- 深度学习目标检测中的_单目测距原理与实现 关键点及改进建议
QQ_767172261
单目测距深度学习目标检测人工智能
深度学习目标检测中的_单目测距原理与实现关键点及改进建议文章目录单目测距的进一步解释1.焦距的确定2.物体宽度\(W\)的获取3.图像处理技巧4.提高性能的建议5.实现代码中的注释添加一、前言单目视觉测距:网上有很多关于单目测距的文章,主要借鉴的是OpenCV学习笔记(二十一)——简单的单目视觉测距尝试和单目摄像机测距(python+opencv)两篇文章,在这里特别作出说明。工作环境:Ubunt
- Python 图像处理进阶:特征提取与图像分类
极客代码
玩转Python玩转AI开发语言python图像处理人工智能
特征提取特征提取是计算机视觉中的一个重要环节,它可以从图像中提取出有助于后续处理的特征,比如用于识别和分类的关键点、纹理等。常见的特征提取方法包括SIFT、SURF和ORB等。SIFT(尺度不变特征变换)SIFT是一种用于检测图像中的关键点及其描述符的方法。SIFT特征具有尺度不变性和旋转不变性,适用于图像匹配和识别。原理:SIFT通过在不同尺度的空间内寻找极值点来检测关键点,并利用梯度方向的直方
- Qwen2.5-Max
百态老人
笔记大数据人工智能
Qwen2.5-Max是阿里巴巴于2024年1月29日发布的一款旗舰级人工智能模型,基于混合专家(MoE)架构开发,拥有超过20万亿tokens的超大规模预训练数据。这一模型在多项权威基准测试中展现了卓越的性能,超越了包括DeepSeekV3、GPT-4和Claude-3.5-Sonnet在内的多款国际顶尖AI模型,标志着中国AI技术在高性能、低成本路线上的重大突破。技术特点与优势超大规模预训练数
- ChatGPT-4o和ChatGPT-4o mini的差异点
老六哥_AI助理指南
人工智能chatgpt
在人工智能领域,OpenAI再次引领创新潮流,近日正式发布了其最新模型——ChatGPT-4o及其经济实惠的小型版本ChatGPT-4oMini。这两款模型虽同属于ChatGPT系列,但在性能、应用场景及成本上展现出显著的差异。本文将通过图文并茂的方式,深入解析两者之间的不同点。一、性能差异ChatGPT-4o:全能型语言模型多模态处理能力:ChatGPT-4o不仅限于文本处理,更能够实时处理和生
- 第一章: AIGC概述
野老杂谈
AIGC时代的创新与未来AIGC大模型人工智能神经网络
1.AIGC的定义与历史1.1什么是AIGC?AIGC,全称为人工智能生成内容(ArtificialIntelligenceGeneratedContent),是一种利用人工智能技术来自动生成各种类型内容的方式。这些内容包括文字、图像、音频和视频等。简单来说,就是让计算机像人一样创作。例如,AI可以生成一篇文章、一幅画、一段音乐,甚至是一部短视频。AIGC是如何运作的?AIGC的核心技术包括机器学
- Ubuntu16.04环境下安装cuda10+pytorch1.2
小楼昨夜,东风
pytorch深度学习神经网络
1、背景环境:Ubuntu16.04&titanx作为新一代的人工智能训练平台的PYTORCH,有其独特的优势,为此,完整的安装这一平台,是开展所有工作的首要条件,一开始,笔者认为应该轻松的完成,但是发现实际上要从零完成这一工作,尤其是在NVIDIATITANX下,是需要3~4天的摸索的,为了便于后续的工作,也为了后面使用的童鞋,写下这篇文章,闲话少说,先上最终完成shell输出。xxx@xxxU
- 深度学习盛行,还记得哪些传统机器学习方法和模型?
硬件学长森哥
人工智能深度学习机器学习人工智能
开头森哥说:假期前后在准备成像技术的总结,目前已完成两部分,争取在摸索出一些编辑和运营技巧后,完善成一个系列和大家见面;当然也有可能会通过一些更加贴合摄影实用的角度出一些更加浅显的内容。最终如何呈现还需要慢慢摸索。传统机器学习是指在深度学习盛行之前开发的机器学习和人工智能技术。这些传统方法通常依赖于手工设计的特征提取和模型结构。而深度学习是一种机器学习技术,它通过深层神经网络从原始数据中学习特征表
- 1、PyTorch 简介
找个栗子
PyTorch开始到scipytorch人工智能python
PyTorch是什么?首先,我们讲PyTorch,我们先讲它的前身--torch。1、torchTorch是PyTorch的前身,Torch是一个有着悠久历史的机器学习框架,最初由RonanCollobert、SoumithChintala和KorayKavukcuoglu等人开发。Torch是以Lua语言为基础,在2002年左右就开始逐渐发展起来,在计算机视觉、自然语言处理等领域有一定的应用。o
- 探索自然语言处理的前沿:使用OpenAI API进行文本分析
qq_37836323
自然语言处理easyui人工智能python
#引言自然语言处理(NLP)是人工智能领域中最令人兴奋和快速发展的部分之一。本文将介绍如何使用OpenAI的API进行文本分析。我们将通过代码示例,深入探讨如何利用这些工具来提升应用程序的智能和功能。#主要内容##什么是OpenAIAPI?OpenAIAPI提供了强大的自然语言处理能力,能够帮助开发者在自己的应用中集成先进的语言模型。这些模型可以用于文本生成、情感分析、翻译等多种任务。##使用AP
- 【PyTorch】6.张量运算函数:一键开启!PyTorch 张量函数的宝藏工厂
Icomi_
805.Pytorch入门pytorch人工智能pythonc语言c++深度学习机器学习
目录1.常见运算函数个人主页:Icomi专栏地址:PyTorch入门在深度学习蓬勃发展的当下,PyTorch是不可或缺的工具。它作为强大的深度学习框架,为构建和训练神经网络提供了高效且灵活的平台。神经网络作为人工智能的核心技术,能够处理复杂的数据模式。通过PyTorch,我们可以轻松搭建各类神经网络模型,实现从基础到高级的人工智能应用。接下来,就让我们一同走进PyTorch的世界,探索神经网络与人
- 语音识别播报人工智能分类垃圾桶(论文+源码)
沐欣工作室_lvyiyi
人工智能语音识别毕业设计PLC单片机单片机毕业设计
2.1需求分析本次语音识别播报人工智能分类垃圾桶,设计功能要求如下∶1、具有四种垃圾桶,分别为用来回收厨余垃圾,有害垃圾,可回收垃圾,其他垃圾。2、当用户语音说出“旧报纸”,“剩菜”等特定词语时,系统可以通过语音识别模块准确检测出该垃圾属于何种类型,。3、根据检测出的垃圾类型,系统通过舵机自动打开相应的垃圾桶,并通过语音播报模块提醒用户。2.2系统整体设计针对分成需求,设计了如图2.1所示的整体系
- 《AI逆袭:科技与人类的终极对决,谁才是未来的主宰?》
云边有个稻草人
热门文章人工智能科技
目录第一章:人工智能的崛起1.1AI技术的基础与发展1.2AI的技术分支1.3AI的应用领域第二章:AI与人类的关系2.1AI对就业的影响2.2AI与伦理问题2.3AI与创意的结合第三章:AI的未来:谁才是主宰?3.1AI与人类的合作3.2AI的自主性与未来3.3AI与社会的融合第四章:AI技术实践——代码示例4.1图像分类(使用TensorFlow)结语导语人工智能(AI)无疑是当前科技发展的热
- OpenCV在Python 3.6中的安装与应用教程
北海有座岛
本文还有配套的精品资源,点击获取简介:OpenCV是一个功能丰富的计算机视觉库,适用于图像处理和分析。本文将介绍如何在Python3.6环境下安装和使用OpenCV,包括处理网络安装困难时的替代方案。同时,本文也涵盖了如何通过预编译的二进制文件(.whl)简化安装过程,并介绍了OpenCV的扩展模块和基础使用方法。1.OpenCV简介和应用领域OpenCV简介OpenCV(OpenSourceCo
- Python unstructured库详解:partition_pdf函数完整参数深度解析
engchina
LINUXpythonpdf1024程序员节Unstructuredpartition_pdf
Pythonunstructured库详解:partition_pdf函数完整参数深度解析1.简介2.基础文件处理参数2.1文件输入参数2.2页面处理参数3.文档解析策略3.1strategy参数详解3.2策略选择建议4.表格处理参数4.1表格结构推断5.语言处理参数5.1语言设置6.图像处理参数6.1图像提取配置6.2图像提取优化7.表单处理参数7.1表单提取配置7.2表单处理场景8.元数据参数
- 自然语言编程:用 Cursor 将需求转化为代码
drebander
AI编程Cursor
引言在传统编程中,开发者需要精确掌握语法规则、API接口和框架特性才能实现功能需求。然而,随着人工智能技术的发展,以自然语言交互为核心的编程方式正在颠覆这一流程。Cursor作为一款智能编程助手,通过其自然语言编程功能,允许开发者直接通过文本描述生成代码,将模糊的需求快速转化为可执行的程序。本文将深入探讨Cursor的自然语言交互能力,并通过实际案例(如生成React组件、Python脚本等),展
- (04)python-opencv图像处理——图像阈值、平滑图像、形态转换、图像梯度
欲游山河十万里
#opencv-python#深度学习#人工智能pythonopencv图像处理
目录前言一、图像阈值1.1简单的阈值法1.2自适应阈值二、平滑图像2.1二维卷积(图像滤波)2.2图像模糊2.2.1均值模糊2.2.2高斯模糊2.2.3中值滤波2.2.4双边滤波三、形态转换1、腐蚀2、膨胀3、开运算4、闭运算四、图像梯度Sobel和Scharr微分参考文前言在本博文中,进行图像阈值、平滑图像、形态转换、图像梯度的学习以及介绍。一、图像阈值在本部分中,你会学到简单阈值法,自适应阈值
- 模式识别与机器学习(Python实现):基于sklearn朴素贝叶斯模型实现男女分类
CV视界
模式识别机器学习与图像处理机器学习python人工智能
模式识别与机器学习(Python实现):基于sklearn朴素贝叶斯模型和pazen窗方法实现男女分类欢迎大家来到安静到无声的《模式识别与人工智能(程序与算法)》,如果对所写内容感兴趣请看模式识别与人工智能(程序与算法)系列讲解-总目录,同时这也可以作为大家学习的参考。欢迎订阅,优惠价只需9.9元,请多多支持!目录标题模式识别与机器学习(Python实现):基于sklearn朴素贝叶斯模型和paz
- ️ 在 Windows WSL 上部署 Ollama 和大语言模型的完整指南20241206
Narutolxy
技术干货分享智浪初航windows语言模型人工智能
️在WindowsWSL上部署Ollama和大语言模型的完整指南引言随着大语言模型(LLM)和人工智能的飞速发展,越来越多的开发者尝试在本地环境中部署大模型进行实验。然而,由于资源需求高、网络限制多以及工具复杂性,部署过程常常充满挑战。本指南基于实际经验,详细讲解如何在WindowsWSL(WindowsSubsystemforLinux)上部署Ollama和大语言模型,同时解决端口转发等常见痛点
- 无需标定板!Galibr:无需目标的LiDAR相机外参标定新方法
计算机视觉工坊
3D视觉从入门到精通数码相机自动驾驶
编辑:3DCV添加小助理:dddvision,备注:方向+学校/公司+昵称,拉你入群。文末附行业细分群扫描下方二维码,加入3D视觉知识星球,星球内凝聚了众多3D视觉实战问题,以及各个模块的学习资料:近20门视频课程(星球成员免费学习)、最新顶会论文、3D视觉最新模组、3DGS系列(视频+文档)、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研,欢迎扫码加入!写在前面这篇文章
- 【图像处理】基于双目立体匹配的景深计算(Matlab代码实现)
然哥爱编程
图像处理matlab数码相机
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1.双目相机标定2.图像预处理3.特征提取与匹配4.视差计算5.深度图生成与校正6.景深计算7.误差分析与优化应用领域2运行结果3参考文献4Matlab代码实现1概述双目立体匹配一直是双眼视觉的研究热点。双目相机捕获同一场景的左右视点图像,使用立体匹配
- 程序代码篇---项目目录结构&HSV掩膜&Opencv图像处理
Ronin-Lotus
程序代码篇学习PythonopencvHSV图像处理项目目录
文章目录前言第一部分:项目目录结构第二部分:HSV提取HSV色调(Hue)含义取值范围饱和度(Saturation)含义取值范围亮度(Value)含义取值范围第三部分:Opencv图像处理1.读取和显示图像2.转换颜色空间3.边缘检测4.形态变换5.图像阈值6.图像平滑7.图像轮廓总结前言以上就是今天要讲的内容,本文简单介绍了项目目录结构、HSV掩膜、Opencv图像处理第一部分:项目目录结构一个
- 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
- Ollama 部署 DeepSeek - r1 教程:Windows 与 Linux 篇
Fgaoxing
windowslinux人工智能
在人工智能技术飞速发展的今天,能够在本地部署并使用先进的模型成为许多技术爱好者和专业人士的追求。DeepSeek-r1以其出色的性能备受关注,借助Ollama工具,我们可以方便地在Windows和Linux系统上完成部署。下面就为大家详细介绍具体步骤。一、准备工作在开始部署之前,需要确保已经安装了Ollama。如果尚未安装,请按照以下对应系统的安装方法进行操作。(一)Windows系统安装Olla
- DeepSeek:开启智能搜索与AI发展的新纪元
gs80140
AI人工智能
在人工智能领域,DeepSeek正以其卓越的技术创新和强大的性能表现,成为全球瞩目的焦点。作为一款基于深度学习技术的智能搜索引擎和AI模型,DeepSeek不仅在技术上取得了重大突破,还在多个应用场景中展现了巨大的应用潜力,为用户带来了前所未有的智能体验。一、DeepSeek简介DeepSeek由杭州深度求索人工智能基础技术研究有限公司推出,是一款集自然语言处理(NLP)、计算机视觉(CV)、强化
- 【Java】已解决java.lang.ClassNotFoundException异常
屿小夏
java开发语言
个人简介:某不知名博主,致力于全栈领域的优质博客分享|用最优质的内容带来最舒适的阅读体验!文末获取免费IT学习资料!文末获取更多信息精彩专栏推荐订阅收藏专栏系列直达链接相关介绍书籍分享点我跳转书籍作为获取知识的重要途径,对于IT从业者来说更是不可或缺的资源。不定期更新IT图书,并在评论区抽取随机粉丝,书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新,涵盖机器学习、深度学习、自然
- 【Python】一文教你快速遍历文件夹下所有文件
鸽芷咕
python开发语言
鸽芷咕:个人主页个人专栏:《C++干货基地》《粉丝福利》⛺️生活的理想,就是为了理想的生活!博主简介博主致力于嵌入式、Python、人工智能、C/C++领域和各种前沿技术的优质博客分享,用最优质的内容带来最舒适的阅读体验!在博客领域获得C/C++领域优质、CSDN年度征文第一、掘金2023年人气作者、华为云享专家、支付宝开放社区优质博主等头衔。个人社区&个人社群加入点击即可介绍加入链接个人社群社群
- 小南每日 AI 资讯 |美国与日本企业联合投资“星际之门”项目| 罗永浩老师最新初创项目上线! | 25/01/24
小南AI学院
人工智能microsoft
近期人工智能(AI)领域的重要动态随着人工智能技术的迅猛发展,多个领域涌现出令人瞩目的创新。以下是近期AI领域的几项重大进展,涵盖技术创新、行业合作以及AI在各个领域的应用:1.AI技术创新与产品发布DeepSeek发布开源模型R1,挑战传统开发模式中国初创公司深度求索(DeepSeek)于1月27日发布开源AI模型R1。该模型以低成本实现接近OpenAIGPT-3的性能,打破了“越大越好”的传统
- AIGC的底层框架和技术模块
五岔路口
AIGC
AIGC(ArtificialIntelligenceGeneratedContent,人工智能生成内容)的底层框架和技术模块是构建其强大自然语言处理能力的核心组成部分。以下是对AIGC底层框架和技术模块的详细解析:底层框架AIGC的底层框架主要基于深度学习的语言模型,特别是Transformer模型及其变种,如GPT(GenerativePre-trainedTransformer)等。这些模型
- C语言实现图像二值化变换项目源码
爽新全效瓷兔膏
本文还有配套的精品资源,点击获取简介:本项目提供了一个C语言编程案例,专门用于解决图像处理中的“百马百担”问题,即图像二值化。项目展示如何使用C语言进行图像的读取、处理和保存,特别是二值化转换的实现,通过设定阈值将图像简化为黑白色调,以突出其特征。源码中包括了图像读取、阈值设置、像素遍历和图像写入等关键步骤,适合C语言学习者和图像处理领域开发者学习实践。1.C语言图像处理简介简介C语言作为一种高效
- 什么是MOE架构?哪些大模型使用了MOE?
明哲AI
AIGC架构人工智能大模型MOE
在人工智能快速发展的今天,大语言模型(LLM)的规模越来越大,参数量动辄上千亿甚至万亿。然而,更大的模型往往意味着更高的计算成本和更多的资源消耗。混合专家模型(MixtureofExperts,简称MoE)作为一种创新的架构设计,为解决这一难题提供了一个优雅的解决方案。什么是混合专家模型?想象一下,如果把一个大语言模型比作一所综合性大学,传统的模型就像是让所有教授(参数)都参与每一次教学活动。而M
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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/
import java.util.ArrayList;
import java.util.List;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置