waf13916
waf13916

PaddleDetection学习5——使用Paddle-Lite在 Android 上实现实时的人脸检测（C++）

使用Paddle-Lite在 Android 上实现实时的人脸检测

  • 1 环境准备
  • 2. 部署步骤
    • 2.1 下载Paddle-Lite-Demo
    • 2.2 运行face_detection_demo项目
  • 3 使用Opencv对后处理进行优化
  • 4 开启手机摄像头进行人脸检测

1 环境准备

参考前一篇在 Android 上使用Paddle-Lite实现实时的目标检测功能

2. 部署步骤

2.1 下载Paddle-Lite-Demo

下载链接
人脸检测 Demo 位于 Paddle-Lite-Demo/face_detection/android/app/cxx/face_detection 目录

你可能感兴趣的:(学习,paddle,android,目标检测)

  • 线性回归的简单实现 SkaWxp 深度学习深度学习机器学习mxnetgluon
    本文是《动手学深度学习》的笔记文章目录线性回归的简单实现生成随机数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型线性回归的简洁实现生成数据集读取数据定义模型初始化模型参数定义损失函数定义优化算法训练模型线性回归的简单实现用了mxnet中的自动求导和数组结构frommxnetimportautograd,ndimportrandom生成随机数据集只有这个是用了自己造的数据，因为线
  • 投票法：简单而强大的分类利器 ningaiiii 机器学习与深度学习分类机器学习人工智能
    投票法：简单而强大的分类利器在机器学习的分类任务中，我们常常需要寻找高效且准确的方法来对数据进行分类。今天，让我们一起来探讨一种简单却极为强大的分类方法——投票法。一、投票法原理（一）通俗易懂的理解投票法就像一场班级选举。假设有一个班级要选出最受欢迎的水果，每个同学心中都有自己的选择（这就好比一个个分类器给出的分类结果）。最后统计每个水果获得的票数，得票最多的水果就当选（对应分类任务中，票数最多的
  • 【单层神经网络】基于MXNet库简化实现线性回归 辰尘_星启 神经网络mxnet线性回归
    写在前面同最开始的两篇文章完整程序及注释'''导入使用的库'''#基本frommxnetimportautograd,nd,gluon#模型、网络frommxnet.gluonimportnnfrommxnetimportinit#学习frommxnet.gluonimportlossasgloss#数据集frommxnet.gluonimportdataasgdata'''生成测试数据集'''#
  • 初入机器学习 辰尘_星启 机器学习人工智能深度学习pythonmxnet
    写在前面本专栏专门撰写深度学习相关的内容，防止自己遗忘，也为大家提供一些个人的思考一切仅供参考概念辨析深度学习：本质是建模，将训练得到的模型作为系统的一部分使用侧重于发现样本集中隐含的规律难点是认识并了解模型，合理设置初始模型，要对建模对象有比较深刻的认识依赖大量的准确训练样本强化学习：本质是系统，直接将训练得到的模型视作系统本身（激进的像“端到端”）侧重于最大化当前环境下的奖励，最终目标是寻找环
  • AtCoder备赛刷题 ABC 383 | 9 Divisors 热爱编程的通信人 算法
    学习C++从娃娃抓起！记录下AtCoder（日本算法竞技网站）备赛学习过程中的题目，记录每一个瞬间。附上汇总贴：AtCoder备赛刷题|汇总【题目描述】FindthenumberofpositiveintegersnotgreaterthanNNNthathaveexactly999positivedivisors.找到不大于NNN且恰好有999个因数的正整数的数量。【输入】Theinputisg
  • 线性回归基础学习 Remoa 人工智能线性回归优化gluonmxnetloss
    线性回归基础学习目录：理论知识样例代码测试参考文献一、理论知识线性回归思维导图NDArray：MXNet中存储和变换数据的主要工具，提供GPU计算和自动求梯度等功能线性回归可以用神经网络图表示，也可以用矢量计算表示在Gluon中，data模块提供了有关数据处理的工具，nn模块定义了大量神经网络的层，loss模块定义了各种损失函数在MXNet的init模块(initializer)提供了模型参数化的
  • 【博学谷学习记录】超强总结，用心分享 | Hive分区表和分桶表 Onzswhite hive大数据hadoop
    #博学谷IT技术支持#一、分区表分区表就是对一个表的文件数据进行分类管理，表现形式就是有很多的文件夹(dt=2019-02-27)。分区表的作用是以后查询时，我们可以手动指定对应分区的数据，避免全表扫描，提高查询效率。所谓的分区表，指的就是将数据按照表中的某一个字段进行统一归类，并存储在表中的不同的位置，也就是说，一个分区就是一类，这一类的数据对应到hdfs存储上就是对应一个目录。当我们需要进行处
  • 深度学习：基于MindNLP的RAG应用开发 Landy_Jay 深度学习人工智能
    什么是RAG？RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合检索（Retrieval）和生成（Generation）的技术，旨在提升大语言模型（LLM）生成内容的准确性、相关性和时效性。基本思想：通过外部知识库动态检索与用户查询相关的信息，并将检索结果作为上下文输入生成模型，辅助生成更可靠的回答。与传统LLM的区别：传统LLM仅依赖预训练参数中的静态知
  • MyBatis学习：多表映射 Landy_Jay mybatis学习数据库
    目录一、多表映射概念1.1多表查询结果映射思路1.2实体类设计方案1.2.1对一关系设计1.2.2对多关系设计多表映射案例准备二、对一映射三、对多映射四、多表映射总结4.1多表映射优化4.2总结：一、多表映射概念1.1多表查询结果映射思路数据库的表结构具有复杂性，不是所有数据库都达到第三范式或BCNF范式，故数据库查询结果与java对象的属性映射也变得复杂。MyBatis使用ResultMap实现
  • 可能是最深入全面的图解 Java Virtual Threads jvmjvm虚拟机
    本文尽我所能，用了数月时间，在学习了JavaVirtualTheads的一些设计和实现理念后，用我所能的精炼文字和画图，去记录我的所学。是我现在能找到的最深入全面的图解JavaVirtualThreads文章。本文摘自我在编写的开源互动图书《面向技术宅的JVM内幕》中的VirtualThreads一节。如图片不清，请转回原文。VirtualThreads按这本书作者的德性，和这本书的定位，这里不会
  • 深度学习篇---张量&数据流动处理 Ronin-Lotus 深度学习篇深度学习人工智能pythonTensorFlowPytorch张量数据流动处理
    文章目录前言第一部分：张量张量的基本概念1.维度标量（0维）向量（1维）矩阵（2维）三维张量2.形状张量运算1.基本运算加法减法乘法除法2.广播3.变形4.转置5.切片6.拼接7.矩阵分解8.梯度运算：深度学习框架中的张量运算1.自动求导2.硬件加速3.高度优化第二部分：数据流动与处理1.磁盘（硬盘或固态硬盘）读取数据写入数据2.内存（RAM）加载程序和数据数据交换3.缓存CPU缓存磁盘缓存4.数
  • threejs起步学习之创建旋转立方体并随时停止和控制旋转 three.js
    直接看成品可以看到点击开始旋转的时候立方体开始旋转，点击停止旋转的时候立方体停止旋转。先放官网文档threejs官网点击en切换为中文，然后点击创建第一个场景，页面就全部变成中文啦。先使用原生js编写代码，首先就是下载threejs然后引入然后就可以使用THREE这个对象了要创建一个立方体，首先我们需要创建一个场景，一个摄像机，一个渲染器，这样我们才能透过摄像机看到渲染出的场景varwidth=5
  • PyTorch生态系统中的连续深度学习：使用Torchdyn实现连续时间神经网络
    神经常微分方程（NeuralODEs）是深度学习领域的创新性模型架构，它将神经网络的离散变换扩展为连续时间动力系统。与传统神经网络将层表示为离散变换不同，NeuralODEs将变换过程视为深度（或时间）的连续函数。这种方法为机器学习开创了新的研究方向，尤其在生成模型、时间序列分析和物理信息学习等领域具有重要应用。本文将基于Torchdyn（一个专门用于连续深度学习和平衡模型的PyTorch扩展库）
  • Mixture of Experts（MoE）学习笔记 南七小僧 人工智能网站开发医疗器械研发学习笔记人工智能MoE大模型
    1学习动机第一次了解到MoE（Mixtureofexperts），是在GPT-4模型架构泄漏事件，听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构（8*220B）组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索，更多的工作还是聚焦在预训练新的大模型，在Llama2或其他模型上做Fine-tune，以及扩展大模型的ContextLength。12月8号
  • 基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版) 矩阵猫咪 cnnlstmpytorch注意力机制卷积神经网络长短期记忆网络Attention
    前言系列专栏:【深度学习：算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理、深度强化学习、大型语言模型和迁移学习。在深度学习的众多模型中，卷积神经网络（CNN）和长短期记忆网络（LSTM）因其独特的优势
  • 周报 | 25.1.27-25.2.2文章汇总 双木的木 深度学习拓展阅读python拓展学习人工智能transformer算法深度学习YOLOchatgptllama
    为了更好地整理文章和发表接下来的文章，以后每周都汇总一份周报。周报|25.1.20-25.1.26文章汇总-CSDN博客机器学习AI算法工程|DeepSeekV3两周使用总结-CSDN博客Datawhale|一文详尽之SFT（监督微调，建议收藏）！-CSDN博客arXiv每日学术速递|强强联合：CNN与Transformer融合创新提升模型性能！！-CSDN博客AI生成未来|字节提出VideoWo
  • 学习第七十七行 不是只有你能在乱世中成为大家的救世主 学习运维html经验分享
    对于html,用vscode编程，可以用AI，同时输入！+TAB自动生成骨架，有src路径，titie提示文本，alt替换文本（图片不显示，显示的文字），width宽设置一个即可，（height），border边框，同时div和span是个块，前者大后者小，前者独一行，撒旦，em斜体，strong粗体，del删除线，ins下划线。
  • 【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现） 宇哥预测优化代码学习 cnn算法matlab
    ‍个人主页欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，以求解具有机器故障的柔性作业车间调度问题（FJSP）。建立了以最大完成时间
  • 差分数组的学习 奋斗的草莓熊 学习
    文章目录1.差分数组的应用场景2.如何构造一个差分数组2.1原数组转换为差分数组2.2差分数组还原为原数组3.差分数组的特性1.差分数组的应用场景需要频繁对某个区间的数组进行增减操作2.如何构造一个差分数组2.1原数组转换为差分数组#存在一个数组Nums,求出他的差分数组diff=[0]*len(nums)diff[0]=nums[0]foriinrange(1,len(nums)):diff[i
  • Golang 学习路线 - Part 25:互斥锁（Mutex） SunnyJim golang学习路线MutexgoMutexgolangMutex
    这里是Golang教程系列的第二十五部分。在本教程中，我们将学习互斥锁。我们还将学习如何使用互斥锁和channels来解决争用条件。关键部分在跳到互斥对象之前，理解并发编程中的临界区概念是很重要的。当一个程序并发运行时，修改共享资源的代码部分不应该被多个Goroutines同时访问。修改共享资源的这段代码称为临界段。例如，假设我们有一段代码，它使变量x增加1。x=x+1如果是单个的Goroutin
  • Python淘宝电脑销售数据爬虫可视化分析大屏全屏系统 开题报告 字节全栈_Jwy python爬虫flutter
    博主介绍：黄菊华老师《Vue.js入门与商城开发实战》《微信小程序商城开发》图书作者，CSDN博客专家，在线教育专家，CSDN钻石讲师；专注大学生毕业设计教育和辅导。所有项目都配有从入门到精通的基础知识视频课程，学习后应对毕业设计答辩。项目配有对应开发文档、开题报告、任务书、PPT、论文模版等项目都录了发布和功能操作演示视频；项目的界面和功能都可以定制，包安装运行！！！如果需要联系我，可以在CSD
  • 【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现） Ps.729 cnn算法matlab
    ‍个人主页欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，以求解具有机器故障的柔性作业车间调度问题（FJSP）。建立了以最大完成时间
  • 使用KEIL更新STM32程序的HEX文件下载指南及DEMO BOBO爱吃菠萝
    本文还有配套的精品资源，点击获取简介：本文旨在指导开发者如何在保持源代码保密的前提下，通过KEILIDE生成HEX文件，并利用该文件更新STM32微控制器程序。文章详细介绍了整个流程，并提供了DEMO工程以便读者实践学习。1.HEX文件与微控制器1.1HEX文件的基础知识HEX文件是十六进制格式的文件，它在微控制器开发领域扮演着重要角色。这种文件格式用于存储编译后的程序代码，以便于将固件烧录进微控
  • Android二维码和条形码扫描实现指南 BOBO爱吃菠萝
    本文还有配套的精品资源，点击获取简介：本文详述了如何在Android平台上集成二维码和条形码扫描功能，重点介绍了使用Zxing、GoogleMobileVisionAPI和FirebaseMLKit这三个库的实践方法。内容包括选择合适的库、集成Zxing和使用FirebaseMLKit的具体步骤、扫描界面的设计、安全隐私保护以及性能优化等多个方面。通过本文的学习，开发者可以更好地掌握在Androi
  • 动态规划学习:放苹果 我爱夜来香A 每天一道算法题动态规划学习算法
    放苹果一、放苹果二、思路分析三、代码实现一、放苹果有m个苹果,n个盘子,允许有的盘子空着不放,请问有多少种不同的放法二、思路分析dp[i][j]表示i个苹果放入j个盘子共有多少种放法1)、当i为0时,即苹果数为0,不放,即有1种放法,dp[0][j]=1;当j为1时,即盘子数为1个,也只有一种放法dp[i][1]=12)、当苹果数小于盘子数,永远会有空盘子出现,dp[i][j]=dp[i][i]3
  • 最小边际采样在分类任务中的应用 ningaiiii 机器学习与深度学习分类数据挖掘人工智能
    最小边际采样在分类任务中的应用在机器学习的分类任务里，如何高效利用有限的标注数据，一直是研究的重点。最小边际采样（LeastMarginSampling）作为主动学习策略中的一种，为解决这一问题提供了独特的思路。本文将深入探讨最小边际采样在分类任务中的原理、应用以及优势与挑战。一、最小边际采样的原理最小边际采样的核心概念是基于模型预测概率来衡量样本的不确定性。在一个多分类问题中，模型会对每个样本预
  • DynamicPlanning动态规划学习笔记 kxwsspz2001 笔记动态规划算法
    动态规划动态规划的特点是求解决策过程最优化的过程。适用于求解将过程分成若干个互相联系的阶段，在它的每一阶段都需要作出决策，从而使整个过程达到最好的活动效果。各阶段决策依赖于当前面临的状态，又影响以后的发展。当各个阶段决策确定后，就组成一个决策序列。我们可以从决策序列中找到最优解LeetCode53给定一个整数数组nums，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。示例
  • 进制转换在C/C++/Java/Kotlin中的应用(详细版) 一歲抬頭 javac语言c++
    //清除标志位为了得到正确的can_id，需要在解析之前清除可能设置的标志位。通过使用&0x1FFFFFFF来实现，这个操作会清除can_id的高3位，确保结果得到的是纯粹的ID。uint32_tclean_can_id=frame.can_id&0x1FFFFFFF;因为上面的问题我不理解所以来学习进制转换的应用,进制转换非常常见,如果你搞底层这个是必须会的,我工作中也经常碰到每次看到都非常头疼
  • java 转kotlin所需要的准备 m1zu web应用javakotlin开发语言
    1.学习Kotlin的基本语法1.1Kotlin的基本数据类型Kotlin与Java类似，有基本的数据类型，如Int、String、Boolean等。需要注意的是，Kotlin的类型系统是空安全的，这意味着类型默认情况下是不可空的。1.2了解Kotlin的关键字和语法Kotlin有一些独特的关键字和语法，比如val和var用于声明变量，fun用于声明函数等。1.3学习Kotlin的函数式编程特性K
  • 题目：利用条件运算符的嵌套来完成此题：学习成绩〉=90分的同学用A表示，60-89分之间的用B表示， 60分以下的用C表示。 晚夜微雨问海棠呀 算法数据结构
    要使用条件运算符（三元运算符）来完成这个题目，可以按照以下步骤进行：使用嵌套的条件运算符来判断成绩范围。根据成绩范围输出相应的等级。以下是一个用C++实现的示例代码：#includechargetGrade(intscore){return(score>=90)?'A':(score>=60)?'B':'C';}intmain(){intscore;std::cout>score;chargrad
  • 插入表主键冲突做更新 a-john
    有以下场景： 用户下了一个订单，订单内的内容较多，且来自多表，首次下单的时候，内容可能会不全（部分内容不是必须，出现有些表根本就没有没有该订单的值）。在以后更改订单时，有些内容会更改，有些内容会新增。 问题： 如果在sql语句中执行update操作，在没有数据的表中会出错。如果在逻辑代码中先做查询，查询结果有做更新，没有做插入，这样会将代码复杂化。 解决： mysql中提供了一个sql语
  • Android xml资源文件中@、@android:type、@*、？、@+含义和区别 Cb123456 @+@?@*
    一.@代表引用资源 1.引用自定义资源。格式：@[package:]type/name android：text="@string/hello"   2.引用系统资源。格式：@android:type/name     android:textColor="@android:color/opaque_red"
  • 数据结构的基本介绍 天子之骄 数据结构散列表树、图线性结构价格标签
    数据结构的基本介绍 数据结构就是数据的组织形式，用一种提前设计好的框架去存取数据，以便更方便，高效的对数据进行增删查改。正确选择合适的数据结构，对软件程序的高效执行的影响作用不亚于算法的设计。此外，在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈，堆等，就是经典的数据结构。   经典的数据结构大致如下：   一：线性数据结构 (1)：列表 a
  • 通过二维码开放平台的API快速生成二维码 一炮送你回车库 api
     现在很多网站都有通过扫二维码用手机连接的功能，联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊，写了个前台快速生成二维码的方法。        html代码如下:(二维码将生成在这div下) ? 1  &nbs
  • ImageIO读取一张图片改变大小 3213213333332132 javaIOimageBufferedImage
    package com.demo; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; /** * @Description 读取一张图片改变大小 * @author FuJianyon
  • myeclipse集成svn（一针见血） 7454103 eclipseSVNMyEclipse
                                     &n
  • 装箱与拆箱----autoboxing和unboxing darkranger J2SE
    4.2　自动装箱和拆箱 基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便，但提供方便的同时表示隐藏了细节，建议在能够区分基本数据类型与对象的差别时再使用。 4.2.1　autoboxing和unboxing 在Java中，所有要处理的东西几乎都是对象(Object)
  • ajax传统的方式制作ajax aijuans Ajax
    //这是前台的代码 <%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
  • 只用jre的eclipse是怎么编译java源文件的？ avords javaeclipsejdktomcat
    eclipse只需要jre就可以运行开发java程序了，也能自动 编译java源代码，但是jre不是java的运行环境么，难道jre中也带有编译工具？ 还是eclipse自己实现的？谁能给解释一下呢问题补充：假设系统中没有安装jdk or jre，只在eclipse的目录中有一个jre，那么eclipse会采用该jre，问题是eclipse照样可以编译java源文件，为什么呢？ &nb
  • 前端模块化 bee1314 模块化
    背景： 前端JavaScript模块化，其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来，还处于刀耕火种的野蛮生长阶段。   JavaScript一直缺乏有效的包管理机制，造成了大量的全局变量，大量的方法冲突。我们多么渴望有天能像Java（import），Python (import)，Ruby(require)那样写代码。在没有包管理机制的年代，我们是怎么避免所
  • 处理百万级以上的数据处理 bijian1013 oraclesql数据库大数据查询
    一.处理百万级以上的数据提高查询速度的方法：        1.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。         2.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 o
  • mac 卸载 java 1.7 或更高版本 征客丶 javaOS
    卸载 java 1.7 或更高 sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin 成功执行此命令后，还可以执行 java 与 javac 命令 sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane 成功执行此命令后，还可以执行 java
  • 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析 bit1129 Stream
    第一步，Flume和Kakfa对接，Flume抓取日志，写到Kafka中 第二部，Spark Streaming读取Kafka中的数据，进行实时分析   本文首先使用Kakfa自带的消息处理（脚本）来获取消息，走通Flume和Kafka的对接 1. Flume配置 1. 下载Flume和Kafka集成的插件，下载地址：https://github.com/beyondj2ee/f
  • Erlang vs TNSDL bookjovi erlang
          TNSDL是Nokia内部用于开发电信交换软件的私有语言，是在SDL语言的基础上加以修改而成，TNSDL需翻译成C语言得以编译执行，TNSDL语言中实现了异步并行的特点，当然要完整实现异步并行还需要运行时动态库的支持，异步并行类似于Erlang的process（轻量级进程），TNSDL中则称之为hand，Erlang是基于vm(beam)开发，
  • 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个 ljy325 企业应用
    　非常希望有一个预防疲劳的java软件，我看新闻和网站，国防科技大学的科学家累死了，太疲劳，老是加班，不休息，经常吃药，吃药根本就没用，根本原因是疲劳过度。我以前做java,那会公司垃圾，老想赶快学习到东西跳槽离开，搞得超负荷，不明理。深圳做软件开发经常累死人，总有不明理的人，有个软件提醒限制很好，可以挽救很多人的生命。 相关新闻： （1）IT行业成五大疾病重灾区：过劳死平均37.9岁
  • 读《研磨设计模式》-代码笔记-原型模式 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/ /** * Effective Java 建议使用copy constructor or copy factory来代替clone()方法： * 1.public Product copy(Product p){} * 2.publi
  • 配置管理---svn工具之权限配置 chenyu19891124 SVN
    今天花了大半天的功夫，终于弄懂svn权限配置。下面是今天收获的战绩。 安装完svn后就是在svn中建立版本库，比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构 pepos    component    webapps 在conf里面的auth里赋予的权限配置为 [groups]
  • 浅谈程序员的数学修养 comsci 设计模式编程算法面试招聘
                                     浅谈程序员的数学修养
  • 批量执行 bulk collect与forall用法 daizj oraclesqlbulk collectforall
    BULK COLLECT 子句会批量检索结果，即一次性将结果集绑定到一个集合变量中，并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、 FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。     有关FORALL语句的用法请参考：批量SQL之 F
  • Linux下使用rsync最快速删除海量文件的方法 dongwei_6688 OS
    1、先安装rsync：yum install rsync 2、建立一个空的文件夹：mkdir /tmp/test 3、用rsync删除目标目录：rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了，删除的速度会非常快。rsync实际上用的是替换原理，处理数十万个文件也是秒删。
  • Yii CModel中rules验证规格 dcj3sjt126com rulesyiivalidate
    Yii cValidator主要用法分析：  yii验证rulesit 分类： Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError  
  • 基于vagrant的redis主从实验 dcj3sjt126com vagrant
    平台: Mac 工具: Vagrant 系统: Centos6.5 实验目的: Redis主从   实现思路 制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box   制作sentos6.5+redis的box   mkdir vagrant_redis cd vagrant_
  • Memcached(二)、Centos安装Memcached服务器 frank1234 centosmemcached
    一、安装gcc rpm和yum安装memcached服务器连接没有找到，所以我使用的是make的方式安装，由于make依赖于gcc，所以要先安装gcc 开始安装，命令如下，[color=red][b]顺序一定不能出错[/b][/color]： 建议可以先切换到root用户，不然可能会遇到权限问题：su root 输入密码...... rpm -ivh kernel-head
  • Remove Duplicates from Sorted List hcx2013 remove
    Given a sorted linked list, delete all duplicates such that each element appear only once. For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
  • Spring4新特性——JSR310日期时间API的支持 jinnianshilongnian spring4
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • 浅谈enum与单例设计模式 247687009 java单例
    在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种)，两者同是私有构 造器，导出静态成员变量，以便调用者访问。 第一种 package singleton; public class Singleton { //导出全局成员 public final static Singleton INSTANCE = new S
  • 使用switch条件语句需要注意的几点 openwrt cbreakswitch
    1. 当满足条件的case中没有break，程序将依次执行其后的每种条件（包括default）直到遇到break跳出 int main() { int n = 1; switch(n) { case 1: printf("--1--\n"); default: printf("defa
  • 配置Spring Mybatis JUnit测试环境的应用上下文 schnell18 springmybatisJUnit
    Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有： 单元测试的app context不支持从外部properties文件注入属性 @Value注解不能解析带通配符的路径字符串 解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。 第二个问题的具体实例是：    
  • Java 定时任务总结一 tuoni javaspringtimerquartztimertask
     Java定时任务总结  一.从技术上分类大概分为以下三种方式：  1.Java自带的java.util.Timer类，这个类允许你调度一个java.util.TimerTask任务;   说明：    java.util.Timer定时器，实际上是个线程，定时执行TimerTask类 &
  • 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法 yangshangchuan rank相似度计算文本相似度词袋模型余弦相似度
    本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法，对于其他的用户生成内容站点类型也具有同样的适用性。   最近在ITEYE博客频道上面出现了一种新型的商业广告形式，方法如下：     1、注册多个账号（一般10个以上）。     2、从多个账号中选择一个账号，发表1-2篇博文
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他