- Unet 改进:在encoder和decoder间加入TransformerBlock
听风吹等浪起
AI改进系列transformer图像分割Unet
目录1.TransformerBlock2.Unet改进3.完整代码Tips:融入模块后的网络经过测试,可以直接使用,设置好输入和输出的图片维度即可1.TransformerBlockTransformerBlock是Transformer模型架构的基本组件,广泛应用于机器翻译、文本摘要和情感分析等自然语言处理任务。TransformerBlock是一个由两个子组件组成的构建块:多头注意力机制和前
- 开源LLMs导览:工作原理、顶级LLM列表对比
万俟淋曦
SomeInsights人工智能AI生成式人工智能大模型LLMchatgpt大语言模型
机器人、人工智能相关领域news/events(专栏目录)本文目录一、开源LLM是什么意思?二、开源LLM如何工作?2.1预训练2.2代币化2.3开源LLM的微调2.4输入编码2.5训练与优化2.6推理三、开源LLM对组织的好处3.1增强的数据安全和隐私3.2节约成本3.3减少供应商依赖性3.4代码透明度四、哪种LLM模式最好?4.1BERT4.2LLaMA(LargeLanguageModelM
- 揭秘大语言模型:什么是LLM大模型?
AGI-杠哥
程序人生兼职副业web安全语言模型人工智能自然语言处理
前言自从去年chatgpt横空出世以来,它火爆也让大语言模型这个词变的很流行,到底什么是大语言模型,今天从初学者的角度介绍一下大语言模型的基本概念、组成部分和基本工作流程等。下面的介绍中如果涉及到一些专业术语不太理解,也没关系,只要有一个感性认识即可,毕竟我们不打算造车,只要做到自己部署开源大模型的时候,不至于脸盲就可以了。一、大语言模型特点和基本组成大语言模型(LargeLanguageMode
- 【3D目标检测】YOLO3D 基于图像的3D目标检测算法
BILLY BILLY
YOLOv8系列3d目标检测YOLO
参考文档:https://ruhyadi.github.io/project/computer-vision/yolo3d/代码:https://github.com/ruhyadi/yolo3d-lightning本次分享将会从以下四个方面展开:物体检测模型中的算法选择单目摄像头下的物体检测神经网络训练预测参数的设计模型训练与距离测算1.物体检测模型中的算法选择物体检测(ObjectDetect
- MySQLDBA修炼之道-开发篇(一)
滔_GY
MySQLDBA修炼之道-读书笔记数据库oraclemysql
三、开发基础1.数据模型1.1关系数据模型介绍关于NULL如果某个字段的值是未知的或未定义的,数据库会提供一个特殊的值NULL来表示。NULL值很特殊,在关系数据库中应该小心处理。例如查询语句“select*fromemployeewhere绩效得分绩效得分>85;”就不能查询出绩效得分是未知的(NULL)的数据。关于key和索引key常指表中能唯一标识一笔记录的字段(属性)或多个字段的组合。现实
- Encoder-only decoder-only encoder-decoder大模型的区别
阿牛牛阿
aiopencv人工智能AIGCchatgpt
1.Encoder-Only架构-定义:仅包含编码器部分,主要用于处理输入数据而不生成输出。-适用任务:文本分类、情感分析、命名实体识别等。-优点:能够更好地理解输入文本的语义和上下文信息,适合需要特征提取的任务。-缺点:无法直接生成文本输出。-代表模型:BERT、RoBERTa、ALBERT等。2.Decoder-Only架构-定义:仅包含解码器部分,通常用于序列生成任务。-适用任务:文本生成、
- 【软件工程】-- 期末考试题含答案(二)(考前必看、看完不挂科)
四月天行健
大学课程期末试题软件工程p2plinq
试题一选择题1、具有风险分析的软件生命周期模型是( C )。A.瀑布模型 B.喷泉模型 C.螺旋模型 D.增量模型2、软件工程的基本要素包括方法、工具和(A)。A. 过程
- 【AI知识点】三种不同架构的大语言模型(LLMs)的区别
AI完全体
AI知识点人工智能语言模型自然语言处理机器学习深度学习注意力机制自注意力机制
【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】在自然语言处理(NLP)中,预训练语言模型(LLMs,LargeLanguageModels)通常基于不同的架构,如仅编码器的模型(Encoder-only)、编码器-解码器的模型(Encoder-Decoder),以及仅解码器的模型(Decoder-only)。这三种架构有着显著的区别,主要体现在功能、适用任务和性能上。下面从架构、功能
- Python软体中使用Scikit-learn库训练简单线性回归模型
清水白石008
Python题库pythonpythonscikit-learn线性回归
Python软体中使用Scikit-learn库训练简单线性回归模型1.引言作为数据科学家和机器学习从业者,我们经常需要处理各种类型的数据,并从中提取有价值的信息。其中,线性回归是最基础也是最常用的机器学习算法之一。它可以帮助我们预测连续型目标变量,在很多实际应用场景中都有广泛应用,比如房价预测、销量预测等。在本文中,我将使用Python的Scikit-learn库,介绍如何训练一个简单的线性回归
- 超实用的Python机器学习教程 - 基于scikit - learn库
AI_DL_CODE
人工智能python机器学习人工智能
一、机器学习简介机器学习的定义与概念机器学习是一门多领域交叉学科,它涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。简单来说,机器学习是让计算机从数据中学习规律并进行预测或决策的技术。它旨在构建能够自动从数据中学习模式并进行改进的算法,而无需被明确编程来执行特定任务。例如,我们可以让机器学习算法通过分析大量的历史天气数据来预测未来的天气情况,或者通过分析用户的购物历史来推荐可能感兴趣
- Unity FBX导出系统源码:WRP FBX Exporter完整解析
Kay Lam
本文还有配套的精品资源,点击获取简介:UnityFBX模型导出系统是游戏开发中重要工具,它支持3D模型数据在不同平台和软件间以FBX格式进行交换。WRPFBXExporter源码提供自定义模型导出功能,允许开发者根据项目需求优化模型拓扑、UV坐标和骨骼绑定等。此源码涵盖了模型数据的读取、转换、优化和写入过程,便于开发者创建高效、精确的导出设置。源码附带使用说明文档,帮助用户快速集成和定制。此外,作
- 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
- FBX模型格式和FbxSDK
tw_devin
工作fbx
可参考:(1)编程知识汇总--3D模型文件的通用格式:FBX(2)FbxSDK使用总结(3FBXSDK快速简笔(基本))(1)的话主要是一些基础,(2)应该是个提升所以说主要看(1)就行(1)中的话主要是看以下3篇:首先可以先看:FBX、DAE模型的格式、导入与骨骼动画,先了解FBX格式,并且给了示例代码结合着理解其次可以看:基于FBXSDK的FBX模型解析与加载-(一),先对FBXSDK有个认识
- NXOPEN C++ 参数化设计系列
天涯Skyline
NXOPENC++参数化设计系列专栏c++
NXOPENC++参数化设计系列部件属性操作篇:NXOpenC++API为NX软件的二次开发提供了强大的工具,特别是在参数化设计方面。通过对部件(Part)属性的操作,开发者可以实现更加灵活和高效的设计流程。在参数化设计中,部件属性属于产品的标准属性,是通过模型或图纸传递数据的重要媒介。部件属性篇将会大家带来关于部件属性新增,修改,删除,匹配、锁定等系列化的操作及相关代码展示。前言NXOpenC+
- MixRec: Heterogeneous Graph Collaborative Filtering
UnknownBody
Recommendation人工智能
本文是深度学习相关文章,针对《MixRec:HeterogeneousGraphCollaborativeFiltering》的翻译。MixRec:异构图协同过滤摘要1引言2前言3方法4评估5相关工作6结论摘要对于现代推荐系统来说,使用低维潜在表示来嵌入用户和基于他们观察到的交互的项目已经变得司空见惯。然而,许多现有的推荐模型主要是为粗粒度和同质交互而设计的,这限制了它们在两个关键维度上的有效性。
- LearnLM: Improving Gemini for Learning
UnknownBody
LLMDaily语言模型人工智能自然语言处理
本文是LLM系列文章,针对《LearnLM:ImprovingGeminiforLearning》的翻译。LearnLM:提升Gemini的学习能力摘要1引言2建模3人类评价设计4结果5结论摘要今天的生成式人工智能系统默认情况下会呈现信息,而不是像人类导师那样让用户参与学习服务。为了解决这些系统的广泛潜在教育用例,我们将注入教学行为的挑战重新定义为一种教学指导,其中培训和评估示例包括描述后续模型中
- 【python】利用 GridSearchCV 和 SVM 进行学生成绩预测
码银
支持向量机机器学习人工智能
在机器学习领域,寻找最优模型参数是一个重要的步骤,它直接影响模型的泛化能力和预测准确性。本文将通过一个具体案例介绍如何使用支持向量机(SVM)和网格搜索(GridSearchCV)来预测学生的成绩,并通过调整参数来优化模型性能。数据集:公众号“码银学编程”后台回复:学生成绩-SVM前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家:前言–人工智能教程引言学生的成绩预测
- 从MySQL到NoSQL:分析传统关系型数据库与NoSQL数据库的协同
哎 你看
数据库mysqlnosql
引言数据库是一个系统,用来管理和存储数据的地方。数据在数据库中以一种结构化的方式组织,这样能更容易地查询和处理数据。关系型数据库是基于关系模型的数据库,它将数据存储在不同的表中,每个表都有各自的独一无二的主键。表与表之间通过共享的数据项相互关联。像MySQL,Oracle,SQLServer,PostgreSQL等都是关系型数据库。关系型数据库非常适合存储结构化的数据。结构化的数据是按照预定义的模
- Node.js 的底层原理
阿芯爱编程
面试js技巧网络前端javascript
Node.js的底层原理1.事件驱动和非阻塞I/ONode.js基于ChromeV8引擎,使用JavaScript作为开发语言。它采用事件驱动和非阻塞I/O模型,使其轻量且高效。通过libuv库实现跨平台的异步I/O,包括文件操作、网络请求等。2.单线程事件循环Node.js使用单个线程来处理所有请求,通过事件循环机制来管理并发。事件循环不断检查是否有待处理的事件或回调函数,并依次执行它们。这种模
- NOSQL和MySQL的区别
小小懒懒
nosqlmysql数据库
NoSQL和MySQL是两种不同类型的数据库,它们在数据模型、架构、查询语言和使用场景等方面存在一些区别。数据模型:MySQL是一种关系型数据库,使用表格和结构化的数据模型,数据存储在行和列中,需要定义表的结构和关系。NoSQL数据库采用非关系型数据模型,不要求严格的表结构和预定义的模式,可以存储各种形式的非结构化数据,如文档、键值对、列族、图形等。架构:MySQL通常采用集中式的架构,数据存储在
- 2025美赛美国大学生数学建模竞赛C题思路分析完整论文(45页)(含模型,可运行代码,运行结果)
小文数模
2025美国大学生数学建模竞赛2025美赛数学建模C数学建模pythonmatlab
2025美赛数学建模竞赛C题思路分析完整论文目录摘要一、问题重述二、问题分析三、模型假设四、模型建立与求解4.1问题14.1.1问题1思路分析4.1.2问题1模型建立4.1.3问题1样例代码(仅供参考)4.1.4问题1样例代码运行结果(仅供参考)4.2问题24.2.1问题2模型建立分析4.2.2问题2模型建立4.2.3问题2样例代码(仅供参考)4.2.4问题2样例代码运行结果(仅供参考)4.3问题
- SARIMA介绍
能源革命
技术能源算法能源
SARIMA模型,即季节性自回归积分移动平均模型(SeasonalAutoregressiveIntegratedMovingAverageModel),是一种用于处理和预测具有明显季节性变化的时间序列数据的统计模型。它是ARIMA模型的一种扩展,通过引入额外的参数来捕捉时间序列中的季节性模式。SARIMA模型的基本结构SARIMA模型的基本结构包括以下几个关键组成部分:p:非季节自回归项的阶数,
- 机器学习笔记——特征工程
好评笔记
补档机器学习人工智能论文阅读AIGCtransformer深度学习面试
大家好,这里是好评笔记,公主号:Goodnote,专栏文章私信限时Free。本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。文章目录特征工程(FzeatureEngineering)1.特征提取(FeatureExtraction)手工特征提取(ManualFeatureExtraction):自动特征提取(AutomatedFeatureExtraction):2.特征选择
- 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
- 自定义数据集 使用tensorflow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人工智能
在TensorFlow中实现逻辑回归、保存模型并加载模型进行预测的过程可以分为以下几个步骤:准备数据:创建或加载你的自定义数据集。构建逻辑回归模型。训练模型。保存模型。加载模型。使用加载的模型进行预测。importtensorflowastfimportnumpyasnp#1.准备数据#示例:生成一些随机数据np.random.seed(0)X_train=np.random.rand(100,3
- 使用PaddlePaddle实现逻辑回归:从训练到模型保存与加载
Luzem0319
paddlepaddle逻辑回归人工智能
1.引入必要的库首先,需要引入必要的库。PaddlePaddle用于构建和训练模型,pandas和numpy用于数据处理,matplotlib用于结果的可视化。importpaddleimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt2.加载自定义数据集假设有一个CSV文件custom_dataset.csv,其中包含特征(自变量
- 2025年02月01日Github流行趋势
油泼辣子多加
GitHub每日趋势github
项目名称:oumi项目地址url:https://github.com/oumi-ai/oumi项目语言:Python历史star数:544今日star数:103项目维护者:xrdaukar,oelachqar,taenin,wizeng23,kaisopos项目简介:一切你需要的来构建最先进的基础模型,端到端。项目名称:Qwen2.5-VL项目地址url:https://github.com/Q
- 深度学习论文: Cultivated Land Extraction from High-Resolution Remote Sensing Image
mingo_敏
PaperReadingDeepLearningInstanceSegmentationpython人工智能机器学习
深度学习论文:CultivatedLandExtractionfromHigh-ResolutionRemoteSensingImageTheWinningSolutiontotheiFLYTEKChallenge2021CultivatedLandExtractionfromHigh-ResolutionRemoteSensingImagePDF:https://arxiv.org/pdf/22
- 不同物体运动方向的检测-python
人工智能专属驿站
python开发语言
方法优点适用场景缺点光流法实时性强、支持稠密方向分析视频流中物体整体运动对背景复杂场景鲁棒性差特征点跟踪精确捕捉局部运动特征点明显的物体特征点丢失影响结果帧间差分简单快速,适合实时检测背景稳定、低复杂度场景对噪声和阴影敏感深度摄像头三维方向检测,抗背景干扰能力强需要深度信息的场景需要特殊硬件,成本较高惯性传感器不依赖视觉,适用环境广泛设备本体的运动分析精度受传感器噪声影响机器学习能适应复杂非线性场
- 前端 | 深入理解Promise
酒酿泡芙1217
前端Promiseasync/awaitjavascript
1.引言JavaScript是一种单线程语言,这意味着它一次仅能执行一个任务。为了处理异步操作,JavaScript提供了回调函数,但是随着项目处理并发任务的增加,回调地狱(CallbackHell)使异步代码很难维护。为此,ES6带来了Promise给了一种更清晰的异步操作模型。2.对Promise的理解Promise是异步编程的一种解决方案,它是一个对象,可以获取异步操作的消息,他的出现大大改
- 关于旗正规则引擎下载页面需要弹窗保存到本地目录的问题
何必如此
jsp超链接文件下载窗口
生成下载页面是需要选择“录入提交页面”,生成之后默认的下载页面<a>标签超链接为:<a href="<%=root_stimage%>stimage/image.jsp?filename=<%=strfile234%>&attachname=<%=java.net.URLEncoder.encode(file234filesourc
- 【Spark九十八】Standalone Cluster Mode下的资源调度源代码分析
bit1129
cluster
在分析源代码之前,首先对Standalone Cluster Mode的资源调度有一个基本的认识:
首先,运行一个Application需要Driver进程和一组Executor进程。在Standalone Cluster Mode下,Driver和Executor都是在Master的监护下给Worker发消息创建(Driver进程和Executor进程都需要分配内存和CPU,这就需要Maste
- linux上独立安装部署spark
daizj
linux安装spark1.4部署
下面讲一下linux上安装spark,以 Standalone Mode 安装
1)首先安装JDK
下载JDK:jdk-7u79-linux-x64.tar.gz ,版本是1.7以上都行,解压 tar -zxvf jdk-7u79-linux-x64.tar.gz
然后配置 ~/.bashrc&nb
- Java 字节码之解析一
周凡杨
java字节码javap
一: Java 字节代码的组织形式
类文件 {
OxCAFEBABE ,小版本号,大版本号,常量池大小,常量池数组,访问控制标记,当前类信息,父类信息,实现的接口个数,实现的接口信息数组,域个数,域信息数组,方法个数,方法信息数组,属性个数,属性信息数组
}
&nbs
- java各种小工具代码
g21121
java
1.数组转换成List
import java.util.Arrays;
Arrays.asList(Object[] obj); 2.判断一个String型是否有值
import org.springframework.util.StringUtils;
if (StringUtils.hasText(str)) 3.判断一个List是否有值
import org.spring
- 加快FineReport报表设计的几个心得体会
老A不折腾
finereport
一、从远程服务器大批量取数进行表样设计时,最好按“列顺序”取一个“空的SQL语句”,这样可提高设计速度。否则每次设计时模板均要从远程读取数据,速度相当慢!!
二、找一个富文本编辑软件(如NOTEPAD+)编辑SQL语句,这样会很好地检查语法。有时候带参数较多检查语法复杂时,结合FineReport中生成的日志,再找一个第三方数据库访问软件(如PL/SQL)进行数据检索,可以很快定位语法错误。
- mysql linux启动与停止
墙头上一根草
如何启动/停止/重启MySQL一、启动方式1、使用 service 启动:service mysqld start2、使用 mysqld 脚本启动:/etc/inint.d/mysqld start3、使用 safe_mysqld 启动:safe_mysqld&二、停止1、使用 service 启动:service mysqld stop2、使用 mysqld 脚本启动:/etc/inin
- Spring中事务管理浅谈
aijuans
spring事务管理
Spring中事务管理浅谈
By Tony Jiang@2012-1-20 Spring中对事务的声明式管理
拿一个XML举例
[html]
view plain
copy
print
?
<?xml version="1.0" encoding="UTF-8"?>&nb
- php中隐形字符65279(utf-8的BOM头)问题
alxw4616
php中隐形字符65279(utf-8的BOM头)问题
今天遇到一个问题. php输出JSON 前端在解析时发生问题:parsererror.
调试:
1.仔细对比字符串发现字符串拼写正确.怀疑是 非打印字符的问题.
2.逐一将字符串还原为unicode编码. 发现在字符串头的位置出现了一个 65279的非打印字符.
 
- 调用对象是否需要传递对象(初学者一定要注意这个问题)
百合不是茶
对象的传递与调用技巧
类和对象的简单的复习,在做项目的过程中有时候不知道怎样来调用类创建的对象,简单的几个类可以看清楚,一般在项目中创建十几个类往往就不知道怎么来看
为了以后能够看清楚,现在来回顾一下类和对象的创建,对象的调用和传递(前面写过一篇)
类和对象的基础概念:
JAVA中万事万物都是类 类有字段(属性),方法,嵌套类和嵌套接
- JDK1.5 AtomicLong实例
bijian1013
javathreadjava多线程AtomicLong
JDK1.5 AtomicLong实例
类 AtomicLong
可以用原子方式更新的 long 值。有关原子变量属性的描述,请参阅 java.util.concurrent.atomic 包规范。AtomicLong 可用在应用程序中(如以原子方式增加的序列号),并且不能用于替换 Long。但是,此类确实扩展了 Number,允许那些处理基于数字类的工具和实用工具进行统一访问。
 
- 自定义的RPC的Java实现
bijian1013
javarpc
网上看到纯java实现的RPC,很不错。
RPC的全名Remote Process Call,即远程过程调用。使用RPC,可以像使用本地的程序一样使用远程服务器上的程序。下面是一个简单的RPC 调用实例,从中可以看到RPC如何
- 【RPC框架Hessian一】Hessian RPC Hello World
bit1129
Hello world
什么是Hessian
The Hessian binary web service protocol makes web services usable without requiring a large framework, and without learning yet another alphabet soup of protocols. Because it is a binary p
- 【Spark九十五】Spark Shell操作Spark SQL
bit1129
shell
在Spark Shell上,通过创建HiveContext可以直接进行Hive操作
1. 操作Hive中已存在的表
[hadoop@hadoop bin]$ ./spark-shell
Spark assembly has been built with Hive, including Datanucleus jars on classpath
Welcom
- F5 往header加入客户端的ip
ronin47
when HTTP_RESPONSE {if {[HTTP::is_redirect]}{ HTTP::header replace Location [string map {:port/ /} [HTTP::header value Location]]HTTP::header replace Lo
- java-61-在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差. 求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5,
bylijinnan
java
思路来自:
http://zhedahht.blog.163.com/blog/static/2541117420116135376632/
写了个java版的
public class GreatestLeftRightDiff {
/**
* Q61.在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差。
* 求所有数对之差的最大值。例如在数组
- mongoDB 索引
开窍的石头
mongoDB索引
在这一节中我们讲讲在mongo中如何创建索引
得到当前查询的索引信息
db.user.find(_id:12).explain();
cursor: basicCoursor 指的是没有索引
&
- [硬件和系统]迎峰度夏
comsci
系统
从这几天的气温来看,今年夏天的高温天气可能会维持在一个比较长的时间内
所以,从现在开始准备渡过炎热的夏天。。。。
每间房屋要有一个落地电风扇,一个空调(空调的功率和房间的面积有密切的关系)
坐的,躺的地方要有凉垫,床上要有凉席
电脑的机箱
- 基于ThinkPHP开发的公司官网
cuiyadll
行业系统
后端基于ThinkPHP,前端基于jQuery和BootstrapCo.MZ 企业系统
轻量级企业网站管理系统
运行环境:PHP5.3+, MySQL5.0
系统预览
系统下载:http://www.tecmz.com
预览地址:http://co.tecmz.com
各种设备自适应
响应式的网站设计能够对用户产生友好度,并且对于
- Transaction and redelivery in JMS (JMS的事务和失败消息重发机制)
darrenzhu
jms事务承认MQacknowledge
JMS Message Delivery Reliability and Acknowledgement Patterns
http://wso2.com/library/articles/2013/01/jms-message-delivery-reliability-acknowledgement-patterns/
Transaction and redelivery in
- Centos添加硬盘完全教程
dcj3sjt126com
linuxcentoshardware
Linux的硬盘识别:
sda 表示第1块SCSI硬盘
hda 表示第1块IDE硬盘
scd0 表示第1个USB光驱
一般使用“fdisk -l”命
- yii2 restful web服务路由
dcj3sjt126com
PHPyii2
路由
随着资源和控制器类准备,您可以使用URL如 http://localhost/index.php?r=user/create访问资源,类似于你可以用正常的Web应用程序做法。
在实践中,你通常要用美观的URL并采取有优势的HTTP动词。 例如,请求POST /users意味着访问user/create动作。 这可以很容易地通过配置urlManager应用程序组件来完成 如下所示
- MongoDB查询(4)——游标和分页[八]
eksliang
mongodbMongoDB游标MongoDB深分页
转载请出自出处:http://eksliang.iteye.com/blog/2177567 一、游标
数据库使用游标返回find的执行结果。客户端对游标的实现通常能够对最终结果进行有效控制,从shell中定义一个游标非常简单,就是将查询结果分配给一个变量(用var声明的变量就是局部变量),便创建了一个游标,如下所示:
> var
- Activity的四种启动模式和onNewIntent()
gundumw100
android
Android中Activity启动模式详解
在Android中每个界面都是一个Activity,切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。
Android总Activity的启动模式分为四种:
Activity启动模式设置:
<acti
- 攻城狮送女友的CSS3生日蛋糕
ini
htmlWebhtml5csscss3
在线预览:http://keleyi.com/keleyi/phtml/html5/29.htm
代码如下:
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>攻城狮送女友的CSS3生日蛋糕-柯乐义<
- 读源码学Servlet(1)GenericServlet 源码分析
jzinfo
tomcatWebservlet网络应用网络协议
Servlet API的核心就是javax.servlet.Servlet接口,所有的Servlet 类(抽象的或者自己写的)都必须实现这个接口。在Servlet接口中定义了5个方法,其中有3个方法是由Servlet 容器在Servlet的生命周期的不同阶段来调用的特定方法。
先看javax.servlet.servlet接口源码:
package
- JAVA进阶:VO(DTO)与PO(DAO)之间的转换
snoopy7713
javaVOHibernatepo
PO即 Persistence Object VO即 Value Object
VO和PO的主要区别在于: VO是独立的Java Object。 PO是由Hibernate纳入其实体容器(Entity Map)的对象,它代表了与数据库中某条记录对应的Hibernate实体,PO的变化在事务提交时将反应到实际数据库中。
实际上,这个VO被用作Data Transfer
- mongodb group by date 聚合查询日期 统计每天数据(信息量)
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 1 */
{
"_id" : ObjectId("557ac1e2153c43c320393d9d"),
"msgType" : "text",
"sendTime" : ISODate("2015-06-12T11:26:26.000Z")
- java之18天 常用的类(一)
Luob.
MathDateSystemRuntimeRundom
System类
import java.util.Properties;
/**
* System:
* out:标准输出,默认是控制台
* in:标准输入,默认是键盘
*
* 描述系统的一些信息
* 获取系统的属性信息:Properties getProperties();
*
*
*
*/
public class Sy
- maven
wuai
maven
1、安装maven:解压缩、添加M2_HOME、添加环境变量path
2、创建maven_home文件夹,创建项目mvn_ch01,在其下面建立src、pom.xml,在src下面简历main、test、main下面建立java文件夹
3、编写类,在java文件夹下面依照类的包逐层创建文件夹,将此类放入最后一级文件夹
4、进入mvn_ch01
4.1、mvn compile ,执行后会在