- PyTorch & TensorFlow速成复习:从基础语法到模型部署实战(附FPGA移植衔接)
阿牛的药铺
算法移植部署pytorchtensorflowfpga开发
PyTorch&TensorFlow速成复习:从基础语法到模型部署实战(附FPGA移植衔接)引言:为什么算法移植工程师必须掌握框架基础?针对光学类产品算法FPGA移植岗位需求(如可见光/红外图像处理),深度学习框架是算法落地的"桥梁"——既要用PyTorch/TensorFlow验证算法可行性,又要将训练好的模型(如CNN、目标检测)转换为FPGA可部署的格式(ONNX、TFLite)。本文采用"
- LLM-生成器判别器的实现
总结首先,使用GPT模型获取每个词的生成概率pLLMp_{LLM}pLLM。然后,使用训练好的生成判别器,对每个可能的生成结果进行打分,得到pθ(c∣x1:t)p_\theta(c|x_{1:t})pθ(c∣x1:t)。最后,结合两者的输出,用贝叶斯规则调整每个词的概率,选择调整后的概率最高的词作为输出。通过这样的组合,生成过程可以更好地满足预期需求,如生成符合特定风格或格式的文本。要在使用已经预
- Java内功修炼系列:依赖倒置、控制反转、依赖注入
许进进
ioc依赖倒置控制反转依赖注入java
目录一名词解释1.1依赖倒置原则(Dependencyinversionprinciple)1.2上层/底层模块1.3依赖(Dependency)二依赖倒置2.1依赖倒置前2.1依赖倒置后三控制反转(IoC)四依赖注入(Dependencyinjection)一名词解释1.1依赖倒置原则(Dependencyinversionprinciple)依赖倒置原则来源于软件设计6大设计原则,它的定义如下
- 从数据集视角看——大语言模型(LLMs)的训练、微调和推理
爱看烟花的码农
AIGCNLP语言模型人工智能自然语言处理
1.大语言模型训练的整体框架大语言模型的训练是一个复杂的过程,涉及数据准备、模型架构、优化策略和推理部署。以下是整体框架的详细分解:1.1训练阶段预训练:在海量文本数据上学习通用语言表示,类似于“学习语言的百科全书”。微调:针对特定任务调整模型参数,类似于“针对考试复习重点内容”。指令微调:在对话或指令数据集上优化,使模型更适合交互式任务。推理:使用训练好的模型进行预测或生成。1.2核心组件数据集
- 【机器学习笔记 Ⅱ】4 神经网络中的推理
推理(Inference)是神经网络在训练完成后利用学到的参数对新数据进行预测的过程。与训练阶段不同,推理阶段不计算梯度也不更新权重,仅执行前向传播。以下是其实现原理和代码示例的完整解析:1.推理的核心步骤加载训练好的模型参数(权重和偏置)。前向传播:输入数据逐层计算,得到输出。后处理:根据任务类型解析输出(如分类取概率最大值,回归直接输出)。2.代码实现(Python+NumPy)(1)定义模型
- 【图像超分】论文复现:密集残差链接Transformer!DRCT的Pytorch源码复现,跑通超分源码,获得指标、模型复杂度、结果可视化,核心模块拆解与源码对应,注释详细!
十小大
超分辨率重建(理论+实战科研+应用)pytorch深度学习超分辨率重建图像处理计算机视觉pythontransformer
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通DRCT源码,获得与论文一致的PSNR/SSIM、Params、超分可视化结果,修正论文中FLOPs的计
- 嵌入式入门学习——5了解寄存器如何控制单片机
星火嵌入式
嵌入式入门学习单片机
0系列文章入口嵌入式入门学习——0快速入门,Let‘sDoIt!1.内容简介武侠的内功和招式之间的关系类似于编程中的技术和计算原理之间的关系。招式是千变万化的,而内功心法则稳定而深厚。内功心法的深度决定了可以学习的招式变术的上限高度。单片机的控制最终是要落实到寄存器上的。使用库函数或者使用高级语言是招式,了解单片机的寄存器则是内功。2.引言练习武功讲究内外兼修,一味学习技巧,而忽略本质的结果就是一
- 使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南
周情津Raymond
使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域,TVM作为一个高效的深度学习编译器栈,能够将训练好的模型优化并部署到各种硬件平台上。本文将详细介绍如何使用T
- YOLOv5Lite模型量化与TFLite转换全流程指南
神经网络15044
仿真模型深度学习神经网络YOLO神经网络人工智能深度学习网络机器学习
YOLOv5Lite模型量化与TFLite转换全流程指南1.引言在边缘计算和移动设备上部署目标检测模型时,模型大小和推理速度是关键考量因素。YOLOv5Lite作为YOLO系列的轻量级变种,专为资源受限环境设计。然而,要进一步优化模型性能,量化(Quantization)和转换为TFLite格式是必不可少的步骤。本文将详细介绍从训练好的YOLOv5Lite模型到量化TFLite模型的完整转换流程,
- 第G1周:生成对抗网络(GAN)入门
本文为365天深度学习训练营原作者:K同学啊基础任务:1.了解什么是生成对抗网络2.生成对抗网络结构是怎么样的3.学习本文代码,并跑通代码进阶任务:调用训练好的模型生成新图像一、理论基础生成对抗网络(GenerativeAdversarialNetworks,GAN)是近年来深度学习领域的一个热点方向。GAN并不指代某一个具体的神经网络,而是指一类基于博弈思想而设计的神经网络。GAN由两个分别被称
- Qwen3 Embedding 结构-加载-训练 看透模型设计哲学
看透一个顶级AI句向量模型的设计秘密,从文件结构到加载原理,再到其背后的训练哲学。1Qwen3-Embedding模型结构拆解说明:目录包含了运行一个基于Transformer的句向量模型所需的所有组件文件类别核心文件作用核心模型model.safetensors,config.jsonmodel.safetensors存储了模型所有训练好的权重分词器tokenizer.json,vocab.js
- 使用numpy或pytorch校验两个张量是否相等
文章目录1、numpy2、pytorch做算法过程中,如果涉及到模型落地,那必然会将原始的深度学习的框架训练好的模型转换成目标硬件模型的格式,如onnx,tensorrt,openvino,tflite;那么就有对比不同格式模型输出的一致性,从而判断模型转换是否成功。1、numpy用到的核心代码就一行,就是:importnumpyasnpnp.testing.assert_allclose(act
- 基于YOLOv8的桃子成熟度检测系统,支持图片、视频、摄像头输入,PyQt5界面检测。识别并分类桃子的成熟度(未熟、半熟、成熟)
QQ67658008
YOLO音视频qt桃子成熟水果成熟度检测系统
基于YOLOv8的桃子成熟度检测系统,支持图片、视频、摄像头输入,PyQt5界面检测。识别并分类桃子的成熟度(未熟、半熟、成熟)文章目录调用示例加载预训练模型开始训练加载训练好的模型在验证集上评估加载训练好的模型文字及代码仅供参考。桃子成熟度分类检测数据集,主要用于桃子成熟度分类检测应用任务数据背景:模拟实际田间条件,涵盖多种可能影响桃子检测准确性的因素,如变化的自然光照强度、多果粘连现象以及由枝
- TensorFlow Lite (TFLite) 和 PyTorch Mobile介绍2
追心嵌入式
tensorflowpytorch人工智能
以下是TensorFlowLite(TFLite)和PyTorchMobile两大轻量化框架的核心用途、典型应用场景及在嵌入式开发中的实际价值对比,结合你的OrangePiZero3开发板特性进行说明:TensorFlowLite(TFLite)核心用途嵌入式设备推理:将训练好的TensorFlow模型转换为轻量格式,在资源受限设备(如手机、边缘计算盒子、OrangePi)上高效运行。硬件加速:通
- 小型图像数据集效果优化:使用预训练的CNN
幸运六叶草
深度学习
面对解决小型图像数据集,一种常用且非常高效的方法是使用预训练网络。那么什么是预训练网络呢?定义:预训练网络(pretrainednetwork)是一个保存好的网络,之前已经在大型数据集(通常是大规模图像分类任务)上训练好。作用:如果这个原始数据集足够大且足够通用,那么预训练网络学到的特征的空间层次结构可以有效地作为视觉世界的通用模型,因此这些特征可用于各种不通的计算机视觉问题,即使这些新问题涉及的
- pytorch深度学习入门(12)之-神经网络导出onnx模型部署与应用
码农呆呆
深度学习深度学习pytorch神经网络
概述:ONNX(OpenNeuralNetworkExchange)是一种开放神经网络交换格式,它使得不同深度学习框架(如TensorFlow、PyTorch、MXNet等)之间的互操作成为可能。ONNX提供了一种标准化的方式,可以将训练好的模型导出并转换为ONNX格式,然后可以在其他支持ONNX的框架或工具中进行部署和推理。ONNX的主要优势在于它促进了深度学习模型在不同平台之间的互操作性和可移
- SpringMVC与Struts2对比教学
长勺
Springstrutsjava后端
SpringMVC和Struts2就像武林中的两大门派,虽然都是处理Web请求的高手(MVC框架),但招式风格和内功心法大不相同。来,咱们用最接地气的方式掰扯掰扯,保准你笑着记住!核心区别一句话概括:Struts2像是个“中央集权”的大家长,啥事儿都得经过它规定的流程(拦截器栈);SpringMVC则像是个“自由灵活”的居委会,搭好平台让大家(各种组件)按约定自己玩儿(依赖注入+IoC),它主要当
- caffe之利用mnist数据集训练好的lenet_iter_10000.caffemodel模型测试一张自己的手写体数字
xunan003
深度学习caffe
一、前沿写这篇博文,是因为一开始在做《21天学习caffe》第6天6.4练习题1的时候看着自己搜索的博文,在不理解其根本的情况下做的,结果显然是错的。在接下来阅读完源代码之后,在第10天学习完caffemodelzoo之后,明白了其中原理,反过来再去做那个习题,一开始在网上搜索并没有完完整整解释整个过程的一篇博文,而是写的不知所云,本着我们初学者互相共享的精神,也方便自己查阅,特详细写一下,将自己
- 《第二章-内功筑基》 C++修炼生涯笔记(基础篇)数据类型与运算符
嵌入式@秋刀鱼
C++c++开发语言visualstudiocode数据结构linux笔记
一、数据类型以下是C++数据类型与运算符的详解,结合表格和说明呈现:1.基本数据类型类型大小(字节)取值范围示例bool1true/falseboolflag=true;char1-128127或0255charc='A';signedchar1-128~127signedcharsc=-10;unsignedchar10~255unsignedcharuc=200;short2-32,768~3
- 算法在嵌入式端的部署与优化
早日退休!!!
硬件算法嵌入式硬件
算法在嵌入式端的部署与优化前言理论1.参考资源2.其他1.将深度学习模型移植到嵌入式端时,提高推理速度的方法2.深度学习模型移植到嵌入式端的主要流程3.假设将已经训练好的目标检测模型(比如YOLOv3)移植到树莓派4B这样一款嵌入式设备上,并且需要保证推理速度达到实时。具体流程如下4.在树莓派上使用ncnn推理引擎,可以采取以下措施提高推理速度5.先进行模型压缩再用推理模型部署是一种常见的深度学习
- python打卡第47天
zdy1263574688
python打卡python开发语言
昨天代码中注意力热图的部分顺移至今天知识点回顾:热力图作业:对比不同卷积层热图可视化的结果defvisualize_attention_map(model,test_loader,device,class_names,num_samples=3):"""可视化模型的注意力热力图,展示模型关注的图像区域参数:model:训练好的PyTorch模型test_loader:测试数据加载器device:计
- 告别黑箱,锤炼内功:深入“造轮子”宝库 Build Your Own X (GitHub 深度探索与实践指南)
wylee
github开源学习
前言:在框架与工具的海洋中,你是否迷失了方向?作为现代软件开发者,我们站在巨人的肩膀上。无数强大的框架、库、平台和服务唾手可得,让我们能够以前所未有的速度构建复杂的应用程序。从React、Vue到SpringBoot、Django,从Docker、Kubernetes到PostgreSQL、Redis,这些工具极大地提高了我们的生产力。然而,过度依赖这些“黑箱”也带来了一些潜在的问题。我们可能:知
- day46 python预训练模型补充
xiaohanbao09
pynotepython人工智能深度学习学习预训练模型
目录一、预训练模型的背景知识二、实验过程(一)实验环境与数据准备(二)预训练模型的选择与适配(三)训练策略三、实验结果与分析四、学习总结与展望一、预训练模型的背景知识在传统的神经网络训练中,模型的参数是随机初始化的,这可能导致训练初期的不稳定,并且容易陷入局部最优解。而预训练模型的出现,为这一问题提供了有效的解决方案。预训练模型是在大规模数据集(如ImageNet)上预先训练好的模型,它已经学习到
- 【图像超分】论文复现:轻量化超分 | 频域感知Transfomer模型FreqFormer的Pytorch源码复现,跑通源码,获得指标、模型复杂度、超分结果图,架构拆解与源码对应,注释详细!
十小大
超分辨率重建(理论+实战科研+应用)深度学习计算机视觉图像处理超分辨率重建人工智能pythonpytorch
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通FreqFormer源码,获得与论文一致的PSNR/SSIM、Params、FLOPs、超分可视化结果;
- 五大主流大模型推理引擎深度解析:llama.cpp、vLLM、SGLang、DeepSpeed和Unsloth的终极选择指南
我就是全世界
llamapython大模型人工智能
在人工智能的竞技场上,大模型推理框架就像是为超级跑车精心调校的引擎系统——选对了能让你的AI应用一骑绝尘,选错了可能连"停车场"都开不出去。这些框架的核心价值在于将训练好的"大脑"转化为实际可用的"肌肉记忆",而选择标准则需要像职业赛车手挑选装备般精准。在人工智能的竞技场上,大模型推理框架就像是为超级跑车精心调校的引擎系统——选对了能让你的AI应用一骑绝尘,选错了可能连"停车场"都开不出去。这些框
- 【图像超分】论文复现:轻量化超分 | FMEN的Pytorch源码复现,跑通源码,整合到EDSR-PyTorch中进行训练、重参数化、测试
十小大
超分辨率重建(理论+实战科研+应用)pytorch人工智能python超分辨率重建图像处理深度学习计算机视觉
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通FMEN源码(只给了模型实现和权重),将FMEN整合到EDSR-PyTorch中进行训练和重参数化测试获
- 让AI弹琴作曲不再是梦:Python+深度学习玩转自动化音乐创作
Echo_Wish
Python进阶人工智能python深度学习
让AI弹琴作曲不再是梦:Python+深度学习玩转自动化音乐创作一、AI也能谱出动人的旋律?真不是科幻!还记得小时候学钢琴时老师的那句经典:“感觉不到情绪的乐句,是没灵魂的。”当时我一边练琴一边想:要是有个机器能帮我写谱、调性又不跑调就好了!结果几年后,真被我碰上了。这年头,AI不仅能写小说、画画、生成视频,连音乐都开始“对标贝多芬”了。你没听错,现在的AI已经可以基于训练好的模型,自动生成旋律、
- Comfyui基础文生图工作流所需的7个节点
AI魔法师9527
Comfyui工作流stablediffusion
1、大模型加载节点大模型加载节点是Comfyui的核心节点之一,用来加载训练好的模型文件,不同的模型包容性和偏向性不同,模型可以在C站(https://civitai.com)免费下载使用,也可以自己基于某个基础模型训练处自己的模型。大模型加载节点使用时选择一个模型路径,就可以输出三个值,模型、条件和VAE2、正向提示词节点正向提示词节点是我们控制AI生成走向的关键手段,通过描述不通的正向提示词,
- AI+Xmind自动生成测试用例(思维导图格式)
WalkerShen
AI
一、操作步骤:步骤1:创建自动生成测试用例智能体方式:使用通义千问/豆包智能体生成,以下两个是我已经训练好的智能体,直接打开使用即可通义智能体:https://lxblog.com/qianwen/share?shareId=b0cd664d-5001-42f0-b494-adc98934aba5&type=agentCard豆包智能体:https://doubao.com/bot/wXUGtIS
- 已经训练好的 YOLO 模型,添加新的识别标签(类别)的步骤和注意事项
LeonDL168
YOLOYOLO深度学习python人工智能YOLO模型添加新的识别标签YOLO迁移学习yolov5/yolo11
在已经训练好YOLO模型后添加新的识别标签(类别),可以通过迁移学习的方式高效完成,而不必重新训练整个模型。以下是具体步骤和注意事项:一、准备工作保存原模型:确保有原始训练的checkpoint文件(如best.pt或last.pt)。标注新类别数据:为新增类别准备标注数据,格式需与原数据一致(YOLO格式的.txt文件)。更新配置文件:修改data.yaml增加新类别:nc:81#原80类+新增
- 解线性方程组
qiuwanchi
package gaodai.matrix;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;
public class Test {
public static void main(String[] args) {
Scanner scanner = new Sc
- 在mysql内部存储代码
annan211
性能mysql存储过程触发器
在mysql内部存储代码
在mysql内部存储代码,既有优点也有缺点,而且有人倡导有人反对。
先看优点:
1 她在服务器内部执行,离数据最近,另外在服务器上执行还可以节省带宽和网络延迟。
2 这是一种代码重用。可以方便的统一业务规则,保证某些行为的一致性,所以也可以提供一定的安全性。
3 可以简化代码的维护和版本更新。
4 可以帮助提升安全,比如提供更细
- Android使用Asynchronous Http Client完成登录保存cookie的问题
hotsunshine
android
Asynchronous Http Client是android中非常好的异步请求工具
除了异步之外还有很多封装比如json的处理,cookie的处理
引用
Persistent Cookie Storage with PersistentCookieStore
This library also includes a PersistentCookieStore whi
- java面试题
Array_06
java面试
java面试题
第一,谈谈final, finally, finalize的区别。
final-修饰符(关键字)如果一个类被声明为final,意味着它不能再派生出新的子类,不能作为父类被继承。因此一个类不能既被声明为 abstract的,又被声明为final的。将变量或方法声明为final,可以保证它们在使用中不被改变。被声明为final的变量必须在声明时给定初值,而在以后的引用中只能
- 网站加速
oloz
网站加速
前序:本人菜鸟,此文研究总结来源于互联网上的资料,大牛请勿喷!本人虚心学习,多指教.
1、减小网页体积的大小,尽量采用div+css模式,尽量避免复杂的页面结构,能简约就简约。
2、采用Gzip对网页进行压缩;
GZIP最早由Jean-loup Gailly和Mark Adler创建,用于UNⅨ系统的文件压缩。我们在Linux中经常会用到后缀为.gz
- 正确书写单例模式
随意而生
java 设计模式 单例
单例模式算是设计模式中最容易理解,也是最容易手写代码的模式了吧。但是其中的坑却不少,所以也常作为面试题来考。本文主要对几种单例写法的整理,并分析其优缺点。很多都是一些老生常谈的问题,但如果你不知道如何创建一个线程安全的单例,不知道什么是双检锁,那这篇文章可能会帮助到你。
懒汉式,线程不安全
当被问到要实现一个单例模式时,很多人的第一反应是写出如下的代码,包括教科书上也是这样
- 单例模式
香水浓
java
懒汉 调用getInstance方法时实例化
public class Singleton {
private static Singleton instance;
private Singleton() {}
public static synchronized Singleton getInstance() {
if(null == ins
- 安装Apache问题:系统找不到指定的文件 No installed service named "Apache2"
AdyZhang
apachehttp server
安装Apache问题:系统找不到指定的文件 No installed service named "Apache2"
每次到这一步都很小心防它的端口冲突问题,结果,特意留出来的80端口就是不能用,烦。
解决方法确保几处:
1、停止IIS启动
2、把端口80改成其它 (譬如90,800,,,什么数字都好)
3、防火墙(关掉试试)
在运行处输入 cmd 回车,转到apa
- 如何在android 文件选择器中选择多个图片或者视频?
aijuans
android
我的android app有这样的需求,在进行照片和视频上传的时候,需要一次性的从照片/视频库选择多条进行上传
但是android原生态的sdk中,只能一个一个的进行选择和上传。
我想知道是否有其他的android上传库可以解决这个问题,提供一个多选的功能,可以使checkbox之类的,一次选择多个 处理方法
官方的图片选择器(但是不支持所有版本的androi,只支持API Level
- mysql中查询生日提醒的日期相关的sql
baalwolf
mysql
SELECT sysid,user_name,birthday,listid,userhead_50,CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')),CURDATE(), dayofyear( CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')))-dayofyear(
- MongoDB索引文件破坏后导致查询错误的问题
BigBird2012
mongodb
问题描述:
MongoDB在非正常情况下关闭时,可能会导致索引文件破坏,造成数据在更新时没有反映到索引上。
解决方案:
使用脚本,重建MongoDB所有表的索引。
var names = db.getCollectionNames();
for( var i in names ){
var name = names[i];
print(name);
- Javascript Promise
bijian1013
JavaScriptPromise
Parse JavaScript SDK现在提供了支持大多数异步方法的兼容jquery的Promises模式,那么这意味着什么呢,读完下文你就了解了。
一.认识Promises
“Promises”代表着在javascript程序里下一个伟大的范式,但是理解他们为什么如此伟大不是件简
- [Zookeeper学习笔记九]Zookeeper源代码分析之Zookeeper构造过程
bit1129
zookeeper
Zookeeper重载了几个构造函数,其中构造者可以提供参数最多,可定制性最多的构造函数是
public ZooKeeper(String connectString, int sessionTimeout, Watcher watcher, long sessionId, byte[] sessionPasswd, boolea
- 【Java命令三】jstack
bit1129
jstack
jstack是用于获得当前运行的Java程序所有的线程的运行情况(thread dump),不同于jmap用于获得memory dump
[hadoop@hadoop sbin]$ jstack
Usage:
jstack [-l] <pid>
(to connect to running process)
jstack -F
- jboss 5.1启停脚本 动静分离部署
ronin47
以前启动jboss,往各种xml配置文件,现只要运行一句脚本即可。start nohup sh /**/run.sh -c servicename -b ip -g clustername -u broatcast jboss.messaging.ServerPeerID=int -Djboss.service.binding.set=p
- UI之如何打磨设计能力?
brotherlamp
UIui教程ui自学ui资料ui视频
在越来越拥挤的初创企业世界里,视觉设计的重要性往往可以与杀手级用户体验比肩。在许多情况下,尤其对于 Web 初创企业而言,这两者都是不可或缺的。前不久我们在《右脑革命:别学编程了,学艺术吧》中也曾发出过重视设计的呼吁。如何才能提高初创企业的设计能力呢?以下是 9 位创始人的体会。
1.找到自己的方式
如果你是设计师,要想提高技能可以去设计博客和展示好设计的网站如D-lists或
- 三色旗算法
bylijinnan
java算法
import java.util.Arrays;
/**
问题:
假设有一条绳子,上面有红、白、蓝三种颜色的旗子,起初绳子上的旗子颜色并没有顺序,
您希望将之分类,并排列为蓝、白、红的顺序,要如何移动次数才会最少,注意您只能在绳
子上进行这个动作,而且一次只能调换两个旗子。
网上的解法大多类似:
在一条绳子上移动,在程式中也就意味只能使用一个阵列,而不使用其它的阵列来
- 警告:No configuration found for the specified action: \'s
chiangfai
configuration
1.index.jsp页面form标签未指定namespace属性。
<!--index.jsp代码-->
<%@taglib prefix="s" uri="/struts-tags"%>
...
<s:form action="submit" method="post"&g
- redis -- hash_max_zipmap_entries设置过大有问题
chenchao051
redishash
使用redis时为了使用hash追求更高的内存使用率,我们一般都用hash结构,并且有时候会把hash_max_zipmap_entries这个值设置的很大,很多资料也推荐设置到1000,默认设置为了512,但是这里有个坑
#define ZIPMAP_BIGLEN 254
#define ZIPMAP_END 255
/* Return th
- select into outfile access deny问题
daizj
mysqltxt导出数据到文件
本文转自:http://hatemysql.com/2010/06/29/select-into-outfile-access-deny%E9%97%AE%E9%A2%98/
为应用建立了rnd的帐号,专门为他们查询线上数据库用的,当然,只有他们上了生产网络以后才能连上数据库,安全方面我们还是很注意的,呵呵。
授权的语句如下:
grant select on armory.* to rn
- phpexcel导出excel表简单入门示例
dcj3sjt126com
PHPExcelphpexcel
<?php
error_reporting(E_ALL);
ini_set('display_errors', TRUE);
ini_set('display_startup_errors', TRUE);
if (PHP_SAPI == 'cli')
die('This example should only be run from a Web Brows
- 美国电影超短200句
dcj3sjt126com
电影
1. I see. 我明白了。2. I quit! 我不干了!3. Let go! 放手!4. Me too. 我也是。5. My god! 天哪!6. No way! 不行!7. Come on. 来吧(赶快)8. Hold on. 等一等。9. I agree。 我同意。10. Not bad. 还不错。11. Not yet. 还没。12. See you. 再见。13. Shut up!
- Java访问远程服务
dyy_gusi
httpclientwebservicegetpost
随着webService的崛起,我们开始中会越来越多的使用到访问远程webService服务。当然对于不同的webService框架一般都有自己的client包供使用,但是如果使用webService框架自己的client包,那么必然需要在自己的代码中引入它的包,如果同时调运了多个不同框架的webService,那么就需要同时引入多个不同的clien
- Maven的settings.xml配置
geeksun
settings.xml
settings.xml是Maven的配置文件,下面解释一下其中的配置含义:
settings.xml存在于两个地方:
1.安装的地方:$M2_HOME/conf/settings.xml
2.用户的目录:${user.home}/.m2/settings.xml
前者又被叫做全局配置,后者被称为用户配置。如果两者都存在,它们的内容将被合并,并且用户范围的settings.xml优先。
- ubuntu的init与系统服务设置
hongtoushizi
ubuntu
转载自:
http://iysm.net/?p=178 init
Init是位于/sbin/init的一个程序,它是在linux下,在系统启动过程中,初始化所有的设备驱动程序和数据结构等之后,由内核启动的一个用户级程序,并由此init程序进而完成系统的启动过程。
ubuntu与传统的linux略有不同,使用upstart完成系统的启动,但表面上仍维持init程序的形式。
运行
- 跟我学Nginx+Lua开发目录贴
jinnianshilongnian
nginxlua
使用Nginx+Lua开发近一年的时间,学习和实践了一些Nginx+Lua开发的架构,为了让更多人使用Nginx+Lua架构开发,利用春节期间总结了一份基本的学习教程,希望对大家有用。也欢迎谈探讨学习一些经验。
目录
第一章 安装Nginx+Lua开发环境
第二章 Nginx+Lua开发入门
第三章 Redis/SSDB+Twemproxy安装与使用
第四章 L
- php位运算符注意事项
home198979
位运算PHP&
$a = $b = $c = 0;
$a & $b = 1;
$b | $c = 1
问a,b,c最终为多少?
当看到这题时,我犯了一个低级错误,误 以为位运算符会改变变量的值。所以得出结果是1 1 0
但是位运算符是不会改变变量的值的,例如:
$a=1;$b=2;
$a&$b;
这样a,b的值不会有任何改变
- Linux shell数组建立和使用技巧
pda158
linux
1.数组定义 [chengmo@centos5 ~]$ a=(1 2 3 4 5) [chengmo@centos5 ~]$ echo $a 1 一对括号表示是数组,数组元素用“空格”符号分割开。
2.数组读取与赋值 得到长度: [chengmo@centos5 ~]$ echo ${#a[@]} 5 用${#数组名[@或
- hotspot源码(JDK7)
ol_beta
javaHotSpotjvm
源码结构图,方便理解:
├─agent Serviceab
- Oracle基本事务和ForAll执行批量DML练习
vipbooks
oraclesql
基本事务的使用:
从账户一的余额中转100到账户二的余额中去,如果账户二不存在或账户一中的余额不足100则整笔交易回滚
select * from account;
-- 创建一张账户表
create table account(
-- 账户ID
id number(3) not null,
-- 账户名称
nam