- 线性回归的简单实现
SkaWxp
深度学习深度学习机器学习mxnetgluon
本文是《动手学深度学习》的笔记文章目录线性回归的简单实现生成随机数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型线性回归的简洁实现生成数据集读取数据定义模型初始化模型参数定义损失函数定义优化算法训练模型线性回归的简单实现用了mxnet中的自动求导和数组结构frommxnetimportautograd,ndimportrandom生成随机数据集只有这个是用了自己造的数据,因为线
- 数字孪生下的智慧城市(城市大脑)建设方案——建模层
百态老人
智慧城市人工智能
要构建城市信息模型(CIM)、建筑信息模型(BIM)及仿真模型,并实现L3级精度的核心区三维建模,需结合多源数据与多层级标准,具体步骤如下:1.CIM建模层构建L3级精度标准定义CIM模型分为7级(CIM1-CIM7),其中CIM3级对应标准模型,需满足以下要求:三维框架表达:包括建筑物、道路、场地、管线等实体的基本结构。内外表面建模:用倾斜摄影、BIM或CAD数据细化建筑内外表面细节。数据源:卫
- hive分区和分桶详解
CodeShelby
hive大数据hive
1、分区表分区表实际上就是对应一个HDFS文件系统上的独立的文件夹,该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录,把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区,这样的查询效率会提高很多。1)分区表基本操作(1)引入分区表(需要根据日期对日志进行管理,通过部门信息模拟)dept_20200401.logdept_2020
- Task01:线性回归;Softmax与分类模型、多层感知机
恰人陈
pytorch机器学习深度学习神经网络
一、mxnet相关函数用法mxnet.nd用法对标numpy库(1)nd.concatfrommxnetimportndnd.concat(X,Y,dim=0)nd.concat(X,Y,dim=1)X,Y为两个矩阵nd.concat为连接矩阵,dim表示连接的维度,若原来两个矩阵为(4,3),dim=0就表示新生成矩阵为(8,3)dim=1表示新生成矩阵为(4,6)(2)y+=xy=y+x这样的
- 【单层神经网络】基于MXNet库简化实现线性回归
辰尘_星启
神经网络mxnet线性回归
写在前面同最开始的两篇文章完整程序及注释'''导入使用的库'''#基本frommxnetimportautograd,nd,gluon#模型、网络frommxnet.gluonimportnnfrommxnetimportinit#学习frommxnet.gluonimportlossasgloss#数据集frommxnet.gluonimportdataasgdata'''生成测试数据集'''#
- 初入机器学习
辰尘_星启
机器学习人工智能深度学习pythonmxnet
写在前面本专栏专门撰写深度学习相关的内容,防止自己遗忘,也为大家提供一些个人的思考一切仅供参考概念辨析深度学习:本质是建模,将训练得到的模型作为系统的一部分使用侧重于发现样本集中隐含的规律难点是认识并了解模型,合理设置初始模型,要对建模对象有比较深刻的认识依赖大量的准确训练样本强化学习:本质是系统,直接将训练得到的模型视作系统本身(激进的像“端到端”)侧重于最大化当前环境下的奖励,最终目标是寻找环
- SaaS架构详解
Rainbow酱
架构sasspaas
SaaS架构详解架构图IaaS层定义基础设施即服务(Infrastructure-as-a-Service),指把IT基础设施作为一种服务通过网络对外提供,并根据用户对资源的实际使用量或占用量进行计费的一种服务模式。作用在这种服务模型中,普通用户不用自己构建一个数据中心等硬件设施,而是通过租用的方式,利用Internet从IaaS服务提供商获得计算机基础设施服务,包括服务器、存储和网络等服务。内容
- 线性回归基础学习
Remoa
人工智能线性回归优化gluonmxnetloss
线性回归基础学习目录:理论知识样例代码测试参考文献一、理论知识线性回归思维导图NDArray:MXNet中存储和变换数据的主要工具,提供GPU计算和自动求梯度等功能线性回归可以用神经网络图表示,也可以用矢量计算表示在Gluon中,data模块提供了有关数据处理的工具,nn模块定义了大量神经网络的层,loss模块定义了各种损失函数在MXNet的init模块(initializer)提供了模型参数化的
- 基于Stackelberg博弈的光伏用户群优化定价模型(Matlab代码实现)
砌墙_2301
matlab
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2运行结果3文献来源4Matlab代码、数据、文章下载1概述文献来源:摘要:在由多主体组成的光伏用户群中,用户间存在光伏电量共享。然而,在现有的分布式光伏上网政策下,用户间的共享水平很低。为了提高用户间光伏电量共享水平,根据用户的用电特性,构建了光伏用
- 力扣 215. 数组中的第K个最大元素
pursuit_csdn
力扣热题100leetcode算法
https://leetcode.cn/problems/kth-largest-element-in-an-array题目返回数组nums中的第k大数思路桶排,把数据都调整为正数,放置到对应的桶位置,最后遍历桶获得第K大的数代码classSolution{public:intfindKthLargest(vector&nums,intk){intmark[20010];memset(mark,0
- React 和 Vue _使用区别
m0_74823490
vue.jsreact.jsjavascript
目录一、框架介绍1.Vue2.React?二、框架结构1.创建应用2.框架结构三、使用区别1.单页面组成2.样式3.显示响应式数据4.响应式html标签属性5.控制元素显隐6.条件渲染7.渲染列表react和vue是目前前端比较流行的两大框架,前端程序员应该将两种框架都掌握,本文总结一些基本知识点的使用区别。一、框架介绍1.VueVue是一个框架,也是一个生态。其功能覆盖了大部分前端开发常见的需求
- 蓝桥杯python基础算法(2-2)——基础算法(C)——递归
X _X
PythonLanqiao算法
四、递归递归出口:这是递归过程中的终止条件,防止函数无限制地调用自身。当前问题如何变成子问题:这是递归函数中最重要的部分,即如何将当前问题逐步简化为更小的子问题。例题-汉诺塔Hanoi塔由n个大小不同的圆盘和三根木柱a,b,c组成。开始时,这n个圆盘由大到小依次套在a柱上,如图所示。要求把a柱上n个圆盘按下述规则移到c柱上:(1)一次只能移一个圆盘;(2)圆盘只能在三个柱上存放;(3)在移动过程中
- 深度学习:基于MindNLP的RAG应用开发
Landy_Jay
深度学习人工智能
什么是RAG?RAG(Retrieval-AugmentedGeneration,检索增强生成)是一种结合检索(Retrieval)和生成(Generation)的技术,旨在提升大语言模型(LLM)生成内容的准确性、相关性和时效性。基本思想:通过外部知识库动态检索与用户查询相关的信息,并将检索结果作为上下文输入生成模型,辅助生成更可靠的回答。与传统LLM的区别:传统LLM仅依赖预训练参数中的静态知
- 跟李沐学AI:视频生成类论文精读(Movie Gen、HunyuanVideo)
Landy_Jay
人工智能
MovieGen:ACastofMediaFoundationModels简介MovieGen是Meta公司提出的一系列内容生成模型,包含了3.2.1预训练数据MovieGen采用大约100M的视频-文本对和1B的图片-文本对进行预训练。图片-文本对的预训练流程与Meta提出的Emu:Enhancingimagegenerationmodelsusingphotogenicneedlesinaha
- MATLAB 实现基于MPA(海洋捕食者算法)进行时间序列预测模型的项目详细实例
nantangyuxi
MATLABmatlab算法人工智能回归cnn支持向量机大数据
目录MTFSTLTFSB实她基她MPTFS(海洋捕食者算法)进行时间序列预测模型她项目详细实例...1项目背景介绍...1项目目标她意义...1项目挑战...2项目特点她创新...3项目应用领域...3项目效果预测图程序设计...4项目模型架构...5项目模型描述及代码示例...5项目模型算法流程图...6项目目录结构设计及各模块功能说明...7项目部署她应用...9项目扩展...11项目应该注意
- OpenAI紧急加播:ChatGPT上新深度搜索,持续思考30分钟输出1万字,刷榜“人类最后的考试”
量子位
就在开源的DeepSeek-R1被整合进各路AI搜索工具之际,OpenAI临时举行小型发布会。4点27通知,8点开始直播。ChatGPT上新“DeepResearch”,把推理大模型的思考能力用于联网搜索。据介绍,DeepResearch功能可在数十分钟完成人类专家需要几个小时的复杂研究任务。在“人类最后的考试”上,DeepResearch刷新了最高分,比o3-mini高推理设置分数高出一倍。该测
- PyTorch生态系统中的连续深度学习:使用Torchdyn实现连续时间神经网络
神经常微分方程(NeuralODEs)是深度学习领域的创新性模型架构,它将神经网络的离散变换扩展为连续时间动力系统。与传统神经网络将层表示为离散变换不同,NeuralODEs将变换过程视为深度(或时间)的连续函数。这种方法为机器学习开创了新的研究方向,尤其在生成模型、时间序列分析和物理信息学习等领域具有重要应用。本文将基于Torchdyn(一个专门用于连续深度学习和平衡模型的PyTorch扩展库)
- Mixture of Experts(MoE)学习笔记
南七小僧
人工智能网站开发医疗器械研发学习笔记人工智能MoE大模型
1学习动机第一次了解到MoE(Mixtureofexperts),是在GPT-4模型架构泄漏事件,听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构(8*220B)组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索,更多的工作还是聚焦在预训练新的大模型,在Llama2或其他模型上做Fine-tune,以及扩展大模型的ContextLength。12月8号
- 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
- 周报 | 25.1.27-25.2.2文章汇总
双木的木
深度学习拓展阅读python拓展学习人工智能transformer算法深度学习YOLOchatgptllama
为了更好地整理文章和发表接下来的文章,以后每周都汇总一份周报。周报|25.1.20-25.1.26文章汇总-CSDN博客机器学习AI算法工程|DeepSeekV3两周使用总结-CSDN博客Datawhale|一文详尽之SFT(监督微调,建议收藏)!-CSDN博客arXiv每日学术速递|强强联合:CNN与Transformer融合创新提升模型性能!!-CSDN博客AI生成未来|字节提出VideoWo
- CSS标准盒模型与怪异盒模型
DTcode7
HTML网站开发#前端基础入门三大核心之CSSHTMLCSSwebcss3网页开发
CSS标准盒模型与怪异盒模型基本概念与作用标准盒模型怪异盒模型示例一:比较标准盒模型与怪异盒模型示例二:使用box-sizing属性示例三:响应式布局中的应用示例四:解决布局问题示例五:创建复杂的背景效果实际工作中的使用技巧在CSS布局的世界里,盒模型是构建网页布局的基础。它定义了元素如何在页面上占据空间,以及元素的边距、边框、内边距和内容如何相互作用。本文将深入探讨两种盒模型——标准盒模型(St
- 学习第七十七行
不是只有你能在乱世中成为大家的救世主
学习运维html经验分享
对于html,用vscode编程,可以用AI,同时输入!+TAB自动生成骨架,有src路径,titie提示文本,alt替换文本(图片不显示,显示的文字),width宽设置一个即可,(height),border边框,同时div和span是个块,前者大后者小,前者独一行,撒旦,em斜体,strong粗体,del删除线,ins下划线。
- TVM:设计与架构
Adenialzz
tvm模型部署架构react.js前端
TVM:设计与架构本文档适用于想要了解TVM架构和/或积极开发项目的开发人员。页面组织如下:示例编译流程概述了TVM将模型的高层描述转换为可部署模块所采取的步骤。要开始使用,请先阅读本节。逻辑架构组件部分描述了逻辑组件。后面的部分是针对每个逻辑组件的特定指南,按组件的名称组织。设备/目标交互描述了TVM如何与每种支持的物理设备和代码生成目标进行交互。请查看开发人员操作指南以获取有用的开发技巧。本指
- 大型语言模型(LLM)压缩技术:如何让庞然大物更轻巧?
空间机器人
LLM语言模型学习笔记语言模型人工智能自然语言处理
大型语言模型(LLM)压缩技术:如何让庞然大物更轻巧?随着大模型在各个领域的广泛应用,我们面临的一个核心问题是——如何让这些庞大的模型在硬件资源有限的环境下运行?这就需要我们运用一系列的技术来“压缩”这些模型,使其在保持精度的同时,能够适应不同的硬件设备。那么,LLM压缩到底是如何实现的呢?让我们从几个关键技术开始讲解:剪枝(Pruning)、知识蒸馏(KnowledgeDistillation)
- 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
- M-Ped: Multi-Prompt Ensemble Decoding for Large Language Models
UnknownBody
LLMDailyLLMPromptprompt语言模型人工智能
本文是LLM系列文章,针对《M-Ped:Multi-PromptEnsembleDecodingforLargeLanguageModels》的翻译。M-Ped:大型语言模型的多提示集成解码摘要1引言2方法3实验4研究5相关工作6结论摘要随着大型语言模型(LLMs)在自然语言处理(NLP)领域的广泛应用,提高其性能已成为研究热点。本文提出了一种新的多提示集成解码方法,旨在通过利用多个提示的结果聚合
- SlimGPT: Layer-wise Structured Pruning for Large Language Models
UnknownBody
LLMDailyLLMPruning剪枝语言模型人工智能
本文是LLM系列文章,针对《SlimGPT:Layer-wiseStructuredPruningforLargeLanguageModels》的翻译。SlimGPT:大型语言模型的分层结构化修剪摘要1引言2相关工作3前言4方法5实验6结论摘要大型语言模型(LLM)因其在各个领域的卓越能力而受到广泛关注,其巨大的参数规模为实际部署带来了挑战。结构化修剪是一种平衡模型性能和效率的有效方法,但在计算资
- RabbitMQ架构设计原理
T_karine
RabbitMQjava开发语言
一、什么是消息中间件消息中间件基于队列模型实现异步/同步传输数据。作用:可以实现支撑高并发、异步、解耦、流量削峰。优点:由于RabbitMQ是erlang语言开发的,具有天生抗高并发的性能,吞吐量达到万级。1、什么是异步将一个任务中比较耗时的业务逻辑代码使用异步的方式去执行,可以提高响应速度。2、什么是解耦耦合:所谓耦合,指系统各功能、模块之间具有依赖性,依赖性越强、耦合度就越高,维护成本也就越高
- WebSocket与http协议对比
CY_U
websockethttp网络协议java
HTTP与WebSocket协议深度对比一、协议基础特性对比特性HTTP/1.1WebSocket(RFC6455)协议层定位应用层协议应用层协议(基于HTTP升级机制)传输层依赖TCPTCP默认端口80(HTTP)/443(HTTPS)80(WS)/443(WSS)通信模型请求-响应(半双工)全双工双向通信连接生命周期短连接(默认)或长连接(Keep-Alive)持久化长连接头部开销每个请求携带
- MFC CScrollView 对大视图出现滚动条回滚问题的解决
xiaji2007
Windows程序设计mfcnullapi
CScrollView类中,若视图尺寸很大。如100000*100000;voidCLOView::OnInitialUpdate(){CScrollView::OnInitialUpdate();SetScrollSizes(MM_TEXT,CSize(100000,100000));}那么当拖动滚动框距离稍大一点时,就会出现回滚,即滚动框又回到0位置。原因:CScrollView使用的滚动条是
- html页面js获取参数值
0624chenhong
html
1.js获取参数值js
function GetQueryString(name)
{
var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");
var r = windo
- MongoDB 在多线程高并发下的问题
BigCat2013
mongodbDB高并发重复数据
最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理,并将分析结果插入Vertica数据库,所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢?笔者开始也是一筹莫 展,重复去看 MongoDB 的 API , 终于有了新发现 :
com.mongodb.DB 这个类有
- c++ 用类模版实现链表(c++语言程序设计第四版示例代码)
CrazyMizzz
数据结构C++
#include<iostream>
#include<cassert>
using namespace std;
template<class T>
class Node
{
private:
Node<T> * next;
public:
T data;
- 最近情况
麦田的设计者
感慨考试生活
在五月黄梅天的岁月里,一年两次的软考又要开始了。到目前为止,我已经考了多达三次的软考,最后的结果就是通过了初级考试(程序员)。人啊,就是不满足,考了初级就希望考中级,于是,这学期我就报考了中级,明天就要考试。感觉机会不大,期待奇迹发生吧。这个学期忙于练车,写项目,反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周,希望能快点度过。
- linux系统中用pkill踢出在线登录用户
被触发
linux
由于linux服务器允许多用户登录,公司很多人知道密码,工作造成一定的障碍所以需要有时踢出指定的用户
1/#who 查出当前有那些终端登录(用 w 命令更详细)
# who
root pts/0 2010-10-28 09:36 (192
- 仿QQ聊天第二版
肆无忌惮_
qq
在第一版之上的改进内容:
第一版链接:
http://479001499.iteye.com/admin/blogs/2100893
用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题.
增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.
信息修改后上传至服务器再告诉所有用户,自己的窗口
- java读取配置文件
知了ing
1,java读取.properties配置文件
InputStream in;
try {
in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径
Properties p = new Properties()
- __attribute__ 你知多少?
矮蛋蛋
C++gcc
原文地址:
http://www.cnblogs.com/astwish/p/3460618.html
GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性(Function Attribute )、变量属性(Variable Attribute )和类型属性(Type Attribute )。
__attribute__ 书写特征是:
- jsoup使用笔记
alleni123
java爬虫JSoup
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.7.3</version>
</dependency>
2014/08/28
今天遇到这种形式,
- JAVA中的集合 Collectio 和Map的简单使用及方法
百合不是茶
listmapset
List ,set ,map的使用方法和区别
java容器类类库的用途是保存对象,并将其分为两个概念:
Collection集合:一个独立的序列,这些序列都服从一条或多条规则;List必须按顺序保存元素 ,set不能重复元素;Queue按照排队规则来确定对象产生的顺序(通常与他们被插入的
- 杀LINUX的JOB进程
bijian1013
linuxunix
今天发现数据库一个JOB一直在执行,都执行了好几个小时还在执行,所以想办法给删除掉
系统环境:
ORACLE 10G
Linux操作系统
操作步骤如下:
第一步.查询出来那个job在运行,找个对应的SID字段
select * from dba_jobs_running--找到job对应的sid
&n
- Spring AOP详解
bijian1013
javaspringAOP
最近项目中遇到了以下几点需求,仔细思考之后,觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题,另一方面是借此机会深入学习Spring AOP相关的内容。例如,以下需求不用AOP肯定也能解决,至于是否牵强附会,仁者见仁智者见智。
1.对部分函数的调用进行日志记录,用于观察特定问题在运行过程中的函数调用
- [Gson六]Gson类型适配器(TypeAdapter)
bit1129
Adapter
TypeAdapter的使用动机
Gson在序列化和反序列化时,默认情况下,是按照POJO类的字段属性名和JSON串键进行一一映射匹配,然后把JSON串的键对应的值转换成POJO相同字段对应的值,反之亦然,在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。
以Date为例,在序列化和反序列化时,Gson默认使用java.
- 【spark八十七】给定Driver Program, 如何判断哪些代码在Driver运行,哪些代码在Worker上执行
bit1129
driver
Driver Program是用户编写的提交给Spark集群执行的application,它包含两部分
作为驱动: Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。
计算逻辑本身,当计算任务在Worker执行时,执行计算逻辑完成application的计算任务
- nginx 经验总结
ronin47
nginx 总结
深感nginx的强大,只学了皮毛,把学下的记录。
获取Header 信息,一般是以$http_XX(XX是小写)
获取body,通过接口,再展开,根据K取V
获取uri,以$arg_XX
&n
- 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点
bylijinnan
数组
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class ExoWeb {
public static void main(String[] args) {
ExoWeb ew=new ExoWeb();
System.out.pri
- Netty源码学习-Java-NIO-Reactor
bylijinnan
java多线程netty
Netty里面采用了NIO-based Reactor Pattern
了解这个模式对学习Netty非常有帮助
参考以下两篇文章:
http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html
http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
- AOP通俗理解
cngolon
springAOP
1.我所知道的aop 初看aop,上来就是一大堆术语,而且还有个拉风的名字,面向切面编程,都说是OOP的一种有益补充等等。一下子让你不知所措,心想着:怪不得很多人都和 我说aop多难多难。当我看进去以后,我才发现:它就是一些java基础上的朴实无华的应用,包括ioc,包括许许多多这样的名词,都是万变不离其宗而 已。 2.为什么用aop&nb
- cursor variable 实例
ctrain
variable
create or replace procedure proc_test01
as
type emp_row is record(
empno emp.empno%type,
ename emp.ename%type,
job emp.job%type,
mgr emp.mgr%type,
hiberdate emp.hiredate%type,
sal emp.sal%t
- shell报bash: service: command not found解决方法
daizj
linuxshellservicejps
今天在执行一个脚本时,本来是想在脚本中启动hdfs和hive等程序,可以在执行到service hive-server start等启动服务的命令时会报错,最终解决方法记录一下:
脚本报错如下:
./olap_quick_intall.sh: line 57: service: command not found
./olap_quick_intall.sh: line 59
- 40个迹象表明你还是PHP菜鸟
dcj3sjt126com
设计模式PHP正则表达式oop
你是PHP菜鸟,如果你:1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统,如Subclipse4. 不采用某种编码与命名标准 ,以及通用约定,不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换(或)也不验证某些输入或SQL查询串(译注:参考PHP相关函
- Android逐帧动画的实现
dcj3sjt126com
android
一、代码实现:
private ImageView iv;
private AnimationDrawable ad;
@Override
protected void onCreate(Bundle savedInstanceState)
{
super.onCreate(savedInstanceState);
setContentView(R.layout
- java远程调用linux的命令或者脚本
eksliang
linuxganymed-ssh2
转载请出自出处:
http://eksliang.iteye.com/blog/2105862
Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)
使用步骤如下:
1.导包
官网下载:
http://www.ganymed.ethz.ch/ssh2/
ma
- adb端口被占用问题
gqdy365
adb
最近重新安装的电脑,配置了新环境,老是出现:
adb server is out of date. killing...
ADB server didn't ACK
* failed to start daemon *
百度了一下,说是端口被占用,我开个eclipse,然后打开cmd,就提示这个,很烦人。
一个比较彻底的解决办法就是修改
- ASP.NET使用FileUpload上传文件
hvt
.netC#hovertreeasp.netwebform
前台代码:
<asp:FileUpload ID="fuKeleyi" runat="server" />
<asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
- 代码之谜(四)- 浮点数(从惊讶到思考)
justjavac
浮点数精度代码之谜IEEE
在『代码之谜』系列的前几篇文章中,很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型,其实,浮点数比起那些复杂数据类型(比如字符串)来说, 一点都不简单。
单单是说明 IEEE浮点数 就可以写一本书了,我将用几篇博文来简单的说说我所理解的浮点数,算是抛砖引玉吧。 一次面试
记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试, 多年以后,他已经称为了一名很出色的
- 数据结构随记_1
lx.asymmetric
数据结构笔记
第一章
1.数据结构包括数据的
逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示,它们分别是
顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种,分别是
查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性:
输入、输出、可行性、确定性和有穷性。 5.算法分析的
- linux的会话和进程组
网络接口
linux
会话: 一个或多个进程组。起于用户登录,终止于用户退出。此期间所有进程都属于这个会话期。会话首进程:调用setsid创建会话的进程1.规定组长进程不能调用setsid,因为调用setsid后,调用进程会成为新的进程组的组长进程.如何保证? 先调用fork,然后终止父进程,此时由于子进程的进程组ID为父进程的进程组ID,而子进程的ID是重新分配的,所以保证子进程不会是进程组长,从而子进程可以调用se
- 二维数组 元素的连续求解
1140566087
二维数组ACM
import java.util.HashMap;
public class Title {
public static void main(String[] args){
f();
}
// 二位数组的应用
//12、二维数组中,哪一行或哪一列的连续存放的0的个数最多,是几个0。注意,是“连续”。
public static void f(){
- 也谈什么时候Java比C++快
windshome
javaC++
刚打开iteye就看到这个标题“Java什么时候比C++快”,觉得很好笑。
你要比,就比同等水平的基础上的相比,笨蛋写得C代码和C++代码,去和高手写的Java代码比效率,有什么意义呢?
我是写密码算法的,深刻知道算法C和C++实现和Java实现之间的效率差,甚至也比对过C代码和汇编代码的效率差,计算机是个死的东西,再怎么优化,Java也就是和C