- 无矩阵乘法LLM:效率与性能双突破
XianxinMao
人工智能矩阵人工智能线性代数
标题:无矩阵乘法LLM:效率与性能双突破文章信息摘要:无矩阵乘法的LLMs通过创新技术替代传统矩阵乘法操作,显著降低了计算成本,减少了对GPU的依赖。这种模型在内存使用和延迟方面表现优异,尤其在大规模模型上效率显著提升。例如,13B参数的模型仅需4.19GBGPU内存,延迟低至695.48ms,远优于传统模型。此外,基于FPGA的硬件优化进一步提升了性能,1.3B参数模型功耗仅为13W,达到人类阅
- 【论文阅读方法】沐神课程:如何读论文
晴空对晚照
论文阅读论文阅读
一篇论文的一般结构titleabstractintroductionmethodexperienceconclusion三明治论文阅读法第一遍:海选title+abstract+conclusion——确定要不要读第二遍:精读对整个文章过一遍,知道每一块在做什么可以从标题开始读到最后,注意不用咬文嚼字,不要太细节,公式、证明等很细节的部分可以忽略掉重点弄清楚每一个图表,算法在做什么,x轴y轴每一个
- Dotnet洋葱架构实践
福伴
实现数据层在DomainLayer目录里,建一个Models目录。在Models目录下,建两个类:BaseEntity.cspublicclassBaseEntity{publicintId{get;set;}publicDateTimeCreatedDate{get;set;}publicDateTimeModifiedDate{get;set;}publicboolIsActive{get;s
- OnionArch 项目教程
宁彦腾
OnionArch项目教程OnionArchA.NETCoredemoapplicationwhichusestheOnionArchitecture项目地址:https://gitcode.com/gh_mirrors/on/OnionArch1.项目介绍OnionArch是一个基于.NETCore的演示应用程序,采用了洋葱架构(OnionArchitecture)。洋葱架构是一种软件设计模式,
- OnionArch:构建高效.NET Core应用的洋葱架构模板
樊慈宜Diane
OnionArch:构建高效.NETCore应用的洋葱架构模板项目地址:https://gitcode.com/gh_mirrors/on/OnionArch项目介绍OnionArch是一个基于.NETCore的演示应用程序,采用了经典的洋葱架构(OnionArchitecture)。洋葱架构是一种分层架构模式,通过将核心业务逻辑与外部依赖(如数据库、UI等)分离,使得应用程序更加模块化、可维护和
- 2025人工智能AI与电商革命:人工智能如何塑造在线市场的未来报告300+份汇总解读|附PDF下载
数据挖掘深度学习人工智能算法
原文链接:https://tecdat.cn/?p=40894在当今数字化时代,电子商务与人工智能的融合正重塑商业格局。本报告汇总洞察基于Prosus、Dealroom.co发布的《TheAIxEcommerceRevolution:HowAIisshapingtheFutureofOnlineMarketplaces》及文末308份电子商务和人工智能行业研究报告的数据,报告合集已分享在交流群,阅
- AI进化革命:从工具到伙伴的边界突破
一整颗红豆
人工智能AI人工智能深度学习机器学习神经网络
欢迎来到ZyyOvO的博客✨,一个关于探索技术的角落,记录学习的点滴,分享实用的技巧️,偶尔还有一些奇思妙想本文由ZyyOvO原创✍️,感谢支持❤️!请尊重原创!欢迎评论区留言交流个人主页ZyyOvO各位于晏,亦菲请阅引言破冰:AI正在改写现实规则技术突破实践应用AI核心技术剖析基础支撑技术关键领域技术前沿突破方向技术挑战详解未来技术焦点产业地震:AI重构六大领域医疗健康金融制造业交通与物流教育零
- DeepSeek 持续火爆;微信蓝包首秀;世界级人工智能科学家许主洪加盟阿里巴巴...|网易数智日报
网易数智
网易数智日报人工智能大数据业界资讯ai云计算
DeepSeek持续火爆,多个云平台上线相关模型「抢食」算力需求AI公司DeepSeek旗下大模型DeepSeek-R1「爆火」后,多个云平台宣布上线DeepSeek旗下模型。2月5日,阅文集团宣布,旗下作家辅助创作应用“作家助手”已集成幻方量化旗下AI公司深度求索(DeepSeek)的DeepSeek-R1大模型。这是DeepSeek首次应用于网文领域,旨在为作家提供更智能的创作支持。2月4日,
- ColD Fusion,分布式多任务微调的协同 “密码”
人工智能
ColDFusion,分布式多任务微调的协同“密码”发布时间:2025-02-19近日热文:1.全网最全的神经网络数学原理(代码和公式)直观解释2.大模型进化史:从Transformer到DeepSeek-R1的AI变革之路3.2W8000字深度剖析25种RAG变体:全网最全~没有之一知乎【柏企】公众号【柏企科技说】【柏企阅文】在预训练模型的基础上进行改进,有望提升所有基于它微调的模型性能。然而,
- C++ primer plus
C_VuI
c++
C++primerplus(第六版)文章目录C++primerplus(第六版)梗概梗概编程世界日新月异,各种编程语言层出不穷,但C++始终凭借其高效、灵活和强大的性能在众多领域占据着重要地位。当我们决定踏入C++的学习领域时,一本好的教材就显得尤为关键。《C++PrimerPlus》正是这样一本兼具权威性和实用性的经典书籍,它陪伴了一代又一代的程序员成长。作为一名对C++充满热情的学习者,我在阅
- AIMv2:多模态自回归预训练的视觉新突破
人工智能
AIMv2:多模态自回归预训练的视觉新突破阅读时长:19分钟发布时间:2025-02-17近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】导言视觉模型在人工智能领域的地位愈发重要,从图像识别、目标检测到多模态理解,其应用场景不断拓展。在大规模数据集上进行预训练,能助力模型学习丰富的视觉特
- 焦损函数(Focal Loss)与RetinaNet目标检测模型详解
人工智能
焦损函数(FocalLoss)与RetinaNet目标检测模型详解阅读时长:19分钟发布时间:2025-02-14近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】目前,精度最高的目标检测器大多基于由R-CNN推广的两阶段方法,即对稀疏的候选目标位置集应用分类器。相比之下,在规则、密集的可
- Java面试题(八)-----如何将一段逗号分隔的字符串转换成一个字符串数组
洋葱爱代码
Java程序员笔记java开发语言后端
Java面试题(八)-----如何将一段逗号分隔的字符串转换成一个字符串数组文章目录一、例题二、解决方法✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨前言部分✨姓名:洋葱爱代码喜欢:Java编程重要的事情说三遍!!!欢迎大家来访问哦,互相学习欢迎大家来访问哦,互相学习欢迎大家来访问哦,互相学习让我们一起来学习Java面试题吧!!!✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
- ALBERT:轻量级的BERT,用于语言表征的自监督学习
人工智能
ALBERT:轻量级的BERT,用于语言表征的自监督学习阅读时长:19分钟发布时间:2025-02-13近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】ALBERT提出了特定的参数缩减技术,以降低内存消耗并提高BERT的训练速度。模型架构选择ALBERT架构的主干与BERT类似,它使用带
- RAG中的双编码器与跨编码器模型
人工智能
RAG中的双编码器与跨编码器模型阅读时长:19分钟发布时间:2025-02-13近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】检索增强生成(RAG)是一个强大的框架,它结合了基于检索和基于生成的自然语言处理(NLP)任务方法。RAG不只是依赖生成模型,而是通过检索相关文档或段落来利用外
- DeepSeek R1:开启AI推理新时代,强在哪里?
人工智能
DeepSeekR1:开启AI推理新时代阅读时长:19分钟发布时间:2025-02-13近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】你是否曾好奇,AI模型是如何学会拆解数学问题,或是一步步解释代码的呢?在过去几年,许多公司开发出了大型语言模型(LLM),它们能创作文章、翻译语言、编写
- 如何训练LLMs进行“思考”(如o1和DeepSeek-R1)
人工智能
如何训练LLMs进行“思考”(如o1和DeepSeek-R1)阅读时长:19分钟发布时间:2025-02-13近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】一台会思考的笔记本电脑OpenAI的o1模型为大型语言模型(LLM)的训练开创了全新范式。它引入了所谓的“思考”令牌(tokens
- TAG,一种用于复杂问题解答的统一模型
人工智能
TAG,一种用于复杂问题解答的统一模型阅读时长:19分钟发布时间:2025-02-12近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】弥合AI和数据库之间的差距承诺与瓶颈人工智能(AI)正在迅速改变我们与数据交互的方式。强大的语言模型(LM)的出现为以更自然、更直观的方式查询和分析信息开
- 国产编辑器EverEdit - 查找全部
彩虹小黑馬
妙用编辑器编辑器EverEditEmEditorNotepad
1查找全部1.1应用场景 在文档查找时,需要将文件中所有出现关键字的地方都列出来,方便排查和修改,比如下面的文本,要找出所有的瓜。"蔬菜名称","价格(元/千克)","产地","上市季节""白菜","2","山东","秋季""菠菜","3","河北","春季""胡萝卜","4","内蒙古","冬季""土豆","3","黑龙江","全年""洋葱","2","甘肃","秋季""黄瓜","4","辽宁
- 机器学习回归评估指标全解析:如何衡量模型的准确性?回归评估指标-MSE、MAE、RMSE、R²分数
人工智能
机器学习回归评估指标全解析:如何衡量模型的准确性?阅读时长:25分钟发布时间:2025-02-09近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】为什么评估指标在回归中至关重要?在回归任务里,我们的目标是预测一个连续的结果。评估指标就像是精准的“度量衡”,能帮我们量化预测的准确性,还能帮
- 微软 LayoutLM:文档理解的强大工具
人工智能
深入了解LayoutLM:文档理解的强大工具阅读时长:15分钟发布时间:2025-02-09近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】LayoutLM是微软开发的一款预训练模型,它能够从文本和图像输入中生成布局特征。该模型专为文档分析、图像字幕生成以及视觉问答等任务而设计。它通过利
- 探秘检索增强生成:上下文检索、混合搜索与密集检索全解析
人工智能
探秘检索增强生成:上下文检索、混合搜索与密集检索全解析阅读时长:15分钟发布时间:2025-02-09近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】在自然语言处理(NLP)领域,检索增强生成(RAG)是一种前沿且强大的技术。今天,咱们就深入探讨一下RAG,以及与之紧密相关的上下文检索、
- 【Py/Java/C++三种语言OD独家2024E卷真题】20天拿下华为OD笔试之【模拟】2024E-字符串分割(二)【欧弟算法】全网注释最详细分类最全的华为OD真题题解
闭着眼睛学算法
#模拟最新华为OD真题javac++华为odleetcodepython算法
可上欧弟OJ系统练习华子OD、大厂真题绿色聊天软件戳od1441了解算法冲刺训练(备注【CSDN】否则不通过)文章目录相关推荐阅读题目描述与示例题目描述输入描述输出描述示例一输入输出说明示例二输入输出说明示例三输入输出解题思路题意理解初始字符串的分割和合并每`K`个字符一组构成子字符串子字符串的判断和处理代码pythonjavacpp时空复杂度华为OD算法/大厂面试高频题算法练习冲刺训练相关推荐阅
- RAG和KAG:AI知识增强的两大“利器”
人工智能
一文读懂RAG和KAG:AI知识增强的两大“利器”阅读时长:15分钟发布时间:2025-02-07近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】本文对RAG和KAG展开深入比较,从架构、应用场景、优势和局限等多个方面进行剖析。一、检索增强生成(RAG)是什么?RAG是一个融合了基于检索
- 必知!10大机器学习算法
人工智能
必知!10大机器学习算法7分钟阅读2025年02月06日“机器学习是一门让计算机在没有明确编程的情况下采取行动的科学。”——吴恩达近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】1.K最近邻(KNN)KNN是一种简单却强大的分类算法,它依据数据点之间的邻近程度来判断类别归属。具体做法是,
- 大型推理模型 (LRM) 的比较 OpenAI DeepSeek R1 Gemini 2.0
人工智能
大型推理模型(LRM)的比较OpenAIDeepSeekR1Gemini2.0阅读时长:25分钟发布时间:2025-02-06近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】1.架构与训练技术OpenAI的O1和O3系列架构:OpenAI的O系列模型(O1、O3以及较小的O3-mini)
- Java基础面试宝典:全面掌握Java编程核心技术
心言星愿
本文还有配套的精品资源,点击获取简介:这份《JAVA基础面试大全》是一份集结了Java基础知识、面向对象特性、异常处理、核心API和常用开发工具等内容的资料,是求职者准备Java编程面试的必备指南。它详细讲解了数据类型、变量、运算符、流程控制等基础概念;类与对象、封装、继承和多态等面向对象的核心概念;异常处理机制;以及Java集合框架、IO流、多线程编程等核心API。此外,还包括对开发工具和源码阅
- 用 Python 微调 DeepSeek R1
程序员
用Python微调DeepSeekR1阅读时长:15分钟发布时间:2025-02-05近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】微调前的准备工作在正式开始微调大语言模型之前,我们先来了解一下技术前提条件和设置要求。Python库和框架微调大语言模型需要用到以下Python库和框架:
- Kimi k1.5 : OpenAI-o1 级多模态模型
人工智能
Kimik1.5强势来袭:超越OpenAI与Claude,重塑AI格局?阅读时长:15分钟发布时间:2025-02-04近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】此前,DeepSeek推出了如DeepSeek—v3和DeepSeek-R1等重磅产品,赚足了眼球。如今,MoonSho
- Kimi k1.5 : OpenAI-o1 级多模态模型
人工智能
Kimik1.5强势来袭:超越OpenAI与Claude,重塑AI格局?阅读时长:15分钟发布时间:2025-02-04近日热文:全网最全的神经网络数学原理(代码和公式)直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】此前,DeepSeek推出了如DeepSeek—v3和DeepSeek-R1等重磅产品,赚足了眼球。如今,MoonSho
- 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/