- Win7本地化部署deepseek-r1等大模型详解
mygodalien
语言模型Windows7本地化部署大模型llama
参考链接在Windows7操作系统,基于llama.cpp本地化部署deepseek-r1模型的方法2025-02-082G内存Windows7运行deepseek-r1:1.5b这两个链接写的可能不够详细,有同学私信问实现过程,这里进一步解释一下。一、准备需要准备的大模型、工具等文件,已放到网盘,可自取。网盘的figures目录是配置过程中的一些截图,可参考。百度网盘:https://pan.b
- 更上层楼!仅用2GB资源,让最火的DeepSeek-R1在本机上奔跑!
LinkTime_Cloud
“一夜之间,中国AI大模型DeepSeek-R1横扫硅谷,迅速引爆全球科技圈,英伟达AI科学家JimFan发文感叹:“一家非美国公司,正在让OpenAI的初衷得以延续——真正开放、为所有人赋能的前沿研究”。是的,DeepSeek-R1不仅性能媲美OpenAIO1,更做到了完全开源。”DeepSeek-R1模型的发布,让我们可以更好地使用开源大语言模型运行推理任务。现在,R1模型可以通过DeepSe
- OpenAI 神话崩塌!DeepSeek-R1升至全球风格控制类第一,国内开源大模型集体给奥特曼上了一课!...
LinkTime_Cloud
距离深度求索推理大模型DeepSeek-R1发布已经过去约一周时间。1月24日,在国外大模型排名Arena上,DeepSeek-R1基准测试已经升至全类别大模型第三,其中在风格控制类模型(StyleCtrl)分类中与OpenAIo1并列第一。而其竞技场得分达到1357分,略超OpenAIo1的1352分。这是继DeepSeek-V3在剔除OpenAIo1等闭源模型排名开源模型类第一后,DeepSe
- 【鸿蒙开发实战教程】在MacOS上如何使用 Flutter 构建鸿蒙APP
「已注销」
harmonyosmacosflutter鸿蒙
前言根据研究机构CounterpointResearch发布的最新数据,2024年第一季度,鸿蒙OS份额由去年一季度的8%上涨至17%,iOS份额则从20%下降至16%。这意味着,华为鸿蒙OS在中国市场的份额超越苹果iOS,已成中国第二大操作系统。随着鸿蒙市场份额的不断提升,相应的岗位也会迎来一个爆发式的增长。这对于想要换赛道的程序员来说是一个非常好的消息,话说大家最近有想法转型鸿蒙开发吗?目前各
- 阿里巴巴“大中台“战略(合)在2015年缔造双11奇迹,2021年又拆分为六大业务集团(分),组织敏捷度提升40%
百态老人
人工智能机器学习深度学习
阿里巴巴的"大中台"战略与后续组织变革体现了其在不同发展阶段对敏捷性的探索。具体发展脉络如下:一、2015年"大中台"战略缔造双11奇迹2015年张勇主导实施"大中台、小前台"战略,通过整合数据技术、产品研发等共性能力形成统一支撑平台。这种架构在当年双11中发挥关键作用:中台系统实现超过75亿次数据调用,支撑起淘宝、天猫等前台业务的爆发式增长,创造了912亿元成交额的商业奇迹。中台战略不仅减少了业
- DeepClaude:结合 DeepSeek R1 和 Claude AI 各自优势开发的 AI 应用平台,支持 API 调用和零延迟的即时响应
蚝油菜花
每日AI项目与应用实例人工智能人工智能开源
❤️如果你也关注AI的发展现状,且对AI应用开发感兴趣,我会每日分享大模型与AI领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!微信公众号|搜一搜:蚝油菜花大家好,我是蚝油菜花,今天跟大家分享一下DeepClaude这个高性能的开源AI应用开发平台,深度集成了DeepSeekR1和Claude模型。快速阅读DeepClaude是一个高性能的开源AI应用开发平台,结合了Deep
- AI大模型
东坡大表哥
人工智能人工智能
工欲善其事必先利其器软件开发也要与时俱进,了解下AI大模型的工具上点黑科技干货开整~背景介绍天工AI通义灵码KIMI通义灵码免费,功能强大通义灵码,是阿里云出品的一款基于通义大模型的智能编码辅助工具,提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释、研发智能问答、异常报错排查等能力,并针对阿里云的云服务使用场景调优,助力开发者高效、流畅的编码。通义灵码试用一文
- 大语言模型应用指南:以ChatGPT为起点,从入门到精通的AI实践教程
Python程序员罗宾
人工智能语言模型chatgpt机器学习深度学习自然语言处理学习
前言在20世纪末和21世纪初,人类经历了两次信息革命的浪潮。前排提示,文末有大模型AGI-CSDN独家资料包哦!第一次是互联网时代的兴起,将世界各地连接在一起,改变了人们获取信息和交流的方式。第二次则是移动互联网时代的到来,智能手机和移动应用程序的普及使人们可以随时随地与他人交流、获取信息和进行商务活动。然而,随着技术的不断演进和人类社会的不断发展,我们正站在另一个信息时代的门槛上。这是一个更加智
- 一杯咖啡的时间学习大模型(LLM):LLaMA解读之旋转编码RoPE(含代码实现)
Bug_makerACE
llamapython人工智能nlppytorch深度学习transformer
文章目录一、LLaMA的核心改进全景二、旋转位置编码(RoPE)2.1改进动机2.2数学原理2.3源码实现一、LLaMA的核心改进全景Meta开源的LLaMA模型凭借其卓越的性能表现成为大模型发展的重要里程碑。相较于标准Transformer架构,LLaMA主要在以下几个方面进行了关键改进:位置编码升级:采用旋转位置编码(RotaryPositionEmbedding,RoPE)归一化革新:对每个
- DeepSeek为何如此厉害,先是横扫华尔街,又是引得国内三大运营商争相加入?普通人又该如何入局?
2501_90560745
人工智能程序人生chatgptAI写作课程设计
DeepSeek火遍全球,爆锤美国股市,横扫华尔街,近日又与国内三大运营商全面合作,DeepSeek已然成为了世界资本争相追逐的香饽饽。它为何如此厉害?因为DeepSeek重新定义了AI!在DeepSeek诞生之前,全世界对于AI大模型的认知是:只有疯狂砸钱,堆算力才能做出类似于OpenAI这样强大的AI大模型;可在DeepSeek诞生之后,直接将AI大模型的训练成本降低为不到原先的1%DeepS
- 分发饼干(力扣455)
qy发大财
leetcode算法职场和发展
从这道题开始我们就进入贪心算法的学习了。这个算法没有固定的套路,甚至题目之间的联系也很少,基本上每一道题都要当新题来写。我们能做的只有见多识广,这样才有机会在考试中根据以往经验解决贪心的题目。贪心的本质上就是找到局部最优解,最终的答案就是全局最优解。这道题要求尽可能分到更多的小孩,那么所谓的贪心究竟贪在什么地方呢?我们可以先将胃口和饼干的数组进行从小到大的排序,让小胃口的小孩吃到尽可能小的饼干,只
- 面向生成式语言模型场景到底是选择4卡5080还是选择两卡5090D
weixin_40941102
语言模型人工智能自然语言处理
四卡RTX5080VS两卡RTX5090D:AI大模型性能比拼实践与思考本文主要从算力、显存、多卡扩展效率以及性价比等多个角度,分析在部署和训练大规模AI模型时,采用四卡RTX5080方案与两卡RTX5090D方案的优劣对比。对于从事AI开发的同学来说,如何在有限预算内选择最合适的硬件平台至关重要。下面将详细解读各项指标及实际应用场景下的影响,并给出总结建议。1.算力对比——单卡TOPS与总算力在
- 商汤大装置上架DeepSeek系列模型,限免体验、服务升级!
deepseek人工智能
即日起,企业客户和开发者可在商汤大装置万象平台中,快速部署DeepSeek-V3、DeepSeek-R1等模型,可享受3个月内1000万tokens免费使用权益。升级服务:全周期定制化方案,赋能智能开发全流程商汤大装置依托领先的技术平台与专家资源,形成了"场景定义-训练-部署-迭代"的闭环服务体系,确保客户开发效率与应用效果的双重提升。为满足不同行业的企业级需求,商汤创新了模型定制服务——为企业量
- R 语言 必备 十大资源
后端
引言R是进行统计计算和数据分析的热门编程语言之一,广泛应用于数据科学家、研究者和统计学家之间,用于处理大数据、执行复杂分析和结果可视化。如果你是R的新手或希望提升你的R技能,这里有一些核心资源可以助你一臂之力,无论是从基础学起还是提高现有水平,包括官方站点、知名学府和互动式学习平台。1.R项目官网(r-project.org)R项目的官方网站是开启R学习之旅的首选,它提供免费的R软件、文档、教程和
- 深度学习-108-大语言模型LLM之基于langchain的结构化输出功能提取结构化信息
皮皮冰燃
深度学习深度学习语言模型langchain
文章目录1langchain的结构化输出1.1推荐的使用流程1.2模式定义1.3返回结构化输出1.3.1工具调用(方式一)1.3.2JSON模式(方式二)1.3.3结构化输出法(方式三)2提取结构化信息2.1定义数据模型2.2配置提示模板2.3设置执行链3参考附录1langchain的结构化输出对于许多应用程序,例如聊天机器人,模型需要直接用自然语言响应用户。然而,在某些情况下,我们需要模型以结构
- Filter概述、执行流程、拦截路径配置及过滤器链
夏志121
Java基础+进阶+核心技术java开发语言前端intellijidea服务器
目录一、Filter概述二、Filter入门案例三、Filter执行流程四、Filter拦截路径配置五、过滤器链一、Filter概述概念:Filter表示过滤器,是JavaWeb三大组件(Servlet、Filter、Listener)之一。过滤器可以把对资源的请求拦截下来,从而实现一些特殊的功能过滤器一般完成一些通用的操作,比如:权限控制,统一编码处理,敏感字符处理等等....二、Filter入
- 《玩转AI大模型:从入门到创新实践》(5)第三章 对话AI:从“尬聊”到高效助手
caridle
工作日志人工智能
第三章对话AI:从“尬聊”到高效助手3.1文本对话实战:ChatGPT与国产大模型一、青铜到王者的三段式提问进化论新手村任务:从“社恐”到“社牛”的进化还是要经历很多的阶段和AI毒打,父母直男式的话语总是不受欢迎,而温情的诉说总会让人暖心。每个人使用AI的人都是从新手村出发,一路从青铜打到王者,当然不乏各种攻略辅助。阶段一:人类の社恐式提问(青铜段位)症状诊断:当人类初次面对AI,提问水平堪比直男
- 安科瑞推出预防电动自行车火灾组合方案
安科瑞 华楠
能源
安科瑞华楠01概述.电动自行车火灾隐患,正受到越来越多的重视。作为全球电动自行车生产、消费第一大国,中国的电动自行车保有量已达3.5亿辆。电动自行车在解决居民短途出行需求的同时,也考验着城市安全监管和治理能力,其中充电环节的隐患是一大痛点。国家消防救援局统计数据显示,2023年全国共接报电动自行车火灾2.1万起,相比2022年上升17.4%。其中,80%的电动自行车火灾发生在充电时,由锂电池燃爆引
- AI Agent智能应用从0到1定制开发Langchain+LLM全流程解决方案与落地实战
AI知识分享官
人工智能langchain算法数据挖掘计算机视觉机器学习产品经理
大模型微调实战:精通、指令微调、开源大模型微调、对齐与垂直领域应用29套AI全栈大模型项目实战,人工智能视频课程-多模态大模型,微调技术训练营,大模型多场景实战,AI图像处理,AI量化投资,OPenCV视觉处理,机器学习,Pytorch深度学习,推荐系统,自动驾驶,训练私有大模型,LLM大语言模型,大模型多场景实战,Agent智能应用,AIGC实战落地,ChatGPT虚拟数字人,Djourney智
- 数智时代下,值得关注的大技术趋势
人工智能爱好者
人工智能大数据大数据技术趋势
(1)区块链将得到更广泛的应用。区块链是一种每一个人都能够分享和访问的电子分类账,交易的双方可通过区块链来跟踪交易记录。区块链这个词在整个2017年都备受大家关注,这是因为加密货币比特币采用了一个分散式区块链来跟踪它的所有交易记录,然而区块链技术的应用范围远不限于比特币,它还有更广泛的应用范围。有些人希望将区块链技术能够应用在病历记录上,病人的病史可通过不同的数据库和软件集中导入一个加密数据库。这
- 【实测】用全志A733平板搭建一个端侧Deepseek算力平台
小文哥嵌入式开发
嵌入式人工智能AI编程
随着DeepSeek的蒸馏技术的横空出世,端侧SoC芯片上运行大模型成为可能。那么端侧芯片跑大模型的效果如何呢?本文将在全志A733芯片平台上部署一个DeepSeek-R1:1.5B模型,并进行实测效果展示。端侧平台环境设备:全志A733平板系统:Android15DDR:8GBLPDDR5@2400MHzFlash:128GBUFS3.0测试模型:Deepseek-R1-Distill-Qwen
- 如何微调(Fine-tuning)大语言模型?看完这篇你就懂了!!
datian1234
语言模型人工智能chatgptLLMaiAI大模型大模型微调
前言本文介绍了微调的基本概念,以及如何对语言模型进行微调。从GPT3到ChatGPT、从GPT4到GitHubcopilot的过程,微调在其中扮演了重要角色。什么是微调(fine-tuning)?微调能解决什么问题?什么是LoRA?如何进行微调?本文将解答以上问题,并通过代码实例展示如何使用LoRA进行微调。微调的技术门槛并不高,如果微调的模型规模不大10B及10B以下所需硬件成本也不高(10B模
- 【AI系列】从零开始学习大模型GPT (2)- Build a Large Language Model (From Scratch)
Tasfa
AI人工智能教程人工智能学习gpt
前序文章【AI系列】从零开始学习大模型GPT(1)-BuildaLargeLanguageModel(FromScratch)BuildaLargeLanguageModel背景第1章:理解大型语言模型第2章:处理文本数据第3章:编码Attention机制什么是Attention机制?Attention机制的基本原理数学表示应用总结为什么要使用注意力机制如何实现?简单注意力机制带训练权重的注意力机
- 自学人工智能大模型,满足7B模型的训练和微调以及推理,预算3万,如何选购电脑
岁月的眸
人工智能
如果你的预算是3万元人民币,希望训练和微调7B参数规模的人工智能大模型(如LLaMA、Mistral等),你需要一台高性能的深度学习工作站。在这个预算范围内,以下是推荐的配置:1.关键硬件配置(1)GPU(显卡)推荐显卡:NVIDIARTX4090(24GBVRAM)或者RTX3090(24GBVRAM)理由:7B模型推理:24GB显存足够跑7B模型的推理,但全参数训练可能吃力,适合LoRA等微调
- 多模态大模型(LMMs)与大语言模型(LLMs)的比较
大F的智能小课
底层技术解析人工智能语言模型
前言现在的大模型分为两大类:大语言模型(LargeLanguageModels,简称LLMs)和多模态大模型(LargeMultimodalModels,简称LMMs)。本文将从基础定义、输入数据、应用场景、训练过程这几方面讨论下两者的区别。基础定义LLMs(LargeLanguageModels,大型语言模型)-深度学习的应用之一,是基于深度学习的大规模机器学习模型,通常由数十亿到数万亿个参数构
- 【好书推荐2】AI提示工程实战:从零开始利用提示工程学习应用大语言模型
是Yu欸
粉丝福利人工智能深度学习bertAIGCpromptgptAI写作
【好书推荐2】AI提示工程实战:从零开始利用提示工程学习应用大语言模型写在最前面AI辅助研发方向一:AI辅助研发的技术进展方向二:行业应用案例方向三:面临的挑战与机遇方向四:未来趋势预测方向五:与法规的影响方向六:人才培养与教育《AI提示工程实战:从零开始利用提示工程学习应用大语言模型》关键点内容简介作者简介你好呀!我是是Yu欸2024每日百字篆刻时光,感谢你的陪伴与支持~欢迎一起踏上探险之旅,挖
- RESTful API 和 WebSocket 的区别
戎梓漩
计算机restfulwebsocket后端
文章目录1.RESTfulAPI特点使用场景示例2.WebSocket特点使用场景示例3.RESTfulAPI和WebSocket对比总结4.哪种方式适合大模型服务?RESTfulAPIWebSocket5.什么时候用REST?什么时候用WebSocket?6.结论RESTfulAPI和WebSocket是两种不同的通信方式,主要区别在于数据交互方式、连接管理、性能和适用场景。1.RESTfulA
- DeepSeek 近况大揭秘:市场、技术与合作的多面剖析
InfiniteSea1019
ai
最近,AI领域的DeepSeek可谓是赚足了眼球,无论是在资本市场,还是在技术创新和行业应用方面,都有着令人瞩目的表现。今天,就让我们一起来深入了解一下DeepSeek的最新动态。DeepSeek概念股:分化与澄清并存在股票市场上,DeepSeek概念股曾一路高歌猛进,不过近期开始出现分化迹象。据Choice数据显示,2月12日,DeepSeek概念股中,青云科技、创业黑马、新致软件等70余股上涨
- 新手必看:TikTok卖家中心实用指南,附2025最新TikTok入驻教程
菠萝派爱跨境
人工智能网络大数据
对于跨境电商来说,TikTok卖家中心是一个强大的工具,它能够帮助卖家轻松管理产品、订单、数据和广告。然而,对于初次接触这个平台的卖家来说,如何入驻并高效使用,成为了一大难题。本篇文章将为您详细讲解TikTok卖家中心的使用方法及最新的入驻教程。一、入驻教程1.入驻前准备(1)TikTok的商业账号。(2)入驻材料:营业执照(或身份证明)、国际收款账户(如Payoneer)、物流和退货地址、产品清
- 解码DeepSeek家族系列:大语言模型赛道上的黑马传奇
大F的智能小课
语言模型人工智能自然语言处理
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,于2023年7月17日正式成立。公司由知名量化资管巨头幻方量化孕育而生,其创始人梁文峰是幻方量化的联合创始人之一。DeepSeek自成立之初,便专注于开发先进的大语言模型(LLM)及相关技术,致力于通过数据蒸馏技术提取更精炼、有用的数据,以提升模型性能。在发展历程中,DeepSeek
- apache 安装linux windows
墙头上一根草
apacheinuxwindows
linux安装Apache 有两种方式一种是手动安装通过二进制的文件进行安装,另外一种就是通过yum 安装,此中安装方式,需要物理机联网。以下分别介绍两种的安装方式
通过二进制文件安装Apache需要的软件有apr,apr-util,pcre
1,安装 apr 下载地址:htt
- fill_parent、wrap_content和match_parent的区别
Cb123456
match_parentfill_parent
fill_parent、wrap_content和match_parent的区别:
1)fill_parent
设置一个构件的布局为fill_parent将强制性地使构件扩展,以填充布局单元内尽可能多的空间。这跟Windows控件的dockstyle属性大体一致。设置一个顶部布局或控件为fill_parent将强制性让它布满整个屏幕。
2) wrap_conte
- 网页自适应设计
天子之骄
htmlcss响应式设计页面自适应
网页自适应设计
网页对浏览器窗口的自适应支持变得越来越重要了。自适应响应设计更是异常火爆。再加上移动端的崛起,更是如日中天。以前为了适应不同屏幕分布率和浏览器窗口的扩大和缩小,需要设计几套css样式,用js脚本判断窗口大小,选择加载。结构臃肿,加载负担较大。现笔者经过一定时间的学习,有所心得,故分享于此,加强交流,共同进步。同时希望对大家有所
- [sql server] 分组取最大最小常用sql
一炮送你回车库
SQL Server
--分组取最大最小常用sql--测试环境if OBJECT_ID('tb') is not null drop table tb;gocreate table tb( col1 int, col2 int, Fcount int)insert into tbselect 11,20,1 union allselect 11,22,1 union allselect 1
- ImageIO写图片输出到硬盘
3213213333332132
javaimage
package awt;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imagei
- 自己的String动态数组
宝剑锋梅花香
java动态数组数组
数组还是好说,学过一两门编程语言的就知道,需要注意的是数组声明时需要把大小给它定下来,比如声明一个字符串类型的数组:String str[]=new String[10]; 但是问题就来了,每次都是大小确定的数组,我需要数组大小不固定随时变化怎么办呢? 动态数组就这样应运而生,龙哥给我们讲的是自己用代码写动态数组,并非用的ArrayList 看看字符
- pinyin4j工具类
darkranger
.net
pinyin4j工具类Java工具类 2010-04-24 00:47:00 阅读69 评论0 字号:大中小
引入pinyin4j-2.5.0.jar包:
pinyin4j是一个功能强悍的汉语拼音工具包,主要是从汉语获取各种格式和需求的拼音,功能强悍,下面看看如何使用pinyin4j。
本人以前用AscII编码提取工具,效果不理想,现在用pinyin4j简单实现了一个。功能还不是很完美,
- StarUML学习笔记----基本概念
aijuans
UML建模
介绍StarUML的基本概念,这些都是有效运用StarUML?所需要的。包括对模型、视图、图、项目、单元、方法、框架、模型块及其差异以及UML轮廓。
模型、视与图(Model, View and Diagram)
&
- Activiti最终总结
avords
Activiti id 工作流
1、流程定义ID:ProcessDefinitionId,当定义一个流程就会产生。
2、流程实例ID:ProcessInstanceId,当开始一个具体的流程时就会产生,也就是不同的流程实例ID可能有相同的流程定义ID。
3、TaskId,每一个userTask都会有一个Id这个是存在于流程实例上的。
4、TaskDefinitionKey和(ActivityImpl activityId
- 从省市区多重级联想到的,react和jquery的差别
bee1314
jqueryUIreact
在我们的前端项目里经常会用到级联的select,比如省市区这样。通常这种级联大多是动态的。比如先加载了省,点击省加载市,点击市加载区。然后数据通常ajax返回。如果没有数据则说明到了叶子节点。 针对这种场景,如果我们使用jquery来实现,要考虑很多的问题,数据部分,以及大量的dom操作。比如这个页面上显示了某个区,这时候我切换省,要把市重新初始化数据,然后区域的部分要从页面
- Eclipse快捷键大全
bijian1013
javaeclipse快捷键
Ctrl+1 快速修复(最经典的快捷键,就不用多说了)Ctrl+D: 删除当前行 Ctrl+Alt+↓ 复制当前行到下一行(复制增加)Ctrl+Alt+↑ 复制当前行到上一行(复制增加)Alt+↓ 当前行和下面一行交互位置(特别实用,可以省去先剪切,再粘贴了)Alt+↑ 当前行和上面一行交互位置(同上)Alt+← 前一个编辑的页面Alt+→ 下一个编辑的页面(当然是针对上面那条来说了)Alt+En
- js 笔记 函数
征客丶
JavaScript
一、函数的使用
1.1、定义函数变量
var vName = funcation(params){
}
1.2、函数的调用
函数变量的调用: vName(params);
函数定义时自发调用:(function(params){})(params);
1.3、函数中变量赋值
var a = 'a';
var ff
- 【Scala四】分析Spark源代码总结的Scala语法二
bit1129
scala
1. Some操作
在下面的代码中,使用了Some操作:if (self.partitioner == Some(partitioner)),那么Some(partitioner)表示什么含义?首先partitioner是方法combineByKey传入的变量,
Some的文档说明:
/** Class `Some[A]` represents existin
- java 匿名内部类
BlueSkator
java匿名内部类
组合优先于继承
Java的匿名类,就是提供了一个快捷方便的手段,令继承关系可以方便地变成组合关系
继承只有一个时候才能用,当你要求子类的实例可以替代父类实例的位置时才可以用继承。
在Java中内部类主要分为成员内部类、局部内部类、匿名内部类、静态内部类。
内部类不是很好理解,但说白了其实也就是一个类中还包含着另外一个类如同一个人是由大脑、肢体、器官等身体结果组成,而内部类相
- 盗版win装在MAC有害发热,苹果的东西不值得买,win应该不用
ljy325
游戏applewindowsXPOS
Mac mini 型号: MC270CH-A RMB:5,688
Apple 对windows的产品支持不好,有以下问题:
1.装完了xp,发现机身很热虽然没有运行任何程序!貌似显卡跑游戏发热一样,按照那样的发热量,那部机子损耗很大,使用寿命受到严重的影响!
2.反观安装了Mac os的展示机,发热量很小,运行了1天温度也没有那么高
&nbs
- 读《研磨设计模式》-代码笔记-生成器模式-Builder
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/
/**
* 生成器模式的意图在于将一个复杂的构建与其表示相分离,使得同样的构建过程可以创建不同的表示(GoF)
* 个人理解:
* 构建一个复杂的对象,对于创建者(Builder)来说,一是要有数据来源(rawData),二是要返回构
- JIRA与SVN插件安装
chenyu19891124
SVNjira
JIRA安装好后提交代码并要显示在JIRA上,这得需要用SVN的插件才能看见开发人员提交的代码。
1.下载svn与jira插件安装包,解压后在安装包(atlassian-jira-subversion-plugin-0.10.1)
2.解压出来的包里下的lib文件夹下的jar拷贝到(C:\Program Files\Atlassian\JIRA 4.3.4\atlassian-jira\WEB
- 常用数学思想方法
comsci
工作
对于搞工程和技术的朋友来讲,在工作中常常遇到一些实际问题,而采用常规的思维方式无法很好的解决这些问题,那么这个时候我们就需要用数学语言和数学工具,而使用数学工具的前提却是用数学思想的方法来描述问题。。下面转帖几种常用的数学思想方法,仅供学习和参考
函数思想
把某一数学问题用函数表示出来,并且利用函数探究这个问题的一般规律。这是最基本、最常用的数学方法
- pl/sql集合类型
daizj
oracle集合typepl/sql
--集合类型
/*
单行单列的数据,使用标量变量
单行多列数据,使用记录
单列多行数据,使用集合(。。。)
*集合:类似于数组也就是。pl/sql集合类型包括索引表(pl/sql table)、嵌套表(Nested Table)、变长数组(VARRAY)等
*/
/*
--集合方法
&n
- [Ofbiz]ofbiz初用
dinguangx
电商ofbiz
从github下载最新的ofbiz(截止2015-7-13),从源码进行ofbiz的试用
1. 加载测试库
ofbiz内置derby,通过下面的命令初始化测试库
./ant load-demo (与load-seed有一些区别)
2. 启动内置tomcat
./ant start
或
./startofbiz.sh
或
java -jar ofbiz.jar
&
- 结构体中最后一个元素是长度为0的数组
dcj3sjt126com
cgcc
在Linux源代码中,有很多的结构体最后都定义了一个元素个数为0个的数组,如/usr/include/linux/if_pppox.h中有这样一个结构体: struct pppoe_tag { __u16 tag_type; __u16 tag_len; &n
- Linux cp 实现强行覆盖
dcj3sjt126com
linux
发现在Fedora 10 /ubutun 里面用cp -fr src dest,即使加了-f也是不能强行覆盖的,这时怎么回事的呢?一两个文件还好说,就输几个yes吧,但是要是n多文件怎么办,那还不输死人呢?下面提供三种解决办法。 方法一
我们输入alias命令,看看系统给cp起了一个什么别名。
[root@localhost ~]# aliasalias cp=’cp -i’a
- Memcached(一)、HelloWorld
frank1234
memcached
一、简介
高性能的架构离不开缓存,分布式缓存中的佼佼者当属memcached,它通过客户端将不同的key hash到不同的memcached服务器中,而获取的时候也到相同的服务器中获取,由于不需要做集群同步,也就省去了集群间同步的开销和延迟,所以它相对于ehcache等缓存来说能更好的支持分布式应用,具有更强的横向伸缩能力。
二、客户端
选择一个memcached客户端,我这里用的是memc
- Search in Rotated Sorted Array II
hcx2013
search
Follow up for "Search in Rotated Sorted Array":What if duplicates are allowed?
Would this affect the run-time complexity? How and why?
Write a function to determine if a given ta
- Spring4新特性——更好的Java泛型操作API
jinnianshilongnian
spring4generic type
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- CentOS安装JDK
liuxingguome
centos
1、行卸载原来的:
[root@localhost opt]# rpm -qa | grep java
tzdata-java-2014g-1.el6.noarch
java-1.7.0-openjdk-1.7.0.65-2.5.1.2.el6_5.x86_64
java-1.6.0-openjdk-1.6.0.0-11.1.13.4.el6.x86_64
[root@localhost
- 二分搜索专题2-在有序二维数组中搜索一个元素
OpenMind
二维数组算法二分搜索
1,设二维数组p的每行每列都按照下标递增的顺序递增。
用数学语言描述如下:p满足
(1),对任意的x1,x2,y,如果x1<x2,则p(x1,y)<p(x2,y);
(2),对任意的x,y1,y2, 如果y1<y2,则p(x,y1)<p(x,y2);
2,问题:
给定满足1的数组p和一个整数k,求是否存在x0,y0使得p(x0,y0)=k?
3,算法分析:
(
- java 随机数 Math与Random
SaraWon
javaMathRandom
今天需要在程序中产生随机数,知道有两种方法可以使用,但是使用Math和Random的区别还不是特别清楚,看到一篇文章是关于的,觉得写的还挺不错的,原文地址是
http://www.oschina.net/question/157182_45274?sort=default&p=1#answers
产生1到10之间的随机数的两种实现方式:
//Math
Math.roun
- oracle创建表空间
tugn
oracle
create temporary tablespace TXSJ_TEMP
tempfile 'E:\Oracle\oradata\TXSJ_TEMP.dbf'
size 32m
autoextend on
next 32m maxsize 2048m
extent m
- 使用Java8实现自己的个性化搜索引擎
yangshangchuan
javasuperword搜索引擎java8全文检索
需要对249本软件著作实现句子级别全文检索,这些著作均为PDF文件,不使用现有的框架如lucene,自己实现的方法如下:
1、从PDF文件中提取文本,这里的重点是如何最大可能地还原文本。提取之后的文本,一个句子一行保存为文本文件。
2、将所有文本文件合并为一个单一的文本文件,这样,每一个句子就有一个唯一行号。
3、对每一行文本进行分词,建立倒排表,倒排表的格式为:词=包含该词的总行数N=行号