- 正则化(Regularization)和正则表达式(Regular Expression)区别
Dontla
正则表达式
文章目录1.**正则化(Regularization)**2.**正则表达式(RegularExpression)**关键区别为什么名字相近?正则化(Regularization)和正则表达式(RegularExpression)不是同一个概念,它们是两个完全不同的术语,应用于不同的领域。1.正则化(Regularization)领域:机器学习/统计学。定义:正则化是一种用于防止模型过拟合(Ove
- 小爱音箱连接电脑外放之后,浏览器网页视频暂停播放后,音箱整体没声音问题解决
ShyTan
电脑音视频
背景22年买的小爱音箱增强版play,小爱音箱连接电脑外放之后,浏览器网页视频暂停播放后,音箱整体没声音(一边打着游戏,一边听歌,一边放视频,视频一暂停,什么声音都没了,视频继续播放,游戏和歌曲的声音就出来了),我以为是我的联想r7000p笔记本不兼容,平时小爱音箱也一直当智能助手来着,就没研究。今天突然想用小爱音箱当外放设备,解决一下这个bug。解决小爱音箱连接电脑后,进入设备与打印机管理页面,
- 机器学习基本篇
胖胖的小肥猫
机器学习
1基本概念机器学习,分为回归,分类,聚类,降维有监督学习回归,分类,有特征,有标签,进行训练,然后对新数据进行预测无监督学习聚类,降维。题目越多,训练越好,2基本流程数据预处理——模型训练与评估可以优化为获取数据——数据预处理——EDA分析——特征工程——模型训练——可解释性分析2.0数据获取利用kaggle,天池等平台的开源数据,2.1预处理目的:让数据更符合逻辑让数据更容易计算借助函数实现变换
- 联想小新 510S-14IKB (80UX) 原厂Win10系统oem镜像下载
无限的奇迹
电脑
小新510S-14IKB(80UX)原厂Win11系统oem镜像下载原厂Win11系统oem镜像下载文件地址:点击下载提供联想小新510S-14IKB(80UX)笔记本电脑的原厂Windows11系统oem镜像下载。该镜像为官方发布,确保系统纯净且兼容性最佳。资源文件描述该资源文件为联想小新510S-14IKB(80UX)笔记本电脑的原厂Windows11系统oem镜像。通过下载并安装此镜像,用户
- Python学习心得程序跳转语句
lifegoesonwjl
pythongithubpycharm
一、程序跳转语句break用于条跳(退)出循环结构,通常与if一起使用。1.while情形:语法结构:while表达式1:执行代码if表达式2:break执行流程:语句跳转break的运用:#累加和不大于20的i的值s=0i=1whilei:s+=iifs>20:print('累加和不大于20的i的值为:',i)breaki+=1注:break为非正常结束,当循环部分为while...else..
- Python学习心得-正则表达式
NKUer_there
pythonpython
#这是一个示例Python脚本。#按⌃R执行或将其替换为您的代码。#按双击⇧在所有地方搜索类、文件、工具窗口、操作和设置。#正则表达式学习心得importre#importre是必要的操作#正则表达式用以匹配文本regex1=r'\d\d\d-\d\d\d-\d\d\d\d'#或者等效为regex2=r'\d{3}-\d{3}-\d{4}'#利用re模块compile创建regex对象,即所谓的正
- 解锁机器学习核心算法 | 支持向量机:机器学习中的分类利刃
紫雾凌寒
AI炼金厂机器学习算法支持向量机python深度学习分类人工智能
一、引言在机器学习的庞大算法体系中,有十种算法被广泛认为是最具代表性和实用性的,它们犹如机器学习领域的“十大神器”,各自发挥着独特的作用。这十大算法包括线性回归、逻辑回归、决策树、随机森林、K-近邻算法、K-平均算法、支持向量机、朴素贝叶斯算法、降维算法、梯度增强算法。它们涵盖了回归、分类、聚类、降维等多个机器学习任务领域,是众多机器学习应用的基础和核心。而在这十大算法中,支持向量机(Suppor
- 新书速览|细说PyTorch深度学习:理论、算法、模型与编程实现
全栈开发圈
深度学习pytorch算法
超详细的PyTorch深度学习入门书,100余个编程示例+6大热点案例,大咖带路,边学边实践。本书特点:1.专家编撰:由资深专家精心编撰,通俗易懂,娓娓道来2.范例丰富:100余个编程教学示例,帮你深入理解,边学习、边操练。3.实战应用:6大典型应用,原理与实操并重,快速掌握提升实战能力。4技术先进:视觉transformer模型详解,紧跟大模型核心技术。5易于上手:Pytorch详解并使用Pyt
- jvm的内存分配机制
四条腿
java虚拟机jvm内存分配内存
在学习jvm的内存分配的时候,看到的这篇博客,该博客对jvm的内存分配总结的很好,同时也利用jvm的内存模型解释了java程序中有关参数传递的问题。博客出处:http://www.cnblogs.com/hellocsl/p/3969768.html?utm_source=tuicool&utm_medium=referral看了此博客后,发现应该去深入学习下jvm的内存模型,就是去认真学习下《深
- 【YOLO模型】(1)--YOLO是什么
方世恩
YOLOYOLO人工智能目标检测
一、什么是YOLOYOLO(YouOnlyLookOnce)是一种基于深度学习的目标检测算法,由JosephRedmon等人于2016年提出。1.核心思想它的核心思想是将目标检测问题转化为一个回归问题,通过一个神经网络直接预测目标的类别和位置。2.原理YOLO算法将输入图像分成SxS个网格,每个网格负责预测该网格内是否存在目标以及目标的类别和位置信息。此外,YOLO算法还采用了多尺度特征融合的技术
- Lineageos 22.1 aosp15 定制学习专栏介绍
JabamiLight
Lineageos学习aosp15android15pixel3
一.前言学习了一段时间的rom开发,需求也大概做了一些,但是一直没有记录下来总结,这个专栏开始会基于如下平台开始尝试做一些常见模块的需求定制,记录学习,如果有错误欢迎指正,大家一起学习!至于pixel编译刷机大家可自行查看官方文档。https://wiki.lineageos.org/devices/blueline/二.平台介绍设备:GooglePixel3Lineageos:22.1基于aos
- ocr智能票据识别系统|自动化票据识别集成方案
OCR_API
接口ocr自动化运维
在企业日常运营中,对大量票据实现数字化管理是一项耗时且容易出错的任务。随着技术的进步,OCR(光学字符识别)智能票据识别系统的出现为企业提供了一个高效、准确的解决方案,不仅简化了财务流程,还大幅提升了工作效率。一、什么是OCR智能票据识别系统?OCR智能票据识别系统是一种基于先进图像处理和深度学习算法的技术,能够自动从各类票据中提取关键信息,并将其转换为结构化数据。翔云发票识别系统可以应用于增值税
- 【Excel笔记_6】条件格式和自定义格式设置表中数值超过100保留1位,超过1000保留0位,低于100为默认
科熊小猪
Officeexcel笔记
方法一:自定义格式选中需要设置格式的单元格区域。右键选择设置单元格格式,或者在工具栏中选择开始->数字->自定义格式。在类型框中输入以下自定义格式:[>1000]0;[>100]0.0;G/通用格式解释:[>1000]0:大于1000时,保留0位小数。[>100]0.0:大于100且小于等于1000时,保留1位小数。G/通用格式:其余情况下(即小于等于100),显示为默认格式(即一般的数字格式)。
- Go分布式爬虫笔记(五)_golang分布式爬虫架构
2401_87198107
golang分布式爬虫
系统级别优化与架构设计:如何对服务进行拆分如何将服务链接在一起服务调用的关系以及调用频率各种问题:如何让服务随着负载的增加具有可扩展性?是否采用DDD的架构设计?如何进行分布式的协调?选择何种中间件、缓存数据库与存储数据库?使用何种通信方式?如何设计缓存与数据库的关系,才能避免缓存失效之后大量数据直接打到数据库导致的服务响应变慢甚至服务雪崩的问题呢?分布式系统中数据的一致性,如果业务能够接受读取到
- 从零开始学习代理AI:2025全面指南
zxzy_org
学习人工智能ai
代理AI作为人工智能的一项重要技术,近年来得到了广泛关注。2025年,代理AI技术的不断进步让许多开发者和企业都迫切希望掌握这项技术。如果你是从零开始学习代理AI,本文将为你提供一份全面的学习指南,帮助你掌握代理AI的基础知识、关键技术和实战经验。首先,你需要理解代理AI的基本概念。代理AI是一种能够自主行动并根据环境反馈调整行为的智能系统。它能够通过学习和推理来完成复杂任务,如自动化客服、智能推
- 人工智能到底是什么?
yzx991013
开发语言人工智能pythondjango
人工智能(ArtificialIntelligence,简称AI)是一门研究和开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的学科。以下是关于人工智能的具体介绍:定义-从技术角度:人工智能是让计算机系统具备像人类一样的感知、学习、推理、决策等能力,通过算法和数据使计算机能处理和理解各种复杂信息,如语音识别系统能听懂人类语言并转化为文字。-从学科交叉角度:人工智能融合了计算机科学、控制
- 在linux 中搭建deepseek 做微调,硬件配置要求说明
慧香一格
学习AIlinux服务器deepseek
搭建可参考使用deepseek-CSDN博客官方网站:DeepSeekDeepSeek是一个基于深度学习的开源项目,旨在通过深度学习技术来提升搜索引擎的准确性和效率。如果你想在Linux系统上搭建DeepSeek,你可以遵循以下步骤。这里我将提供一个基本的指导,帮助你从零开始搭建一个基础的DeepSeek环境。1.安装依赖首先,确保你的Linux系统上安装了Python和pip。DeepSeek主
- 深度学习与图像识别:机器学习基础之回归
Shenrn_
机器学习回归深度学习
1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式:p为预测出来的概率,范围在0-1之间,一般用于处理二分类问题,因为这个式子的一个显著特征在于:当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候,以p的值来反映y_pre是一个不错的选择,此
- 函数的返回值的使用
print('name')
Pythonpython开发语言pycharmvisualstudiocode数据结构
笔记defcalc(a,b):print(a+b)calc(10,20)print(calc(1,2))#Nonedefcalc2(a,b):s=a+breturns#将s返回给函数的调用处去处理print('-'*8)get_s=calc2(1,2)#储存到变量中print(get_s)get_s2=calc2(calc2(1,2),3)#1+2+3先去执行calc2(1,2)返回结果为3,再去
- 深度学习下的图像分割
人工智能大讲堂
深度学习人工智能
在之前写的文章[图像分割演进之路]中,讲述了图像分割的发展历程,从传统图像分割算法到人工智能,分割算法百花齐放,但最终的佼佼者当属人工智能,但即使是人工智能领域,图像分割也五花八门,今天就让我们看几种基于学习的图像分割方法。基于学习的图像分割算法主要依赖于深度神经网络,经典的深度神经网络分为如下几种:2.1卷积神经网络CNN:卷积神经网络是图像处理领域应用最为广泛的网络,其权值共享,局部连接等特性
- m1处理器macbook使用qemu模拟运行RT-Thread
想学rtos的带土
m1macrt-threadiot物联网macosrisc-v
最近准备深入学习一下RTOS,好巧不巧的是在前几天换了m1的macbookair,于是想要在电脑上配置一下RT-Thread的开发环境,网上搜了一大堆,没有看到符合需求的相关教程(真的很少很少,哭了,给我整崩溃!)。不过在几天的东平西凑后,成功在我的电脑上完成了RT-Thread的编译与运行。现在分享出来,有需要的可以参考一下。1.工具python3.11.5.我这里应该是用的苹果自带的,这里不用
- 深入剖析模型推理:原理、技术与挑战
♢.*
人工智能模型推理
亲爱的小伙伴们,在求知的漫漫旅途中,若你对深度学习的奥秘、Java与Python的奇妙世界,亦或是读研论文的撰写攻略有所探寻,那不妨给我一个小小的关注吧。我会精心筹备,在未来的日子里不定期地为大家呈上这些领域的知识宝藏与实用经验分享。每一个点赞,都如同春日里的一缕阳光,给予我满满的动力与温暖,让我们在学习成长的道路上相伴而行,共同进步✨。期待你的关注与点赞哟!引言在当今人工智能飞速发展的时代,模型
- 推荐系统Day2笔记
『₣λ¥√≈üĐ』
机器学习人工智能
协同过滤(CollaborativeFiltering)推荐算法是最经典、最常用的推荐算法。基本思想是:根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品。基于对用户历史行为数据的挖掘发现用户的喜好偏向,并预测用户可能喜好的产品进行推荐。一般是仅仅基于用户的行为数据(评价、购买、下载等),而不依赖于项的任何附加信息(物品自身特征)或者用户的任何附加信息(年龄,性别等)。目前应用比较广泛
- BabyAGI:开创智能自动化新时代,赋能人工智能的下一次飞跃
gs80140
基础知识科谱AI人工智能自动化运维
目录BabyAGI:开创智能自动化新时代,赋能人工智能的下一次飞跃什么是BabyAGI?BabyAGI的核心功能BabyAGI的应用领域BabyAGI与传统AI系统的区别BabyAGI的挑战与未来发展BabyAGI的未来展望结语BabyAGI:开创智能自动化新时代,赋能人工智能的下一次飞跃随着人工智能(AI)的不断演进,机器学习和自我优化系统已经逐步渗透到各个行业,从医疗健康到金融服务,从零售到制
- 机器学习和线性回归、softmax回归
小名叫咸菜
人工智能线性回归
监督学习监督学习(supervisedlearning)擅⻓在“给定输⼊特征”的情况下预测标签。每个“特征-标签”对都称为一个样本(example)。我们的目标是生成一个模型,能够将任何输⼊特征映射到标签(即预测)。回归——平方误差损失函数回归(regression)是最简单的监督学习任务之一。分类——交叉熵样本属于“哪一类”的问题称为分类问题回归是训练一个回归函数来输出一个数值;分类是训练一个分
- 2024山东省职业院校技能大赛“网络空间安全”赛题及赛题解析(超详细)_2024年山东省职业院校技能大赛中职组网络安全赛项竞赛样题(2)
2401_84252820
程序员安全web安全
如何自学黑客&网络安全黑客零基础入门学习路线&规划初级黑客1、网络安全理论知识(2天)①了解行业相关背景,前景,确定发展方向。②学习网络安全相关法律法规。③网络安全运营的概念。④等保简介、等保规定、流程和规范。(非常重要)2、渗透测试基础(一周)①渗透测试的流程、分类、标准②信息收集技术:主动/被动信息搜集、Nmap工具、GoogleHacking③漏洞扫描、漏洞利用、原理,利用方法、工具(MSF
- AI 编程工具崛起,程序员的未来是否岌岌可危?
一、AI编程工具的现状AI编程工具的出现与迅猛发展是技术进步的必然结果。这一趋势首先得益于开源社区和代码托管平台提供的丰富代码样本,它们为AI模型的学习提供了充足的素材。其次,编程语言本身的严格语法和结构化特点,使得AI能够高效、精确地理解和生成代码。再者,深度学习技术的突破,尤其是大语言模型在代码理解与生成方面的显著进展,为AI编程提供了坚实的技术基础。最后,随着软件开发需求的不断增加,传统开发
- 武圣破难上山之他要学习——《贪心》
曼珠沙华
算法学习算法
一、贪心算法原理与实例剖析贪心算法作为一种独具特色且应用广泛的策略,占据着重要地位。其核心策略在于将复杂的整体问题,拆解为一系列紧密相连的步骤。每一个步骤都选取当前状态下的最优方案,通过这样的方式步步推进,直至完成所有步骤。从本质而言,贪心算法在处理问题时,着重于当下的抉择,全力聚焦于当下时刻的最优选择,而暂且搁置对最终结果的预先考量。然而,运用贪心算法时需格外留意一个关键前提:每一步所做出的选择
- 写好C/C++代码,大学生必读:林锐博士的《高质量 C++/C 编程指南》
晚风る
C\C++c++c语言
作为一名大学生,我深知在学习编程的过程中,写出高质量的代码是多么重要。最近,我读了林锐博士的《高质量C++/C编程指南》,这本书让我受益匪浅,今天想和大家分享一下我的学习心得。目录一、初识《高质量C++/C编程指南》二、书中的精华内容(一)编程规范与代码风格(二)内存管理(三)函数设计(四)类的构造函数、析构函数与赋值函数三、我的学习与实践四、收获与感悟五、推荐与分享一、初识《高质量C++/C编程
- 评测系统的神经架构搜索优化
AI天才研究院
ChatGPT计算DeepSeekR1&大数据AI人工智能大模型javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
评测系统的神经架构搜索优化关键词评测系统神经架构搜索优化强化学习人工智能摘要本文将探讨评测系统的神经架构搜索优化这一主题。首先,我们将介绍评测系统的基本概念和重要性,然后深入解析神经架构搜索优化的基本原理和算法。接下来,我们将探讨神经架构搜索优化的应用场景和实战案例分析,最后进行总结和展望。第1章:引言1.1评测系统的重要性评测系统在各个领域都有着广泛的应用,如教育、工业、金融等。它的主要作用是对
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置