土人爱腹肌
土人爱腹肌

土人论健之再谈三分球训练

土人论健之再谈三分球训练


首先，我要告诉大家一个好消息：最近我的三分球特训的任务数从50粒提高到了100粒，用时基本还是控制在一小时左右！相比之前而言，效率提升了不少，所以我想再说说自己的一些心得和体会。于是就有了这篇所谓的再谈三分球训练，关于三分球训练的人和事。


应该说，从去年八月份因缘际会开始的三分球训练不是我的人生计划。但是这一年过来，三分球训练却真的成了我人生的计划之一！因为除了写作、健身和跑步，三分球也是我生活中的一部分。我也很喜欢三分球训练带来的成就感和快乐！所以，我会一直保持训练下去，而随着训练时日的增加，我相信我的三分球技艺还会有进一步的提升，真正成为我的又一特长！


三分球真的是可以练出来的！我一直在学习和模仿的斯蒂芬库里，就是靠着日复一日的艰苦训练练成了库日天！在这一年里，我不时在研究他的三分球和训练。最近我把手机屏保也换成了库里！这说明他的三分球真的已经征服了我！三分球也成为我现在最喜欢的东西！但是这显然为时已晚！我已经四十高龄！练得再准又能如何？哈哈，就当兴趣来培养啦！


说回库日天，原来，他在高中时三分球就非常神准了！熟悉库里的球迷都知道，库里在高中时期曾被他的父亲戴尔库里纠正过投篮的姿势。当时库里虽然投篮很准，但是出手的位置很低，如果要参加更高级别的比赛，他必须要提高自己的出手位置。那一年夏天，对于库里而言很难，但他用不断的训练成功改进了投篮技术，为自己的职业道路打下了坚实的基础。


那么，在高中时期，库里具体是怎么训练的呢？根据库里本人在一次采访节目中透露：他读高中的时候，到了夏天，每天至少要训练3个小时的三分球，投进（没错，是投进！不是投了）300个三分。所以，我们可以知道，正是这样枯燥重复的日常训练，让库里的三分远投重新形成肌肉记忆，并且不断地加深和强化，才成就了他百步穿杨傲视群雄的绝技。


而到了大学和打上NBA后，库里的三分球训练强度还在提升。根据美国一家篮球训练机构的人士透露，库里到了NBA休赛期，每天要投中500个三分球，而赛季进行期间，他每天要投中200到350个球。所以，没有什么人能随随便便成功，辉煌的背后都要付出汗水和努力！库里是职业的，我们是业余的！我们一次能训练一两个小时，就是很好的锻炼啦！


窃以为：三分球训练，以库里为参照，基本就是走在时代的前列哈！在未来的日子里，我们会见证1988年出生的他成为历史第一的三分射手！而在追寻偶像的道路上，我们的技艺也不会差到哪里去！更重要的是：通过不断的训练，我们葆有康健的身体，绝佳的状态，还有优秀的三分命中率，由这些托底的自信将支撑我们继续在人生的道路上勇猛精进！


有一部电影叫做《德鲁大叔》，讲的就是一帮老年人参加篮球比赛的故事。试想一下，当我们已经年到花甲甚至是七老八十，还能够在篮球场上用精准的三分球引起年轻一辈的连连尖叫！这是一种怎样的骄傲和自豪？这个场景难道还不能引发你的训练热情吗？正所谓：不敢出手就永远不能进球！所以，且让我们大胆训练，大胆出手！大胆创出自己的一片天地！


土人先生林凯明2021年9月29日星期三写于小石狮土人文学部落。

你可能感兴趣的:(土人论健之再谈三分球训练)

  • 【llm对话系统】 LLM 大模型推理python实现：vLLM 框架 kakaZhui 人工智能AIGCchatgptpythonllama
    在LLM的应用中，推理(Inference)阶段至关重要。它指的是利用训练好的LLM模型，根据输入(Prompt)生成文本的过程。然而，LLM的推理速度往往较慢，尤其是在处理长序列或高并发请求时，效率瓶颈尤为突出。为了解决这个问题，vLLM应运而生！vLLM是一个专为LLM设计的高吞吐、低延迟的推理和服务引擎，它能够显著提升LLM的推理速度，让你的应用如虎添翼！今天，我们就来一起探索vLLM的奥秘
  • 卷积这个词在卷积神经网络中应该怎么理解 abments 人工智能cnn深度学习计算机视觉
    卷积的定义数学概念：在数学上，卷积是一种操作，通常用于两个函数之间的运算。对于图像处理而言，这些函数通常是输入图像和一个称为“卷积核”或“滤波器”的小矩阵。在CNN中的应用：卷积操作是通过滑动窗口（卷积核）与输入数据进行点乘并求和来提取特征的。具体步骤定义卷积核：一个卷积核是一个小矩阵，通常为3x3、5x5等尺寸。卷积核中的每个值称为权重（weights），这些权重是通过训练过程优化得到的。滑动窗
  • 卷积核在初始阶段的数据是怎么获取的 abments 人工智能深度学习人工智能
    卷积核的初始化随机初始化：在大多数情况下，卷积核（滤波器）的权重在模型训练开始时是随机初始化的。常用的随机初始化方法包括以下几种：均匀分布初始化：权重从一个均匀分布中抽取值。importnumpyasnp#初始化3x3卷积核，权重范围[-0.1,0.1]kernel=np.random.uniform(-0.1,0.1,(3,3))正态分布初始化：权重从一个均值为0、标准差较小的正态分布中抽取。i
  • 自然语言处理NLP入门 -- 第八节OpenAI GPT 在 NLP 任务中的应用 山海青风 人工智能gpt自然语言处理python
    在前面的学习中，我们已经了解了如何使用一些经典的方法和模型来处理自然语言任务，如文本分类、命名实体识别等。但当我们需要更强的语言生成能力时，往往会求助于更先进的预训练语言模型。OpenAI旗下的GPT系列模型（如GPT-3、GPT-3.5、GPT-4等）在生成文本方面拥有强大的表现。它们不仅能进行语言生成，也可用于诸多NLP任务，包括文本摘要和情感分析。本章将重点介绍：GPT的文本生成原理和应用场
  • DeepSeek R1 详解：思维链、强化学习和蒸馏 前网易架构师-高司机 2025年最新-深度学习+AIDeepSeek和AI工具深度学习Deepseek
    目录思维链强化学习蒸馏DeepSeek是如何做到的?训练过程较小模型基准为什么Deepseek很重要DeepSeekR1常见问题解答来自中国的新型大型语言模型DeepSeekR1的发布在人工智能研究界引起了轰动。这不仅仅是又一次渐进式改进。DeepSeek代表着一次重大飞跃。大多数新的人工智能模型感觉都像是小步前进，DeepSeek-R1则不同。Deepseek的基准在推理任务（数学、编码和科学）
  • PCL点云系列之 如何使用 Python 从 ROS Bags 中提取和可视化彩色点云数据？自动驾驶汽车如何感知周围环境 知识大胖 PCL点云PointCloud系列教程python自动驾驶汽车
    介绍您是否曾好奇过自动驾驶汽车如何感知周围环境，或者建筑物的3D模型是如何如此精确地创建的？答案就在于点云的魔力。这些密集的数据点集合通常由LiDAR或深度相机等传感器捕获，构成了机器人、3D建模和自动驾驶汽车等各种应用的支柱。但是，如果您不仅需要捕获几何形状，还需要保留这些点的颜色信息，该怎么办？在本文中，我们将深入研究一个Python脚本，该脚本从ROS（机器人操作系统）包中提取点云数据，同时
  • 基恩士上位机链路通讯_库卡机器人之通讯总结 筱顽咚 基恩士上位机链路通讯
    时常有人问我库卡机器人支持哪些通讯、需要什么组件等等，基于个人多年积累并借助公众号的平台来分享下个人的总结(以下内容仅针对KRC4及以上，KRC2在此不作说明)：基于以上图片内容，将库卡通讯分成四类：1.基于以太网的现场总线：ProfiNet从站不需要KUKAProfiNetxxxProfiNet主站不需要KUKAProfiNetxxxEthernet/IP主站不需要KUKAEthernet/IP
  • Android存储（读取）之SD卡 2501_90225911 android
    packagecom.github.c.ceshi;importandroid.content.Context;importandroid.os.Environment;importandroid.widget.Toast;importjava.io.BufferedReader;importjava.io.File;importjava.io.FileInputStream;importjava
  • 跟我一起学Python数据处理（一百零三）之命令行参数解析与云服务应用 lilye66 pythonlinux开发语言
    跟我一起学Python数据处理（一百零三）之命令行参数解析与云服务应用大家好！我写这系列博客的初衷是想和大家一起学习进步。在学习Python数据处理的过程中，我发现其中有很多有趣又实用的知识，所以迫不及待地想和大家分享。接下来，咱们就一起深入学习相关的知识点。一、Python命令行参数解析在Python编程里，有时候我们希望通过命令行给脚本传递额外信息，让脚本根据这些信息执行不同任务。比如有个数据
  • 深度学习-81-大语言模型LLM之基于litellm与langchain与ollama启动的模型交互 皮皮冰燃 深度学习深度学习语言模型langchain
    文章目录1LiteLLM1.1生成对话补全1.2响应格式(OpenAIFormat)1.3异步调用1.4流式生成对话补全1.5支持的ollama模型2langchain2.1LangChain简介2.2LangChain架构2.3构建简单LLM应用程序(OllamaLLM)2.3.1生成对话补全2.3.2流式生成对话补全2.4聊天模型(ChatOllama)2.4.1Invoke调用2.4.2st
  • SHELL32!ILCombine函数分析之连接两个idl sitelist nt4源代码分析ILCombine
    SHELL32!ILCombine函数分析之连接两个idl第一部分：STDAPI_(LPITEMIDLIST)ILCombine(LPCITEMIDLISTpidl1,LPCITEMIDLISTpidl2){//LetmepassinNULLpointersif(!pidl1){if(!pidl2){returnNULL;}returnILClone(pidl2);}elseif(!pidl2){
  • Vivado 约束文件XDC使用经验总结 宁静致远dream FPGA不积跬步
    1.1Vivado约束文件XDC使用经验总结1.1.1本节目录1）本节目录；2）本节引言；3）FPGA简介；4）Vivado约束文件XDC使用经验总结；5）结束语。1.1.2本节引言“不积跬步，无以至千里；不积小流，无以成江海。就是说：不积累一步半步的行程，就没有办法达到千里之远；不积累细小的流水，就没有办法汇成江河大海。1.1.3FPGA简介FPGA（FieldProgrammableGateA
  • 基于 langchain+ollama 创建私有化知识库 大语言模型 langchain知识图谱LLM人工智能llamaRAG知识库
    本文实现了基于langchain的本地知识库的基本功能，可离线访问。主要使用了Langchain，ChromaDbOllama。概念介绍什么是RAGRAG是retrieval-augmented-generation的缩写，直译中文的意思是检索增强生成，可以简单理解能让训练好的大模型LLM可以结合外部数据，可以补充或者修正大模型返回的答案，提高答案的准确性。LLM有哪些痛点数据陈旧，一旦训练完成无
  • 计算机基础之操作系统——进程与线程管理（三） 查理养殖场 计算机八股服务器linux
    1、多进程与多线程怎么选择？多进程资源隔离性好、安全性高、支持并行，然而资源需求高、进程间通信复杂、上下文切换开销大；多线程轻量级、高度共享资源和数据、线程间通信简单、资源占用低、上下文切换开销小，然而隔离性差，容错性差。应用场景多进程：如果应用需要独立的地址空间和资源，或者需要在不同的安全上下文中运行，那么多进程可能是更好的选择。多线程：如果应用需要高度共享数据和资源，或者需要轻量级的任务并发，
  • 硅基流动：免费领取2000万Token，畅享AI大模型盛宴！ ai开发
    硅基流动（SiliconFlow）是一家专注于大规模AI计算的技术公司，由清华大学高性能计算研究所孙广宇教授团队创立。其核心团队来自清华大学、MIT等顶尖高校，致力于为企业和开发者提供高性能的AI模型推理和训练解决方案。硅基流动通过创新的系统优化技术，大幅提升AI模型的计算效率，帮助企业降低部署成本，是AI领域的一颗新星。https://cloud.siliconflow.cn/i/i05xEFB
  • 三七互娱，蓝禾，顺丰，oppo，游卡，汤臣倍健，康冠科技，作业帮，高途教育25届春招内推 weixin_53585422 java算法游戏美术嵌入式硬件求职招聘
    三七互娱，蓝禾，顺丰，oppo，游卡，汤臣倍健，康冠科技，作业帮，高途教育25届春招内推①康冠科技【职位】算法、软件、硬件、技术，结构设计，供应链，产品，职能，商务【一键内推】https://sourl.cn/2Mm9Lk【内推码】EVBM88②蓝禾（秋招投过还可投）【岗位】国内/国际电商运营，设计，营销，职能，工作地：深圳【请选择“校园大使推荐码”】71T3HES【一键内推】https://so
  • 前端面试100问！！ 一只松 javascriptes6
    面试造火箭，工作拧螺丝！在技术圈毕竟只有百分之一的人能进入BAT，百分之九九的小伙伴只能在普通公司做这普通的事情，厌烦哪些标题党，我们抛开那些高大上的台词，回归到面试的本质。本课程帮助小伙伴们快速梳理知识，不会涉及到具体的很细节的知识点，关注面试本身。公司一般会从以下5个方面考察一个人的能力，本课程的100问是总结了最近2-3年常问的面试题，适合初中级前端工程师。1、HTML(5)和CSS3方面1
  • 【云原生进阶之数据库技术】第二章-Oracle-使用-3.4.2-Oracle Active Data Guard调优 江中散人 云原生进阶-数据库专栏云原生进阶-PaaS专栏数据库云原生oracleADG数据库调优
    1OracleActiveDataGuard调优1.1调优策略OracleActiveDataGuard（ADG）调优涉及多个层面，旨在确保备用数据库在提供实时查询服务的同时，维持高效的数据同步与良好的系统性能。为了确保ADG环境的高性能和可靠性，需要进行适当的调优。以下是一些关键的调优领域和建议：1.网络连接与日志传输优化：带宽与延迟：确保主备数据库之间的网络连接具有足够的带宽和低延迟，以减少日
  • 基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型 汀、人工智能 LLM工业级落地实践langchainmilvusembedding人工智能自然语言处理语言模型大模型
    基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型0.Milvus与Faiss对比Milvus相对于Faiss的优势主要体现在以下几个方面：在线数据更新与实时搜索：Milvus支持在线的数据更新和实时的向量搜索，这意味着在数据频繁变动的场景下，用户无需重新构建整个索引，从而大大减少了维护成本。相比之
  • Redis系列之进阶篇（下） 可乐不渴了 Redisredis进阶
    Redis系列之进阶篇（下）前言上一期我们学习了Redis的一些高级应用，今天我们来继续学习Redis的高级技术。这篇文章主要内容是：布隆过滤器限流GeoHashScan本文所学知识点过多，请做好实践。1.布隆过滤器布隆过滤器是一种高级数据结构，专门用于解决去重和检测某个对象是否存在的问题。布隆过滤器就像一个不怎么精确的set结构，当你使用它的contains方法判断某个对象是否存在时，它可能会误
  • sql深入学习 lally. sql学习数据库
    文章目录前言知识学习注释的两种形式字符型注入万能密码布尔盲注报错注入堆叠注入时间盲注二次注入小技巧前言这次学习建立在对数据库有基本的认识，了解基础的增删改查语句，数字型注入和字符型注入的基础上，进一步深入学习知识，并进行实战训练知识学习注释的两种形式#号，url编码用%23替代--空格字符型注入注入字符被引号包裹，需要采取一定的策略绕过，包括or截断，前面引号后面注释等//eq:拼接sql语句查找
  • STM32之按键检测 最爱是生活 stm32嵌入式硬件单片机
    KEY是按键，接PE2口，LED灯，接PC0口，使用STMF103ZET6，则用按键控制小灯亮灭的标准库程序如下：#include"led.h"//Deviceheader#include"key.h"#include"SysTick.h"intmain(){SysTick_Init(72);Led_Init();Key_Init();while(1){if(GPIO_ReadInputDataB
  • 实体识别处理--在给定的文本中识别特定类型的实体 风清扬【coder】 自然语言分析处理算法深度学习人工智能nlp自然语言处理
    整体功能概述这个算法实现了一个实体识别系统，主要用于在给定的文本中识别特定类型的实体。它结合了字典匹配和向量相似度匹配两种方法，利用预训练的BERT模型来获取实体的嵌入表示，通过构建Trie树来提高字典匹配的效率。代码结构和模块分析1.导入必要的库importtorchfromtorchimportnnfromtransformersimportBertTokenizer,BertModelfro
  • 6.20CSIG腾讯云后台开发实习一面面经 C++50min han_xue_feng java
    腾讯许愿OC零零总总已经面了9场腾讯了，身心俱疲hr面完了一整天都是链接状态不知道有没有戏，感觉凉了AjokenevergainsaAjokenevergainsanenemybutoftenlosesafrie我在牛客笔试训练营第4天今天的元器件训练完成，继续加油～#牛客社群专项训练训练营#终于毕业啦～学生时代的青春岁月转眼将逝，职业生涯的精彩华章即将开篇。在快手实习了整整一年，终于要正式入职开
  • 操作es聚合操作并显示其他字段_Elasticsearch 之聚合分析入门 weixin_39944595 操作es聚合操作并显示其他字段
    本文主要介绍Elasticsearch的聚合功能，介绍什么是Bucket和Metric聚合，以及如何实现嵌套的聚合。首先来看下聚合(Aggregation)：什么是Aggregation？首先举一个生活中的例子，这个是京东的搜索界面，在搜索框中输入“华为”进行搜索，就会得到如上界面，搜索框就是我们常用的搜索功能，而下面这些，比如分类、热点、操作系统、CPU类型等是根据ES的聚合分析获得的相关结果。
  • 如何用 DeepSeek 进行卷积神经网络（CNN）的优化 一碗黄焖鸡三碗米饭 人工智能前沿与实践cnn人工智能神经网络机器学习深度学习
    如何用DeepSeek进行卷积神经网络（CNN）的优化卷积神经网络（CNN）在计算机视觉任务中取得了巨大的成功，例如图像分类、目标检测和图像生成。然而，尽管CNN在这些任务中表现出色，它们通常需要大量的计算资源，并且在优化过程中可能会遇到一些挑战，如过拟合、训练速度慢、局部最优解等问题。为了更好地优化CNN模型，提高其性能和训练效率，DeepSeek提供了多种优化技术和工具，可以帮助我们系统地进行
  • VSLAM新方案之《在复杂环境中实现高精度与超强鲁棒性》 OAK中国_官方 SLAM人工智能rpab-map
    OAKChina&苏州泛科特机器人联合推出OAK-DSeries&因子空间感知（FactorPerceptionKit）VSLAM解决方案01FactorPerceptionKit简介FactorPerceptionKit是一种真正基于深度学习技术的VSLAM方案，不同于许多厂商仅通过添加目标检测或语义分割模型来实现额外功能，我们直接在SLAM底层使用HF-Net模型，该模型同时进行局部特征点检测
  • Python之re模块 懒大王爱吃狼 pythonpythonmysql数据库pycharmpandaspython环境配置开发语言
    Python的re模块提供了对正则表达式的支持，允许你进行复杂的字符串搜索、替换和解析操作。正则表达式（RegularExpressions）是一种强大的文本处理工具，使用一种特定的语法模式来描述在搜索文本时要匹配的一个或多个字符串。以下是一些re模块中常用的函数和方法：编译正则表达式importrepattern=re.compile(r'\d+')#匹配一个或多个数字搜索字符串re.searc
  • 基于RF随机森林机器学习算法的回归预测模型MATLAB代码实现了一个回归任务的决策树集成模型。 qq924711725 仿真模型机器学习算法随机森林
    基于RF随机森林机器学习算法的回归预测模型MATLAB代码实现了一个回归任务的决策树集成模型。首先从Excel文件中导入数据集，并将数据划分为训练集和测试集。然后，对数据进行归一化处理并转置以适应模型的要求。文章目录MATLAB代码实现说明：MATLAB代码实现说明：运行代码前的注意事项：示例输出：MATLAB代码实现说明：示例输出：以下是一个基于随机森林（RF,RandomForest）机器学习
  • 面试必问之缓存击穿、穿透、雪崩及常用解决方案 就要学Java RedisSpringMysql缓存面试redis数据库java
    缓存击穿、穿透、雪崩及解决方案Redis是一种高性能的键值型数据库，它可以用来实现缓存功能，提高应用的响应速度和承载能力。但是，使用Redis缓存也会遇到一些常见的问题，比如缓存击穿、缓存穿透、缓存雪崩。这些问题都会影响缓存的效率和稳定性，所以需要了解它们的原因和解决方案，保障Redis能够正常运行。击穿、穿透、雪崩的意思击穿、穿透、雪崩这三个词语很容易混淆，本文先对词语进行理解，再讲解技术击穿：
  • 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
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他