- ModelScope_Faster_Whisper_Multi_Subtitle:一键式双语字幕制作神器
宋海翌Daley
ModelScope_Faster_Whisper_Multi_Subtitle:一键式双语字幕制作神器Modelscope_Faster_Whisper_Multi_Subtitle基于Faster-whisper和modelscope一键生成双语字幕,双语字幕生成器,基于离线大模型,GeneratebilingualsubtitleswithoneclickbasedonFaster-whis
- 2024年AIGC技术未来发展趋势与挑战:从应用创新到伦理监管
小宝哥Code
ChatGPT与AIGCAIGC
生成式人工智能(AIGC,ArtificialIntelligenceGeneratedContent)作为人工智能领域的一个重要分支,正在快速发展并改变着多个行业的格局。2024年,AIGC技术持续取得突破,并进入更多实际应用场景。本文将详细介绍AIGC的基本概念、原理、最新前沿技术及发展趋势。1.生成式人工智能(AIGC)基本概念与原理生成式人工智能(AIGC)是指通过人工智能技术,尤其是深度
- 为什么多模态大模型中使用Q-Former的工作变少了?附Q-Former结构简介
同屿Firmirin
多模态大模型深度学习人工智能面试
面试中遇到的问题,自己在实践中注意到了却没有深究原因,没有回答好,特此记录和探讨这个问题。多模态大模型中需要一个输入投影模块,将视觉特征投射到LLM能理解的语言特征维度,这里就可以选择各种不同的模块。LLaVA最初用了简单的线性投射,然而作者提到这么做是为了做实验更快一点,使用复杂的模块可能会有更好的效果。后来就有用MLP的,代表工作有LLaVA后续系列、Intern-VL。还有用Q-Former
- AI 集群:Exo 项目详解
ivwdcwso
运维人工智能AIExo
引言随着人工智能技术的迅猛发展,越来越多的人希望在家中运行自己的AI集群。传统的AI集群通常需要昂贵的硬件和复杂的配置,但Exo项目正是为了解决这个问题而诞生的。Exo项目旨在让你利用日常电子设备,轻松搭建一个高效的AI集群。本文将详细介绍Exo项目的特点、安装步骤和实战示例。©ivwdcwso(ID:u012172506)Exo项目特点1.广泛的模型支持Exo支持多种流行的AI模型,包括但不限于
- PHY芯片原理
yazhouren
网络
PHY芯片(PhysicalLayerChip)是网络通信设备中的一种重要硬件组件,用于处理OSI模型中的物理层功能。它负责设备之间的物理信号传输和接收,将数字信号转换为适合传输介质的电信号(如光信号、电信号),并在接收端将接收到的信号还原为数字数据。PHY芯片的主要功能信号编码和解码:PHY芯片对传输的数字数据进行编码,转换成可在物理介质上传输的信号。例如,在以太网通信中,PHY将MAC层的数据
- 国产MCU芯片(3):小华半导体
芯片-嵌入式
MCU产品开发从入门到精通mcu
前言:微控制芯片(MCU)作为现代电子化、信息化智能控制的核心元器件之一,是将中央处理器、存储器、定时器/计时器、模拟信号采集模块以及通信接口等集成在一块芯片上的微型控制器。家电与消费市场端仍是国内的MCU厂家下游最大的应用市场和主战场,最近两年正在发力车规级市场,应该是突然如雨后春笋,车规级芯片,有遍地开花之势,比如“他家也有车规级芯片”,这已经不再那么令人惊讶了。国内有哪些厂家呢?兆易创新Gi
- python 监控键盘输入_python 监控键盘输入
weixin_39717121
python监控键盘输入
软件测试精品文章汇总测试基础python测试开发库及项目谷歌如何测试软件python工具书籍下载-持续更新2018软件测试标准汇总下载python测试开发自学每周一练python测试工具开发自学每周一练-2018-06软件测试工具书籍与面试题汇总下载(持续更新)python测试开发自动化测试数据分析...文章python人工智能命理2019-05-131907浏览量Shell历史记录异地留痕审计与
- 21环形数组中最大贡献值
liberty030706
算法数据结构java
问题描述小S拿到了一个长度为nn的环形数组,并定义了两个下标ii和jj的贡献值公式为:f(i,j)=(a_i+a_j)×dist(i,j)其中dist(i,j)是下标ii和jj在数组中的最短距离。小S希望找到一对下标,使得它们的贡献值尽可能大。环形数组的特点是最左和最右的元素也是相邻的。你需要帮助她找到最大贡献值。例如,给定数组[1,2,3],由于是环形数组,任意两个下标的距离都是1,因此f(2,
- 【llm对话系统】大模型源码分析之 LLaMA 位置编码 RoPE
kakaZhui
llama深度学习人工智能AIGCchatgpt
在自然语言处理(NLP)领域,Transformer模型已经成为主流。然而,Transformer本身并不具备处理序列顺序的能力。为了让模型理解文本中词语的相对位置,我们需要引入位置编码(PositionalEncoding)。本文将深入探讨LLaMA模型中使用的RotaryEmbedding(旋转式嵌入)位置编码方法,并对比传统的Transformer位置编码方案,分析其设计与实现的优势。1.传
- 【计算机视觉】目标跟踪应用
油泼辣子多加
计算机视觉计算机视觉目标跟踪人工智能
一、简介目标跟踪是指根据目标物体在视频当前帧图像中的位置,估计其在下一帧图像中的位置。视频帧由t到t+1的检测,虽然也可以使用目标检测获取,但实际应用中往往是不可行的,原因如下:目标跟踪的目的是根据目标在当前视频帧图像中的位置,预测其在下一帧图像中的位置。然而,使用目标检测直接获取目标位置的方式在实际应用中存在一些限制,主要原因如下:1.实时性问题频繁检测开销大:目标检测通常需要对每一帧的整个图像
- 计算机基础知识经典问答题,计算机基础知识问答题及答案一
剑胆书心
计算机基础知识经典问答题
计算机基础知识试题及答案(一)一、选择题(1)第四代计算机的主要逻辑元件采用的是A)晶体管B)小规模集成电路C)电子管D)大规模和超大规模集成电路(2)下列叙述中,错误的是A)把数据从内存传输到硬盘叫写盘B)把源程序转换为目标程序的过程叫编译C)应用软件对操作系统没有任何要求D)计算机内部对数据的传输、存储和处理都使用二进制(3)计算机硬件的五大基本构件包括:运算器、存储器、输入设备、输出设备和A
- Mooncake:面向大语言模型服务的以 KVCache 为中心的架构
步子哥
AGI通用人工智能语言模型架构人工智能
摘要Mooncake是Kimi的服务平台,Kimi是由MoonshotAI提供的领先的LLM服务。它采用以KVCache为中心的分解架构,将预填充和解码集群分离。它还利用GPU集群未充分利用的CPU、DRAM和SSD资源来实现KVCache的分解缓存。Mooncake的核心是其以KVCache为中心的调度器,它在满足延迟相关的服务水平目标(SLO)的同时,平衡了最大化整体有效吞吐量。与假设所有请求
- Deepseek爆火背后的多Token技术预测
明哲AI
AIGC人工智能大模型RAG多token预测deepseek
近年来,大语言模型(LLMs)的发展如火如荼,它们在聊天机器人、文档生成、代码编写等领域大放异彩。然而,随着模型规模的增加,生成效率也成为了一大瓶颈。传统的自回归语言模型需要逐字生成(token-by-token),这种方式不仅耗时,还限制了模型在实时场景中的表现。那么,有没有一种方法可以加快生成速度,同时保持文本质量?答案是:多Token预测(Multi-TokenPrediction,MTP)
- 进阶之路:从传统编程到AI大模型与Prompt驱动的爬虫技术
大模型老炮
人工智能prompt爬虫语言模型大模型学习AI大模型
前言爬虫相信很多人都对此有所了解,它主要依靠编写代码实现对网页结构的解析,通过模拟浏览器行为获取目标数据!随着人工智能技术的发展,LLM大模型的出现为爬虫技术带来了新的思路。与传统的编程模式不同,使用AI大模型+prompt可以显著提高程序员的编程效率。通过结合人工智能和自然语言处理技术,开发者可以更加高效地编写爬虫代码,并实现对网页内容的智能解析和提取。前置内容下面我将通过爬取豆瓣电影top25
- 开源模型应用落地-qwen模型小试-Qwen2.5-7B-Instruct-LangGraph-链式处理(一)
开源技术探险家
开源模型-实际应用落地#深度学习自然语言处理语言模型langchain
一、前言在当今人工智能快速发展的时代,大语言模型不断迭代升级,为各种复杂任务的处理提供了强大的支持。LangGraph作为一种创新的架构,其链式处理机制为充分发挥LLMs的潜力提供了新的途径。Qwen2.5模型是一款备受瞩目的大语言模型,它具备出色的语言理解和生成能力,在广泛的自然语言处理任务中都展现出了卓越的性能。其在语言的准确性、逻辑性以及对复杂语义的把握上都有着突出的表现,为基于它进行的各类
- 一文搞懂python的face_recognition人脸识别库
码上飞扬
python开发语言人脸识别
随着人工智能和机器学习的快速发展,人脸识别技术在安全监控、身份验证、智能相册等领域的应用越来越广泛。Python作为一门简洁高效的编程语言,其丰富的库支持使得人脸识别的实现变得更加容易。本文将介绍如何使用Python的face_recognition库来实现基本的人脸识别功能。一、face_recognition库简介1.1什么是face_recognition库?face_recognition
- 国科大-算法中的最优化方法-林
手板心里煎鱼吃
算法性能优化matlab
2024国科大-算法中的最优化方法-林刚考完,把复习资料也发出来,学弟学妹可以参考学习一下。总的来说不是很难,由于开卷转闭卷的原因,大部分都是原题,在ppt以及网上都能找到。考过内容汇总:A前面是几个填空题,主要考察凸函数,拟凸函数,单峰函数这些的图像判断,以及通过等高线图找到梯度方向(第一个ppt上的最后一页的那个图)。填空题主要就是考察这些基本概念。第二大题给了4个题目,让判断是属于哪种规划(
- 【DeepSeek】大模型强化学习训练GRPO算法,你学会了吗?
FF-Studio
DeepSeekR1算法
如果你还不知道GRPO,你可以先看这篇帖子:【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源?看了论文跟没看一样?做两道题练练!曾经最痛恨的应试教育,却能让你深深记住这知识点。由ChatGPTo1pro生成,o1pro的输出token和写作能力比DeepSeekR1强。GRPO原论文链接:https://arxiv.org/abs/2402.03300GRPO中译文链接:ht
- AIGC常见基础概念
GISer_Jinger
人工智能AIGC机器学习ai
AIGC(AIGeneratedContent,人工智能生成内容)是近年来快速发展的领域,涉及文本生成、图像生成、音频生成、视频生成等。以下是AIGC常见的面试题目及其详解:1.AIGC基础概念什么是AIGC?它的主要应用场景有哪些?定义:AIGC是指利用人工智能技术自动生成内容,包括文本、图像、音频、视频等。应用场景:文本生成:新闻写作、广告文案、代码生成(如GitHubCopilot)。图像生
- AI时代的人类增强:道德考虑与身体增强的未来发展策略分析预测
AI大模型应用之禅
AI大模型与大数据javapythonjavascriptkotlingolang架构人工智能
人类增强、AI、道德、身体增强、未来发展策略、预测1.背景介绍人类文明自诞生以来,就一直在探索如何超越自身的局限性。从使用工具到发明火,从农业文明到工业革命,每一次进步都代表着人类对自身能力的提升。如今,人工智能(AI)的快速发展,为人类提供了前所未有的机会,让我们迈向一个全新的时代——AI时代的人类增强时代。AI时代的人类增强,是指通过人工智能技术,提升人类的认知能力、身体能力和生活质量。这不仅
- linux GPMC驱动调试笔记
NearXDU
linuxlinux驱动GPMC调试
考试周一直复习没有更博,突然发现这个月已然过去了一大半。学习这个事情还是要有连续性才能找到节奏,包括之前的JSP&Servlet的学习也耽搁了不少,远不如上个月来的充实,也是时候写一篇博客记录一下最近做项目的一些进展。废话不多说,先来简单介绍一下GPMC。TI特有的总线但是中文资料较少,有过嵌入式驱动开发经验的人最初一定会接触GPIO,而GPMC与GPIO类似,说白了就是一种总线扩展,通过配置其寄
- DeepSeek简介
RobinDevNotes
人工智能
一、DeepSeek是什么?DeepSeek是由中国顶尖AI团队深度求索(DeepSeekInc.)自主研发的通用大语言模型体系,其研发始于2023年,致力于突破认知智能的边界。作为国内首个全面对标GPT-4技术架构的AI大模型,DeepSeek系列涵盖从7B到超千亿参数的完整模型矩阵,在数学推理、代码生成、多轮对话等核心能力上达到国际领先水平。目前已衍生出DeepSeek-R1、DeepSeek
- 9.1 LangChain深度解析:大模型应用开发的“万能胶水”与核心架构设计
少林码僧
AI大模型应用实战专栏langchaingpt人工智能chatgpt
LangChain深度解析:大模型应用开发的“万能胶水”与核心架构设计关键词:LangChain教程、大模型应用开发、AI开发框架、LangChain核心模块、智能体开发一、LangChain是什么?重新定义大模型应用开发范式LangChain是一个专为大语言模型(LLM)应用开发设计的开源框架,由HarrisonChase于2022年创建。它被开发者社区称为“AI应用开发的乐高积木”——通过标准
- Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
后端
JanusPro是DeepSeek开发的一个开源多模态人工智能框架,它通过集成视觉和语言处理能力,提供了高性能的多模态任务处理能力。在线体验:https://deepseek-januspro.com/背景JanusPro于2025年1月发布,是一个开源的多模态AI框架,能够同时处理视觉和语言信息。它采用了独特的多模态架构,包括解耦的视觉编码框架和统一的Transformer架构,以及SigLIP
- 《深度剖析Q-learning中的Q值:解锁智能决策的密码》
人工智能深度学习
在人工智能的飞速发展进程中,强化学习作为一个关键领域,为智能体与环境交互并学习最优行为策略提供了有效框架。其中,Q-learning算法凭借其独特的魅力,在机器人控制、自动驾驶、游戏AI等众多领域大放异彩。而Q-learning中的Q值,更是理解这一算法的核心关键,它如同智能体的“智慧密码”,指导着智能体在复杂环境中做出最优决策。Q值的直观定义:行为价值的“预言家”从直观层面理解,Q值代表着智能体
- STM32 ADC
Asa319
stm32#定时器外设stm32嵌入式硬件单片机
stm32单片机-ADC-技术详细解+程序示范(FREERTOS+HAL+多通道+DMA)-知乎(zhihu.com)记录自己的嵌入式学习之路-CSDN博客【STM32】ADC_stm32adc-CSDN博客STM32——ADC篇(ADC的使用)_stm32adc-CSDN博客【STM32ADC】-CSDN博客
- mysql 单表 并发_mysql怎么支撑百万级并发-对于同一个表,MySQL支持多少个并发操作...
weixin_39878991
mysql单表并发
到服务器的SQL最大并发连接数为16384、mysql百万级数据查询。受服务器配置和网络环境的限制,实际服务器支持的并发连接数量会更小。MySQL流量大,并发问题高因为mysql是一个线程的连接,当并发性高的时候,每秒需要几百甚至是线程,在这里创建和销毁线程很容易说。需要大量的内存,线程缓存命中率的下降,以及创建破坏线程的性能的提高——这个问题并不是特别大,重点是底层的mysql来瞬间处理这几百个
- C++11 for区间遍历:vector几种遍历方式
小桥流水人家_
C++
近来,基本上所有现代编程语言都有一种对一个区间写for循环的便捷方式。最终,C++也有了相同的概念;你可以给循环提供一个容器,它帮你迭代。example:#include#include#includeusingnamespacestd;intmain(){vectornum{3,7,1,7,9};//修改你正在迭代的容器的值,或者你想避免拷贝大的对象for(auto&it:num){coutnu
- Redis部署方式全解析:优缺点大对比
恩爸编程
redisredis数据库缓存redis部署方式对比redis部署介绍redis有几种部署方式redis怎样部署
Redis部署方式全解析:优缺点大对比一、引言Redis作为一款高性能的内存数据库,在分布式系统、缓存、消息队列等众多场景中都有着广泛的应用。选择合适的Redis部署方式,对于系统的性能、可用性、可扩展性以及成本等方面都有着至关重要的影响。本文将详细介绍Redis的几种常见部署方式,并对它们的优缺点进行全面对比。二、单机部署2.1原理单机部署是Redis最基础的部署方式,即将Redis服务安装在一
- 大模型部署工具 llama.cpp 介绍与安装使用
大模型柳儿
llama服务器人工智能web安全linux安全
1.大模型部署工具llama.cpp大模型的研究分为训练和推理两个部分。训练的过程,实际上就是在寻找模型参数,使得模型的损失函数最小化,推理结果最优化的过程。训练完成之后,模型的参数就固定了,这时候就可以使用模型进行推理,对外提供服务。llama.cpp(https://github.com/ggerganov/llama.cpp)主要解决的是推理过程中的性能问题。主要有两点优化:llama.cp
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p