- 深入探索Django:常用实用方法指南
ivwdcwso
开发djangosqlite数据库python开发
Django是一个高级的PythonWeb框架,旨在快速开发和简洁、实用的设计。它内置了许多功能,使得开发者能够高效地构建Web应用。在这篇博文中,我们将深入探讨一些Django中常用的实用方法,这些方法可以帮助你更好地控制Django应用的行为,使其更加灵活和安全。©ivwdcwso(ID:u012172506)1.get_object_or_404get_object_or_404是一个非常实
- Mac Unity编辑器中Process调用Python脚本。
ShawnWeasley
pythonjavalinux人工智能unity
这玩意是真的难,环境:macOS10.15.4Unity2019.4Python3.8首先我们要知道一个API:System.Diagnostics.Process可以打开其他程序。我期望能在Unity中直接调用一个写好的python脚本。需求很简单,却足足研究了三四个小时。一开始的思路是,用Unity打开终端,再自动输入一条命令比如python3.8xxx就可以了。用百度,发现win上的问题好像
- [思考.AI]AI的能力边界?通用与专用模型平衡?人机协作模式?
俊哥V
AI由AI辅助创作人工智能AI
刚才列的三个问题AI的能力边界?适合做什么、不适合做什么?通用与专用模型平衡?结合特定应用场景的选择人机协作模式?人与AI的角色协调与配合...索性先丢给了AI,摘录其回复:以下是对三个核心问题的结构化分析,结合当前AI发展现状与搜索结果中的关键信息:一、AI能力边界的界定与适用场景适合领域:模式识别与数据处理医疗影像分析(如肿瘤检测)、金融风控(反欺诈模型)等场景中,AI凭借高精度数据处理能力显
- 模型压缩-模型蒸馏、模型剪枝、模型量化
NLP的小Y
剪枝机器学习nlp语言模型
一、模型蒸馏1.1蒸馏简介知识蒸馏是指通过教师模型指导学生模型训练,通过蒸馏的方式让学生模型学习到教师模型的知识,最终使学生模型达到或媲美教师模型的准确度。在模型压缩中,教师模型是一个预训练好的复杂的模型,而学生模型是一个规模较小的模型。如分类任务中,由训练好的教师模型在相同的数据下,通过将教师模型对样本的预测值作为学生模型的预测目标,指导学生模型学习,这个预测值一般指教师网络输出的类概率。教师模
- 斐波那契数列模型:在动态规划的丝绸之路上追寻斐波那契的足迹(下)
诚丞成
常用算法讲解动态规划算法
文章目录引言一.第n个泰波那契数1.1题目链接:https://leetcode.cn/problems/n-th-tribonacci-number/description/1.2题目分析:1.3思路讲解:1.4代码实现:二.三步问题2.1题目链接:https://leetcode.cn/problems/three-steps-problem-lcci/description/2.2题目分析:
- [笔记.AI]如何判断模型是否通过剪枝、量化、蒸馏生成?
俊哥V
由AI辅助创作AI笔记人工智能
以下摘自与DeepSeek-R1在线联网版的对话一、基础判断维度技术类型核心特征验证方法剪枝模型参数减少、结构稀疏化1.检查模型参数量是否显著小于同类标准模型12.分析权重矩阵稀疏性(如非零参数占比50%)3蒸馏模型结构轻量但性能接近大模型、输出分布平滑1.对比师生模型结构差异52.分析输出概率分布的熵值(蒸馏模型熵值更高)2二、具体技术验证方法1.剪枝模型验证结构分析使用model.summar
- 机器学习(四) 本文(2万字) | 梯度下降GD原理 | Python复现 |
小酒馆燃着灯
机器学习人工智能深度学习目标检测pythonpytorch
第四章梯度下降一引入梯度二从一元到多元2.1一元函数2.1.1引入梯度下降2.1.2学习率2.1.3继续更新迭代2.2二元函数2.3多元函数三多种梯度方法3.1批量梯度下降(BatchGradientDescent,BGD)3.1.1对目标函数求偏导3.1.2每次迭代对参数进行更新3.1.3优缺点3.2随机梯度下降(StochasticGradientDescent,SGD)3.2.1对目标函数求
- 机器学习(一) 本文(3万字) | 机器学习概述 |
小酒馆燃着灯
机器学习人工智能深度学习目标检测vscodepytorchpython
推荐阅读,点击查看文章目录1.统计学习(机器学习)1.1特点1.2对象1.3目的1.4方法1.5步骤2.基本分类2.1监督学习2.1.1输入空间、特征空间和输出空间2.1.2概率分布2.1.3假设空间2.1.4问题的形式化2.2无监督学习2.3强化学习2.4半监督学习与主动学习3.基于模型分类4.基于技巧分类4.1贝叶斯学习4.2核方法5.统计学习三要素5.1模型5.2策略5.2.1损失函数与风险
- python 获取软件的信息
隔壁小红馆
pythonpython
根据软件名称,获取对应软件的详情fromwin32com.clientimportGetObjectdefwmi_sql_all_name(pname):_wmi=GetObject('winmgmts:')processes=_wmi.ExecQuery("Select*fromwin32_processwherename='%s'"%(pname))ifprocesses.Count:forp
- 【AI大数据】数据中台的数据分析与挖掘:从数据到业务的决策
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型自然语言处理人工智能语言模型编程实践开发语言架构设计
文章目录1.前言2.基本概念术语说明2.1数据模型及其实体关系实体(Entity)属性(Attribute)实体关系(EntityRelationships)2.2数据仓库2.3分析引擎2.4噪声数据2.5数据湖2.6数据总线2.7数据仓库模型3.核心算法原理和具体操作步骤以及数学公式讲解3.1数据挖掘技术概览(1)数据预处理(2)数据探查(3)数据清洗(4)数据转换(5)数据挖掘(6)知识发现(
- 智能汽车安全实战:车联网威胁检测从入门到精通(含CAN总线/OTA/深度学习完整代码实现)
Coderabo
DeepSeekR1模型企业级应用汽车安全深度学习
车联网安全威胁检测实战:从CAN总线到OTA的全链路攻防解析(附完整Python代码)一、车联网安全威胁现状与挑战随着智能网联汽车渗透率突破60%,车端ECU数量超过150个,车载通信接口增加至8种以上,攻击面呈现指数级增长趋势。2023年某知名车企曝出的OTA升级漏洞导致50万辆汽车面临远程控制风险,凸显车联网安全检测的紧迫性。二、车联网安全检测技术框架2.1威胁检测架构设计classVehic
- 图像检测分析难题?三维天地引入YOLO目标检测技术带来全新解决方案!
资讯分享周
YOLO目标检测人工智能
在当今的检验检测认证行业,利用图像检测技术分析样本的相关指标已经成为众多检验检测领域的重要需求。无论是医学影像诊断、材料科学、食品检测还是质量控制,都依赖于精确的图像分析来提高检测的效率和准确性。然而,传统的图像处理方法面临着诸多挑战,如庞大的数据量、复杂的特征提取、漫长的模型训练周期以及复杂的公式计算等。这些问题不仅限制了检测的效率,还对结果的准确性产生了负面影响。一、实际业务操作中的工作难点1
- 基于旭日派的Ros系统小车的再开发——使用python脚本Astra调用深度相机(学习笔记)
Z._ Yang
python嵌入式硬件个人开发python
1、Ros系统的简要介绍:ROS是你的机器人的操作系统。它运行在各种不同类型的计算机上的标准Linux系统之上,如树莓派或其他的一些单片机、以及笔记本电脑或台式电脑。ROS中可执行的程序的基本单位是:节点(node)节点之间通过消息机制进行通信,这就组成了:算图(abac)节点之间通过收发消息进行通信,消息的收发机制分为:话题(topic)、服务(service)和动作(action)1.ROS提
- 南凌科技接入deepseek大模型,提升云网智安服务能力
NOVAnet2023
科技
南凌科技自成立以来,始终秉持创新驱动的理念,积极探索并运用新兴的人工智能技术,赋能公司服务能力和运营效率提升。2024年,南凌科技便已接入各类大模型,包含智谱、通义千问等大模型。在2024年10月的“AI+安全”研讨大会上,南凌科技CTO鲁子奕博士就已向客户、媒体等展示了南凌科技运用AI大模型进行数据处理、客服问答等场景。如今,DeepSeek以其开源特性崭露头角,不仅展现出高度的灵活性与可定制性
- DeepSeek赋能智慧文旅:新一代解决方案,重构文旅发展的底层逻辑
百家方案
解决方案DeepSeek智慧文旅
DeepSeek作为一款前沿的人工智能大模型,凭借其强大的多模态理解、知识推理和内容生成能力,正在重构文旅产业的发展逻辑,推动行业从传统的经验驱动向数据驱动、从人力密集型向智能协同型转变。一、智能服务重构:打造全域感知的智慧服务体系DeepSeek通过整合物联网、传感器、摄像头和智能设备,打破信息孤岛,实现多源数据的采集与共享。例如,故宫博物院利用自然语言处理技术,实现了128种语言的实时互译,极
- centos 安装alien
编程日记
Linux
出处:http://linux4you.in/install-netapp-oncommand-system-manger-on-centos/1.在root权限下执行命令$sudosu2.安装alien需要的依赖包#yum-yinstallPythonrpm-buildmakem4gcc-c++autoconfautomakeredhat-rpm-configmod_dav_svnmod_ssl
- 使用NLTK,Natural Language Toolkit(Python自然语言工具包)对“PyMuPDF、Pillow和pytesseract实现PDF文件中文OCR识别”的改进
岳涛@泰山医院
Dashpythonpillowpdf
文章目录一、“PyMuPDF、Pillow和pytesseract实现PDF文件中文OCR识别”存在的问题及改进方向1.1存在问题1.2改进方向1.2.1使用PyMuPdf识别文字元素1.2.2使用NLTK对两次识别的结果进行相似度比对二、NLTK的安装2.1NLTK简介2.2pip安装2.3下载nltk_data2.4解压到C:/Users/Administrator/AppData/Roami
- 单片机设计 基于AT89S52单片机和DS1302的电子万年历设计的详细项目实例
nantangyuxi
C#嵌入式单片机单片机嵌入式硬件机器学习人工智能深度学习数据挖掘大数据
目录基她ST89T52单片机和DT1302她电子万年历设计她详细项目实例...1项目背景介绍...1项目目标她意义...1项目意义...2项目挑战...2项目特点她创新...3项目应用领域...4项目软件模型架构...4项目软件模型描述及代码示例...5项目模型算法流程图...6项目目录结构设计及各模块功能说明...7项目部署她应用...8项目扩展...10项目应该注意事项...11项目未来改进方
- LLM 中的 Matryoshka 量化:原理与优势
数据掘金
量化LLM
什么是Matryoshka量化?MatQuant如何改进LLM性能指标MatQuant对模型量化的影响每个比特宽度处理模型权重的特定部分,并且它们的组合输出被聚合以优化整体量化性能。折线图显示了基于每个FFN(前馈网络)参数的有效比特数的不同量化技术下Gemma-29B的任务性能。右下角(int2):尽管比特范围有限,但MatQuant(蓝色)实现了对量化桶的更好利用,从而提高了效率。基线(红色三
- 股票量化实时行情接口WebSocket接入Python封装
数据掘金
websocket量化行情接口python
Python做量化,如果是日内策略,需要更实时的行情数据,不然策略滑点太大,容易跑偏结果。之前用行情网站提供的level1行情接口,实测平均更新延迟达到了6秒,超过10只股票并发请求频率过快很容易封IP。后面又尝试了买代理IP来请求,成本太高而且不稳定。在Github上看到一个可转债的Golang高频T+0策略,对接的是WebSocket协议,拿来改了改,封装了一个Python版本的包,记录一下:
- 《Python 中的数学魔法:轻松计算最大公约数和最小公倍数》
清水白石008
pythonPython题库python开发语言
标题:《Python中的数学魔法:轻松计算最大公约数和最小公倍数》在数学和编程中,最大公约数(GreatestCommonDivisor,GCD)和最小公倍数(LeastCommonMultiple,LCM)是两个非常重要的概念。它们在分数运算、密码学、计算几何等领域都有广泛应用。今天,我们将深入探讨如何使用Python编写一个高效、实用的函数来计算两个数的最大公约数和最小公倍数。理解基本概念在开
- python | math --- 数学函数
黄佳俊、
Pythonpython
这些函数不适用于复数;如果你需要计算复数,请使用cmath模块中的同名函数。常用数论与表示函数math.ceil(x)返回x的上限,即大于或者等于x的最小整数。如果x不是一个浮点数,则委托x.__ceil__(),返回一个Integral类的值。math.fabs(x)返回x的绝对值。math.factorial(x)以一个整数返回x的阶乘。如果x不是整数或为负数时则将引发ValueError。3
- python中网络爬虫框架
你可以自己看
pythonpython爬虫开发语言
Python中有许多强大的网络爬虫框架,它们帮助开发者轻松地抓取和处理网页数据。最常用的Python网络爬虫框架有以下几个:1.ScrapyScrapy是Python中最受欢迎的网络爬虫框架之一,专为大规模网络爬取和数据提取任务而设计。它功能强大、效率高,支持异步处理,是数据采集和网络爬虫的首选。Scrapy的主要特点:支持异步请求,爬取速度非常快。内置了处理请求、响应、解析HTML等常用的功能。
- 工业过程模拟:从理论到实践的 Python 实现
Echo_Wish
Python进阶python开发语言
工业过程模拟:从理论到实践的Python实现在现代工业中,过程模拟已成为优化生产流程、提升效率和降低成本的重要手段。作为一名人工智能和Python领域的自媒体创作者,今天我想和大家探讨如何使用Python实现工业过程模拟,并通过具体代码示例展示其实际应用。什么是工业过程模拟?工业过程模拟是指通过计算机模型对工业生产过程进行仿真和分析,以预测和优化生产流程。其主要目的是在不影响实际生产的情况下,通过
- Unity3D 实用技巧 - 理解骨骼动画原理 & 在Unity3D中使用
Unity官方开发者社区
其实我们在游戏中,会常会应用到动画。所以今天小编与大家一起来深入了解“动画”,其实动画主要分为关节动画、骨骼动画、单一网格模型动画(关键帧动画)。1)关节动画:把角色分成若干独立部分,一个部分对应一个网格模型,部分的动画连接成一个整体的动画,角色比较灵活,Quake2中使用这种动画;2)骨骼动画:广泛应用的动画方式,集成了以上两个方式的优点,骨骼按角色特点组成一定的层次结构,有关节相连,可做相对运
- 利用Python的PIL、PyMuPDF库为图片和PDF文件去水印
春风锤呀锤
杂记Pythonpython经验分享vscode
目标:净化电子书水印,供notability使用。库安装pillow库:基于PIL,支持python3官方文档:Pillow(PILFork)9.2.0.dev0documentationpipinstallpillowPyMuPDF:MuPDF的Python接口形式官方文档:PyMuPDFDocumentation—PyMuPDF1.19.6documentation安装文件:PyMuPDF·P
- 【AI-32】浅显易懂地说一下LangChain
W Y
人工智能langchain
好的!我来用最通俗的方式解释一下LangChain是什么,以及它为什么在AI开发中如此重要。一句话理解LangChainLangChain是一个帮你快速搭建AI应用的工具箱,它把大型语言模型(如GPT)和外部数据、计算工具、业务流程连接起来,让开发AI应用像搭积木一样简单。类比:想象你要造一辆车,LangChain就是提供现成的引擎、方向盘、轮子(模块化组件),你只需组装它们,而不用从零开始炼钢造
- 【小白学AI系列】NLP 核心知识点(七)Embedding概念介绍
Blankspace空白
人工智能自然语言处理embedding
Embedding(嵌入)是自然语言处理(NLP)中非常重要的概念。简单来说,embedding是一种将离散的、稀疏的、不可直接计算的对象(比如词、字符或句子)转换为密集的、连续的向量表示的技术。这个向量通常是低维的,并且在向量空间中能够捕捉到该对象的某些语义或结构特征。可以通过这种方式将我们通常理解为文本的信息转化为模型可以处理的数字形式。1.为什么需要Embedding?传统的计算机处理文本的
- 深度学习时间序列预测:LSTM算法构建PM2.5单变量模型及Python实现
代码编织匠人
python深度学习lstm
深度学习时间序列预测:LSTM算法构建PM2.5单变量模型及Python实现时间序列预测是指根据历史数据对未来的时间点进行预测,对于一些与时间相关的问题,例如气象、股票市场走势等,时间序列预测具有非常重要的应用价值。本文将介绍如何使用深度学习中的LSTM算法,构建针对空气质量(PM2.5)的时间序列单变量模型,并使用Python进行实现。数据准备首先,我们需要收集历史空气质量(PM2.5)数据,以
- 利用深度学习进行汇率预测:LSTM与Transformer模型的应用实践
人工智能_SYBH
深度学习lstmtransformer
第一部分:数据收集与准备1.1数据集介绍1.2数据准备第二部分:使用LSTM模型进行汇率预测2.1数据序列化2.2LSTM模型构建2.3模型训练与评估2.4结果可视化第三部分:使用Transformer模型进行汇率预测3.1数据序列化3.2Transformer模型构建3.3模型训练与评估3.4结果可视化结论引言外汇市场是一个充满波动性的金融市场,吸引了众多交易者和投资者。为了做出明智的决策,预测
- Spring4.1新特性——Spring MVC增强
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
- mysql 性能查询优化
annan211
javasql优化mysql应用服务器
1 时间到底花在哪了?
mysql在执行查询的时候需要执行一系列的子任务,这些子任务包含了整个查询周期最重要的阶段,这其中包含了大量为了
检索数据列到存储引擎的调用以及调用后的数据处理,包括排序、分组等。在完成这些任务的时候,查询需要在不同的地方
花费时间,包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
- windows系统配置
cherishLC
windows
删除Hiberfil.sys :使用命令powercfg -h off 关闭休眠功能即可:
http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html
类似的还有pagefile.sys
msconfig 配置启动项
shutdown 定时关机
ipconfig 查看网络配置
ipconfig /flushdns
- 人体的排毒时间
Array_06
工作
========================
|| 人体的排毒时间是什么时候?||
========================
转载于:
http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
- ZooKeeper
cugfy
zookeeper
Zookeeper是一个高性能,分布式的,开源分布式应用协调服务。它提供了简单原始的功能,分布式应用可以基于它实现更高级的服务,比如同步, 配置管理,集群管理,名空间。它被设计为易于编程,使用文件系统目录树作为数据模型。服务端跑在java上,提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现,是高有效和可靠的协同工作系统,Zookeeper能够用来lea
- 网络爬虫的乱码处理
随意而生
爬虫网络
下边简单总结下关于网络爬虫的乱码处理。注意,这里不仅是中文乱码,还包括一些如日文、韩文 、俄文、藏文之类的乱码处理,因为他们的解决方式 是一致的,故在此统一说明。 网络爬虫,有两种选择,一是选择nutch、hetriex,二是自写爬虫,两者在处理乱码时,原理是一致的,但前者处理乱码时,要看懂源码后进行修改才可以,所以要废劲一些;而后者更自由方便,可以在编码处理
- Xcode常用快捷键
张亚雄
xcode
一、总结的常用命令:
隐藏xcode command+h
退出xcode command+q
关闭窗口 command+w
关闭所有窗口 command+option+w
关闭当前
- mongoDB索引操作
adminjun
mongodb索引
一、索引基础: MongoDB的索引几乎与传统的关系型数据库一模一样,这其中也包括一些基本的优化技巧。下面是创建索引的命令: > db.test.ensureIndex({"username":1}) 可以通过下面的名称查看索引是否已经成功建立: &nbs
- 成都软件园实习那些话
aijuans
成都 软件园 实习
无聊之中,翻了一下日志,发现上一篇经历是很久以前的事了,悔过~~
断断续续离开了学校快一年了,习惯了那里一天天的幼稚、成长的环境,到这里有点与世隔绝的感觉。不过还好,那是刚到这里时的想法,现在感觉在这挺好,不管怎么样,最要感谢的还是老师能给这么好的一次催化成长的机会,在这里确实看到了好多好多能想到或想不到的东西。
都说在外面和学校相比最明显的差距就是与人相处比较困难,因为在外面每个人都
- Linux下FTP服务器安装及配置
ayaoxinchao
linuxFTP服务器vsftp
检测是否安装了FTP
[root@localhost ~]# rpm -q vsftpd
如果未安装:package vsftpd is not installed 安装了则显示:vsftpd-2.0.5-28.el5累死的版本信息
安装FTP
运行yum install vsftpd命令,如[root@localhost ~]# yum install vsf
- 使用mongo-java-driver获取文档id和查找文档
BigBird2012
driver
注:本文所有代码都使用的mongo-java-driver实现。
在MongoDB中,一个集合(collection)在概念上就类似我们SQL数据库中的表(Table),这个集合包含了一系列文档(document)。一个DBObject对象表示我们想添加到集合(collection)中的一个文档(document),MongoDB会自动为我们创建的每个文档添加一个id,这个id在
- JSONObject以及json串
bijian1013
jsonJSONObject
一.JAR包简介
要使程序可以运行必须引入JSON-lib包,JSON-lib包同时依赖于以下的JAR包:
1.commons-lang-2.0.jar
2.commons-beanutils-1.7.0.jar
3.commons-collections-3.1.jar
&n
- [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性
bit1129
zookeeper
为了说明问题,看个简单的代码,
import org.apache.zookeeper.*;
import java.io.IOException;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ThreadLocal
- 【Scala十二】Scala核心六:Trait
bit1129
scala
Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
- weblogic version 10.3破解
ronin47
weblogic
版本:WebLogic Server 10.3
说明:%DOMAIN_HOME%:指WebLogic Server 域(Domain)目录
例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain
1.为了保证操作安全,备份%DOMAIN_HOME%/security/Defa
- 求第n个斐波那契数
BrokenDreams
今天看到群友发的一个问题:写一个小程序打印第n个斐波那契数。
自己试了下,搞了好久。。。基础要加强了。
&nbs
- 读《研磨设计模式》-代码笔记-访问者模式-Visitor
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/
import java.util.ArrayList;
import java.util.List;
interface IVisitor {
//第二次分派,Visitor调用Element
void visitConcret
- MatConvNet的excise 3改为网络配置文件形式
cherishLC
matlab
MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包,可以使用GPU。
主页:
http://www.vlfeat.org/matconvnet/
教程:
http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html
注意:需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet:
http
- ZK Timeout再讨论
chenchao051
zookeepertimeouthbase
http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题,但是又出现了一个问题,我把min和max都设置成了180000,但是仍然出现了以下的异常信息:
Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
- CASE WHEN 用法介绍
daizj
sqlgroup bycase when
CASE WHEN 用法介绍
1. CASE WHEN 表达式有两种形式
--简单Case函数
CASE sex
WHEN '1' THEN '男'
WHEN '2' THEN '女'
ELSE '其他' END
--Case搜索函数
CASE
WHEN sex = '1' THEN
- PHP技巧汇总:提高PHP性能的53个技巧
dcj3sjt126com
PHP
PHP技巧汇总:提高PHP性能的53个技巧 用单引号代替双引号来包含字符串,这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量, 单引号则不会,注意:只有echo能这么做,它是一种可以把多个字符串当作参数的函数译注: PHP手册中说echo是语言结构,不是真正的函数,故把函数加上了双引号)。 1、如果能将类的方法定义成static,就尽量定义成static,它的速度会提升将近4倍
- Yii框架中CGridView的使用方法以及详细示例
dcj3sjt126com
yii
CGridView显示一个数据项的列表中的一个表。
表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。 CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。
实例代码如下:
- Maven项目打包成可执行Jar文件
dyy_gusi
assembly
Maven项目打包成可执行Jar文件
在使用Maven完成项目以后,如果是需要打包成可执行的Jar文件,我们通过eclipse的导出很麻烦,还得指定入口文件的位置,还得说明依赖的jar包,既然都使用Maven了,很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作,使用assembly插件。具体使用方式如下:
1、在项目中加入插件的依赖:
<plugin>
- php常见错误
geeksun
PHP
1. kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
- 修改linux的用户名
hongtoushizi
linuxchange password
Change Linux Username
更改Linux用户名,需要修改4个系统的文件:
/etc/passwd
/etc/shadow
/etc/group
/etc/gshadow
古老/传统的方法是使用vi去直接修改,但是这有安全隐患(具体可自己搜一下),所以后来改成使用这些命令去代替:
vipw
vipw -s
vigr
vigr -s
具体的操作顺
- 第五章 常用Lua开发库1-redis、mysql、http客户端
jinnianshilongnian
nginxlua
对于开发来说需要有好的生态开发库来辅助我们快速开发,而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。
一些常见的Lua库可以在github上搜索,https://github.com/search?utf8=%E2%9C%93&q=lua+resty。
Redis客户端
lua-resty-r
- zkClient 监控机制实现
liyonghui160com
zkClient 监控机制实现
直接使用zk的api实现业务功能比较繁琐。因为要处理session loss,session expire等异常,在发生这些异常后进行重连。又因为ZK的watcher是一次性的,如果要基于wather实现发布/订阅模式,还要自己包装一下,将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能,比如分布式锁,leader选举
- 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句
pda158
mysql
在Mysql 众多表中查找一个表名或者字段名的 SQL 语句:
方法一:SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name';
方法二:SELECT column_name from information_schema.colum
- 程序员对英语的依赖
Smile.zeng
英语程序猿
1、程序员最基本的技能,至少要能写得出代码,当我们还在为建立类的时候思考用什么单词发牢骚的时候,英语与别人的差距就直接表现出来咯。
2、程序员最起码能认识开发工具里的英语单词,不然怎么知道使用这些开发工具。
3、进阶一点,就是能读懂别人的代码,有利于我们学习人家的思路和技术。
4、写的程序至少能有一定的可读性,至少要人别人能懂吧...
以上一些问题,充分说明了英语对程序猿的重要性。骚年
- Oracle学习笔记(8) 使用PLSQL编写触发器
vipbooks
oraclesql编程活动Access
时间过得真快啊,转眼就到了Oracle学习笔记的最后个章节了,通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧,这东东如果一段时间不用很快就会忘记了,所以我会把自己学习过的东西做好详细的笔记,用到的时候可以随时查找,马上上手!希望这些笔记能对大家有些帮助!
这是第八章的学习笔记,学习完第七章的子程序和包之后