- 《一文吃透!NLTK与SpaCy,自然语言处理的神兵利器》
人工智能深度学习
在人工智能的璀璨星空中,自然语言处理(NLP)无疑是最为耀眼的领域之一。它让机器能够理解、处理和生成人类语言,极大地推动了智能交互的发展。而在Python的NLP工具库中,NLTK和SpaCy就像两把锋利的宝剑,各自散发着独特的光芒。今天,就让我们深入探究这两款工具的使用技巧与优势,为你的NLP之旅增添强大助力。一、NLTK:自然语言处理的瑞士军刀NLTK(NaturalLanguageToolk
- JVM-常用工具(jps、jstat、jinfo、jmap、jhat、jstack、jconsole、jvisualvm)使用
霸道流氓气质
Java进阶jvmjava开发语言
场景记录JVM中常用工具。jps:虚拟机进程状态工具jps(JVMProcessStatusTool):虚拟机进程状态工具,可以列出正在运行的虚拟机进程,并显示虚拟机执行主类(MainClass,main()函数所在的类)的名称,以及这些进程的本地虚拟机的唯一ID。命令格式:jps[options][hostid]示例:jps-l选项:-q只输出LVMID,省略主类的名称-m输出虚拟机进程启动时传
- 2025年大模型与Transformer架构:技术前沿与未来趋势报告
和老莫一起学AI
transformer架构深度学习人工智能产品经理学习大模型
_“欧米伽未来研究所”关注科技未来发展趋势,研究人类向欧米伽点演化过程中面临的重大机遇与挑战。将不定期推荐和发布世界范围重要科技研究进展和未来趋势研究。在人工智能的宏大版图中,Transformer架构无疑是一颗璀璨的明星。它的出现,彻底改变了自然语言处理、计算机视觉等诸多领域的发展轨迹。《2025年大模型与Transformer架构:技术前沿与未来趋势报告》深入剖析了Transformer架构的
- AI 大模型创业:如何利用市场优势?
SuperAGI2025
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
AI大模型创业:如何利用市场优势?1.背景介绍随着人工智能技术的不断发展,大模型(LargeModels)在商业化应用中日益受到关注。大模型是指在特定领域中应用广泛、参数量巨大的神经网络模型,如BERT、GPT-3、DALL-E等。这些大模型通过在大规模数据集上进行预训练,具备强大的泛化能力和适应性,能够广泛应用于自然语言处理(NLP)、计算机视觉(CV)、生成对抗网络(GAN)等多个领域。然而,
- 产品经理学习——AI产品
Li灿灿
产品经理学习人工智能
本篇文章,主要是针对目前不同类型AI公司的产品经理职责和AI产品经理的模型进行介绍。AI产品分类AI产品分为软件型和软硬件结合型,软件型的AI产品主要是具备理解、推理和决策能力的AI,如NLP(自然语言处理)系统或者创造类,创作型内容如音乐、艺术和写作等。软硬结合型AI产品一般和传统领域相关,如医疗AI、教育AI和零售AI等。有些公司是纯粹的AI公司,对应的特点是专注于做底层的算法,做芯片技术,纯
- 智能客服平台的架构设计:实现高效、安全、可靠的服务运行
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战LLM大模型落地实战指南自然语言处理人工智能语言模型编程实践开发语言架构设计
这篇文章将深入探讨智能客服平台的架构设计,以及如何实现高效、安全、可靠的服务运行。我会遵循您提供的要求和结构模板来撰写这篇文章。让我们开始吧。智能客服平台的架构设计,实现高效、安全、可靠的服务运行关键词:智能客服、架构设计、高效性、安全性、可靠性、微服务、自然语言处理、机器学习1.背景介绍在当今数字化时代,客户服务已成为企业与客户之间沟通的关键纽带。随着人工智能技术的快速发展,智能客服平台应运而生
- 文献管理详解-ChatGPT4o作答
部分分式
笔记
文献管理详解文献管理是学术研究中的重要环节,尤其是在撰写论文、报告或项目时,研究者往往需要处理大量的参考文献。一个科学高效的文献管理流程,能够显著提升研究工作的效率和质量。以下从文献管理的意义、基本流程、常用工具、技巧与策略以及常见问题等方面详细讲解文献管理。1.文献管理的意义1.1提高效率避免重复查找文献,节约时间。快速检索需要的文献和数据,尤其是在文献量较大的情况下。1.2提升写作质量在论文写
- 深入解析LangChain:构建智能应用的全方位指南
AIGC大模型 吱屋猪
langchain语言模型人工智能自然语言处理llama百度机器学习
1.LangChain介绍与环境配置面试官:“你能先简单介绍一下LangChain吗?包括它的背景、主要功能,以及它在当前语言模型开发中的意义。”你:"LangChain是一个开源框架,旨在简化和增强基于语言模型的应用开发。随着语言模型,特别是大型预训练模型的兴起,开发者逐渐认识到这些模型不仅可以生成文本,还可以被用于处理复杂的对话、数据分析以及其他需要自然语言处理的任务。然而,这些模型的集成和实
- deepseek与gpt,核心原理对比
test猿
gpt
DeepSeek与GPT作为AI大模型,在自然语言处理等领域展现出强大的能力,它们的核心原理对比主要体现在模型架构、训练策略、资源效率以及应用场景优化等方面。一、模型架构DeepSeek混合专家(MoE)框架:DeepSeek采用了混合专家框架,其内部包含多个“专家”子模块,每个子模块专注于不同的任务或数据领域。例如,DeepSeek-R1拥有6710亿参数,但每次仅激活约370亿参数,通过动态选
- 教育小程序+AI出题:如何通过自然语言处理技术提升题目质量
万岳科技系统开发
人工智能小程序自然语言处理
随着教育科技的飞速发展,教育小程序已经成为学生与教师之间互动的重要平台之一。与此同时,人工智能(AI)和自然语言处理(NLP)技术的应用正在不断推动教育内容的智能化。特别是在AI出题系统中,如何通过NLP技术提升题目质量,成为教育领域中的一个重要课题。本文将介绍如何利用自然语言处理技术,通过AI出题系统自动生成高质量、个性化的题目,提升教育小程序的交互性与教学效果。一、自然语言处理(NLP)概述自
- 使用Python进行自然语言理解和意图识别毕业设计源码
sj52abcd
python课程设计开发语言毕业设计
博主介绍:✌专注于VUE,小程序,安卓,Java,python,物联网专业,有17年开发经验,长年从事毕业指导,项目实战✌选取一个适合的毕业设计题目很重要。✌关注✌私信我✌具体的问题,我会尽力帮助你。研究的背景:随着人工智能的发展,自然语言处理成为了人工智能领域的一个重要分支。在自然语言处理中,理解用户的意图是非常关键的一步。随着Python语言的广泛应用,Python成为了许多自然语言处理任务的
- 大模型prompt实例:知识库信息质量校验模块
写代码的中青年
大模型prompt人工智能python大模型LLM
大模型相关目录大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容从0起步,扬帆起航。大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factory的指令增
- 数字人技术在短视频中的应用
AGI大模型与大数据研究院
DeepSeekR1&大数据AI人工智能javapythonjavascriptkotlingolang架构人工智能
数字人、短视频、人工智能、计算机视觉、自然语言处理、虚拟主播、内容创作1.背景介绍短视频作为一种新兴的传播媒介,其内容形式丰富、传播速度快、用户粘性强,已成为当今互联网领域最热门的应用之一。随着技术的不断发展,数字人技术逐渐成熟,并开始在短视频领域得到广泛应用。数字人是指利用计算机技术模拟真实人类形象和行为的虚拟角色,其具备逼真的外形、流畅的肢体动作和自然的语言表达能力。数字人技术在短视频领域的应
- deep seek
m0_69576880
前端ai
1.介绍:DeepSeek是一款由国内人工智能公司研发的大型语言模型,拥有强大的自然语言处理能力,能够理解并回答问题,还能辅助写代码、整理资料和解决复杂的数学问题。免费开源,媲美ChatGPT最近最火爆的AI对话程序。www.deepseek.com这是deepseek官网2.这是deepseek注册页面3.国产语言对话ai,大家有兴趣的可以去试试。不过chatgpt也进行了改变,大家也可以免费使
- RWKV Runner:让RNN-LLM模型触手可及
步子哥
rnn人工智能深度学习
在这个信息爆炸的时代,人工智能(AI)已经成为我们生活中不可或缺的一部分,尤其是大语言模型(LLM)在自然语言处理中的广泛应用。然而,尽管这些技术的潜力巨大,许多用户仍然面临着使用门槛高、配置复杂等问题。为了解决这一困境,RWKVRunner应运而生。它不仅提供了一个简便的接口,还让用户能够轻松地使用大语言模型。本文将深入探讨RWKVRunner的功能、安装步骤以及如何利用它来实现各种应用。RWK
- AI大模型(如GPT、BERT等)可以通过自然语言处理(NLP)和机器学习技术,显著提升测试效率
小赖同学啊
python人工智能自动化测试(apppcAPI)人工智能自然语言处理gpt
在软件测试中,AI大模型(如GPT、BERT等)可以通过自然语言处理(NLP)和机器学习技术,显著提升测试效率。以下是几个具体的应用场景及对应的代码实现示例:1.自动生成测试用例AI大模型可以根据需求文档或用户故事自动生成测试用例。代码示例(使用OpenAIGPTAPI):importopenai#设置OpenAIAPI密钥openai.api_key="your-openai-api-key"#
- 清影2.0(AI视频生成)技术浅析(二):自然语言处理
爱研究的小牛
AIGC—视频AIGC—自然语言处理自然语言处理人工智能音视频AIGC深度学习机器学习
清影2.0(AI视频生成)中的自然语言处理(NLP)技术是其核心组件之一,负责将用户输入的自然语言文本转化为机器可以理解的语义表示,从而指导后续的视频生成过程。一、基本原理1.目标清影2.0的NLP技术旨在将用户输入的自然语言文本转化为机器可以理解的语义表示,从而指导后续的视频生成。具体目标包括:1.深度语义理解:理解文本的语义、情感、意图等深层次信息。2.上下文关联:捕捉文本中词语之间、句子之间
- 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
- 使用OpenAI API进行文本分类标注
dgay_hua
人工智能python
技术背景介绍文本分类标注(Tagging)是一种非常有用的技术,可以对文档进行分类,例如情感分析、语言检测、风格判断、主题识别等。这项技术在自然语言处理(NLP)领域中有广泛的应用,例如社交媒体监控、客户反馈分析和自动化客服系统等。在本文中,我们将使用OpenAI的API,通过LangChain工具来进行文本分类标注。我们将展示如何定义分类函数和模式(schema),并通过实际代码演示实现文本分类
- 智慧停车场管理系统
未来之窗软件服务
智慧停车
二、收费端使用1、启动1.1用户登陆管理端配置完成后,可以使用收费软件,双击桌面收费软件图标,弹出登陆窗体,在如下图位置,输入数据库地址等信息。使用管理端配置的账号密码登陆。用户登陆收费端登陆后,默认不需要其它操作即可正常使用。下面是一些个性化配置。2、收费管理界面2.1系统设置登陆成功后,在软件左上角点击用户图标,可以展开系统菜单,点击进入系统设置系统设置2.2常用工具点击软件左侧边栏,进入常用
- 赋能 DeepSeek:打造图文互生能力,助力测试工程师提效
Python测试之道
人工智能python
前言作为测试工程师,我们日常工作中经常需要处理图文相关的任务,例如:基于测试需求生成示意图:通过简单的文字描述生成流程图、架构图等,提高测试设计效率。从图中提取关键信息生成文档:从截图或流程图中提取重要信息,自动生成测试用例或需求分析。然而,DeepSeek-r1:1.5b本地模型虽然在自然语言处理方面表现出色,但并不具备直接的图像生成或图像解析能力。如果能为DeepSeek增加“图生文”或“文生
- 利用Infinity Embeddings创建文本嵌入
qahaj
python
技术背景介绍在自然语言处理(NLP)任务中,文本嵌入是一种将文本数据转换成固定维度向量的技术。这些向量能够捕捉文本之间的语义关系,使得在后续的任务(如文本分类、相似度计算等)中非常实用。Infinity嵌入模型是一种能够方便创建高质量文本嵌入的现代工具。核心原理解析InfinityEmbeddings利用强大的预训练模型,通过对输入的文本数据进行编码,生成具有语义意义的高维向量。这个过程不仅仅是简
- 在DeepSeek面前,还需要学习.NET吗?
dotNET跨平台
学习
随着人工智能技术的快速发展,像DeepSeek这样的大模型不断涌现,给技术领域带来了新的变革和挑战。与此同时,.NET作为微软推出的成熟技术平台,也有着自己独特的地位和价值。那么在DeepSeek面前,是否还需要学习.NET呢?答案是肯定的,原因主要有以下几点:应用场景不同-DeepSeek:主要聚焦于自然语言处理、智能对话等人工智能领域,为用户提供智能问答、文本生成等服务。例如,用户可以通过De
- 大语言模型原理基础与前沿 通过稀疏MoE扩展视觉语言模型
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
大语言模型原理基础与前沿通过稀疏MoE扩展视觉语言模型1.背景介绍在人工智能领域,语言模型和视觉模型的结合已经成为一个重要的研究方向。大语言模型(LargeLanguageModels,LLMs)如GPT-3、BERT等,已经在自然语言处理(NLP)任务中取得了显著的成果。而视觉语言模型(Vision-LanguageModels,VLMs)则通过结合视觉和语言信息,进一步提升了模型在多模态任务中
- 26、深度学习-自学之路-NLP自然语言处理-理解加程序,怎么把现实的词翻译给机器识别。
小宇爱
深度学习-自学之路深度学习自然语言处理人工智能
一、怎么能让机器能够理解我们的语言呢,我们可以利用神经网络干很多的事情,那么我们是不是也可以用神经元做自然语言处理呢,现在很多的实际应用已经说明了这个问题,可以这么做。那我们考虑一下该怎么做,首先我们应该把我们现实中的每一个单词都用一个词向量来进行表示:importnumpyasnponehots={}onehots['cat']=np.array([1,0,0,0])onehots['the']
- 27、深度学习-自学之路-NLP自然语言处理-做一个简单的项目识别一组电影评论,来判断电影评论是积极的,还是消极的。
小宇爱
深度学习-自学之路深度学习自然语言处理人工智能
一、如果我们要做这个项目,第一步我们要做的就是需要有对应的训练数据集。这里提供两个数据集,一个是原始评论数据集《reviews.txt》,以及对应的评论是消极还是积极的数据集《labels.txt》,下面的程序就是找到这两个数据集,并把对应的数据集的内容分别赋值给reviews和labelsdefpretty_print_review_and_label(i):print(labels[i]+"\
- 探索Hugging Face平台:AI工具和集成指南
stjklkjhgffxw
人工智能python
探索HuggingFace平台:AI工具和集成指南在人工智能和自然语言处理领域,HuggingFace无疑是一个备受瞩目的平台。无论是开发者还是研究者,大家都能从中找到适合的资源和工具。本篇文章旨在为大家深入介绍如何在HuggingFace平台上使用不同的功能模块,包括模型、API和工具集成。主要内容1.安装和集成要使用HuggingFace与Langchain的集成功能,我们首先需要安装lang
- 使用 OpenAI API 创建智能聊天机器人
vaidfl
机器人python
1.技术背景介绍在人工智能应用中,聊天机器人是一种非常流行的应用。得益于近几年自然语言处理(NLP)技术的飞速发展,聊天机器人已经从简单的问答模式发展到能够进行复杂对话的智能助手。本篇文章将深入介绍如何使用OpenAI提供的API构建一个智能聊天机器人,并通过实际代码演示实现过程。2.核心原理解析OpenAI提供的GPT模型是目前最先进的语言生成模型之一,它可以生成自然流畅的文本。我们可以通过调用
- 使用OpenAI的API构建聊天机器人
dgay_hua
机器人python
技术背景介绍聊天机器人是近年来热门的AI应用之一,无论是客服系统、智能助手还是社交娱乐,都可以看到其身影。构建一个高效的聊天机器人,离不开强大的自然语言处理模型。OpenAI提供的API为开发者简化了这一过程,本文将介绍如何使用OpenAI的API服务构建一个基本的聊天机器人。核心原理解析聊天机器人主要依赖于生成式预训练模型(GPT),它通过大量文本数据训练,学习语言模式和上下文关联,从而能够生成
- Andrej Karpathy:计算范式的变革者
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书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AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
《AndrejKarpathy:计算范式的变革者》概述本文旨在全面探讨AndrejKarpathy在计算范式变革中的角色和贡献。AndrejKarpathy是一位世界级的人工智能专家,程序员,软件架构师,CTO,同时也是计算机图灵奖获得者,计算机编程和人工智能领域大师。他以其深刻的技术见解,对深度学习和自然语言处理领域的贡献,以及对计算范式的革新性思考,成为了当今技术领域的引领者之一。本文分为六个
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
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/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理