- PHP2(WEB)
Sweet_vinegar
CTFCTF安全WEB攻防世界PHP
##解题思路打开页面什么线索都没有,目录扫描只是扫出来一个index.php,而源代码没有东西,且/robots.txt是不允许访问的于是一番查询后发现,有个index.phps的文件路径,里头写着一段php的逻辑,对url的id参数传参,对内容admin进行了解密才能得到flag,但信息原先就会被加密然后再解密,所以admin需要加密两次否则如下被禁止访问但在用burpsuite的编码器进行了二
- python中轻量级 LLM 应用开发框架 Promptic 如何有效进行对话管理?
大懒猫软件
pythonpromptllamaredis
使用Promptic进行对话管理是一个高效且灵活的过程,它通过装饰器模式、动态提示生成、状态管理等功能,帮助开发者快速构建基于LLM的对话系统。以下是详细的全过程分析:1.安装Promptic首先,需要通过pip安装Promptic:bash复制pipinstallpromptic2.基本用法Promptic使用@llm装饰器将普通函数转换为由LLM驱动的函数。函数的文档字符串将作为提示模板,与函
- 用示例提升大语言模型的查询分析能力!
llzwxh888
语言模型windows人工智能python
引言随着查询分析的复杂性增加,大语言模型(LLM)在理解如何响应某些场景时可能会面临挑战。为了提高性能,我们可以在提示中添加示例,以便更好地引导模型。本文将详细介绍如何为我们在Quickstart中构建的LangChainYouTube视频查询分析器添加示例,以优化其响应准确性。主要内容设置环境安装依赖项我们需要安装langchain-core和langchain-openai库。#%pipins
- 如何创建自定义Retriever来增强LLM应用程序
llzwxh888
服务器运维python
引言在许多大语言模型(LLM)应用中,我们需要从外部数据源中检索信息,以便生成更准确和相关的响应。这些信息往往通过Retriever模块检索,然后用于生成提示,供LLM进行处理和响应。在这篇文章中,我们将深入探讨如何创建一个自定义Retriever,并提供代码示例来帮助你在自己的项目中实现这一功能。主要内容Retriever接口要创建一个自定义Retriever,你需要扩展BaseRetrieve
- 一个完全免费、私有且本地运行的搜索聚合器-FreeAskInternet
星霜笔记
开源关注简介免费源码笔记
什么是FreeAskInternetFreeAskInternet是一个完全免费、私有且本地运行的搜索聚合器,使用LLM生成答案,无需GPU。用户可以提出一个问题,系统将使用searxng进行多引擎搜索,并将搜索结果组合到ChatGPT3.5LLM中,并根据搜索结果生成答案。所有进程都在本地运行,不需要GPU或OpenAI或GoogleAPI密钥。特征️完全免费(不需要任何API密钥)完全本地化(
- 大模型入门指南:非常详细,从零基础到精通,收藏这一篇就够了!
程序员辣条
人工智能语言模型大模型学习AI大模型入门AI大模型
前言随着ChatGPT的到来,大模型[1](LargeLanguageModel,简称LLM)成了新时代的buzzword,各种GPT产品百花齐放。大多数人直接用现有产品就可以了,但对于喜欢刨根问底的程序员来说,能够在本地运行会更有意思。但由于没有相关背景,笔者一开始在接触时,很多GitHub上的搭建教程看得是云里雾里,而且这方面的介绍文章要不就是太晦涩难懂,要不就是太大众小白,于是就有了这篇文章
- LLM之提示词工程
樱花的浪漫
大模型与智能体人工智能自然语言处理知识图谱神经网络agent大模型
1.提示与提示工程提示工程作为一门新兴的学科,专注于开发和优化提示技术,旨在提升语言模型(LMs)在各种应用与研究主题中的效能。掌握提示工程技能对于深入理解大型语言模型(LLMs)的潜力与局限至关重要。研究人员借助提示工程,致力于增强LLM在广泛且复杂的任务(如问答系统与算术推理)中的表现。而对于开发人员而言,提示工程则成为设计高效、强大提示技术的关键,这些技术能够无缝对接LLM与其他工具,实现功
- LLaVA-CoT: Let Vision Language Models Reason Step-by-Step
UnknownBody
LLMDailyMultimodal语言模型人工智能自然语言处理
本文是LLM系列文章,针对《LLaVA-CoT:LetVisionLanguageModelsReasonStep-by-Step》的翻译。LLaVACoT:让视觉语言模型逐步推理摘要1引言2相关工作3提出的方法4后训练性能5推理时间缩放6最新VLMs的比较7结论摘要大型语言模型在推理能力方面取得了长足的进步,特别是通过推理时间缩放,如OpenAI的o1等模型所示。然而,当前的视觉语言模型(VLM
- Python机器学习库之scikit-llm使用详解
Rocky006
python开发语言
概要Pythonscikit-llm库是一个用于机器学习的强大工具,它基于scikit-learn库并扩展了一些机器学习算法和功能,可以帮助开发者更轻松地进行机器学习模型的训练和评估。安装可以使用pip工具来安装Pythonscikit-llm库:pip install scikit-llm安装完成后,就可以开始使用scikit-llm库进行机器学习任务了。特性支持多种机器学习算法,如线性回归、逻
- 用 Python + LLM 实现一个智能对话
AGI大模型学习
python开发语言langchainprompt大模型AI大模型
大型语言模型LLM最近比较火,所以我也来用LLM写个智能对话玩玩。简介大语言模型LLM全称是LargeLanguageModels。LLM是指具有巨大参数量和极高语言理解能力的神经网络模型。这些模型被训练来理解和生成自然语言文本,能够执行多种自然语言处理(NLP)任务,如文本生成、翻译、摘要、问答等。所以LLM可以做以下事情:文本生成:LLM可以生成各种类型的文本,如新闻、文章、小说等。智能对话系
- 无缝融入,即刻智能[4]:MaxKB知识库问答系统[进一步深度开发调试,完成基于API对话,基于ollama大模型本地部署等]
汀、人工智能
AIAgentLLM工业级落地实践人工智能AIAgent多智能体协作知识问答智能问答RAGAI编排流
无缝融入,即刻智能[4]:MaxKB知识库问答系统[进一步深度开发调试,完成基于API对话,基于ollama大模型本地部署等]1.简介MaxKB(MaxKnowledgeBase)是一款基于LLM大语言模型的开源知识库问答系统,1.1产品优势开箱即用:支持直接上传文档、自动爬取在线文档,支持文本自动拆分、向量化、RAG(检索增强生成),智能问答交互体验好;无缝嵌入:支持零编码快速嵌入到第三方业务系
- MLC-LLM框架的安卓应用部署实战(1)
优秀后端工程师
2024年程序员学习android
虚拟机识别不了USB接口(这个在后面在手机上调试的时候很关键):参考我这篇博文:关于Ubuntu虚拟机识别不了USB设备的解决方案虚拟机突然上不了网了:关于Ubuntu虚拟机突然上不了网的问题ClashforLinux:如果要gitclone需要,方案如下:使用文档root密码不正确:这个问题一般是新机才会有,而且准确来说也不是bug,具体来说就是root密码会随着每次启动进行随机更新,只有自己设
- 【Llama3:8b】手把手教你如何在本地部署 自己的 LLM大模型
AI大模型..
langchainllama人工智能大模型LLMai大模型大模型部署
一、为什么需要本地部署属于自己的大模型?趋势:我们正处于AI人工智能时代,各行各业的公司和产品都在向AI靠拢。打造垂直领域的AI模型将成为每个公司未来的发展趋势。数据安全:在无法掌握核心算法的情况下,许多公司选择使用大公司的成熟方案。然而,这涉及到数据安全的问题。训练垂直定制化的大模型需要大量数据,而数据是公司的核心资产和基石。没有公司愿意将这些关键数据上传到外部服务器,这是公司的命脉所在。本地部
- dify工作流+deepseek开启联网搜索
deepseek
序本文主要研究一下如何使用dify工作流+deepseek开启联网搜索步骤创建工作流创建应用-->创建空白应用-->工作流-->编排开始节点,设置一个名为query的文本添加节点,选择工具websearchapi,去https://app.serply.io/注册得到APIKEY填写进去,之后设置输入变量为开始节点的query添加节点,选择LLM,deepseek-r1:8b,设置SYSTEM为根
- LangChain-基础(prompts、序列化、流式输出、自定义输出)
JolyouLu
AIlangchainprompts人工智能AiAgentpython
LangChain-基础我们现在使用的大模型训练数据都是基于历史数据训练出来的,它们都无法处理一些实时性的问题或者一些在训练时为训练到的一些问题,解决这个问题有2种解决方案基于现有的大模型上进行微调,使得它能适应这些问题(本片文章不涉及)使用提示词工程,让LLM根据提示词进行回答提示词工程(prompt):例如当前用户向ai发送一个问题,我们将问题拦截并且在问题内容改写成”参考XXX资料,回答如下
- 【有啥问啥】DeepSeek NSA(Native Sparse Attention):开启高效推理与降本增效的新篇章
有啥问啥
大模型人工智能算法
DeepSeekNSA(NativeSparseAttention):开启高效推理与降本增效的新篇章在人工智能领域,尤其是自然语言处理(NLP)和大语言模型(LLM)的浪潮中,性能与效率一直是研究者和开发者关注的焦点。随着模型规模的不断扩大,计算资源的需求呈指数级增长,这不仅带来了高昂的硬件成本,也对推理速度和实时性提出了严峻挑战。而DeepSeek团队提出的NSA(NativeSparseAtt
- 哪种LLM量化方法最适合您?:GGUF、GPTQ 还是 AWQ
GordonJK
人工智能机器学习深度学习
哪种LLM量化方法最适合您?:GGUF、GPTQ还是AWQ1.GGUF:(GPT-GeneratedUnifiedFormat,GPT生成的统一格式)GGUF是GGML的后继者,由llama.cpp团队推出。它是一种专为大型语言模型设计的量化方法。它允许用户在CPU上运行LLM,同时通过提供速度改进将一些层卸载到GPU。GGUF对于那些在CPU或Apple设备上运行模型的用户特别有用。在GGUF上
- LLM Course系列:使用 Unsloth 高效地微调 Llama 3.1
橙狮科技
LLM工程llama人工智能python
最近发布的Llama3.1为模型提供了令人难以置信的性能水平,缩小了闭源模型和开放权重模型之间的差距。你无需使用GPT-4o和Claude3.5等冻结的通用LLM,而是可以根据特定用例对Llama3.1进行微调,以更低的成本实现更好的性能和可定制性。在本文中,我们将全面概述监督微调。我们将将其与即时工程进行比较,以了解何时使用它有意义,详细介绍主要技术及其优缺点,并介绍主要概念,例如LoRA超参数
- 大模型量化概述
AI领航者
人工智能ai大模型
近年来,随着Transformer、MOE架构的提出,使得深度学习模型轻松突破上万亿规模参数,从而导致模型变得越来越大,因此,我们需要一些大模型压缩技术来降低模型部署的成本,并提升模型的推理性能。模型压缩主要分为如下几类:剪枝(Pruning)知识蒸馏(KnowledgeDistillation)量化Quantization)本系列将针对一些常见大模型量化方案(GPTQ、LLM.int8()、Sm
- Prompt Engineering的重要性
workflower
UML建模设计方法prompt大数据人工智能AI编程软件工程设计模式需求分析
从软件工程需求分析与大模型结合的实践角度来看,PromptEngineering的重要性及其风险主要体现在以下几个方面:一、PromptEngineering的核心价值需求语义桥接(Requirement-SemanticsBridging)软件需求具有模糊性、歧义性等自然语言特征。实验表明,经过优化的Prompt可使LLM的需求理解准确率提升28-35%(参照NSF2023需求工程基准测试),通
- 计算机学报论文字数要求,常见EI学报综述类文章分析
文艺范理工生
综述文章计算机学报研究进展内容分析学术出版物
想写篇综述文章,所以对一些学报进行了简单分析,呵呵自己对期刊没有一视同仁,所以分析得有祥有略。一、《软件学报》综述类文章分析(2008.1-2010.11,共82篇)1、题目:(1)直接描述研究内容(48,58.5%)a)MIMO多跳无线网b)标识路由关键技术c)车用自组网信息广播d)复杂嵌入式实时系统体系结构设计与分析语言-AADLe)高速长距离网络传输协议f)广域网分布式Web爬虫g)互联网无
- Custom Skills 与 Agent Flows:如何在 Anything LLM 中打造智能 AI 任务流
CCSBRIDGE
人工智能人工智能
1.引言在AI驱动的工作流中,提高智能化与自动化水平是企业与开发者的共同目标。AnythingLLM提供了CustomSkills(自定义技能)和AgentFlows(智能代理流程)两大核心功能,使得AI能够更加灵活、高效地完成各类任务。CustomSkills:赋予AI额外的能力,如API连接、数据库查询、文档分析等。AgentFlows:让AI能够按照预设步骤执行一系列操作,形成完整的任务流。
- AI 模型的优化与应用:大模型本体、蒸馏、量化 与 GGUF
CCSBRIDGE
人工智能人工智能
引言近年来,大型语言模型(LLM)在人工智能领域取得了突破性的进展,但其计算需求高昂,训练和推理成本巨大。因此,如何优化大模型,使其在不同设备和应用场景下更高效地运行,成为了AI研究的重要课题。本文将探讨大模型本体(FullModel)、蒸馏(Distillation)、量化(Quantization)和GGUF(GPT-GeneratedUnifiedFormat)等优化技术,并分析它们的区别、
- 【LLM大模型】用智谱 GLM-4大模型开发自己的 IDEA插件
爱画画的柚子
intellij-ideajava数据库stablediffusion服务器AI作画AIGC
在大模型席卷世界的时代,不搞一搞大模型开发,作为一名程序员总觉得缺点什么,搞点啥呢,就从搞一个自己的IDEA插件开始吧,就拿智谱清言GLM-4来说,在国内大模型中表现较为突出,具有较为均衡和全面的性能,在语言和知识等基础能力维度上可比肩GPT-4Turbo。GLM-4是智谱AI推出的新一代基座大模型,其API的上线为开发者提供了便捷高效地体验GLM-4模型的能力。以下是GLM-4API的详细介绍与
- 谷歌:缓存增强优化冻结LLM的推理性能
大模型任我行
大模型-推理优化人工智能自然语言处理语言模型论文笔记
标题:DeliberationinLatentSpaceviaDifferentiableCacheAugmentation来源:arXiv,2412.17747摘要通过生成和处理中间推理步骤,使大型语言模型(LLM)能够“思考更多”的技术在解决复杂问题方面显示出了希望。然而,标准方法在响应之前立即生成离散令牌序列,因此它们可能会产生巨大的延迟成本,并且难以优化。在这项工作中,我们证明了冻结的LL
- 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
- 网络运维学习笔记 009网工初级(HCIA-Datacom与CCNA-EI)STP生成树协议与VRRP虚拟路由冗余协议
技术小齐
网络运维学习
文章目录STP(SpanningTreeProtocol,生成树协议)思科:华为:实验思科华为VRRP(VirtualRouterRedundancyProtocol,虚拟路由冗余协议)思科华为STP(SpanningTreeProtocol,生成树协议)提高可靠性(使用冗余链路)的同时避免环路产生的问题(广播风暴,MAC地址表震荡)。STP模式有三种:MSTP(默认,而且常用)、RSTP、STP
- 使用BREEBS平台提升AI知识库
dgay_hua
人工智能python
BREEBS是一个开放的协作知识平台,允许用户基于存储在GoogleDrive文件夹中的PDF文件创建知识胶囊(Breeb)。这些Breebs可供任何大语言模型(LLM)或聊天机器人使用,以提升其专业知识,减少幻觉,并提供访问来源的途径。Breebs背后实现了多种增强生成(RAG)模型,以在每次迭代中无缝提供有用的上下文。技术背景介绍随着自然语言处理(NLP)技术的进步,大语言模型(LLM)在生成
- 企业级RAG开源项目分享:Quivr、MaxKB、Dify、FastGPT、RagFlow
Ainnle
开源人工智能
企业级RAGGitHub开源项目深度分享:Quivr、MaxKB、Dify、FastGPT、RagFlow及私有化LLM部署建议随着生成式AI技术的成熟,检索增强生成(RAG)已成为企业构建智能应用的关键技术。RAG技术能够有效地将大型语言模型(LLM)与企业私域知识库连接,在保证数据安全和模型可控性的前提下,释放LLM的强大能力。本文将深入探讨GitHub上五个备受瞩目的开源企业级RAG项目:Q
- 国外7个最佳大语言模型 (LLM) API推荐
程序员后端
大型语言模型(LLM)API将彻底改变我们处理语言的方式。在深度学习和机器学习算法的支持下,LLMAPI提供了前所未有的自然语言理解能力。通过利用这些新的API,开发人员现在可以创建能够以前所未有的方式理解和响应书面文本的应用程序。下面,我们将比较从Bard到ChatGPT、PaLM等市场上顶级LLMAPI。我们还将探讨整合这些LLM的潜在用例,并考虑其对语言处理的影响。什么是大语言模型(LLM)
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/