- AI大模型部署:Ollama与vLLM部署对比:哪个更合适?
大模型部署
langchain人工智能dockerllamaLLM程序员Ollama
前言近年来,大语言模型(LLM)的应用日益广泛,而高效的部署方案至关重要。Ollama和vLLM作为两种流行的LLM部署工具,各有优劣。本文将深入比较Ollama和vLLM的部署方式,帮助选择最合适的方案。Ollama:简单易用的LLM部署工具Ollama以其简洁的安装和易于使用的特性而闻名。其官方文档清晰易懂,即使是新手也能快速上手。Ollama支持多种LLM模型,并提供便捷的命令行界面进行管理
- 最强开源大模型炸场!全网独一份AI大模型学习实践资源...(待会删)
大模型应用
人工智能大数据promptlangchainAgentai大模型LLM
今年科技圈的热点,除了裁员,就是被各种“AI大模型”新闻刷屏。GPT、Sora还在霸榜…开源大模型又来炸场!Meta发布Llama3系列模型,号称「最强大的开源大模型」,震撼科技圈!毫不夸张地说,AI大模型正在颠覆程序员的价值!很多大厂一边裁员,一边用百万年薪挖掘懂AI大模型的人,打工人的职业危机至少被提前5年。普通程序员想在技术上不掉队,还要增加收入,关键在于——拥抱技术红利,掌握AI大模型项目
- 2024年开源数据集地址汇总包含最新最全数据集在这你可以找到任何想要数据集
萌萌哒240
深度学习目标跟踪人工智能计算机视觉
目标检测数据集和图像分类数据集是计算机视觉领域的两大重要资源,它们为训练和评估各种视觉模型提供了关键的数据支持。目标检测数据集主要用于训练模型以识别和定位图像中的特定物体。这类数据集通常包含大量的标注图像,每张图像中都标记了多个物体的位置和类别。例如,COCO(CommonObjectsinContext)数据集就是一个常用的目标检测数据集,它包含了80个类别的日常物体,如人、车、动物等,并提供了
- 物理测试暴击AI圈,DeepSeek R1稳超o1、Claude,我们已进入RL黄金时代
AI生成曾小健
LLM大语言模型人工智能
物理测试暴击AI圈,DeepSeekR1稳超o1、Claude,我们已进入RL黄金时代原创关注大模型的机器之心2025年01月25日12:06北京机器之心报道我们都没预料到,AI领域的2025年是这样开始的。DeepSeekR1真是太厉害了!最近,「神秘的东方力量」DeepSeek正在「硬控」硅谷。我让R1详细解释勾股定理。这一切都是AI在不到30秒时间里一次性完成的,没出任何错。简单来说,its
- 国产大模型 DeepSeek,能跟 ChatGPT 一战,还不用梯子,确定不试试?
集成显卡
AI/人工智能chatgpt
深度求索公司最新推出的自研MoE模型DeepSeek-V3,多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型,并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲我尝试了下,同样的编码场景,通义千问给出的答案没有实际帮助,但是DeekSeek却告之具体的实现步骤与依据,一大利器呀!其效果跟ChatGPT比都不遑多让,关键是国内
- OpenAI 实战进阶教程 - 第1节:OpenAI API 架构与基础调用
山海青风
人工智能人工智能pythonprompt
目标掌握OpenAIAPI的基础调用方法。理解如何通过API进行内容生成。使用实际应用场景帮助零基础读者理解API的基本用法。一、什么是OpenAIAPI?OpenAIAPI是一种工具,允许开发者通过编程方式与OpenAI的强大语言模型(例如gpt-3.5-turbo和gpt-4)进行交互。简单来说,它就像一个“AI助手”,可以回答问题、生成文本、总结信息等。实际应用场景举例:**客户支持自动化:
- Win + R 开启 “运行框“ 之小蛙与大灰【1.1】
adnyting
开发语言
告示:提供给windows10/11用户,使用运行框之故事[1.1]。"通过运行对话框快速启动系统组件或程序":运行命令(runcommand)or快捷启动命令结构:1.运行框介绍2.运行框处理指令分析3.运行框原理剖析附.常用打开界面/程序的(?)支持:1.Windows自带的一些工具【知乎】(AL)2.官方文档【Microsoft】(AL)AL:AccessLink1️⃣运行框介绍一、运行框由
- 一张图看懂AI技术架构!开发、训练、部署全链路深度解析!
和老莫一起学AI
人工智能数据挖掘学习llamaai大模型程序员
人工智能(AI)技术的快速发展,使得企业在AI模型的开发、训练、部署和运维过程中面临前所未有的复杂性。从数据管理、模型训练到应用落地,再到算力调度和智能运维,一个完整的AI架构需要涵盖多个层面,确保AI技术能够高效、稳定地运行。本文将基于AI技术架构全景图,深入剖析AI的开发工具、AI平台、算力与框架、智能运维四大核心部分,帮助大家系统性地理解AI全生命周期管理。一、AI开发工具:赋能高效开发,提
- 什么是“知识蒸馏”
清风AI
深度学习人工智能神经网络pythonconda
定义与原理在深度学习领域不断突破的同时,模型的复杂度和计算需求也随之增加。为了解决这一问题,知识蒸馏技术应运而生,成为模型压缩和性能优化的重要手段。本节将详细介绍知识蒸馏的基本概念、工作原理和知识迁移机制。知识蒸馏是一种将大型预训练模型(教师模型)的知识转移到较小模型(学生模型)的技术。这种方法不仅能保留原有模型的性能,还能显著降低模型的复杂度和计算需求,使其更适合在资源受限的环境中部署。知识蒸馏
- DIY单片机串口打印函数print
时空自由民.
单片机串口通信printf函数ROM空间DIY函数
原始的单片机串口只能发送单字节数据,再加个封装也就能发送个字符串,但是无法发送数字变量,要发送数字变量那基本要引入C语言的库函数printf,但是这个pintf函数好用确实是好用但是有个很大的缺点相对于小存储容量的单片机来说,就是占用存储容量特别大,我曾在51单片机上测试引入个printf函数占用1KBROM空间,这就离谱了我那个51单片机一共才8KBROM,这就不能使用printf函数了,太占用
- o1、GPT4、GPT4o 这三个有什么区别?
开心的AI频道
人工智能
核心观点:GPT-4擅长文本处理和推理,GPT-4o主打多模态交互,而O1则专注于深度推理和逻辑分析,三者各有侧重,应用场景也大不相同。截至2024年12月,OpenAI已发布13个模型,模型能力已从最初的文本处理拓展到写作、编程、多模态和推理等,实现了从“文科生”到“全科学霸”的飞跃。然而,在众多模型中,GPT-4、GPT-4o和O1三款模型可谓是经典与转型之“模”。GPT-4作为ChatGPT
- 根据每月流量和市场份额排名前20 的AI工具列表
开心的AI频道
人工智能
ChatGPT:由OpenAI研发,是一款对话式大型语言模型。它能够理解自然语言输入,生成连贯且符合逻辑的回复。可用于文本创作,如撰写文章、故事、诗歌;还能解答各种领域的知识问题,提供翻译、代码解释等服务,在多种场景下辅助用户解决语言相关需求。Canva:作为在线图形设计平台,拥有海量的模板资源,涵盖海报、名片、社交媒体帖子、演示文稿等多种类型。用户无需专业设计技能,通过简单的拖放操作即可使用其丰
- DeepSeek 使用的核心技术预测
eso1983
人工智能深度学习机器学习python
最近DeepSeek这个词算是火遍了整个AI圈,这个影响力迅速超过ChatGPT的产品,都会使用哪些技术来做支撑呢。我这里简单做了一下梳理,结果不一定会完全准确,但是对这类产品的技术架构有个大概的认识。以下是我对可能涉及的技术架构的梳理,希望大家踊跃参与评论。1.大规模预训练模型架构Transformer变种与优化:基于Transformer架构进行改进,可能引入稀疏注意力机制(如Longform
- LLM - 大模型 ScallingLaws 的设计 100B 预训练方案(PLM) 教程(5)
ManonLegrand
大模型(LLM)人工智能LLMScalingLaws100B预训练DeepNormEGS
欢迎关注我的CSDN:https://spike.blog.csdn.net/本文地址:https://spike.blog.csdn.net/article/details/145356022免责声明:本文来源于个人知识与公开资料,仅用于学术交流,欢迎讨论,不支持转载。ScalingLaws(缩放法则)是大模型领域中,用于描述模型性能(Loss)与模型规模N、数据量D、计算资源C之间关系的经验规
- 数字化转型导师坚鹏:AI大模型DEEPSEEK重构人工智能格局的里程碑
银行数字化转型导师坚鹏
人工智能重构DEEPSEEKAI
数字化转型导师坚鹏:AI大模型DEEPSEEK重构人工智能格局的里程碑在人工智能领域迅猛发展的浪潮中,每一次重大技术突破都犹如一颗投入平静湖面的巨石,激起千层浪。DEEPSEEK的发布,无疑是近期人工智能领域最受瞩目的事件之一。凭借其独特的技术优势和创新理念,DEEPSEEK迅速在全球人工智能舞台上崭露头角,对现有的人工智能格局产生了多维度、深层次的影响。一、技术突破:从"追赶者"到"规则制定者"
- python之多线程
sixkery
python基础
注:本文是廖大的教程文章,本人也在学习,因为老是记不住,自己手打一边,代码也是亲自测试。廖大传送门多线程多个任务可以由多进程完成,也可以由一个进程内的多线程完成。一个线程由多个进程组成,一个进程至少有一个线程。由于线程是操作系统直接支持的单元,因此,高级语言都内置多线程的支持,python也不例外,并且,python的线程是真正的PosixThread,不是模拟出来的线程。python的标准库提供
- ONNX推理warning: TensorRT does not natively support INT64. Attempting to cast down to INT32.
paradoxjun
人工智能
只想用ONNX进行模型推理,加载时报Warning,加载模型时间也特别长。加载模型的代码:self.session=onnxruntime.InferenceSession(model_path,providers=onnxruntime.get_available_providers())修改为:self.session=onnxruntime.InferenceSession(model_pa
- 【DeepSeek全解析】最全面的问答指南,一文读懂!
程序员辣条
人工智能大模型大模型教程大模型学习大模型入门AI程序员
DeepSeek在国内大模型创业领域独树一帜。它出身不凡,背后有量化私募巨头幻方支持,曾因储备万张A100芯片引人瞩目,后凭DeepSeekV2开源模型引爆大模型价格战,以超低推理成本震撼行业,让大厂纷纷跟进。其成功源于深度技术创新,MLA架构等大幅降本,打破行业常规,获国际认可。团队极具特色,成员年轻且多为本土清北应届生,从实习生到核心成员都能凭兴趣与能力崭露头角,如代达劢、朱琪豪等学术成果丰硕
- 全平台制霸!零门槛在本地解锁DeepSeek R1:Ollama+OpenWebUI终极部署手册
程序员辣条
人工智能大模型LLamaAI产品经理大模型学习DeepSeek大模型教程
纯干货教程,无需GPU也能玩转大模型!三平台通用教程带你20分钟搭建私有AI大脑一、环境准备:Ollama全平台安装指南▍Windows玩家专属通道1.访问Ollama官网下载.exe安装包2.双击安装后自动创建环境变量3.Win+R打开CMD验证安装:ollama--version▍macOS极简操作#一行命令搞定安装curl-fsSLhttps://ollama.ai/install.sh|s
- 决策树ID3算法
小波LFZZB
算法决策树机器学习数据挖掘sklearn
决策树决策树概念决策树,一种基于规则的机器学习方法,主要用于分类和回归,常用作机器学习中的预测模型。树形结构图,树中每个节点表示某个对象,每个分叉路径代表的某个可能的属性值,每个叶结点对应从根节点到该叶节点所经历的路径所表示的对象的值。它通过递归地划分数据空间并在每个分区内拟合一个简单的预测模型来工作。选择分区是为了在每个细分中最大化目标变量的同质性。决策树特点1.树形结构决策树由根节点、内部节点
- 波士顿房价预测
苏轼喜欢玩电脑
浙师大506实验室
波士顿房价预测任务波士顿地区的房价是由诸多因素影响的。该数据集统计了13种可能影响房价的因素和该类型房屋的均价,期望构建一个基于13个因素进行房价预测的模型,因为房价是一个连续值,所以房价预测显然是一个回归任务。用最简单的线性回归模型解决这个问题,并用神经网络来实现这个模型。线性回归模型假设房价和各影响因素之间能够用线性关系来描述:y=∑j=1Mxjwj+by={\sum_{j=1}^Mx_jw_
- 软件工程导论期末试题
答案资料
软件工程
软件工程导论期末考试试题一.选择(20分)1、瀑布模型把软件生命周期划分为八个阶段:问题的定义、可行性研究、软件需求分析、系统总体设计、详细设计、编码、测试和运行、维护。八个阶段又可归纳为三个大的阶段:计划阶段、开发阶段和(C)。A、详细计划B、可行性分析C、运行阶段D、测试与排错2、从结构化的瀑布模型看,在它的生命周期中的八个阶段中,下面的几个选项中哪个环节出错,对软件的影响最大(C)。A、详细
- 软件工程导论期末考试试题
答案资料
软件工程
软件工程导论期末考试试题一.选择1、瀑布模型把软件生命周期划分为八个阶段:问题的定义、可行性研究、软件需求分析、系统总体设计、详细设计、编码、测试和运行、维护。八个阶段又可归纳为三个大的阶段:计划阶段、开发阶段和(C)。A、详细计划B、可行性分析C、运行阶段D、测试与排错2、从结构化的瀑布模型看,在它的生命周期中的八个阶段中,下面的几个选项中哪个环节出错,对软件的影响最大(C)。A、详细设计阶段B
- Unity接入Minimax语音模型, 将mp3转化成AudioClip
NuageL
虚拟恋人unity游戏引擎ai
我不会Unity,但是看到b站一位大佬做的虚拟恋人,于是想做一下伸手党。大佬视频:【chatGPT+unity+Azure+VRoid】AI女友对话,源码分享,零基础手搓二次元妹子,打造专属的AI女友不是梦_哔哩哔哩_bilibili语音合成部分,大佬已经集成了很多百度云语音api,但是因为本人很菜,设备也不太好,所以用本地大模型感觉暂时有点困难(之后想继续学习)不过百度云语音的声音有点难听,所以
- TensorFlow 示例摄氏度到华氏度的转换(一)
李建军
TensorFlowtensorflow人工智能python
TensorFlow实现神经网络模型来进行摄氏度到华氏度的转换,可以将其作为一个回归问题来处理。我们可以通过神经网络来拟合这个简单的转换公式。1.数据准备与预处理2.构建模型3.编译模型4.训练模型5.评估模型6.模型应用与预测7.保存与加载模型8.完整代码1.数据准备与预处理你提供了摄氏度和华氏度的数据,并进行了标准化。标准化是为了使数据适应神经网络的训练,因为标准化可以加快训练过程并提高模型性
- 华为OD2024机试最新E卷题库-(A+B+C+D+E)
蜗牛快快快快跑
华为od算法数据结构贪心算法排序算法动态规划
在这个精心策划的专栏中,我们聚焦于华为OD2024机试的最新E卷题库,涵盖JS、C、C++、Java与Python五大编程语言,旨在为挑战者提供全面而深入的备战资源。这里不仅有精选的实战题目,还有详尽的解题思路与代码实现,帮助你掌握核心算法,理解数据结构,提升编程技巧。以下是每个卷宗的详细,可以通过直接点击试卷链接查看练习试卷编号备注OD-E卷原题+个人代码+思路解析,95%以上的通过率,方便大家
- 软件工程概论试题四
minaMoonGirl
软件工程
一、单选1.瀑布模型的关键不足在于()。A.不能适应需求的动态变更B.过于灵活C.各个阶段需要进行评审D.过于简单正答:A2.具有风险分析的软件生存周期模型是()。A.瀑布模型B.喷泉模型C.螺旋模型D.增量模型正答:C3.下面的图描述的是哪种软件过程模型()A.瀑布模型B.敏捷开发C.原型开发D.集成与配置正答:D二、多选4.软件工程的三要素是什么?A.工具B.过程!C.结构化D.方法E.数据流
- 监督学习、无监督学习和强化学习的特点和应用场景
BugNest
AI学习ai机器学习人工智能
在机器学习中,监督学习、无监督学习和强化学习是三种核心的学习范式,它们各自具有独特的特点和应用场景。以下是对这三种学习方法的详细对比和总结:监督学习(SupervisedLearning)特点:数据标注:训练数据包含明确的输入特征和对应的标签(目标输出)。学习方式:模型通过学习输入特征和标签之间的关系来进行训练,这种关系通常表现为一个映射函数。预测能力:一旦训练完成,模型能够对新的、未见过的输入数
- 三相PWM整流器有限集模型预测电流控制Simulink仿真模型
wlz249
matlab
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2运行结果2.1模型2.2直流侧电压输出波形2.3交流侧电压、电流2.4脉冲信号3参考文献4Simulink仿真实现1概述三相PWM整流器有限集模型预测电流控制Simulink仿真模型.在这个模型中,我们将使用Simulink来建立一个三相PWM整流器的仿真模型
- DiffuEraser: 一种基于扩散模型的视频修复技术
扫地僧985
音视频
视频修复算法结合了基于流的像素传播与基于Transformer的生成方法,利用光流信息和相邻帧的信息来恢复纹理和对象,同时通过视觉Transformer完成被遮挡区域的修复。然而,这些方法在处理大范围遮挡时常常会遇到模糊和时序不一致的问题,这凸显了增强生成能力模型的重要性。近期,由于扩散模型在图像和视频生成方面展现出了卓越的性能,已成为一种重要的技术。在本文中,我们介绍了DiffuEraser,这
- 枚举的构造函数中抛出异常会怎样
bylijinnan
javaenum单例
首先从使用enum实现单例说起。
为什么要用enum来实现单例?
这篇文章(
http://javarevisited.blogspot.sg/2012/07/why-enum-singleton-are-better-in-java.html)阐述了三个理由:
1.enum单例简单、容易,只需几行代码:
public enum Singleton {
INSTANCE;
- CMake 教程
aigo
C++
转自:http://xiang.lf.blog.163.com/blog/static/127733322201481114456136/
CMake是一个跨平台的程序构建工具,比如起自己编写Makefile方便很多。
介绍:http://baike.baidu.com/view/1126160.htm
本文件不介绍CMake的基本语法,下面是篇不错的入门教程:
http:
- cvc-complex-type.2.3: Element 'beans' cannot have character
Cb123456
springWebgis
cvc-complex-type.2.3: Element 'beans' cannot have character
Line 33 in XML document from ServletContext resource [/WEB-INF/backend-servlet.xml] is i
- jquery实例:随页面滚动条滚动而自动加载内容
120153216
jquery
<script language="javascript">
$(function (){
var i = 4;$(window).bind("scroll", function (event){
//滚动条到网页头部的 高度,兼容ie,ff,chrome
var top = document.documentElement.s
- 将数据库中的数据转换成dbs文件
何必如此
sqldbs
旗正规则引擎通过数据库配置器(DataBuilder)来管理数据库,无论是Oracle,还是其他主流的数据都支持,操作方式是一样的。旗正规则引擎的数据库配置器是用于编辑数据库结构信息以及管理数据库表数据,并且可以执行SQL 语句,主要功能如下。
1)数据库生成表结构信息:
主要生成数据库配置文件(.conf文
- 在IBATIS中配置SQL语句的IN方式
357029540
ibatis
在使用IBATIS进行SQL语句配置查询时,我们一定会遇到通过IN查询的地方,在使用IN查询时我们可以有两种方式进行配置参数:String和List。具体使用方式如下:
1.String:定义一个String的参数userIds,把这个参数传入IBATIS的sql配置文件,sql语句就可以这样写:
<select id="getForms" param
- Spring3 MVC 笔记(一)
7454103
springmvcbeanRESTJSF
自从 MVC 这个概念提出来之后 struts1.X struts2.X jsf 。。。。。
这个view 层的技术一个接一个! 都用过!不敢说哪个绝对的强悍!
要看业务,和整体的设计!
最近公司要求开发个新系统!
- Timer与Spring Quartz 定时执行程序
darkranger
springbean工作quartz
有时候需要定时触发某一项任务。其实在jdk1.3,java sdk就通过java.util.Timer提供相应的功能。一个简单的例子说明如何使用,很简单: 1、第一步,我们需要建立一项任务,我们的任务需要继承java.util.TimerTask package com.test; import java.text.SimpleDateFormat; import java.util.Date;
- 大端小端转换,le32_to_cpu 和cpu_to_le32
aijuans
C语言相关
大端小端转换,le32_to_cpu 和cpu_to_le32 字节序
http://oss.org.cn/kernel-book/ldd3/ch11s04.html
小心不要假设字节序. PC 存储多字节值是低字节为先(小端为先, 因此是小端), 一些高级的平台以另一种方式(大端)
- Nginx负载均衡配置实例详解
avords
[导读] 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。负载均衡先来简单了解一下什么是负载均衡,单从字面上的意思来理解就可以解 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。
负载均衡
先来简单了解一下什么是负载均衡
- 乱说的
houxinyou
框架敏捷开发软件测试
从很久以前,大家就研究框架,开发方法,软件工程,好多!反正我是搞不明白!
这两天看好多人研究敏捷模型,瀑布模型!也没太搞明白.
不过感觉和程序开发语言差不多,
瀑布就是顺序,敏捷就是循环.
瀑布就是需求、分析、设计、编码、测试一步一步走下来。而敏捷就是按摸块或者说迭代做个循环,第个循环中也一样是需求、分析、设计、编码、测试一步一步走下来。
也可以把软件开发理
- 欣赏的价值——一个小故事
bijian1013
有效辅导欣赏欣赏的价值
第一次参加家长会,幼儿园的老师说:"您的儿子有多动症,在板凳上连三分钟都坐不了,你最好带他去医院看一看。" 回家的路上,儿子问她老师都说了些什么,她鼻子一酸,差点流下泪来。因为全班30位小朋友,惟有他表现最差;惟有对他,老师表现出不屑,然而她还在告诉她的儿子:"老师表扬你了,说宝宝原来在板凳上坐不了一分钟,现在能坐三分钟。其他妈妈都非常羡慕妈妈,因为全班只有宝宝
- 包冲突问题的解决方法
bingyingao
eclipsemavenexclusions包冲突
包冲突是开发过程中很常见的问题:
其表现有:
1.明明在eclipse中能够索引到某个类,运行时却报出找不到类。
2.明明在eclipse中能够索引到某个类的方法,运行时却报出找不到方法。
3.类及方法都有,以正确编译成了.class文件,在本机跑的好好的,发到测试或者正式环境就
抛如下异常:
java.lang.NoClassDefFoundError: Could not in
- 【Spark七十五】Spark Streaming整合Flume-NG三之接入log4j
bit1129
Stream
先来一段废话:
实际工作中,业务系统的日志基本上是使用Log4j写入到日志文件中的,问题的关键之处在于业务日志的格式混乱,这给对日志文件中的日志进行统计分析带来了极大的困难,或者说,基本上无法进行分析,每个人写日志的习惯不同,导致日志行的格式五花八门,最后只能通过grep来查找特定的关键词缩小范围,但是在集群环境下,每个机器去grep一遍,分析一遍,这个效率如何可想之二,大好光阴都浪费在这上面了
- sudoku solver in Haskell
bookjovi
sudokuhaskell
这几天没太多的事做,想着用函数式语言来写点实用的程序,像fib和prime之类的就不想提了(就一行代码的事),写什么程序呢?在网上闲逛时发现sudoku游戏,sudoku十几年前就知道了,学生生涯时也想过用C/Java来实现个智能求解,但到最后往往没写成,主要是用C/Java写的话会很麻烦。
现在写程序,本人总是有一种思维惯性,总是想把程序写的更紧凑,更精致,代码行数最少,所以现
- java apache ftpClient
bro_feng
java
最近使用apache的ftpclient插件实现ftp下载,遇见几个问题,做如下总结。
1. 上传阻塞,一连串的上传,其中一个就阻塞了,或是用storeFile上传时返回false。查了点资料,说是FTP有主动模式和被动模式。将传出模式修改为被动模式ftp.enterLocalPassiveMode();然后就好了。
看了网上相关介绍,对主动模式和被动模式区别还是比较的模糊,不太了解被动模
- 读《研磨设计模式》-代码笔记-工厂方法模式
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;
/*
* 工厂方法模式:使一个类的实例化延迟到子类
* 某次,我在工作不知不觉中就用到了工厂方法模式(称为模板方法模式更恰当。2012-10-29):
* 有很多不同的产品,它
- 面试记录语
chenyu19891124
招聘
或许真的在一个平台上成长成什么样,都必须靠自己去努力。有了好的平台让自己展示,就该好好努力。今天是自己单独一次去面试别人,感觉有点小紧张,说话有点打结。在面试完后写面试情况表,下笔真的好难,尤其是要对面试人的情况说明真的好难。
今天面试的是自己同事的同事,现在的这个同事要离职了,介绍了我现在这位同事以前的同事来面试。今天这位求职者面试的是配置管理,期初看了简历觉得应该很适合做配置管理,但是今天面
- Fire Workflow 1.0正式版终于发布了
comsci
工作workflowGoogle
Fire Workflow 是国内另外一款开源工作流,作者是著名的非也同志,哈哈....
官方网站是 http://www.fireflow.org
经过大家努力,Fire Workflow 1.0正式版终于发布了
正式版主要变化:
1、增加IWorkItem.jumpToEx(...)方法,取消了当前环节和目标环节必须在同一条执行线的限制,使得自由流更加自由
2、增加IT
- Python向脚本传参
daizj
python脚本传参
如果想对python脚本传参数,python中对应的argc, argv(c语言的命令行参数)是什么呢?
需要模块:sys
参数个数:len(sys.argv)
脚本名: sys.argv[0]
参数1: sys.argv[1]
参数2: sys.argv[
- 管理用户分组的命令gpasswd
dongwei_6688
passwd
NAME: gpasswd - administer the /etc/group file
SYNOPSIS:
gpasswd group
gpasswd -a user group
gpasswd -d user group
gpasswd -R group
gpasswd -r group
gpasswd [-A user,...] [-M user,...] g
- 郝斌老师数据结构课程笔记
dcj3sjt126com
数据结构与算法
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
- yii2 cgridview加上选择框进行操作
dcj3sjt126com
GridView
页面代码
<?=Html::beginForm(['controller/bulk'],'post');?>
<?=Html::dropDownList('action','',[''=>'Mark selected as: ','c'=>'Confirmed','nc'=>'No Confirmed'],['class'=>'dropdown',])
- linux mysql
fypop
linux
enquiry mysql version in centos linux
yum list installed | grep mysql
yum -y remove mysql-libs.x86_64
enquiry mysql version in yum repositoryyum list | grep mysql oryum -y list mysql*
install mysq
- Scramble String
hcx2013
String
Given a string s1, we may represent it as a binary tree by partitioning it to two non-empty substrings recursively.
Below is one possible representation of s1 = "great":
- 跟我学Shiro目录贴
jinnianshilongnian
跟我学shiro
历经三个月左右时间,《跟我学Shiro》系列教程已经完结,暂时没有需要补充的内容,因此生成PDF版供大家下载。最近项目比较紧,没有时间解答一些疑问,暂时无法回复一些问题,很抱歉,不过可以加群(334194438/348194195)一起讨论问题。
----广告-----------------------------------------------------
- nginx日志切割并使用flume-ng收集日志
liyonghui160com
nginx的日志文件没有rotate功能。如果你不处理,日志文件将变得越来越大,还好我们可以写一个nginx日志切割脚本来自动切割日志文件。第一步就是重命名日志文件,不用担心重命名后nginx找不到日志文件而丢失日志。在你未重新打开原名字的日志文件前,nginx还是会向你重命名的文件写日志,linux是靠文件描述符而不是文件名定位文件。第二步向nginx主
- Oracle死锁解决方法
pda158
oracle
select p.spid,c.object_name,b.session_id,b.oracle_username,b.os_user_name from v$process p,v$session a, v$locked_object b,all_objects c where p.addr=a.paddr and a.process=b.process and c.object_id=b.
- java之List排序
shiguanghui
list排序
在Java Collection Framework中定义的List实现有Vector,ArrayList和LinkedList。这些集合提供了对对象组的索引访问。他们提供了元素的添加与删除支持。然而,它们并没有内置的元素排序支持。 你能够使用java.util.Collections类中的sort()方法对List元素进行排序。你既可以给方法传递
- servlet单例多线程
utopialxw
单例多线程servlet
转自http://www.cnblogs.com/yjhrem/articles/3160864.html
和 http://blog.chinaunix.net/uid-7374279-id-3687149.html
Servlet 单例多线程
Servlet如何处理多个请求访问?Servlet容器默认是采用单实例多线程的方式处理多个请求的:1.当web服务器启动的