- 微调大语言模型后,如何评估效果?一文讲清
茫茫人海一粒沙
人工智能
在做大语言模型(LLM)微调时,“怎么判断模型调得好不好”是必须回答的问题。无论是在研究、项目落地,还是面试中,评估方法都不能停留在“训练loss降了”这么简单。本文从评估目标、技术指标、业务适配、实战建议四个维度,讲清楚微调后的模型评估怎么做,为什么这么做。一,评估前,先搞清楚目标不同的微调目的,评估方式也不同:✅精调任务能力:判断模型是否更好完成分类、问答、摘要、代码生成等任务。✅领域适应:关
- Mac 快捷键
快乐的一只小喵喵
macmacos
总结一下Mac快捷键的图形符号:Mac中主要有四个修饰键,分别是Command,Control,Option和Shift。转存失败重新上传取消END基本的快捷键Command是Mac里最重要的修饰键,在大多数情况下相当于Windows下的Ctrl。所以以下最基本操作很好理解:Command-Z撤销Command-X剪切Command-C拷贝(Copy)Command-V粘贴Command-A全选(
- 软件测试面试前该准备些什么?
AIZHINAN
面试软件测试面试软件测试面经简历包装面试技巧
在软件测试面试前,充分的准备可以显著提升你的信心和表现。以下是需要重点关注的准备方向,分为技术能力、项目经验、面试技巧和软技能四个部分:一、技术能力准备基础理论软件测试基本概念:测试类型(功能、性能、安全、兼容性等)、测试阶段(单元测试、集成测试、系统测试等)。经典面试题:黑盒vs白盒测试的区别?什么是边界值分析、等价类划分?Bug的生命周期是怎样的?如何设计测试用例?(举例:测试一个登录页面)测
- 数据分类 - 华为OD机试真题(JavaScript 题解)
什码情况
华为odjavascript开发语言数据结构算法机试
华为OD机试题库《C++》限时优惠9.9华为OD机试题库《Python》限时优惠9.9华为OD机试题库《JavaScript》限时优惠9.9针对刷题难,效率慢,我们提供一对一算法辅导,针对个人情况定制化的提高计划(全称1V1效率更高)。看不懂有疑问需要答疑辅导欢迎私VX:code5bug题目描述对一个数据a进行分类,分类方法为:此数据a(四个字节大小)的四个字节相加对一个给定的值b取模,如果得到的
- 如何设计一个高并发系统?从哪些方面考虑?
真IT布道者
架构性能优化分布式
核心观点:高并发系统设计需要从架构分层、资源扩展、性能优化、容错机制四个维度综合考量,通过分布式架构和异步化等手段实现系统弹性。一、架构分层设计1.分层解耦接入层:使用Nginx/LVS实现负载均衡,采用DNS轮询或Anycast进行流量分发服务层:微服务架构(如SpringCloud或Kubernetes),服务按功能垂直拆分数据层:读写分离(MySQL主从)+分库分表(ShardingSphe
- 嵌入式 - i.MX93的GPIO寄存器解读
夜流冰
嵌入式笔记
有四组GPIO,gpio1~gpio4,每组32个端子,序号从0~31。例如,GPIO1_IO00~GPIO1_IO31。表示GPIO状态时,一组寄存器的32个端子用32bit表示,正好四个字节。每组GPIO都有各自的寄存器,基地址空间不同,但其布局和偏移是一致的。1,偏移0x54寄存器PDDR用来设置整组GPIO的输入输出方向,1表示输出,0表示输入。reset后值为0。2,偏移0x50寄存器P
- 第 3 章:神经网络如何学习
鱼摆摆拜拜
神经网络学习人工智能
第3章:神经网络如何学习在第二章中,我们详细了解了神经网络的静态结构:由神经元组成的层,以及连接它们的权重和偏置。现在,我们将进入整个教程最核心的部分:神经网络是如何从数据中"学习"的?这个学习过程是一个动态的、不断调整自身参数以求更佳预测的过程。我们将通过四个关键概念来揭示这个秘密:前向传播(ForwardPropagation):数据如何通过网络产生一个预测?损失函数(LossFunction
- Hibernate ORM 映射深度解析
后端
在Java持久层技术体系中,Hibernate作为经典的ORM(对象关系映射)框架,通过自动化对象与数据库表的映射关系,显著提升了数据访问层的开发效率。本文从核心映射机制、高级特性、性能优化及面试高频问题四个维度,结合源码与工程实践,系统解析Hibernate的ORM映射原理与最佳实践。一、核心映射机制1.1基础映射类型映射类型描述示例注解实体映射将Java类映射到数据库表@Entity,@Tab
- 燕山大学软件用户界面设计考题
能运行就算成功
经验分享
2024年考题,考前完全不知道考什么,趁着现在还记得,造福下后辈。全部是简答。1.描述下实用性和它的三个维度2.写出五个功能可见性的例子3.关键性模型Keystroke-LevelModel(KLM)字母的意思4.undo四个设计原则(笔记和翻译根本没有,看到时已经懵了)5.GUI三种设计方式6.瀑布模型为什么不适合ui设计后面是大题,跟写实验报告差不多,这次是个预定家政服务的题,写信息点描述中心
- 四个机器学习模型对比道路裂缝检测识别分类模型
深度学习乐园
深度学习实战项目机器学习分类人工智能
完整源码项目包获取→点击文章末尾名片!一、课题综述1.1.课题简介在机器学习的研究领域中,传统分类算法模型数量众多,适合的应用场景也各不相同。1.2.课题目标(示例)本课题使用的数据集来自于数据分析与数据挖掘竞赛Kaggle,该竞赛为数据科学领域著名的国际性赛事之一。课题使用的数据集为带标签的图像数据集,包含带有裂痕和不带有裂痕的桥梁、墙和人行道图片。课题的目标为对于目标数据集,搭建相应的传统机器
- 规划将 IaaS 资源从经典部署模型迁移到 Azure Resource Manager
zangdalei
Market
尽管Azure资源管理器提供了许多精彩功能,但请务必计划迁移,以确保一切顺利进行。花时间进行规划可确保执行迁移活动时不会遇到问题。Note以下指导的主要参与者为Azure客户顾问团队,以及与客户合作迁移大型环境的云解决方案架构师。此文档随着出现新的成功模式而持续更新,因此,请不时地回来查看,了解是否有新的推荐内容。迁移之旅包括四个常规阶段:计划技术注意事项和权衡根据技术要求大小、地理区域和操作方案
- 矩阵题解——螺旋矩阵 II【LeetCode】
chao_789
我的学习记录矩阵篇_刷题笔记算法leetcodepython数据结构矩阵
59.螺旋矩阵II第一个算法:基于层数和偏移量的方法算法逻辑思路:初始化阶段:创建n×n的零矩阵,设置起始点(0,0),计算需要循环的层数(n//2),初始化计数器为1核心循环逻辑:通过偏移量控制每一层的边界外层循环:遍历每一层(offset从1到loop)内层四个循环:按顺时针方向填充当前层左→右:填充上边,范围[starty,n-offset)上→下:填充右边,范围[startx,n-offs
- 代码随想录算法训练营第52天 | 101.孤岛的总面积 、102.沉没孤岛、103.水流问题、104.建造最大岛屿
Amor_Fati_Yu
算法java数据结构
101.孤岛的总面积importjava.util.*;publicclassMain{privatestaticintcount=0;privatestaticfinalint[][]dir={{0,1},{1,0},{-1,0},{0,-1}};//四个方向privatestaticvoidbfs(int[][]grid,intx,inty){Queueque=newLinkedList=gr
- 人脸识别算法赋能园区无人超市安防升级
智驱力人工智能
算法人工智能边缘计算人脸识别智慧园区智慧工地智慧煤矿
人脸识别算法赋能园区无人超市安防升级正文在园区无人超市的运营管理中,传统安防手段依赖人工巡检或基础监控设备,存在响应滞后、误报率高、环境适应性差等问题。本文从技术背景、实现路径、功能优势及应用场景四个维度,阐述如何通过人脸识别检测、人员入侵算法及疲劳检测算法的协同应用,构建高效、精准的智能安防体系。一、技术背景:视觉分析算法的核心支撑人脸识别算法基于深度学习的卷积神经网络(CNN)模型,通过提取面
- 【linux】yum工具篇
nanguochenchuan
Linux操作系统linux运维服务器
Yum工具概述Yum(YellowdogUpdaterModified)是RedHat系列Linux发行版(如CentOS、Fedora)中最核心的软件包管理工具,它基于RPM包管理系统构建,通过自动解决依赖关系极大简化了软件管理流程。与直接使用rpm命令相比,Yum能自动处理软件包依赖,让系统管理员从"依赖地狱"中解脱出来。Yum工作原理深度解析Yum的工作流程可分为四个关键阶段:仓库配置读取:
- 小程序入门:理解小程序页面配置
you4580
小程序
在小程序开发的领域中,页面配置起着举足轻重的作用。它就像是一位幕后设计师,默默地塑造着每个页面的外观与行为,为用户带来独特的体验。今天,咱们就一起深入探索小程序页面配置的奥秘,揭开它神秘的面纱。一、页面配置文件的作用在小程序的世界里,每个页面都有专属的.json配置文件。当我们新建一个页面时,小程序会贴心地自动生成与之对应的四个文件,其中就包含这个至关重要的配置文件。它的主要职责是对当前页面的窗口
- Websoft9:为开发者打造的高效 Linux 服务器面板
kanwowo
服务器linux运维
Websoft9作为一款以开源应用部署与管理为核心的服务器面板,其平台设计与运行环境深度耦合,形成了“环境即服务”的独特模式。这种关系体现在环境标准化、自动化配置、安全融合及资源管理等多个维度。以下从四个核心层面详细阐述二者的协同机制:一、运行环境标准化:平台能力的基石Websoft9的运行环境并非孤立存在,而是平台功能实现的底层支撑。多语言与框架的预集成•平台内置PHP、Python、Java、
- openpyxl 学习- iter_rows和iter_cols
qq_43632431
python学习笔记学习
iter_cols是openpyxl库中的一个方法,用于按列迭代读取内容。在openpyxl中,iter_cols和iter_cols方法用于返回一个生成器,该生成器按列遍历给定的行范围。它接受四个参数:min_row,min_col,max_row和max_col,这些参数定义了要迭代的单元格范围。1语法:worksheet.iter_rows(min_row=1,#最小行max_row=Non
- 高中成绩可视化平台开发笔记
一半不眠次日si记
笔记pyqtnumpypandasmatplotlibui数据可视化
高中成绩可视化平台(1)一、项目概述本系统是一个基于PyQt5和Matplotlib的高中成绩数据可视化分析平台,旨在帮助教师快速了解学生成绩分布、班级对比、学科表现等关键指标。平台支持文科与理科的数据切换,并提供多个维度的图表展示和交互式操作。核心功能:文科/理科数据动态切换四个核心分析页面(总览、学科分析、班级分析、排名分析)图表联动刷新机制表格与图表双向绑定自定义样式与视觉美化二、技术选型技
- Spring Cloud Alibaba 微服务架构深度解析
后端spring-cloud
在SpringCloud生态体系中,SpringCloudAlibaba作为国产微服务解决方案,通过整合阿里开源组件,提供了一站式服务注册与发现、配置管理、流量控制等能力。本文从核心组件、技术选型、与原生SpringCloud对比及面试高频问题四个维度,结合源码与工程实践,系统解析SpringCloudAlibaba的实现原理与最佳实践。一、核心组件与技术选型1.1组件图谱与定位领域SpringC
- 历史轨迹组件性能优化方案
欧阳天羲
性能优化前端
针对历史轨迹组件的性能优化,可从数据处理、渲染策略、内存管理和交互优化四个方面入手。以下是具体的优化方向和实现方案:一、数据处理优化1.轨迹数据抽稀算法原理:在不影响轨迹整体形状的前提下,减少轨迹点数量实现方案:采用Douglas-Peucker算法实现轨迹抽稀提供抽稀精度参数,根据地图缩放级别动态调整示例代码://轨迹抽稀函数exportconstsimplifyTrajectory=(poin
- [Git] 如何进行版本回退
DevKevin
Gitgitelasticsearch大数据
版本控制系统最重要的能力之一,就是能够轻松地在项目的不同历史版本之间切换。有时,你可能发现最近的修改引入了严重问题,或者需要回到之前的某个节点重新开始。这时,“版本回退”功能就派上用场了。版本回退:反方向的钟~~Git提供了强大的版本回退(或称为“重置”)功能,让你能够将项目状态恢复到历史上的任意一个提交点。执行版本回退的命令是gitreset。要理解gitreset,关键在于认识到它主要做了两件
- 前端实战:运用 HTML、CSS 和 JavaScript 技术,打造一个宇宙风格的个人空间站网页
迟雨.
前端htmlwebcssjavascript
一、引言在当今数字化的时代,拥有一个属于自己的个人空间网页是一件非常有意义的事情。本文将详细介绍如何运用HTML、CSS和JavaScript技术,构建一个类似宇宙的个人空间站网页。二、项目概述这个个人空间站网页由首页、个人中心、作品展示和个人博客四个核心页面组成。整体设计以宇宙星空为主题,融入星球、星星和流星等元素,营造出神秘而奇幻的氛围。用户可以通过点击首页的星球图标,轻松导航至不同页面,开启
- 从零写一个ALSA声卡驱动学习(3)
嵌入式音视频开发之旅
音频ALSA驱动linuxALSA
PCM接口:ALSA的PCM中间层功能非常强大,驱动程序只需实现访问其硬件的底层函数即可。要访问PCM层,首先需要包含头文件。此外,如果需要访问与hw_param相关的一些函数,还可能需要包含。每个声卡设备最多可以有四个PCM实例。每个PCM实例对应一个PCM设备文件。这个实例数量的限制仅来自于Linux设备号的位数限制。一旦使用64位设备号,就可以支持更多的PCM实例。一个PCM实例由PCM播放
- 公钥密码体系崩溃风险:Shor算法可在多项式时间内破解RSA、ECC等基于大整数分解和离散对数问题的公钥算法。4099量子位的量子计算机运行Shor算法可在10秒内破解RSA2048
百态老人
算法量子计算
基于我搜索到的资料,以下从四个维度全面分析公钥密码体系的量子威胁现状及应对策略:一、Shor算法对公钥密码体系的威胁机制算法原理与攻击效率Shor算法通过量子傅里叶变换(QFT)高效求解整数分解和离散对数问题:核心步骤包括随机数生成、模指数周期检测(f(x)=axmod Nf(x)=a^x\modNf(x)=axmodN)和量子并行计算,复杂度仅O(log3N)O(\log^3N)O(log3
- LDPC纠错码:通过低密度奇偶校验码将逻辑量子比特的物理量子比特需求降低90%,仅需12个物理量子比特支撑1个逻辑量子比特,显著降低错误率
百态老人
量子计算
基于我搜索到的资料,LDPC(低密度奇偶校验)纠错码在量子计算中通过其独特的稀疏矩阵结构和高效解码算法,显著降低了逻辑量子比特所需的物理量子比特数量,同时提升错误容忍能力。以下从原理、应用机制、实验依据及影响机制四个维度展开分析:一、LDPC纠错码的核心原理与优势LDPC码是一种线性分组纠错码,其核心特征在于奇偶校验矩阵的稀疏性:稀疏矩阵结构校验矩阵$\mathbf{H}$中非零元素(即“1”)的
- 体育赛事大数据分析:AI模型对足球大小球预测的精度优化
东奔西走的小喇叭
人工智能数据分析机器学习
在足球赛事的大数据分析中,AI模型对“大小球”(总进球数是否高于/低于预设值,如2.5球)的预测优化是一个复杂但具有实际价值的课题。以下从技术实现、数据策略、模型优化及挑战四个维度展开分析:1.数据来源与特征工程核心数据源结构化比赛数据:历史进球数、射门/射正率、控球率、角球、任意球、红黄牌、伤停球员等。球队动态特征:近期5-10场进攻/防守效率、主客场表现、战术风格(如高位逼抢或防守反击)。球员
- 用OpenCV实现图像分割:提取Logo中的特定元素并重新着色
Wave还没秃
opencv人工智能计算机视觉
用OpenCV实现图像分割:提取Logo中的特定元素并重新着色任务:将图片中三个圆形图案以及字母(共四个)单独取出,分别保存为四个新图片,图片大小与原图一致,图案尽量位于图片中心。三个圆形图案在新图片中改成不与于原来的填充色。步骤总览1.读取图片2.预处理:二值化或色彩分割找目标区域3.提取每个圆形图案(红、绿、蓝)和文字区域的掩膜4.将掩膜区域提取出来并改变颜色(对圆形)5.让内容居中对齐,保存
- Spring应用上下文事件 ApplicationContextEvent 的各个子类(ContextRefreshedEvent、ContextClosedEvent)等监听以及触发时机
拄杖忙学轻声码
SpringBootspring
说明:应用上下文事件(ApplicationContextEvent)机制,用于监听应用上下文各个阶段触发不同事件,从而处理一些特殊逻辑或架构设计。ApplicationContextEvent是各个上下文事件类的基础类,可分为四个具体事件类:【1】ContextRefreshedEvent:应用上下文初始化完成或上下文刷新完成立即触发【2】ContextStartedEvent:应用上下文启动触
- 前端领域RESTful API的性能优化技巧大全
前端视界
前端艺匠馆前端restful性能优化ai
前端领域RESTfulAPI的性能优化技巧大全关键词:RESTfulAPI、性能优化、前端开发、HTTP缓存、数据压缩、分页查询、连接管理、熔断机制摘要:本文系统梳理前端场景下RESTfulAPI性能优化的核心技术体系,从架构设计、网络传输、数据处理、客户端优化四个维度展开,结合HTTP协议原理、缓存策略、压缩算法、分页机制等关键技术,通过具体代码示例和数学模型分析,提供完整的优化实施路径。涵盖开
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!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/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理