- PyTorch 训练一个分类器
亚里
平台工具类pytorch训练网络
文章目录0前言1加载和规范化CIFAR102定义一个卷积网络3定义损失函数和优化器4训练网络5测试网络6在GPU上训练模型参考资料0前言 TRAINGINGACLASSIFIER这篇教程很清楚的描述了如何使用PyTorch训练一个用于图像分类的卷积网络模型。这里记录一下,学习一波写法,供以后查阅,自己跑的项目在github上,稍微修改了一下训练策略,能使分类精度从53%提升到65%;并且增加了训
- 开源模型应用落地-DeepSeek-R1-Distill-Qwen-7B与vllm实现推理加速的正确姿势(一)
开源技术探险家
开源模型-实际应用落地#人工智能自然语言处理语言模型深度学习
一、前言在当今人工智能技术迅猛发展的时代,各类人工智能模型如雨后春笋般不断涌现,其性能的优劣直接影响着应用的广度与深度。从自然语言处理到计算机视觉,从智能安防到医疗诊断,AI模型广泛应用于各个领域,人们对其准确性、稳定性和高效性的期望也与日俱增。在此背景下,DeepSeek模型的出现为行业带来了新的曙光。DeepSeek团队开发的DeepSeek-R1-Distill-Qwen-7B模型,利用蒸馏
- 自定义数据集 ,使用朴素贝叶斯对其进行分类
Z211613347
python
importnumpyasnpimportmatplotlib.pyplotasplt#1.散点输入class1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])class2_points=np.array([[3.2,3.2],[3.7,2.9],[3.2,2.6],[
- Diffusion--人工智能领域的革命性技术
油泼辣子多加
专业名词解释人工智能
在人工智能领域,“diffusion”一词通常指的是“扩散模型”(DiffusionModels),其全称为“DenoisingDiffusionProbabilisticModels”(DDPMs)。扩散模型是一类生成式模型,它通过逐步去噪的方式,从随机噪声中生成高质量的数据,近年来在图像、音频、视频等多个领域取得了显著进展。1.发展历史扩散模型的概念源于物理学中的扩散过程,即粒子在介质中的随机
- hexo部署成功但是没效果_使用 Hexo+GitHub 搭建个人免费博客教程(小白向)
探索者19
hexo部署成功但是没效果
前言近些年来很多用户都喜欢使用GitHubPages来搭建Hexo静态博客网站,其最吸引人的莫过于完全免费使用,并且非常稳定。虽然搭建时比较麻烦,有点折腾,但是配置完成后,基本不需要操心维护的事,甚至放了几年都忘记了,打开来看文章依然还在。本文就详细介绍下如何使用Hexo+GitHub搭建免费个人博客网站的教程。为了照顾小白用户(第一次使用GitHub和Hexo),尽可能详细,包括常见的坑和问题都
- python中keras_Python深度学习——keras(一)
weixin_39534321
python中keras
神经网络的核心组件是层(layer),它是一种数据处理模块,可以看成是一个数据过滤器。进去一些数据,出来的数据变得更加有用(吃进去的是草,挤出来的是奶)。大多数深度学习,都是将若干个简单的层给链接起来,实现渐进式的数据过滤,也就是数据蒸馏(过滤到一定程度就等同于蒸馏)首先来看一个数字识别的案例(1)读取训练集和测试集fromkeras.datasetsimportmnist#加载keras中的mn
- 探索2025年的编程新趋势:技术、工具与未来展望
桂月二二
wasm人工智能前端
随着2025年的到来,编程技术领域依旧在高速发展。一些新兴的技术方向、工具和方法正在悄然改变开发者的日常实践。如果您是一名开发者,无论是资深还是初入门道,跟上这些趋势将让您的技能保持前沿,并为职业发展打下坚实基础。本文将从多个维度深入探讨当前最值得关注的编程技术,希望为您的技术提升带来启发。一、AI驱动的编程辅助工具人工智能已成为程序开发的重要组成部分。以下是几款2025年值得关注的AI驱动编程工
- 基于Hexo的主题Fluid搭建Github博客
qq742234984
计算机githubgitnpmnode.jshexo
公众号:数学建模与人工智能基于Hexo的主题Fluid搭建Github博客一、Github配置1.安装Git2.部署本地Git与Github连接(SSH)二、node.js安装和环境配置1.安装node.js2.查看安装是否成功(版本号)3.配置环境变量三、下载Hexo并配置fluid主题1.下载Hexo2.配置fluid主题1.安装fluid2.配置fluid3.更新部署博客页面4.部署到git
- 机器学习--学习计划
kyle~
机器学习机器学习学习人工智能
3周机器学习速成计划基于「28原则」,聚焦机器学习20%的核心概念,覆盖80%的常见应用场景。计划分为理论学习+项目实战,每周学习后通过5个递进项目巩固知识。第1周:数据与监督学习基础学习目标:掌握数据预处理、线性模型与分类任务的基础流程。核心概念(20%关键内容):数据预处理缺失值处理(均值填充、删除)特征缩放(标准化、归一化)分类变量编码(独热编码、标签编码)监督学习基础线性回归(原理、损失函
- 机器学习--概览
kyle~
机器学习机器学习人工智能
一、机器学习基础概念1.定义机器学习(MachineLearning,ML):通过算法让计算机从数据中自动学习规律,并利用学习到的模型进行预测或决策,而无需显式编程。2.与编程的区别传统编程机器学习输入:规则+数据→输出:结果输入:数据+结果→输出:规则需要人工编写逻辑自动发现数据中的模式3.核心要素数据:模型学习的原材料(结构化/非结构化)特征(Feature):数据的可量化属性(如房价预测中的
- 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
- 基于机器学习中集成学习的stacking方式进行的金线莲质量鉴别研究(python进行数据处理并完成建模,对品种进行预测)
Life is a joke
PYTHON人工智能机器学习机器学习集成学习人工智能
1.前言金线莲为兰科开唇兰属植物,别名金丝兰、金丝线、金耳环、乌人参、金钱草等,是一种名贵中药材,国内主要产地为较低纬度地区如:福建、台湾、广东、广西、浙江、江西、海南、云南、四川、贵州以及西藏南部[1],被当地人民誉为“药中之王”,福建品种和台湾品种更是其中的上等品种,在治疗肺部炎症、糖尿病、癌症、肾炎、膀胱炎、重症肌无力、风湿性及类风湿性关节炎、高血脂、毒蛇咬伤有着很大的作用[2-3]。由于野
- 基于BiGRU的预测模型及其Python和MATLAB实现
追蜻蜓追累了
机器学习深度学习cnnlstm神经网络gru回归算法
##一、背景在当今快速发展的数据驱动的时代,尤其是在自然语言处理(NLP)、时间序列预测、语音识别等任务中,深度学习技术的应用已经变得越来越普遍。传统的机器学习算法往往无法很好地捕捉数据中的时序信息和上下文关系,因此深度学习中的循环神经网络(RNN)逐渐成为解决这一问题的重要工具。RNN能够处理序列数据,但它们在长序列数据的学习中存在梯度消失和梯度爆炸的问题。为了解决这些问题,长短期记忆网络(LS
- Transformer预测模型及其Python和MATLAB实现
追蜻蜓追累了
transformer深度学习人工智能机器学习算法回归算法神经网络
###一、背景在自然语言处理(NLP)领域,传统的序列到序列(Seq2Seq)模型大多依赖于循环神经网络(RNN)和长短期记忆(LSTM)网络。这些模型虽然在许多任务中取得了成功,但由于其计算效率低下以及长距离依赖关系处理的不足,导致模型训练时间漫长,并在处理较长文本时效果不佳。2017年,Vaswani等人提出的Transformer模型在《AttentionisAllYouNeed》一文中引起
- 随机森林(Random Forest)预测模型及其特征分析(Python和MATLAB实现)
追蜻蜓追累了
深度学习机器学习python随机森林大数据回归算法算法
##一、背景在大数据和机器学习的快速发展时代,数据的处理和分析变得尤为重要。随着多个领域积累了海量数据,传统的统计分析方法常常无法满足复杂问题的需求。在这种背景下,机器学习方法开始广泛应用。随机森林(RandomForest)作为一种强大的集成学习方法,因其高效性和较强的泛化能力而备受关注。随机森林最初由LeoBreiman在2001年提出,基于决策树这一基本分类模型。其基本思想是通过构建多个决策
- 【自我修炼】 大疆技术总监对于大学生学习机器人工程师路线建议 ( 大一 篇)
2401_89323952
学习机器人
很多朋友私信问我对机器人和人工智能感兴趣,该怎么展开学习。最近稍微有点空,我写写我的看法。两年前,我在知乎回答如何定义「机器人」?YY硕的回答中试图给机器人做出一个比较仔细的定义,我觉得机器人和人工智能最大的区别在于是否要和物理世界进行交互。今年初在另一篇知乎回答里对机器人或人工智能的研究会帮助我们更好的了解人类自己吗?-YY硕的回答我说到传感器是和物理世界交互的基础。后来,我又在知乎回答有哪些与
- 【C++】C++回调函数基本用法(详细讲解)
米码收割机
C/C++c++php开发语言
博__主:米码收割机技__能:C++/Python语言公众号:测试开发自动化【获取源码+商业合作】荣__誉:阿里云博客专家博主、51CTO技术博主专__注:专注主流机器人、人工智能等相关领域的开发、测试技术。一文详解C++回调函数目录一文详解C++回调函数1.什么是回调函数?2.为什么需要回调函数3.回调函数的应用场合4.举例说明5.高级回调方式1.什么是回调函数?回调函数可以被简单地理解为:A函
- 机器学习中,准确率(Accuracy)、精确度(Precision)、召回率(Recall)、F1分数(F1Score) 分别是什么?有啥用?有啥意义?有啥缺陷?
shimly123456
NLP相关杂谈机器学习人工智能算法
首先明白四个名词:真正例TruePositive假正例FalsePositive真负例TrueNegative假负例FalseNegativeTP:被预测为真,实际为真的样本FP:被预测为真,实际为假的样本TN:被预测为假,实际为假的样本FN:被预测为假,实际为真的样本准确率(Accuracy)计算公式:(TP+TN)/(TP+FP+TN+FN)意义:被正确预测的样本占总样本的比例缺陷:尽管准确率
- 使用 Conda 管理 Python 环境的详细指南
小桥流水---人工智能
人工智能python安装库ancondacondapython开发语言
使用Conda管理Python环境的详细指南在安装Python时,我们通常会选择Anaconda作为管理工具,因为它不仅提供了Python的安装包,还集成了许多常用的库和工具,非常适合数据科学和机器学习的工作。Conda是Anaconda中的一个包和环境管理工具,通过使用Conda命令,我们可以方便地创建、管理和切换不同的Python环境。下面是一些常用的Conda命令,详细介绍如何使用这些命令来
- DeepSeek 详细使用教程
神探阿航
计算机产业科普与思考大模型人工智能
1.简介DeepSeek是一款基于人工智能技术的多功能工具,旨在帮助用户高效处理和分析数据、生成内容、解答问题、进行语言翻译等。无论是学术研究、商业分析还是日常使用,DeepSeek都能提供强大的支持。本教程将详细介绍DeepSeek的各项功能及使用方法。2.注册与登录注册:访问DeepSeek官网(https://www.deepseek.com)。点击“注册”按钮。填写邮箱地址、设置密码,并完
- 基于深度学习的物体分割技术:从理论到实践
人工智能_SYBH
深度学习人工智能神经网络机器学习lstm
1.引言物体分割(ObjectSegmentation)是计算机视觉中的一项核心任务,其目标是将图像中的不同物体或区域分离出来,通常分为语义分割和实例分割两种类型。随着深度学习的迅猛发展,尤其是卷积神经网络(CNN)的应用,物体分割技术已取得了显著的进展。它被广泛应用于医学影像分析、自动驾驶、视频监控、机器人感知等领域。在本篇博客中,我们将深入探讨基于深度学习的物体分割技术,介绍其发展历程、核心原
- 人工智能第2章-知识点与学习笔记
想拿高薪的韭菜
人工智能学习笔记
结合教材2.1节,阐述什么是知识、知识的特性,以及知识的表示。人工智能最早应用的两种逻辑是什么?阐述你对这两种逻辑表示的内涵理解。什么谓词,什么是谓词逻辑,什么是谓词公式。谈谈你对谓词逻辑中的量词的理解。阐述谓词公式的解释的含义。介绍谓词公式表示知识的一般步骤,阐述谓词逻辑表示知识的优点与局限性。什么是知识表示的产生式,请详细阐释产生式和谓词逻辑蕴涵式的差异。什么是产生式系统,请详细阐述产生式系统
- 微软推出GRIN-MoE:开创专家路由新范式
OpenCSG
microsoft
前沿科技速递在人工智能领域,模型的性能和可扩展性一直是研究的热点。微软最近推出的GRIN-MoE(Gradient-InformedMixture-of-Experts)模型,以其独特的架构和显著的性能表现,正引领着AI技术的前沿,特别是在编码和数学任务上展现出强大的能力。GRIN-MoE的发布标志着企业级应用中AI技术的又一次飞跃,旨在提升处理复杂任务的效率和准确性。来源:传神社区01模型简介G
- 动手学PyTorch建模与应用:从深度学习到大模型
王国平
pytorch人工智能数据分析python数据挖掘
在人工智能时代,机器学习技术日新月异,深度学习是机器学习领域中一个全新的研究方向和应用热点,它是机器学习的一种,也是实现人工智能的必由之路。深度学习的出现不仅推动了机器学习的发展,而且促进了人工智能技术的革新,已经被成功应用在语音识别、图像分类识别、地球物理、大语言模型等领域,具有巨大的发展潜力和价值。本书是一本带领读者快速学习PyTorch并将其运用于深度学习建模方向的入门指南,重点介绍了基于P
- 路径规划之启发式算法之二十九:鸽群算法(Pigeon-inspired Optimization, PIO)
搏博
算法大数据人工智能算法策略模式python机器学习启发式算法
鸽群算法(Pigeon-inspiredOptimization,PIO)是一种基于自然界中鸽子群体行为的智能优化算法,由Duan等人于2014年提出。该算法模拟了鸽子在飞行过程中利用地标、太阳和磁场等导航机制的行为,具有简单、高效和易于实现的特点,适用于解决连续优化问题。更多的仿生群体算法概括可以看我的文章:仿生的群体智能算法总结之一(十种)_最新群体算法-CSDN博客仿生的群体智能算法总结之二
- 机器学习笔记——正则化
好评笔记
补档机器学习人工智能论文阅读AIGC计算机视觉深度学习面试
大家好,这里是好评笔记,公主号:Goodnote,专栏文章私信限时Free。本笔记介绍机器学习中常见的正则化方法。文章目录正则化L1正则化(Lasso)原理使用场景优缺点L2正则化(Ridge)原理使用场景优缺点ElasticNet正则化定义公式优点缺点应用场景Dropout原理使用场景优缺点早停法(EarlyStopping)原理使用场景优缺点BatchNormalization(BN)原理使用
- 机器学习笔记——特征工程、正则化、强化学习
好评笔记
机器学习笔记机器学习人工智能AIAI编程算法工程师
大家好,这里是好评笔记,公主号:Goodnote,专栏文章私信限时Free。本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。文章目录特征工程(FzeatureEngineering)1.特征提取(FeatureExtraction)手工特征提取(ManualFeatureExtraction):自动特征提取(AutomatedFeatureExtraction):2.特征选择
- Vue和Vue-Element-Admin(十):HTML和CSS快速学习笔记
A叶子叶
#Vue与Web开发vue.jshtmlcss
目录html标签分类网页布局盒子模型浮动定位css标签选择flex布局transform转换Vue开发tipsless和scssVScode常用插件后端语言框架很多,Java适合企业级应用(规范且稳定),Go适合高并发场景(比如云上产品),Python框架(bottle,tornado,django)简单且快速,也天然适合数据分析场景,PHP适合快速建站,前端变化小,所见即所得,因此抽空记录下学习
- AI浪潮下程序员的职业转型与技术进阶之路
nbsaas-boot
人工智能
一、引言1.1研究背景与意义在科技飞速发展的当今时代,人工智能(AI)无疑是最为耀眼的技术领域之一。从早期简单的专家系统到如今复杂的深度学习模型,AI技术经历了从理论探索到广泛应用的巨大跨越,正以前所未有的速度改变着我们的生活和工作方式。近年来,AI技术取得了一系列突破性进展。以GPT系列为代表的大型语言模型,展现出强大的自然语言处理能力,能够实现文本生成、对话交互、代码编写等多种任务。根据《20
- TensorFlow实现卷积神经网络CNN
红叶骑士之初
Tensorflow
一、卷积神经网络CNN简介卷积神经网络(ConvolutionalNeuralNetwork,CNN)最初是为解决图像识别等问题设计的,CNN现在的应用已经不限于图像和视频,也可用于时间序列信号,比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求,避免复杂的特征工程。在卷积神经网络中,第一个卷积层会直接接受图像像素级的输入,每一层卷积(滤波器)都会提取
- 怎么样才能成为专业的程序员?
cocos2d-x小菜
编程PHP
如何要想成为一名专业的程序员?仅仅会写代码是不够的。从团队合作去解决问题到版本控制,你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员,那些必备的关键技能都是什么的时候,下面是我们了解到的情况。
关于如何学习代码,各种声音很多,然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了?!呵呵,就像其他工作一样,光会一个技能那是远远不够的。如果你想要成为
- java web开发 高并发处理
BreakingBad
javaWeb并发开发处理高
java处理高并发高负载类网站中数据库的设计方法(java教程,java处理大量数据,java高负载数据) 一:高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用,数据库的响应是首先要解决的。 一般来说MySQL是最常用的,可能最初是一个mysql主机,当数据增加到100万以上,那么,MySQL的效能急剧下降。常用的优化措施是M-S(
- mysql批量更新
ekian
mysql
mysql更新优化:
一版的更新的话都是采用update set的方式,但是如果需要批量更新的话,只能for循环的执行更新。或者采用executeBatch的方式,执行更新。无论哪种方式,性能都不见得多好。
三千多条的更新,需要3分多钟。
查询了批量更新的优化,有说replace into的方式,即:
replace into tableName(id,status) values
- 微软BI(3)
18289753290
微软BI SSIS
1)
Q:该列违反了完整性约束错误;已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID',表 'JRB_EnterpriseCredit.dbo.QYFZCH';列不允许有 Null 值。INSERT 失败。”。
A:一般这类问题的存在是
- Java中的List
g21121
java
List是一个有序的 collection(也称为序列)。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引(在列表中的位置)访问元素,并搜索列表中的元素。
与 set 不同,列表通常允许重复
- 读书笔记
永夜-极光
读书笔记
1. K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?
传统决策: A:100%订单 B,C,D:0%
&nbs
- centos 安装 Codeblocks
随便小屋
codeblocks
1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++
2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2*
3. 安装wxGTK
yum search w
- 23种设计模式的形象比喻
aijuans
设计模式
1、ABSTRACT FACTORY—追MM少不了请吃饭了,麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西,虽然口味有所不同,但不管你带MM去麦当劳或肯德基,只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式:客户类和工厂类分开。消费者任何时候需要某种产品,只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时,工厂类也要做相应的修改。如:
- 开发管理 CheckLists
aoyouzi
开发管理 CheckLists
开发管理 CheckLists(23) -使项目组度过完整的生命周期
开发管理 CheckLists(22) -组织项目资源
开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
- js实现切换
百合不是茶
JavaScript栏目切换
js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路:
1,先将要显示的设置为display:bisible 否则设为none
2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示
3,判断js获取的id名字;再设置是否显示
代码实现:
html代码:
<di
- 周鸿祎在360新员工入职培训上的讲话
bijian1013
感悟项目管理人生职场
这篇文章也是最近偶尔看到的,考虑到原博客发布者可能将其删除等原因,也更方便个人查找,特将原文拷贝再发布的。“学东西是为自己的,不要整天以混的姿态来跟公司博弈,就算是混,我觉得你要是能在混的时间里,收获一些别的有利于人生发展的东西,也是不错的,看你怎么把握了”,看了之后,对这句话记忆犹新。 &
- 前端Web开发的页面效果
Bill_chen
htmlWebMicrosoft
1.IE6下png图片的透明显示:
<img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/>
或在<head></head>间加一段JS代码让透明png图片正常显示。
2.<li>标
- 【JVM五】老年代垃圾回收:并发标记清理GC(CMS GC)
bit1129
垃圾回收
CMS概述
并发标记清理垃圾回收(Concurrent Mark and Sweep GC)算法的主要目标是在GC过程中,减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能,尽可能短的暂停用户线程的时间。这对于交互式应用,比如web应用来说,是非常重要的。
CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收,它要复杂的多。吞吐量垃圾回收在执
- Struts2技术总结
白糖_
struts2
必备jar文件
早在struts2.0.*的时候,struts2的必备jar包需要如下几个:
commons-logging-*.jar Apache旗下commons项目的log日志包
freemarker-*.jar
- Jquery easyui layout应用注意事项
bozch
jquery浏览器easyuilayout
在jquery easyui中提供了easyui-layout布局,他的布局比较局限,类似java中GUI的border布局。下面对其使用注意事项作简要介绍:
如果在现有的工程中前台界面均应用了jquery easyui,那么在布局的时候最好应用jquery eaysui的layout布局,否则在表单页面(编辑、查看、添加等等)在不同的浏览器会出
- java-拷贝特殊链表:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
bylijinnan
java
public class CopySpecialLinkedList {
/**
* 题目:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
拷贝pNext指针非常容易,所以题目的难点是如何拷贝pRand指针。
假设原来链表为A1 -> A2 ->... -> An,新拷贝
- color
Chen.H
JavaScripthtmlcss
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <HTML> <HEAD>&nbs
- [信息与战争]移动通讯与网络
comsci
网络
两个坚持:手机的电池必须可以取下来
光纤不能够入户,只能够到楼宇
建议大家找这本书看看:<&
- oracle flashback query(闪回查询)
daizj
oracleflashback queryflashback table
在Oracle 10g中,Flash back家族分为以下成员:
Flashback Database
Flashback Drop
Flashback Table
Flashback Query(分Flashback Query,Flashback Version Query,Flashback Transaction Query)
下面介绍一下Flashback Drop 和Flas
- zeus持久层DAO单元测试
deng520159
单元测试
zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去.
本文是zeus的dao单元测试:
1.单元测试直接上代码
package com.dengliang.zeus.webdemo.test;
import org.junit.Test;
import o
- C语言学习三printf函数和scanf函数学习
dcj3sjt126com
cprintfscanflanguage
printf函数
/*
2013年3月10日20:42:32
地点:北京潘家园
功能:
目的:
测试%x %X %#x %#X的用法
*/
# include <stdio.h>
int main(void)
{
printf("哈哈!\n"); // \n表示换行
int i = 10;
printf
- 那你为什么小时候不好好读书?
dcj3sjt126com
life
dady, 我今天捡到了十块钱, 不过我还给那个人了
good girl! 那个人有没有和你讲thank you啊
没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you
爸爸, 如果地上有一张5块一张10块你拿哪一张呢....
当然是拿十块的咯...
爸爸你很笨的, 你不会两张都拿
爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
- iptables开放端口
Fanyucai
linuxiptables端口
1,找到配置文件
vi /etc/sysconfig/iptables
2,添加端口开放,增加一行,开放18081端口
-A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT
3,保存
ESC
:wq!
4,重启服务
service iptables
- Ehcache(05)——缓存的查询
234390216
排序ehcache统计query
缓存的查询
目录
1. 使Cache可查询
1.1 基于Xml配置
1.2 基于代码的配置
2 指定可搜索的属性
2.1 可查询属性类型
2.2 &
- 通过hashset找到数组中重复的元素
jackyrong
hashset
如何在hashset中快速找到重复的元素呢?方法很多,下面是其中一个办法:
int[] array = {1,1,2,3,4,5,6,7,8,8};
Set<Integer> set = new HashSet<Integer>();
for(int i = 0
- 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL
lanrikey
history
后退时关闭当前页面
<script type="text/javascript">
jQuery(document).ready(function ($) {
if (window.history && window.history.pushState) {
- 应用程序的通信成本
netkiller.github.com
虚拟机应用服务器陈景峰netkillerneo
应用程序的通信成本
什么是通信
一个程序中两个以上功能相互传递信号或数据叫做通信。
什么是成本
这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。
都有哪些通信方式
全局变量
线程间通信
共享内存
共享文件
管道
Socket
硬件(串口,USB) 等等
全局变量
全局变量是成本最低通信方法,通过设置
- 一维数组与二维数组的声明与定义
恋洁e生
二维数组一维数组定义声明初始化
/** * */ package test20111005; /** * @author FlyingFire * @date:2011-11-18 上午04:33:36 * @author :代码整理 * @introduce :一维数组与二维数组的初始化 *summary: */ public c
- Spring Mybatis独立事务配置
toknowme
mybatis
在项目中有很多地方会使用到独立事务,下面以获取主键为例
(1)修改配置文件spring-mybatis.xml <!-- 开启事务支持 --> <tx:annotation-driven transaction-manager="transactionManager" /> &n
- 更新Anadroid SDK Tooks之后,Eclipse提示No update were found
xp9802
eclipse
使用Android SDK Manager 更新了Anadroid SDK Tooks 之后,
打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates
检测一会后提示 No update were found