- 《探秘课程蒸馏体系“三阶训练法”:解锁知识层级递进式迁移的密码》
人工智能深度学习
在人工智能与教育科技深度融合的时代,如何高效地实现知识传递与能力提升,成为众多学者、教育工作者以及技术专家共同探索的课题。课程蒸馏体系中的“三阶训练法”,作为一种创新的知识迁移模式,正逐渐崭露头角,为解决这一难题提供了全新的思路。从概念上讲,课程蒸馏体系借鉴了机器学习中知识蒸馏的思想,将复杂、庞大的知识体系进行提炼和压缩,使其能够更有效地被学习者吸收。而“三阶训练法”作为该体系的核心,通过精心设计
- 如何评价中国团队发布的通用型 AI Agent 产品 Manus?会成为下一个爆款吗?
互联网之路.
知识点AI人工智能ManusAIAgent
互联网各领域资料分享专区(不定期更新):Sheet正文中国团队发布的通用型AIAgent产品Manus自2025年3月6日发布以来,引发了科技圈和资本市场的双重震动!一、技术突破与产品定位全链路自主执行能力Manus的核心创新在于从“建议型AI”升级为“执行型AI”,通过“规划-执行-验证”多代理协同架构,独立完成复杂任务(如简历筛选、股票分析、旅行规划),并直接交付可用成果。其技术亮点包括云端异
- 确保代码质量和系统的可持续发展能力
徐福记c
运维运维
为确保代码质量和系统的可持续发展能力,从规范代码、审查质量、保障可维护性及配置自动化流程四方面着手,为系统的长远发展打下坚实基础。一、确保代码质量及可维护性的方案规范代码编写:要求开发人员遵循行业认可的编码规范,如阿里巴巴Java开发手册等,使代码结构清晰、变量命名准确、注释详细,便于后续维护人员快速理解。审查代码质量:利用GitLabCICD集成SonarQube工具扫描代码,设置质量门禁,对严
- 智能教育:DeepSeek在个性化学习中的应用与代码实现
Evaporator Core
#DeepSeek快速入门#深度学习人工智能学习
个性化学习是教育技术领域的核心目标之一,它通过分析学生的学习行为、兴趣和能力,提供定制化的学习内容和路径,以最大化学习效果。DeepSeek作为人工智能技术的引领者,正在通过其强大的算法和数据处理能力,推动个性化学习的创新应用。本文将结合代码实现,深入探讨DeepSeek在个性化学习中的应用。一、个性化学习系统:从数据到定制化内容个性化学习的核心在于根据学生的学习行为数据,生成定制化的学习内容。D
- 腾讯云大模型知识引擎驱动的DeepSeek满血版医疗顾问大模型搭建实战
金枝玉叶9
程序员知识储备1程序员知识储备2程序员知识储备3腾讯云云计算
腾讯云大模型知识引擎驱动的DeepSeek满血版医疗顾问大模型搭建实战是一个非常具有挑战性的项目,涉及从数据的处理到模型的训练、部署及优化等多个环节,旨在为医疗领域提供高效、精准的智能化服务。下面是该项目各个方面的详细分析:1.项目背景与目标腾讯云通过结合大模型(如DeepSeek)和知识引擎,致力于为医疗行业提供精准、个性化的智能医疗服务。DeepSeek是腾讯云基于大规模数据和强大计算能力所打
- GitHub每日最火火火项目(3.7)
FutureUniant
github日推github人工智能计算机视觉音视频ai
ai-hedge-fund项目介绍:ai-hedge-fund是由virattt开发的项目,本质上是一个将人工智能技术应用于对冲基金领域的团队或平台。在金融市场中,对冲基金旨在通过各种策略获取超额收益,而人工智能具备强大的数据分析和预测能力,二者结合能为投资决策带来新的思路和方法。该项目可能运用机器学习、深度学习等人工智能算法,对大量的金融数据进行深入分析,包括股票、债券、期货等市场的历史价格、交
- (9-2)MM-Vet多模态大模型评估系统:项目架构
码农三叔
训练RAG多模态)transformer大模型架构人工智能强化学习多模态
9.2项目架构MM-Vet的项目架构由多模态数据集、推理脚本和评估工具三部分构成,针对大模型的综合能力进行全面评估。项目采用模块化设计,包括数据处理、推理运行和基于大语言模型的评分分析,确保灵活性和高效性。同时,它提供直观的可视化结果和公开排行榜,助力研究者快速对比模型性能并推动领域发展。9.2.1功能模块MM-Vet项目的架构以模块化设计为核心,聚焦于多模态大模型综合能力的系统性评估。MM-Ve
- 腾讯云大模型知识引擎驱动DeepSeek满血版能源革命大模型:架构、优势与产业变革
大富大贵7
程序员知识储备1程序员知识储备2程序员知识储备3腾讯云能源架构
为了进一步细化分析腾讯云与DeepSeek的“满血版”能源革命大模型,以下是更深入的解析,涵盖其技术细节、创新点、对能源产业的具体影响及潜在未来发展。1.架构深度解析DeepSeek的“满血版”大模型的架构设计基于专家混合(MoE)和分布式计算的高效协同,进一步增强了处理大规模能源数据的能力。专家混合(MoE)架构动态专家选择:MoE架构使得模型在执行任务时,可以根据具体的输入数据选择最合适的专家
- 分布式系统设计(架构能力)
时光不负追梦人
架构java
一、微服务架构服务治理Nacos注册中心(AP模式)CAP选择:Nacos默认采用AP模式(可用性+分区容忍性),通过心跳检测实现服务健康管理。服务发现:客户端定时拉取服务列表,支持权重路由和元数据过滤。配置管理:通过dataId和group动态推送配置,支持灰度发布。Sentinel熔断规则持久化规则存储:将流控、熔断规则持久化到Nacos/ZooKeeper,避免重启丢失。动态更新:通过Dat
- LLMs:LLMs大语言模型评估的简介(两标+六性+九维,大模型排行榜多种),两类基准—通用任务的基准(单任务【BLEU/ROUGE-MT-Bench/Chatbot Arena】、多任务【Super
一个处女座的程序猿
NLP/LLMsML资深文章(前沿/经验/创新)自然语言处理基础大模型评估
LLMs:LLMs大语言模型评估的简介(两标(NLUGR指标/REBT)+六性(理解性+生成性{PPL}+多样性+泛化性+能耗性+可解释性)+九维(2大能力域【理解/生成】+3性【丰富性/多样性/适应性】+4大子任务【逻辑推理/问题解决/对和聊天/情感分析】),大模型排行榜多种),两类基准——通用任务的基准(单任务【BLEU/ROUGE-MT-Bench/ChatbotArena】、多任务【Sup
- 新手必看!如何快速上手DeepSeek?
逆旅行天涯
deepseek
之前尝试了许多AI,包括但不限于Kimi、豆包等。昨晚抱着试一试的态度,体验了一下这两天风很大的DeepSeek,没想到真的让我眼前一亮!相较于其他AI直接给出答案,DeepSeek能显示它的完整逻辑推理,真的很“人”化!为了让更多朋友能够快速了解上手,因此,✅让DeepSeek帮我整合了它的使用指南,正好大家也能感受。一、先懂原理:DeepSeek的两种超能力1.深度思考(R1)——AI的超级大
- 内容中台赋能数字化内容管理智能升级
清风徐徐de来
其他
智能元数据引擎架构解析现代智能元数据引擎通过三层模型实现数据治理的范式突破:底层采用动态本体建模技术,支持多源异构数据整合;中间层部署语义推理框架,结合知识图谱构建能力实现上下文感知;应用层则通过动态工作流配置驱动业务场景适配。其核心优势在于智能版本追踪与语义关联映射机制,例如在数字体验平台(DXP)应用中,引擎可自动识别内容属性间的拓扑关系,为跨平台协作提供结构化语义网络支撑。实践表明,采用标准
- 鸿蒙OpenHarmony【Swiper】ArkTS滚动与滑动
耍帅的村口黄毛
goharmonyos华为鸿蒙鸿蒙系统ui
子组件可以包含子组件。说明子组件类型:系统组件和自定义组件,支持渲染控制类型([if/else]、[ForEach]、[LazyForEach]和[Repeat])。不建议子组件中混用懒加载组件(包括LazyForEach、Repeat)和非懒加载组件,或者子组件中使用多个懒加载组件,否则可能导致懒加载组件预加载能力失效等问题。Swiper子组件的visibility属性设置为None,Swipe
- 大模型RAG入门到实战基础教程(非常详细),大模型RAG入门到精通,收藏这一篇就够了!
AI程序猿人
人工智能AI大模型AIRAGLLM大语言模型大模型入门
写在前面大模型(LargeLanguageModel,LLM)的浪潮已经席卷了几乎各行业,但当涉及到专业场景或行业细分域时,通用大模型就会面临专业知识不足的问题。相对于成本昂贵的“PostTrain”或“SFT”,基于RAG的技术方案往成为一种更优选择。本文从RAG架构入手,详细介绍相关技术细节,并附上一份实践案例。LLM的问题尽管LLM拥有令人印象深刻的能力,但是它们还面临着一些问题和挑战:幻觉
- 开源替代Manus项目深度解析与API能力全景对比
YuKeeHgg
ManusAIaiManus
本文为原创作者:YuKeeHggAI代理工具Manus因其卓越的任务自动化能力而备受瞩目,特别是在分析简历、创建网站等复杂任务上表现出色。然而,其邀请码机制导致获取成本高昂且访问受限。为应对这一问题,开源社区迅速推出了OWL、OpenManus和OpenHands三个免费替代方案。这些项目不仅降低了使用门槛,还提供了类似的功能,体现了技术开放与共享的精神。本文将对这三个项目进行详细分析,涵盖背景、
- uniapp微信小程序消息订阅
youhebuke225
微信小程序与uniappuni-app微信小程序小程序
在uni-app中开发微信小程序时,如果你想要实现消息订阅功能,主要是依赖于微信小程序自身的消息订阅系统。微信小程序提供了订阅消息的能力,允许用户订阅一次性的消息通知,如支付成功通知、物流到达通知等。以下是如何在uni-app项目中实现微信小程序消息订阅的基本步骤:1.注册消息模板首先,你需要在微信小程序的后台(微信公众平台)注册你需要的消息模板。这些模板定义了消息的格式和内容。注册完成后,你会获
- 2025HW行动面试题20道全解析(附答案)黑客技术零基础入门到精通实战教程!
程序员七海
web安全网络安全干货分享计算机渗透测试护网行动黑客技术
HW行动作为国家级网络安全攻防演练的重要环节,对安全工程师的技术能力和实战经验提出了极高要求。本文结合近年护网面试高频考点与实战经验,整理出20道面试题及详细解析,涵盖渗透测试、漏洞分析、防御技术、应急响应等方向,助力从业者系统备战。一、基础概念与攻防技术什么是DDoS攻击?如何防御?答:DDoS攻击通过向目标发送海量请求耗尽资源,导致服务瘫痪。防御需结合流量清洗(CDN)、负载均衡、IPS/ID
- 金融数据分析(十)人均国内生产总值的增长率
于科技人文间徘徊
金融数据分析python数据分析
案例(四)宏观金融数据分析项目一:利用世界银行公开数据平台提供的宏观经济数据比较最近40年间A国与B国的人均国内生产总值的增长率(图表输出)数据可通过此网页中的下载链接获取:https://data.worldbank.org.cn/?locations=CN-US#-*-coding:utf-8-*-"""CreatedonMonSept229:11:592020@author:mly"""im
- 基于YOLOv5的无人机农田监测系统实现与UI界面设计
深度学习&目标检测实战项目
YOLO无人机ui深度学习分类目标检测
一、引言随着无人机技术和深度学习算法的快速发展,农业领域逐渐引入了智能化监测手段。无人机农田监测结合了无人机的高空拍摄能力和计算机视觉技术,能够实时获取农田的图像数据,并对作物生长状态、病虫害检测、土地使用情况等进行智能分析。深度学习中的目标检测技术,如YOLOv5,能够帮助实现精准的农田监测,提供自动化的解决方案。在这篇博客中,我们将介绍如何利用YOLOv5进行无人机农田监测,如何使用图形用户界
- Mark Github上的一个项目,VLM-R1。GRPO为什么促使MLLM在部分垂域比SFT更好的表现
朱韬韬
githubGRPOSFT
项目地址:GitHub-om-ai-lab/VLM-R1:SolveVisualUnderstandingwithReinforcedVLMs最近做毕设,看到VLM-R1项目,一个有趣的现象:在Grounding任务中,GRPO训练的模型不仅展现出更稳定的训练曲线,其域外泛化能力更是远超传统SFT方法。这种差异在OCR等视觉-语言交叉任务中尤为显著。在追求大模型垂直领域落地的道路上,我们是否过度依
- 信息管理之信息管理者的好习惯,轻松管理项目,实现知识复利
Linzerox
信息论笔记数据库职场和发展
总结在保持内心守序的同时,我们还须遵循一套外部秩序——由基本原则和行为准则构成的规则体系。本文介绍的体系给出三种好的习惯,帮助我们减轻认知负荷,释放思维能力。三种好的习惯:项目清单:关注项目启动和结束阶段,给出两种清单工具(启动清单和结束清单),确保项目从启动到收尾整个过程的前后一致性,并强化成果运用。使用清单工具,不必担心生物大脑没有记全,释放大脑压力,保证完成质量。定期回顾:定期回顾你的工作和
- 爬虫必备scrapy-redis详解
ylfhpy
爬虫项目入门爬虫scrapyredispython数据库ip代理池分布式
一、概述1.1定义Scrapy-Redis是基于强大的Python爬虫框架Scrapy开发的分布式爬虫组件。它巧妙地借助Redis数据库,实现了请求对象的持久化存储、请求去重的持久化管理以及分布式爬取功能。这使得原本在单节点运行的Scrapy爬虫能够在多个节点上并行工作,极大地提升了爬取效率和处理大规模数据的能力。1.2功能分布式爬取:Scrapy-Redis允许将爬取任务分配到多个爬虫节点上同时
- Java项目中ES作为时序库
大丈夫在世当日食一鲲
javaelasticsearch开发语言
一、ES作为时序库的核心优势高写入性能通过BulkAPI支持批量插入/更新,优化吞吐量,适合流式数据(如监控指标、IoT设备数据)的高频写入。使用Logstash作为数据管道时,可通过调整pipeline.workers和batch.size进一步提升并发处理能力。高效的查询与分析倒排索引:对文本字段(如标签)的分词处理,支持快速多条件匹配(如tagslike‘%tag1%’ANDtagslike
- 用数据唤醒深度好眠,时序数据库 TDengine 助力安提思脑科学研究
涛思数据(TDengine)
时序数据库tdengine数据库
在智能医疗与脑科学快速发展的今天,高效的数据处理能力已成为突破创新的关键。安提思专注于睡眠监测与神经调控,基于人工智能和边缘计算,实现从生理体征监测、智能干预到效果评估的闭环。面对海量生理数据的存储与实时计算需求,安提思选择TDengine云服务作为核心时序数据库,借助其高效的数据压缩能力和毫秒级查询性能,确保精准分析与稳定运行。目前,安提思已完成经颅磁刺激系统的医疗器械型式检验,并计划开展多中心
- TDengine使用整理
Dwyane__
数据库tdengine
目录操作整理:数据库操作:表操作:超级表操作用户操作:其他功能:关键字系统文件路径常见异常/错误信息PS此版本整理时为2.0.x版本,TDengine版本迭代频繁,某些命令语法可能有变动。操作整理:数据库操作:#创建一个数据库testCREATEDATABASEtest;#创建库时候的参数(非必选)Keep:数据保留时间。超过此时间后自动删除过期的数据,缺省时默认3650天(十年)EG:CREAT
- 网络安全创刊 网络安全紫队
Hacker_Fuchen
web安全网络安全
目录基本概念攻防演习准备工作组织要素组织形式组织关键攻防演习不同阶段组织策划阶段前期准备阶段实战演习阶段应急演习阶段演习总结阶段演习风险规避措施如果错过互联网,与你擦肩而过的不仅仅是机会,而是整整一个时代。基本概念组织方。在演习中,负责演习组织,过程监控,技术指导,应急保障,风险控制,演习总结,技术措施与策略优化等工作。通过红蓝攻防检验参演单位安全威胁应对能力,攻击事件检测发现能力。事件分析研判能
- C# WPF 为何能成为工控上位机开发的首选
zls365365
c#wpf开发语言
C#WPF(WindowsPresentationFoundation)因其强大的功能和灵活性,成为了工控上位机开发的首选技术之一。WPF提供了丰富的控件、图形和动画效果,以及与硬件设备的交互能力,非常适合用来构建复杂的工业自动化和监控系统。以下是一些关键因素,解释了为什么WPF能在工控上位机开发中占据重要地位,并提供了一些实例代码来展示其应用。1.强大的数据绑定和MVVM支持WPF支持MVVM(
- 清华团队发布多模态“神探”Migician:24.94%性能碾压,解锁多图定位的无限可能—— 安防、自动驾驶、医疗影像的AI“鹰眼”革命
花生糖@
AIGC学习资料库人工智能自动驾驶机器学习
引言:当AI学会“跨图追凶”2025年,安防监控摄像头每天产生3.5万亿帧画面,自动驾驶汽车每秒处理20路传感器图像,医疗影像科医生年均分析50万张CT片——多图像定位能力已成为AI落地的命门。清华大学联合北交大、华中科大发布的Migician模型,凭借24.94%的性能碾压优势,让AI首次实现“跨图像精准狙击”。这个突破性工具,正在重新定义从安防到医疗的20+行业规则。一、技术深析:Migici
- 深度剖析QwQ模型:技术、应用与前景展望
萧十一郎@
python人工智能
目录一、引言1.1研究背景与目的1.2研究意义1.3研究方法与创新点二、QwQ模型的基本概述2.1定义与概念2.2发展历程2.3模型架构与原理2.3.1整体架构2.3.2关键技术与原理三、QwQ模型的性能表现3.1数学推理能力3.1.1AIME24评测集表现3.1.2实际案例分析3.2编程能力3.2.1LiveCodeBench评估结果3.2.2代码生成案例展示3.3通用能力测试3.3.1常识推理
- 智邦国际ERP生产排产缩短生产周期
baidu_38202126
生产排产生产排产缩短生产周期智邦国际生产排产
智邦国际ERP生产排产缩短生产周期生产排产是指将生产任务分配至生产资源的过程。在考虑能力和设备的前提下,在物料数量一定的情况下,安排各生产任务的生产顺序,优化生产顺序,优化选择生产设备,使得减少等待时间,平衡各机器和工人的生产负荷。从而优化产能,提高生产效率,缩短生产周期.在智邦国际ERP中,审批通过后的合同和生产预测单,生成生产计划,可以按照生产计划单的紧急程度和先后顺序来安排生产排产。步骤如下
- Java序列化进阶篇
g21121
java序列化
1.transient
类一旦实现了Serializable 接口即被声明为可序列化,然而某些情况下并不是所有的属性都需要序列化,想要人为的去阻止这些属性被序列化,就需要用到transient 关键字。
- escape()、encodeURI()、encodeURIComponent()区别详解
aigo
JavaScriptWeb
原文:http://blog.sina.com.cn/s/blog_4586764e0101khi0.html
JavaScript中有三个可以对字符串编码的函数,分别是: escape,encodeURI,encodeURIComponent,相应3个解码函数:,decodeURI,decodeURIComponent 。
下面简单介绍一下它们的区别
1 escape()函
- ArcgisEngine实现对地图的放大、缩小和平移
Cb123456
添加矢量数据对地图的放大、缩小和平移Engine
ArcgisEngine实现对地图的放大、缩小和平移:
个人觉得是平移,不过网上的都是漫游,通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.
具体实现:
一、引入命名空间
using ESRI.ArcGIS.Geometry;
using ESRI.ArcGIS.Controls;
二、代码实现.
- Java集合框架概述
天子之骄
Java集合框架概述
集合框架
集合框架可以理解为一个容器,该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。
从本质上来说,Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。
简单介绍:
Collection接口是最基本的接口,它定义了List和Set,List又定义了LinkLi
- 旗正4.0页面跳转传值问题
何必如此
javajsp
跳转和成功提示
a) 成功字段非空forward
成功字段非空forward,不会弹出成功字段,为jsp转发,页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
- 全网唯一:移动互联网服务器端开发课程
cocos2d-x小菜
web开发移动开发移动端开发移动互联程序员
移动互联网时代来了! App市场爆发式增长为Web开发程序员带来新一轮机遇,近两年新增创业者,几乎全部选择了移动互联网项目!传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计,AppStore中超过85%的App项目都选择了PHP作为后端程
- Log4J通用配置|注意问题 笔记
7454103
DAOapachetomcatlog4jWeb
关于日志的等级 那些去 百度就知道了!
这几天 要搭个新框架 配置了 日志 记下来 !做个备忘!
#这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~!
log4j.rootLogger=INFO,allLog
# DAO层 log记录到dao.log 控制台 和 总日志文件
log4j.logger.DAO=INFO,dao,C
- SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager
darkranger
sqlcwindowsSQL ServerXP
当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动..
发现需要启动客户端协议 : TCP/IP
需要打开 SQL Server Configuration Manager...
却发现无法打开 SQL Server Configuration Manager..??
解决方法: C:\WINDOWS\system32目录搜索framedyn.
- [置顶] 做有中国特色的程序员
aijuans
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有些技术书读得可
- document.domain 跨域问题
avords
document
document.domain用来得到当前网页的域名。比如在地址栏里输入:javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值,不过是有限制的,你只能赋成当前的域名或者基础域名。比如:javascript:alert(document.domain = "315ta.com");
- 关于管理软件的一些思考
houxinyou
管理
工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱.
在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下.
做为管理软件,就像现在讲究MVC这
- NoSQL数据库之Redis数据库管理(String类型和hash类型)
bijian1013
redis数据库NoSQL
一.Redis的数据类型
1.String类型及操作
String是最简单的类型,一个key对应一个value,string类型是二进制安全的。Redis的string可以包含任何数据,比如jpg图片或者序列化的对象。
Set方法:设置key对应的值为string类型的value
- Tomcat 一些技巧
征客丶
javatomcatdos
以下操作都是在windows 环境下
一、Tomcat 启动时配置 JAVA_HOME
在 tomcat 安装目录,bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加
set JAVA_HOME=JAVA 安装目录
set JRE_HOME=JAVA 安装目录/jre
即可;
二、查看Tomcat 版本
在 tomcat 安装目
- 【Spark七十二】Spark的日志配置
bit1129
spark
在测试Spark Streaming时,大量的日志显示到控制台,影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上),可以通过修改Spark的日志配置的方式,不让Spark Streaming把它的日志显示在console
在Spark的conf目录下,把log4j.properties.template修改为log4j.p
- Haskell版冒泡排序
bookjovi
冒泡排序haskell
面试的时候问的比较多的算法题要么是binary search,要么是冒泡排序,真的不想用写C写冒泡排序了,贴上个Haskell版的,思维简单,代码简单,下次谁要是再要我用C写冒泡排序,直接上个haskell版的,让他自己去理解吧。
sort [] = []
sort [x] = [x]
sort (x:x1:xs)
| x>x1 = x1:so
- java 路径 配置文件读取
bro_feng
java
这几天做一个项目,关于路径做如下笔记,有需要供参考。
取工程内的文件,一般都要用相对路径,这个自然不用多说。
在src统计目录建配置文件目录res,在res中放入配置文件。
读取文件使用方式:
1. MyTest.class.getResourceAsStream("/res/xx.properties")
2. properties.load(MyTest.
- 读《研磨设计模式》-代码笔记-简单工厂模式
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/
package design.pattern;
/*
* 个人理解:简单工厂模式就是IOC;
* 客户端要用到某一对象,本来是由客户创建的,现在改成由工厂创建,客户直接取就好了
*/
interface IProduct {
- SVN与JIRA的关联
chenyu19891124
SVN
SVN与JIRA的关联一直都没能装成功,今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤:
一、搭建好SVN环境,尤其是要把SVN的服务注册成系统服务
二、装好JIRA,自己用是jira-4.3.4破解版
三、下载SVN与JIRA的插件并解压,然后拷贝插件包下lib包里的三个jar,放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下,再
- JWFDv0.96 最新设计思路
comsci
数据结构算法工作企业应用公告
随着工作流技术的发展,工作流产品的应用范围也不断的在扩展,开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了),实时生产控制和其它比较重要的工程领域,而
- vi 保存复制内容格式粘贴
daizj
vi粘贴复制保存原格式不变形
vi是linux中非常好用的文本编辑工具,功能强大无比,但对于复制带有缩进格式的内容时,粘贴的时候内容错位很严重,不会按照复制时的格式排版,vi能不能在粘贴时,按复制进的格式进行粘贴呢? 答案是肯定的,vi有一个很强大的命令可以实现此功能 。
在命令模式输入:set paste,则进入paste模式,这样再进行粘贴时
- shell脚本运行时报错误:/bin/bash^M: bad interpreter 的解决办法
dongwei_6688
shell脚本
出现原因:windows上写的脚本,直接拷贝到linux系统上运行由于格式不兼容导致
解决办法:
1. 比如文件名为myshell.sh,vim myshell.sh
2. 执行vim中的命令 : set ff?查看文件格式,如果显示fileformat=dos,证明文件格式有问题
3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了,然后:w
- 高一上学期难记忆单词
dcj3sjt126com
wordenglish
honest 诚实的;正直的
argue 争论
classical 古典的
hammer 锤子
share 分享;共有
sorrow 悲哀;悲痛
adventure 冒险
error 错误;差错
closet 壁橱;储藏室
pronounce 发音;宣告
repeat 重做;重复
majority 大多数;大半
native 本国的,本地的,本国
- hibernate查询返回DTO对象,DTO封装了多个pojo对象的属性
frankco
POJOhibernate查询DTO
DTO-数据传输对象;pojo-最纯粹的java对象与数据库中的表一一对应。
简单讲:DTO起到业务数据的传递作用,pojo则与持久层数据库打交道。
有时候我们需要查询返回DTO对象,因为DTO
- Partition List
hcx2013
partition
Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x.
You should preserve the original relative order of th
- Spring MVC测试框架详解——客户端测试
jinnianshilongnian
上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试,接下来再看看如果测试Rest客户端,对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器,然后发送真实的请求到相应的控制器;这种方式的缺点就是速度慢;自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式,也就是说使用RestTemplate测试时无须启动服务器,而是模拟一
- 关于推荐个人观点
liyonghui160com
推荐系统关于推荐个人观点
回想起来,我也做推荐了3年多了,最近公司做了调整招聘了很多算法工程师,以为需要多么高大上的算法才能搭建起来的,从实践中走过来,我只想说【不是这样的】
第一次接触推荐系统是在四年前入职的时候,那时候,机器学习和大数据都是没有的概念,什么大数据处理开源软件根本不存在,我们用多台计算机web程序记录用户行为,用.net的w
- 不间断旋转的动画
pangyulei
动画
CABasicAnimation* rotationAnimation;
rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"];
rotationAnimation.toValue = [NSNumber numberWithFloat: M
- 自定义annotation
sha1064616837
javaenumannotationreflect
对象有的属性在页面上可编辑,有的属性在页面只可读,以前都是我们在页面上写死的,时间一久有时候会混乱,此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大,可以帮我们省去很多代码,让代码看上去简洁。
下面这个例子 主要用到了
1.自定义annotation:@interface,以及几个配合着自定义注解使用的几个注解
2.简单的反射
3.枚举
- Spring 源码
up2pu
spring
1.Spring源代码
https://github.com/SpringSource/spring-framework/branches/3.2.x
注:兼容svn检出
2.运行脚本
import-into-eclipse.bat
注:需要设置JAVA_HOME为jdk 1.7
build.gradle
compileJava {
sourceCompatibilit
- 利用word分词来计算文本相似度
yangshangchuan
wordword分词文本相似度余弦相似度简单共有词
word分词提供了多种文本相似度计算方式:
方式一:余弦相似度,通过计算两个向量的夹角余弦值来评估他们的相似度
实现类:org.apdplat.word.analysis.CosineTextSimilarity
用法如下:
String text1 = "我爱购物";
String text2 = "我爱读书";
String text3 =