Takoony
Takoony

llama模型研究系列1

一、llama模型的结构是怎么样的？

采用了transfomer中的decoder，其中7b版本的结构如下：
llama模型研究系列1_第1张图片
13B结构如下：
llama模型研究系列1_第2张图片
GPU显存使用情况：
llama模型研究系列1_第3张图片

二、llama模型中的词典为什么会有大量的token有ord(‘▁’)=9601 的字符呢？

在这里插入图片描述

llama模型研究系列1_第4张图片

llama模型研究系列1_第5张图片

你可能感兴趣的:(llama)

  • 【LLaMA 3实战】6、LLaMA 3上下文学习指南：从少样本提示到企业级应用实战 无心水 LLaMA3模型实战专栏llamaLLaMA3实战LLaMa3上下文AI入门程序员的AI开发第一课人工智能AI
    一、上下文学习（ICL）的技术本质与LLaMA3突破（一）ICL的核心原理与模型机制上下文学习（In-ContextLearning）的本质是通过提示词激活预训练模型的元学习能力，使模型无需微调即可适应新任务。LLaMA3的ICL架构通过以下机制实现突破：任务抽象：从示例中提取输入输出映射规则，如情感分析中的正负向判断模式模式泛化：将规则迁移到新输入，支持跨领域知识迁移动态适应：实时调整注意力分布
  • 本地运行大型语言模型(LLM)的实践指南 yunwu12777 语言模型人工智能自然语言处理
    技术背景介绍近年来，项目如llama.cpp、Ollama、GPT4All等的流行标志着在本地设备上运行大型语言模型（LLM）的需求日益增长。选择在本地运行LLM，至少有两个重要的好处：隐私和成本。隐私上，数据不需要发送到第三方，避免了商业服务条款的限制；成本方面，无需支付推理费用，尤其是对于那些需要大量计算的应用，如长时间的模拟和总结。核心原理解析在本地运行LLM，需要准备以下几个条件：开源LL
  • AIGC领域Prompt工程：原理、方法与行业应用 AI天才研究院 ChatGPT计算AI大模型应用入门实战与进阶AIGCpromptai
    AIGC领域Prompt工程：原理、方法与行业应用关键词：Prompt工程、大语言模型（LLM）、提示设计、少样本学习、AIGC应用、思维链（CoT）、提示优化摘要：随着AIGC（人工智能生成内容）技术的爆发式发展，大语言模型（如GPT-4、LLaMA、通义千问）的性能已达到前所未有的高度。然而，模型的强大能力能否被充分释放，很大程度上依赖于"提示（Prompt）"的设计质量。本文系统解析Prom
  • 微调大语言模型(生成任务)，怎么评估它到底“变好”了？ 茫茫人海一粒沙 语言模型人工智能自然语言处理
    随着大语言模型（如GPT、LLaMA）的广泛应用，越来越多团队开始基于它们做微调，定制符合自己业务需求的模型。微调虽能让模型更贴合任务，但评估是否真的“变好”却不是简单的事。本文将系统介绍微调过程中和微调完成后，如何科学有效地评估模型效果，帮助你用对指标，做出准确判断。一、微调时的评估：关注训练过程中的模型表现1.验证集Loss（ValidationLoss）微调训练时，我们会准备一部分数据作为验
  • LLaMA Factory 微调后，迁移模型 激进小猪1002 llamallamafactory人工智能python
    方法1：使用HuggingFaceHub（最推荐）fromtransformersimportAutoModelForCausalLM,AutoTokenizer#在源服务器上保存模型到Hubmodel.push_to_hub("your-username/your-model-name")tokenizer.push_to_hub("your-username/your-model-name")
  • 开源浪潮之巅：当前最热门的开源项目全景图 万能小贤哥 开源
    开源世界活力澎湃，无数项目推动着技术边界。以下精选当前最受关注、社区活跃的热门开源项目，涵盖人工智能、开发工具、基础设施等关键领域：一、人工智能与机器学习：引领创新前沿Llama系列(MetaAI):核心价值：Meta开源的大语言模型家族(Llama2,Llama3)，性能媲美顶尖闭源模型。提供多种规模版本，支持商用，极大降低了企业和研究者使用先进LLM的门槛。热度体现：GitHub星标飞速增长，
  • 如何使本地大模型拥有联网搜索的能力？ SugarPPig 人工智能人工智能
    要让本地部署的大模型（如DeepSeek、LLaMA、ChatGLM等）具备联网搜索能力，需要将模型与外部工具结合，通过API调用、插件或代理机制实现实时信息获取。以下是具体实现方案：一、核心实现思路工具调用机制：为大模型添加调用搜索引擎API的能力工作流程：用户提问→模型判断是否需要搜索→调用搜索API→解析搜索结果→生成最终回答技术架构分层：交互层：接收用户包含实时信息需求的query决策层：
  • LLama-Factory 遇到的问题
    目录一、LLama-Factory安装二、LLama-Factory遇到的问题（一）包不兼容问题（二）使用文件路径，加载模型一、LLama-Factory安装参考官网介绍：https://github.com/hiyouga/LLaMA-Factory二、LLama-Factory遇到的问题（一）包不兼容问题按照提示安装对应的版本，只要不相互冲突即可（二）使用文件路径，加载模型1.提示：NameE
  • 大模型应用10种架构模式全解析：从理论到实战的技术指南 ai大模型雪糕 架构人工智能学习ai大模型大模型资料分享大模型评估人工智能
    近年来，以GPT-4、LLaMA、PaLM为代表的大模型彻底改变了人工智能的应用范式。然而，如何高效地将这些“庞然大物”落地到实际业务中，仍是开发者面临的核心挑战。本文系统梳理了10种主流架构模式，涵盖模型优化、工程部署、多模态融合等关键场景，并提供代码示例与选型建议。一、架构模式全景图在深入细节前，先通过一张表格快速了解各模式的核心价值：架构模式核心目标典型场景开源工具案例端到端微调最大化任务性
  • 如何在Spring AI中配置多模型切换 友莘居士 spring-ai人工智能java模型切换
    在SpringAI中配置多模型切换（例如同时使用OpenAI、Gemini或本地Llama2），可以通过Bean别名或动态运行时选择实现。以下是详细配置步骤和示例代码：1.多模型切换方案对比方案适用场景优点缺点Bean别名注入编译时确定模型简单直观，类型安全需提前定义所有模型动态运行时选择运行时根据条件切换模型灵活，支持动态配置需手动管理模型实例工厂模式封装需要统一接口调用不同模型代码解耦，易于扩
  • 15.2 LLaMA 3面试模拟神器：动态难度调节+实时反馈，大厂通过率提升90% 少林码僧 llama面试职场和发展langchain人工智能语言模型
    LLaMA3面试模拟神器：动态难度调节+实时反馈，大厂通过率提升90%关键词：对话系统设计、场景化提示工程、LLaMA3微调、多轮对话管理、面试模拟Agent技术面试场景Agent设计核心逻辑通过多阶段对话流程控制和动态难度调节实现真实面试模拟，技术架构包含：
  • 灵哥教你玩转Llama3：解决NCCL缺失问题 灵哥讲AI LLM机器学习llama机器学习nlp
    解决NCCL缺失问题有很多小伙伴私信灵哥:官网的llama3模型用不了,运行会报错灵哥按照官网给的启动命令，确实启动不了torchrun--nproc_per_node1example_chat_completion.py\--ckpt_dirMeta-Llama-3-8B-Instruct/\--tokenizer_pathMeta-Llama-3-8B-Instruct/tokenizer.m
  • 当AI拥有空间直觉：SpatialLM如何让机器“看懂”三维世界？ 遇见小码 AI棱镜实验室人工智能开源
    开源地址：https://huggingface.co/manycore-research/SpatialLM-Llama-1B你是否想象过，只需用手机拍一段视频，AI就能像人类一样理解房间的布局、家具的位置，甚至预测柜门打开的方向？这正是群核科技开源的SpatialLM所实现的能力——它让机器第一次拥有了“空间直觉”，能够从普通视频中解析物理世界的三维逻辑，成为机器人、自动驾驶等领域的“空间翻译
  • Ollama常用命令 大模型老炮 ai人工智能深度学习机器学习语言模型
    1、下载OllamaLinux系统的安装命令如下：curl-fsSLhttps://ollama.com/install.sh|sh2、进入llama3运行环境：ollamarunllama33、启动服务：ollamaserve首次启动可能会出现以下两个提示：Couldn’tfind‘/home/用户名/.ollama/id_ed25519’.Generatingnewprivatekey.该提示
  • 15.3 LLaMA 3+LangChain实战：智能点餐Agent多轮对话设计落地，订单准确率提升90%！ 少林码僧 llamalangchainwindows人工智能语言模型机器学习
    LLaMA3+LangChain实战：智能点餐Agent多轮对话设计落地，订单准确率提升90%！关键词：多轮对话设计、场景化提示工程、LLaMA3微调、LangChainAgent、饭店点餐场景建模饭店点餐场景的Agent方案设计通过分层架构实现复杂场景对话控制，系统设计包含5个核心模块：点餐咨询订单修改支付咨询用户输入意图识别菜品推荐订单管理支付流程多轮对话管理外部系统集成响应生成1.场景分析与
  • 二、【LLaMA-Factory实战】数据工程全流程：从格式规范到高质量数据集构建 陈奕昆 大模型微调教程llamapython前端人工智能大模型微调
    一、引言在大模型微调中，数据质量直接决定模型性能。LLaMA-Factory提供了完整的数据工程工具链，支持从数据格式规范到清洗增强、注册验证的全流程管理。本文结合结构图、实战代码和生产级经验，带您掌握构建高质量数据集的核心技术。二、数据工程核心架构图原始数据数据格式规范Alpaca格式多模态格式自定义格式规范数据清洗增强相似度去重噪声过滤合成数据生成优质数据注册验证数据集注册格式校验质量评估训练
  • LLaMA-Factory多模态训练：从文本到图像的综合应用 CarlowZJ AI应用落地+大模型微调llama人工智能LLaMA-Factory
    摘要本文深入探讨了LLaMA-Factory框架中的多模态训练技术。从基础的文本-图像对齐到复杂的多模态理解，全面介绍了如何利用LLaMA-Factory进行多模态模型的训练和优化。通过详细的代码示例和实战案例，帮助读者掌握多模态训练的核心概念和最佳实践，实现文本和图像的深度融合。目录多模态训练基础数据准备与处理模型架构设计训练策略优化实战案例分析
  • 【LLaMA-Factory 实战系列】一、数据准备篇 - 从文本到多模态的完整流程 Zhijun.li@Studio llama人工智能llama-factory多模态大模型视觉大语言模型
    【LLaMA-Factory实战系列】一、数据准备篇-从文本到多模态的完整流程1.引言2.LLaMA-Factory数据格式概述2.1Alpaca格式2.2ShareGPT格式3.文本数据准备3.1Alpaca格式示例3.2ShareGPT格式示例3.3预训练数据格式4.多模态数据准备4.1图像数据准备4.2视频数据准备4.3音频数据准备5.多模态实战案例：Pokemon数据集处理5.1完整代码（
  • 输入GSM8K数据集对Llama2-int4模型进行性能评估 Nnbwbyhxy 语言模型
    思路：逐条输入GSM8K数据集获得模型输出并于数据集中的回答进行比对fromllama_cppimportLlama#从llama_cpp导入Llama类，用于加载并调用Llama模型importtime#导入time模块用于时间测量importpandasaspd#导入pandas用于数据处理，尤其是读取和操作Parquet文件fromsklearn.metricsimportaccuracy_
  • 大模型学习路线：这会是你见过最全最新的大模型学习路线【2025最新】 大模型入门学习 学习人工智能产品经理大模型AI产品经理程序员大模型学习
    大模型学习路线建议先从主流的Llama开始，然后选用中文的Qwen/Baichuan/ChatGLM，先快速上手体验prompt工程，然后再学习其架构，跑微调脚本如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上，比BERT优势不是特别大）可以参考如下方案，按需学习。一、简述按个人偏好总结
  • 大模型系列——VLLM 部署 当前最火大模型llama4 猫猫姐 大模型人工智能大模型llama4
    大模型——VLLM部署当前最火大模型llama4最近llama4火车圈了，不愧是大模型界的当红炸子鸡，号称宇宙最强大模型，这里我们快速尝鲜，看看怎么快速部署，首先我们需要知道当前的llama4是没有办法用ollama部署的，因为llama4的文件格式的问题，如果你想ollama部署，那需要自己转成ollama可以支持的格式huggingface配置因为llama4的模型文件现在发不在了huggin
  • ChatMusician：用大模型理解并创造音乐 人工智能大模型讲师培训咨询叶梓 人工智能讲师人工智能音视频计算机视觉深度学习大模型多模态音乐
    人工智能咨询培训老师叶梓转载标明出处近期，一种名为ChatMusician的新型开源大模型引起了广泛关注，它通过整合音乐的内在能力，展示了在文本生成方面的巨大潜力。ChatMusician由SkyworkAIPTE.LTD.和香港科技大学的研究团队共同开发，它基于持续预训练和微调的LLaMA2模型，并通过一种文本兼容的音乐表示法——ABC符号，将音乐作为第二语言来处理。与传统的LLM相比，Chat
  • NF4量化算法的PyTorch实现 风好衣轻 算法pytorch人工智能
    为了方便理解NF4算法的实现，这里用PyTorch实现了一版可以和CUDANF4精度对齐的量化和反量化函数，并使用llama-3.1-8b模型进行测试，可以做到和CUDA实现的算子精度基本对齐（仅反量化存在少许误差），并对模型输出进行测试，64个tokens和CUDA实现完全一致。以下都只是在RTX3090上对llama-3.1-8b上进行测试的结果，不能代表全部的设备和模型。CUDA上使用dQu
  • Llama 4模型卡片及提示词模板 大模型与Agent智能体 A2AMCPLlama4
    Llama4模型卡片及提示词模板Llama4模型卡及提示格式介绍Llama4模型概述Llama4是一系列预训练和指令微调的混合专家（Mixture-of-Experts,MoE）大语言模型，包含两种规模：Llama4Scout和Llama4Maverick。该模型针对多模态理解、多语言任务、编码、工具调用及智能体系统进行了优化，知识截止日期为2024年8月。提示模板Youareanexpertco
  • 什么是 QLoRA（Quantized Low-Rank Adaptation，量化低秩适配） 彬彬侠 大模型QLoRA量化低秩适配PEFT参数高效微调transformersbitsandbytespython
    QLoRA（QuantizedLow-RankAdaptation，量化低秩适配）是LoRA（Low-RankAdaptation）的一种优化扩展，旨在进一步降低大语言模型微调的计算和内存需求。QLoRA结合了4-bit量化（quantization）和LoRA的低秩更新技术，使超大规模模型（如70B参数的LLaMA）能够在单GPU上进行高效微调，同时保持与全参数微调相近的性能。QLoRA由Det
  • Streamlit在人工智能中的应用场景 不老刘 人工智能人工智能
    Streamlit在AI大模型（如GPT、LLaMA、Claude等）和RAG（检索增强生成）中的应用非常广泛，它能够快速构建交互式界面，让用户直观体验大模型的能力，并灵活调整参数或输入数据。以下是具体应用场景和实现方法：1.大模型（LLM）的交互式演示Streamlit可以轻松集成OpenAI、HuggingFace、LangChain等库，构建大模型的聊天、文本生成或问答应用。应用场景聊天机器
  • LangChain 本地模型部署指南：Llama3 与 Open-WebUI 的可视化交互开发 zm-v-15930433986 deepseeklangchain
    技术点目录第一章、智能体(Agent)入门第二章、基于字节Coze构建智能体(Agent)第三章、基于其他平台构建智能体（Agent）第四章、国内外智能体(Agent)经典案例详解第五章、大语言模型应用开发框架LangChain入门第六章、基于LangChain的大模型API接入第七章、基于LangChain的智能体(Agent)开发第八章、开源大语言模型及本地部署第九章、从0到1搭建第一个大语言
  • 别让GPU摸鱼！榨干它！ 九章云极DataCanvas 技术干货人工智能gpu算力
    摘要：随着人工智能发展，ScalingLaw越来越受认可。早期，人们依靠增加GPU数量提升模型性能。我们也知道，如今各大优秀模型如DeepSeek、Llama、Gemini厂商除了卷算力，也都开始在工程化、算法等方面进行优化，以便更高效地利用GPU资源，节省成本。本文将基于GPU结构与工作原理，解析GPU利用率、SM效率、MFU的计算原理以及优化方式，助力从业者更好地提升GPU在大模型训练与推理过
  • RAG执行代码报错 “no module named ‘llama_index.vector_stores‘“
    RAG执行代码报错“nomodulenamed‘llama_index.vector_stores’”一、问题importchromadbfromllama_index.coreimportVectorStoreIndex,StorageContext,Settingsfromllama_index.core.schemaimportTextNodefromllama_index.llms.hug
  • Llama_Index核心组件介绍 智模睿脑君 llama语言模型深度学习自然语言处理人工智能神经网络知识图谱
    文章目录一、什么是LlamaIndex1.简介2.作用二、LlamaIndex核心组件1.数据连接器（DataConnectors）2.数据索引（DataIndexes）3.引擎（Engines）4.数据代理（DataAgents）5.应用集成（ApplicationIntegrations）三、LlamaIndex核心概念1.RAG1，索引2，查询2.索引阶段1，Dataconnectors2，
  • VMware Workstation 11 或者 VMware Player 7安装MAC OS X 10.10 Yosemite iwindyforest vmwaremac os10.10workstationplayer
    最近尝试了下VMware下安装MacOS 系统， 安装过程中发现网上可供参考的文章都是VMware Workstation 10以下， MacOS X 10.9以下的文章， 只能提供大概的思路， 但是实际安装起来由于版本问题， 走了不少弯路， 所以我尝试写以下总结， 希望能给有兴趣安装OSX的人提供一点帮助。     写在前面的话： 其实安装好后发现， 由于我的th
  • 关于《基于模型驱动的B/S在线开发平台》源代码开源的疑虑？ deathwknight JavaScriptjava框架
    本人从学习Java开发到现在已有10年整，从一个要自学 java买成javascript的小菜鸟，成长为只会java和javascript语言的老菜鸟（个人邮箱：[email protected]） 一路走来，跌跌撞撞。用自己的三年多业余时间，瞎搞一个小东西（基于模型驱动的B/S在线开发平台，非MVC框架、非代码生成）。希望与大家一起分享，同时有许些疑虑，希望有人可以交流下 平台
  • 如何把maven项目转成web项目 Kai_Ge mavenMyEclipse
    创建Web工程，使用eclipse ee创建maven web工程 1.右键项目,选择Project Facets,点击Convert to faceted from 2.更改Dynamic Web Module的Version为2.5.(3.0为Java7的,Tomcat6不支持). 如果提示错误,可能需要在Java Compiler设置Compiler compl
  • 主管？？？ Array_06 工作
    转载：http://www.blogjava.net/fastzch/archive/2010/11/25/339054.html 很久以前跟同事参加的培训，同事整理得很详细，必须得转！ 前段时间，公司有组织中高阶主管及其培养干部进行了为期三天的管理训练培训。三天的课程下来，虽然内容较多，因对老师三天来的课程内容深有感触，故借着整理学习心得的机会，将三天来的培训课程做了一个
  • python内置函数大全 2002wmj python
    最近一直在看python的document，打算在基础方面重点看一下python的keyword、Build-in Function、Build-in Constants、Build-in Types、Build-in Exception这四个方面，其实在看的时候发现整个《The Python Standard Library》章节都是很不错的，其中描述了很多不错的主题。先把Build-in Fu
  • JSP页面通过JQUERY合并行 357029540 JavaScriptjquery
    在写程序的过程中我们难免会遇到在页面上合并单元行的情况，如图所示 如果对于会的同学可能很简单，但是对没有思路的同学来说还是比较麻烦的，提供一下用JQUERY实现的参考代码 function mergeCell(){         var trs = $("#table tr"); &nb
  • Java基础 冰天百华 java基础
    学习函数式编程 package base; import java.text.DecimalFormat; public class Main { public static void main(String[] args) { // Integer a = 4; // Double aa = (double)a / 100000; // Decimal
  • unix时间戳相互转换 adminjun 转换unix时间戳
    如何在不同编程语言中获取现在的Unix时间戳(Unix timestamp)？ Java time JavaScript Math.round(new Date().getTime()/1000) getTime()返回数值的单位是毫秒 Microsoft .NET / C# epoch = (DateTime.Now.ToUniversalTime().Ticks - 62135
  • 作为一个合格程序员该做的事 aijuans 程序员
    作为一个合格程序员每天该做的事 1、总结自己一天任务的完成情况 最好的方式是写工作日志，把自己今天完成了什么事情，遇见了什么问题都记录下来，日后翻看好处多多 2、考虑自己明天应该做的主要工作 把明天要做的事情列出来，并按照优先级排列，第二天应该把自己效率最高的时间分配给最重要的工作 3、考虑自己一天工作中失误的地方，并想出避免下一次再犯的方法 出错不要紧，最重
  • 由html5视频播放引发的总结 ayaoxinchao html5视频video
    前言   项目中存在视频播放的功能，前期设计是以flash播放器播放视频的。但是现在由于需要兼容苹果的设备，必须采用html5的方式来播放视频。我就出于兴趣对html5播放视频做了简单的了解，不了解不知道，水真是很深。本文所记录的知识一些浅尝辄止的知识，说起来很惭愧。   视频结构   本该直接介绍html5的<video>的，但鉴于本人对视频
  • 解决httpclient访问自签名https报javax.net.ssl.SSLHandshakeException: sun.security.validat bewithme httpclient
         如果你构建了一个https协议的站点，而此站点的安全证书并不是合法的第三方证书颁发机构所签发，那么你用httpclient去访问此站点会报如下错误   javax.net.ssl.SSLHandshakeException: sun.security.validator.ValidatorException: PKIX path bu
  • Jedis连接池的入门级使用 bijian1013 redisredis数据库jedis
    Jedis连接池操作步骤如下：         a.获取Jedis实例需要从JedisPool中获取；         b.用完Jedis实例需要返还给JedisPool；         c.如果Jedis在使用过程中出错，则也需要还给JedisPool； packag
  • 变与不变 bingyingao 不变变亲情永恒
    变与不变    周末骑车转到了五年前租住的小区，曾经最爱吃的西北面馆、江西水饺、手工拉面早已不在，    各种店铺都换了好几茬，这些是变的。    三年前还很流行的一款手机在今天看起来已经落后的不像样子。    三年前还运行的好好的一家公司，今天也已经不复存在。    一座座高楼拔地而起，
  • 【Scala十】Scala核心四：集合框架之List bit1129 scala
    Spark的RDD作为一个分布式不可变的数据集合，它提供的转换操作，很多是借鉴于Scala的集合框架提供的一些函数，因此，有必要对Scala的集合进行详细的了解   1. 泛型集合都是协变的，对于List而言，如果B是A的子类，那么List[B]也是List[A]的子类，即可以把List[B]的实例赋值给List[A]变量   2. 给变量赋值(注意val关键字，a，b
  • Nested Functions in C bookjovi cclosure
      Nested Functions 又称closure，属于functional language中的概念，一直以为C中是不支持closure的，现在看来我错了，不过C标准中是不支持的，而GCC支持。   既然GCC支持了closure，那么 lexical scoping自然也支持了，同时在C中label也是可以在nested functions中自由跳转的
  • Java-Collections Framework学习与总结-WeakHashMap BrokenDreams Collections
            总结这个类之前，首先看一下Java引用的相关知识。Java的引用分为四种：强引用、软引用、弱引用和虚引用。         强引用：就是常见的代码中的引用，如Object o = new Object();存在强引用的对象不会被垃圾收集
  • 读《研磨设计模式》-代码笔记-解释器模式-Interpret 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; /* * 解释器（Interpreter）模式的意图是可以按照自己定义的组合规则集合来组合可执行对象 * * 代码示例实现XML里面1.读取单个元素的值 2.读取单个属性的值 * 多
  • After Effects操作&快捷键 cherishLC After Effects
    1、快捷键官方文档 中文版：https://helpx.adobe.com/cn/after-effects/using/keyboard-shortcuts-reference.html 英文版：https://helpx.adobe.com/after-effects/using/keyboard-shortcuts-reference.html 2、常用快捷键
  • Maven 常用命令 crabdave maven
    Maven 常用命令   mvn archetype:generate mvn install mvn clean mvn clean complie mvn clean test mvn clean install mvn clean package mvn test mvn package mvn site   mvn dependency:res
  • shell bad substitution daizj shell脚本
    #!/bin/sh /data/script/common/run_cmd.exp 192.168.13.168 "impala-shell -islave4 -q 'insert OVERWRITE table imeis.${tableName} select ${selectFields}, ds, fnv_hash(concat(cast(ds as string), im
  • Java SE 第二讲（原生数据类型 Primitive Data Type） dcj3sjt126com java
    Java SE  第二讲： 1.   Windows: notepad, editplus, ultraedit, gvim Linux: vi, vim, gedit 2.   Java 中的数据类型分为两大类： 1）原生数据类型  （Primitive Data Type） 2）引用类型（对象类型）  （R
  • CGridView中实现批量删除 dcj3sjt126com PHPyii
    1，CGridView中的columns添加 array( 'selectableRows' => 2, 'footer' => '<button type="button" onclick="GetCheckbox();" style=&
  • Java中泛型的各种使用 dyy_gusi java泛型
    Java中的泛型的使用：1.普通的泛型使用 在使用类的时候后面的<>中的类型就是我们确定的类型。 public class MyClass1<T> {//此处定义的泛型是T private T var; public T getVar() { return var; } public void setVa
  • Web开发技术十年发展历程 gcq511120594 Web浏览器数据挖掘
    回顾web开发技术这十年发展历程： Ajax 03年的时候我上六年级，那时候网吧刚在小县城的角落萌生。传奇，大话西游第一代网游一时风靡。我抱着试一试的心态给了网吧老板两块钱想申请个号玩玩，然后接下来的一个小时我一直在，注，册，账，号。 彼时网吧用的512k的带宽，注册的时候，填了一堆信息，提交，页面跳转，嘣，”您填写的信息有误，请重填”。然后跳转回注册页面，以此循环。我现在时常想，如果当时a
  • openSession()与getCurrentSession()区别： hetongfei javaDAOHibernate
    来自 http://blog.csdn.net/dy511/article/details/6166134 1.getCurrentSession创建的session会和绑定到当前线程,而openSession不会。 2. getCurrentSession创建的线程会在事务回滚或事物提交后自动关闭,而openSession必须手动关闭。 这里getCurrentSession本地事务(本地
  • 第一章 安装Nginx+Lua开发环境 jinnianshilongnian nginxluaopenresty
    首先我们选择使用OpenResty，其是由Nginx核心加很多第三方模块组成，其最大的亮点是默认集成了Lua开发环境，使得Nginx可以作为一个Web Server使用。借助于Nginx的事件驱动模型和非阻塞IO，可以实现高性能的Web应用程序。而且OpenResty提供了大量组件如Mysql、Redis、Memcached等等，使在Nginx上开发Web应用更方便更简单。目前在京东如实时价格、秒
  • HSQLDB In-Process方式访问内存数据库 liyonghui160com
        HSQLDB一大特色就是能够在内存中建立数据库，当然它也能将这些内存数据库保存到文件中以便实现真正的持久化。   先睹为快！   下面是一个In-Process方式访问内存数据库的代码示例：     下面代码需要引入hsqldb.jar包 （hsqldb-2.2.8）   import java.s
  • Java线程的5个使用技巧 pda158 java数据结构
    Java线程有哪些不太为人所知的技巧与用法？ 　　萝卜白菜各有所爱。像我就喜欢Java。学无止境，这也是我喜欢它的一个原因。日常 工作中你所用到的工具，通常都有些你从来没有了解过的东西，比方说某个方法或者是一些有趣的用法。比如说线程。没错，就是线程。或者确切说是Thread这个类。当我们在构建高可扩展性系统的时候，通常会面临各种各样的并发编程的问题，不过我们现在所要讲的可能会略有不同。
  • 开发资源大整合：编程语言篇——JavaScript（1） shoothao JavaScript
    概述：本系列的资源整合来自于github中各个领域的大牛，来收藏你感兴趣的东西吧。     程序包管理器   管理javascript库并提供对这些库的快速使用与打包的服务。 Bower - 用于web的程序包管理。 component - 用于客户端的程序包管理，构建更好的web应用程序。 spm - 全新的静态的文件包管
  • 避免使用终结函数 vahoa.ma javajvmC++
    终结函数（finalizer）通常是不可预测的，常常也是很危险的，一般情况下不是必要的。使用终结函数会导致不稳定的行为、更差的性能，以及带来移植性问题。不要把终结函数当做C++中的析构函数（destructors）的对应物。       我自己总结了一下这一条的综合性结论是这样的： 1）在涉及使用资源，使用完毕后要释放资源的情形下，首先要用一个显示的方
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他