- 【大模型学习】第二章 大模型技术中的Prompt
好多渔鱼好多
AI大模型promptAI大模型人工智能
目录摘要1.意义与价值1.1降低技术门槛1.2提升模型灵活性1.3优化资源利用率2.核心思想与方法论2.1理解模型机制2.2结合上下文2.3迭代优化3.Prompt的典型构成3.1目标说明3.2输入数据3.3输出规范3.4示例与模板3.5语气与风格4.技术原理与实现4.1语言模型的预测机制4.2提示设计优化4.3动态调整与反馈5.架构设计与实践5.1模块化设计5.2上下文管理5.3实时反馈与调整6
- Prompt工程指南:从入门到精通,手把手教你玩转AI大模型!
AI大模型-大飞
prompt人工智能大模型教程AI大模型开源chatgpt大模型
一、什么是Prompt?Prompt是一种基于人工智能(AI)指令的技术,通过明确而具体的指导语言模型的输出。在提示词工程中,Prompt的定义涵盖了任务、指令和角色三个主要元素,以确保模型生成符合用户需求的文本。任务:Prompt明确而简洁地陈述了用户要求模型生成的内容。这包括在特定应用场景中,用户希望模型完成的任务或生成的文本类型。指令:模型在生成文本时应遵循的指令是Prompt中的关键要素之
- dify、open-webui、chatbox 对比
dushky
语言模型aiAI编程
Dify、Open-WebUI和Chatbox是当前主流的开源LLM应用工具,但在功能定位、技术架构和适用场景上有显著差异。以下是三者的对比分析:一、核心定位与功能特性维度DifyOpen-WebUIChatbox核心定位企业级AI应用开发平台轻量级LLM交互界面个人对话式AI工具核心功能可视化工作流编排、多模型串联、RAG、PromptIDE多模型切换、离线运行、插件扩展多模型对话、Markdo
- AI大模型-提示工程学习笔记22-元提示(meta-prompting)
9命怪猫
AI人工智能机器学习aiprompt
目录1.元提示的核心思想(1)传统提示的局限性(2)Meta-Prompting的解决方案2.Meta-Prompting的工作流程(1)元提示输入(2)提示生成(3)提示评估(可选)(4)提示选择(可选)(5)任务执行3.Meta-Prompting的关键组件(1)大语言模型(LLM)(2)元提示(Meta-Prompt)(3)提示生成器(PromptGenerator)(4)提示评估器(Pro
- windows下适用msvc编译ffmpeg 适用于ffmpeg-7.1
Lj2_jOker
windowsffmpeg
需要的工具:visualstudio2019(可以是其他版本,只是本人电脑上装的为2019)msys2ffmpeg-7.1源码1.修改msys2_shell.cmd在msys2目录修改msys2_shell.cmd打开后找到行setMSYS2_PATH_TYPE=inherit删除开头的rem2.运行msys2运行x64NativeToolsCommandPromptforVS2019打开后跳转到
- RagFlow专题三、RagFlow 关键技术(向量数据库、文档分块、Prompt 设计与召回排序优化)
伯牙碎琴
大模型prompt大模型AIRagRagFlow
深入解析RagFlow关键技术:向量数据库、文档分块、Prompt设计与召回排序优化在前一篇文章中,我们详细探讨了RagFlow的核心架构,包括数据检索、语义搜索(BM25&向量搜索)以及知识融合,并了解了如何通过RagFlow机制优化信息检索和生成质量。本篇文章将深入解析RagFlow的关键技术,包括:向量数据库(FAISS、Milvus、Elasticsearch)——负责高效的语义检索与存储
- LangChain入门---- Prompt
快乐小狗(成功上岸版
LangChain入门langchainprompt机器学习人工智能
Prompt介绍LangChain中的“Prompt”是一个关键概念,指的是输入给大型语言模型(LLM)的文本指令或提示,用于引导模型生成特定的输出或执行特定的任务。在LangChain的框架中,prompt的设计和使用对于构建高效、准确的链式应用至关重要。Prompt的应用场景任务定义:通过精心设计的prompt,可以明确告诉LLM要执行什么任务。例如:对于问答系统,prompt可能包含问题文本
- LangPrompt提示词
坐吃山猪
AI模型promptlangprompt
LangPrompt提示词https://github.com/langgptai/LangGPT学习LangGPT的仓库,帮我创建一个专门生成LangGPT格式prompt的助手根据LangGPT的格式规范设计的专业提示词生成助手框架。以下是分步骤的解决方案:助手角色定义模板#Role:LangGPT提示词架构师##Profile-Author:您的名称-Version:1.1-Language
- 【OpenAI】API调用测试总结
返返返
python人工智能深度学习
文章目录常用方法tokenChatCompletionrole参数上下文引用返回参数finish_reasonOpenAI.Completion.createpromptmax_tokenssuffixtemperaturenstreamfrequency_penaltyapikey设置importosimportopenai#OPENAI_API_KEY是自己设定的环境变量名openai.api
- 毕业论文AIGC检测你了解多少?
kexiaoya2013
AIGC论文阅读论文笔记
在毕业论文的写作过程中,当你面对满屏飞的AI工具箱,一键即可生成千言万语的诱惑时,是不是怕被学术不端把你打入黑暗的深渊!不用吧,则又怕在知识的海洋中饱受煎熬!面对日益严格的AIGC检测要求,如何才能高效通过检测呢?一、注意事项在论文上传AIGC检测前,需要仔细阅读检测系统的检测范围、检测语种、文件格式、文件大小及非正文部分的处理等。在检测过程中,应多次交叉进行检测。通过检测→修改→再检测的循环,来
- 活在AI原生时代的05后,开始用AI创业
shelly聊AI
AI行业趋势AI-native人工智能deepseek
大家好,我是Shelly,一个专注于输出AI工具和科技前沿内容的AI应用教练,体验过300+款以上的AI应用工具。关注科技及大模型领域对社会的影响10年+。关注我一起驾驭AI工具,拥抱AI时代的到来。人工智能&AIGC术语100条Shelly聊AI-重磅发布Shelly聊AI:年度展望:2025年AI与社会发展关键事件的深度思考(每年一篇,十年为期)凌晨1点,14岁的王泽恺在电脑前伸了个懒腰。屏幕
- GPT-5倒计时:2025年AI海啸来袭,机器与人类对话临近
shelly聊AI
AI核心技术AI行业趋势gpt人工智能openai
大家好,我是Shelly,一个专注于输出AI工具和科技前沿内容的AI应用教练,体验过300+款以上的AI应用工具。关注科技及大模型领域对社会的影响10年+。关注我一起驾驭AI工具,拥抱AI时代的到来。人工智能&AIGC术语100条Shelly聊AI-重磅发布Shelly聊AI:年度展望:2025年AI与社会发展关键事件的深度思考(每年一篇,十年为期)从实验室到现实,AI的进化速度正在挑战人类想象的
- 【网安AIGC专题】46篇前沿代码大模型论文、24篇论文阅读笔记汇总_大模型在代码缺陷检测领域的应用实践(1)
2401_84972910
程序员AIGC论文阅读笔记
欢迎一起踏上探险之旅,挖掘无限可能,共同成长!写在最前面本文为邹德清教授的《网络安全专题》课堂笔记系列的文章,本次专题主题为大模型。本系列文章不仅涵盖了46篇关于前沿代码大模型的论文,还包含了24篇深度论文阅读笔记,全面覆盖了代码生成、漏洞检测、程序修复、生成测试等多个应用方向,深刻展示了这些技术如何在网络安全领域中起到革命性作用。同时,本系列还细致地介绍了大模型技术的基础架构、增强策略、关键数据
- LangChain学习笔记
xiaomu_347
LLM——AIGC学习笔记
LangChain是一个用来开发大型语言模型(LLM)应用的框架,为了简化构建基于LLM的应用,它能够为开发LLM应用带来如下能力:根据给定的Prompt方便构建上下文,并连接到LLM,得到更加符合查询的回答结果在构建整个基于LLM的应用提供各种工具,如各种模块(Modules)、LCEL、LangGraph等提供工具支持,使用户自己的LLM应用从原型版本到上线到生产环境过程中,一站式的调试、测试
- 清华大学Deepseek第六版AIGC发展研究3.0(共186页,附PDF下载)
xiecoding.cn
AIGCdeepseek大模型deepseek清华大学deepseekdeepseek使用指南deepseek怎么用pdf
人工智能生成内容(AIGC)正以前所未有的速度改变我们的生活。2024年底,清华大学新闻与传播学院与人工智能学院联合发布了《AIGC发展研究3.0版》,这份报告系统梳理了AIGC技术的突破性进展、应用场景及社会影响,并展望了未来的发展方向。《AIGC发展研究3.0版》PDF:https://pan.quark.cn/s/78f21d6c6b70本文将以通俗易懂的方式,带您了解这份报告的核心内容。一
- Aigc 本地接入deepseek-api
Mr_Chenph
AI乱炖AIGCdeepseekpycharmpython
开发环境开发环境:MacBookProSonoma14.5开发工具:PyCharm24.3.3需求整理(提示词)直接使用PyCharm安装Continue插件,配置好deepseek参数后生成代码一次:请帮我用python编写一个程序,功能如下:功能分为服务端和客户端(浏览器),服务端启动后,用户使用浏览器提出问题,服务端调用deepseek的api接口进行消息回复。二次:index页面中的英文变
- 通过 PromptTemplate 生成干净的 SQL 查询语句并执行SQL查询语句
背太阳的牧羊人
RAG优化方法RAG+langchainsql数据库pythonlangchaincreatesql_agentSQLDatabaseToolkit
问题描述在使用LangChain和Llama模型生成SQL查询时,遇到了sqlite3.OperationalError错误。错误信息如下:OperationalError:(sqlite3.OperationalError)near"```sqlSELECTNameFROMMediaTypeLIMIT5;```":syntaxerror[SQL:```sqlSELECTNameFROMMedia
- 构造一个工具(TravelSQLAgentTool),利用大语言模型(例如 Llama 模型)来完成 SQL 查询代理工具
背太阳的牧羊人
agent+langchain语言模型llamasql人工智能langchainagentlangchain工具
完整代码:fromlangchain_core.toolsimporttoolfromlangchain_community.utilitiesimportSQLDatabasefromlangchain_core.promptsimportPromptTemplatefromlangchain_core.output_parsersimportStrOutputParserfromlangcha
- LangChain —— 多模态大模型的 prompt template
Miyazaki_Hayao
LangChainlangchainprompt
文章目录一、如何直接将多模态数据传输给模型二、如何使用mutimodalprompts一、如何直接将多模态数据传输给模型 在这里,我们演示了如何将多模式输入直接传递给模型。对于其他的支持多模态输入的模型提供者,langchain在类中提供了内在逻辑来转化为期待的格式。 传入图像最常用的方法是将其作为字节字符串传入。这应该适用于大多数模型集成。importbase64importhttpximage
- 北京大学:2本手册,拓展AI应用深度与广度
2501_90766876
pdf
《DeepSeek与AIGC应用》对DeepSeek-R1进行了详细解读,包括其技术特性、发展历程、应用场景以及在AIGC(人工智能生成内容)领域的定位。深入剖析DeepSeek-R1在复杂逻辑推理、数学和编程任务中的优异表现,揭示其在推理密集型任务、教育、科研、知识应用和文档分析等领域的独特优势,为AIGC领域的从业者和爱好者提供了深入了解DeepSeek的窗口。《DeepSeek提示词工程和落
- AIGC从入门到实战:探秘:ChatGPT 到底是什么
AI天才研究院
计算AI大模型企业级应用开发实战ChatGPT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人工智能的浪潮近年来,人工智能(AI)发展迅猛,其应用已深入到各个领域,从自动驾驶汽车到智能家居,再到医疗诊断,AI正在改变我们的生活方式。其中,自然语言处理(NLP)作为AI的重要分支,近年来取得了显著进展,而AIGC(AI-GeneratedContent)正是NLP领域的一颗璀璨明珠。1.2AIGC的兴起AIGC指的是利用AI技术自动生成内容,包括文本、图像、音频、视频等。
- 万能Prompt模板:三步打造高效Deep Research工作流
赵孝正
伟大变革ChatGPTprompt大数据人工智能
目录**引言:为什么你需要这个模板?****一、模板核心结构****1.研究背景(Context)——奠定认知基线****2.研究需求(Goals)——构建任务蓝图****3.通用要求(Requirements)——把控质量标准****二、实战案例:智能手表传感器选型研究****背景设定****研究指令****输出成果****三、模板优化指南****1.动态调整策略****2.质量校验体系****
- 【arxiv 2024】T2V-CompBench: A Comprehensive Benchmark for Compositional Text-to-video Generation
旋转的油纸伞
视频生成/视频理解T2VSora人工智能python职场和发展
【arxiv2024】T2V-CompBench:AComprehensiveBenchmarkforCompositionalText-to-videoGeneration一、前言Abstract1Introduction2Relatedwork3BenchmarkConstruction3.1PromptGeneration3.2PromptCategories3.3PromptSuiteSt
- win11编译pytorchvision cuda128版本流程
System_sleep
pytorchpython编译windowscuda
1.前置条件本篇续接自win11编译pytorchcuda128版本流程,阅读前请先参考上一篇配置环境。访问https://kkgithub.com/pytorch/vision/archive/refs/tags/v0.21.0.tar.gz下载源码,下载后解压。2.编译打开MiniforgePrompt,依次执行如下代码:condaactivatetorch_build_envcondains
- 模型优化之强化学习(RL)与监督微调(SFT)的区别和联系
搏博
深度学习人工智能机器学习架构transformer
强化学习(RL)与监督微调(SFT)是机器学习中两种重要的模型优化方法,它们在目标、数据依赖、应用场景及实现方式上既有联系又有区别。想了解有关deepseek本地训练的内容可以看我的文章:本地基于GGUF部署的DeepSeek实现轻量级调优之一:提示工程(PromptEngineering)(完整详细教程)_deepseekgguf-CSDN博客本地基于GGUF部署的DeepSeek实现轻量级调优
- 【llm对话系统】 LLM 大模型推理python实现:vLLM 框架
kakaZhui
人工智能AIGCchatgptpythonllama
在LLM的应用中,推理(Inference)阶段至关重要。它指的是利用训练好的LLM模型,根据输入(Prompt)生成文本的过程。然而,LLM的推理速度往往较慢,尤其是在处理长序列或高并发请求时,效率瓶颈尤为突出。为了解决这个问题,vLLM应运而生!vLLM是一个专为LLM设计的高吞吐、低延迟的推理和服务引擎,它能够显著提升LLM的推理速度,让你的应用如虎添翼!今天,我们就来一起探索vLLM的奥秘
- python中安装使用pcl
业务不精er
pythonpcl
这个参考官网的方法即可。我是安装完了使用pcl的时候总是提示找不到pclmodule,使用的是官网以下方法:(在condaprompt中分别执行以上命令)
- dify基础之prompts
SNOWPIAOP
系统定制
摘要:在大型语言模型(LLM)应用中,Prompt(提示词)是连接用户意图与模型输出的核心工具。本文从概念、组成、设计原则到实践案例,系统讲解如何通过Prompt解锁LLM的潜能,提升生成内容的准确性与创造性。要想用好dify,prompts是必备的基础。一、什么是Prompt?Prompt是用户提供给LLM的指令或输入,可以是问题、指令或一段描述,用于引导模型生成符合预期的输出。其核心作用在于:
- AI写代码新姿势:一个截图,代替千行代码
量子位
原创关注前沿科技量子位现在写代码,最fashion的“姿势”应该是什么?答案或许就是:截图。没错,就像这样,先随便找个网页,截取想要的那部分界面,然后“喂”给AI,并附上一句Prompt:参考这个页面,生成一个类似的HTML页面。只是一张图和一句话,AI就“唰唰唰”的把代码给写出来了。有了这个功能,前端程序员搞简单的页面代码可就方便太多了(甚至编程小白都可以尝试做网页)~而且这个AI啊,还不是国外
- ChatGPT 提示词框架
jiet_h
AIchatgpt
作为一个资深安卓开发工程师,我们在日常开发中经常会用到ChatGPT来提升开发效率,比如代码优化、bug排查、生成单元测试等。但要想真正发挥ChatGPT的潜力,我们需要掌握一些提示词(Prompt)的编写技巧,并且有一个良好的提示词框架。本文将详细介绍ChatGPT提示词的框架,并结合Kotlin代码示例,帮助大家更高效地使用ChatGPT。1.什么是提示词框架?提示词框架(PromptFram
- scala的option和some
矮蛋蛋
编程scala
原文地址:
http://blog.sina.com.cn/s/blog_68af3f090100qkt8.html
对于学习 Scala 的 Java™ 开发人员来说,对象是一个比较自然、简单的入口点。在 本系列 前几期文章中,我介绍了 Scala 中一些面向对象的编程方法,这些方法实际上与 Java 编程的区别不是很大。我还向您展示了 Scala 如何重新应用传统的面向对象概念,找到其缺点
- NullPointerException
Cb123456
androidBaseAdapter
java.lang.NullPointerException: Attempt to invoke virtual method 'int android.view.View.getImportantForAccessibility()' on a null object reference
出现以上异常.然后就在baidu上
- PHP使用文件和目录
天子之骄
php文件和目录读取和写入php验证文件php锁定文件
PHP使用文件和目录
1.使用include()包含文件
(1):使用include()从一个被包含文档返回一个值
(2):在控制结构中使用include()
include_once()函数需要一个包含文件的路径,此外,第一次调用它的情况和include()一样,如果在脚本执行中再次对同一个文件调用,那么这个文件不会再次包含。
在php.ini文件中设置
- SQL SELECT DISTINCT 语句
何必如此
sql
SELECT DISTINCT 语句用于返回唯一不同的值。
SQL SELECT DISTINCT 语句
在表中,一个列可能会包含多个重复值,有时您也许希望仅仅列出不同(distinct)的值。
DISTINCT 关键词用于返回唯一不同的值。
SQL SELECT DISTINCT 语法
SELECT DISTINCT column_name,column_name
F
- java冒泡排序
3213213333332132
java冒泡排序
package com.algorithm;
/**
* @Description 冒泡
* @author FuJianyong
* 2015-1-22上午09:58:39
*/
public class MaoPao {
public static void main(String[] args) {
int[] mao = {17,50,26,18,9,10
- struts2.18 +json,struts2-json-plugin-2.1.8.1.jar配置及问题!
7454103
DAOspringAjaxjsonqq
struts2.18 出来有段时间了! (貌似是 稳定版)
闲时研究下下! 貌似 sruts2 搭配 json 做 ajax 很吃香!
实践了下下! 不当之处请绕过! 呵呵
网上一大堆 struts2+json 不过大多的json 插件 都是 jsonplugin.34.jar
strut
- struts2 数据标签说明
darkranger
jspbeanstrutsservletScheme
数据标签主要用于提供各种数据访问相关的功能,包括显示一个Action里的属性,以及生成国际化输出等功能
数据标签主要包括:
action :该标签用于在JSP页面中直接调用一个Action,通过指定executeResult参数,还可将该Action的处理结果包含到本页面来。
bean :该标签用于创建一个javabean实例。如果指定了id属性,则可以将创建的javabean实例放入Sta
- 链表.简单的链表节点构建
aijuans
编程技巧
/*编程环境WIN-TC*/ #include "stdio.h" #include "conio.h"
#define NODE(name, key_word, help) \ Node name[1]={{NULL, NULL, NULL, key_word, help}}
typedef struct node { &nbs
- tomcat下jndi的三种配置方式
avords
tomcat
jndi(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。命名服务将名称和对象联系起来,使得我们可以用名称
访问对象。目录服务是一种命名服务,在这种服务里,对象不但有名称,还有属性。
tomcat配置
- 关于敏捷的一些想法
houxinyou
敏捷
从网上看到这样一句话:“敏捷开发的最重要目标就是:满足用户多变的需求,说白了就是最大程度的让客户满意。”
感觉表达的不太清楚。
感觉容易被人误解的地方主要在“用户多变的需求”上。
第一种多变,实际上就是没有从根本上了解了用户的需求。用户的需求实际是稳定的,只是比较多,也比较混乱,用户一般只能了解自己的那一小部分,所以没有用户能清楚的表达出整体需求。而由于各种条件的,用户表达自己那一部分时也有
- 富养还是穷养,决定孩子的一生
bijian1013
教育人生
是什么决定孩子未来物质能否丰盛?为什么说寒门很难出贵子,三代才能出贵族?真的是父母必须有钱,才能大概率保证孩子未来富有吗?-----作者:@李雪爱与自由
事实并非由物质决定,而是由心灵决定。一朋友富有而且修养气质很好,兄弟姐妹也都如此。她的童年时代,物质上大家都很贫乏,但妈妈总是保持生活中的美感,时不时给孩子们带回一些美好小玩意,从来不对孩子传递生活艰辛、金钱来之不易、要懂得珍惜
- oracle 日期时间格式转化
征客丶
oracle
oracle 系统时间有 SYSDATE 与 SYSTIMESTAMP;
SYSDATE:不支持毫秒,取的是系统时间;
SYSTIMESTAMP:支持毫秒,日期,时间是给时区转换的,秒和毫秒是取的系统的。
日期转字符窜:
一、不取毫秒:
TO_CHAR(SYSDATE, 'YYYY-MM-DD HH24:MI:SS')
简要说明,
YYYY 年
MM 月
- 【Scala六】分析Spark源代码总结的Scala语法四
bit1129
scala
1. apply语法
FileShuffleBlockManager中定义的类ShuffleFileGroup,定义:
private class ShuffleFileGroup(val shuffleId: Int, val fileId: Int, val files: Array[File]) {
...
def apply(bucketId
- Erlang中有意思的bug
bookjovi
erlang
代码中常有一些很搞笑的bug,如下面的一行代码被调用两次(Erlang beam)
commit f667e4a47b07b07ed035073b94d699ff5fe0ba9b
Author: Jovi Zhang <bookjovi@gmail.com>
Date: Fri Dec 2 16:19:22 2011 +0100
erts:
- 移位打印10进制数转16进制-2008-08-18
ljy325
java基础
/**
* Description 移位打印10进制的16进制形式
* Creation Date 15-08-2008 9:00
* @author 卢俊宇
* @version 1.0
*
*/
public class PrintHex {
// 备选字符
static final char di
- 读《研磨设计模式》-代码笔记-组合模式
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/
import java.util.ArrayList;
import java.util.List;
abstract class Component {
public abstract void printStruct(Str
- 利用cmd命令将.class文件打包成jar
chenyu19891124
cmdjar
cmd命令打jar是如下实现:
在运行里输入cmd,利用cmd命令进入到本地的工作盘符。(如我的是D盘下的文件有此路径 D:\workspace\prpall\WEB-INF\classes)
现在是想把D:\workspace\prpall\WEB-INF\classes路径下所有的文件打包成prpall.jar。然后继续如下操作:
cd D: 回车
cd workspace/prpal
- [原创]JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
comsci
eclipse设计模式算法工作swing
JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
&nb
- SecureCRT右键粘贴的设置
daizj
secureCRT右键粘贴
一般都习惯鼠标右键自动粘贴的功能,对于SecureCRT6.7.5 ,这个功能也已经是默认配置了。
老版本的SecureCRT其实也有这个功能,只是不是默认设置,很多人不知道罢了。
菜单:
Options->Global Options ...->Terminal
右边有个Mouse的选项块。
Copy on Select
Paste on Right/Middle
- Linux 软链接和硬链接
dongwei_6688
linux
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link)。默认情况下,ln命令产生硬链接。
【硬连接】硬连接指通过索引节点来进行连接。在Linux的文件系统中,保存在磁盘分区中的文件不管是什么类型都给它分配一个编号,称为索引节点号(Inode Index)。在Linux中,多个文件名指向同一索引节点是存在的。一般这种连
- DIV底部自适应
dcj3sjt126com
JavaScript
<!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
- Centos6.5使用yum安装mysql——快速上手必备
dcj3sjt126com
mysql
第1步、yum安装mysql
[root@stonex ~]# yum -y install mysql-server
安装结果:
Installed:
mysql-server.x86_64 0:5.1.73-3.el6_5 &nb
- 如何调试JDK源码
frank1234
jdk
相信各位小伙伴们跟我一样,想通过JDK源码来学习Java,比如collections包,java.util.concurrent包。
可惜的是sun提供的jdk并不能查看运行中的局部变量,需要重新编译一下rt.jar。
下面是编译jdk的具体步骤:
1.把C:\java\jdk1.6.0_26\sr
- Maximal Rectangle
hcx2013
max
Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing all ones and return its area.
public class Solution {
public int maximalRectangle(char[][] matrix)
- Spring MVC测试框架详解——服务端测试
jinnianshilongnian
spring mvc test
随着RESTful Web Service的流行,测试对外的Service是否满足期望也变的必要的。从Spring 3.2开始Spring了Spring Web测试框架,如果版本低于3.2,请使用spring-test-mvc项目(合并到spring3.2中了)。
Spring MVC测试框架提供了对服务器端和客户端(基于RestTemplate的客户端)提供了支持。
&nbs
- Linux64位操作系统(CentOS6.6)上如何编译hadoop2.4.0
liyong0802
hadoop
一、准备编译软件
1.在官网下载jdk1.7、maven3.2.1、ant1.9.4,解压设置好环境变量就可以用。
环境变量设置如下:
(1)执行vim /etc/profile
(2)在文件尾部加入:
export JAVA_HOME=/home/spark/jdk1.7
export MAVEN_HOME=/ho
- StatusBar 字体白色
pangyulei
status
[[UIApplication sharedApplication] setStatusBarStyle:UIStatusBarStyleLightContent];
/*you'll also need to set UIViewControllerBasedStatusBarAppearance to NO in the plist file if you use this method
- 如何分析Java虚拟机死锁
sesame
javathreadoracle虚拟机jdbc
英文资料:
Thread Dump and Concurrency Locks
Thread dumps are very useful for diagnosing synchronization related problems such as deadlocks on object monitors. Ctrl-\ on Solaris/Linux or Ctrl-B
- 位运算简介及实用技巧(一):基础篇
tw_wangzhengquan
位运算
http://www.matrix67.com/blog/archives/263
去年年底写的关于位运算的日志是这个Blog里少数大受欢迎的文章之一,很多人都希望我能不断完善那篇文章。后来我看到了不少其它的资料,学习到了更多关于位运算的知识,有了重新整理位运算技巧的想法。从今天起我就开始写这一系列位运算讲解文章,与其说是原来那篇文章的follow-up,不如说是一个r
- jsearch的索引文件结构
yangshangchuan
搜索引擎jsearch全文检索信息检索word分词
jsearch是一个高性能的全文检索工具包,基于倒排索引,基于java8,类似于lucene,但更轻量级。
jsearch的索引文件结构定义如下:
1、一个词的索引由=分割的三部分组成: 第一部分是词 第二部分是这个词在多少