- pytorch实现循环神经网络
纠结哥_Shrek
pytorchrnn深度学习
人工智能例子汇总:AI常见的算法和例子-CSDN博客PyTorch提供三种主要的RNN变体:nn.RNN:最基本的循环神经网络,适用于短时依赖任务。nn.LSTM:长短时记忆网络,适用于长序列数据,能有效解决梯度消失问题。nn.GRU:门控循环单元,比LSTM计算更高效,适用于大部分任务。网络类型优势适用场景RNN计算简单,适用于短时序列语音、文本处理(短序列)LSTM适用于长序列,能记忆长期信息
- PyTorch 官方文档 中文版本
圣心
pytorch机器学习
文档来源https://pytorch.cadn.net.cn大多数机器学习工作流都涉及处理数据、创建模型、优化模型参数,并保存经过训练的模型。本教程向您介绍完整的ML工作流在PyTorch中实现,并提供了用于了解有关每个概念的更多信息的链接。我们将使用FashionMNIST数据集来训练一个神经网络,该神经网络预测输入图像是否属于到以下类别之一:T恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫
- 使用Transformer模型实现股票走势预测:深入解析和实操案例(基于Python和PyTorch)
AI_DL_CODE
pythontransformerpytorch股票预测
摘要:本文讨论了Transformer模型在股票市场预测中的应用,突出其自注意力机制在捕捉长期趋势和周期性变化方面的优势。文章详细介绍了模型理论、架构,并分析了其在股价预测中的优势和挑战。通过实操案例,展示了如何使用Python和PyTorch进行模型构建、训练和评估,包括数据预处理和性能评价。结果证实Transformer模型能有效预测股价,但需注意过拟合和数据量问题。未来研究将着眼于模型优化和
- 【python】在【机器学习】与【数据挖掘】中的应用:从基础到【AI大模型】
小李很执着
杂乱无章机器学习数据挖掘python人工智能语言模型
目录一、Python在数据挖掘中的应用1.1数据预处理数据清洗数据变换数据归一化高级预处理技术1.2特征工程特征选择特征提取特征构造二、Python在机器学习中的应用2.1监督学习分类回归2.2非监督学习聚类降维三、Python在深度学习中的应用3.1深度学习框架TensorFlowPyTorch四、Python在AI大模型中的应用4.1大模型简介4.2GPT-4o实例五、实例验证5.1数据集介绍
- 自定义数据集 使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测,对预测结果计算精确度和召回率及F1分数
qwe352633
python
importtorchimportnumpyasnpimporttorch.nnasnnfromsklearn.metricsimportaccuracy_score,precision_score,recall_score,f1_scoredata=[[-0.5,7.7],[1.8,98.5],[0.9,57.8],[0.4,39.2],[-1.4,-15.7],[-1.4,-37.3],[-1
- 自定义数据集 使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测,对预测结果计算精确度和召回率及F1分数
〖是♂我〗
python
代码:importtorchimportnumpyasnpimporttorch.nnasnnfromsklearn.metricsimportaccuracy_score,precision_score,recall_score,f1_score#定义数据:x_data是特征,y_data是标签(目标值)data=[[-0.5,7.7],[1.8,98.5],[0.9,57.8],[0.4,39
- pytorch实现简单的情感分析算法
纠结哥_Shrek
pytorch人工智能python
在PyTorch中实现中文情感分析算法通常涉及以下几个步骤:数据预处理、模型定义、训练和评估。下面是一个简单的实现示例,使用LSTM模型进行中文情感分析。1.数据预处理首先,我们需要对中文文本进行分词,并将文本转换为数值形式(如词向量)。可以使用jieba进行分词,并使用torchtext或自定义的词汇表将词语转换为索引。importtorchimporttorch.nnasnnimporttor
- pytorch基于 Transformer 预训练模型的方法实现词嵌入(tiansz/bert-base-chinese)
纠结哥_Shrek
pytorchtransformerbert
以下是一个完整的词嵌入(WordEmbedding)示例代码,使用modelscope下载tiansz/bert-base-chinese模型,并通过transformers加载模型,获取中文句子的词嵌入。frommodelscope.hub.snapshot_downloadimportsnapshot_downloadfromtransformersimportBertTokenizer,Be
- pytorch基于GloVe实现的词嵌入
纠结哥_Shrek
pytorch人工智能python
PyTorch实现GloVe(GlobalVectorsforWordRepresentation)的完整代码,使用中文语料进行训练,包括共现矩阵构建、模型定义、训练和测试。1.GloVe介绍基于词的共现信息(不像Word2Vec使用滑动窗口预测)适合较大规模的数据(比Word2Vec更稳定)学习出的词向量能捕捉语义信息(如类比关系)importtorchimporttorch.nnasnnimp
- PyTorch中的unsqueeze函数(自用)
黯岚岚岚岚岚
pytorchpytorchpython经验分享
前言最近在学习swin_transformer的模型搭建,其中用到了广播机制,在理解广播机制的过程中发现自己对torch.unsqueeze()函数比较困惑,所以做了个小实验帮助自己理解。问题阐述我们都知道,torch.unsqueeze()函数的作用是拓展张量维度,那么在不同位置拓展之后,原数据是怎样排列的呢?下面进入实验部分。实验>>>importtorch>>>>>>a=torch.Tens
- Faceboxes pytorch代码解读(一) box_utils.py(上篇)
Faded浩
pytorch深度学习神经网络python算法
Faceboxespytorch代码解读(一)box_utils.py(上篇)有幸读到ShifengZhang老师团队的人脸检测论文,感觉对自己的人脸学习论文十分有帮助。通过看别人的paper,学习别人的代码,能够使得我们对人脸检测算法的学习有更近一步的理解。但是在学习的时候发现,自己看别人的代码是一个耗时而又头疼的事情。毕竟每个人的思路都不一样,跟着别人的思路走确实不容易。所以希望能够分享一下自
- 【python】【PyTorch】详细中文解释unsqueeze,代码和代码解读
资源存储库
笔记算法python开发语言
目录【python】【PyTorch】详细中文解释unsqueeze,代码和代码解读unsqueeze()函数的作用:语法:unsqueeze()操作示例:示例1:将一个一维张量转换为二维张量示例2:在最后一维插入一个新维度示例3:负索引插入维度示例4:将二维张量转为三维张量总结:【python】【PyTorch】详细中文解释unsqueeze,代码和代码解读在PyTorch中,unsqueeze
- CondaValueError: Malformed version string ‘~‘: invalid character(s).
椰椰荔枝糖
pythonconda
这个错误通常表示conda命令中使用了无效的版本字符串,其中包含了不允许的字符。在这种情况下,提到了波浪号~,它可能被解释为无效字符。尝试使用一个有效的版本号来安装PyTorchLightning,例如:condainstallpytorch-lightning这会安装最新版本的PyTorchLightning。如果需要特定版本的PyTorchLightning,可以指定版本号:condainst
- 【memgpt】letta 课程6: 多agent编排
等风来不如迎风去
AI入门与实战multi-agentletta
Lab6:Multi-AgentOrchestration多代理协作letta是作为一个服务存在的,app通过restfulapi通信多智能体之间如何协调与沟通?相互发送消息共享内存块,让代理同步到不同的服务的内存块
- Mac系统安装 deepxde +VS code + pytorch
积分酱
pytorchpython人工智能机器学习
deepxde在Mac系统安装和学习笔记系列因为换了苹果电脑MacBookPro,所以软件都需要重新安装,记录一下安装过程。我的配置是python+VSCode。打开终端,直接按住command+空格键,输入终端就可以打开了。1.deepxde安装首先输入python3--version查看python版本,我的是Python3.9.13然后输入python3-mpip-V查看自己的pip版本,我
- 深度学习篇---深度学习框架
Ronin-Lotus
深度学习篇深度学习人工智能pythonPytorchTensorFlowpaddlepaddle
文章目录前言第一部分:框架简介1.PyTorch简介特点动态计算图易于上手强大的社区支持与Python的集成度高核心组件2.TensorFlow简介特点静态计算图跨平台强大的生态系统Keras集成核心组件3.PaddlePaddle简介特点易于使用高性能工业级应用丰富的预训练模型核心组件第二部分:基本操作PyTorch基本操作TensorFlow基本操作PaddlePaddle基本操作总结前言以上
- Paddle和pytorch不可以同时引用
饮马长城窟
paddlepytorch人工智能
importpaddleprint(paddle.utils.run_check())importtorchprint(torch.version.cuda)print(torch.backends.cudnn.version())报错:OSError:[WinError127]找不到指定的程序。Errorloading"C:\ProgramFiles\Python311\Lib\site-pac
- YOLO系列之训练环境(GPU)搭建篇
w94ghz
YOLO改进系列YOLOv8改进系列YOLO深度学习人工智能python目标检测
YOLOv8专栏导航:点击此处跳转Pytorch环境配置(Windows)Anaconda安装此处下载安装即可⭐温馨提示:安装路径
- 简述Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet、PyTorch 等模型
科学的发展-只不过是读大自然写的代码
断纱检测caffetensorflowpytorch
以下是对Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet和PyTorch等模型的简述:Caffe:Caffe(ConvolutionArchitectureForFeatureExtraction)是一个用于特征抽取的卷积框架,它是一个清晰、可读性高且快速的深度学习框架。Caffe由加州伯克利大学的贾扬清开发,起初是一个用于深度卷积网络的Python框架(无
- 目标检测入门教程:使用Python实现目标检测算法
晨曦之光,优美芝麻
目标检测python算法机器学习-深度学习
目标检测是计算机视觉领域中的重要任务,它旨在识别和定位图像或视频中的特定对象。本教程将介绍如何使用Python编程语言实现目标检测算法。我们将使用一种广泛应用的目标检测算法——基于深度学习的单阶段检测器YOLO(YouOnlyLookOnce)的最新版本YOLOv4作为示例。在开始之前,请确保您已经安装了Python和以下必要的库:NumPy、OpenCV和PyTorch。您可以使用pip命令来安
- 基于Transformer的多通道肌电信号序列分类
咖啡百怪
transformer深度学习人工智能
表面肌电信号(sEMG)为十分重要的人体感官信号,不同的动作和状态对应不同的肌电信号,利用肌电信号的表征能力,我们可以实现对NAO机器人的控制。本项目基于Transformer实现对表面肌电信号的分类,数据使用excel进行保存,使用Pytorch架构建立模型并训练,利用基于Paramiko库的SSH连接来实现对NAO机器人的远程控制。在这里贴上该项目的github仓库连接,大家用得到的可以点个星
- Pix2PixHD代码小白注释(1)——train.py
咖啡百怪
Pix2PixHD代码解读深度学习机器学习人工智能python
关于fp16AMP自动混合精度训练,见下文:AMP自动混合精度训练https://blog.csdn.net/ytusdc/article/details/122152244importtimeimportosimportnumpyasnpimporttorchfromtorch.autogradimportVariablefromcollectionsimportOrderedDictfroms
- PyTorch 快速入门
無量空所
深度学习机器学习pytorch开源
我们将通过一个简单的示例,快速了解如何使用PyTorch进行机器学习任务。PyTorch是一个开源的机器学习库,它提供了丰富的工具和库,帮助我们轻松地构建、训练和测试神经网络模型。以下是本教程的主要内容:一、数据处理PyTorch提供了两个基本的数据处理工具:torch.utils.data.DataLoader和torch.utils.data.Dataset。Dataset用于存储样本及其对应
- GGUF 大模型文件格式
香菜烤面包
AI系统与算法部署语言模型
1.基础原理GGUF简介当前的大模型的参数规模较大,数以千亿的参数导致了它们的预训练结果文件都在几十GB甚至是几百GB,这不仅导致其使用成本很高,在不同平台进行交换也非常困难。因此,大模型预训练结果文件的保存格式对于模型的使用和生态的发展来说极其重要。大语言模型的开发通常使用PyTorch等框架,其预训练结果通常也会保存为相应的二进制格式,如pt后缀的文件通常就是PyTorch框架保存的二进制预训
- ollama把huggingface下载下来的模型转换为gguf
abments
人工智能语言模型
说明ollama导入从huggingface下载下来的模型在ollama的说明文档中有详细的介绍,大家可以按照文档说明进行操作。importing-pytorch–safetensors。既然官方已经给出了明确的操作步骤,那么我写这篇博客的意义又是什么呢?主要有两个目的:1.我的操作可能更适合中国宝宝体质2.方便后期自己查看要求建议使用conda管理python环境建议使用linux或mac环境,
- pytorch小记(七):pytorch中的保存/加载模型操作
墨绿色的摆渡人
pythonpytorch小记pytorch人工智能python
pytorch小记(七):pytorch中的保存/加载模型操作1.加载模型参数(`state_dict`)1.1保存模型参数1.2加载模型参数1.3常见变种1.3.1指定加载设备1.3.2非严格加载(跳过部分层)1.3.3打印加载的参数2.加载整个模型2.1保存整个模型2.2加载整个模型2.3注意事项3.总结4.加载模型的完整代码示例4.1保存和加载参数4.2保存和加载整个模型4.3加载到不同设备
- 利用opencv库对视频文件进行裁剪
断眉的派大星
opencv人工智能计算机视觉目标检测
利用opencv库对视频文件进行裁剪逐帧裁剪视频。隔帧裁剪。将不同文件夹中的图片,整合到同一个文件夹中并重新命名排序逐帧裁剪视频。importtorchimportcv2importargparseimportosdefparse_args():"""Parseinputarguments"""parser=argparse.ArgumentParser(description='Processp
- 自定义数据集 使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测
知识鱼丸
machinelearning逻辑回归算法机器学习
1.数据准备首先,我们需要一些示例数据。在这个例子中,我们将生成一些简单的二维数据点,并为其分配标签。2.定义逻辑回归模型接下来,我们定义一个简单的逻辑回归模型。3.训练模型定义损失函数和优化器,然后进行模型训练。4.保存模型训练完成后,我们可以保存模型的状态字典。5.加载模型并进行预测加载保存的模型,并进行预测。importtorchimporttorch.nnasnnimporttorch.o
- 梯度提升用于高效的分类与回归
纠结哥_Shrek
分类回归数据挖掘
使用决策树(DecisionTree)实现梯度提升(GradientBoosting)主要是模拟GBDT(GradientBoostingDecisionTrees)的原理,即:第一棵树拟合原始数据计算残差(负梯度方向)用新的树去拟合残差累加所有树的预测值重复步骤2-4,直至达到指定轮数下面是一个纯Python+PyTorch实现GBDT(梯度提升决策树)的代码示例。1.纯Python实现梯度提升
- Golang程序性能分析(二)在Echo和Gin框架中使用pprof
kevin_tech
javapythonvuelinuxgo
前言今天继续分享使用Go官方库pprof做性能分析相关的内容,上一篇文章:Golang程序性能分析(一)pprof和go-torch中我花了很大的篇幅介绍了如何使用pprof采集Go应用程序的性能指标,如何找到运行缓慢的函数,以及函数中每一部的性能消耗细节。这一节的重点会放在如何在Echo和Gin这两个框架中增加对pprofHTTP请求的支持,因为pprof只是提供了对net/http包的Serv
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f