- 【循环神经网络rnn】一篇文章讲透
CX330的烟花
rnn人工智能深度学习算法python机器学习数据结构
目录引言二、RNN的基本原理代码事例三、RNN的优化方法1长短期记忆网络(LSTM)2门控循环单元(GRU)四、更多优化方法1选择合适的RNN结构2使用并行化技术3优化超参数4使用梯度裁剪5使用混合精度训练6利用分布式训练7使用预训练模型五、RNN的应用场景1自然语言处理2语音识别3时间序列预测六、RNN的未来发展七、结论引言众所周知,CNN与循环神经网络(RNN)或生成对抗网络(GAN)等算法结
- 自然语言处理(NLP)技术的概念及优势
刘小董
学习心得自然语言处理
自然语言处理(NLP)是人工智能领域的一个重要分支,其目标是使计算机能够理解、处理和生成人类自然语言的形式和含义。NLP技术的优势包括:实现人机交互:NLP技术可以使计算机与人类之间实现自然的语言交互,使人们可以通过语音识别、语义理解等方式与计算机进行交流。大规模文本处理:NLP技术可以对大规模文本进行自动化处理和分析,提取关键信息和知识,从而实现文本分类、情感分析、信息检索等任务。自动化翻译:N
- AI智能电销机器人帮助我们开发业务的效果如何呢?
VO_794632978
语音机器人WX-794632978人工智能机器人语音识别阿里云腾讯云
AI电销机器人获客效果怎么样?AI电销机器人是人工智能语音识别系统的应用产品,2018年6月以后,全国电销机器人全面开花,呈现出井喷的状态。疫情3年,全球AI巨头们没有停下深度研发的步伐,AI电销机器人在不断的升级迭代!疫情刚刚结束,作为市场刚需的AI电销机器人又火了起来!我们一起来了解一下它能帮助我们什么。一、语音识别率大幅提高,帮助企业解决诸多难题。语音识别功能是智能语音机器人更基本的功能,也
- 真快!几分钟就把视频语音识别为文本了,不到10行代码
诗者才子酒中仙
音视频语音识别人工智能
虽然已经很简单了,但是对于程序员来说还是不够简洁,毕竟程序员都很“懒”,Whisper虽说安装和调用已经很简单了,但还是需要独立安装PyTorch、ffmpeg甚至Rust。将音视频文件中的音频转为文字内容,这个需求放到两年前还不大好实现,但是放到今天,几分钟就解决了。听说有的公司为了抓取训练数据,已经把抖音、快手这些短视频平台上的视频扒了个遍,然后将其中的音频提取成文本,用作大数据模型的训练语料
- 语音系统智能AI机器人AI源码营销机器人电销机器人智能电话机器人拨号机器人语音机器人空号识别FreeSWITCH呼叫中心中间ipbxIPBX科大识别阿里识别语音识别语音翻译AI语音系统电销机器人系统搭
ai语音机器人
电销系统电销机器人语音系统机器人bootstraphtmldreamweaver人工智能
2022新版本AI智能系统已修复远程执行漏洞1、增加话术体验模式,支持检测话术的完整性。2.支持开通运营商免费独立绑定公众号3、支持:空号,拒接,通话中,无法接通。。。结果识别4、意向客户推送ABC5.支持打断,支持重复回答6.终端账户支持单账户绑定多个微信7,支持单账户不通过VOS对接多台设备,支持多任务固定单独坐席拨打互不干扰。8。免费赠送话术,售后专门指导教学包教包会承诺一年售后服务!本系统
- 基于深度学习的中文语音识别系统(毕设)
程序员奇奇
深度学习从入门到精通语音识别深度学习人工智能
该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模,其中声学模型包括CNN-CTC、GRU-CTC、CNN-RNN-CTC,语言模型包含transformer、CBHG,数据集包含stc、primewords、Aishell、thchs30四个数据集。本项目现已训练一个迷你的语音识别系统,将项目下载到本地上,下载thchs数据集并解压至data,运行test.py,不出意外能够进行识别,
- 深度学习笔记1:神经网络端到端学习笔记
撒哈拉土狼
深度学习
许多重要问题都可以抽象为变长序列学习问题(sequencetosequencelearning),如语音识别、机器翻译、字符识别。这类问题的特点是,1)输入和输出都是序列(如连续值语音信号/特征、离散值的字符),2)序列长度都不固定,3)并且输入输出序列长度没有对应关系。因此,传统的神经网络模型(DNN,CNN,RNN)不能直接以端到端的方式解决这类问题的建模和学习问题。解决变长序列的端到端学习,
- 深度学习的进展
CuiXg
深度学习人工智能
深度学习的进展深度学习作为人工智能领域的重要分支之一,利用神经网络模拟人类大脑的学习过程,通过数据训练模型以自动提取特征、识别模式、进行分类和预测等任务。近年来,深度学习在多个领域取得显著进展,尤其在自然语言处理、计算机视觉、语音识别和机器翻译等方面实现了突破性进展。方向一:深度学习的基本原理和算法深度学习基于神经网络概念,涉及反向传播、卷积神经网络、循环神经网络等算法。这些算法模拟人脑神经元间的
- 全球知名语音大模型介绍
科学禅道
大模型专栏语音大模型深度学习人工智能语音识别
全球知名的语音大模型包括但不限于以下几种:OpenAIWhisper:OpenAI于2022年发布的Whisper是一个大规模的多语言端到端语音转文本模型,它能够在多个语种上实现高质量的自动语音识别(ASR),并且具备一定的翻译能力。目前最新版本是OpenAIWhisperV3,发布时间为2023年11月7日。DeepMindWaveNet:DeepMind开发的WaveNet是一种开创性的神经网
- 探索卷积神经网络的奇妙世界-JSP
hkmaike
cnn人工智能神经网络
卷积神经网络(ConvolutionalNeuralNetworks,CNNs)是一种深度学习模型,被广泛用于图像识别、语音识别、自然语言处理等领域。它的特殊结构使得它在处理具有空间结构的数据时表现出色。本文将深入介绍卷积神经网络的原理、应用和未来发展方向。卷积神经网络的基本结构卷积神经网络的核心是卷积层(ConvolutionalLayer)。卷积层通过滤波器(Filter)在输入数据上进行滑动
- 什么是机器学习
瑞瑞大大
机器学习
随着科技的飞速发展,机器学习已经逐渐渗透到我们生活的各个领域,从智能家居到自动驾驶,从语音识别到图像识别,机器学习的应用无处不在。本文将浅析机器学习的概念、原理以及其在现实生活中的应用。首先,机器学习是什么?机器学习是一种人工智能的方法,它通过让计算机从数据中学习规律和模式,进而实现预测和决策。机器学习的核心思想是:利用已有的数据,通过算法构建一个模型,使得该模型能够在新的数据上做出准确的预测。简
- uniapp中实现H5录音和上传、实时语音识别(兼容App小程序)和波形可视化
在uniapp中使用Recorder-UniCore插件可以实现跨平台录音功能,uniapp自带的recorderManager接口不支持H5、录音格式和实时回调onFrameRecorded兼容性不好,用Recorder插件可避免这些问题。DCloud插件市场下载插件(有demo项目源码):https://ext.dcloud.net.cn/plugin?name=Recorder-UniCor
- 深度学习——概念引入
韶光流年都束之高阁
深度学习日记深度学习人工智能职场和发展
深度学习深度学习简介深度学习分类根据网络结构划分:循环神经网络卷积神经网络根据学习方式划分:监督学习无监督学习半监督学习根据应用领域划分:计算机视觉自然语言处理语音识别生物信息学深度学习简介深度学习(DeepLearning,DL)是机器学习领域中的一个新的研究方向,主要是通过学习样本数据的内在规律和表示层次,让机器能够具有类似于人类的分析学习能力。深度学习的最终目标是让机器能够识别和解释各种数据
- ChatGPT和LLM
小米人er
我的博客chatgpt
ChatGPT和LLM(大型语言模型)之间存在密切的关系。首先,LLM是一个更为抽象的概念,它包含了各种自然语言处理任务中使用的各种深度学习模型结构。这些模型通过建立深层神经网络,根据已有的大量文本数据进行文本自动生成。其核心思想是基于训练数据中的统计规律,将输入序列转化为概率分布,进而输出目标序列。这种技术广泛应用于各种自然语言处理任务,如机器翻译、语音识别、文本生成等。而ChatGPT则是基于
- 人工智能到底是什么?
Evaporator Core
人工智能人工智能
人工智能(ArtificialIntelligence,AI)是一种利用计算机科学和统计学理论和技术来实现人类智能的一门交叉学科,旨在使计算机系统能够模拟、扩展和增强人类的智能能力,使计算机能够像人类一样思考、学习、决策和执行任务。简单来说,人工智能是计算机程序的一种,可以使计算机完成类似于人类的任务,例如视觉识别、语音识别、自然语言处理、智能推荐、自主决策等等。人工智能的发展史人工智能(Arti
- AI手机是什么原理
小黄人软件
人工智能智能手机
AI手机,即搭载人工智能技术的智能手机,基于几个核心原理和技术来提升用户体验和手机的智能化程度。这些原理主要包括:机器学习和深度学习:AI手机利用机器学习算法,尤其是深度学习模型,来分析和理解用户数据(如照片、视频、文本和语音)。这些技术使得手机能够提供个性化的用户体验,比如智能推荐、语音识别和图像识别。自然语言处理(NLP):AI手机使用NLP技术来理解和生成人类语言,使得用户可以通过语音命令与
- 深度学习疆界:探索基本原理与算法,揭秘应用力量,展望未来发展与智能交互的新纪元
Srlua
人工智能深度学习人工智能
目录什么是深度学习深度学习的基本原理和算法深度学习的应用实例深度学习的挑战和未来发展方向挑战未来发展方向深度学习与机器学习的关系深度学习与人类的智能交互什么是深度学习深度学习是一种基于神经网络的机器学习方法,旨在模仿人类大脑分析和学习数据的方式。深度学习的核心在于能够自动学习和提取数据中的复杂特征,它通过构建深层的神经网络结构来实现对数据的高层次抽象和理解。这种方法在图像识别、语音识别、自然语言处
- 深度学习的进展
五行缺你94
笔记深度学习人工智能
深度学习是人工智能领域的一个重要分支,它利用神经网络模拟人类大脑的学习过程,通过大量数据训练模型,使其能够自动提取特征、识别模式、进行分类和预测等任务。近年来,深度学习在多个领域取得了显著的进展,尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。随着算法和模型的改进、计算能力的提升以及数据量的增长,深度学习的应用范围不断扩大,对各行各业产生了深远的影响。方向一:深度学习的
- 机器学习
会敲键盘的猩猩
PRML机器学习
在过去50年,机器学习的研究已经从几个计算机工程师探索计算机是否能学会玩游戏的影响下不断成长,统计领域(在很大程度上忽视计算的考虑)到广泛的学科(该学科产生了基本的学习过程的统计-计算理论)已经设计了许多学习算法,这些算法通常应用在商业系统中,例如语音识别,计算机视觉,和其他各种各样的任务,并已剥离了数据挖掘中的工业来发掘网上不断增长的数据量中隐藏的规律。这篇文章提供了该学科(已经作为机器学习出现
- 扩展语音识别系统:增强功能与多语言支持
GT开发算法工程师
语音识别人工智能
一、引言在之前的博客中,我们成功构建了一个基于LibriSpeech数据集的英文语音识别系统。现在,我们将对系统进行扩展,增加一些增强功能,并尝试支持多语言识别。二、增加增强功能语音合成--除了语音识别,我们还可以增加语音合成(Text-to-Speech,TTS)功能,将文本转换为语音输出。这可以使得我们的系统不仅仅是一个转录工具,还能够进行语音交互。情感分析--通过结合情感分析模型,我们可以识
- ASR 概述
墨鸦_Cormorant
PythonASR
前言随着企业加强了与客户的线上沟通,企业越发依赖于虚拟助手、聊天机器人以及其他的语音技术,以实现与客户的高效互动。这几类人工智能,都是依赖于自动语音识别技术,简称为ASR。ASR涉及到将语音转换为文本,促使计算机理解人类语言并与人类对话。语音识别技术,也被称为自动语音识别AutomaticSpeechRecognition(ASR),其目标是将人类的语音中的词汇内容转换为计算机可读的输入,例如按键
- 深度学习的应用实例
数字化信息化智能化解决方案
深度学习人工智能
深度学习在各个领域都有广泛的应用,下面我将为您介绍一些在自然语言处理、计算机视觉、语音识别和机器翻译等领域的应用实例以及最新进展和突破。自然语言处理(NLP)情感分析:深度学习模型如循环神经网络(RNN)和Transformer等已被广泛用于情感分析任务,例如识别文本中的情感倾向或情感类别。最新的进展包括使用预训练的语言模型(如BERT)进行情感分析,这些模型在大量无监督数据上进行预训练,并在特定
- 中文语音标注工具FunASR(语音识别)
我要用代码向我喜欢的女孩表白
语音识别人工智能
全称AFundamentalEnd-to-EndSpeechRecognitionToolkit(一个语音识别工具)可能大家用过whisper(openAi),它【标注英语的确很完美】,【但中文会出现标注错误】或搞了个没说的词替换上去,所以要人工核对,麻烦。FunASR作用:能【准确】识别语音,并转成【文字、标出声调】他的原理,就不讲了,俺是搞大数据的,python这东西就勉强能写个爬虫和接口,机
- 深度学习的进展
JayGboy
深度学习人工智能
深度学习的进展深度学习是人工智能领域的一个重要分支,它利用神经网络模拟人类大脑的学习过程,通过大量数据训练模型,使其能够自动提取特征、识别模式、进行分类和预测等任务。近年来,深度学习在多个领域取得了显著的进展,尤其在自然语言处理、计算机视觉、语音识别和机器翻译等领域取得了突破性的进展。随着算法和模型的改进、计算能力的提升以及数据量的增长,深度学习的应用范围不断扩大,对各行各业产生了深远的影响。深度
- 神经网络和深度学习
灰斗儿
原著作者:michael_nielsen前往神经网络和深度学习神经网络和深度学习是一本免费的在线图书,这本书将教给你:神经网络,是一个由于生物启发的编程规范,使计算机通过观察数据进行学习深度学习,一种强大的神经网络学习技术神经网络和深度学习目前为图像识别、语音识别和自然语言处理中的许多问题提供了最好的解决方案。这本书将教你许多神经网络和深度学习背后的核心概念。有关这本书所采取的方法的更多的细节,看
- Beam search 以及在语音识别(pure E2E)中的使用
panxin801
语音识别处理
Beamsearch以及在语音识别(pureE2E)中的使用Author:XinPanDate:2021.2.22语音识别(ASR)中解码时一个很重要的过程。在其中不论是传统语音识别或是E2E的新结构虽然LM也许不存在了,但是解码过程和其中的解码方法是必不可少的。首先简单说下beamsearch,之后说下ASRE2E+withoutLM这种方式中beamsearch如何使用的。BeamSearch
- Toolify.ai 帮助你发现最好的 AI 网站和 AI 工具
叶庭云
暂时人工智能AIToolify.ai工具网站
CSDN叶庭云:https://yetingyun.blog.csdn.net/人工智能作为一门前沿科技领域,吸引着越来越多的人关注和投入。首先,让我们探讨一下为什么对人工智能感兴趣是值得的:科技进步与应用:近年来,人工智能技术在各行各业迅速发展。从语音识别到智能音箱,从无人驾驶到人机对战,人工智能为人类社会带来了一次又一次惊喜。对人工智能的兴趣,意味着你关心科技进步,愿意探索新的应用领域。职业发
- PyTorch vs TensorFlow:谁拥有更多预训练深度学习模型?
suoge223
机器学习实用指南深度学习pytorchtensorflow
众所周知,访问预先训练的深度学习模型对于当代深度学习应用至关重要。随着最先进的模型变得越来越大,达到数万亿个参数,在许多领域,尤其是自动语音识别等领域,从头开始训练高级模型不再有意义。鉴于预训练深度学习模型的重要性,哪个深度学习框架(PyTorch或TensorFlow)为用户提供更多此类模型是一个需要回答的重要问题。在本文中,我们将定量地探讨这个主题,以便您可以随时了解深度学习领域的当前状态。为
- 工信部颁发的《自然语言与语音处理设计开发工程师》中级证书的培训通知
人工智能技术与咨询
人工智能计算机视觉自然语言处理
国家发展大势所趋,促进各行各业智能化、数字化转型,而计算机自然语言处理是一个快速发展的领域,随着人工智能技术的不断发展和应用,对自然语言处理的需求也越来越大。因此,计算机自然语言处理的就业前景非常好。在就业方面,计算机自然语言处理领域主要涉及人工智能、自然语言处理、机器学习、语音识别、信息检索等方面的工作,包括算法工程师、数据分析师、自然语言处理工程师、语音处理工程师、信息检索工程师等职位。在科技
- 《零基础实践深度学习》1.4.1飞桨产业级深度学习开源开放平台介绍
软工菜鸡
《零基础实践深度学习》百度飞桨人工智能深度学习机器学习AI
1.4飞桨产业级深度学习开源开放平台介绍1.4.1深度学习框架近年来,深度学习在很多机器学习任务中都有着非常出色的表现,在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域都有着广泛应用。面对繁多的应用场景,深度学习框架有助于建模者聚焦业务场景和模型设计本身,省去大量而繁琐的代码编写工作,其优势主要表现在如下两个方面:节省编写大量底层代码的精力:深度学习框架屏蔽了底层
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓