- 对抗训练对模型性能有何影响?
借雨醉东风
热点追踪人工智能机器学习深度学习
关注我,持续分享逻辑思维&管理思维&面试题;可提供大厂面试辅导、及定制化求职/在职/管理/架构辅导;推荐专栏《10天学会使用asp.net编程AI大模型》,目前已完成所有内容。一顿烧烤不到的费用,让人能紧跟时代的浪潮。从普通网站,到公众号、小程序,再到AI大模型网站。干货满满。学成后可接项目赚外快,绝对划算。不仅学会如何编程,还将学会如何将AI技术应用到实际问题中,为您的职业生涯增添一笔宝贵的财富
- RuntimeError: CUDA is required but not available for bitsandbytes.
九思Atopos
python
今天想配置大模型的环境,需要用到bitsandbytes这个包,但是遇到报错:RuntimeError:CUDAisrequiredbutnotavailableforbitsandbytes.Pleaseconsiderinstallingthemulti-platformenabledversionofbitsandbytes,whichiscurrentlyaworkinprogress.P
- 细说机器学习算法之ROC曲线用于模型评估
Melancholy 啊
机器学习算法人工智能数据挖掘python
系列文章目录第一章:Pyhton机器学习算法之KNN第二章:Pyhton机器学习算法之K—Means第三章:Pyhton机器学习算法之随机森林第四章:Pyhton机器学习算法之线性回归第五章:Pyhton机器学习算法之有监督学习与无监督学习第六章:Pyhton机器学习算法之朴素贝叶斯第七章:Pyhton机器学习算法之XGBoost第八章:Pyhton机器学习算法之GBDT第九章:Pyhton机器学
- (3-5)文生图模型架构:扩散模型
码农三叔
训练RAG多模态)人工智能python深度学习大模型文生图多模态
3.5扩散模型扩散模型(DiffusionModels)是一类用于生成图像的深度学习模型,近年来在图像生成任务中取得了显著的进展。扩散模型的基本思想是通过逐步添加噪声到数据中,然后学习从噪声中恢复原始数据的过程。3.5.1扩散模型的基本概念扩散模型是一种基于随机过程的生成模型,通过逐步添加和去除噪声,实现从随机噪声到高质量数据的转化,其独特的训练和生成机制使其在图像生成领域表现出色。1.扩散过程扩
- 深入剖析 Scikit-learn 中的 LogisticRegression:参数调优指南
夜色呦
scikit-learn机器学习人工智能
LogisticRegression是一种广泛应用于二分类问题的机器学习算法。在scikit-learn库中,LogisticRegression类提供了一个高效且易于使用的实现。本文将深入探讨LogisticRegression的各种参数,并展示如何通过调整这些参数来优化模型的性能。1.LogisticRegression简介LogisticRegression通过使用逻辑函数将线性回归的输出映
- 机器学习笔记 - 将音频转换为图像进行分类的机器学习模型
坐望云起
深度学习从入门到精通机器学习深度学习语音识别光谱图Whisper
一、简述语音识别技术是将音频信号转化为文本的过程。其基本原理如下:1.音频录制:首先需要对口语发音进行录制,并将其转化为数字形式的音频文件。2.预处理:对音频信号进行预处理,包括去除杂音干扰、增加音频的信噪比以及消除不必要的语音、噪声等。3.特征提取:特征提取是语音信号处理的一个重要部分,通过对音频数据进行分析,提取其中特有的频率、音调、幅度等数学特征,并转化成数字特征。4.模型训练:在特征提取完
- 深入学习华为IPD流程之华为-PDT经理角色认知培训教材
智慧化智能化数字化方案
项目经理售前工程师技能提升学习华为华为IPD流程pdt经理华为IPDipd产品研发IPD项目管理
本文介绍了PDT经理的角色认知,包括其在IPD体系中的位置、基本角色定位、关键管理活动、能力模型和评估方法以及培养路径。文章指出PDT经理是重量级产品开发团队的管理者,负责产品的商业成功和跨功能部门合作,通过绩效管理加强团队凝聚力,对商业结果负责。重点内容:1.PDT经理角色重要,负责产品商业成功和跨功能部门合作。2.关键管理活动包括制定产品策略、管理交付、提升客户满意度等。3.PDT经理需具备战
- 数字孪生制造:如何通过数字化技术提高产品质量和生产效率
AI天才研究院
大数据AI人工智能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
作者:禅与计算机程序设计艺术随着数字技术的发展、生产线上工具的更新换代,数字孪生制造(Digitaltwins)已经成为制造业的一个热点方向。数字孪生制造可以帮助企业实现软硬件联动的全自动化,同时还可以降低成本、提升品牌知名度和竞争力。它在企业资源方面有巨大的投入,既包括资金、人员、设备等,也包括智能制造系统、算法模型和云计算平台等基础设施建设。虽然数字孪生制造的研发已经进入了新阶段,但其实际应用
- Python 占位符详细笔记
浮生_Lee
#Python基础python笔记开发语言
目录1.`%`格式化(旧式格式化)1.1基本用法1.2数字格式化1.3填充和对齐2.`str.format()`方法(较新格式化)2.1基本用法2.2位置和关键字参数2.3格式化数字2.4对齐和填充2.5字符串长度和精度3.f-strings(格式化字符串字面量)3.1基本用法3.2格式化数字3.3表达式和计算3.4对齐和填充3.5嵌套字段4.字符串模板(`string.Template`类)4.
- 表格化数据处理中大语言模型的微调优化策略研究
C7211BA
人工智能自然语言处理大语言模型
论文地址ResearchonFine-TuningOptimizationStrategiesforLargeLanguageModelsinTabularDataProcessing论文主要内容这篇论文的主要内容是研究大型语言模型(LLMs)在处理表格数据时的微调优化策略。具体来说,论文探讨了以下几个关键方面:背景与挑战:大型语言模型(LLMs)在自然语言处理(NLP)领域取得了显著进展,但在处
- 【人工智能】基于Python的机器翻译系统,从RNN到Transformer的演进与实现
蒙娜丽宁
Python杂谈人工智能人工智能python机器翻译
《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门!解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界机器翻译(MachineTranslation,MT)作为自然语言处理领域的重要应用之一,近年来受到了广泛的关注。在本篇文章中,我们将详细探讨如何使用Python实现从传统的循环神经网络(RNN)到现代Transformer模型的机器翻译系统。文章将从机
- 使用大语言模型在表格化网络安全数据中进行高效异常检测
C7211BA
语言模型web安全人工智能
论文链接Efficientanomalydetectionintabularcybersecuritydatausinglargelanguagemodels论文主要内容这篇论文介绍了一种基于大语言模型(LLMs)的创新方法,用于表格网络安全数据中的异常检测,称为“基于引导式提示的表格异常检测”(TabularAnomalyDetectionviaGuidedPrompts,简称TAD-GP)。该
- 2025美赛数学建模c题思路+模型+代码分享!非机构不卖课(12:51已更新完善Q1模型的代码)
夜信431
机器学习人工智能数学建模大数据python
2025MCMC题思路分析中文版题目翻译在这里先不放了,重点说一下我和队友讨论出来的一个简单思路。题目背景信息排名、金牌、奖牌数量:奥运会奖牌榜的核心指标。奖牌预测方法:强调基于参赛运动员名单而非历史奖牌数据进行预测。数据限制:模型和分析必须仅使用提供的五个数据文件,所以好好想想到时候伟大教练应该怎么考虑(data_dictionary.csv,summerOly_athletes.csv,sum
- 备战美赛!2025美赛数学建模C题模拟预测!用于大家练手模拟!
灿灿数模
数学建模
完整的思路代码模型见文末2025美赛数学建模C题模拟题:城市交通拥堵指数的预测与管理策略背景随着全球城市化进程的加快,交通拥堵问题成为城市发展的重要挑战之一。交通拥堵不仅影响居民出行效率,还增加了能源消耗和碳排放。近年来,各大城市开始尝试通过实时数据监控和人工智能技术对交通拥堵进行预测和管理。然而,由于城市交通系统的复杂性,现有方法在实际应用中仍面临诸多挑战。任务作为一名数据分析专家,你的任务是基
- AI计算的未来:中心化与去中心化的博弈
智识微光Intelligence
人工智能去中心化区块链
引言人工智能(AI)技术的迅猛发展正在全球计算格局中。最新发布的DeepSeekr1模型,以远低于传统大模型的成本实现了相当水平的推理能力,甚至能够在工作站上本地运行。一次突破AI计算正在经历从中心化(云计算)到去中心化(本地推理)的重大转变。这种变化不仅影响AI产业的商业模式,还可能构建全球计算基础设施、经济利益格局,并加速人工超级智能(ASI)的到来。因此,本文将探讨人工智能训练成本的降低、推
- 2025数学建模美赛C题【Models for Olympic Medal Tables】第一问
步入烟尘
2025数学建模美赛C题2025数学建模美赛数学建模奥运会历史奖牌
本文为个人解题笔记,仅供参考学习。本文C题的第一问。其他问题均在本专栏内,订阅一次,全部可见。文章目录问题1解题全流程解题完整过程:建立预测奥运会奖牌数的数学模型1.数据分析与清理1.1数据来源与结构1.2数据清理2.探索性数据分析(EDA)2.1国家奖牌分布趋势2.2奖牌与赛事数量的关系2.3主办国优势分析3.模型建立3.1奖牌数预测模型3.2奖牌首次获得预测模型3.3奖牌分布与赛事类型关联模型
- 2025年美国大学生数学建模竞赛C题思路(对每题分析)
FFMXjy
数学建模学习-传统算法机器学习深度学习系列课程数学建模美赛美国大学生数学建模
2025年美国大学生数学建模竞赛C题思路开发奖牌数预测模型1.目标:建立一个模型来预测每个国家的奖牌数,特别是金牌和总奖牌数。步骤:2.使用提供的summerOly_athletes.csv和summerOly_medal_counts.csv数据。3.清理数据,处理缺失值和异常值。4.提取有用的特征,如国家、年份、项目、奖牌类型等。5.选择适当的机器学习算法,如线性回归、随机森林或梯度提升树。6
- DeepSeek 推出全新推理模型 R1-Lite 预览版
三花AI
三花AI人工智能
DeepSeek全新研发的推理模型预览版DeepSeek-R1-Lite现已正式上线网页版。R1系列模型采用强化学习训练,推理过程中包含大量反思和验证,思维链长度可达数万字。该系列模型在数学、代码以及各种复杂逻辑推理任务上,取得了媲美o1-preview的推理效果。目前,DeepSeek-R1-Lite仍处于迭代开发阶段,仅支持网页使用,暂不支持API调用。官方表示,正式版DeepSeek-R1模
- 探索未来AI:飞桨大模型套件PaddleFleetX引领技术新高度
窦育培
探索未来AI:飞桨大模型套件PaddleFleetX引领技术新高度PaddleFleetX飞桨大模型开发套件,提供大语言模型、跨模态大模型、生物计算大模型等领域的全流程开发工具链。项目地址:https://gitcode.com/gh_mirrors/pa/PaddleFleetX在人工智能的快速发展中,大模型已经成为推动技术创新的重要力量。如今,我们有幸向您推荐一个全新的开源项目——Paddle
- 跨平台物联网漏洞挖掘算法评估框架设计与实现文献综述之GMN
XLYcmy
漏洞挖掘物联网网络安全漏洞挖掘跨架构静态检测图神经网络项目报告
2.4Gemini和GMN我们采用了两种方式:Gemini和GMN。2.4.2GMN图神经网络(GraphNeuralNetworks-GNNs)是一种用于学习结构化数据及相关预测问题的方法。节点的表示被用于节点分类或生成图向量再用于分类。GMN模型针对图的相似性学习问题,提出了一种使用GNNs将图嵌入到向量空间,并通过交叉图注意机制来计算相似度分数以关联图之间的相似性的模型。GMN模型不是独立地
- Cursor 的 AI 模型:代码生成与理解的原理
drebander
AI编程Cursor
引言在当今的软件开发领域,人工智能(AI)正在迅速改变开发者的工作方式。Cursor作为一款智能编程助手,通过集成先进的AI模型,为开发者提供了强大的代码生成、补全和优化功能。Cursor的核心竞争力在于其AI模型的能力,这些模型不仅能够理解代码的上下文,还能生成高质量的代码建议。本文将深入探讨Cursor使用的AI模型(如GPT系列或其他定制模型),并解析这些模型如何理解代码上下文并生成高质量的
- 使用Ollama部署deepseek大模型
使用Ollama部署deepseek大模型前置条件使用英伟达显卡下载cuda驱动https://developer.nvidia.com/cuda-downloadsOllamaOllama官方版:https://ollama.com/我的显卡在Windows电脑上面所以使用Windows的安装方式去安装若你的显卡是在Linux上面可以使用如下命令安装curl-fsSLhttps://ollama
- AI对接之对话API对接指南
我码玄黄
AI探索AI工具教你一招人工智能AIAI对接前端
AI对接之对话API对接指南本系列AI的API对接均以DeepSeek为例,其他大模型的对接方式类似。在人工智能领域,对话系统是连接人与机器的重要桥梁。DeepSeekAPI提供了一个强大的对话补全功能,使得开发者能够轻松地将智能对话集成到自己的应用中。本文将详细介绍如何对接DeepSeek的对话补全API,并展示几种典型的使用形式。1.API概览DeepSeek的对话补全API通过一个POST请
- Go语言协程
kawhi794
golang
目录前言一、进程、线程、协程1.进程2.线程3.协程4.协程的优势5.进程、线程、协程的对比二、协程1.协程数据结构2.协程执行过程3.GMP调度模型4.调度策略1.队列轮转2.系统调用3.工作量窃取4.抢占式调度总结前言最近发现go语言大火,越来越多的大厂都开始使用go语言,很多人也开启了学习Go语言,本文就介绍了Go语言中协程的基础内容以及协程的调度模型。一、进程、线程、协程1.进程进程是应用
- 深度学习篇---深度学习框架
Ronin-Lotus
深度学习篇深度学习人工智能pythonPytorchTensorFlowpaddlepaddle
文章目录前言第一部分:框架简介1.PyTorch简介特点动态计算图易于上手强大的社区支持与Python的集成度高核心组件2.TensorFlow简介特点静态计算图跨平台强大的生态系统Keras集成核心组件3.PaddlePaddle简介特点易于使用高性能工业级应用丰富的预训练模型核心组件第二部分:基本操作PyTorch基本操作TensorFlow基本操作PaddlePaddle基本操作总结前言以上
- Spring AI 与企业级应用架构的结合
drebander
AI编程人工智能架构springAI
随着AI技术的不断发展,越来越多的企业开始将AI模型集成到其业务系统中,从而提升系统的智能化水平、自动化程度和用户体验。在此背景下,SpringAI作为一个企业级AI框架,提供了丰富的工具和机制,可以帮助开发者将AI模型无缝地集成到SpringBoot应用中,并支持大规模的部署和扩展。本文将深入讨论如何将SpringAI集成到企业级应用架构中,支持大规模的部署和扩展,确保在高并发、复杂业务场景下的
- 软件架构设计与模式之:DevOps与运维架构
AI天才研究院
架构师必知必会系列编程实践大数据人工智能语言模型JavaPython架构设计
作者:禅与计算机程序设计艺术文章目录1.简介概要目的2.DevOps概述什么是DevOps?DevOps的关键点DevOps的价值3.DevOps基本概念、术语及流程管理工程价值流动方法论模型职能团队能力圈景气文化工具链4.DevOps与运维架构DevOps与运维架构的区别DevOps实践与运维架构DevOps架构图DevSecOps实践DevOps的发展趋势DevOps迫切需求1.简介概要Dev
- YOLOv10:面向下一代目标检测模型的创新探索
AgriTube
YOLO
随着计算机视觉技术的飞速发展,目标检测模型在各类应用场景中的重要性与日俱增。从自动驾驶到智能监控,目标检测的准确性和实时性都直接影响着应用的效果和用户体验。YOLO(YouOnlyLookOnce)系列作为实时目标检测的代表性模型,自发布以来便因其速度与精度的平衡性得到了广泛关注和应用。如今,随着YOLOv10的即将推出,我们站在技术的前沿,思考如何对这一模型进行革新,使其在面对复杂多变的场景时表
- DeepSeek-V3 技术报告
mingo_敏
LLM深度学习人工智能
1概述本文介绍了DeepSeek-V3,一个强大的混合专家(MoE)语言模型,总参数量为6710亿,每个token激活的参数量为370亿。为了实现高效的推理和经济高效的训练,DeepSeek-V3采用了多头潜在注意力(MLA)和DeepSeekMoE架构,这些架构在DeepSeek-V2中得到了充分验证。此外,DeepSeek-V3率先采用了无辅助损失的负载均衡策略,并设定了多token预测训练目
- DeepSeek 系列之 构建我自己的 DeepSeek Janus Pro Web 界面:使用 Gradio 进行本地实验
知识大胖
NVIDIAGPU和大语言模型开发教程deepseekjanuspro
介绍在探索了DeepSeek-R1并使用Ollama在本地运行模型后,我忍不住深入研究了DeepSeekJanusPro。但这次,我想更进一步:创建自己的Web界面来与模型交互,就像HuggingFace上的一样。剧透警告:它并不完美(是的,它很慢),但它有效——而且我在这个过程中学到了很多东西!推荐文章《如何在本地电脑上安装和使用DeepSeekR-1》权重1,DeepSeek《Nvidia系列
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s