- 「DeepSeek接班OpenAI」,最新开源的R1推理模型,让AI圈爆了
人工智能学家
人工智能
来源:前沿科技分享圈近日,AI领域迎来了一次重大突破,DeepSeek正式推出了其最新研发的开源推理模型——DeepSeek-R1。这一模型在数学、代码和自然语言推理等关键任务上的表现,已经能够与OpenAI的o1正式版相媲美,引发了AI研究者和从业者的广泛关注。多阶段训练:创新的模型架构DeepSeek-R1的训练方式采用了多阶段循环的策略,具体包括基础训练、强化学习(RL)、微调等多个阶段。这
- DeepSeek R1:AI领域的新标杆
XianxinMao
人工智能
标题:DeepSeekR1:AI领域的新标杆文章信息摘要:DeepSeek的R1模型在性能上与OpenAI的o1模型相当,甚至在某些方面更具优势,尤其在成本控制上表现出色。R1模型通过开源策略展示了其在AI领域的开放态度,推动了技术的广泛发展。此外,R1-Zero模型通过强化学习和测试时计算实现了强大的推理能力,无需监督微调数据,标志着中国在AI领域的快速崛起,挑战美国的主导地位。AI模型在推理能
- 软考-软件设计师(8)-系统开发与软件工程:UML、网络计划技术、软件过程模型、系统开发方法论、设计模式、敏捷开发、软件测试、软件质量保证、项目管理、开发工具、环路复杂性、数据库设计等高频考点
霸道流氓气质
软考软件工程设计模式软考软件设计师
场景软考-软件设计师-系统开发与软件工程模块高频考点整理。以下为高频考点、知识点汇总。软件设计师上午选择题知识点、高频考点、口诀记忆技巧、经典题型汇总:软考-软件设计师(1)-计算机基础知识点:进制转换、数据编码、内存编址、串并联可靠性、海明校验码、吞吐率、多媒体等:软考-软件设计师(1)-计算机基础知识点:进制转换、数据编码、内存编址、串并联可靠性、海明校验码、吞吐率、多媒体等-CSDN博客软考
- 【SpringMVC】——Json数据交互处理
Y小夜
ssm框架json
个人主页:【Y小夜】作者简介:一位双非学校的大二学生,编程爱好者,专注于基础和实战分享,欢迎私信咨询!入门专栏:【MySQL,Java基础,Rust】热门专栏:【Python,Javaweb,Vue框架】感谢您的点赞、关注、评论、收藏、是对我最大的认可和支持!❤️目录Json概述Json构成要素JSON与JavaScript的关系JSON的优点JSON的应用JSON工具的使用返回json字符串统一
- 《Semantic communications - Principles and challenges》语义通信文献阅读与分析总结
snow每天都要好好学习
深度学习深度学习
《语义通信:原理与挑战》文献详细总结1.语义通信的概念语义通信是一种超越传统香农通信范式的全新通信模式,它关注的是信息意义的传递,而不仅仅是数据本身的准确传输。传统通信强调比特级别的准确性,而语义通信更强调信息对接收方执行特定任务的有效性。这种模式被认为是第六代(6G)无线网络的核心技术之一,能够支持包括智能交通、智能监控、视频会议、增强现实(AR)和虚拟现实(VR)在内的多种智能应用。在语义通信
- AttributeError: ‘NoneType‘ object has no attribute ‘xxx‘v
m0_69514319
python开发语言
分析:在Python中,NoneType是一个类型,如同int、float一样。如:>>>a=None>>>type(a)>>>a=1>>>type(a)注:Nonetype类型不支持任何运算也没有内建方法解决方法:本案例中通过jsonpath读取json格式的数据时,使用了$.access_token,即路径使用了相对路径,应改成绝对路径。当再次实验时因为移动了文件夹再次导致同样的报错,修改绝对
- 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.25 视觉风暴:NumPy驱动数据可视化
精通代码大仙
numpypythonnumpypython信息可视化
1.25视觉风暴:NumPy驱动数据可视化目录视觉风暴:NumPy驱动数据可视化百万级点云实时渲染优化CT医学影像三维重建实战交互式数据分析看板开发地理空间数据可视化进阶WebAssembly前端渲染融合1.25.1百万级点云实时渲染优化1.25.2CT医学影像三维重建实战1.25.3交互式数据分析看板开发1.25.4地理空间数据可视化进阶1.25.5WebAssembly前端渲染融合视觉风暴:N
- 为什么在 C++ 中使用 `const std::string&` 遍历 `std::vector`?
临街的小孩
c++开发语言
在C++中,我们经常需要遍历容器(如std::vector、std::list等)来访问其中的元素。特别是当容器存储的是复杂对象(如std::string)时,遍历的方式会直接影响到程序的性能和内存开销。本文将深入探讨为什么在遍历std::vector时,使用conststd::string&作为循环变量比使用值传递更优,尤其是在涉及到性能优化时。遍历容器的常见方式在C++中,常用的遍历std::
- 【自学笔记】JavaWeb的重点知识点-持续更新
Long_poem
笔记javaweb
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录JavaWeb知识点一、基础概念二、项目结构三、Tomcat服务器四、数据库连接(JDBC)五、前端技术六、高级技术总结以下是JavaWeb知识点的MD格式罗列:JavaWeb知识点一、基础概念静态Web与动态Web静态Web:页面内容固定不变,每次访问都返回相同的内容。动态Web:页面内容可以根据请求或用户输入而变化。网站访
- 【第八天】零基础入门刷题Python-算法篇-数据结构与算法的介绍-一种常见的回溯算法(持续更新)
Long_poem
python算法开发语言
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、Python数据结构与算法的详细介绍1.Python中的常用的回溯算法2.回溯算法3.详细的回溯算法1)一种常见的回溯算法总结前言提示:这里可以添加本文要记录的大概内容:第一天Python数据结构与算法的详细介绍第二天五种常见的排序算法第三天两种常见的搜索算法第四天两种常见的递归算法第五天一种常见的动态规划算法第六天一
- 深入浅出:Python `with` 语句详解
软件架构师笔记
pythonpython网络服务器
深入浅出:Pythonwith语句详解1.什么是with语句?with语句是Python中用于简化资源管理的语法糖。它确保在进入代码块时自动获取资源,并在退出代码块时自动释放资源。常见的资源包括文件、网络连接、数据库连接等。with语句的核心思想是“上下文管理”,即在一定范围内自动处理资源的获取和释放,避免了手动管理资源带来的复杂性和潜在错误。1.1上下文管理器with语句依赖于上下文管理器(Co
- Python 爬虫实战:在马蜂窝抓取旅游攻略,打造个性化出行指南
西攻城狮北
python爬虫旅游开发语言实战案例
一、引言二、准备工作(一)安装必要的库(二)分析网页结构三、抓取攻略列表信息(一)发送请求获取网页内容(二)解析网页提取攻略信息(三)整合代码获取攻略列表四、抓取单个攻略详情信息(一)发送请求获取攻略详情页面内容(二)解析网页提取攻略详情信息(三)整合代码获取攻略详情五、数据存储(一)存储到CSV文件(二)存储到数据库(以SQLite为例)六、注意事项(一)遵守法律法规和平台规定(二)应对反爬虫机
- 单片机串口打印printf函数显示内容(固件库开发)
单片机开发小白
单片机开发学习单片机嵌入式硬件
1.hal_usart.c文件#include#include"hal_usart.h"#include"stm32F10x.h"//**要根据使用的是哪个串口对应修改串口号eg:USART1**voidUSART_PUTC(charch){/*等待数据寄存器为空*/while((USART1->SR&0x40)==0);/*写入数据寄存器*/USART1->DR=(uint8_t)ch;}//重
- 【学习心得】Python好库推荐——PEFT
小oo呆
【学习心得】人工智能python语言模型
一、PEFT是什么?PEFT(Parameter-EfficientFine-Tuning)是一种在深度学习中进行参数高效微调的技术。这种技术主要应用于大型预训练模型的微调过程中,目的是在保持模型性能的同时减少所需的计算资源和时间。通过PEFT,可以有效地调整模型以适应特定任务或数据集,而无需对整个模型的所有参数进行全面微调。二、PEFT使用场景在计算资源有限的情况下,如边缘设备、移动设备或低成本
- 【第六天】零基础入门刷题Python-算法篇-数据结构与算法的介绍-一种常见的贪心算法(持续更新)
Long_poem
算法python贪心算法
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、Python数据结构与算法的详细介绍1.Python中的常用的贪心算法2.贪心算法3.详细的贪心代码1)一种常见的贪心算法总结前言提示:这里可以添加本文要记录的大概内容:第一天Python数据结构与算法的详细介绍第二天五种常见的排序算法第三天两种常见的搜索算法第四天两种常见的递归算法第五天一种常见的动态规划算法第六天一
- Elementui 中el-form表单中的ref是干嘛用的
serve the people
日常琐问elementuivue.jsjavascript
在ElementUI的el-form组件中,ref是用来获取对该表单组件的引用的属性。通过给el-form添加ref属性,你可以在Vue组件中通过引用来访问和操作这个表单组件,而不需要通过DOM查询或其他方式。使用ref属性可以在Vue组件的JavaScript部分直接访问el-form的实例,从而可以进行一系列操作,如表单验证、重置、获取表单数据等。以下是一个使用ref属性的示例:提交重置exp
- 云原生架构体系
米朵儿技术屋
行业信息处理技术与政策研究专栏云原生架构devops
云原生(Cloud-Native)的概念在国内提及的越来越多,但大部分人对云原生的认识仅限于容器、微服务、DevOps等内容,把容器、微服务、DevOps就等同于云原生,这显然是不对的。CNCF从其自身的角度定义了云原生技术:云原生技术使企业能够在现代动态环境中构建和运行可扩展的应用程序,如在公共云、私有云和混合云环境中。包括容器、服务网格、微服务、不变的基础设施和声明式API等。采用这些技术可实
- Python 机器学习 基础 之 【常用机器学习库】 NumPy 数值计算库
仙魁XAN
Python机器学习基础+实战案例python机器学习numpy数值计算
Python机器学习基础之【常用机器学习库】NumPy数值计算库目录Python机器学习基础之【常用机器学习库】NumPy数值计算库一、简单介绍二、Numpy基础1、安装NumPy2、导入NumPy3、创建数组4、数组操作5、常用函数6、矩阵运算7、广播机制8、随机数三、在机器学习中使用到Numpy的简单示例1、数据预处理1.1数据归一化1.2数据标准化2、特征工程1.1多项式特征3、简单线性回归
- 深度学习训练模型损失Loss为NaN或者无穷大(INF)原因及解决办法
余弦的倒数
学习笔记机器学习深度学习pytorch深度学习人工智能机器学习
文章目录一、可能原因==1.学习率过高====2.batchsize过大==3.梯度爆炸4.损失函数不稳定5.数据预处理问题6.数据标签与输入不匹配7.模型初始化问题8.优化器设置问题9.数值问题==10.模型结构设计缺陷==二、调试步骤三、常见预防措施一、可能原因1.学习率过高原因:学习率过高可能导致梯度爆炸,权重更新幅度过大,导致模型参数变为无穷大或NaN。学习率设置过大是常见问题,它会让参数
- Python中的heapq介绍
余弦的倒数
Python学习笔记python开发语言
heapq是Python标准库中的一个模块,专门用于处理堆数据结构,它提供了一些非常便捷的函数来操作最小堆(元素按照从小到大的顺序排列,堆顶元素最小),以下是详细介绍:1.主要函数heapify(iterable):功能:将一个可迭代对象就地转化为堆结构。这个操作的时间复杂度是O(n)O(n)O(n),其中nnn是可迭代对象的元素个数。示例:importheapqmy_list=[3,1,4,1,
- 开发者必备【5款蓝牙调试工具】
moton2017
BLE调试工具测试工具
蓝牙调试助手是开发者在开发和调试蓝牙设备时的工具。它提供了一个用户友好的界面,帮助开发者轻松连接、配置和测试蓝牙设备。一、蓝牙调试助手1.蓝牙调试助手的常见用途:开发蓝牙设备:测试设备的功能,验证协议栈的实现。调试蓝牙应用程序:查找应用程序中的错误,优化性能。分析蓝牙数据:捕获和分析蓝牙数据,了解设备的行为。2.蓝牙调试助手通常有以下功能:扫描设备:发现附近的蓝牙设备。连接设备:与目标设备建立连接
- 低功耗蓝牙开发必备工具指南
Lenzetech
蓝牙技术蓝牙
蓝牙BLE是蓝牙技术联盟设计和销售的一种个人局域网技术,旨在用于医疗保健、运动健身、信标、安防、家庭娱乐等领域的新兴应用。相较经典蓝牙,低功耗蓝牙旨在保持同等通信范围的同时显著降低功耗和成本。低功耗蓝牙芯片有传输远、功耗低、延迟低等优势。传输距离方面,经典蓝牙只有10-100米,而BLE最远能传输300米;连接方式上,经典蓝牙只能通过点对点的方式传输,而BLE设备能够能通过点对点、广播、Mesh组
- LLM应用架构实战:基于LangChain的企业级最佳实践
LLM教程
langchain大模型人工智能本地化部署Agent程序员LLM
前言随着ChatGPT等大语言模型的广泛应用,越来越多的企业开始将LLM整合到其业务系统中。然而,从概念验证(PoC)到生产环境的转换过程中,往往会遇到诸多技术挑战。本文将基于实际项目经验,分享LLM应用开发中的架构设计、性能优化、成本控制等关键环节和解决方案。1.LLM应用的特殊性在开始具体的架构设计之前,我们需要深入理解LLM应用区别于传统应用的几个关键特性。这些特性将直接影响我们的架构设计决
- 【Unity 资源包】HEROIC FANTASY WERE-CREATURES PACK 高质量的角色资源包,专为幻想题材游戏设计,尤其适合那些涉及狼人、变身生物或奇幻怪物的游戏项目
Unity游戏资源学习屋
Unity插件
HEROICFANTASYWERE-CREATURESPACK是一个高质量的角色资源包,专为幻想题材游戏设计,尤其适合那些涉及狼人、变身生物或奇幻怪物的游戏项目。该插件包含多个详细建模的角色,配有丰富的动画集,能够帮助游戏开发者轻松集成幻想世界中的英雄、怪物或敌人角色。详细介绍:角色模型:该资源包提供了多个变身生物角色,最显著的包括狼人和狼人战士等。这些角色模型设计精细,拥有高质量的贴图和详细的材
- 【Unity 渲染插件】GPU Instancer 基于 GPU 实例化技术,旨在解决 Unity 中大量重复对象的渲染瓶颈问题,显著提升游戏性能
Unity游戏资源学习屋
Unity插件
GPUInstancer是一款专注于高性能渲染的Unity插件,基于GPU实例化技术,旨在解决Unity中大量重复对象的渲染瓶颈问题,显著提升游戏性能。通过减少CPU到GPU的数据传输和批处理开销,该插件特别适合渲染复杂的开放世界场景、自然环境、城市布局等需要大量重复物体的场景。核心功能解析实时GPU实例化GPUInstancer能够自动检测和实例化场景中的重复网格对象,将它们的渲染交给GPU实现
- 构建高效LLM应用开发架构的关键策略
AI天才研究院
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
文章标题:构建高效LLM应用开发架构的关键策略在当今快速发展的技术世界中,人工智能(AI)已经成为推动创新的核心动力。其中,大型语言模型(LLM)的应用开发尤为引人注目。LLM通过处理和理解自然语言,为各种场景提供了强大的智能解决方案,从智能客服到内容生成,再到教育应用,都有着广泛的应用前景。然而,高效地构建LLM应用开发架构面临着诸多挑战,包括性能、可扩展性和安全性等。本文将深入探讨构建高效LL
- 云原生:构建现代化应用的基石
moton2017
后端架构云原生微服务容器kubernetesdocker
一、什么是云原生?云原生是一种构建和运行应用程序的方法,旨在充分利用云计算的分布式系统优势,例如弹性伸缩、微服务架构、容器化技术等。云原生应用程序从设计之初就考虑到了云环境的特点,能够更好地适应云平台的动态变化,并充分发挥云计算的优势。1.云原生核心特点:容器化:使用容器技术(如Docker)将应用打包成独立的容器镜像,实现快速部署和隔离。微服务架构:将单体应用拆分成多个松耦合的微服务,每个微服务
- open-api-project
吴刚999
javarsagatewayspringboot
web项目对外提供接口服务统一鉴权网关入口主要设计思路:公私钥对:公钥加密,私钥解密;私钥生成签名,公钥验签。1、生成公私钥对,绑定app_id,存入数据库2、将app_id和私钥对外3、对外根据app_id和私钥生成自己的签名sign4、再结合其他参数一起放入接口传过来(参数是否需要公私钥加密解密传输,根据自己具体业务逻辑来处理)5、拿到参数根据app_id获取对应的公钥去验签6、同时针对访问者
- 深入理解Python中的生成器与迭代器:概念、区别与实战应用
清水白石008
pythonPython题库开源软件python开发语言
深入理解Python中的生成器与迭代器:概念、区别与实战应用开篇在Python编程世界中,生成器(Generators)和迭代器(Iterators)是两个核心概念,它们在处理大型数据集、节省内存以及实现高效循环结构方面扮演着至关重要的角色。本文旨在通过详尽的介绍和实例解析,帮助开发者们全面理解和掌握这两种机制,并能够灵活运用到实际开发中。一、迭代器(Iterators)的基本概念迭代器是一种设计
- MySQL-9.1.0 GTID模式
妍妍的宝贝
MySQLmysql数据库服务器
目录MySQL-9.1.0主从复制1实验准备工作1.1下载并安装官方MySQL的rpm包1.2设置DNS解析1.3修改密码2GTID模式实现主从复制2.1增加配置文件内容2.2创建主从复制账号MASTERSLAVE1SLAVE22.3实现GTID的自动定位SLAVE1&&SLAVE23导入数据查看是否成功3.1主服务器导入SQL脚本3.2两个从服务器查看是否复制同步MySQL-9.1.0主从复制本
- Java序列化进阶篇
g21121
java序列化
1.transient
类一旦实现了Serializable 接口即被声明为可序列化,然而某些情况下并不是所有的属性都需要序列化,想要人为的去阻止这些属性被序列化,就需要用到transient 关键字。
- escape()、encodeURI()、encodeURIComponent()区别详解
aigo
JavaScriptWeb
原文:http://blog.sina.com.cn/s/blog_4586764e0101khi0.html
JavaScript中有三个可以对字符串编码的函数,分别是: escape,encodeURI,encodeURIComponent,相应3个解码函数:,decodeURI,decodeURIComponent 。
下面简单介绍一下它们的区别
1 escape()函
- ArcgisEngine实现对地图的放大、缩小和平移
Cb123456
添加矢量数据对地图的放大、缩小和平移Engine
ArcgisEngine实现对地图的放大、缩小和平移:
个人觉得是平移,不过网上的都是漫游,通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.
具体实现:
一、引入命名空间
using ESRI.ArcGIS.Geometry;
using ESRI.ArcGIS.Controls;
二、代码实现.
- Java集合框架概述
天子之骄
Java集合框架概述
集合框架
集合框架可以理解为一个容器,该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。
从本质上来说,Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。
简单介绍:
Collection接口是最基本的接口,它定义了List和Set,List又定义了LinkLi
- 旗正4.0页面跳转传值问题
何必如此
javajsp
跳转和成功提示
a) 成功字段非空forward
成功字段非空forward,不会弹出成功字段,为jsp转发,页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
- 全网唯一:移动互联网服务器端开发课程
cocos2d-x小菜
web开发移动开发移动端开发移动互联程序员
移动互联网时代来了! App市场爆发式增长为Web开发程序员带来新一轮机遇,近两年新增创业者,几乎全部选择了移动互联网项目!传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计,AppStore中超过85%的App项目都选择了PHP作为后端程
- Log4J通用配置|注意问题 笔记
7454103
DAOapachetomcatlog4jWeb
关于日志的等级 那些去 百度就知道了!
这几天 要搭个新框架 配置了 日志 记下来 !做个备忘!
#这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~!
log4j.rootLogger=INFO,allLog
# DAO层 log记录到dao.log 控制台 和 总日志文件
log4j.logger.DAO=INFO,dao,C
- SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager
darkranger
sqlcwindowsSQL ServerXP
当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动..
发现需要启动客户端协议 : TCP/IP
需要打开 SQL Server Configuration Manager...
却发现无法打开 SQL Server Configuration Manager..??
解决方法: C:\WINDOWS\system32目录搜索framedyn.
- [置顶] 做有中国特色的程序员
aijuans
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有些技术书读得可
- document.domain 跨域问题
avords
document
document.domain用来得到当前网页的域名。比如在地址栏里输入:javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值,不过是有限制的,你只能赋成当前的域名或者基础域名。比如:javascript:alert(document.domain = "315ta.com");
- 关于管理软件的一些思考
houxinyou
管理
工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱.
在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下.
做为管理软件,就像现在讲究MVC这
- NoSQL数据库之Redis数据库管理(String类型和hash类型)
bijian1013
redis数据库NoSQL
一.Redis的数据类型
1.String类型及操作
String是最简单的类型,一个key对应一个value,string类型是二进制安全的。Redis的string可以包含任何数据,比如jpg图片或者序列化的对象。
Set方法:设置key对应的值为string类型的value
- Tomcat 一些技巧
征客丶
javatomcatdos
以下操作都是在windows 环境下
一、Tomcat 启动时配置 JAVA_HOME
在 tomcat 安装目录,bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加
set JAVA_HOME=JAVA 安装目录
set JRE_HOME=JAVA 安装目录/jre
即可;
二、查看Tomcat 版本
在 tomcat 安装目
- 【Spark七十二】Spark的日志配置
bit1129
spark
在测试Spark Streaming时,大量的日志显示到控制台,影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上),可以通过修改Spark的日志配置的方式,不让Spark Streaming把它的日志显示在console
在Spark的conf目录下,把log4j.properties.template修改为log4j.p
- Haskell版冒泡排序
bookjovi
冒泡排序haskell
面试的时候问的比较多的算法题要么是binary search,要么是冒泡排序,真的不想用写C写冒泡排序了,贴上个Haskell版的,思维简单,代码简单,下次谁要是再要我用C写冒泡排序,直接上个haskell版的,让他自己去理解吧。
sort [] = []
sort [x] = [x]
sort (x:x1:xs)
| x>x1 = x1:so
- java 路径 配置文件读取
bro_feng
java
这几天做一个项目,关于路径做如下笔记,有需要供参考。
取工程内的文件,一般都要用相对路径,这个自然不用多说。
在src统计目录建配置文件目录res,在res中放入配置文件。
读取文件使用方式:
1. MyTest.class.getResourceAsStream("/res/xx.properties")
2. properties.load(MyTest.
- 读《研磨设计模式》-代码笔记-简单工厂模式
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/
package design.pattern;
/*
* 个人理解:简单工厂模式就是IOC;
* 客户端要用到某一对象,本来是由客户创建的,现在改成由工厂创建,客户直接取就好了
*/
interface IProduct {
- SVN与JIRA的关联
chenyu19891124
SVN
SVN与JIRA的关联一直都没能装成功,今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤:
一、搭建好SVN环境,尤其是要把SVN的服务注册成系统服务
二、装好JIRA,自己用是jira-4.3.4破解版
三、下载SVN与JIRA的插件并解压,然后拷贝插件包下lib包里的三个jar,放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下,再
- JWFDv0.96 最新设计思路
comsci
数据结构算法工作企业应用公告
随着工作流技术的发展,工作流产品的应用范围也不断的在扩展,开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了),实时生产控制和其它比较重要的工程领域,而
- vi 保存复制内容格式粘贴
daizj
vi粘贴复制保存原格式不变形
vi是linux中非常好用的文本编辑工具,功能强大无比,但对于复制带有缩进格式的内容时,粘贴的时候内容错位很严重,不会按照复制时的格式排版,vi能不能在粘贴时,按复制进的格式进行粘贴呢? 答案是肯定的,vi有一个很强大的命令可以实现此功能 。
在命令模式输入:set paste,则进入paste模式,这样再进行粘贴时
- shell脚本运行时报错误:/bin/bash^M: bad interpreter 的解决办法
dongwei_6688
shell脚本
出现原因:windows上写的脚本,直接拷贝到linux系统上运行由于格式不兼容导致
解决办法:
1. 比如文件名为myshell.sh,vim myshell.sh
2. 执行vim中的命令 : set ff?查看文件格式,如果显示fileformat=dos,证明文件格式有问题
3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了,然后:w
- 高一上学期难记忆单词
dcj3sjt126com
wordenglish
honest 诚实的;正直的
argue 争论
classical 古典的
hammer 锤子
share 分享;共有
sorrow 悲哀;悲痛
adventure 冒险
error 错误;差错
closet 壁橱;储藏室
pronounce 发音;宣告
repeat 重做;重复
majority 大多数;大半
native 本国的,本地的,本国
- hibernate查询返回DTO对象,DTO封装了多个pojo对象的属性
frankco
POJOhibernate查询DTO
DTO-数据传输对象;pojo-最纯粹的java对象与数据库中的表一一对应。
简单讲:DTO起到业务数据的传递作用,pojo则与持久层数据库打交道。
有时候我们需要查询返回DTO对象,因为DTO
- Partition List
hcx2013
partition
Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x.
You should preserve the original relative order of th
- Spring MVC测试框架详解——客户端测试
jinnianshilongnian
上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试,接下来再看看如果测试Rest客户端,对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器,然后发送真实的请求到相应的控制器;这种方式的缺点就是速度慢;自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式,也就是说使用RestTemplate测试时无须启动服务器,而是模拟一
- 关于推荐个人观点
liyonghui160com
推荐系统关于推荐个人观点
回想起来,我也做推荐了3年多了,最近公司做了调整招聘了很多算法工程师,以为需要多么高大上的算法才能搭建起来的,从实践中走过来,我只想说【不是这样的】
第一次接触推荐系统是在四年前入职的时候,那时候,机器学习和大数据都是没有的概念,什么大数据处理开源软件根本不存在,我们用多台计算机web程序记录用户行为,用.net的w
- 不间断旋转的动画
pangyulei
动画
CABasicAnimation* rotationAnimation;
rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"];
rotationAnimation.toValue = [NSNumber numberWithFloat: M
- 自定义annotation
sha1064616837
javaenumannotationreflect
对象有的属性在页面上可编辑,有的属性在页面只可读,以前都是我们在页面上写死的,时间一久有时候会混乱,此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大,可以帮我们省去很多代码,让代码看上去简洁。
下面这个例子 主要用到了
1.自定义annotation:@interface,以及几个配合着自定义注解使用的几个注解
2.简单的反射
3.枚举
- Spring 源码
up2pu
spring
1.Spring源代码
https://github.com/SpringSource/spring-framework/branches/3.2.x
注:兼容svn检出
2.运行脚本
import-into-eclipse.bat
注:需要设置JAVA_HOME为jdk 1.7
build.gradle
compileJava {
sourceCompatibilit
- 利用word分词来计算文本相似度
yangshangchuan
wordword分词文本相似度余弦相似度简单共有词
word分词提供了多种文本相似度计算方式:
方式一:余弦相似度,通过计算两个向量的夹角余弦值来评估他们的相似度
实现类:org.apdplat.word.analysis.CosineTextSimilarity
用法如下:
String text1 = "我爱购物";
String text2 = "我爱读书";
String text3 =