- Python实现链接MinIO,并将文件数据从MinIO批量下载并保存到本地
写python的鑫哥
Python课堂pythonMinIO文件下载数据存储存储桶Buckets文件夹下载
前言本文是该专栏的第43篇,后面会持续分享python的各种干货知识,值得关注。MinIO是一个高性能的对象存储服务,它兼容亚马逊S3云存储服务接口,非常适合于存储大容量非结构化的数据,比如说“图片、视频、日志文件、备份数据和容器/虚拟机镜像”等。MinIO原生支持Kubernetes,可以用于构建云存储服务。MinIO可以在标准硬件上运行,非常适合私有云和边缘计算场景。MinIO提供了存储桶级粒
- Haskell语言的安全开发
慕璃嫣
包罗万象golang开发语言后端
Haskell语言的安全开发引言在现代软件开发中,安全性已经成为一个不可忽视的重要方面。一方面,随着信息技术的发展,各类网络攻击和安全漏洞层出不穷;另一方面,越来越多的项目要求遵循高安全标准,以保护用户的隐私和数据。在众多编程语言中,Haskell凭借其强大的类型系统和函数式编程模型,提供了许多内置特性来帮助开发者编写安全的代码。本文将深入探讨Haskell语言的安全开发方法,包含其特性、最佳实践
- 基于深度学习的大规模模型训练
SEU-WYL
深度学习dnn深度学习人工智能dnn
基于深度学习的大规模模型训练涉及训练具有数百万甚至数十亿参数的深度神经网络,以处理复杂的任务,如自然语言处理、计算机视觉和语音识别。以下是关于基于深度学习的大规模模型训练的详细介绍:1.背景和动机数据和模型规模增长:随着数据量和模型复杂度的增加,传统的单机或小规模集群训练难以满足需求。计算资源需求:大规模模型训练需要大量计算资源和存储,单一设备无法满足。任务复杂性:处理复杂任务(如GPT-3、BE
- 开关电源matlab仿真,用数学方法建立一种开关电源全系统的仿真模型
照月鱼yoyi
开关电源matlab仿真
引言通过数学的方法,把小功率开关电源系统表示成数学模型和非线性控制模型,建立一种开关电源全系统的仿真模型,提高了仿真速度。Matlab是一个高级的数学分析软件,Simulink是运行在Matlab环境下,用于建模、仿真和分析动态系统的软件包,它支持连续、离散及两者混合的线性及非线性系统。在Matlab5.2中推出了电力系统工具箱,该工具箱可以与Simulink配合使用,能够更方便地对电力电子系统进
- 「DeepSeek接班OpenAI」,最新开源的R1推理模型,让AI圈爆了
人工智能学家
人工智能
来源:前沿科技分享圈近日,AI领域迎来了一次重大突破,DeepSeek正式推出了其最新研发的开源推理模型——DeepSeek-R1。这一模型在数学、代码和自然语言推理等关键任务上的表现,已经能够与OpenAI的o1正式版相媲美,引发了AI研究者和从业者的广泛关注。多阶段训练:创新的模型架构DeepSeek-R1的训练方式采用了多阶段循环的策略,具体包括基础训练、强化学习(RL)、微调等多个阶段。这
- DeepSeek R1:AI领域的新标杆
XianxinMao
人工智能
标题:DeepSeekR1:AI领域的新标杆文章信息摘要:DeepSeek的R1模型在性能上与OpenAI的o1模型相当,甚至在某些方面更具优势,尤其在成本控制上表现出色。R1模型通过开源策略展示了其在AI领域的开放态度,推动了技术的广泛发展。此外,R1-Zero模型通过强化学习和测试时计算实现了强大的推理能力,无需监督微调数据,标志着中国在AI领域的快速崛起,挑战美国的主导地位。AI模型在推理能
- 软考-软件设计师(8)-系统开发与软件工程:UML、网络计划技术、软件过程模型、系统开发方法论、设计模式、敏捷开发、软件测试、软件质量保证、项目管理、开发工具、环路复杂性、数据库设计等高频考点
霸道流氓气质
软考软件工程设计模式软考软件设计师
场景软考-软件设计师-系统开发与软件工程模块高频考点整理。以下为高频考点、知识点汇总。软件设计师上午选择题知识点、高频考点、口诀记忆技巧、经典题型汇总:软考-软件设计师(1)-计算机基础知识点:进制转换、数据编码、内存编址、串并联可靠性、海明校验码、吞吐率、多媒体等:软考-软件设计师(1)-计算机基础知识点:进制转换、数据编码、内存编址、串并联可靠性、海明校验码、吞吐率、多媒体等-CSDN博客软考
- 【学习心得】Python好库推荐——PEFT
小oo呆
【学习心得】人工智能python语言模型
一、PEFT是什么?PEFT(Parameter-EfficientFine-Tuning)是一种在深度学习中进行参数高效微调的技术。这种技术主要应用于大型预训练模型的微调过程中,目的是在保持模型性能的同时减少所需的计算资源和时间。通过PEFT,可以有效地调整模型以适应特定任务或数据集,而无需对整个模型的所有参数进行全面微调。二、PEFT使用场景在计算资源有限的情况下,如边缘设备、移动设备或低成本
- 深度学习训练模型损失Loss为NaN或者无穷大(INF)原因及解决办法
余弦的倒数
学习笔记机器学习深度学习pytorch深度学习人工智能机器学习
文章目录一、可能原因==1.学习率过高====2.batchsize过大==3.梯度爆炸4.损失函数不稳定5.数据预处理问题6.数据标签与输入不匹配7.模型初始化问题8.优化器设置问题9.数值问题==10.模型结构设计缺陷==二、调试步骤三、常见预防措施一、可能原因1.学习率过高原因:学习率过高可能导致梯度爆炸,权重更新幅度过大,导致模型参数变为无穷大或NaN。学习率设置过大是常见问题,它会让参数
- Python中的heapq介绍
余弦的倒数
Python学习笔记python开发语言
heapq是Python标准库中的一个模块,专门用于处理堆数据结构,它提供了一些非常便捷的函数来操作最小堆(元素按照从小到大的顺序排列,堆顶元素最小),以下是详细介绍:1.主要函数heapify(iterable):功能:将一个可迭代对象就地转化为堆结构。这个操作的时间复杂度是O(n)O(n)O(n),其中nnn是可迭代对象的元素个数。示例:importheapqmy_list=[3,1,4,1,
- 深度解读大语言模型中的Transformer架构
老三不说话、
transformer
一、Transformer的诞生背景传统的循环神经网络(RNN)和长短期记忆网络(LSTM)在处理自然语言时存在诸多局限性。RNN由于其递归的结构,在处理长序列时容易出现梯度消失和梯度爆炸的问题。这导致模型难以捕捉长距离的依赖关系,对于复杂的自然语言文本,无法有效地学习到上下文的关键信息。LSTM虽然在一定程度上缓解了梯度消失的问题,但依然存在梯度不稳定的情况。而且,RNN和LSTM在计算过程中,
- 模型高效推理--剪枝基础
绒绒毛毛雨
大模型算法剪枝深度学习人工智能
文章目录一、剪枝基础1.剪枝定义2.剪枝时机二、剪枝的分类1.按照剪枝粒度分类(粗➡️细)A.结构化剪枝a.隐藏层剪枝(LayerPruning)b.通道剪枝(ChannelPruning)c.卷积核剪枝(KernelPruning)B.非结构化剪枝a.核内权重剪枝(IntraKernelWeightPruning)b.单个权重剪枝(WeightPruning)C.特殊情况a.Token剪枝(To
- 云原生网络架构
key_3_feng
云原生网络云原生架构
着云原生技术的不断发展和演进,实现容器间互联的云原生网络架构也在不断地进行优化和完善,从Docker本身的动态端口映射网络模型到CNCF的CNI容器网络接口,再到“ServiceMesh+CNI”层次化的SDN。容器网络以容器的典型实现Docker为例,其自身在网络架构上默认采用桥接模式,即Linux网桥模式,创建的每一个Docker容器都会桥接到这个docker0的网桥上,形成一个二层互联的网络
- 微服务架构的九大核心组件:构建现代应用的基石
了尘风镜
架构微服务云原生
在当今的软件开发领域,微服务架构已经成为构建可扩展、灵活且易于维护的应用程序的首选方法。微服务架构允许将应用程序分解为一组小型、独立的服务,每个服务都围绕特定的业务功能构建,并且可以独立部署和扩展。这种架构模式不仅提高了开发效率,还增强了系统的可维护性和可扩展性。本文将深入探讨微服务架构的九大核心组件,以及它们如何协同工作以构建现代应用程序。1.API网关(APIGateway)API网关是微服务
- LLM应用架构实战:基于LangChain的企业级最佳实践
LLM教程
langchain大模型人工智能本地化部署Agent程序员LLM
前言随着ChatGPT等大语言模型的广泛应用,越来越多的企业开始将LLM整合到其业务系统中。然而,从概念验证(PoC)到生产环境的转换过程中,往往会遇到诸多技术挑战。本文将基于实际项目经验,分享LLM应用开发中的架构设计、性能优化、成本控制等关键环节和解决方案。1.LLM应用的特殊性在开始具体的架构设计之前,我们需要深入理解LLM应用区别于传统应用的几个关键特性。这些特性将直接影响我们的架构设计决
- 【Unity 资源包】HEROIC FANTASY WERE-CREATURES PACK 高质量的角色资源包,专为幻想题材游戏设计,尤其适合那些涉及狼人、变身生物或奇幻怪物的游戏项目
Unity游戏资源学习屋
Unity插件
HEROICFANTASYWERE-CREATURESPACK是一个高质量的角色资源包,专为幻想题材游戏设计,尤其适合那些涉及狼人、变身生物或奇幻怪物的游戏项目。该插件包含多个详细建模的角色,配有丰富的动画集,能够帮助游戏开发者轻松集成幻想世界中的英雄、怪物或敌人角色。详细介绍:角色模型:该资源包提供了多个变身生物角色,最显著的包括狼人和狼人战士等。这些角色模型设计精细,拥有高质量的贴图和详细的材
- 构建高效LLM应用开发架构的关键策略
AI天才研究院
计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能大厂程序员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AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
文章标题:构建高效LLM应用开发架构的关键策略在当今快速发展的技术世界中,人工智能(AI)已经成为推动创新的核心动力。其中,大型语言模型(LLM)的应用开发尤为引人注目。LLM通过处理和理解自然语言,为各种场景提供了强大的智能解决方案,从智能客服到内容生成,再到教育应用,都有着广泛的应用前景。然而,高效地构建LLM应用开发架构面临着诸多挑战,包括性能、可扩展性和安全性等。本文将深入探讨构建高效LL
- 通过命令行工作流提升工作效率的实战教程(持续更新)
herosunly
大模型工作流实战教程
大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。 本文主要介绍了通过命令行工作流提升工作效率的实战教程,希望对使用大语言模型的同学们有所
- 【YOLO11改进 - Backbone主干】LSKNet:旋转目标检测新网络,通过DW卷积核和空间选择机制来动态调整目标的感受野
YOLO大师
目标检测网络人工智能yolov11YOLOpython计算机视觉
YOLOv11目标检测创新改进与实战案例专栏文章目录:YOLOv11创新改进系列及项目实战目录包含卷积,主干注意力,检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv11目标检测创新改进与实战案例文章目录YOLOv11目标检测创新改进与实战案例专栏介绍摘要创新点文章链接基本原理**LSKNet的结构**3.2大核卷积3.3空间核选择核心代码YOLO11引入代码tasks注册步骤1
- YOLOv10改进策略【卷积层】| ICCV-2023 LSK大核选择模块 包含二次独家创新
Limiiiing
YOLOv10改进专栏YOLO目标检测计算机视觉深度学习
一、本文介绍本文记录的是利用大核选择模块LSK优化YOLOv10的目标检测网络模型。在大尺寸图像中的小目标检测任务中,一直是个难题,无法仅基于外观实现较好的识别,因此需要广泛的上下文信息进行辅助。但不同物体所需的上下文信息范围不同,为了更好地对这些特性进行建模,本文利用大核选择模块二次创新C3k2,使模型能够产生具有各种大感受野的多个特征的同时,动态地根据输入调整模型的行为,使网络更好地适应图像中
- AI大模型在智能客服系统中的应用
季风泯灭的季节
AI大模型应用技术二人工智能
目录引言1.基于大模型的智能客服系统架构2.对话生成与上下文管理对话生成上下文管理3.提高客服系统响应精度的策略1.使用专门训练的数据集2.引入实体识别和意图分类3.反馈循环和持续优化4.AI大模型在企业中的优化与调优策略1.模型微调(Fine-tuning)2.模型蒸馏(ModelDistillation)3.响应延迟优化4.持续监控与反馈结论引言随着人工智能(AI)技术的不断发展,AI大模型在
- 【PHP】Laravel 介绍 史上最优雅的 PHP 框架
Ustinian_310
laravelphp
1.Laravel介绍Laravel是一个开源的PHPWeb应用框架,由TaylorOtwell创建并于2011年6月首次发布。它遵循模型-视图-控制器(MVC)架构模式,旨在简化Web开发的任务,提供了一套丰富的功能,帮助开发者快速构建安全、可扩展的Web应用程序。附注:文末附有Laravel的社区入口,感兴趣的小伙伴可以去社区寻找更多学习资料以下是Laravel的一些主要特点和组件:核心特点M
- PHP Laravel框架 模型与数据库
余味鱼尾
数据库phplaravel
在Laravel框架中,模型与数据库是最核心的部分之一。模型是Laravel与数据库交互的主要方式,而数据库操作则通过Laravel的EloquentORM(对象关系映射)实现。Eloquent提供了一个非常强大且直观的方式来处理数据,使得与数据库的交互变得更加简单和高效。1.了解Laravel的数据库操作Laravel使用EloquentORM作为数据库交互的主要方式。ORM是一种映射关系型数据
- 基于Simulink的卫星姿态和轨道控制的状态反馈控制器仿真
xiaoheshang_123
MATLAB开发项目实例1000例专栏手把手教你学MATLAB专栏算法数学建模
目录项目背景系统描述步骤1:设计状态反馈控制器1.1定义系统参数1.2状态空间模型1.3设计状态反馈控制器步骤2:在Simulink中实现状态反馈控制器2.1创建新的Simulink模型2.2添加被控对象模型卫星姿态动力学模型2.3实现状态反馈控制器2.4添加参考轨迹生成器2.5添加初始条件2.6连接反馈回路2.7添加控制增益2.8添加输出显示步骤3:运行仿真并分析结果3.1设置仿真参数3.2运行
- 深度学习(DL/ML)学习路径
jackl的科研日常
深度学习学习人工智能
最近几年,尤其是自从2016年AlphaGo打败李世石事件后,人工智能技术受到了各行业极大关注。其中以机器学习技术中深度学习最受瞩目。主要原因是这些技术在科研领域和工业界的应用效果非常好,大幅提升了算法效率、降低了成本。因而市场对相关技术有了如此大的需求。我在思考传统行业与这些新兴技术结合并转型的过程中,亦系统的回顾了深度学习及其相关技术。本文正是我在学习过程中所作的总结。我将按照我所理解的学习路
- Transformer模型结构分析:Encoder、Decoder以及注意力机制详解
AI天才研究院
Python实战大数据AI人工智能自然语言处理人工智能语言模型编程实践开发语言架构设计
作者:禅与计算机程序设计艺术1.简介Transformer模型由论文[1]提出,其基本思想是使用注意力机制代替循环神经网络(RNN)或卷积神经网络(CNN),是一种基于序列到序列(Seq2seq)的机器翻译、文本摘要、对话系统等任务的成功范例。Transformer模型使用全连接层代替RNN和CNN的门控结构,并用多头注意力机制进行了改进,能够在捕捉全局上下文信息的同时,还保持输入输出序列之间的独
- 原神更新5.3版本,如何在M芯片的Mac上爽玩原神
Mac俱乐部
Mac电脑新手入门原神PlayCovermacos
原神5.3版本更新说明新增内容新角色玛薇卡、茜特菈莉、蓝砚、旅行者(火)「焚夜以炎·玛薇卡(火)」,纳塔的领袖,继承「基扬戈兹」之古名,使用双手剑的五星火元素角色;「白星黑曜·茜特菈莉(冰)」,米克特兰的大萨满,使用法器的五星冰元素角色;「翦玉编春·蓝砚(风)」,沉玉谷手工艺工会藤编大师,使用法器的四星风元素角色;「旅行者(火)」,与七天神像-火共鸣,掌握「火」的元素力后,可以使用全新的元素战技与
- 基于深度学习的行人检测与识别系统:YOLOv5、YOLOv8、YOLOv10与UI界面的实现
2025年数学建模美赛
深度学习YOLOui人工智能分类
引言行人检测与识别技术作为计算机视觉领域的一个重要应用,广泛应用于智能监控、自动驾驶、公共安全等多个领域。行人检测系统的目标是通过图像或视频中的内容,自动识别并定位行人,这项任务在复杂环境中面临着不同的挑战,如多样的行人姿态、遮挡、光照变化等。近年来,深度学习的进步,尤其是目标检测领域的快速发展,为行人检测提供了强有力的支持。YOLO(YouOnlyLookOnce)系列模型,作为目前目标检测领域
- Transformer模型解码器部分实现
APPLECHARLOTTE
#Transfomer模型transformer深度学习人工智能
说明:部分内容来自于网络教程,如有侵权请联系本人删除教程链接:2.4.2解码器-part2_哔哩哔哩_bilibili1.解码器层的作用作为解码器的组成单元,每个解码器层根据给定的输入向目标方向进行特征提取操作,即解码过程。代码实现:classDecoderLayer(nn.Module):def__init__(self,size,self_attn,src_attn,feed_forward,
- 【c++】25.事件驱动的详解
Mister Zhu
c++socket网络编程
事件驱动和异步IO通常,我们写服务器处理模型的程序时,有以下几种模型:(1)每收到一个请求,创建一个新的进程,来处理该请求;(2)每收到一个请求,创建一个新的线程,来处理该请求;(3)每收到一个请求,放入一个事件列表,让主进程通过非阻塞I/O方式来处理请求上面的几种方式,各有千秋,第(1)中方法,由于创建新的进程的开销比较大,所以,会导致服务器性能比较差,但实现比较简单。第(2)种方式,由于要涉及
- Java序列化进阶篇
g21121
java序列化
1.transient
类一旦实现了Serializable 接口即被声明为可序列化,然而某些情况下并不是所有的属性都需要序列化,想要人为的去阻止这些属性被序列化,就需要用到transient 关键字。
- escape()、encodeURI()、encodeURIComponent()区别详解
aigo
JavaScriptWeb
原文:http://blog.sina.com.cn/s/blog_4586764e0101khi0.html
JavaScript中有三个可以对字符串编码的函数,分别是: escape,encodeURI,encodeURIComponent,相应3个解码函数:,decodeURI,decodeURIComponent 。
下面简单介绍一下它们的区别
1 escape()函
- ArcgisEngine实现对地图的放大、缩小和平移
Cb123456
添加矢量数据对地图的放大、缩小和平移Engine
ArcgisEngine实现对地图的放大、缩小和平移:
个人觉得是平移,不过网上的都是漫游,通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.
具体实现:
一、引入命名空间
using ESRI.ArcGIS.Geometry;
using ESRI.ArcGIS.Controls;
二、代码实现.
- Java集合框架概述
天子之骄
Java集合框架概述
集合框架
集合框架可以理解为一个容器,该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。
从本质上来说,Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。
简单介绍:
Collection接口是最基本的接口,它定义了List和Set,List又定义了LinkLi
- 旗正4.0页面跳转传值问题
何必如此
javajsp
跳转和成功提示
a) 成功字段非空forward
成功字段非空forward,不会弹出成功字段,为jsp转发,页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
- 全网唯一:移动互联网服务器端开发课程
cocos2d-x小菜
web开发移动开发移动端开发移动互联程序员
移动互联网时代来了! App市场爆发式增长为Web开发程序员带来新一轮机遇,近两年新增创业者,几乎全部选择了移动互联网项目!传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计,AppStore中超过85%的App项目都选择了PHP作为后端程
- Log4J通用配置|注意问题 笔记
7454103
DAOapachetomcatlog4jWeb
关于日志的等级 那些去 百度就知道了!
这几天 要搭个新框架 配置了 日志 记下来 !做个备忘!
#这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~!
log4j.rootLogger=INFO,allLog
# DAO层 log记录到dao.log 控制台 和 总日志文件
log4j.logger.DAO=INFO,dao,C
- SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager
darkranger
sqlcwindowsSQL ServerXP
当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动..
发现需要启动客户端协议 : TCP/IP
需要打开 SQL Server Configuration Manager...
却发现无法打开 SQL Server Configuration Manager..??
解决方法: C:\WINDOWS\system32目录搜索framedyn.
- [置顶] 做有中国特色的程序员
aijuans
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有些技术书读得可
- document.domain 跨域问题
avords
document
document.domain用来得到当前网页的域名。比如在地址栏里输入:javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值,不过是有限制的,你只能赋成当前的域名或者基础域名。比如:javascript:alert(document.domain = "315ta.com");
- 关于管理软件的一些思考
houxinyou
管理
工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱.
在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下.
做为管理软件,就像现在讲究MVC这
- NoSQL数据库之Redis数据库管理(String类型和hash类型)
bijian1013
redis数据库NoSQL
一.Redis的数据类型
1.String类型及操作
String是最简单的类型,一个key对应一个value,string类型是二进制安全的。Redis的string可以包含任何数据,比如jpg图片或者序列化的对象。
Set方法:设置key对应的值为string类型的value
- Tomcat 一些技巧
征客丶
javatomcatdos
以下操作都是在windows 环境下
一、Tomcat 启动时配置 JAVA_HOME
在 tomcat 安装目录,bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加
set JAVA_HOME=JAVA 安装目录
set JRE_HOME=JAVA 安装目录/jre
即可;
二、查看Tomcat 版本
在 tomcat 安装目
- 【Spark七十二】Spark的日志配置
bit1129
spark
在测试Spark Streaming时,大量的日志显示到控制台,影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上),可以通过修改Spark的日志配置的方式,不让Spark Streaming把它的日志显示在console
在Spark的conf目录下,把log4j.properties.template修改为log4j.p
- Haskell版冒泡排序
bookjovi
冒泡排序haskell
面试的时候问的比较多的算法题要么是binary search,要么是冒泡排序,真的不想用写C写冒泡排序了,贴上个Haskell版的,思维简单,代码简单,下次谁要是再要我用C写冒泡排序,直接上个haskell版的,让他自己去理解吧。
sort [] = []
sort [x] = [x]
sort (x:x1:xs)
| x>x1 = x1:so
- java 路径 配置文件读取
bro_feng
java
这几天做一个项目,关于路径做如下笔记,有需要供参考。
取工程内的文件,一般都要用相对路径,这个自然不用多说。
在src统计目录建配置文件目录res,在res中放入配置文件。
读取文件使用方式:
1. MyTest.class.getResourceAsStream("/res/xx.properties")
2. properties.load(MyTest.
- 读《研磨设计模式》-代码笔记-简单工厂模式
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;
/*
* 个人理解:简单工厂模式就是IOC;
* 客户端要用到某一对象,本来是由客户创建的,现在改成由工厂创建,客户直接取就好了
*/
interface IProduct {
- SVN与JIRA的关联
chenyu19891124
SVN
SVN与JIRA的关联一直都没能装成功,今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤:
一、搭建好SVN环境,尤其是要把SVN的服务注册成系统服务
二、装好JIRA,自己用是jira-4.3.4破解版
三、下载SVN与JIRA的插件并解压,然后拷贝插件包下lib包里的三个jar,放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下,再
- JWFDv0.96 最新设计思路
comsci
数据结构算法工作企业应用公告
随着工作流技术的发展,工作流产品的应用范围也不断的在扩展,开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了),实时生产控制和其它比较重要的工程领域,而
- vi 保存复制内容格式粘贴
daizj
vi粘贴复制保存原格式不变形
vi是linux中非常好用的文本编辑工具,功能强大无比,但对于复制带有缩进格式的内容时,粘贴的时候内容错位很严重,不会按照复制时的格式排版,vi能不能在粘贴时,按复制进的格式进行粘贴呢? 答案是肯定的,vi有一个很强大的命令可以实现此功能 。
在命令模式输入:set paste,则进入paste模式,这样再进行粘贴时
- shell脚本运行时报错误:/bin/bash^M: bad interpreter 的解决办法
dongwei_6688
shell脚本
出现原因:windows上写的脚本,直接拷贝到linux系统上运行由于格式不兼容导致
解决办法:
1. 比如文件名为myshell.sh,vim myshell.sh
2. 执行vim中的命令 : set ff?查看文件格式,如果显示fileformat=dos,证明文件格式有问题
3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了,然后:w
- 高一上学期难记忆单词
dcj3sjt126com
wordenglish
honest 诚实的;正直的
argue 争论
classical 古典的
hammer 锤子
share 分享;共有
sorrow 悲哀;悲痛
adventure 冒险
error 错误;差错
closet 壁橱;储藏室
pronounce 发音;宣告
repeat 重做;重复
majority 大多数;大半
native 本国的,本地的,本国
- hibernate查询返回DTO对象,DTO封装了多个pojo对象的属性
frankco
POJOhibernate查询DTO
DTO-数据传输对象;pojo-最纯粹的java对象与数据库中的表一一对应。
简单讲:DTO起到业务数据的传递作用,pojo则与持久层数据库打交道。
有时候我们需要查询返回DTO对象,因为DTO
- Partition List
hcx2013
partition
Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x.
You should preserve the original relative order of th
- Spring MVC测试框架详解——客户端测试
jinnianshilongnian
上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试,接下来再看看如果测试Rest客户端,对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器,然后发送真实的请求到相应的控制器;这种方式的缺点就是速度慢;自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式,也就是说使用RestTemplate测试时无须启动服务器,而是模拟一
- 关于推荐个人观点
liyonghui160com
推荐系统关于推荐个人观点
回想起来,我也做推荐了3年多了,最近公司做了调整招聘了很多算法工程师,以为需要多么高大上的算法才能搭建起来的,从实践中走过来,我只想说【不是这样的】
第一次接触推荐系统是在四年前入职的时候,那时候,机器学习和大数据都是没有的概念,什么大数据处理开源软件根本不存在,我们用多台计算机web程序记录用户行为,用.net的w
- 不间断旋转的动画
pangyulei
动画
CABasicAnimation* rotationAnimation;
rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"];
rotationAnimation.toValue = [NSNumber numberWithFloat: M
- 自定义annotation
sha1064616837
javaenumannotationreflect
对象有的属性在页面上可编辑,有的属性在页面只可读,以前都是我们在页面上写死的,时间一久有时候会混乱,此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大,可以帮我们省去很多代码,让代码看上去简洁。
下面这个例子 主要用到了
1.自定义annotation:@interface,以及几个配合着自定义注解使用的几个注解
2.简单的反射
3.枚举
- Spring 源码
up2pu
spring
1.Spring源代码
https://github.com/SpringSource/spring-framework/branches/3.2.x
注:兼容svn检出
2.运行脚本
import-into-eclipse.bat
注:需要设置JAVA_HOME为jdk 1.7
build.gradle
compileJava {
sourceCompatibilit
- 利用word分词来计算文本相似度
yangshangchuan
wordword分词文本相似度余弦相似度简单共有词
word分词提供了多种文本相似度计算方式:
方式一:余弦相似度,通过计算两个向量的夹角余弦值来评估他们的相似度
实现类:org.apdplat.word.analysis.CosineTextSimilarity
用法如下:
String text1 = "我爱购物";
String text2 = "我爱读书";
String text3 =