啊娇娇
啊娇娇

讲书训练收获

原本以为三天两夜的线下讲书训练课已经够精彩了，没想到21天的线上“讲书”训练也特别令我惊喜。21天不知不觉就过去啦，有些开心，又感觉特别不舍～

我打开手机，倒翻每天的群聊记录，回顾了21天的课程内容，包括了复盘、回看毕业课程后的建议、金句收集、自我介绍黄金60秒、朗诵《当你老了》、朗读《蔡琴——让他活在我的歌声里》、以“今天是星期三”开头讲故事、念对白《东京爱情故事》、《西游记》原创演讲、用方言朗读《奶奶的星星》、读绕口令、学习两位讲书人关于《小王子》的分享、自己介绍《小王子》这本书、《演讲的力量》读书笔记、即兴演讲和结课分享。

其中，我们每天的学习都伴随着欢声笑语，整个线上班的氛围都暖暖的。这让我第一次体会到从读书讲书中也能找到归属感。真心感谢赵老师和敏敏老师每天带领我们学习，起的比我们早，睡的比我们晚！感谢学姐们的专业点评，一段段细致的点评比我交作业还要认真！感谢一起学习的小伙伴们，没有你们的陪伴，我可能一个礼拜都不能坚持下来！

我希望自己每天都要进步一点点，就像这21天一样坚持下来，跟紧大家的步伐，做好一个讲书人，做到会写会讲会分享！

你可能感兴趣的:(讲书训练收获)

  • 景联文科技数据处理平台：支持高质量图像标注服务 景联文科技 人工智能科技计算机视觉
    图像标注是计算机视觉领域中不可或缺的一环，它通过为图像添加标签来帮助机器学习算法理解图像内容。这一过程对于创建高质量的训练数据集至关重要，使得AI模型能够准确地识别和分类现实世界中的物体。常见的图像标注类型：边界框标注：这是最常用的标注方式之一，通常用于物体检测任务。通过绘制矩形框来确定图像中目标物体的位置，可以是二维或三维形式。分割标注：包括语义分割（同一类别的所有实例被视为整体）和实例分割（每
  • 景联文科技：以全面数据处理服务推动AI创新与产业智能化转型 景联文科技 人工智能
    数据标注公司在人工智能领域扮演着重要角色，通过提供高质量的数据标注服务，帮助企业和组织训练和优化机器学习模型。从需求分析到数据交付，每一个步骤都需要严格把控，确保数据的质量和安全性。景联文科技是一家专业的数据采集与标注公司，致力于为客户提供高质量的数据处理服务，助力企业在人工智能（AI）领域的创新与发展。数据标注的四项基本流程：数据采集、数据清洗、数据标注、数据质检。数据采集数据采集是数据处理的第
  • Xsens惯性动捕技术优化人型机器人AI训练流程 宋13810279720 动作捕捉机器人人工智能
    人工智能与机器人技术的飞速发展让人型机器人逐渐从科幻概念转变为现实应用，成为未来智能生活的重要组成部分。为了实现人型机器人动作的精准与流畅，惯性动捕技术正逐步成为优化其AI训练流程的关键手段。惯性动捕技术是一种利用惯性传感器（如加速度计、陀螺仪等）捕捉人体运动数据的方法。相较于光学动捕技术，惯性动捕不受环境光线和空间限制，具有更高的便携性和灵活性。在人型机器人AI训练过程中，惯性动捕技术能够实时捕
  • LLaMA3大模型技术全网最全解析——模型架构与训练方法（收录于GPT-4/ChatGPT技术与产业分析） chenweiPhD 人工智能深度学习语言模型架构
    Meta在周四（4月18日）发布了其最新大型语言模型LLaMA3。该模型将被集成到其虚拟助手MetaAI中。Meta自称8B和70B的LLaMA3是当今8B和70B参数规模的最佳模型，并在推理、代码生成和指令跟踪方面有了很大进步。（点赞是我们分享的动力）--------------------------------------------------主编作者陈巍博士，高级职称，曾担任华为系相关自
  • spiking neural network概念学习 Zaгathustra 科研工作深度学习神经网络机器学习
    我们认为，SNNs最大的优势在于其能够充分利用基于时空事件的信息。今天，我们有相当成熟的神经形态传感器，来记录环境实时的动态改变。这些动态感官数据可以与SNNs的时间处理能力相结合，以实现超低能耗的计算。在此类传感器中使用SNNs主要受限于缺乏适当的训练算法，从而可以有效地利用尖峰神经元的时间信息。实际上就精度而言，在大多数学习任务中SNNs的效果仍落后于第二代的深度学习。很明显，尖峰神经元可以实
  • 第二章：13.1 机器学习的迭代发展 望云山190 机器学习人工智能
    目录机器学习模型开发流程构建电子邮件垃圾邮件分类器示例总结垃圾邮件分类示例构建垃圾邮件分类器机器学习模型开发流程确定系统架构：首先，需要决定机器学习系统的总体架构，这包括选择合适的模型、确定使用的数据集、可能还包括选择超参数等。实现和训练模型：根据上述决定，实现并训练一个模型。通常，第一次训练的模型不会立即达到预期的效果。诊断和调整：对模型进行诊断，查看算法的偏差、方差或进行错误分析。根据诊断结果
  • 理论一、大模型—概念 伯牙碎琴 大模型自然语言处理ai
    一、总述大模型通常指的是参数规模庞大、训练难度较高的人工智能模型。随着深度学习技术的发展，研究人员和企业越来越倾向于构建更大的模型，以提高模型的性能和泛化能力。这些大模型往往需要大量的数据和计算资源来训练，并且在实际应用中通常表现出色。大模型全称是大型语言模型（LLM，LargeLanguageModel），这个“大”主要指模型结构容量大，结构中的参数多，用于预训练大模型的数据量大。一个大模型可以
  • 一、大模型微调的前沿技术与应用 伯牙碎琴 大模型微调人工智能大模型微调Deepseek
    大模型微调的前沿技术与应用随着大规模预训练模型（如GPT、BERT、T5等）的广泛应用，大模型微调（Fine-Tuning,FT）成为了提升模型在特定任务中性能的关键技术。通过微调，开发者可以根据实际需求调整预训练模型的参数，使其更好地适应特定应用场景。本文将介绍大模型微调技术的前沿发展，分析不同微调方法的特点、适用场景以及优缺点，并对它们进行系统分类。微调技术的重要性大模型微调能够帮助开发者根据
  • 根据deepseek模型微调训练自动驾驶模型及数据集的思路 ywfwyht 自动驾驶深度学习人工智能自动驾驶人工智能机器学习
    以下是使用DeepSeek模型微调训练自动驾驶模型的详细步骤和代码示例。本流程假设你已有自动驾驶领域的数据集（如驾驶指令、传感器数据等），并基于PyTorch框架实现。Step1:环境准备#安装依赖库pipinstalltorchtransformersdatasetsnumpypandasStep2:数据准备假设数据集格式为JSON，包含输入文本（传感器/场景描述）和输出控制指令：//data/
  • 第一天：爬虫介绍 朱剑君 Python爬虫训练营爬虫python
    每天上午9点左右更新一到两篇文章到专栏《Python爬虫训练营》中，对于爬虫有兴趣的伙伴可以订阅专栏一起学习，完全免费。键盘为桨，代码作帆。这趟为期30天左右的Python爬虫特训即将启航，每日解锁新海域：从Requests库的浪花到Scrapy框架的深流，从反爬迷雾中的破局到数据清洗的澄澈。我们拆解网页结构如同解读星图，让XPath与正则表达式化作导航罗盘。每个深夜的代码调试，终将凝结成破晓时的
  • 第三天：爬取数据-urllib库. 朱剑君 Python爬虫训练营python爬虫
    每天上午9点左右更新一到两篇文章到专栏《Python爬虫训练营》中，对于爬虫有兴趣的伙伴可以订阅专栏一起学习，完全免费。键盘为桨，代码作帆。这趟为期30天左右的Python爬虫特训即将启航，每日解锁新海域：从Requests库的浪花到Scrapy框架的深流，从反爬迷雾中的破局到数据清洗的澄澈。我们拆解网页结构如同解读星图，让XPath与正则表达式化作导航罗盘。每个深夜的代码调试，终将凝结成破晓时的
  • 如何使用DeepSeek训练模型 LCG元 大模型人工智能
    目录准备工作硬件要求软件环境数据收集与预处理数据收集数据预处理模型构建与训练模型构建模型训练模型评估与调优评估指标调优方法部署与应用部署方式应用集成✍️相关问答DeepSeek模型在医疗领域的具体应用案例有哪些？临床辅助诊疗：医患关系的连接桥梁：医疗科研的学术助手：医疗服务体系革新：医学影像诊断：药物研发：基层医疗能力提升：医疗机器人智能化：如何利用DeepSeek进行多模态数据分析？脑图使用De
  • 农业机器人综述：技术现状、应用场景及未来展望 橙蜂智能 机器人
    农业机器人综述：技术现状、应用场景及未来展望引言一、农业机器人的技术现状1.感知模块2.导航与定位模块3.控制与执行模块4.通信与数据传输模块5.决策与人工智能模块6.电源管理与能源模块二、农业机器人的应用场景1.播种与施肥2.植保与除草3.采摘与收获4.土壤和作物监测5.温室管理与环境控制6.多机器人协作三、农业机器人面临的挑战1.成本较高2.环境适应性差3.技术成熟度有待提高4.数据安全和隐私
  • 文本生成型人工智能：逻辑算法与文字组合的重构艺术 Somnolence.·.·.·. 人工智能人工智能算法重构人机交互aichatgpt
    引言在数字化浪潮的推动下，文本生成型人工智能（如GPT系列、Claude、Deepseek等）正逐步从技术工具演化为人类社会的"数字镜像"。其本质并非简单的文字堆砌，而是基于算法逻辑对海量语言数据的学习与重组。这一过程既模仿了人类的思维模式，又受制于技术基础设施的物理边界。以下从三个维度解析其运行逻辑与技术哲学。一、数据训练：从概率统计到仿生逻辑的跨越文本生成型AI的核心在于通过神经网络模型对语言
  • DeepSeek正重构具身大模型和人形机器人赛道！ Robot251 重构机器人人工智能科技自动驾驶
    中国人工智能公司DeepSeek（深度求索）以“低成本、高效率、强开放”的研发范式横空出世，火遍并震撼全球科技圈；DeepSeek展现出来的核心竞争力，除了低成本及推理能力，更重要的是开源模型能力追赶上了最新的闭源模型；而对具身智能领域影响最大的当属于其开源大模型DeepSeek-R1。2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1
  • 大语言模型常用微调与基于SFT微调DeepSeek R1指南 知来者逆 LLM深度学习人工智能自然语言处理DeepSeekSFT微调
    概述大型语言模型（LLM，LargeLanguageModel）的微调（Fine-tuning）是指在一个预训练模型的基础上，使用特定领域或任务的数据对模型进行进一步训练，以使其在该领域或任务上表现更好。微调是迁移学习的一种常见方法，能够显著提升模型在特定任务上的性能。在大型语言模型（LLM）的微调中，有几种常见的方法，包括SFT（监督微调）、LoRA（低秩适应）、P-tuningv2和**Fre
  • Deepseek详细的自我介绍 welcome_123_ 人工智能
    ###**DeepSeek：中国自研AGI大模型的深度解析**---####**1.技术背景与研发理念**DeepSeek由国内顶尖AI科学家团队领衔，核心技术成员来自清华大学、北京大学及国际顶级AI实验室，团队在NLP、分布式训练、模型压缩等领域发表顶会论文超200篇。研发理念聚焦三个核心：-**高效性**：通过模型架构创新（如MoE）实现“小参数量，大性能”。-**可控性**：内置可解释性模块
  • （15-3）DeepSeek混合专家模型初探：模型微调 码农三叔 训练RAG多模态)人工智能Deekseep深度学习大模型transformer
    3.4模型微调在本项目中，微调脚本文件finetune.py提供了一套全面的工具，用于对DeepSeek-MoE预训练语言模型进行微调。支持加载特定任务的数据、对数据进行预处理和编码，以及通过多种配置选项（如LoRA量化、分布式训练等）对模型进行高效训练。用户可以根据自己的需求，通过命令行参数或配置文件调整微调策略，以优化模型在特定任务或数据集上的性能。3.4.1微调原理在DeepSeek-MoE
  • 本地DeepSeek模型GGUF文件转换为PyTorch格式 搏博 pytorch人工智能python机器学习windows深度学习
    接前文，我们在本地Windows系统上，基于GGUF文件部署了DeepSeek模型（DeepSeek-R1-Distill-Qwen-1.5B.gguf版本），但是GGUF是已经量化的版本，我们除了对其进行微调之外，无法对其训练，那么还有没有其他办法对本地的GGUF部署的DeepSeek模型进行训练呢？今天我们就反其道而行之，将GGUF文件转换为PyTorch格式再训练。前提：已经部署好了Deep
  • 给我通俗易懂地讲一下损失函数与正则化 利万国潮科技 A9.36(asi智神版) 经验分享
    我用最生活化的比喻来解释这两个关键概念---###**1.损失函数：考试得分计算器****场景**：你是个教练，训练学生投篮-**核心作用**：每次投篮训练后，自动算出学生的「犯错分数」-**举个栗子**：-**均方误差（MSE）**：记录每次投篮偏离篮筐的距离（比如差30cm记0.3分，差50cm记0.5分），最后算平均分-**交叉熵损失**：专用于选择题考试（比如识别猫狗图片），答错一题扣2分
  • 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，
  • YOLOv1 损失函数 余将董道而不豫兮 YOLO神经网络python深度学习人工智能机器学习计算机视觉
    相关文章YOLOv1论文简要YOLOv1数据集加载YOLOv1损失函数YOLOv1模型构建与训练YOLOv1目标检测项目地址：YOLOv1VOC2007笔者训练的权重地址：阿里云盘分享10秒文章速览对于YOLOv1的损失函数，使用Python程序实现损失函数的计算关于损失函数的计算，在《YOLOv1论文简要》一文中已经进行了较详细的解释。只不过，在本文中，需要以代码的形式表达出来平方和误差在YOL
  • labelme转YOLOv8、YOLOv5 标签格式 标注数据 一颗小树x YOLO目标检测实践应用labelmeYOLOv8YOLOv5标签格式标注数据
    前言本文分析将labelme的标签，转为YOLOv8、YOLOv5的格式，实现模型训练。首先了解YOLOv8和YOLOv5标签格式，然后了解labelme标签格式，最近实现数据格式转换。1、YOLOv8和YOLOv5标签格式YOLOv8的标签格式与YOLOv5基本相同，使用一种简单的txt文本格式，来存储每个图像的标注数据。每个图像对应一个文本文件，这些文本文件与图像文件位于同一目录并且具有相同的
  • yolov8(8.2.10)+deepsort（demo） fengsongdehappy YOLO
    只需要训练好yolov8的检测模型然后调用：results=model.track(frame,persist=True)#执行跟踪，persist=True表示持续跟踪。保持同一个人在多帧画面的id一就可以完整代码：importcv2importnumpyasnpfromultralyticsimportYOLOfromcollectionsimportdefaultdict#框的中心点的历史轨
  • GitHub 热点项目介绍 tomlone 技术热点人工智能
    Oumi-端到端的基础模型平台项目简介Oumi是一个全开源平台，旨在解决大模型在各个阶段面临的复杂问题，提供构建先进端到端基础模型所需的一切，涵盖数据准备、训练、评估和部署等环节。项目链接GitHub-oumi-ai/oumi特点提供一致的API、生产级可靠性及研究所需的灵活性。已与13所研究型大学的学者建立合作。可通过pip安装并使用CRI命令进行模型训练、评估和推理。项目中还提供了详细的not
  • DeepSeek为什么超越了OpenAI deepseek
    DeepSeek的超越源于四大关键差异：技术架构的垂直整合优势、数据策略的动态闭环设计、商业模式的场景化落地能力、行业定位的差异化突围。其中，技术架构的突破最具革命性——DeepSeek创造性地采用"混合专家系统+领域预训练"架构，在特定领域的推理效率比OpenAI的GPT-4提升40%以上（根据2023年MLPerch基准测试）。这种技术路线选择，使其在医疗诊断、工业质检等垂直场景的准确率达到9
  • 机器学习 网络安全 网络安全Max 机器学习web安全人工智能
    实现机械学习网络安全的流程概述在实现“机器学习网络安全”这个任务中，我们需要经历一系列步骤，从数据准备、训练到模型评估。在这篇文章中，我将详细介绍每个步骤的具体操作，并附上相应的代码示例和解释。步骤下面是实现机器学习网络安全的流程，简单概括如下：步骤描述1.数据采集从网络安全日志或其他数据源中采集数据2.数据预处理对数据进行清洗、归一化和特征提取等操作3.模型选择选择适合网络安全场景的机器学习模型
  • 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-R1-Zero 与 DeepSeek-R1 的异同与优劣分析 AI生成曾小健 Deepseek原理与使用人工智能
    DeepSeek-R1-Zero与DeepSeek-R1的异同与优劣分析一、相同点核心训练方法：两者均基于强化学习（RL），采用GroupRelativePolicyOptimization（GRPO）算法，通过组内样本的奖励相对比较优化策略模型。目标均为提升语言模型的复杂推理能力（如数学、代码、科学推理）。基础模型：均以DeepSeek-V3-Base作为初始模型，共享相同的架构
  • Topaz Video AI中文v6.0.4 免费版 sdddsada eclipse
    链接：https://pan.quark.cn/s/d625eff6e20d软件特点更少的运动伪影其他视频放大技术通常会通过相邻帧中的不同处理产生“闪烁”或“闪烁”效果。TVAI显着减少了这些伪影。恢复视频细节从多个相邻帧中的附加信息中提取真实细节到您的视频中。获得更自然的结果传统的放大通常会导致伪影。我们通过从多个帧中获取新信息来缓解这些问题。受过视频训练专门针对视频剪辑而不是静止图像进行训练。
  • rust的指针作为函数返回值是直接传递，还是先销毁后创建？ wudixiaotie 返回值
     这是我自己想到的问题，结果去知呼提问，还没等别人回答， 我自己就想到方法实验了。。 fn main() { let mut a = 34; println!("a's addr:{:p}", &a); let p = &mut a; println!("p's addr:{:p}", &a
  • java编程思想 -- 数据的初始化 百合不是茶 java数据的初始化
      1.使用构造器确保数据初始化      /* *在ReckInitDemo类中创建Reck的对象 */ public class ReckInitDemo { public static void main(String[] args) { //创建Reck对象 new Reck(); } }
  • [航天与宇宙]为什么发射和回收航天器有档期 comsci
           地球的大气层中有一个时空屏蔽层,这个层次会不定时的出现,如果该时空屏蔽层出现,那么将导致外层空间进入的任何物体被摧毁,而从地面发射到太空的飞船也将被摧毁...        所以,航天发射和飞船回收都需要等待这个时空屏蔽层消失之后,再进行 &
  • linux下批量替换文件内容 商人shang linux替换
    1、网络上现成的资料 　　格式: sed -i "s/查找字段/替换字段/g" `grep 查找字段 -rl 路径` 　　linux sed 批量替换多个文件中的字符串 　　sed -i "s/oldstring/newstring/g" `grep oldstring -rl yourdir` 　　例如：替换/home下所有文件中的www.admi
  • 网页在线天气预报 oloz 天气预报
    网页在线调用天气预报 <%@ page language="java" contentType="text/html; charset=utf-8" pageEncoding="utf-8"%> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transit
  • SpringMVC和Struts2比较 杨白白 springMVC
    1. 入口 spring mvc的入口是servlet，而struts2是filter（这里要指出，filter和servlet是不同的。以前认为filter是servlet的一种特殊），这样就导致了二者的机制不同，这里就牵涉到servlet和filter的区别了。 参见：http://blog.csdn.net/zs15932616453/article/details/8832343 2
  • refuse copy, lazy girl! 小桔子 copy
           妹妹坐船头啊啊啊啊！都打算一点点琢磨呢。文字编辑也写了基本功能了。。今天查资料，结果查到了人家写得完完整整的。我清楚的认识到： 1.那是我自己觉得写不出的高度 2.如果直接拿来用，很快就能解决问题 3.然后就是抄咩~~ 4.肿么可以这样子，都不想写了今儿个，留着作参考吧！拒绝大抄特抄，慢慢一点点写！  
  • apache与php整合 aichenglong php apache web
    一  apache web服务器 1 apeche web服务器的安装   1)下载Apache web服务器   2)配置域名(如果需要使用要在DNS上注册)   3)测试安装访问http://localhost/验证是否安装成功 2 apache管理   1)service.msc进行图形化管理   2)命令管理，配
  • Maven常用内置变量 AILIKES maven
    Built-in properties ${basedir} represents the directory containing pom.xml ${version} equivalent to ${project.version} (deprecated: ${pom.version}) Pom/Project properties Al
  • java的类和对象 百合不是茶 JAVA面向对象 类 对象
    java中的类：     java是面向对象的语言，解决问题的核心就是将问题看成是一个类，使用类来解决   java使用 class 类名   来创建类 ，在Java中类名要求和构造方法，Java的文件名是一样的   创建一个A类： class A{ }   java中的类：将某两个事物有联系的属性包装在一个类中，再通
  • JS控制页面输入框为只读 bijian1013 JavaScript
    在WEB应用开发当中，增、删除、改、查功能必不可少，为了减少以后维护的工作量，我们一般都只做一份页面，通过传入的参数控制其是新增、修改或者查看。而修改时需将待修改的信息从后台取到并显示出来，实际上就是查看的过程，唯一的区别是修改时，页面上所有的信息能修改，而查看页面上的信息不能修改。因此完全可以将其合并，但通过前端JS将查看页面的所有信息控制为只读，在信息量非常大时，就比较麻烦。  
  • AngularJS与服务器交互 bijian1013 JavaScriptAngularJS$http
            对于AJAX应用（使用XMLHttpRequests）来说，向服务器发起请求的传统方式是：获取一个XMLHttpRequest对象的引用、发起请求、读取响应、检查状态码，最后处理服务端的响应。整个过程示例如下： var xmlhttp = new XMLHttpRequest(); xmlhttp.onreadystatechange
  • [Maven学习笔记八]Maven常用插件应用 bit1129 maven
    常用插件及其用法位于：http://maven.apache.org/plugins/   1. Jetty server plugin 2. Dependency copy plugin 3. Surefire Test plugin 4. Uber jar plugin           1. Jetty Pl
  • 【Hive六】Hive用户自定义函数(UDF) bit1129 自定义函数
    1. 什么是Hive UDF Hive是基于Hadoop中的MapReduce，提供HQL查询的数据仓库。Hive是一个很开放的系统，很多内容都支持用户定制，包括： 文件格式：Text File，Sequence File 内存中的数据格式： Java Integer/String, Hadoop IntWritable/Text 用户提供的 map/reduce 脚本：不管什么
  • 杀掉nginx进程后丢失nginx.pid，如何重新启动nginx ronin47 nginx 重启 pid丢失
    nginx进程被意外关闭，使用nginx -s reload重启时报如下错误：nginx: [error] open() “/var/run/nginx.pid” failed (2: No such file or directory)这是因为nginx进程被杀死后pid丢失了，下一次再开启nginx -s reload时无法启动解决办法：nginx -s reload 只是用来告诉运行中的ng
  • UI设计中我们为什么需要设计动效 brotherlamp UIui教程ui视频ui资料ui自学
    随着国际大品牌苹果和谷歌的引领，最近越来越多的国内公司开始关注动效设计了，越来越多的团队已经意识到动效在产品用户体验中的重要性了，更多的UI设计师们也开始投身动效设计领域。 但是说到底，我们到底为什么需要动效设计？或者说我们到底需要什么样的动效？做动效设计也有段时间了，于是尝试用一些案例，从产品本身出发来说说我所思考的动效设计。 一、加强体验舒适度 嗯，就是让用户更加爽更加爽的用你的产品。
  • Spring中JdbcDaoSupport的DataSource注入问题 bylijinnan javaspring
    参考以下两篇文章： http://www.mkyong.com/spring/spring-jdbctemplate-jdbcdaosupport-examples/ http://stackoverflow.com/questions/4762229/spring-ldap-invoking-setter-methods-in-beans-configuration Sprin
  • 数据库连接池的工作原理 chicony 数据库连接池
           随着信息技术的高速发展与广泛应用，数据库技术在信息技术领域中的位置越来越重要，尤其是网络应用和电子商务的迅速发展，都需要数据库技术支持动 态Web站点的运行，而传统的开发模式是：首先在主程序（如Servlet、Beans）中建立数据库连接；然后进行SQL操作，对数据库中的对象进行查 询、修改和删除等操作；最后断开数据库连接。使用这种开发模式，对
  • java 关键字 CrazyMizzz java
    关键字是事先定义的，有特别意义的标识符，有时又叫保留字。对于保留字，用户只能按照系统规定的方式使用，不能自行定义。 Java中的关键字按功能主要可以分为以下几类：    （1）访问修饰符       public,private,protected       p
  • Hive中的排序语法 daizj 排序hiveorder byDISTRIBUTE BYsort by
    Hive中的排序语法 2014.06.22 ORDER BY hive中的ORDER BY语句和关系数据库中的sql语法相似。他会对查询结果做全局排序，这意味着所有的数据会传送到一个Reduce任务上，这样会导致在大数量的情况下，花费大量时间。 与数据库中 ORDER BY 的区别在于在hive.mapred.mode = strict模式下，必须指定 limit 否则执行会报错。
  • 单态设计模式 dcj3sjt126com 设计模式
      单例模式（Singleton）用于为一个类生成一个唯一的对象。最常用的地方是数据库连接。 使用单例模式生成一个对象后，该对象可以被其它众多对象所使用。 <?phpclass Example{    // 保存类实例在此属性中    private static&
  • svn locked dcj3sjt126com Lock
    post-commit hook failed (exit code 1) with output: svn: E155004: Working copy 'D:\xx\xxx' locked svn: E200031: sqlite: attempt to write a readonly database svn: E200031: sqlite: attempt to write a
  • ARM寄存器学习 e200702084 数据结构C++cC#F#
    无论是学习哪一种处理器，首先需要明确的就是这种处理器的寄存器以及工作模式。     ARM有37个寄存器，其中31个通用寄存器，6个状态寄存器。 1、不分组寄存器（R0-R7）     不分组也就是说说，在所有的处理器模式下指的都时同一物理寄存器。在异常中断造成处理器模式切换时，由于不同的处理器模式使用一个名字相同的物理寄存器，就是
  • 常用编码资料 gengzg 编码
    List<UserInfo> list=GetUserS.GetUserList(11); String json=JSON.toJSONString(list); HashMap<Object,Object> hs=new HashMap<Object, Object>(); for(int i=0;i<10;i++) {
  • 进程 vs. 线程 hongtoushizi 线程linux进程
    我们介绍了多进程和多线程，这是实现多任务最常用的两种方式。现在，我们来讨论一下这两种方式的优缺点。 首先，要实现多任务，通常我们会设计Master-Worker模式，Master负责分配任务，Worker负责执行任务，因此，多任务环境下，通常是一个Master，多个Worker。 如果用多进程实现Master-Worker，主进程就是Master，其他进程就是Worker。 如果用多线程实现
  • Linux定时Job：crontab -e 与 /etc/crontab 的区别 Josh_Persistence linuxcrontab
    一、linux中的crotab中的指定的时间只有5个部分：* * * * * 分别表示：分钟，小时，日，月，星期，具体说来： 第一段 代表分钟 0—59 第二段 代表小时 0—23 第三段 代表日期 1—31 第四段 代表月份 1—12 第五段 代表星期几，0代表星期日 0—6   如： */1 * * * *   每分钟执行一次。 *
  • KMP算法详解 hm4123660 数据结构C++算法字符串KMP
         字符串模式匹配我们相信大家都有遇过，然而我们也习惯用简单匹配法（即Brute-Force算法)，其基本思路就是一个个逐一对比下去，这也是我们大家熟知的方法，然而这种算法的效率并不高，但利于理解。       假设主串s="ababcabcacbab",模式串为t="
  • 枚举类型的单例模式 zhb8015 单例模式
    E.编写一个包含单个元素的枚举类型[极推荐]。代码如下： public enum MaYun {himself; //定义一个枚举的元素，就代表MaYun的一个实例private String anotherField;MaYun() {//MaYun诞生要做的事情//这个方法也可以去掉。将构造时候需要做的事情放在instance赋值的时候：/** himself = MaYun() {*
  • Kafka+Storm+HDFS ssydxa219 storm
    cd /myhome/usr/stormbin/storm nimbus &amp;bin/storm supervisor &amp;bin/storm ui &amp;Kafka+Storm+HDFS整合实践kafka_2.9.2-0.8.1.1.tgzapache-storm-0.9.2-incubating.tar.gzKafka安装配置我们使用3台机器搭建Kafk
  • Java获取本地服务器的IP 中华好儿孙 javaWeb获取服务器ip地址
    System.out.println("getRequestURL:"+request.getRequestURL()); System.out.println("getLocalAddr:"+request.getLocalAddr()); System.out.println("getLocalPort:&quo
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他