- 秒杀ChatGPT ?国产之光DeepSeek探究
南风过闲庭
搜索引擎ai科技人工智能大数据chatgpt
1.DeepSeek公司概况1.1成立背景与发展历程DeepSeek,全称杭州深度求索人工智能基础技术研究有限公司,成立于2023年7月17日,由知名量化资管巨头幻方量化创立。幻方量化为DeepSeek的技术研发提供了强大的硬件支持,使其成为大厂外唯一一家储备万张A100芯片的公司。自成立以来,DeepSeek专注于开发先进的大语言模型(LLM)和相关技术,取得了显著的成果。2023年11月2日,
- 深度剖析 DeepSeek V3 技术报告:架构创新与卓越性能表现
m0_74823947
面试学习路线阿里巴巴架构人工智能
随着人工智能(AI)技术的不断发展,各种大规模语言模型(LLM)层出不穷,DeepSeekV3作为其中的一员,凭借其出色的性能表现和创新的架构设计,吸引了广泛关注。本文将通过对官方发布的DeepSeekV3技术报告的深入解析,从多个维度剖析DeepSeekV3如何通过先进的技术手段,在保持性能卓越的同时优化计算和内存开销。一、性能卓越,超越同行DeepSeekV3在多个权威基准测试中展现了强大的性
- Engineering A Large Language Model From Scratch
UnknownBody
语言模型人工智能自然语言处理
本文是LLM系列文章,针对《EngineeringALargeLanguageModelFromScratch》的翻译。从头开始设计一个大语言模型摘要1引言2Atinuke算法3结果4相关工作5讨论6结论摘要自然语言处理(NLP)中深度学习的激增导致了创新技术的发展和发布,这些技术能够熟练地理解和生成人类语言。Atinuke是一种基于Transformer的神经网络,通过使用独特的配置来优化各种语
- Qwen2.5-Coder Technical Report
UnknownBody
LLMDailyLLMforcodeTechnicalReport语言模型人工智能自然语言处理
本文是LLM系列文章,针对《Qwen2.5-CoderTechnicalReport》的翻译。Qwen2.5-Coder技术报告摘要1引言2模型架构3预训练3.1预训练数据3.1.1数据组成3.1.2数据混合3.2训练策略3.2.1文件级预训练3.2.2仓库级预训练4后训练4.1指令数据的配方4.2训练策略5去污6在基础模型上的评估6.1代码生成6.2代码补全6.3代码推理6.4数学推理6.5通用
- LLM的MoE架构的“动态路由”为什么能训练出来?
互联网之路.
知识点架构
互联网各领域资料分享专区(不定期更新):Sheet正文大型语言模型(MoE)架构中的“动态路由”之所以能够被有效训练,关键在于其设计融合了可微分的路由机制、专家协同优化以及负载均衡约束。以下是具体原因和技术原理的解析:一、动态路由的可微分性与端到端优化门控网络的可训练性动态路由的核心是门控网络(GatingNetwork),它是一个可训练的神经网络,通过输入数据生成专家权重分布。例如,输入经过门控
- Browser-Use:AI如何“操控”浏览器进行自动化测试?
东汉末年出bug
人工智能自动化测试工具
Browser-Use简介Browser-Use是一个开源的Python库,旨在简化AI代理与浏览器之间的交互。通过集成Playwright等浏览器自动化工具,Browser-Use允许开发者使用任何支持LangChain的大型语言模型(LLM),如GPT-4、Claude等,来自动化浏览网页、提取信息、模拟用户操作等。这不仅极大地提高了网页数据抓取的效率,还为开发者提供了一个灵活、可扩展的框架,
- 垂类大模型微调(二):使用LLaMA-Factory
CITY_OF_MO_GY
从零到亿大模型微调llama
上一篇博文和大家一起安装了LLaMA-Factory工具,并下载了大模型在上面进行了简单的加载和推理,今天尝试通过LoRa技术对大模型进行微调;一、训练集准备1.1介绍训练集结构这里演示对Qwen2.5-0.5B-Instruct-GPTQ-Int4模型进行LoRA微调,大家可以根据垂类大模型微调(一)从魔塔中下载对应模型;目前该工具支持指令监督微调(Alpaca格式)和多轮对话微调(
- AI大模型-提示工程学习笔记13—自动提示工程师 (Automatic Prompt Engineer)
9命怪猫
AI人工智能大模型aiprompt
卷首语:我所知的是我自己非常无知,所以我要不断学习。写给AI入行比较晚的小白们(比如我自己)看的,大神可以直接路过无视了。自动提示工程师(APE)是一种利用大语言模型(LLM)自动生成和优化提示(Prompt)的框架,旨在减少人工设计提示的工作量,并提高LLM在特定任务上的性能。与手动设计提示不同,APE通过让LLM自身生成和评估提示,自动探索更有效的提示策略,从而实现提示工程的自动化。以下是对A
- RAG+LLM和直接将整理的知识训练到模型中去有什么区别,各自有什么优缺点
MonkeyKing.sun
RAG+LLM训练模型
1.RAG(Retrieval-AugmentedGeneration)+LLM(LargeLanguageModel)概念RAG是将信息检索与生成模型相结合的一种方法。具体来说,RAG会从一个知识库(如数据库、文档库、向量数据库等)中检索相关的信息片段或条目,然后将这些信息与输入的查询一起传递给一个生成模型(如GPT、T5、BERT等)进行回答生成。这个过程通常包括以下步骤:检索:从一个知识库中
- 金融大模型应用的机遇与挑战
Python程序员罗宾
金融人工智能语言模型数据库自然语言处理
大模型本质特征大模型通常指大语言模型(LargeLanguageModel,LLM),是基于深度学习算法的自然语言处理技术,是通用大模型。大模型也在从单一自然语言处理模态向语音、图像等多模态大模型演进。目前国内外推出了众多的大模型,国内就不下上百款,也因此被称为“百模大战”或“千模大战”。但很多所谓的“大模型”仅是叫“大模型”而已,不管参数量多少,都不能称为真正的大模型。参数量是大模型的一个特征,
- 1秒响应、90%决策准确率!京东商家智能助手的技术探索
京东零售技术
人工智能大模型
引言多智能体的架构演进过程:第一阶段:B商城工单自动回复,LLM和RAG结合知识库应答,无法解决工具调用。第二阶段:京东招商站,单一Agent处理知识库问答和工具调用,准确率低&LLM模型幻觉,场景区分度差。第三阶段:京麦智能助手,引入multi-agent架构,master+subagents协同工作模式,把问题分而治之,显著提升准确率。商家助手的算法底座是基于大语言模型(LLM)构建的Mul
- LLaMA-Factory|微调大语言模型初探索(3),qlora微调deepseek记录
闻道且行之
自然语言处理语言模型人工智能qlora微调llamadeepseek
前言 上篇文章记录了使用lora微调llama-1b,微调成功,但是微调llama-8b显存爆炸,这次尝试使用qlora来尝试微调参数体量更大的大语言模型,看看64G显存的极限在哪里。1.WhyQLora?QLoRA在模型加载阶段通过4-bit量化大幅减少了模型权重的显存占用。QLoRA通过反量化到BF16进行训练,在保持计算精度的同时,进一步节省显存和提高效率。QLoRA在加载、训练、以及权重
- DeepSeek 与网络安全:AI 在网络安全领域的应用与挑战
一ge科研小菜菜
人工智能运维网络
个人主页:一ge科研小菜鸡-CSDN博客期待您的关注1.引言在当今数字化时代,网络安全已成为国家、企业和个人面临的重要挑战。从传统的病毒、木马攻击,到高级持续性威胁(APT)、零日漏洞和供应链攻击,网络威胁的形式日益复杂。与此同时,人工智能(AI)技术的快速发展正在为网络安全提供全新的解决方案,而DeepSeek作为AI领域的新兴力量,也正在探索如何利用深度学习和大规模语言模型(LLM)加强网络安
- DeepSeek模型量化
快乐非自愿
deepseek
技术背景大语言模型(LargeLanguageModel,LLM),可以通过量化(Quantization)操作来节约内存/显存的使用,并且降低了通讯开销,进而达到加速模型推理的效果。常见的就是把Float16的浮点数,转换成低精度的整数,例如Int4整数。最极限的情况下,可以把参数转化成二值Bool变量,也就是只有0和1,但是这种大幅度的量化有可能导致模型的推理效果不佳。常用的是,在70B以下的
- 目前(2025年2月)计算机视觉(CV)领域一些表现优异的深度学习模型
空空转念
深度学习系列计算机视觉深度学习人工智能
按任务类型分类介绍:图像分类CoCa:结合对比学习和生成学习,通过对比损失对齐图像和文本嵌入,并使用标题生成损失预测文本标记。它在图像分类、跨模态检索和图像描述等任务中表现出色,且仅需极少的任务特定微调。PaLI:这是一个多模态模型,结合了40亿参数的视觉Transformer(ViT)和多种大型语言模型(LLM),并在包含100多种语言的100亿图像和文本数据集上进行训练。PaLI在图像描述、视
- 人工智能(AI):科技新纪元的领航者
r_martian
AI人工智能科技
摘要人工智能(AI)作为当今科技领域最具变革性的力量之一,正以惊人的速度重塑着我们的世界。本文旨在全面且专业地介绍人工智能,涵盖其定义、发展历程、关键技术、应用领域、面临的挑战以及未来展望等方面,以期为读者呈现一幅清晰、深入的人工智能图景。一、引言在科技飞速发展的今天,人工智能已不再是科幻作品中的遥远概念,而是切实融入到我们日常生活和各个行业的重要技术。从智能手机上的语音助手到自动驾驶汽车、LLM
- Langflow与Dify对比:低代码LLM应用开发平台如何选择?
几道之旅
几道之旅AI专栏VVVIPDify:智能体(Agent)工作流知识库全搞定低代码
随着大语言模型(LLM)的普及,越来越多的开发者希望快速构建基于LLM的应用程序。然而,直接调用API或编写复杂代码的门槛较高,因此低代码/无代码平台成为热门选择。Langflow和Dify作为两款基于LangChain生态的工具,都致力于简化LLM应用的开发流程,但两者的定位和功能存在显著差异。本文将从核心定位、功能模块、适用场景等维度进行对比分析,帮助开发者做出选择。一、核心定位对比Langf
- 【大模型】AI 辅助编程操作实战使用详解
陆鳐LuLu
人工智能
近年来,大型语言模型(LLM)在代码生成、代码补全和代码解释等方面展现出强大能力,成为开发者提升效率的利器。以下将详细介绍如何利用大模型进行AI辅助编程。一、选择合适的工具目前有多种AI辅助编程工具可供选择,常见的有:GitHubCopilot:由GitHub和OpenAI合作开发,支持多种编程语言,提供代码补全、函数生成等功能。AmazonCodeWhisperer:亚马逊推出的AI编程助手,支
- 大语言模型:从开发到运行的深度解构
nbsaas-boot
语言模型人工智能自然语言处理
一、LLM开发训练的全流程解析1.数据工程的炼金术数据采集:构建涵盖网页文本(CommonCrawl)、书籍、论文、代码等领域的超大规模语料库,典型规模可达数十TB。例如GPT-4的训练数据包含超过13万亿token数据清洗:通过质量过滤(去除低质内容)、去重(MinHash算法)、毒性检测(NSFW内容识别)等步骤构建高质量数据集数据增强:引入代码数据提升逻辑性(如GitHub代码)、多语言数据
- LLM论文笔记 15: Transformers Can Achieve Length Generalization But Not Robustly
Zhouqi_Hua
大模型论文阅读论文阅读语言模型自然语言处理深度学习笔记
Arxiv日期:2024.2.14机构:GoogleDeepMind/UniversityofToronto关键词长度泛化位置编码数据格式核心结论1.实验结论:十进制加法任务上的长度泛化最佳组合:FIRE位置编码随机化位置编码反向数据格式索引提示(indexhints,辅助定位)2.在适当的配置下,Transformer模型可以泛化到训练序列长度的2.5倍(例如从40位加法训练成功泛化到100位加
- Xmodel-VLM: A Simple Baseline for Multimodal Vision Language Model
UnknownBody
LLMDailyMultimodal语言模型人工智能自然语言处理
本文是LLM系列文章,针对《Xmodel-VLM:ASimpleBaselineforMultimodalVisionLanguageModel》的翻译。XmodelVLM:一种多模态视觉语言模型的简单基线摘要1引言2相关工作3模型架构4实验5消融研究6结论摘要我们介绍了XmodelVLM,一种前沿的多模态视觉语言模型。它是为在消费级GPU服务器上高效部署而设计的。我们的工作直接面对一个关键的行业
- 将 Llama 3 与 Ollama 和 Python 结合使用 使用 Ollama API 访问这一领先模型
知识大胖
NVIDIAGPU和大语言模型开发教程Python源码大全llamapython开发语言
Meta最近发布的新法学硕士Llama3在人工智能领域引起了轰动。例如,请查看我对下面型号的70B版本的评论和测试。在我的测试中,Llama3令人印象深刻,但它们是使用聊天界面进行的。如果您想对此模型进行编程以执行有用的任务或使用Python创建您自己的模型聊天界面,该怎么办?本文将向您准确展示如何使用Ollama来做到这一点。如果您不知道Ollama是什么,这是一个允许您在本地下载Llama3等
- 科普:大模型使用中的temperature 与 top-k及其它
人工干智能
大模型编程人工智能大模型
在大语言模型(如通过Ollama运行的llama2模型)中,temperature和top-k是两个用于控制文本生成过程的重要参数,它们在功能上相互独立,但又共同影响着模型生成文本的随机性和多样性。一、各自的作用temperature:该参数主要用于控制生成文本的随机性。它会对模型预测的词概率分布进行调整。具体来说,temperature值越高,概率分布就越平滑,各个词被选中的概率就越接近,生成文
- python中轻量级 LLM 应用开发框架 Promptic 如何有效进行对话管理?
大懒猫软件
pythonpromptllamaredis
使用Promptic进行对话管理是一个高效且灵活的过程,它通过装饰器模式、动态提示生成、状态管理等功能,帮助开发者快速构建基于LLM的对话系统。以下是详细的全过程分析:1.安装Promptic首先,需要通过pip安装Promptic:bash复制pipinstallpromptic2.基本用法Promptic使用@llm装饰器将普通函数转换为由LLM驱动的函数。函数的文档字符串将作为提示模板,与函
- 用示例提升大语言模型的查询分析能力!
llzwxh888
语言模型windows人工智能python
引言随着查询分析的复杂性增加,大语言模型(LLM)在理解如何响应某些场景时可能会面临挑战。为了提高性能,我们可以在提示中添加示例,以便更好地引导模型。本文将详细介绍如何为我们在Quickstart中构建的LangChainYouTube视频查询分析器添加示例,以优化其响应准确性。主要内容设置环境安装依赖项我们需要安装langchain-core和langchain-openai库。#%pipins
- 如何创建自定义Retriever来增强LLM应用程序
llzwxh888
服务器运维python
引言在许多大语言模型(LLM)应用中,我们需要从外部数据源中检索信息,以便生成更准确和相关的响应。这些信息往往通过Retriever模块检索,然后用于生成提示,供LLM进行处理和响应。在这篇文章中,我们将深入探讨如何创建一个自定义Retriever,并提供代码示例来帮助你在自己的项目中实现这一功能。主要内容Retriever接口要创建一个自定义Retriever,你需要扩展BaseRetrieve
- 一个完全免费、私有且本地运行的搜索聚合器-FreeAskInternet
星霜笔记
开源关注简介免费源码笔记
什么是FreeAskInternetFreeAskInternet是一个完全免费、私有且本地运行的搜索聚合器,使用LLM生成答案,无需GPU。用户可以提出一个问题,系统将使用searxng进行多引擎搜索,并将搜索结果组合到ChatGPT3.5LLM中,并根据搜索结果生成答案。所有进程都在本地运行,不需要GPU或OpenAI或GoogleAPI密钥。特征️完全免费(不需要任何API密钥)完全本地化(
- 大模型入门指南:非常详细,从零基础到精通,收藏这一篇就够了!
程序员辣条
人工智能语言模型大模型学习AI大模型入门AI大模型
前言随着ChatGPT的到来,大模型[1](LargeLanguageModel,简称LLM)成了新时代的buzzword,各种GPT产品百花齐放。大多数人直接用现有产品就可以了,但对于喜欢刨根问底的程序员来说,能够在本地运行会更有意思。但由于没有相关背景,笔者一开始在接触时,很多GitHub上的搭建教程看得是云里雾里,而且这方面的介绍文章要不就是太晦涩难懂,要不就是太大众小白,于是就有了这篇文章
- LLM之提示词工程
樱花的浪漫
大模型与智能体人工智能自然语言处理知识图谱神经网络agent大模型
1.提示与提示工程提示工程作为一门新兴的学科,专注于开发和优化提示技术,旨在提升语言模型(LMs)在各种应用与研究主题中的效能。掌握提示工程技能对于深入理解大型语言模型(LLMs)的潜力与局限至关重要。研究人员借助提示工程,致力于增强LLM在广泛且复杂的任务(如问答系统与算术推理)中的表现。而对于开发人员而言,提示工程则成为设计高效、强大提示技术的关键,这些技术能够无缝对接LLM与其他工具,实现功
- LLaVA-CoT: Let Vision Language Models Reason Step-by-Step
UnknownBody
LLMDailyMultimodal语言模型人工智能自然语言处理
本文是LLM系列文章,针对《LLaVA-CoT:LetVisionLanguageModelsReasonStep-by-Step》的翻译。LLaVACoT:让视觉语言模型逐步推理摘要1引言2相关工作3提出的方法4后训练性能5推理时间缩放6最新VLMs的比较7结论摘要大型语言模型在推理能力方面取得了长足的进步,特别是通过推理时间缩放,如OpenAI的o1等模型所示。然而,当前的视觉语言模型(VLM
- 枚举的构造函数中抛出异常会怎样
bylijinnan
javaenum单例
首先从使用enum实现单例说起。
为什么要用enum来实现单例?
这篇文章(
http://javarevisited.blogspot.sg/2012/07/why-enum-singleton-are-better-in-java.html)阐述了三个理由:
1.enum单例简单、容易,只需几行代码:
public enum Singleton {
INSTANCE;
- CMake 教程
aigo
C++
转自:http://xiang.lf.blog.163.com/blog/static/127733322201481114456136/
CMake是一个跨平台的程序构建工具,比如起自己编写Makefile方便很多。
介绍:http://baike.baidu.com/view/1126160.htm
本文件不介绍CMake的基本语法,下面是篇不错的入门教程:
http:
- cvc-complex-type.2.3: Element 'beans' cannot have character
Cb123456
springWebgis
cvc-complex-type.2.3: Element 'beans' cannot have character
Line 33 in XML document from ServletContext resource [/WEB-INF/backend-servlet.xml] is i
- jquery实例:随页面滚动条滚动而自动加载内容
120153216
jquery
<script language="javascript">
$(function (){
var i = 4;$(window).bind("scroll", function (event){
//滚动条到网页头部的 高度,兼容ie,ff,chrome
var top = document.documentElement.s
- 将数据库中的数据转换成dbs文件
何必如此
sqldbs
旗正规则引擎通过数据库配置器(DataBuilder)来管理数据库,无论是Oracle,还是其他主流的数据都支持,操作方式是一样的。旗正规则引擎的数据库配置器是用于编辑数据库结构信息以及管理数据库表数据,并且可以执行SQL 语句,主要功能如下。
1)数据库生成表结构信息:
主要生成数据库配置文件(.conf文
- 在IBATIS中配置SQL语句的IN方式
357029540
ibatis
在使用IBATIS进行SQL语句配置查询时,我们一定会遇到通过IN查询的地方,在使用IN查询时我们可以有两种方式进行配置参数:String和List。具体使用方式如下:
1.String:定义一个String的参数userIds,把这个参数传入IBATIS的sql配置文件,sql语句就可以这样写:
<select id="getForms" param
- Spring3 MVC 笔记(一)
7454103
springmvcbeanRESTJSF
自从 MVC 这个概念提出来之后 struts1.X struts2.X jsf 。。。。。
这个view 层的技术一个接一个! 都用过!不敢说哪个绝对的强悍!
要看业务,和整体的设计!
最近公司要求开发个新系统!
- Timer与Spring Quartz 定时执行程序
darkranger
springbean工作quartz
有时候需要定时触发某一项任务。其实在jdk1.3,java sdk就通过java.util.Timer提供相应的功能。一个简单的例子说明如何使用,很简单: 1、第一步,我们需要建立一项任务,我们的任务需要继承java.util.TimerTask package com.test; import java.text.SimpleDateFormat; import java.util.Date;
- 大端小端转换,le32_to_cpu 和cpu_to_le32
aijuans
C语言相关
大端小端转换,le32_to_cpu 和cpu_to_le32 字节序
http://oss.org.cn/kernel-book/ldd3/ch11s04.html
小心不要假设字节序. PC 存储多字节值是低字节为先(小端为先, 因此是小端), 一些高级的平台以另一种方式(大端)
- Nginx负载均衡配置实例详解
avords
[导读] 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。负载均衡先来简单了解一下什么是负载均衡,单从字面上的意思来理解就可以解 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。
负载均衡
先来简单了解一下什么是负载均衡
- 乱说的
houxinyou
框架敏捷开发软件测试
从很久以前,大家就研究框架,开发方法,软件工程,好多!反正我是搞不明白!
这两天看好多人研究敏捷模型,瀑布模型!也没太搞明白.
不过感觉和程序开发语言差不多,
瀑布就是顺序,敏捷就是循环.
瀑布就是需求、分析、设计、编码、测试一步一步走下来。而敏捷就是按摸块或者说迭代做个循环,第个循环中也一样是需求、分析、设计、编码、测试一步一步走下来。
也可以把软件开发理
- 欣赏的价值——一个小故事
bijian1013
有效辅导欣赏欣赏的价值
第一次参加家长会,幼儿园的老师说:"您的儿子有多动症,在板凳上连三分钟都坐不了,你最好带他去医院看一看。" 回家的路上,儿子问她老师都说了些什么,她鼻子一酸,差点流下泪来。因为全班30位小朋友,惟有他表现最差;惟有对他,老师表现出不屑,然而她还在告诉她的儿子:"老师表扬你了,说宝宝原来在板凳上坐不了一分钟,现在能坐三分钟。其他妈妈都非常羡慕妈妈,因为全班只有宝宝
- 包冲突问题的解决方法
bingyingao
eclipsemavenexclusions包冲突
包冲突是开发过程中很常见的问题:
其表现有:
1.明明在eclipse中能够索引到某个类,运行时却报出找不到类。
2.明明在eclipse中能够索引到某个类的方法,运行时却报出找不到方法。
3.类及方法都有,以正确编译成了.class文件,在本机跑的好好的,发到测试或者正式环境就
抛如下异常:
java.lang.NoClassDefFoundError: Could not in
- 【Spark七十五】Spark Streaming整合Flume-NG三之接入log4j
bit1129
Stream
先来一段废话:
实际工作中,业务系统的日志基本上是使用Log4j写入到日志文件中的,问题的关键之处在于业务日志的格式混乱,这给对日志文件中的日志进行统计分析带来了极大的困难,或者说,基本上无法进行分析,每个人写日志的习惯不同,导致日志行的格式五花八门,最后只能通过grep来查找特定的关键词缩小范围,但是在集群环境下,每个机器去grep一遍,分析一遍,这个效率如何可想之二,大好光阴都浪费在这上面了
- sudoku solver in Haskell
bookjovi
sudokuhaskell
这几天没太多的事做,想着用函数式语言来写点实用的程序,像fib和prime之类的就不想提了(就一行代码的事),写什么程序呢?在网上闲逛时发现sudoku游戏,sudoku十几年前就知道了,学生生涯时也想过用C/Java来实现个智能求解,但到最后往往没写成,主要是用C/Java写的话会很麻烦。
现在写程序,本人总是有一种思维惯性,总是想把程序写的更紧凑,更精致,代码行数最少,所以现
- java apache ftpClient
bro_feng
java
最近使用apache的ftpclient插件实现ftp下载,遇见几个问题,做如下总结。
1. 上传阻塞,一连串的上传,其中一个就阻塞了,或是用storeFile上传时返回false。查了点资料,说是FTP有主动模式和被动模式。将传出模式修改为被动模式ftp.enterLocalPassiveMode();然后就好了。
看了网上相关介绍,对主动模式和被动模式区别还是比较的模糊,不太了解被动模
- 读《研磨设计模式》-代码笔记-工厂方法模式
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/
package design.pattern;
/*
* 工厂方法模式:使一个类的实例化延迟到子类
* 某次,我在工作不知不觉中就用到了工厂方法模式(称为模板方法模式更恰当。2012-10-29):
* 有很多不同的产品,它
- 面试记录语
chenyu19891124
招聘
或许真的在一个平台上成长成什么样,都必须靠自己去努力。有了好的平台让自己展示,就该好好努力。今天是自己单独一次去面试别人,感觉有点小紧张,说话有点打结。在面试完后写面试情况表,下笔真的好难,尤其是要对面试人的情况说明真的好难。
今天面试的是自己同事的同事,现在的这个同事要离职了,介绍了我现在这位同事以前的同事来面试。今天这位求职者面试的是配置管理,期初看了简历觉得应该很适合做配置管理,但是今天面
- Fire Workflow 1.0正式版终于发布了
comsci
工作workflowGoogle
Fire Workflow 是国内另外一款开源工作流,作者是著名的非也同志,哈哈....
官方网站是 http://www.fireflow.org
经过大家努力,Fire Workflow 1.0正式版终于发布了
正式版主要变化:
1、增加IWorkItem.jumpToEx(...)方法,取消了当前环节和目标环节必须在同一条执行线的限制,使得自由流更加自由
2、增加IT
- Python向脚本传参
daizj
python脚本传参
如果想对python脚本传参数,python中对应的argc, argv(c语言的命令行参数)是什么呢?
需要模块:sys
参数个数:len(sys.argv)
脚本名: sys.argv[0]
参数1: sys.argv[1]
参数2: sys.argv[
- 管理用户分组的命令gpasswd
dongwei_6688
passwd
NAME: gpasswd - administer the /etc/group file
SYNOPSIS:
gpasswd group
gpasswd -a user group
gpasswd -d user group
gpasswd -R group
gpasswd -r group
gpasswd [-A user,...] [-M user,...] g
- 郝斌老师数据结构课程笔记
dcj3sjt126com
数据结构与算法
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
- yii2 cgridview加上选择框进行操作
dcj3sjt126com
GridView
页面代码
<?=Html::beginForm(['controller/bulk'],'post');?>
<?=Html::dropDownList('action','',[''=>'Mark selected as: ','c'=>'Confirmed','nc'=>'No Confirmed'],['class'=>'dropdown',])
- linux mysql
fypop
linux
enquiry mysql version in centos linux
yum list installed | grep mysql
yum -y remove mysql-libs.x86_64
enquiry mysql version in yum repositoryyum list | grep mysql oryum -y list mysql*
install mysq
- Scramble String
hcx2013
String
Given a string s1, we may represent it as a binary tree by partitioning it to two non-empty substrings recursively.
Below is one possible representation of s1 = "great":
- 跟我学Shiro目录贴
jinnianshilongnian
跟我学shiro
历经三个月左右时间,《跟我学Shiro》系列教程已经完结,暂时没有需要补充的内容,因此生成PDF版供大家下载。最近项目比较紧,没有时间解答一些疑问,暂时无法回复一些问题,很抱歉,不过可以加群(334194438/348194195)一起讨论问题。
----广告-----------------------------------------------------
- nginx日志切割并使用flume-ng收集日志
liyonghui160com
nginx的日志文件没有rotate功能。如果你不处理,日志文件将变得越来越大,还好我们可以写一个nginx日志切割脚本来自动切割日志文件。第一步就是重命名日志文件,不用担心重命名后nginx找不到日志文件而丢失日志。在你未重新打开原名字的日志文件前,nginx还是会向你重命名的文件写日志,linux是靠文件描述符而不是文件名定位文件。第二步向nginx主
- Oracle死锁解决方法
pda158
oracle
select p.spid,c.object_name,b.session_id,b.oracle_username,b.os_user_name from v$process p,v$session a, v$locked_object b,all_objects c where p.addr=a.paddr and a.process=b.process and c.object_id=b.
- java之List排序
shiguanghui
list排序
在Java Collection Framework中定义的List实现有Vector,ArrayList和LinkedList。这些集合提供了对对象组的索引访问。他们提供了元素的添加与删除支持。然而,它们并没有内置的元素排序支持。 你能够使用java.util.Collections类中的sort()方法对List元素进行排序。你既可以给方法传递
- servlet单例多线程
utopialxw
单例多线程servlet
转自http://www.cnblogs.com/yjhrem/articles/3160864.html
和 http://blog.chinaunix.net/uid-7374279-id-3687149.html
Servlet 单例多线程
Servlet如何处理多个请求访问?Servlet容器默认是采用单实例多线程的方式处理多个请求的:1.当web服务器启动的