@BangBang
@BangBang

Featured Based知识蒸馏(3): Focal and Global Knowledge (FGD)

文章目录

    • 1. 摘要
    • 2. Focal and Global 蒸馏的原理
      • 2.1 常规的feature based蒸馏算法
      • 2.2 Focal Distillation
      • 2.3 Global Distillation
      • 2.4 total loss
    • 3. 实验

Featured Based知识蒸馏(3): Focal and Global Knowledge (FGD)_第1张图片
Featured Based知识蒸馏(3): Focal and Global Knowledge (FGD)_第2张图片
论文： https://arxiv.org/pdf/2111.11837.pdf

你可能感兴趣的:(模型轻量化,特征,知识蒸馏,轻量化,FGD)

  • 交易系统：订单模型设计详解 java
    大家好，我是汤师爷~订单模型作为整个交易系统的核心，支撑着所有交易环节。订单域核心概念模型如图所示，为订单核心概念模型。1、订单在实际交易业务处理中，订单会根据不同的业务规则（如店铺、收货地址、配送方式等）拆分成多个子订单，形成一个父订单对应多个子订单的结构。这种拆分机制便于后续的订单履约和商家结算。订单包含以下核心字段：租户ID：标识订单所属的租户订单ID：订单的唯一标识父订单ID：关联的父级订
  • 强化学习中的关键模型与算法：从Actor-Critic到GRPO 人工智能
    强化学习中的关键模型与算法：从Actor-Critic到GRPO强化学习中的Actor-Critic模型是什么？这与生成对抗网络（GANs）十分相似。在生成对抗网络中，生成器和判别器模型在整个训练过程中相互对抗。在强化学习的Actor-Critic模型中，也存在类似的概念：Actor-Critic（A2C、A3C）是一种流行的强化学习架构，它结合了两个组件：Actor（行动者）——学习策略（$\p
  • 多模态大模型：技术原理与实战 工具和算法框架介绍 AI大模型应用之禅 AI大模型与大数据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
    1.背景介绍1.1从单模态到多模态的必然趋势传统的深度学习模型大多是单模态的，例如只处理图像数据的卷积神经网络（CNN）或只处理文本数据的循环神经网络（RNN）。然而，现实世界的信息往往是多模态的，例如一张图片可以包含物体、场景、文字等多种信息，一段视频则包含图像、声音、字幕等多种模态的数据。为了更好地理解和处理现实世界的信息，多模态学习应运而生。近年来，随着深度学习技术的快速发展，多模态学习取得
  • 从零开始大模型开发与微调：汉字拼音数据集处理 AGI大模型与大数据研究院 大数据AI人工智能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
    从零开始大模型开发与微调：汉字拼音数据集处理1.背景介绍1.1问题的由来在人工智能领域，自然语言处理（NLP）是一项基础且重要的研究方向。随着深度学习技术的飞速发展，大规模语言模型（LargeLanguageModel，LLM）在NLP领域取得了显著的成果。然而，LLM的训练与微调过程往往需要海量的文本数据，而这些数据通常以自然语言形式存在，难以直接用于模型训练。因此，如何从自然语言数据中提取结构
  • 在Windows下安装Ollama并体验DeepSeek r1大模型 skywalk8163 人工智能windowsollamaDeepSeek人工智能
    在Windows下安装Ollama并体验DeepSeekr1大模型Ollama在Windows下安装Ollama官网：Ollama·GitHub下载Windows版Ollama软件：Releasev0.5.7·ollama/ollama·GitHub下载ollama-windows-amd64.zip这个文件即可。可以说Windows拥抱开源真好，Windows下安装软件简单方便，开源软件直接到G
  • AI大模型部署：Ollama与vLLM部署对比：哪个更合适？ 大模型部署 langchain人工智能dockerllamaLLM程序员Ollama
    前言近年来，大语言模型（LLM）的应用日益广泛，而高效的部署方案至关重要。Ollama和vLLM作为两种流行的LLM部署工具，各有优劣。本文将深入比较Ollama和vLLM的部署方式，帮助选择最合适的方案。Ollama：简单易用的LLM部署工具Ollama以其简洁的安装和易于使用的特性而闻名。其官方文档清晰易懂，即使是新手也能快速上手。Ollama支持多种LLM模型，并提供便捷的命令行界面进行管理
  • 最强开源大模型炸场！全网独一份AI大模型学习实践资源...（待会删） 大模型应用 人工智能大数据promptlangchainAgentai大模型LLM
    今年科技圈的热点，除了裁员，就是被各种“AI大模型”新闻刷屏。GPT、Sora还在霸榜…开源大模型又来炸场！Meta发布Llama3系列模型，号称「最强大的开源大模型」，震撼科技圈！毫不夸张地说，AI大模型正在颠覆程序员的价值！很多大厂一边裁员，一边用百万年薪挖掘懂AI大模型的人，打工人的职业危机至少被提前5年。普通程序员想在技术上不掉队，还要增加收入，关键在于——拥抱技术红利，掌握AI大模型项目
  • 2024年开源数据集地址汇总包含最新最全数据集在这你可以找到任何想要数据集 萌萌哒240 深度学习目标跟踪人工智能计算机视觉
    目标检测数据集和图像分类数据集是计算机视觉领域的两大重要资源，它们为训练和评估各种视觉模型提供了关键的数据支持。目标检测数据集主要用于训练模型以识别和定位图像中的特定物体。这类数据集通常包含大量的标注图像，每张图像中都标记了多个物体的位置和类别。例如，COCO（CommonObjectsinContext）数据集就是一个常用的目标检测数据集，它包含了80个类别的日常物体，如人、车、动物等，并提供了
  • 物理测试暴击AI圈，DeepSeek R1稳超o1、Claude，我们已进入RL黄金时代 AI生成曾小健 LLM大语言模型人工智能
    物理测试暴击AI圈，DeepSeekR1稳超o1、Claude，我们已进入RL黄金时代原创关注大模型的机器之心2025年01月25日12:06北京机器之心报道我们都没预料到，AI领域的2025年是这样开始的。DeepSeekR1真是太厉害了！最近，「神秘的东方力量」DeepSeek正在「硬控」硅谷。我让R1详细解释勾股定理。这一切都是AI在不到30秒时间里一次性完成的，没出任何错。简单来说，its
  • 国产大模型 DeepSeek，能跟 ChatGPT 一战，还不用梯子，确定不试试？ 集成显卡 AI/人工智能chatgpt
    深度求索公司最新推出的自研MoE模型DeepSeek-V3，多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲我尝试了下，同样的编码场景，通义千问给出的答案没有实际帮助，但是DeekSeek却告之具体的实现步骤与依据，一大利器呀！其效果跟ChatGPT比都不遑多让，关键是国内
  • OpenAI 实战进阶教程 - 第1节：OpenAI API 架构与基础调用 山海青风 人工智能人工智能pythonprompt
    目标掌握OpenAIAPI的基础调用方法。理解如何通过API进行内容生成。使用实际应用场景帮助零基础读者理解API的基本用法。一、什么是OpenAIAPI？OpenAIAPI是一种工具，允许开发者通过编程方式与OpenAI的强大语言模型（例如gpt-3.5-turbo和gpt-4）进行交互。简单来说，它就像一个“AI助手”，可以回答问题、生成文本、总结信息等。实际应用场景举例：**客户支持自动化：
  • 一张图看懂AI技术架构！开发、训练、部署全链路深度解析！ 和老莫一起学AI 人工智能数据挖掘学习llamaai大模型程序员
    人工智能（AI）技术的快速发展，使得企业在AI模型的开发、训练、部署和运维过程中面临前所未有的复杂性。从数据管理、模型训练到应用落地，再到算力调度和智能运维，一个完整的AI架构需要涵盖多个层面，确保AI技术能够高效、稳定地运行。本文将基于AI技术架构全景图，深入剖析AI的开发工具、AI平台、算力与框架、智能运维四大核心部分，帮助大家系统性地理解AI全生命周期管理。一、AI开发工具：赋能高效开发，提
  • 什么是“知识蒸馏” 清风AI 深度学习人工智能神经网络pythonconda
    定义与原理在深度学习领域不断突破的同时，模型的复杂度和计算需求也随之增加。为了解决这一问题，知识蒸馏技术应运而生，成为模型压缩和性能优化的重要手段。本节将详细介绍知识蒸馏的基本概念、工作原理和知识迁移机制。知识蒸馏是一种将大型预训练模型(教师模型)的知识转移到较小模型(学生模型)的技术。这种方法不仅能保留原有模型的性能，还能显著降低模型的复杂度和计算需求，使其更适合在资源受限的环境中部署。知识蒸馏
  • o1、GPT4、GPT4o 这三个有什么区别？ 开心的AI频道 人工智能
    核心观点：GPT-4擅长文本处理和推理，GPT-4o主打多模态交互，而O1则专注于深度推理和逻辑分析，三者各有侧重，应用场景也大不相同。截至2024年12月，OpenAI已发布13个模型，模型能力已从最初的文本处理拓展到写作、编程、多模态和推理等，实现了从“文科生”到“全科学霸”的飞跃。然而，在众多模型中，GPT-4、GPT-4o和O1三款模型可谓是经典与转型之“模”。GPT-4作为ChatGPT
  • 根据每月流量和市场份额排名前20 的AI工具列表 开心的AI频道 人工智能
    ChatGPT：由OpenAI研发，是一款对话式大型语言模型。它能够理解自然语言输入，生成连贯且符合逻辑的回复。可用于文本创作，如撰写文章、故事、诗歌；还能解答各种领域的知识问题，提供翻译、代码解释等服务，在多种场景下辅助用户解决语言相关需求。Canva：作为在线图形设计平台，拥有海量的模板资源，涵盖海报、名片、社交媒体帖子、演示文稿等多种类型。用户无需专业设计技能，通过简单的拖放操作即可使用其丰
  • DeepSeek 使用的核心技术预测 eso1983 人工智能深度学习机器学习python
    最近DeepSeek这个词算是火遍了整个AI圈，这个影响力迅速超过ChatGPT的产品，都会使用哪些技术来做支撑呢。我这里简单做了一下梳理，结果不一定会完全准确，但是对这类产品的技术架构有个大概的认识。以下是我对可能涉及的技术架构的梳理，希望大家踊跃参与评论。1.大规模预训练模型架构Transformer变种与优化：基于Transformer架构进行改进，可能引入稀疏注意力机制（如Longform
  • LLM - 大模型 ScallingLaws 的设计 100B 预训练方案(PLM) 教程(5) ManonLegrand 大模型(LLM)人工智能LLMScalingLaws100B预训练DeepNormEGS
    欢迎关注我的CSDN：https://spike.blog.csdn.net/本文地址：https://spike.blog.csdn.net/article/details/145356022免责声明：本文来源于个人知识与公开资料，仅用于学术交流，欢迎讨论，不支持转载。ScalingLaws(缩放法则)是大模型领域中，用于描述模型性能(Loss)与模型规模N、数据量D、计算资源C之间关系的经验规
  • 数字化转型导师坚鹏：AI大模型DEEPSEEK重构人工智能格局的里程碑 银行数字化转型导师坚鹏 人工智能重构DEEPSEEKAI
    数字化转型导师坚鹏：AI大模型DEEPSEEK重构人工智能格局的里程碑在人工智能领域迅猛发展的浪潮中，每一次重大技术突破都犹如一颗投入平静湖面的巨石，激起千层浪。DEEPSEEK的发布，无疑是近期人工智能领域最受瞩目的事件之一。凭借其独特的技术优势和创新理念，DEEPSEEK迅速在全球人工智能舞台上崭露头角，对现有的人工智能格局产生了多维度、深层次的影响。一、技术突破：从"追赶者"到"规则制定者"
  • ONNX推理warning： TensorRT does not natively support INT64. Attempting to cast down to INT32. paradoxjun 人工智能
    只想用ONNX进行模型推理，加载时报Warning，加载模型时间也特别长。加载模型的代码：self.session=onnxruntime.InferenceSession(model_path,providers=onnxruntime.get_available_providers())修改为：self.session=onnxruntime.InferenceSession(model_pa
  • 【DeepSeek全解析】最全面的问答指南，一文读懂！ 程序员辣条 人工智能大模型大模型教程大模型学习大模型入门AI程序员
    DeepSeek在国内大模型创业领域独树一帜。它出身不凡，背后有量化私募巨头幻方支持，曾因储备万张A100芯片引人瞩目，后凭DeepSeekV2开源模型引爆大模型价格战，以超低推理成本震撼行业，让大厂纷纷跟进。其成功源于深度技术创新，MLA架构等大幅降本，打破行业常规，获国际认可。团队极具特色，成员年轻且多为本土清北应届生，从实习生到核心成员都能凭兴趣与能力崭露头角，如代达劢、朱琪豪等学术成果丰硕
  • 全平台制霸！零门槛在本地解锁DeepSeek R1：Ollama+OpenWebUI终极部署手册 程序员辣条 人工智能大模型LLamaAI产品经理大模型学习DeepSeek大模型教程
    纯干货教程，无需GPU也能玩转大模型！三平台通用教程带你20分钟搭建私有AI大脑一、环境准备：Ollama全平台安装指南▍Windows玩家专属通道1.访问Ollama官网下载.exe安装包2.双击安装后自动创建环境变量3.Win+R打开CMD验证安装：ollama--version▍macOS极简操作#一行命令搞定安装curl-fsSLhttps://ollama.ai/install.sh|s
  • 学习日志009--面向对象的编程 Z211613347 python
    一、面向对象面向对象编程（Object-OrientedProgramming，简称OOP）是一种编程范式，它使用“对象”来设计应用程序和计算机程序。它利用了抽象、封装、继承和多态这些概念。一、面向对象编程的核心概念封装（Encapsulation）封装是面向对象编程的一个主要特征，它将对象的数据（属性）和操作这些数据的方法（行为）结合在一起，形成一个独立的对象。这样做的好处是可以隐藏内部的复杂性
  • 决策树ID3算法 小波LFZZB 算法决策树机器学习数据挖掘sklearn
    决策树决策树概念决策树，一种基于规则的机器学习方法，主要用于分类和回归，常用作机器学习中的预测模型。树形结构图，树中每个节点表示某个对象，每个分叉路径代表的某个可能的属性值，每个叶结点对应从根节点到该叶节点所经历的路径所表示的对象的值。它通过递归地划分数据空间并在每个分区内拟合一个简单的预测模型来工作。选择分区是为了在每个细分中最大化目标变量的同质性。决策树特点1.树形结构决策树由根节点、内部节点
  • 波士顿房价预测 苏轼喜欢玩电脑 浙师大506实验室
    波士顿房价预测任务波士顿地区的房价是由诸多因素影响的。该数据集统计了13种可能影响房价的因素和该类型房屋的均价，期望构建一个基于13个因素进行房价预测的模型，因为房价是一个连续值，所以房价预测显然是一个回归任务。用最简单的线性回归模型解决这个问题，并用神经网络来实现这个模型。线性回归模型假设房价和各影响因素之间能够用线性关系来描述：y=∑j=1Mxjwj+by={\sum_{j=1}^Mx_jw_
  • 软件工程导论期末试题 答案资料 软件工程
    软件工程导论期末考试试题一．选择（20分）1、瀑布模型把软件生命周期划分为八个阶段：问题的定义、可行性研究、软件需求分析、系统总体设计、详细设计、编码、测试和运行、维护。八个阶段又可归纳为三个大的阶段：计划阶段、开发阶段和(C)。A、详细计划B、可行性分析C、运行阶段D、测试与排错2、从结构化的瀑布模型看，在它的生命周期中的八个阶段中，下面的几个选项中哪个环节出错，对软件的影响最大(C)。A、详细
  • 软件工程导论期末考试试题 答案资料 软件工程
    软件工程导论期末考试试题一．选择1、瀑布模型把软件生命周期划分为八个阶段：问题的定义、可行性研究、软件需求分析、系统总体设计、详细设计、编码、测试和运行、维护。八个阶段又可归纳为三个大的阶段：计划阶段、开发阶段和(C)。A、详细计划B、可行性分析C、运行阶段D、测试与排错2、从结构化的瀑布模型看，在它的生命周期中的八个阶段中，下面的几个选项中哪个环节出错，对软件的影响最大(C)。A、详细设计阶段B
  • Unity接入Minimax语音模型, 将mp3转化成AudioClip NuageL 虚拟恋人unity游戏引擎ai
    我不会Unity，但是看到b站一位大佬做的虚拟恋人，于是想做一下伸手党。大佬视频：【chatGPT+unity+Azure+VRoid】AI女友对话，源码分享，零基础手搓二次元妹子，打造专属的AI女友不是梦_哔哩哔哩_bilibili语音合成部分，大佬已经集成了很多百度云语音api，但是因为本人很菜，设备也不太好，所以用本地大模型感觉暂时有点困难（之后想继续学习）不过百度云语音的声音有点难听，所以
  • TensorFlow 示例摄氏度到华氏度的转换（一） 李建军 TensorFlowtensorflow人工智能python
    TensorFlow实现神经网络模型来进行摄氏度到华氏度的转换，可以将其作为一个回归问题来处理。我们可以通过神经网络来拟合这个简单的转换公式。1.数据准备与预处理2.构建模型3.编译模型4.训练模型5.评估模型6.模型应用与预测7.保存与加载模型8.完整代码1.数据准备与预处理你提供了摄氏度和华氏度的数据，并进行了标准化。标准化是为了使数据适应神经网络的训练，因为标准化可以加快训练过程并提高模型性
  • 软件工程概论试题四 minaMoonGirl 软件工程
    一、单选1.瀑布模型的关键不足在于()。A.不能适应需求的动态变更B.过于灵活C.各个阶段需要进行评审D.过于简单正答：A2.具有风险分析的软件生存周期模型是()。A.瀑布模型B.喷泉模型C.螺旋模型D.增量模型正答：C3.下面的图描述的是哪种软件过程模型()A.瀑布模型B.敏捷开发C.原型开发D.集成与配置正答：D二、多选4.软件工程的三要素是什么?A.工具B.过程!C.结构化D.方法E.数据流
  • 监督学习、无监督学习和强化学习的特点和应用场景 BugNest AI学习ai机器学习人工智能
    在机器学习中，监督学习、无监督学习和强化学习是三种核心的学习范式，它们各自具有独特的特点和应用场景。以下是对这三种学习方法的详细对比和总结：监督学习（SupervisedLearning）特点：数据标注：训练数据包含明确的输入特征和对应的标签（目标输出）。学习方式：模型通过学习输入特征和标签之间的关系来进行训练，这种关系通常表现为一个映射函数。预测能力：一旦训练完成，模型能够对新的、未见过的输入数
  • java类加载顺序 3213213333332132 java
    package com.demo; /** * @Description 类加载顺序 * @author FuJianyong * 2015-2-6上午11:21:37 */ public class ClassLoaderSequence { String s1 = "成员属性"; static String s2 = "
  • Hibernate与mybitas的比较 BlueSkator sqlHibernate框架ibatisorm
    第一章     Hibernate与MyBatis Hibernate 是当前最流行的O/R mapping框架，它出身于sf.net，现在已经成为Jboss的一部分。 Mybatis 是另外一种优秀的O/R mapping框架。目前属于apache的一个子项目。 MyBatis 参考资料官网：http:
  • php多维数组排序以及实际工作中的应用 dcj3sjt126com PHPusortuasort
    自定义排序函数返回false或负数意味着第一个参数应该排在第二个参数的前面, 正数或true反之, 0相等usort不保存键名uasort 键名会保存下来uksort 排序是对键名进行的 <!doctype html> <html lang="en"> <head> <meta charset="utf-8&q
  • DOM改变字体大小 周华华 前端
    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml&q
  • c3p0的配置 g21121 c3p0
    c3p0是一个开源的JDBC连接池，它实现了数据源和JNDI绑定，支持JDBC3规范和JDBC2的标准扩展。c3p0的下载地址是：http://sourceforge.net/projects/c3p0/这里可以下载到c3p0最新版本。 以在spring中配置dataSource为例： <!-- spring加载资源文件 --> <bean name="prope
  • Java获取工程路径的几种方法 510888780 java
    第一种： File f = new File(this.getClass().getResource("/").getPath()); System.out.println(f); 结果: C:\Documents%20and%20Settings\Administrator\workspace\projectName\bin 获取当前类的所在工程路径; 如果不加“
  • 在类Unix系统下实现SSH免密码登录服务器 Harry642 免密ssh
    1.客户机     (1)执行ssh-keygen -t rsa -C "[email protected]"生成公钥，xxx为自定义大email地址     (2)执行scp ~/.ssh/id_rsa.pub root@xxxxxxxxx:/tmp将公钥拷贝到服务器上，xxx为服务器地址     (3)执行cat
  • Java新手入门的30个基本概念一 aijuans javajava 入门新手
    在我们学习Java的过程中,掌握其中的基本概念对我们的学习无论是J2SE,J2EE,J2ME都是很重要的,J2SE是Java的基础,所以有必要对其中的基本概念做以归纳,以便大家在以后的学习过程中更好的理解java的精髓,在此我总结了30条基本的概念。　　Java概述:　　目前Java主要应用于中间件的开发(middleware)---处理客户机于服务器之间的通信技术,早期的实践证明,Java不适合
  • Memcached for windows 简单介绍 antlove javaWebwindowscachememcached
    1. 安装memcached server a. 下载memcached-1.2.6-win32-bin.zip b. 解压缩，dos 窗口切换到 memcached.exe所在目录，运行memcached.exe -d install c.启动memcached Server,直接在dos窗口键入 net start "memcached Server&quo
  • 数据库对象的视图和索引 百合不是茶 索引oeacle数据库视图
      视图     视图是从一个表或视图导出的表，也可以是从多个表或视图导出的表。视图是一个虚表，数据库不对视图所对应的数据进行实际存储，只存储视图的定义，对视图的数据进行操作时,只能将字段定义为视图,不能将具体的数据定义为视图       为什么oracle需要视图;    &
  • Mockito(一) --入门篇 bijian1013 持续集成mockito单元测试
            Mockito是一个针对Java的mocking框架，它与EasyMock和jMock很相似，但是通过在执行后校验什么已经被调用，它消除了对期望 行为（expectations）的需要。其它的mocking库需要你在执行前记录期望行为（expectations），而这导致了丑陋的初始化代码。  &nb
  • 精通Oracle10编程SQL(5)SQL函数 bijian1013 oracle数据库plsql
    /* * SQL函数 */ --数字函数 --ABS(n):返回数字n的绝对值 declare v_abs number(6,2); begin v_abs:=abs(&no); dbms_output.put_line('绝对值：'||v_abs); end; --ACOS(n):返回数字n的反余弦值，输入值的范围是-1~1，输出值的单位为弧度
  • 【Log4j一】Log4j总体介绍 bit1129 log4j
    Log4j组件：Logger、Appender、Layout   Log4j核心包含三个组件：logger、appender和layout。这三个组件协作提供日志功能： 日志的输出目标 日志的输出格式 日志的输出级别(是否抑制日志的输出)  logger继承特性 A logger is said to be an ancestor of anothe
  • Java IO笔记 白糖_ java
    public static void main(String[] args) throws IOException { //输入流 InputStream in = Test.class.getResourceAsStream("/test"); InputStreamReader isr = new InputStreamReader(in); Bu
  • Docker 监控 ronin47 docker监控
             目前项目内部署了docker，于是涉及到关于监控的事情，参考一些经典实例以及一些自己的想法，总结一下思路。 1、关于监控的内容 监控宿主机本身 监控宿主机本身还是比较简单的，同其他服务器监控类似，对cpu、network、io、disk等做通用的检查，这里不再细说。 额外的，因为是docker的
  • java-顺时针打印图形 bylijinnan java
    一个画图程序 要求打印出： 1.int i=5; 2.1 2 3 4 5 3.16 17 18 19 6 4.15 24 25 20 7 5.14 23 22 21 8 6.13 12 11 10 9 7. 8.int i=6 9.1 2 3 4 5 6 10.20 21 22 23 24 7 11.19
  • 关于iReport汉化版强制使用英文的配置方法 Kai_Ge iReport汉化英文版
    对于那些具有强迫症的工程师来说，软件汉化固然好用，但是汉化不完整却极为头疼，本方法针对iReport汉化不完整的情况，强制使用英文版，方法如下： 在 iReport 安装路径下的 etc/ireport.conf 里增加红色部分启动参数，即可变为英文版。   # ${HOME} will be replaced by user home directory accordin
  • [并行计算]论宇宙的可计算性 comsci 并行计算
          现在我们知道,一个涡旋系统具有并行计算能力.按照自然运动理论,这个系统也同时具有存储能力,同时具备计算和存储能力的系统,在某种条件下一般都会产生意识......       那么,这种概念让我们推论出一个结论     &nb
  • 用OpenGL实现无限循环的coverflow dai_lm androidcoverflow
    网上找了很久，都是用Gallery实现的，效果不是很满意，结果发现这个用OpenGL实现的，稍微修改了一下源码，实现了无限循环功能 源码地址： https://github.com/jackfengji/glcoverflow public class CoverFlowOpenGL extends GLSurfaceView implements GLSurfaceV
  • JAVA数据计算的几个解决方案1 datamachine javaHibernate计算
    老大丢过来的软件跑了10天，摸到点门道，正好跟以前攒的私房有关联，整理存档。 -----------------------------华丽的分割线-------------------------------------     数据计算层是指介于数据存储和应用程序之间，负责计算数据存储层的数据，并将计算结果返回应用程序的层次。J  &nbs
  • 简单的用户授权系统,利用给user表添加一个字段标识管理员的方式 dcj3sjt126com yii
    怎么创建一个简单的(非 RBAC)用户授权系统 通过查看论坛，我发现这是一个常见的问题，所以我决定写这篇文章。 本文只包括授权系统.假设你已经知道怎么创建身份验证系统(登录)。 数据库 首先在 user 表创建一个新的字段(integer 类型),字段名 'accessLevel',它定义了用户的访问权限 扩展 CWebUser 类 在配置文件(一般为 protecte
  • 未选之路 dcj3sjt126com 诗
    作者:罗伯特*费罗斯特   黄色的树林里分出两条路, 可惜我不能同时去涉足, 我在那路口久久伫立, 我向着一条路极目望去, 直到它消失在丛林深处.   但我却选了另外一条路, 它荒草萋萋,十分幽寂; 显得更诱人,更美丽, 虽然在这两条小路上, 都很少留下旅人的足迹.   那天清晨落叶满地, 两条路都未见脚印痕迹. 呵,留下一条路等改日再
  • Java处理15位身份证变18位 蕃薯耀 18位身份证变15位15位身份证变18位身份证转换
      15位身份证变18位，18位身份证变15位 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 201
  • SpringMVC4零配置--应用上下文配置【AppConfig】 hanqunfeng springmvc4
    从spring3.0开始，Spring将JavaConfig整合到核心模块，普通的POJO只需要标注@Configuration注解，就可以成为spring配置类，并通过在方法上标注@Bean注解的方式注入bean。   Xml配置和Java类配置对比如下： applicationContext-AppConfig.xml   <!-- 激活自动代理功能 参看：
  • Android中webview跟JAVASCRIPT中的交互 jackyrong JavaScripthtmlandroid脚本
      在android的应用程序中,可以直接调用webview中的javascript代码,而webview中的javascript代码,也可以去调用ANDROID应用程序(也就是JAVA部分的代码).下面举例说明之: 1 JAVASCRIPT脚本调用android程序    要在webview中,调用addJavascriptInterface(OBJ,int
  • 8个最佳Web开发资源推荐 lampcy 编程Web程序员
    Web开发对程序员来说是一项较为复杂的工作，程序员需要快速地满足用户需求。如今很多的在线资源可以给程序员提供帮助，比如指导手册、在线课程和一些参考资料，而且这些资源基本都是免费和适合初学者的。无论你是需要选择一门新的编程语言，或是了解最新的标准，还是需要从其他地方找到一些灵感，我们这里为你整理了一些很好的Web开发资源，帮助你更成功地进行Web开发。 这里列出10个最佳Web开发资源，它们都是受
  • 架构师之面试------jdk的hashMap实现 nannan408 HashMap
    1.前言。   如题。 2.详述。   (1)hashMap算法就是数组链表。数组存放的元素是键值对。jdk通过移位算法（其实也就是简单的加乘算法），如下代码来生成数组下标(生成后indexFor一下就成下标了）。 static int hash(int h) { h ^= (h >>> 20) ^ (h >>>
  • html禁止清除input文本输入缓存 Rainbow702 html缓存input输入框change
    多数浏览器默认会缓存input的值，只有使用ctl+F5强制刷新的才可以清除缓存记录。 如果不想让浏览器缓存input的值，有2种方法： 方法一： 在不想使用缓存的input中添加 autocomplete="off";  <input type="text" autocomplete="off" n
  • POJO和JavaBean的区别和联系 tjmljw POJOjava beans
    POJO 和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Pure Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比 POJO复杂很多， Java Bean 是可复用的组件，对 Java Bean 并没有严格的规
  • java中单例的五种写法 liuxiaoling java单例
    /** * 单例模式的五种写法： * 1、懒汉 * 2、恶汉 * 3、静态内部类 * 4、枚举 * 5、双重校验锁 */ /** * 五、 双重校验锁，在当前的内存模型中无效 */ class LockSingleton { private volatile static LockSingleton singleton; pri
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他