- 使用 OpenAI API 创建智能聊天机器人
vaidfl
机器人python
1.技术背景介绍在人工智能应用中,聊天机器人是一种非常流行的应用。得益于近几年自然语言处理(NLP)技术的飞速发展,聊天机器人已经从简单的问答模式发展到能够进行复杂对话的智能助手。本篇文章将深入介绍如何使用OpenAI提供的API构建一个智能聊天机器人,并通过实际代码演示实现过程。2.核心原理解析OpenAI提供的GPT模型是目前最先进的语言生成模型之一,它可以生成自然流畅的文本。我们可以通过调用
- AI人工智能深度学习算法:在缺陷检测中的应用
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战计算计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
AI人工智能深度学习算法:在缺陷检测中的应用1.背景介绍1.1缺陷检测的重要性在制造业中,产品质量是关键因素之一。缺陷检测是确保产品质量的重要环节,旨在及时发现并排除产品中的任何缺陷或异常。传统的人工目视检测方法不仅效率低下,而且容易出现疲劳导致的错误。因此,开发高效、准确的自动化缺陷检测系统已成为当务之急。1.2人工智能在缺陷检测中的作用随着深度学习技术的不断发展,人工智能(AI)已成为解决缺陷
- 普通屏幕已过时?裸眼3D屏幕显示效果更胜一筹!
振邦视界
科技3d
随着多媒体技术的迅猛进步,我们日常生活中的内容展现方式,已经经历了前所未有的变革。在这其中,裸眼3D屏幕的应用,无疑是最为引人注目的亮点,它相较于传统屏幕,在显示效果上展现出了鲜明的优势,不仅为观众带来了全新的视觉盛宴,更在沉浸感和交互性上实现了质的飞跃。那么,这两种屏幕技术之间究竟隐藏着怎样的差异呢?一、立体画面传统的屏幕显示内容主要停留在平面效果上,若想要实现3D的立体视觉,观众通常需佩戴3D
- Win7本地化部署deepseek-r1等大模型详解
mygodalien
语言模型Windows7本地化部署大模型llama
参考链接在Windows7操作系统,基于llama.cpp本地化部署deepseek-r1模型的方法2025-02-082G内存Windows7运行deepseek-r1:1.5b这两个链接写的可能不够详细,有同学私信问实现过程,这里进一步解释一下。一、准备需要准备的大模型、工具等文件,已放到网盘,可自取。网盘的figures目录是配置过程中的一些截图,可参考。百度网盘:https://pan.b
- 使用OpenAI的API构建聊天机器人
dgay_hua
机器人python
技术背景介绍聊天机器人是近年来热门的AI应用之一,无论是客服系统、智能助手还是社交娱乐,都可以看到其身影。构建一个高效的聊天机器人,离不开强大的自然语言处理模型。OpenAI提供的API为开发者简化了这一过程,本文将介绍如何使用OpenAI的API服务构建一个基本的聊天机器人。核心原理解析聊天机器人主要依赖于生成式预训练模型(GPT),它通过大量文本数据训练,学习语言模式和上下文关联,从而能够生成
- 数字科技3D全景展厅
jnfy
三维数字孪生系统3d3D展厅科技展馆数字展厅vue3+threejs室内全景
项目效果:基于vue3+threejs展厅3D可视化项目介绍:数字科技3D全景展厅,实现展厅室内720度全景漫游观看,点击展厅内的展品弹出框,图片被放大显示,以及实现点击具体展品,实现飞行定位到该展品前观察,点击展品显示放大图和详情信息。项目技术栈:vue3+threejscnpminstall安装所有依赖查看package.json可以知道npmrundev启动。
- Meta AI 最近推出了一款全新的机器学习框架ParetoQ,专门用于大型语言模型的4-bit 以下量化
新加坡内哥谈技术
人工智能语言模型自然语言处理
每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行!订阅:https://rengongzhineng.io/MetaAI最近推出了一款全新的机器学习框架——ParetoQ,专门用于大型语言模型的4
- 速度超越DeepSeek!Le Chat 1100tok/s闪电回答,ChatGPT 4o和DeepSeek R1被秒杀?
LinkTime_Cloud
chatgptDeepSeekLeChat
2023年,当全球科技界还在ChatGPT引发的AI狂潮中沉浮时,一场来自欧洲的"静默革命"正悄然改变游戏规则。法国人工智能公司MistralAI推出的聊天机器人LeChat以"比ChatGPT快10倍"的惊人宣言震动业界,其背后承载的不仅是技术突破,更折射出全球AI版图重构的深层暗涌。一、法兰西奇迹:Mistral的逆袭密码在巴黎第十区一栋不起眼的办公楼里,Mistral团队用9个月时间创造了令
- Andrej Karpathy:计算范式的变革者
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书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AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
《AndrejKarpathy:计算范式的变革者》概述本文旨在全面探讨AndrejKarpathy在计算范式变革中的角色和贡献。AndrejKarpathy是一位世界级的人工智能专家,程序员,软件架构师,CTO,同时也是计算机图灵奖获得者,计算机编程和人工智能领域大师。他以其深刻的技术见解,对深度学习和自然语言处理领域的贡献,以及对计算范式的革新性思考,成为了当今技术领域的引领者之一。本文分为六个
- 大语言模型应用指南:以ChatGPT为起点,从入门到精通的AI实践教程
Python程序员罗宾
人工智能语言模型chatgpt机器学习深度学习自然语言处理学习
前言在20世纪末和21世纪初,人类经历了两次信息革命的浪潮。前排提示,文末有大模型AGI-CSDN独家资料包哦!第一次是互联网时代的兴起,将世界各地连接在一起,改变了人们获取信息和交流的方式。第二次则是移动互联网时代的到来,智能手机和移动应用程序的普及使人们可以随时随地与他人交流、获取信息和进行商务活动。然而,随着技术的不断演进和人类社会的不断发展,我们正站在另一个信息时代的门槛上。这是一个更加智
- 一杯咖啡的时间学习大模型(LLM):LLaMA解读之旋转编码RoPE(含代码实现)
Bug_makerACE
llamapython人工智能nlppytorch深度学习transformer
文章目录一、LLaMA的核心改进全景二、旋转位置编码(RoPE)2.1改进动机2.2数学原理2.3源码实现一、LLaMA的核心改进全景Meta开源的LLaMA模型凭借其卓越的性能表现成为大模型发展的重要里程碑。相较于标准Transformer架构,LLaMA主要在以下几个方面进行了关键改进:位置编码升级:采用旋转位置编码(RotaryPositionEmbedding,RoPE)归一化革新:对每个
- 人工智能之自然语言处理技术演进
香橙薄荷心
AI人工智能自然语言处理
自然语言处理技术演进自然语言处理(NaturalLanguageProcessing,NLP)是人工智能的重要分支,旨在使计算机能够理解、生成和处理人类语言。近年来,NLP技术经历了从规则驱动到数据驱动的革命性演进,尤其是在深度学习和大规模预训练模型的推动下,取得了显著突破。本文将深入探讨NLP技术的演进历程、核心模型及其应用,并通过具体案例和代码示例帮助读者理解其实际应用。1.NLP技术演进历程
- Aider: 人工智能辅助编程的革命性工具
2401_87189860
人工智能
Aider:人工智能辅助编程的革命性工具在当今快速发展的科技世界中,人工智能正在改变着我们工作和生活的方方面面。在软件开发领域,一款名为Aider的创新工具正在引领一场编程革命。Aider是一个强大的AI辅助编程工具,它能让开发者在终端中与大型语言模型(LLM)进行结对编程,极大地提升编码效率和质量。让我们深入了解这个令人兴奋的项目,看看它如何改变着软件开发的未来。Aider的核心功能Aider的
- 利用gensim生成词袋模型(基于频次和基于TF-IDF)
weixin_50291342
文本表示自然语言处理python机器学习
前言参考文献:胡盼盼编著.自然语言处理从入门到实战[M].中国铁道出版社,2020.最近在学习文本表示的一种最简单方式——词袋模型,书中给出了使用gensim生成词袋模型的代码,原代码就来自于这本书,我加了一些注释,方便理解代码。一、引入库fromgensim.modelsimportTfidfModelfromgensim.corporaimportDictionaryimportjieba二、
- 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
- 国内用户如何充值开通Claude Pro?详细指南附充值方法
claude
什么是Claude充值?Claude充值是指在Anthropic公司开发的人工智能聊天机器人——Claude中,付费获取更高级别服务的过程。与免费的Claude账号相比,ClaudePro账号每月需支付20美元或18英镑,用户可以获得更多的功能服务和更先进的聊天体验。区分Claude免费账号和付费账号的差异聊天体验:免费账号使用的是预先输入的信息模板,而Pro账号则拥有更智能、个性化的回复,相对于
- 数学到底在哪里支撑着编程
数学
在编程的世界里,数学并非只是一个学科,它实际上是支撑整个编程基础的支柱之一。数学不仅为编程提供了理论框架,它的各种理论和方法被用来提升代码效率、优化算法、设计系统架构、分析数据、以及确保程序的正确性。编程中的很多技术,从数据结构的选择到算法的设计、从性能优化到人工智能的构建,都离不开数学的支撑。在这篇文章中,我们将从多个方面深入探讨数学如何在编程中发挥作用,包括算法设计、数据结构优化、机器学习、图
- 《玩转AI大模型:从入门到创新实践》(5)第三章 对话AI:从“尬聊”到高效助手
caridle
工作日志人工智能
第三章对话AI:从“尬聊”到高效助手3.1文本对话实战:ChatGPT与国产大模型一、青铜到王者的三段式提问进化论新手村任务:从“社恐”到“社牛”的进化还是要经历很多的阶段和AI毒打,父母直男式的话语总是不受欢迎,而温情的诉说总会让人暖心。每个人使用AI的人都是从新手村出发,一路从青铜打到王者,当然不乏各种攻略辅助。阶段一:人类の社恐式提问(青铜段位)症状诊断:当人类初次面对AI,提问水平堪比直男
- 一个调用OpenAI、CHatGPT的QT插件
caridle
Qtqt开发语言
您好,这是Bing。根据我的搜索结果1,OpenAICodex是一个通用的编程模型,可以应用于任何编程任务,包括生成代码、解释代码和重构代码。要使用OpenAICodex,您需要申请一个API密钥,并通过HTTP请求来调用它。根据我的搜索结果234,QT插件是一种扩展QT应用程序功能的方式,可以通过静态或动态的方式来加载插件。要创建QT插件,您需要定义一个接口类作为基类,并让插件继承该类实现对应的
- AI Agent智能应用从0到1定制开发Langchain+LLM全流程解决方案与落地实战
AI知识分享官
人工智能langchain算法数据挖掘计算机视觉机器学习产品经理
大模型微调实战:精通、指令微调、开源大模型微调、对齐与垂直领域应用29套AI全栈大模型项目实战,人工智能视频课程-多模态大模型,微调技术训练营,大模型多场景实战,AI图像处理,AI量化投资,OPenCV视觉处理,机器学习,Pytorch深度学习,推荐系统,自动驾驶,训练私有大模型,LLM大语言模型,大模型多场景实战,Agent智能应用,AIGC实战落地,ChatGPT虚拟数字人,Djourney智
- Cardinal ERROR1698 配置问题解决
n0rma1playe2
ctfubuntulinux
最近再配置Cardinal时,再这个问题上一直搞不明白,就去问了chatgpt,给出的解答也是完美解决了我的问题,如果有相同问题,可以参考一下sudomysql-urootUSEmysql;UPDATEuserSETplugin='mysql_native_password'WHEREUser='root';FLUSHPRIVILEGES;sudosystemctlrestartmysqlUSEm
- Github 2024-06-05 开源项目日报 Top10
老孙正经胡说
github开源Github趋势分析开源项目PythonGolang
根据GithubTrendings的统计,今日(2024-06-05统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下:开发语言项目数量Python项目7JupyterNotebook项目2Rust项目1初学者的生成式人工智能(第2版)创建周期:259天开发语言:JupyterNotebook协议类型:MITLicenseStar数量:25764个Fork数量:16105次关注人数:
- GPT 系列模型发展史:从 GPT 到 ChatGPT 的演进与技术细节
Ash Butterfield
nlpgptchatgpt
从GPT到ChatGPT,OpenAI用短短几年时间,彻底改变了自然语言处理(NLP)的格局。让我们一起回顾这段激动人心的技术演进史!GPT(2018):划时代的起点:GPT(GenerativePre-trainedTransformer)首次将Transformer架构与无监督预训练结合,开启了大规模语言模型的新时代。核心突破:通过海量文本预训练+任务微调,GPT展示了强大的泛化能力。GPT-
- 自然语言处理(NLP)入门:基础概念与应用场景
Ash Butterfield
nlp自然语言处理人工智能
什么是自然语言处理(NLP)?自然语言处理(NaturalLanguageProcessing,NLP)是人工智能(AI)的一个重要分支,研究如何让计算机理解、生成、分析和与人类语言进行交互。换句话说,NLP是让机器像人一样“读、写、听、说”的技术,它结合了语言学、机器学习、计算机科学等多学科知识。NLP的核心目标是将非结构化的自然语言(如文本和语音)转化为结构化数据,使机器能够高效处理、分析和生
- 如何微调(Fine-tuning)大语言模型?看完这篇你就懂了!!
datian1234
语言模型人工智能chatgptLLMaiAI大模型大模型微调
前言本文介绍了微调的基本概念,以及如何对语言模型进行微调。从GPT3到ChatGPT、从GPT4到GitHubcopilot的过程,微调在其中扮演了重要角色。什么是微调(fine-tuning)?微调能解决什么问题?什么是LoRA?如何进行微调?本文将解答以上问题,并通过代码实例展示如何使用LoRA进行微调。微调的技术门槛并不高,如果微调的模型规模不大10B及10B以下所需硬件成本也不高(10B模
- 信息技术革新引领时代变革
JiYan_xiaohei
业界资讯
信息技术革新引领时代变革一、信息技术的飞速发展1.信息技术的概念及重要性信息技术,即信息的获取、传输、存储、处理和应用等技术的综合,已经成为现代社会不可或缺的基础设施。信息技术的飞速发展极大地改变了人们的生活方式和工作模式,推动了社会进步。2.信息技术的快速发展现状近年来,人工智能、大数据、云计算等前沿技术不断突破,展现出强大的潜力。这些新技术的出现不仅改变了数据处理和分析的方式,还催生了新的产业
- 信息技术革新引领社会变革
JiYan_yellow
业界资讯
信息技术革新引领社会变革一、信息技术推动数字化转型随着信息技术的迅猛发展,我们正处在一个数字化的时代。信息技术在推动产业数字化转型方面发挥着重要作用。云计算、大数据、人工智能等先进技术的应用,使得企业能够实现更高效的生产和运营。例如,在制造业领域,智能制造技术能够提高生产效率和质量,降低运营成本。此外,信息技术还在促进供应链管理、市场营销等环节的数字化转型,为企业提供更广阔的发展空间。信息技术还深
- 自学人工智能大模型,满足7B模型的训练和微调以及推理,预算3万,如何选购电脑
岁月的眸
人工智能
如果你的预算是3万元人民币,希望训练和微调7B参数规模的人工智能大模型(如LLaMA、Mistral等),你需要一台高性能的深度学习工作站。在这个预算范围内,以下是推荐的配置:1.关键硬件配置(1)GPU(显卡)推荐显卡:NVIDIARTX4090(24GBVRAM)或者RTX3090(24GBVRAM)理由:7B模型推理:24GB显存足够跑7B模型的推理,但全参数训练可能吃力,适合LoRA等微调
- 人工智能之推荐系统实战系列(协同过滤,矩阵分解,FM与DeepFM算法)
weixin_58351028
人工智能深度学习神经网络算法机器学习
一.推荐系统介绍和应用(1)推荐系统通俗解读推荐系统就是来了就别想走了。例如在大数据时代中京东越买越想买,抖音越刷越是自己喜欢的东西,微博越刷越过瘾。(2).推荐系统发展简介1)推荐系统无处不在,它是根据用户的行为决定推荐的内容。用户每天在互联网中都会留下足迹,这样就会越来越多的用户画像。2)为什么要推荐系统卖的好的商品就那几种,其它就不管了吗?答案是否定的。80%的销售来自20%的热门商品,要想
- DeepSeek与ChatGPT正在改写学历规则?2025教育革命深度解析
笑傲江湖2023
人工智能chatgpt
一、颠覆性现状:AI如何解构学历价值1.知识获取民主化随着AI技术的不断进步,知识获取的方式正在发生翻天覆地的变化:DeepSeek-R1通过仅10%的训练成本,实现了与GPT-4o相当的性能,技术文档的生成效率提升了70%。这种高效的知识生成方式,使得人人都可以轻松获取和应用知识。斯坦福大学的研究显示,使用ChatGPT的大学生平均GPA提升了0.43分,但课程通过率却下降了11%(2024)。
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
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;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
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
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不