今天不要熬夜
今天不要熬夜

机器学习----AndrewNg视频笔记记录11

接记录9，对于加速学习的方法还有

学习率衰减

方法一：α=1/(1+decay-rate*epoch-num)    *   α0

其中decay-rate为另一个超参，epoch-num是指遍历数据的次数

机器学习----AndrewNg视频笔记记录11_第1张图片

其他方法：指数下降、引入另一个超参K、离散阶梯式、手动manual

机器学习----AndrewNg视频笔记记录11_第2张图片

其中引入超参K时，可以选择除以epoch-num或者mini-batch的batch-size的平方根

但其实设定一个fixed的学习率然后去调整它，也会有不错的表现，所以学习率的衰减不会是我们首先要考虑的事情或者是首先要尝试的要点

Deciding what to do next下一步的决策

我们可以让机器学习系统正常工作的效率往往取决于我们对于机器学习项目过程中对于下一步做什么的决策

评估学习算法的性能

将数据集分割成训练集train和测试集test，在训练集上训练模型然后在test集上计算其成本函数

机器学习----AndrewNg视频笔记记录11_第3张图片

通过判断test和train集上的J，评估学习算法的性能，是否过拟合/欠拟合/just right，并且都需要注意的是test和train集上的J都不包括正则化项，因为已经拟合完且最小化了成本函数得到了w和b参数，直接带进去算error即可，也就无需正则化了

对于分类问题：

机器学习----AndrewNg视频笔记记录11_第4张图片

通常而言，除了计算loss，我们会使用test和train集上算法错误分类的比例来表示error

机器学习----AndrewNg视频笔记记录11_第5张图片

此时的错误分类就是原本的标签为0却被分类为1,1被分类为0

通过以上的idea，再进一步使得我们可以自动地选择一个好的模型

机器学习----AndrewNg视频笔记记录11_第6张图片

交叉验证集作为一个额外的数据集，我们将用于检查或信任检查check不同模型的有效性或真实性

机器学习----AndrewNg视频笔记记录11_第7张图片

在每个dev set上计算J，比较其中得到最小的J，此时没有对test集进行参数的拟合所以test集上的J是对泛化误差的公平估计

机器学习----AndrewNg视频笔记记录11_第8张图片

也可以应用在神经网络

机器学习----AndrewNg视频笔记记录11_第9张图片

在整个过程中，我们在train set上训练模型，在dev set上我们会使用这三个模型去计算J，从而选择其中J最小（最低交叉验证误差）的模型，对于我们模型的选择，参数的选择，多项式的degree数的选择都是对于train 和 dev set，而并没有对test集进行任何操作，只有在所有的选择/决定做出之后，即只有在最终决定一个模型作为最终的模型之后，才会利用test集对泛化误差进行估计，使得test集不会产生低于实际的乐观的估计

Diagnostic机器学习诊断

机器学习----AndrewNg视频笔记记录11_第10张图片

通过诊断可以深入了解what is/isn't working with a learning algorithm以此来获得指导去提升性能

bias和variance诊断（偏差和方差诊断）

机器学习----AndrewNg视频笔记记录11_第11张图片

当面对更高维度时我们无法画出其图像，只需要对于train和dev集上的J进行计算，比较Jtrain和Jcv就可以知道是过拟合、欠拟合还是同时有高偏差和高方差

正则化是如何影响偏差和方差（更实质讲，正则化参数lambda如何影响偏差和方差）

我们讨论这个问题的背景是在，我们需要拟合这个4次方多项式，并且使用了正则化

机器学习----AndrewNg视频笔记记录11_第12张图片

当lambda很大时，w就会趋向于0，当lambda很小时，极端情况为0，也就是没有采用正则化避免过拟合，于是当lambda增大时，其模型的复杂度将会降低，由此影响偏差和方差：

机器学习----AndrewNg视频笔记记录11_第13张图片

通过dev set选择合适的正则化参数lambda

我们可以通过在dev set上尝试不同的lambda值，在最小化成本函数之后得到的参数w和b，代入计算Jcv，选择其中Jcv最小的lambda值

机器学习----AndrewNg视频笔记记录11_第14张图片

在选择好Jcv最小的参数后，我们可以代入计算test集下的误差

如何判断Jcv或者Jtrain是大还是小呢（性能评估的判断标准）

以语音识别为例，这里的train error是指没有完整地正确转录的比例（与分类问题中是错误分类的比例相似）

机器学习----AndrewNg视频笔记记录11_第15张图片

为了去判断训练误差是否高，可以想到我们需要去比较训练误差和人类表现水平，因此判断训练误差是否高，需要有一个判断性能的基准

机器学习----AndrewNg视频笔记记录11_第16张图片

通过比较基准水平和training error，可以得出是否是high bias问题，通过比较training error和cv上的error，可以得出是否是high variance问题

当我们使用非结构化数据（音频，图像，文本等）时，人类水平的表现通常是一个很好的基准；或者使用已经应用过的算法/竞争者的算法表现；或根据之前的经验进行猜测

机器学习----AndrewNg视频笔记记录11_第17张图片

你可能感兴趣的:(机器学习记录,笔记)

  • NanoMQ ds笔记250306 kfepiza 网络通讯传输协议物联笔记网络协议网络信息与通信
    NanoMQ多版本下载地址https://www.emqx.com/zh/downloads/nanomqNanoMQ官方文档https://nanomq.io/docs/zh/latest/NanoMQ是一个专为物联网边缘计算设计的轻量级、高性能MQTT消息代理（MessageBroker），由中国的开源物联网公司EMQ开发并维护。它专注于在资源受限的边缘设备上提供高效的MQTT消息通信能力，同
  • 一些对编程语言的看法 后端程序员
    我让AI列出了一些较为常见的编程语言，要纯编译型的得到如下经典编译型语言名称主要特点C最经典的编译型语言，直接编译为机器码。C++基于C的扩展，同样通过编译器生成原生二进制文件。Fortran科学计算领域的老牌语言，编译为高效机器码。COBOL商业和金融领域的历史语言，完全编译执行。Ada高可靠性系统（如航空航天）的编译型语言。Pascal/Delphi(ObjectPascal)Delphi/f
  • Fedora41安装MySQL8.4.4 kfepiza Database数据库sql关系型非关系型nosqllinuxmysql
    Fedora41安装MySQL8.4.4Fedora41用yum仓库安装MySQL8.4.4笔记250310下载安装启动`mysqld`服务查看生成的初始密码,用初始密码登录登录后,必须修改初始密码才能执行其它操作可选设置降低密码强度要求,使用简单密码降低validate_password组件对密码强度的要求用`SETGLOBAL`命令来设置可选:卸载validate_password组件,可将密
  • 笔记本电脑外接固态移动硬盘可以用于深度学习吗 Vertira pytorch电脑深度学习智能电视
    笔记本电脑外接固态移动硬盘可以用于深度学习‌。虽然外接固态移动硬盘的传输速度和内置固态硬盘相比有一定差距，但在现代技术下，外接固态移动硬盘的传输速度已经非常快，能够满足深度学习的需求。例如，USB3.2Gen2×2PSSD的传输速度可以达到2000MB/s，这对于深度学习来说已经足够‌12。具体应用场景和性能表现‌传输速度‌：现代外接固态移动硬盘，如USB3.2Gen2×2PSSD，传输速度可以达
  • 亲测解决笔记本触摸板使用不了Touchpad not working 狂小虎 WindowsOfficeoffice电脑
    这个问题可以通过Fn+Fxx来解决，笔记本键盘上Fxx会有一个触摸板图标。如果不行应该玉藻设置中关了，打开即可。解决办法在蓝牙，触摸板里打开即可。Turnitoninsettings。
  • RK3568笔记五十六：yolov8_obb旋转框训练部署 殷忆枫 RK3568学习笔记笔记YOLO
    若该文为原创文章，转载请注明原文出处。本文基于rknn_model_zoo和山水无移大佬的博客和代码训练模型并部署到正点原子的ATK-DLRK3568板子测试。https://github.com/ultralytics/ultralytics一、训练1、环境搭建使用的是AUTODL环境，yolov8-obb数据集不大，也可以使用cpu。2、创建虚拟环境#创建虚拟环境condacreate-nyo
  • RK3568笔记六十八：Yolov11目标检测部署测试 殷忆枫 RK3568学习笔记笔记YOLO
    若该文为原创文章，转载请注明原文出处。看到yolov11出了，山水无移大佬测试通过，跟个风测试一下效果。使用的是正点原子的ATK-DLRK3568开发板。这里不训练自己的模型了，使用官方模型测试。一、环境搭建1、下载源码ultralytics/ultralytics:UltralyticsYOLO112、创建虚拟环境condacreate-nyolov11_envpython=3.83、激活con
  • 对开源VLA sota π0的微调——如何基于各种开源数据集、以及你自己的私有数据集微调π0(含我司的微调实践) v_JULY_v 通用机械臂之路:π0等VLAsota模型开源VLA的sota模型微调π0微调VLA模型基于私有数据集微调π0基于开源数据集微调π0
    前言25年2.4日，几个月前推出π0的公司PhysicalIntelligence(π)宣布正式开源π0及π0-FAST，如之前所介绍的，他们对用超过10,000小时的机器人数据进行了预训练该GitHub代码仓库「π0及π0-FAST的GitHub地址：github.com/Physical-Intelligence/openpi」包括4个方面：简言之，就是π0本身的代码和权重、特定平台上特定任务
  • 使用OpenAI API实现自然语言处理应用 shuoac 自然语言处理人工智能python
    使用OpenAIAPI实现自然语言处理应用技术背景介绍随着人工智能技术的不断发展，自然语言处理（NLP）在各种应用中的地位越来越重要。从自动文本生成、聊天机器人到智能搜索引擎，NLP技术的应用场景非常广泛。而OpenAI提供的API使得开发者可以轻松地将先进的NLP模型集成到他们的应用中。核心原理解析OpenAI的API基于强大的GPT（GenerativePre-trainedTransform
  • 2024年大数据技术4：Lambda和Kappa架构区别_lambda架构和kappa架构区别，2024年最新你花了多久弄明白架构设计 2401_84182146 程序员大数据面试学习
    既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新需要这份系统化资料的朋友，可以戳这里获取虽然Lambda架构使用起来十分灵活，并且可以适用于很多的应用场景，但在实际应用的时候，Lambda架构也
  • KUKA机器人：智能制造的先锋力量 机器人之树小风 机器人科技经验分享
    在科技日新月异的今天，自动化和智能化已成为推动制造业转型升级的重要引擎。作为全球领先的智能、资源节约型自动化解决方案供应商，KUKA机器人在这一浪潮中扮演着举足轻重的角色。本文将带您深入了解KUKA机器人的发展现状，探索其在智能制造领域的广泛应用与未来前景。一、KUKA机器人的全球布局与实力KUKA，这家源自德国的跨国自动化集团公司，以其卓越的技术实力和创新能力享誉全球。公司拥有超过15000名员
  • 【Kubernets】Kubernetes 的基础知识，Pod是什么？ 和容器的关系？多个容器如何在同一个 Pod 里协作？ {⌐■_■} Kuberneteskubernetes容器云原生
    1.Kubernetes的核心概念(1)Node（节点）定义：Node是Kubernetes集群中的工作机器，可以是物理机或虚拟机。类型：MasterNode：运行控制平面组件（如APIServer、Scheduler）。WorkerNode：运行应用负载（如Pod）。关键组件：Kubelet：负责与MasterNode通信，管理Pod和容器。KubeProxy：负责网络代理和负载均衡。容器运行时
  • 十条解决笔记本电脑摄像头问题方案 YOHAYOLa 日常笔记本电脑遇到的各种问题摄像头电脑摄像头问题科技生活windows其他
    最近我在各种投简历，然后很开心收到了各种各样的线上笔试通知。很多线上笔试都是基于多个平台进行的，例如牛客网、猿圈等。大多数笔试测试平台都是要求打开摄像头以及麦克风。相信也有很多伙伴在线上笔试或者面试的时候和我遇到了相同的问题——摄像头工作故障！根据我最近的经验，可以给大家汇总了几种解决方案！（每一条我都亲身测评过了！）本人电脑联想win10系统出现问题为摄像头闪退，时而正常时而黑屏。先给大家一个摄
  • 人工智能学习 星月IWJ 人工智能机器学习深度学习神经网络目标检测人工智能
    //-----初探-----//人工智能三大核心要素数据/算法/算力人工智能是通过机器来模拟人类认知能力的技术机器学习/神经网络/深度学习(多层隐藏层神经网络)tf1.14python3.5keras2.1.5//-----数学基础&&数字图像-----//向量大小/方向矢量(有大小和方向)标量(只有大小没有方向(长度))单位向量线性变换(矩阵运算)T(v+w)=T(v)+T(w)T(cv)=cT
  • 【Python】使用 requests 发送消息到飞书（Feishu）Webhook 教程 Prajna-Paramita python飞书开发语言
    本教程将指导你如何使用Python编写一个简单的脚本，通过飞书的Webhook功能发送消息到指定的群聊或频道。飞书的Webhook功能允许你通过HTTP请求将消息推送到飞书群聊中，非常适合用于自动化通知、监控报警等场景。1.准备工作1.1获取飞书WebhookURL首先，你需要在飞书中创建一个自定义机器人，并获取其WebhookURL。具体步骤如下：打开飞书，进入你想要接收消息的群聊。点击群聊右上
  • 解决电脑右侧数字键盘无法打出数字问题 qq_1716910570 电脑操作常见问题经验分享其他
    发现笔记本电脑右侧的数字键盘打不出数字，只有上面一排的数字可以使用，虽然有时候挺不方便但也没有去深究这个问题，今天别人用电脑的时候发现右侧数字键盘打不出数字，于是问我是不是这边的键盘坏了，当然不是…方法就是——点击电脑上的NumLOCK键（笔记本电脑上此按键右上角会有个白色指示灯，按键后亮灯），亮灯状态下就可以在右侧数字键盘打出数字了，相应的当再次按键时，熄灯状态下按键无效，可以理解为它是右侧数字
  • 深度学习复习笔记（6）线性回归——新冠预测项目 Kriol 深度学习初学深度学习笔记线性回归
    importmatplotlib.pyplotaspltimporttorch#框架importnumpyasnp#矩阵处理importcsv#读excel文件fromtorch.utils.dataimportDataLoader,Dataset#两个与数据处理相关的包，类Datasetimporttorch.nnasnn#类nn.Module需要用，损失函数需要用fromtorchimport
  • 向量空间与范数 Shockang 机器学习数学通关指南人工智能机器学习数学线性代数
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》ima知识库知识库广场搜索：知识库创建人机器学习@Shockang机器学习数学基础@Shockang深度学习@Shockang正文一、向量空间：机器学习的舞台1.1定义与核心要素️向量空间是机器学习的数学基础，它提供了描述和处理高
  • 互信息详解 Shockang 机器学习数学通关指南机器学习人工智能数学信息论
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》ima知识库知识库广场搜索：知识库创建人机器学习@Shockang机器学习数学基础@Shockang深度学习@Shockang正文互信息：变量间关联性的量化利器互信息(MutualInformation)是信息论中的核心概念，也是
  • QP 问题（Quadratic Programming, 二次规划） BineHello 算法人工智能强化学习自动驾驶线性代数
    QP问题（QuadraticProgramming,二次规划）是什么？QP（QuadraticProgramming，二次规划）是一类优化问题，其中目标函数是二次型函数，约束条件可以是线性等式或不等式。QP问题是线性规划（LP，LinearProgramming）的扩展形式，广泛应用于最优控制、机器学习、金融优化、信号处理等领域。一、QP问题的数学定义标准形式的QP问题如下：min⁡x12xTQx
  • 【力扣hot100】刷题笔记Day13 小涛44 力扣hot100刷题笔记leetcode笔记算法职场和发展数据结构python
    前言元宵节快乐~周六在图书馆快乐刷题！继续二叉树543.二叉树的直径-力扣（LeetCode）递归后序classSolution:defdiameterOfBinaryTree(self,root:Optional[TreeNode])->int:self.res=0#记录最长路径#递归求最大深度defdepth(node):ifnotnode:return0l=depth(node.left)#
  • 算法笔记入门——问题 I: 锤子剪刀布 (20) sauTCc 算法笔记算法
    题目描述大家应该都会玩“锤子剪刀布”的游戏：两人同时给出手势，胜负规则如图所示：现给出两人的交锋记录，请统计双方的胜、平、负次数，并且给出双方分别出什么手势的胜算最大。输入输入第1行给出正整数N（intmain(){intn;scanf("%d",&n);getchar();chara,b;intpin=0,vin_jia=0,vin_yi=0;intjia[3]={0},yi[3]={0};fo
  • 第20周：Pytorch文本分类入门 weixin_46620278 pytorch分类人工智能
    目录前言一、前期准备1.1环境安装导入包1.2加载数据1.3构建词典1.4生成数据批次和迭代器二、准备模型2.1定义模型2.2定义示例2.3定义训练函数与评估函数三、训练模型3.1拆分数据集并运行模型3.2使用测试数据集评估模型总结前言本文为[365天深度学习训练营]中的学习记录博客原作者：[K同学啊]说在前面本周任务：了解文本分类的基本流程、学习常用数据清洗方法、学习如何使用jieba实现英文分
  • 机器学习中的谱方法（Spectral Methods）与核方法（Kernel Methods） Cachel wood python机器学习和数据挖掘机器学习人工智能djangosklearnpython开发语言
    文章目录机器学习中的谱方法（SpectralMethods）与核方法（KernelMethods）1.谱方法（SpectralMethods）核心思想关键技术示例：谱聚类2.核方法（KernelMethods）核心思想关键技术示例：核SVM3.谱方法与核方法的对比4.核心联系5.如何选择？6.总结机器学习中的谱方法（SpectralMethods）与核方法（KernelMethods）谱方法和核方
  • Java每日一讲讲什么好_撩课-Java每天10道面试题第1天 Robeon Lee Java每日一讲讲什么好
    1.简述JDK、JRE、JVM？一、JDKJDK(JavaDevelopmentKit)是整个JAVA的核心，包括了Java运行环境(JavaRuntimeEnvirnment)，一堆Java工具(javac/java/jdb等)和Java基础的类库(即JavaAPI包括rt.jar)。JDK是java开发工具包，基本上每个学java的人都会先在机器上装一个JDK，那他都包含哪几部分呢？在目录下面
  • NLP新手入门-第N1周：Pytorch文本分类入门 Oaix Nay 365天深度学习训练记录pytorch自然语言处理分类
    本文为365天深度学习训练营中的学习记录博客原作者：K同学啊|接辅导、项目定制目录一、课题背景和开发环境二、环境安装三、文本分类1.加载数据2.构建词典3.生成数据批次和迭代器4.定义模型5.定义实例6.定义训练函数与评估函数7.拆分数据集并运行模型8.使用测试数据集评估模型一、课题背景和开发环境第N1周：Pytorch文本分类入门Python3.8.12pytorch==1.8.1+cu111t
  • 纯小白蓝桥杯备赛笔记--DAY4（竞赛常用库函数） 晏南午 蓝桥杯笔记职场和发展c++算法
    大小写转换islower和isupper：检查一个字符是否是小写或者大写。islower：检查小写。isupper：检查大写。函数的返回值为bool类型。头文件：或者是Tolower和toupper函数：tolower（charch）将ch转换为小写字母，大写不转换。toupper同理。ASCII码：大写字母的范围：65~90小写字母的范围：97~122大写转小写：ch1=ch+32;//不推荐c
  • 基于Pytorch深度学习——Softmax回归 EchoToMe 深度学习pytorch回归python
    本文章来源于对李沐动手深度学习代码以及原理的理解，并且由于李沐老师的代码能力很强，以及视频中讲解代码的部分较少，所以这里将代码进行尽量逐行详细解释并且由于pytorch的语法有些小伙伴可能并不熟悉，所以我们会采用逐行解释+小实验的方式来给大家解释代码大家都知道二分类问题我们在机器学习里面使用到的是逻辑回归这个算法，但是针对于多分类问题，我们常用的是Softmax技术，大家不要被这个名字给迷惑了，s
  • Python 在深度学习中的应用 2501_90435375 人工智能python深度学习开发语言
    深度学习是机器学习的一个分支，它通过构建和训练深层神经网络来实现对数据的学习和理解。Python作为一种简洁、易读、功能强大的编程语言，在深度学习领域得到了广泛的应用。本文将详细介绍Python在深度学习中的应用，包括深度学习的基础概念、Python深度学习库和框架、实际案例。二、深度学习的基础概念1.神经网络神经网络是深度学习的基础，它由多个神经元组成，每个神经元接收输入信号，进行加权求和，并通
  • 基于PyTorch的深度学习——机器学习1 Wis4e 深度学习机器学习pytorch
    监督学习是最常见的一种机器学习类型，其任务的特点就是给定学习目标，这个学习目标又称标签、标注或实际值等，整个学习过程就是围绕如何使预测与目标更接近而来的。近些年，随着深度学习的发展，分类除传统的二分类、多分类、多标签分类之外，也出现了一些新内容，如目标检测、目标识别、图像分割等监督学习的重要内容半监督学习是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，同时由部分使用标记
  • html 周华华 html
    js 1，数组的排列 var arr=[1,4,234,43,52,]; for(var x=0;x<arr.length;x++){    for(var y=x-1;y<arr.length;y++){      if(arr[x]<arr[y]){     &
  • 【Struts2 四】Struts2拦截器 bit1129 struts2拦截器
    Struts2框架是基于拦截器实现的，可以对某个Action进行拦截，然后某些逻辑处理，拦截器相当于AOP里面的环绕通知，即在Action方法的执行之前和之后根据需要添加相应的逻辑。事实上，即使struts.xml没有任何关于拦截器的配置，Struts2也会为我们添加一组默认的拦截器，最常见的是，请求参数自动绑定到Action对应的字段上。   Struts2中自定义拦截器的步骤是：
  • make:cc 命令未找到解决方法 daizj linux命令未知make cc
    安装rz sz程序时，报下面错误：   [root@slave2 src]# make posix cc   -O -DPOSIX -DMD=2 rz.c -o rz make: cc：命令未找到 make: *** [posix] 错误 127   系统：centos 6.6 环境：虚拟机   错误原因：系统未安装gcc，这个是由于在安
  • Oracle之Job应用 周凡杨 oracle job
    最近写服务，服务上线后，需要写一个定时执行的SQL脚本，清理并更新数据库表里的数据，应用到了Oracle 的 Job的相关知识。在此总结一下。   一：查看相关job信息    1、相关视图  dba_jobs  all_jobs  user_jobs  dba_jobs_running 包含正在运行
  • 多线程机制 朱辉辉33 多线程
    转至http://blog.csdn.net/lj70024/archive/2010/04/06/5455790.aspx 程序、进程和线程： 程序是一段静态的代码，它是应用程序执行的蓝本。进程是程序的一次动态执行过程，它对应了从代码加载、执行至执行完毕的一个完整过程，这个过程也是进程本身从产生、发展至消亡的过程。线程是比进程更小的单位，一个进程执行过程中可以产生多个线程，每个线程有自身的
  • web报表工具FineReport使用中遇到的常见报错及解决办法（一） 老A不折腾 web报表finereportjava报表报表工具
    FineReport使用中遇到的常见报错及解决办法（一） 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、address pool is full： 含义：地址池满，连接数超过并发数上
  • mysql rpm安装后没有my.cnf 林鹤霄 没有my.cnf
    Linux下用rpm包安装的MySQL是不会安装/etc/my.cnf文件的， 至于为什么没有这个文件而MySQL却也能正常启动和作用，在这儿有两个说法， 第一种说法，my.cnf只是MySQL启动时的一个参数文件，可以没有它，这时MySQL会用内置的默认参数启动， 第二种说法，MySQL在启动时自动使用/usr/share/mysql目录下的my-medium.cnf文件，这种说法仅限于r
  • Kindle Fire HDX root并安装谷歌服务框架之后仍无法登陆谷歌账号的问题 aigo root
    原文：http://kindlefireforkid.com/how-to-setup-a-google-account-on-amazon-fire-tablet/   Step 4: Run ADB command from your PC   On the PC, you need install Amazon Fire ADB driver and instal
  • javascript 中var提升的典型实例 alxw4616 JavaScript
    // 刚刚在书上看到的一个小问题,很有意思.大家一起思考下吧 myname = 'global'; var fn = function () { console.log(myname); // undefined var myname = 'local'; console.log(myname); // local }; fn() // 上述代码实际上等同于以下代码 m
  • 定时器和获取时间的使用 百合不是茶 时间的转换定时器
    定时器:定时创建任务在游戏设计的时候用的比较多   Timer();定时器 TImerTask();Timer的子类  由 Timer 安排为一次执行或重复执行的任务。       定时器类Timer在java.util包中。使用时，先实例化，然后使用实例的schedule(TimerTask task, long delay)方法，设定
  • JDK1.5 Queue bijian1013 javathreadjava多线程Queue
    JDK1.5 Queue LinkedList： LinkedList不是同步的。如果多个线程同时访问列表，而其中至少一个线程从结构上修改了该列表，则它必须 保持外部同步。（结构修改指添加或删除一个或多个元素的任何操作；仅设置元素的值不是结构修改。）这一般通过对自然封装该列表的对象进行同步操作来完成。如果不存在这样的对象，则应该使用 Collections.synchronizedList 方
  • http认证原理和https bijian1013 httphttps
    一.基础介绍         在URL前加https://前缀表明是用SSL加密的。 你的电脑与服务器之间收发的信息传输将更加安全。         Web服务器启用SSL需要获得一个服务器证书并将该证书与要使用SSL的服务器绑定。 http和https使用的是完全不同的连接方式，用的端口也不一样,前者是80，后
  • 【Java范型五】范型继承 bit1129 java
    定义如下一个抽象的范型类，其中定义了两个范型参数，T1，T2   package com.tom.lang.generics; public abstract class SuperGenerics<T1, T2> { private T1 t1; private T2 t2; public abstract void doIt(T
  • 【Nginx六】nginx.conf常用指令(Directive) bit1129 Directive
    1. worker_processes    8; 表示Nginx将启动8个工作者进程，通过ps -ef|grep nginx,会发现有8个Nginx Worker Process在运行   nobody 53879 118449 0 Apr22 ? 00:26:15 nginx: worker process
  • lua 遍历Header头部 ronin47 lua header 遍历　
    local headers = ngx.req.get_headers()   ngx.say("headers begin", "<br/>")   ngx.say("Host : ", he
  • java-32.通过交换a,b中的元素，使[序列a元素的和]与[序列b元素的和]之间的差最小(两数组的差最小)。 bylijinnan java
    import java.util.Arrays; public class MinSumASumB { /** * Q32.有两个序列a,b，大小都为n,序列元素的值任意整数，无序. * * 要求：通过交换a,b中的元素，使[序列a元素的和]与[序列b元素的和]之间的差最小。 * 例如: * int[] a = {100,99,98,1,2,3
  • redis 开窍的石头 redis
    在redis的redis.conf配置文件中找到# requirepass foobared 把它替换成requirepass 12356789 后边的12356789就是你的密码 打开redis客户端输入config get requirepass 返回 redis 127.0.0.1:6379> config get requirepass 1) "require
  • [JAVA图像与图形]现有的GPU架构支持JAVA语言吗？ comsci java语言
          无论是opengl还是cuda，都是建立在C语言体系架构基础上的，在未来，图像图形处理业务快速发展，相关领域市场不断扩大的情况下，我们JAVA语言系统怎么从这么庞大，且还在不断扩大的市场上分到一块蛋糕，是值得每个JAVAER认真思考和行动的事情       
  • 安装ubuntu14.04登录后花屏了怎么办 cuiyadll ubuntu
    这个情况，一般属于显卡驱动问题。 可以先尝试安装显卡的官方闭源驱动。 按键盘三个键：CTRL + ALT  +  F1 进入终端，输入用户名和密码登录终端： 安装amd的显卡驱动 sudo  apt-get  install  fglrx 安装nvidia显卡驱动 sudo  ap
  • SSL 与 数字证书 的基本概念和工作原理 darrenzhu 加密ssl证书密钥签名
    SSL 与 数字证书 的基本概念和工作原理 http://www.linuxde.net/2012/03/8301.html SSL握手协议的目的是或最终结果是让客户端和服务器拥有一个共同的密钥，握手协议本身是基于非对称加密机制的，之后就使用共同的密钥基于对称加密机制进行信息交换。 http://www.ibm.com/developerworks/cn/webspher
  • Ubuntu设置ip的步骤 dcj3sjt126com ubuntu
    在单位的一台机器完全装了Ubuntu Server，但回家只能在XP上VM一个，装的时候网卡是DHCP的，用ifconfig查了一下ip是192.168.92.128,可以ping通。 转载不是错： Ubuntu命令行修改网络配置方法 /etc/network/interfaces打开后里面可设置DHCP或手动设置静态ip。前面auto eth0，让网卡开机自动挂载. 1. 以D
  • php包管理工具推荐 dcj3sjt126com PHPComposer
    http://www.phpcomposer.com/   Composer是 PHP 用来管理依赖（dependency）关系的工具。你可以在自己的项目中声明所依赖的外部工具库（libraries），Composer 会帮你安装这些依赖的库文件。 中文文档  入门指南  下载  安装包列表 Composer 中国镜像
  • Gson使用四（TypeAdapter） eksliang jsongsonGson自定义转换器gsonTypeAdapter
    转载请出自出处：http://eksliang.iteye.com/blog/2175595 一.概述        Gson的TypeAapter可以理解成自定义序列化和返序列化 二、应用场景举例        例如我们通常去注册时（那些外国网站），会让我们输入firstName，lastName,但是转到我们都
  • JQM控件之Navbar和Tabs gundumw100 htmlxmlcss
    在JQM中使用导航栏Navbar是简单的。 只需要将data-role="navbar"赋给div即可： <div data-role="navbar"> <ul> <li><a href="#" class="ui-btn-active&qu
  • 利用归并排序算法对大文件进行排序 iwindyforest java归并排序大文件分治法Merge sort
      归并排序算法介绍，请参照Wikipeida zh.wikipedia.org/wiki/%E5%BD%92%E5%B9%B6%E6%8E%92%E5%BA%8F 基本思想： 大文件分割成行数相等的两个子文件，递归（归并排序）两个子文件，直到递归到分割成的子文件低于限制行数 低于限制行数的子文件直接排序 两个排序好的子文件归并到父文件 直到最后所有排序好的父文件归并到输入
  • iOS UIWebView URL拦截 啸笑天 UIWebView
    本文译者：candeladiao，原文：URL filtering for UIWebView on the iPhone说明：译者在做app开发时，因为页面的javascript文件比较大导致加载速度很慢，所以想把javascript文件打包在app里，当UIWebView需要加载该脚本时就从app本地读取，但UIWebView并不支持加载本地资源。最后从下文中找到了解决方法，第一次翻译，难免有
  • 索引的碎片整理SQL语句 macroli sql
    SET NOCOUNT ON DECLARE @tablename VARCHAR (128) DECLARE @execstr VARCHAR (255) DECLARE @objectid INT DECLARE @indexid INT DECLARE @frag DECIMAL DECLARE @maxfrag DECIMAL --设置最大允许的碎片数量,超过则对索引进行碎片
  • Angularjs同步操作http请求with $promise qiaolevip 每天进步一点点学习永无止境AngularJS纵观千象
    // Define a factory app.factory('profilePromise', ['$q', 'AccountService', function($q, AccountService) { var deferred = $q.defer(); AccountService.getProfile().then(function(res) {
  • hibernate联合查询问题 sxj19881213 sqlHibernateHQL联合查询
    最近在用hibernate做项目，遇到了联合查询的问题，以及联合查询中的N+1问题。 针对无外键关联的联合查询，我做了HQL和SQL的实验，希望能帮助到大家。（我使用的版本是hibernate3.3.2）   1 几个常识：  （1）hql中的几种join查询，只有在外键关联、并且作了相应配置时才能使用。  （2）hql的默认查询策略，在进行联合查询时，会产
  • struts2.xml wuai struts
    <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configuration 2.3//EN" "http://struts.apache
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他