- 字节跳动实习生和校招生内推
飞300
pythonjavascriptphp业界资讯算法
机器学习算法实习生-平台治理1、2026届硕士及以上学位在读,计算机等相关专业优先;2、有扎实的代码能力,熟悉深度学习/图神经网络/机器学习框架,如Pytorch、Tensorflow、DGL、Pyg、Sklearn等;3、熟悉机器学习/图学习/序列学习算法中的一项或者多项,如图建模、时序信号建模、节点/子图分类、社区挖掘、表征学习、自监督/半监督学习等,有一定深度和广度;4、熟悉相关算法在数据挖
- 量化噪声介绍
正是读书时
知识点概率论线性代数
量化噪声是在将模拟信号转换为数字信号的量化过程中产生的噪声。以下为你详细介绍:1.量化的基本概念在模拟信号数字化过程中,采样是对模拟信号在时间上进行离散化,而量化则是对采样值在幅度上进行离散化。由于模拟信号的取值是连续的,而数字信号的取值是离散的有限个值,所以在量化时,需要将模拟信号的采样值映射到最接近的离散量化电平上,这种映射过程不可避免地会产生误差,这种误差就表现为量化噪声。2.量化噪声的定义
- MNIST Examples for GGML - Fully connected network
Yongqiang Cheng
ggml-llama.cpp-whisper.cppGGMLMNISTExamplesFullyconnected
MNISTExamplesforGGML-Fullyconnectednetwork1.Build2.MNISTExamplesforGGML2.1.Obtainingthedata2.2.Fullyconnectednetwork2.2.1.TotrainafullyconnectedmodelinPyTorchandsaveitasaGGUFfile2.2.2.Toevaluatethemod
- Python调用C语言动态库(DLL)结构体/指针/变量的方法
ENOCH_Q
PYTHONpythonc语言开发语言
文章目录前言一、如何生成C语言动态库DLL第一步:安装编译工具第二步:设计C代码第三步:编译成C语言动态库DLL二、如何使用C语言动态库第一步:python/pytorch调入DLL接口第二步:Python调用DLL函数第三步:Python测试函数三、完整程序与测试结果总结前言在使用python等进行数据处理时,有时需要使用C语言生成的动态库进行数据处理,比如有些算法已经用C语言实现,或有些函数处
- deepseek+python,离线api,持续对话
守着黎明看日出
python
功能:通过start开启新对话,stop结束对话,exit退出程序,并且可持续对话代码fromtransformersimportAutoModelForCausalLM,AutoTokenizer,BitsAndBytesConfigimporttorch#导入torch模块#配置4-bit量化quantization_config=BitsAndBytesConfig(load_in_4bit
- Go协程goroutine和管道channel
始梦的少年
gogo
1、进程:程序在操作系统的一次执行过程,是系统资源分配和调度的基本单位。2、线程:轻量化进程,是系统调度的基本单位。在同一个进程的线程切换不会导致进程切换,不同进程里的切换会导致进程切换。3、协程goroutine:轻量化线程,一个进程可以轻松开启上万个协程。在用户态,有独立的栈空间共享程序堆空间由用户调度简单易懂的代码1:packagemainimport("fmt""strconv""time
- DeepSeek-R1-Distill-Qwen-7B-Int8-W8A16 量化高精校准
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型计算DeepSeekdeepseek
下载方法SDK下载#安装ModelScopepipinstallmodelscope#SDK模型下载frommodelscopeimportsnapshot_downloadmodel_dir=snapshot_download('okwinds/DeepSeek-R1-Distill-Qwen-7B-Int8-W8A16')Git下载#Git模型下载gitclonehttps://www.mod
- 动手学深度学习V2.0(Pytorch)——25. 使用块的网络 VGG
吨吨不打野
动手学深度学习pytorch深度学习pytorch网络
文章目录P1讲解1.1基本介绍1.2总结P2代码实现2.1报错解决2.2windows下专用/共享GPU内存P3Q&AP4.其他4.1ImageNetClassificationLeaderboard4.2VGG其它讲解P1讲解1.1基本介绍视频地址:https://www.bilibili.com/video/BV1Ao4y117Pd教材文档:https://zh-v2.d2l.ai/chapt
- 【Python】解决PyTorch报错:PytorchStreamReader failed reading zip archive: failed finding central的解决方案
I'mAlex
pythonpytorch开发语言
在使用PyTorch时,遇到“PytorchStreamReaderfailedreadingziparchive:failedfindingcentral”错误通常是由于损坏的模型文件或不兼容的文件版本导致的。这种问题在加载模型或数据时比较常见。以下是一些排查和解决该问题的步骤。博主简介:现任阿里巴巴嵌入式技术专家,15年工作经验,深耕嵌入式+人工智能领域,精通嵌入式领域开发、技术管理、简历招聘
- 《DeepSeek Janus Pro 7B:多模态人工智能大模型部署全攻略》
空云风语
神经网络人工智能深度学习人工智能
《DeepSeekJanusPro7B:多模态人工智能大模型部署全攻略》引言:开启多模态AI新世界在科技飞速发展的当下,多模态AI已成为人工智能领域中最耀眼的明星,正以前所未有的速度改变着我们的生活与工作方式。从智能语音助手到图像识别系统,从自动驾驶汽车到智能医疗诊断,多模态AI的身影无处不在,它让机器能够理解和处理多种类型的信息,如文本、图像、音频等,从而实现更加智能、高效的交互。DeepSee
- 数据驱动的DevOps,MLOps工具链初现端倪
AI架构设计之禅
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
DevOps,MLOps,数据驱动,工具链,自动化,持续交付,模型部署,模型监控1.背景介绍在当今以数据为中心的时代,软件开发和机器学习模型的部署和维护日益复杂。传统的开发流程难以满足快速迭代、持续交付和模型生命周期管理的需求。DevOps和MLOps应运而生,旨在通过自动化、持续集成和持续交付等实践,提高软件开发和机器学习模型部署的效率和可靠性。DevOps是一种文化和实践,旨在打破开发和运维之
- 【golang】量化开发学习(一)
幺零九零零
量化开发语言go
均值回归策略简介均值回归(MeanReversion)假设价格会围绕均值波动,当价格偏离均值一定程度后,会回归到均值。基本逻辑:计算一段时间内的移动均值(如20天均线)。当当前价格高于均值一定比例,做空;当低于均值一定比例,做多。持仓等待价格回归后平仓。官网下载DOLGPHINDB总结✅Docker运行DolphinDB✅创建模拟股票数据表✅Golang连接DolphinDB进行查询这样,Gola
- 开源大模型性能追平闭源模型技术路径分析
Mr' 郑
开源
(预测实现时间:2025Q2)开源模型进化路径MoE架构稀疏训练分布式RLHF2024突破2023现状2025超越性能反超一、现状对比与瓶颈分析(2024Q3)1.核心差距量化指标能力维度闭源模型均值开源模型均值差距比例复杂推理(MMLU)86.7%79.2%8.7%代码生成(HumanEval)89.1%81.4%8.5%长文本理解(NarrativeQA)82.3%73.9%10.2%多模态理
- 掌握MiniQMT程序化交易:下单与撤单的实战技巧
量化投资技术
量化科普Python量化miniQMTQMT量化交易量化投资
掌握MiniQMT程序化交易:下单与撤单的实战技巧在量化交易领域,自动化执行交易策略是提高效率和准确性的关键。MiniQMT作为一款强大的工具,提供了丰富的API接口,使得程序化下单与撤单变得简单而高效。本文将深入探讨如何利用MiniQMT进行程序化下单与撤单,以及在实际操作中应注意的事项。《QMT开通规则分享》更多内容,知识星球搜索:数据与交易同步下单与异步下单在MiniQMT中,下单操作可以分
- 【python语言应用】最新全流程Python编程、机器学习与深度学习实践技术应用(帮助你快速了解和入门 Python)
赵钰老师
python机器学习深度学习python机器学习深度学习数据分析人工智能
近年来,人工智能领域的飞速发展极大地改变了各个行业的面貌。当前最新的技术动态,如大型语言模型和深度学习技术的发展,展示了深度学习和机器学习技术的强大潜力,成为推动创新和提升竞争力的关键。特别是PyTorch,凭借其灵活性和高效性,成为科研人员和工程师的首选工具。理解和掌握深度学习的基础知识,深入了解其与经典机器学习算法的区别与联系,并系统掌握包括迁移学习、循环神经网络(RNN)、长短时记忆网络(L
- 量化交易技术简介
0010000100
linux
量化交易1.C++技术栈高频交易和低延迟系统对C++和Linux内核的要求极高,需要高效的代码执行、低延迟的通信机制、以及对操作系统底层的深入优化。以下是关键技术点:1.C++技术栈高频交易需要极致的性能优化,因此C++代码需要低延迟、高吞吐,通常采用以下技术:(1)高性能数据结构•Lock-free数据结构(无锁队列、环形缓冲区)•采用std::atomic和内存屏障(memorybarrier
- Python深度学习代做目标检测NLP计算机视觉强化学习
matlabgoodboy
计算机视觉python深度学习
了解您的需求,您似乎在寻找关于Python深度学习领域的代做服务,特别是在目标检测、自然语言处理(NLP)、计算机视觉以及强化学习方面。以下是一些关于这些领域的概述以及寻找相关服务的建议。1.Python深度学习代做概述目标检测:目标检测是计算机视觉中的一个重要任务,旨在识别图像或视频中的特定对象,并确定它们的位置。Python中的深度学习框架(如TensorFlow、PyTorch)和计算机视觉
- PyTorch入门实战:从零搭建你的第一个神经网络
不打滑的西瓜皮
机器学习深度学习人工智能神经网络pythonpytorchpycharm
目录一、PyTorch简介:为什么选择它?二、环境搭建:5分钟快速安装三、核心概念:张量与自动求导1.张量(Tensor):深度学习的数据基石2.自动求导(Autograd):神经网络训练的核心四、实战:手写数字识别(MNIST)1.数据集加载与预处理2.构建卷积神经网络(CNN)3.训练与评估五、下一步学习建议一、PyTorch简介:为什么选择它?PyTorch是当前最热门的深度学习框架之一,由
- deepseek本地部署需要多少显卡资源
yuanlulu
LLM国产算力/昇腾自然语言处理deepseekLLM大语言模型昇腾人工智能
华为昇腾环境(MindIE)参考资料:https://modelers.cn/models/MindIE/deepseekv3部署DeepSeek-V3、R1模型浮点权重至少需要4台Atlas800IA2(8x64G)服务器,W8A8量化权重至少需要2台Atlas800IA2(8x64G服务器)在昇腾上量化deepsee模型可参考:https://gitee.com/ascend/msit/tre
- 华为昇腾部署 DeepSeek-R1 (671B) 大模型实战指南
歌刎
模型部署最前沿的大模型训练部署实践手册华为服务器ai人工智能AIGC
概述本指南详细讲解如何在华为昇腾Atlas800IA2服务器集群上部署DeepSeek-R1671B大模型,涵盖从环境准备到服务化部署的全流程。通过本教程,您将掌握:模型权重转换与量化方法昇腾专用镜像的使用技巧多机分布式推理配置生产级服务化部署方案一、部署前准备1.1硬件要求部署类型服务器配置显存要求BF16推理4台Atlas800IA28*64GBW8A8量化推理2台Atlas800IA28*6
- Blazor 组件库 BootstrapBlazor 中Editor组件介绍
虚幻私塾
python计算机
优质资源分享学习路线指引(点击解锁)知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统组件介绍Editor组件是对Summernote组件的二次封装。组件分为div模式和editor模式。默认状态下edito
- XX(北京)科技股份公司为啥需要购置服务器?
麦田上的字节
(精华帖)孙叫兽进阶之路系列服务器负载均衡创业
其实老板只是要一个量化的标准,只是没人能讲明白,我简单陈述一下:公司现在只有一台阿里的1核两G的1M带宽服务器40G,属于低配,买了3年的,打了三折花了2800元左右,为啥需要额外购置服务器呢?目前服务器上有,一个后台管理系统,一个小程序,一个APP,一个网站,目前就放了这4个产品,只有一个上述配置服务器产品,公司主营业务是打造一个共享办公平台,通过这种轻资产的线上产品运作,这就会涉及到成千万的图
- PyTorch Lightning LightningDataModule 介绍
qq_27390023
pytorch人工智能python
LightningDataModule是PyTorchLightning提供的数据模块,用于统一管理数据加载流程(包括数据准备、预处理、拆分、批量加载等)。它的核心作用是将数据处理逻辑与模型解耦,提高代码的可复用性和可读性。1.LightningDataModule的作用✅封装数据预处理:数据下载、清理、转换等步骤都可以在LightningDataModule中完成。✅统一数据加载流程:确保训练、
- 【笔记】使用 Pytorch 进行分布式训练
LittleNyima
人工智能深度学习pytorch分布式
本文原文以CCBY-NC-SA4.0许可协议发布于技术相关|使用Pytorch进行分布式训练,转载请注明出处。其实Pytorch分布式训练已经不算什么新技术了,之所以专门写一篇blog是因为今天训模型的时候出现了一个没见过的问题,在调试的时候发现自己平时都是用别人写好的分布式代码,没有深入研究过其中的实现细节,因此感觉有必要整理吸收一下。最简单的数据并行作为最简单的并行计算方式,使用nn.Data
- 实验随记2-Pytorch Lightning多机多卡训练
晓岚和雪
实验随记pytorch人工智能python深度学习分布式
本文章主要收录笔者在阅读时发现的一些比较优质的多机多卡训练教程~~,由于pytorchLightning多机多卡示例很少,因此需要等笔者最近做完实验验证后才能更新示例。不断完善中…~~及多机多卡训练细节。任务需求:实现多机多卡训练,模型可能继承torch.nn或者torch.lightning。示例实现5节点4GPU共计20卡训练。使用pytorch_lightning==1.9.4存在bug:启
- PyTorch Lightning多GPU分布式日志介绍
qq_27390023
pytorch人工智能python
分布式日志是指在分布式系统中,多个节点(如多台机器或多个GPU)协同工作时,对系统运行状态、错误信息、性能指标等进行记录的过程。在多GPU/分布式训练环境下,多个进程会同时运行,普通的print()或logging可能会在所有GPU上重复输出,导致日志混乱。PyTorchLightning提供了一些分布式日志控制工具,确保日志仅在rank0进程打印,防止重复输出。lightning_utiliti
- AI 如何改变职场:从增强到重塑工作的未来
塞大花
AI技术前沿人工智能aiAI编程AI写作职场和发展职场发展AI
最近,Anthropic公司发布了一份研究报告——《WhichEconomicTasksarePerformedwithAI?EvidencefromMillionsofClaudeConversations》,基于数百万次与AI助手Claude的匿名对话,分析了AI在不同职业中的使用情况。这一研究提供了前所未有的量化视角,揭示了AI在职场的真正影响。这也说明,人工智能(AI)正在加速改变职场。无
- Pytorch学习之路(3)
AAAx1anyu
Pytorch学习之旅学习人工智能pytorch深度学习笔记
一.机器学习任务的整体流程1.数据预处理:数据格式统一、异常数据消除、必要数据转换,划分训练集、验证集、测试集2.选择模型3.设定损失函数、优化方法、对应的超参数4.用模型拟合训练集数据,在验证集/测试集上计算模型表现二.数据读入pytorch数据读入通过Dataset+DataLoader的方式完成,Dataset定义好数据的格式和数据变换形式,DataLoader用iterative的方式不断
- A股量化交易软件有哪些?各有什么优劣?如何选择适合自己的?
股票程序化交易接口
量化交易股票API接口Python股票量化交易a股量化交易软件优劣选择股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>聚宽平台聚宽是一个很受欢迎的量化交易平台。它拥有丰富的金融数据,涵盖股票、期货等多种市场数据,这为量化策略的开发提供了坚实的数据基础。其编程语言相对简单,容易上手,对于初入量化领域的投资者来说是一大优势。聚宽社区资源丰富,用户可以在社
- Python股票接口实现查询账户,提交订单,自动交易(1)
股票程序化交易接口
量化交易股票API接口python开发语言
部分券商已经支持股票的API交易接入,大部分讲量化交易的文章都是讲用各种Python库取股票数据,和交易策略的回测,很少有讲到账户的查询和订单的提交与查询。基础介绍:其实取数据有各种方法,也都没什么门槛,有很多免费好用的第三方Python库,即时性和准确性不像券商官方的稳定可靠,实现绝大部分的分析是足够了。这篇也只讲官方数据的获取,交易和查账在之后的文章中会讲到。交易和查账的接口是需要找特定券商申
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22 fred@myhost.com
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla