- 阿里云通义开源首个推理步骤评估标准,探索AI推理模型新路径
量子位
1月16日,阿里云通义开源全新的数学推理过程奖励模型Qwen2.5-Math-PRM,72B及7B尺寸模型性能均大幅超越同类开源过程奖励模型;在识别推理错误步骤能力上,Qwen2.5-Math-PRM以7B的小尺寸就超越了GPT-4o。同时,通义团队还开源首个步骤级的评估标准ProcessBench,填补了大模型推理过程错误评估的空白。在当前大模型推理过程中,不时存在逻辑错误或编造看似合理的推理步
- MiniMax开源,突破传统Transformer架构,震撼业界
人工智能模型
就在昨天,AI领域迎来了一项重大突破——MiniMax发布并开源了新一代01系列模型。国产大模型市场再掀巨浪,传统Transformer架构或许将不再是唯一选择。MiniMax-Text-01模型:https://huggingface.co/MiniMaxAI/MiniMax-Text-01MiniMax-VL-01模型:https://huggingface.co/MiniMaxAI/Mini
- mindspeed-llm源码解析(一)preprocess_data
人工智能
mindspeed-llm是昇腾模型套件代码仓,原来叫"modelLink"。这篇文章带大家阅读一下数据处理脚本preprocess_data.py(基于1.0.0分支),数据处理是模型训练的第一步,经常会用到。文章中贴的源码加了相关注释,同学们可以把源码和注释结合起来看。首先来看一下main函数defmain():#获取入参,通过后面的代码可以知道有哪些关键参数args=get_args()#参
- 从RNN到Transformer:生成式AI技术演变与未来展望
非著名架构师
人工智能rnntransformer
生成式人工智能(GenerativeAI)近年来取得了令人瞩目的进展,其背后的核心技术是自回归模型的不断演进。从传统的递归神经网络(RNN)到革命性的Transformer架构,本文将全面剖析这一技术发展历程。一、RNN:生成式模型的起点1.RNN的基本原理递归神经网络(RecurrentNeuralNetwork,RNN)是一种专为处理序列数据设计的神经网络架构。其核心思想是通过循环连接的隐藏状
- 开源多模态推理模型QVQ:视觉推理能力的突破与未来展望
前端
近年来,AI代码生成器等人工智能技术飞速发展,多模态推理模型作为其中一个重要分支,正展现出越来越强大的能力。它能够理解和处理多种类型的数据,例如图像、文本、音频等,并进行复杂的推理和决策。阿里云通义千问团队近日发布的QVQ-72B-Preview模型,就是一个极具代表性的例子。该模型开源且在视觉推理方面表现突出,为多模态模型的发展树立了新的里程碑。QVQ模型的核心能力与突破QVQ-72B-Prev
- PyTorch建模与应用:从深度学习到大模型
屿小夏
书籍推荐深度学习pytorch人工智能
文章目录一、内容简介二、值得一读1.从基础到深入,适合不同层次的读者2.丰富的实战案例3.全面的数据处理与模型构建三、适用人群1.AI技术初学者2.在校学生和从业者3.培训机构和高校教学四、总结一、内容简介《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章,内容涵盖了从深度学习的基础概念到大语言模型的应用。第1章介绍了深度
- 会捡垃圾、能干家务,元萝卜“视觉+机械臂”技术扫地机器人首秀
量子位
在2025开年科技盛宴CES(国际消费电子展)上,AI机器人无疑成为全场焦点,而其中来自中国科技企业展示和发布的仿生多关节机械手技术在扫地机器人产品上的应用,更获得了全球媒体的高度关注。通过将视觉感知与机械臂技术相结合,能够自主完成拾取垃圾入桶等任务,不仅展示了家用机器人发展的未来形态,也让大众看到了具身智能机器人融入家庭生活的广阔前景。随着大模型技术和具身智能浪潮汹涌而至,家用机器人正迎来全新发
- 论文翻译:A survey on large language model (LLM) security and privacy: The Good, The Bad, and The Ugly
CSPhD-winston-杨帆
论文翻译LLMs-鲁棒性语言模型人工智能自然语言处理
Asurveyonlargelanguagemodel(LLM)securityandprivacy:TheGood,TheBad,andTheUglyhttps://www.sciencedirect.com/science/article/pii/S266729522400014X文章目录关于大型语言模型(LLM)安全性和隐私的调查:好的、坏的和丑陋的摘要1.引言2.背景2.1大型语言模型(L
- 手把手教你学simulink(79.1)--智能家居窗帘与窗户控制场景实例:基于Simulink设计和仿真一个智能窗帘与窗户控制系统,以实现对室内环境的有效管理
小蘑菇二号
手把手教你学MATLAB专栏手把手教你学Simulinkmatlabsimulink
目录智能窗帘与窗户控制系统场景下的天气适应性操作建模项目实例项目背景介绍系统架构1.传感器模块(Sensors)2.控制器模块(Controller)3.执行器模块(Actuator)4.通信模块(Communication)仿真实现步骤1.创建新的Simulink模型2.添加传感器模块光照传感器温度传感器天气传感器在Simulink中实现传感器模块3.添加控制器模块天气分析算法决策算法在Simu
- 遗传算法与深度学习实战(25)——使用Keras构建卷积神经网络
盼小辉丶
遗传算法与深度学习实战深度学习kerascnn
遗传算法与深度学习实战(25)——使用Keras构建卷积神经网络0.前言1.卷积神经网络基本概念1.1卷积1.2步幅1.3填充1.4激活函数1.5池化2.使用Keras构建卷积神经网络3.CNN层的问题4.模型泛化小结系列链接0.前言卷积神经网络(ConvolutionalNeuralNetwork,CNN)的提出是为了解决传统神经网络的缺陷。即使对象位于图片中的不同位置或其在图像中具有不同占比,
- 【vLLM 学习】安装
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/vLLM是一个Python库,包含预编译的C++和CUDA(12.1)二进制文件。依赖环境操作系统:LinuxPython:3.8-3.12GPU:计算能力7.0或更高(例如V100、T4、RTX20xx、A100、L
- 遗传算法与深度学习实战(26)——编码卷积神经网络架构
盼小辉丶
遗传算法与深度学习实战深度学习cnn遗传算法
遗传算法与深度学习实战(26)——编码卷积神经网络架构0.前言1.EvoCNN原理1.1工作原理1.2基因编码2.编码卷积神经网络架构小结系列链接0.前言我们已经学习了如何构建卷积神经网络(ConvolutionalNeuralNetwork,CNN),在本节中,我们将了解如何将CNN模型的网络架构编码为基因,这是将基因序列进化在为给定数据集上训练最佳模型的先决条件。1.EvoCNN原理进化卷积神
- redis和mongodb比较
Redis与MongoDB的对比分析Redis和MongoDB是两种常见的数据库系统,它们分别代表了两种不同类型的数据库:Redis是内存型数据库,而MongoDB是文档型数据库。两者虽然在某些场景下可能有交集,但由于其设计哲学和应用目标的不同,适用的场景也有很大差异。1.数据模型Redis:Redis是一种键值对(key-value)存储系统,支持丰富的数据类型,如字符串(String)、列表(
- MongoDB 学习指南与资料分享
来恩1003
MongoDBmongodb数据库
MongoDB学习资料MongoDB学习资料MongoDB学习资料在数据爆炸的当下,MongoDB作为非关系型数据库的佼佼者,以其独特优势在各领域发光发热。无论是海量数据的存储,还是复杂数据结构的处理,MongoDB都能轻松应对。接下来,让我们一同深入探索MongoDB的学习路径,并分享一些实用的学习资料。学习指南入门基础核心概念掌握MongoDB基于分布式文件存储,采用文档型数据模型。它将数据以
- AI Coding,亦或 AI for Coding?
编程语言
Go+编程语言创始人、七牛云创始人兼CEO许式伟,中国科学院软件研究所PLCT实验室负责人、建立中国RISC-V生态的甲辰计划主理人吴伟,专注RISC-V编译器和硬件笔记本开发的鉴释科技联合创始人兼CEO梁宇宁聚首2024IDEA大会,从软件与硬件的双重视角,剖析大模型时代,编程语言的软硬件发展机会。IDEA研究院基础软件中心负责人张宏波主持这场讨论。基础软件行业的变革之所以显著,是因为它紧随人机
- Jenkins持续集成入门到精通
西湖河畔砍柴人
java架构jenkins持续集成系统java
这里写目录标题持续集成及Jenkins介绍软件开发的生命周期软件开发的瀑布模型软件开发的敏捷开发模型什么是敏捷开发什么是持续集成持续集成的组成要素Jenkins介绍持续集成及Jenkins介绍软件开发的生命周期软件开发生命周期简称SDLC(SoftwareDevelopmentLifeCycle),它是集合了计划、开发、测试和部署的集合。需求分析-》项目架构设计-》编码-》测试-》部署维护软件开发
- 5分钟内理解 .prototype 链 | 2024
CSS技巧与案例详解vue2与vue3技巧合集VueUse源码解读在JavaScript的世界里,原型(prototype)系统是一个常被讨论但不易掌握的概念。作为JavaScript继承模型的基石,理解原型对于构建大型应用或进行对象操作至关重要。让我们一起探索这个迷人的话题,揭开原型系统的神秘面纱。什么是原型?在JavaScript中,每个对象都有一个内部属性[[Prototype]]。这个属性
- 【ARMv8 异常模型入门及渐进7 - GIC及安全中断介绍】
主公讲 ARM
#ARM64SystemException安全armlinux
请阅读【嵌入式开发学习必备专栏Cache|MMU|AMBABUS|CoreSight|Trace32|CoreLink|GCC|CSH|Armv8/v9系统异常分析】文章目录1.1GIC(generalinterruptcontroller)介绍1.1.1GIC-V21.1.2GIC-V31.1.3GICv3中断分类1.1.4GICv3组成1.1.4.1Distributor详述1.1.4.2Re
- 211本硕二战腾讯大模型算法岗,已凉......
AI大模型入门
算法阿里云人工智能云计算目标跟踪
01背景本弱鸡211本硕,nlp,无论文有实习(老板没资源且放养),本科有acm经历(1铜),面试pcg日常实习。02技术一面(时长1h)Q1:了解什么机器学习算法,讲一下原理?当时只记得实体识别用到了隐马尔可夫模型,讲了讲怎么怎么定义观测状态和隐藏状态、前向传播、解码和应用场景。Q2:讲一下Bert的结构和怎么训练的,怎么用bert做下游任务?八股,双向transformerencoder结构,
- 复杂查询优化:避免 SQL 查询中的 N+1 查询问题
檐角小猫
sql数据库
在SQL查询优化中,N+1查询问题是一个常见的性能问题,特别是在关系型数据库中。当你的查询不当时,可能会导致对数据库进行大量的额外查询,造成不必要的性能损耗。什么是N+1查询问题?N+1查询问题通常出现在一对多或多对多的关系中。例如,假设你有一个包含用户和订单的数据库模型:一个用户(User)可以有多个订单(Order),即User和Order是一对多的关系。你需要查询所有用户及其相关的订单。一个
- 体验字节跳动豆包AI大模型生成Python绘制三维等高线图
「已注销」
人工智能matlab开发语言
在Python中,要绘制三维等高线图,可以使用matplotlib库的contour函数和mplot3d工具包。下面是一个绘制三维等高线图的示例代码:importnumpyasnpimportmatplotlib.pyplotaspltdefplot_3d_contour(X,Y,Z,levels):#创建新的图形fig=plt.figure()ax=fig.add_subplot(111,pro
- 如何评价GPT-4o?
109702008
人工智能杂谈人工智能
GPT-4o:开启全新理解与生成语言的篇章在近年来的AI发展中,GPT模型赫然矗立,在自然语言处理任务中刷新了人们的认知,一路从GPT-1演进到如今的GPT-4o。从GPT-1到GPT-4,我们可以看到模型的层数和参数量在持续增长,其理解和生成语言的能力也在不断提升。不过,GPT-4o的出现,无疑在这个演进过程中带来了重要的突破。相比之前的版本,GPT-4o在技术上有了更深的配备。特别是在自然语言
- <论文>如何将RAG和时序大模型相结合?
CM莫问
文献简录人工智能深度学习算法时间序列RAG大模型
一、摘要本文介绍论文发表于2024年的论文《RetrievalAugmentedTimeSeriesForecasting》,该论文提出了将RAG技术应用于时序大模型的策略,提升了时序大模型的性能。译文:检索增强生成(RAG)是现代大型语言模型系统的核心组件,特别是在需要最新信息以准确响应用户查询或查询超出训练数据范围的情况下。时间序列基础模型(TSFM)的出现,如Chronos,以及在各种时间序
- Qwen-VL环境搭建&推理测试
要养家的程序猿
AI算法python计算机视觉ai
引子这几天阿里的Qwen2.5大模型在大模型圈引起了轰动,号称地表最强中文大模型。前面几篇也写了QWen的微调等,视觉语言模型也写了一篇CogVLM,感兴趣的小伙伴可以移步Qwen1.5微调-CSDN博客。前面也写过一篇智谱AI的视觉大模型(CogVLM/CogAgent环境搭建&推理测试-CSDN博客)。Qwen-VL是阿里云研发的大规模视觉语言模型(LargeVisionLanguageMod
- Java - 文字识别 ;示例代码基于SpringAI和国产大模型
沈询-阿里
microsoft机器学习人工智能后端
文字识别在Java开发中的应用在Java开发中,将图像中的文字进行识别能力被广泛应用于多种场景,比如自动审核图片内容、商品搜索分析等。过去,这类需求主要通过OCR(光学字符识别)技术来实现,但其对于复杂图像的处理效果往往不尽人意。如今,随着大模型技术的发展,利用这些先进的AI模型进行文字识别成为可能,不仅大大提升了识别精度和速度,还能更好地理解图像中的复杂信息,为用户提供更加准确可靠的服务。本文采
- VLM 系列——Qwen2 VL——论文解读——前瞻(源码解读)
TigerZ*
AIGC算法AIGC人工智能transformer计算机视觉图像处理
一、概述1、是什么是一系列多模态大型语言模型(MLLM),其中包括2B、7B、72B三个版本,整体采用视觉编码器+LLM形式(可以认为没有任何投射层)。比较创新的是图像缩放方式+3DLLM位置编码+(预估后面的训练方式也不太一样)。能够处理包括文本、图像在内的多种数据类型,具备图片描述、单图文问答、多图问对话、视频理解对话、json格式、多语言、agent、高清图理解(代码编写和debug论文暂时
- 设计一个流程来生成测试模型安全性的问题以及验证模型是否安全
MonkeyKing.sun
模型安全ollamallama3.3
要使用Ollama运行llama3.3:70b模型,并设计一个流程来生成测试模型安全性的问题以及验证模型是否安全,可以按照以下步骤进行设计和实现。整个过程包括环境配置、设计安全测试提示词、执行测试以及分析结果。以下是详细的步骤和指导:1.环境配置1.1安装Ollama首先,确保你的系统上已经安装了Ollama。如果尚未安装,可以按照以下步骤进行安装:下载Ollama:访问Ollama官网下载适用于
- 回顾技术圈的2024尤雨溪喷React的“开年之战”
前端vue.jsreact
在2024年初,前端开发社区的一场激烈讨论围绕着React新版文档展开。这场讨论的导火索来自于Vue.js的创始人尤雨溪,他在Twitter上发表了对React新版文档的批评,认为React将复杂性转嫁给用户,未能有效地减轻使用该框架的心智负担。尤雨溪的言论迅速在React和Vue社区间引发了广泛的讨论,许多开发者开始针对React文档的设计哲学展开辩论,这一事件引起了前端开发者对框架设计理念和用
- YOLOv11改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块 解决密集图像预测问题
Limiiiing
YOLOv11改进专栏YOLO深度学习计算机视觉目标检测
一、本文介绍本文主要利用FreqFusion结构改进YOLOv11的目标检测网络模型。FreqFusion结构针对传统特征融合在密集图像预测中存在的问题,创新性地引入自适应低通滤波器生成器、偏移量生成器和自适应高通滤波器生成器。将FreqFusion应用于YOLOv11的改进过程中,能够使模型在处理复杂场景图像时,更精准地聚焦目标物体边界,减少背景噪声干扰,显著强化目标物体边界特征表达,进而提升模
- 深度学习每周学习总结R4(LSTM-实现糖尿病探索与预测)
大地之灯
每周深度学习总结深度学习学习lstm人工智能算法
本文为365天深度学习训练营中的学习记录博客R6中的内容,为了便于自己整理总结起名为R4原作者:K同学啊|接辅导、项目定制目录0.总结1.LSTM介绍LSTM的基本组成部分如何理解与应用LSTM2.数据预处理3.数据集构建4.定义模型5.初始化模型及优化器6.训练函数7.测试函数8.训练过程9.模型评估0.总结数据导入及处理部分:在PyTorch中,我们通常先将NumPy数组转换为torch.Te
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p