@hadoop bin]$ ./hbase rest start
后台启动
hbase-daemon.sh start rest
启动时指定
- 大话zabbix 3.0设计假设
ronin47
What’s new in Zabbix 2.0?
去年开始使用Zabbix的时候,是1.8.X的版本,今年Zabbix已经跨入了2.0的时代。看了2.0的release notes,和performance相关的有下面几个:
:: Performance improvements::Trigger related da
- http错误码大全
byalias
http协议javaweb
响应码由三位十进制数字组成,它们出现在由HTTP服务器发送的响应的第一行。
响应码分五种类型,由它们的第一位数字表示:
1)1xx:信息,请求收到,继续处理
2)2xx:成功,行为被成功地接受、理解和采纳
3)3xx:重定向,为了完成请求,必须进一步执行的动作
4)4xx:客户端错误,请求包含语法错误或者请求无法实现
5)5xx:服务器错误,服务器不能实现一种明显无效的请求
- J2EE设计模式-Intercepting Filter
bylijinnan
java设计模式数据结构
Intercepting Filter类似于职责链模式
有两种实现
其中一种是Filter之间没有联系,全部Filter都存放在FilterChain中,由FilterChain来有序或无序地把把所有Filter调用一遍。没有用到链表这种数据结构。示例如下:
package com.ljn.filter.custom;
import java.util.ArrayList;
- 修改jboss端口
chicony
jboss
修改jboss端口
%JBOSS_HOME%\server\{服务实例名}\conf\bindingservice.beans\META-INF\bindings-jboss-beans.xml
中找到
<!-- The ports-default bindings are obtained by taking the base bindin
- c++ 用类模版实现数组类
CrazyMizzz
C++
最近c++学到数组类,写了代码将他实现,基本具有vector类的功能
#include<iostream>
#include<string>
#include<cassert>
using namespace std;
template<class T>
class Array
{
public:
//构造函数
- hadoop dfs.datanode.du.reserved 预留空间配置方法
daizj
hadoop预留空间
对于datanode配置预留空间的方法 为:在hdfs-site.xml添加如下配置
<property>
<name>dfs.datanode.du.reserved</name>
<value>10737418240</value>
 
- mysql远程访问的设置
dcj3sjt126com
mysql防火墙
第一步: 激活网络设置 你需要编辑mysql配置文件my.cnf. 通常状况,my.cnf放置于在以下目录: /etc/mysql/my.cnf (Debian linux) /etc/my.cnf (Red Hat Linux/Fedora Linux) /var/db/mysql/my.cnf (FreeBSD) 然后用vi编辑my.cnf,修改内容从以下行: [mysqld] 你所需要: 1
- ios 使用特定的popToViewController返回到相应的Controller
dcj3sjt126com
controller
1、取navigationCtroller中的Controllers
NSArray * ctrlArray = self.navigationController.viewControllers;
2、取出后,执行,
[self.navigationController popToViewController:[ctrlArray objectAtIndex:0] animated:YES
- Linux正则表达式和通配符的区别
eksliang
正则表达式通配符和正则表达式的区别通配符
转载请出自出处:http://eksliang.iteye.com/blog/1976579
首先得明白二者是截然不同的
通配符只能用在shell命令中,用来处理字符串的的匹配。
判断一个命令是否为bash shell(linux 默认的shell)的内置命令
type -t commad
返回结果含义
file 表示为外部命令
alias 表示该
- Ubuntu Mysql Install and CONF
gengzg
Install
http://www.navicat.com.cn/download/navicat-for-mysql
Step1: 下载Navicat ,网址:http://www.navicat.com/en/download/download.html
Step2:进入下载目录,解压压缩包:tar -zxvf navicat11_mysql_en.tar.gz
- 批处理,删除文件bat
huqiji
windowsdos
@echo off
::演示:删除指定路径下指定天数之前(以文件名中包含的日期字符串为准)的文件。
::如果演示结果无误,把del前面的echo去掉,即可实现真正删除。
::本例假设文件名中包含的日期字符串(比如:bak-2009-12-25.log)
rem 指定待删除文件的存放路径
set SrcDir=C:/Test/BatHome
rem 指定天数
set DaysAgo=1
- 跨浏览器兼容的HTML5视频音频播放器
天梯梦
html5
HTML5的video和audio标签是用来在网页中加入视频和音频的标签,在支持html5的浏览器中不需要预先加载Adobe Flash浏览器插件就能轻松快速的播放视频和音频文件。而html5media.js可以在不支持html5的浏览器上使video和audio标签生效。 How to enable <video> and <audio> tags in
- Bundle自定义数据传递
hm4123660
androidSerializable自定义数据传递BundleParcelable
我们都知道Bundle可能过put****()方法添加各种基本类型的数据,Intent也可以通过putExtras(Bundle)将数据添加进去,然后通过startActivity()跳到下一下Activity的时候就把数据也传到下一个Activity了。如传递一个字符串到下一个Activity
把数据放到Intent
- C#:异步编程和线程的使用(.NET 4.5 )
powertoolsteam
.net线程C#异步编程
异步编程和线程处理是并发或并行编程非常重要的功能特征。为了实现异步编程,可使用线程也可以不用。将异步与线程同时讲,将有助于我们更好的理解它们的特征。
本文中涉及关键知识点
1. 异步编程
2. 线程的使用
3. 基于任务的异步模式
4. 并行编程
5. 总结
异步编程
什么是异步操作?异步操作是指某些操作能够独立运行,不依赖主流程或主其他处理流程。通常情况下,C#程序
- spark 查看 job history 日志
Stark_Summer
日志sparkhistoryjob
SPARK_HOME/conf 下:
spark-defaults.conf 增加如下内容
spark.eventLog.enabled true spark.eventLog.dir hdfs://master:8020/var/log/spark spark.eventLog.compress true
spark-env.sh 增加如下内容
export SP
- SSH框架搭建
wangxiukai2015eye
springHibernatestruts
MyEclipse搭建SSH框架 Struts Spring Hibernate
1、new一个web project。
2、右键项目,为项目添加Struts支持。
选择Struts2 Core Libraries -<MyEclipes-Library>
点击Finish。src目录下多了struts