- 【大模型】Hugging Face下载大模型的相关文件说明
神马都会亿点点的毛毛张
深度学习#大模型深度学习chatgptgpt
大家好!我是毛毛张!个人首页:神马都会亿点点的毛毛张随着大模型的火热,许多人开始纷纷入坑️大模型,不过目前很多人都只是基于开源的大模型做微调,今天毛毛张要分享的是关于HuggingFace下载大模型微调文件的说明,有助于大家下载的微调文件的作用文章目录1.前言2.文件说明1.前言 上图是毛毛张在HuggingFace的官网上的ChatGLM-6B大模型的所有文件,对于初学者来说,对于上面的文件是
- json格式的标记文件转yolo格式(txt)的标记文件
帅气的亮
jsonYOLOpython
背景我在使用anylabeling标记软件时发现导出的标记文件格式只能是json格式,而我yolov8训练模型的标记文件需要时txt格式的,所以我需要写一个转换脚本脚本1.脚本1这个脚本是针对于矩形框标记的转换,也就是目标检测importjsonimportosdefconvert_json_to_yolo(json_file_path,output_dir,class_mapping):"""将
- AI人工智能深度学习算法:搭建可拓展的深度学习模型架构
AI天才研究院
大数据AI人工智能AI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
AI人工智能深度学习算法:搭建可拓展的深度学习模型架构作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展,深度学习作为其主要驱动力之一,已经在各个领域取得了显著的成果。然而,随着模型规模的不断扩大,如何高效地搭建、训练和部署深度学习模型,成为一个亟待解决的问题。传统的单机训练方式在计算资源有限的情况
- GPT4All:免费使用本地运行无需GPU的基于C++的GPT模型和UI: A free-to-use, locally running, privacy-aware chatbot. No GPU
AI天才研究院
ChatGPT大数据AI人工智能LLM大模型落地实战指南gpt人工智能语言模型自然语言处理编程实践开发语言c++
目录GPT4All:https://github.co:m/nomic-ai/gpt4allGPT4AllChatUIGPT4All聊天用户界面效果测试问题:HowtowriteamultipleThreadcodeInJava?输出:GPT4All如何运作RunningLLMsonCPU在CPU上运行LLMSideloadinganyggMLmodel加载任何ggML模型GPT4ALL:目前已经
- 接口技术-第1次作业
厂里英才
作业接口技术
目录1、接口技术的基本任务是什么?2、接口芯片的编程模型方法是什么?采用编程模型方法对分析与应用微机系统的硬件资源有什么意义?3、什么是接口?阐述接口的功能。4、什么是多总线技术?多总线层次化总线结构主要有哪几个层次?5、如何实现在PCI总线系统中查找一个PCI设备?1、接口技术的基本任务是什么?微机接口的基本任务有两个:一是实现I/O设备与总线的连接;二是连接起来以后,CPU通过接口对I/O设备
- 三种插入排序算法
juechen333
数据结构排序算法算法数据结构插入排序
目录1.直接插入排序直接插入排序的步骤示例直接插入排序的特点适用场景2.折半插入排序折半插入排序的基本原理折半插入排序的实现过程折半插入排序的时间复杂度折半插入排序的特点3.希尔排序希尔排序的基本原理希尔排序的步骤举例希尔排序的时间复杂度希尔排序的空间复杂度希尔排序的特点希尔排序的适用场景四、代码实现1.直接插入排序直接插入排序(InsertionSort)是一种简单的排序算法,其基本原理是将数组
- 机器学习&深度学习目录
UQI-LIUWJ
各专栏目录深度学习人工智能1024程序员节
机器学习模型机器学习笔记:Transformer_刘文巾的博客-CSDN博客attention相关机器学习笔记:attention_UQI-LIUWJ的博客-CSDN博客机器学习笔记:ELMOBERT_UQI-LIUWJ的博客-CSDN博客机器学习笔记:ViT(论文AnImageIsWorth16X16Words:TransformersforImageRecognitionatScale)_UQ
- 使用Python调用OpenCV中的solvePnP函数
WzisTypescript
pythonopencv开发语言OpenCV
OpenCV是一个广泛使用的计算机视觉库,它提供了许多用于处理图像和视频的功能。其中一个重要的功能是解决透视投影问题,也就是通过已知的3D点和对应的2D图像点来计算相机的位姿。在OpenCV中,solvePnP函数就是用于解决这个问题的。solvePnP函数使用了一种称为Perspective-n-Point(PnP)问题的算法,它可以估计相机的旋转和平移向量,从而确定相机在3D空间中的位置。这对
- 影视制作的未来:云渲染+虚拟制作+AI生成技术
LhcyyVSO
AIGC云渲染影视动画人工智能3d云渲染渲染农场AIAICG虚拟制作
在计算机技术和人工智能技术飞速发展的2024年,影视制作正在经历一场前所未有的变革。云渲染、虚拟制作和AI生成等新影视制作技术的结合,正在重新定义数字内容的创作流程,为影视产业带来了全新的可能性和机遇。这些前沿技术不仅提高了制作效率,还打开了无限的创作空间,有望引领未来的影视制作走向新的高峰。云渲染:加速创意实现影视的后期特效制作阶段需要大量的计算机参与渲染。传统的渲染过程耗时长且成本高,而云渲染
- 【AI论文】FilmAgent: 一个用于虚拟3D空间中端到端电影制作自动化的多智能体框架
东临碣石82
自动化运维
摘要:虚拟电影制作涉及复杂的决策过程,包括剧本编写、虚拟摄影以及演员的精确定位和动作设计。受近期基于语言智能体社会的自动化决策领域进展的启发,本文提出了FilmAgent,这是一个新颖的、基于大型语言模型(LLM)的多智能体协作框架,旨在实现我们构建的3D虚拟空间中的端到端电影制作自动化。FilmAgent模拟了各种剧组成员角色,包括导演、编剧、演员和摄影师,并涵盖了电影制作工作流程的关键阶段:(
- 最小二乘法-线性回归 和 梯度下降法
梦回楼~
最小二乘法算法机器学习人工智能
最小二乘法一、最小二乘法概念以及应用 最小二乘法(LeastSquaresMethod,LSE)是一种数学优化技术,主要用于寻找最佳拟合给定数据点的函数。它通过最小化观测值与模型预测值之间的差的平方和来估计模型参数。 换成听得懂的话说就是,我们有一组数据(x1,y1),(x2,y2)…(xn,yn),我们也知道他的数学表达式的形式例如y=kx+b(但是不知道k、b的具体值),但是(xn,yn)
- 容器化检索增强框架(R2R)
deepdata_cn
RAGRAG
R2RbySciPhi-AI是一个专门的RAG框架,专注于通过迭代细化来改进检索过程。主要特点包括实现新颖的检索算法,支持多步检索过程,与各种嵌入模型和向量存储集成,以及用于分析和可视化检索性能的工具。适合有兴趣突破检索技术界限的开发人员和研究人员,特别是在需要创新检索方法的场景。具有RESTfulAPI的容器化检索增强一代(RAG)。具有生产就绪型功能,包括多模式内容摄取、混合搜索功能、可配置的
- GitLab/GitHub上传项目时忽略文件规则
满眼清香
#Git#Windows操作系统gitWindows
平时使用idea或者eclipse时总会有一些自动生成的文件,比如日志文件、编译文件,但是项目上传的时候这些文件是不需要的,而且浪费空间导致项目非常大,所以这些没有用的文件上传的时候需要通过.ignore过滤掉,接下来说一下过滤规则。git对于.ignore配置文件是按行从上到下进行规则匹配的,意味着如果前面的规则匹配的范围更大,则后面的规则将不会生效;以斜杠“/”开头表示目录;以星号“*”通配多
- 高效向量搜索RAG解决方案(Canopy)
deepdata_cn
RAGRAG
Canopy利用Pinecone在高效向量搜索方面的专业知识,提供强大且可扩展的RAG(Retrieval-AugmentedGeneration)解决方案。包括与Pinecone向量数据库的紧密集成,支持流处理和实时更新,先进的查询处理和重新排序功能,以及管理知识库和版本控制的工具。一、基本原理1.向量嵌入:Canopy首先会将文本数据转换为向量表示,通常使用预训练的语言模型等技术,将文本映射到
- 遥感深度学习过程中图像分割的尺寸对模型训练结果的影响
司南锤
深度学习遥感深度学习人工智能
1.计算资源与显存占用大尺寸图像:需要更高的显存和计算资源,可能限制训练时的批大小(batchsize),甚至导致无法训练。解决方案:通常将大图裁剪为小尺寸的补丁(patches),例如256x256或512x512。小尺寸图像:显存占用低,但可能丢失全局上下文信息(如大面积地物分布),影响模型对复杂场景的理解。2.模型感受野与上下文信息小尺寸输入:模型感受野受限,可能无法捕捉大范围地物(如河流、
- 使用小尺寸的图像进行逐像素语义分割训练,出现样本不均衡训练效果问题
司南锤
深度学习遥感计算机视觉人工智能机器学习
在使用小尺寸图像进行逐像素语义分割训练时,确实可能出现样本不均衡问题,且这种问题可能比大尺寸图像更显著。1.小尺寸图像如何加剧样本不均衡?(1)局部裁剪导致类别分布偏差问题:遥感图像中某些类别(如道路、建筑)可能稀疏分布。小尺寸裁剪后,部分训练样本可能完全不含某些类别(例如一块纯农田的补丁),导致模型对这些类别缺乏学习机会。示例:原图中“道路”占比5%,若裁剪为256x256的小图,部分小图中可能
- 06-机器学习-数据预处理
不会打代码呜呜呜呜
机器学习机器学习人工智能
数据清洗数据清洗是数据预处理的核心步骤,旨在修正或移除数据集中的错误、不完整、重复或不一致的部分,为后续分析和建模提供可靠基础。以下是数据清洗的详细流程、方法和实战示例:一、数据清洗的核心任务问题类型表现示例影响缺失值数值型字段为空(NaN)模型无法处理缺失值,导致训练中断或偏差异常值年龄=200岁,房价=-100万扭曲统计指标(如均值),降低模型泛化性重复数据两行记录完全相同导致模型过拟合,降低
- 在计算机上本地运行 Deepseek R1
itmanll
linux
DownloadOllamaonLinuxDownloadOllamaonWindowsDownloadOllamaonmacOSDeepseekR1是一个强大的人工智能模型,在科技界掀起了波澜。它是一个开源语言模型,可以与GPT-4等大玩家展开竞争。但更重要的是,与其他一些模型不同,您可以在自己的计算机上本地运行DeepseekR1。linux步骤第1步:下载Ollama并安装curl-fsSL
- Shapely:Python中的几何操作库
xyt556_CUMT
BigDatapython开发语言
Shapely:Python中的几何操作库介绍Shapely是一个用于操作和分析几何对象的Python库。它基于GEOS(GeometryEngine-OpenSource)库,提供了一系列函数来处理几何形状,如点(Point)、线(LineString)、多边形(Polygon)等。Shapely被广泛应用于GIS(地理信息系统)、数据分析和计算机图形学中,用于处理地理空间数据和几何分析。安装S
- 使用 rasterstats 库进行栅格与矢量数据的空间分析
xyt556_CUMT
人工智能
在地理信息系统(GIS)领域,栅格数据和矢量数据是两类常见的数据类型。栅格数据通常代表像素网格,如遥感影像或土地利用图,而矢量数据则通常表示具体的地理实体,如行政区划或土地边界。如何有效地结合这两类数据进行空间分析是许多地理研究中的关键问题。rasterstats是一个用于处理栅格和矢量数据的Python库,提供了便捷的工具来实现栅格统计、空间叠加分析等。本文将介绍如何使用rasterstats库
- 【深入浅出 Yarn 架构与实现】1-1 设计理念与基本架构
大数据王小皮
深入浅出Yarn架构与实现架构hadoop大数据yarnjava
一、Yarn产生的背景Hadoop2之前是由HDFS和MR组成的,HDFS负责存储,MR负责计算。一)MRv1的问题耦合度高:MR中的jobTracker同时负责资源管理和作业控制两个功能,互相制约。可靠性差:管理节点是单机的,有单点故障的问题。资源利用率低:基于slot的资源分配模型。机器会将资源划分成若干相同大小的slot,并划定哪些是mapslot、哪些是reduceslot。无法支持多种计
- #深度学习:从基础到实践
single_ffish
深度学习gpt神经网络生成对抗网络1024程序员节
深度学习是人工智能领域近年来最为火热的技术之一。它通过构建由多个隐藏层组成的神经网络模型,能够从海量数据中自动学习特征和表征,在图像识别、自然语言处理、语音识别等领域取得了突破性进展。本文将全面介绍深度学习的基础知识、主要算法和实践应用,帮助您快速掌握这一前沿技术。1.深度学习的基础1.1人工神经网络深度学习是基于人工神经网络(ArtificialNeuralNetwork,ANN)的一种机器学习
- 【深度学习|地学应用】遥感与深度学习:揭示梦柯冰川奥秘的前沿应用与实践解析
985小水博一枚呀
深度学习地学应用深度学习人工智能
【深度学习|地学应用】遥感与深度学习:揭示梦柯冰川奥秘的前沿应用与实践解析【深度学习|地学应用】遥感与深度学习:揭示梦柯冰川奥秘的前沿应用与实践解析文章目录【深度学习|地学应用】遥感与深度学习:揭示梦柯冰川奥秘的前沿应用与实践解析前言一、使用高分6号遥感影像结合深度学习对梦柯冰川的研究方向1.冰川边界自动化提取2.冰川变化动态监测3.冰川分类与分布特征分析二、梦柯冰川(MunkuGlacier)的
- 深入解析TCP/IP协议:网络通信的基石
一休哥助手
网络tcp/ip网络协议网络
1.引言TCP/IP协议是现代计算机网络的核心,它为互联网上的设备提供了通信的基础。在网络通信中,TCP/IP协议栈是无处不在的,无论是个人设备的浏览器请求,还是大型分布式系统的内部通信,都依赖于它的稳定、高效与可靠。本文将详细介绍TCP/IP协议的历史、分层模型、核心协议(TCP、IP等),并深入探讨其在网络通信中的重要角色。2.TCP/IP协议简介2.1TCP/IP的历史背景TCP/IP协议由
- 访问DOM元素(节点)
froginwe11
开发语言
DOM(文档对象模型)是Web开发中用于处理HTML和XML文档的标准接口,它允许开发者通过脚本语言(如JavaScript)动态地访问和修改文档的结构、内容和样式。在DOM中,文档的每个部分都被视为一个节点,包括元素、文本、属性等。访问DOM元素(节点)DOM提供了一系列方法来访问和操作元素(节点):getElementById():通过元素的ID获取元素节点。例如,document.getEl
- 【代码随想录:数组】python3
zzzmy159
代码随想录leetcode
数组Day1704.二分查找,27.移除元素704二分查找35搜索插入位置34在排序数组中查找元素的第一个和最后一个位置27移除元素:双指针977.有序数组的平方209.长度最小的子数组:最小滑窗904.水果成篮:最大滑窗59.螺旋矩阵IIDay1704.二分查找,27.移除元素704二分查找时间复杂度为O(logn)O(logn)O(logn),空间复杂度为O(1)O(1)O(1)leetcod
- 一文大白话讲清楚webpack进阶——3——Loader的执行顺序(pre,normal,inline,post)
16年上任的CTO
webpackwebpack前端node.jsloader执行顺序
文章目录一文大白话讲清楚webpack进阶——3——Loader的执行顺序(pre,normal,inline,post)1.loader的分类和执行顺序1.1pre1.2normal1.3inline1.4post1.5相同优先级2.如何制定分类2.1非inline2.2inline2.2.1禁用普通loader2.2.2禁用所有loader2.2.3禁用非post类型loader一文大白话讲清
- 基于R-CNN深度学习的无人机目标检测系统:数据集、模型和UI界面的完整实现
2025年数学建模美赛
R-CNN检测系统深度学习cnn无人机计算机视觉目标检测人工智能
摘要随着无人机技术的迅猛发展,无人机在军事、农业、环境监测等多个领域的应用日益广泛。无人机目标检测系统的建设成为提升无人机自主飞行和环境感知能力的重要环节。本文将详细介绍如何构建一个基于深度学习的无人机目标检测系统,采用R-CNN(区域卷积神经网络)算法,通过用户界面设计和数据集处理,实现高效的目标检测功能。通过本项目,旨在为无人机目标检测提供一种可行的解决方案,并提高其在复杂环境下的工作效率。目
- 基于Multi-Agent的无人机集群体系自主作战系统设计
龙腾亚太
无人机
源自:系统工程与电子技术作者:张堃,华帅,袁斌林,杜睿怡“人工智能技术与咨询”发布摘要针对无人集群自主作战体系设计中的关键问题,提出基于Multi-Agent的无人集群自主作战系统设计方法。建立无人集群各节点的Agent模型及其推演规则;对于仿真系统模块化和通用化的需求,设计系统互操作式接口和无人集群自主作战的交互关系;开展无人集群系统仿真推演验证。仿真结果表明,所提设计方案不仅能够有效开展并完成
- 如何使用HASH创建低交互式蜜罐系统
FreeBuf-
工具哈希算法算法
关于HASHHASH是一个用于创建和启动低交互蜜罐的框架,可以帮助广大研究人员轻松创建HTTP无关的低交互式软件蜜罐。HASH的主要理念是易于配置,能够灵活地模拟在HTTP/HTTPs上运行的任何软件。尽可能减少占用空间,避免被检测为蜜罐。功能介绍1、单一框架即可部署基于HTTP/HTTPs的蜜罐;2、通过YAML文件轻松配置;3、内置honeytraps;4、基于强大的随机化fakerjs以避免
- ASM系列五 利用TreeApi 解析生成Class
lijingyao8206
ASM字节码动态生成ClassNodeTreeAPI
前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能,其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。
在介绍前,先要知道一点, Tree工程的接口基本可以完
- 链表树——复合数据结构应用实例
bardo
数据结构树型结构表结构设计链表菜单排序
我们清楚:数据库设计中,表结构设计的好坏,直接影响程序的复杂度。所以,本文就无限级分类(目录)树与链表的复合在表设计中的应用进行探讨。当然,什么是树,什么是链表,这里不作介绍。有兴趣可以去看相关的教材。
需求简介:
经常遇到这样的需求,我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如,多级菜单、组织结构、商品分类。更具体的,我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
- 为啥要用位运算代替取模呢
chenchao051
位运算哈希汇编
在hash中查找key的时候,经常会发现用&取代%,先看两段代码吧,
JDK6中的HashMap中的indexFor方法:
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
- 最近的情况
麦田的设计者
生活感悟计划软考想
今天是2015年4月27号
整理一下最近的思绪以及要完成的任务
1、最近在驾校科目二练车,每周四天,练三周。其实做什么都要用心,追求合理的途径解决。为
- PHP去掉字符串中最后一个字符的方法
IT独行者
PHP字符串
今天在PHP项目开发中遇到一个需求,去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符",",最终结果为1,2,3,4,5,6 代码如下:
$str = "1,2,3,4,5,6,";
$newstr = substr($str,0,strlen($str)-1);
echo $newstr;
- hadoop在linux上单机安装过程
_wy_
linuxhadoop
1、安装JDK
jdk版本最好是1.6以上,可以使用执行命令java -version查看当前JAVA版本号,如果报命令不存在或版本比较低,则需要安装一个高版本的JDK,并在/etc/profile的文件末尾,根据本机JDK实际的安装位置加上以下几行:
export JAVA_HOME=/usr/java/jdk1.7.0_25  
- JAVA进阶----分布式事务的一种简单处理方法
无量
多系统交互分布式事务
每个方法都是原子操作:
提供第三方服务的系统,要同时提供执行方法和对应的回滚方法
A系统调用B,C,D系统完成分布式事务
=========执行开始========
A.aa();
try {
B.bb();
} catch(Exception e) {
A.rollbackAa();
}
try {
C.cc();
} catch(Excep
- 安墨移动广 告:移动DSP厚积薄发 引领未来广 告业发展命脉
矮蛋蛋
hadoop互联网
“谁掌握了强大的DSP技术,谁将引领未来的广 告行业发展命脉。”2014年,移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论,认为移动DSP是行业突破点,一时间许多移动广 告联盟风起云涌,竞相推出专属移动DSP产品。
到底什么是移动DSP呢?
DSP(Demand-SidePlatform),就是需求方平台,为解决广 告主投放的各种需求,真正实现人群定位的精准广
- myelipse设置
alafqq
IP
在一个项目的完整的生命周期中,其维护费用,往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。
注释模板导入步骤
安装方法:
打开eclipse/myeclipse
选择 window-->Preferences-->JAVA-->Code-->Code
- java数组
百合不是茶
java数组
java数组的 声明 创建 初始化; java支持C语言
数组中的每个数都有唯一的一个下标
一维数组的定义 声明: int[] a = new int[3];声明数组中有三个数int[3]
int[] a 中有三个数,下标从0开始,可以同过for来遍历数组中的数
- javascript读取表单数据
bijian1013
JavaScript
利用javascript读取表单数据,可以利用以下三种方法获取:
1、通过表单ID属性:var a = document.getElementByIdx_x_x("id");
2、通过表单名称属性:var b = document.getElementsByName("name");
3、直接通过表单名字获取:var c = form.content.
- 探索JUnit4扩展:使用Theory
bijian1013
javaJUnitTheory
理论机制(Theory)
一.为什么要引用理论机制(Theory)
当今软件开发中,测试驱动开发(TDD — Test-driven development)越发流行。为什么 TDD 会如此流行呢?因为它确实拥有很多优点,它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。
TDD 的优点:
&nb
- [Spring Data Mongo一]Spring Mongo Template操作MongoDB
bit1129
template
什么是Spring Data Mongo
Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装,这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate,主要能力包括
1. 封装客户端跟MongoDB的链接管理
2. 文档-对象映射,通过注解:@Document(collectio
- 【Kafka八】Zookeeper上关于Kafka的配置信息
bit1129
zookeeper
问题:
1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置
3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里
4. Producer跟Zookeeper究竟有没有关系?没有关系!!!
//consumers、config、brokers、cont
- java OOM内存异常的四种类型及异常与解决方案
ronin47
java OOM 内存异常
OOM异常的四种类型:
一: StackOverflowError :通常因为递归函数引起(死递归,递归太深)。-Xss 128k 一般够用。
二: out Of memory: PermGen Space:通常是动态类大多,比如web 服务器自动更新部署时引起。-Xmx
- java-实现链表反转-递归和非递归实现
bylijinnan
java
20120422更新:
对链表中部分节点进行反转操作,这些节点相隔k个:
0->1->2->3->4->5->6->7->8->9
k=2
8->1->6->3->4->5->2->7->0->9
注意1 3 5 7 9 位置是不变的。
解法:
将链表拆成两部分:
a.0-&
- Netty源码学习-DelimiterBasedFrameDecoder
bylijinnan
javanetty
看DelimiterBasedFrameDecoder的API,有举例:
接收到的ChannelBuffer如下:
+--------------+
| ABC\nDEF\r\n |
+--------------+
经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后,得到:
+-----+----
- linux的一些命令 -查看cc攻击-网口ip统计等
hotsunshine
linux
Linux判断CC攻击命令详解
2011年12月23日 ⁄ 安全 ⁄ 暂无评论
查看所有80端口的连接数
netstat -nat|grep -i '80'|wc -l
对连接的IP按连接数量进行排序
netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n
查看TCP连接状态
n
- Spring获取SessionFactory
ctrain
sessionFactory
String sql = "select sysdate from dual";
WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext();
String[] names = wac.getBeanDefinitionNames();
for(int i=0; i&
- Hive几种导出数据方式
daizj
hive数据导出
Hive几种导出数据方式
1.拷贝文件
如果数据文件恰好是用户需要的格式,那么只需要拷贝文件或文件夹就可以。
hadoop fs –cp source_path target_path
2.导出到本地文件系统
--不能使用insert into local directory来导出数据,会报错
--只能使用
- 编程之美
dcj3sjt126com
编程PHP重构
我个人的 PHP 编程经验中,递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码,会更有利于对递归以及静态变量的理解
header("Content-type: text/plain");
function static_function () {
static $i = 0;
if ($i++ < 1
- Android保存用户名和密码
dcj3sjt126com
android
转自:http://www.2cto.com/kf/201401/272336.html
我们不管在开发一个项目或者使用别人的项目,都有用户登录功能,为了让用户的体验效果更好,我们通常会做一个功能,叫做保存用户,这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码,这里我使用3种方式来存储用户名和密码
1、通过普通 的txt文本存储
2、通过properties属性文件进行存
- Oracle 复习笔记之同义词
eksliang
Oracle 同义词Oracle synonym
转载请出自出处:http://eksliang.iteye.com/blog/2098861
1.什么是同义词
同义词是现有模式对象的一个别名。
概念性的东西,什么是模式呢?创建一个用户,就相应的创建了 一个模式。模式是指数据库对象,是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
- Ajax案例
gongmeitao
Ajaxjsp
数据库采用Sql Server2005
项目名称为:Ajax_Demo
1.com.demo.conn包
package com.demo.conn;
import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException;
//获取数据库连接的类public class DBConnec
- ASP.NET中Request.RawUrl、Request.Url的区别
hvt
.netWebC#asp.nethovertree
如果访问的地址是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
- SVG 教程 (七)SVG 实例,SVG 参考手册
天梯梦
svg
SVG 实例 在线实例
下面的例子是把SVG代码直接嵌入到HTML代码中。
谷歌Chrome,火狐,Internet Explorer9,和Safari都支持。
注意:下面的例子将不会在Opera运行,即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。 SVG 实例
SVG基本形状
一个圆
矩形
不透明矩形
一个矩形不透明2
一个带圆角矩
- 事务管理
luyulong
javaspring编程事务
事物管理
spring事物的好处
为不同的事物API提供了一致的编程模型
支持声明式事务管理
提供比大多数事务API更简单更易于使用的编程式事务管理API
整合spring的各种数据访问抽象
TransactionDefinition
定义了事务策略
int getIsolationLevel()得到当前事务的隔离级别
READ_COMMITTED
- 基础数据结构和算法十一:Red-black binary search tree
sunwinner
AlgorithmRed-black
The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
- centos同步时间
stunizhengjia
linux集群同步时间
做了集群,时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器,只要配置了NTP,它就会提供NTP服务。 1)确认已经ntp程序包: # yum install ntp 2)配置时间源(默认就行,不需要修改) # vi /etc/ntp.conf server pool.ntp.o
- ITeye 9月技术图书有奖试读获奖名单公布
ITeye管理员
ITeye
ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾:http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《NFC:Arduino、Andro