爱编程的喵喵
爱编程的喵喵

Tensorflow 2.x(keras)源码详解之第十章：keras中的模型保存与加载(详解Checkpoint&md5&模型序列化)

  大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。

  本文主要介绍了Tensorflow 2.x(keras)源码详解之第十章：keras中的模型保存与加载(详解Checkpoint&md5&模型序列化)，希望能对学习TensorFlow 2的同学有所帮助。

文章目录

  • 1. 模型保存与加载：综述
  • 2. 前提总结
  • 3. 仅保存模型权重
    • 3.1 在内存中将权重进行迁移
    • 3.2 将权重保存到磁盘上
      • 3.2.1 Checkpoint(检查点)
      • 3.2.2 使用tf.train.checkpoint()保存多个检查点
      • 3.2.3 使用tf.train.checkpoint加载多个检查点
      • 3.2.4 tf.train.checkpoint保存和加载单一检查点
      • 3.2.5 save_weights保存检查点
      • 3.2.6 save_weights保存成HDF5格式
  • 4. 仅保存模型架构/配置
    • 4.1 layer、序贯模型、函数式 API 模型的配置
    • 4.2 自定义layer、model的保存与加载
  • 5. 保存和加载模型及权重
    • 5.1 TensorFlow SavedModel 格式
    • 5.2 HDF5格式

1. 模型保存与加载：综述

  • Keras 模型由多个组件组成：

    • 架构/配置：模型架构指模型包含哪些层以及它们如何连接，模型的配置指将架构序列化后得到结果，从形式上看是包含模型参数的字典或json。
      • 优化器：通过model.compile添加，属于架构或模型的一部分。
      • 损失和指标：通过model.compile或调用add_loss()/ add_metric()添加，属于架构或模型的一部分。
    • 权重值（“模型状态”）。

你可能感兴趣的:(tensorflow,keras,模型保存)

  • 阿里云瑶池数据库 Data Agent for Meta 正式发布，让 AI 更懂你的业务！ 数据库人工智能知识资讯
    背景随着生成式人工智能（GenerativeAI）从概念验证迈向规模化商业落地，AIAgent已成为企业核心业务流程的重要组成部分。然而，当模型调用日益便捷时，核心痛点已不再是模型本身，而是集中在一个关键要素上：数据。AIAgent的落地瓶颈已从技术能力转向高质量、高相关性、安全合规的数据供给。企业面临的核心挑战在于：数据孤岛导致知识库分散，通用大模型难以理解专业业务传统数据管理依赖人工开发维护，
  • 交叉熵损失和负熵似然损失（对分类器有用） 流量留 深度学习人工智能机器学习算法
    1.**交叉熵损失（Cross-EntropyLoss）**-**定义**-交叉熵损失是用来衡量分类模型输出的概率分布与真实标签的概率分布之间的差异。假设对于一个分类任务，有\(C\)个类别，模型对第\(i\)个样本的输出是一个概率分布\(\mathbf{p}_i=[p_{i1},p_{i2},\dots,p_{iC}]\)，其中\(p_{ic}\)表示模型预测样本属于第\(c\)类的概率。真实标
  • BERT（Bidirectional Encoder Representations from Transformers） jerwey bert人工智能深度学习
    BERT（BidirectionalEncoderRepresentationsfromTransformers）是由Google于2018年提出的一种基于Transformer架构的预训练语言模型，属于大型语言模型（LLM）的一种重要类型。其核心特点和技术定位如下：1.核心架构Encoder-Only结构：BERT仅使用Transformer的编码器（Encoder），通过多层堆叠捕捉文本的双向
  • 大语言模型（LLM）按架构分类 jerwey 语言模型分类人工智能
    大语言模型（LLM）按架构分类的深度解析1.仅编码器架构（Encoder-Only）原理双向注意力机制：通过Transformer编码器同时捕捉上下文所有位置的依赖关系#伪代码示例：BERT的MLM任务masked_input="The[MASK]satonthemat"output=encoder(masked_input)#预测[MASK]="cat"预训练任务：掩码语言建模（MLM）：随机遮
  • 哈希指纹技术详解：从原理到应用 AI天才研究院 计算AI人工智能与大数据编程实践哈希算法算法
    哈希指纹技术详解：从原理到应用文章目录哈希指纹技术详解：从原理到应用1.哈希指纹的本质核心原理2.通俗理解哈希指纹3.哈希指纹的实现方法3.1常用哈希算法3.2滚动哈希算法4."连续13字符重复"检测实现4.1问题分析与思维链4.2算法流程4.3代码实现5.哈希指纹技术的应用场景6.哈希指纹的数学模型6.1哈希函数的形式化定义6.2碰撞概率分析6.3局部敏感哈希(LSH)模型7.哈希指纹技术的优缺
  • 基于Google Gemini 探索大语言模型在医学领域应用评估和前景 知来者逆 LLM语言模型搜索引擎人工智能Gemini大语言模型医疗健康医疗
    概述近年来，大规模语言模型（LLM）在理解和生成人类语言方面取得了显著的飞跃，这些进步不仅推动了语言学和计算机编程的发展，还为多个领域带来了创新的突破。特别是模型如GPT-3和PaLM，它们通过吸收海量文本数据，已经能够掌握复杂的语言模式。人工智能技术的迅猛发展不断推动着LLM的进化，并加速了这一领域的专业创新。这些进步是随着模型规模的扩大、数据量的增加以及计算能力的提升而逐步实现的，其中许多尖端
  • 【读代码】PDF-Extract-Kit深度解析：最好用的RAG开源PDF解析工具 kakaZhui pdfAIGC大模型RAGAgentDeepSeek
    一、基本介绍PDF-Extract-Kit是由OpenDataLab推出的开源工具包，专注于解决复杂PDF文档的内容解析难题。该项目集成了当前最先进的文档解析模型，通过模块化设计实现灵活的功能组合，支持布局检测、公式识别、表格解析等多项核心功能。其最大特点在于：多模态解析能力：支持文字、公式、表格、图像等元素的联合解析工业级鲁棒性：在模糊扫描件、水印文档等复杂场景下仍保持高准确率开箱即用体验：提供
  • 大语言模型应用指南：Gemini简介 AI大模型应用之禅 人工智能数学基础计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    1.背景介绍自然语言处理（NLP）一直是人工智能领域的热门话题之一。在NLP中，语言模型是一个重要的概念，它可以用来预测下一个单词或字符的概率。近年来，随着深度学习技术的发展，大型语言模型的研究和应用也越来越受到关注。其中，Gemini是一种新型的大型语言模型，它在多项任务上取得了优异的表现。本文将介绍Gemini的核心概念、算法原理、数学模型和公式、项目实践、实际应用场景、工具和资源推荐、未来发
  • 基于Python的气象数据分析及可视化研究
    气象数据作为地球系统科学的核心要素，其分析与可视化在气候研究、灾害预警、农业生产等领域具有战略性意义。本文以Python技术栈为基座，系统探讨气象数据的采集预处理、多维度分析模型及可视化表达范式，通过3000+字深度研究揭示Pandas时序处理、Xarray多维计算、Cartopy地理可视化等工具的核心方法论。内容涵盖全球再分析数据挖掘、极端天气模式识别、动态热力图构建等实战场景，并引入机器学习预
  • 使用 Ollama 部署 Deepseek 想知道哇 大语言模型人工智能语言模型
    使用Ollama部署Deepseek模型Ollama与传统部署方法的主要区别特性传统部署方法（之前的文章）Ollama方法部署复杂度高（需要手动设置环境、依赖和量化）低（简化的命令行界面）技术要求需要Python和机器学习库知识基本命令行知识即可灵活性高度可定制（训练参数、模型结构等）相对较低，但足够大多数使用场景资源管理手动管理（需自行优化内存使用）自动处理（内置优化）API集成需要自行实现内置
  • Chatbox使用指南 想知道哇 大语言模型人工智能语言模型
    Chatbox使用与API配置指南目录Chatbox简介安装与设置基本使用API配置使用进阶功能常见问题与解决方案最佳实践与技巧1.Chatbox简介Chatbox是一款开源的ChatGPT/API桌面应用程序，支持Windows、Mac和Linux。它允许用户通过友好的界面与各种大型语言模型进行交互，包括：OpenAI的ChatGPT、GPT-4等模型Anthropic的Claude系列模型Go
  • 第G1周：生成对抗网络（GAN）入门
    本文为365天深度学习训练营原作者：K同学啊基础任务：1.了解什么是生成对抗网络2.生成对抗网络结构是怎么样的3.学习本文代码，并跑通代码进阶任务：调用训练好的模型生成新图像一、理论基础生成对抗网络（GenerativeAdversarialNetworks,GAN）是近年来深度学习领域的一个热点方向。GAN并不指代某一个具体的神经网络，而是指一类基于博弈思想而设计的神经网络。GAN由两个分别被称
  • 深入了解Transformer模型及其优缺点
    目录前言1Transformer结构特点1.1注意力机制（Self-Attention）1.2编码器-解码器架构1.3位置编码和基于注意力的损失函数2Transformer模型优缺点分析2.1Transformer模型的优点2.2Transformer模型的缺点3应用领域结语前言在当今人工智能领域，自然语言处理的关键问题之一是解决文本理解和生成中的挑战。传统的循环神经网络虽然在处理序列数据方面取得
  • TCL电视版本更新方式记录
    最近刚好用到TCL电视需要升级版本测试功能，找到相关升级文档：TCL电视更新版本通常有两种方法：USB升级和在线升级。下面分别介绍这两种方法的具体步骤：USB升级步骤1：从TCL官方网站下载电视固件升级包（一般为zip格式），并将文件保存到格式为FAT32的U盘中。步骤2：将U盘插入电视的USB接口。在电视遥控器上依次按“菜单”、“设置”、“系统升级”，然后按“确认”键进入升级界面。步骤3：在升级
  • 如何使用Flask构建后端的RESTful API 大厂资深架构师 SpringBoot开发实战flaskrestfulpythonai
    如何使用Flask构建后端的RESTfulAPI关键词：Flask、RESTfulAPI、后端开发、Python、API构建摘要：本文详细介绍了如何使用Flask框架构建后端的RESTfulAPI。从背景知识入手，阐述了Flask和RESTfulAPI的核心概念及联系，深入讲解了构建API的核心算法原理与具体操作步骤，包含Python源代码示例。同时给出了数学模型和公式，通过项目实战展示代码的实际
  • YOLOv11安全检测项目_人员、安全帽、安全服、普通服装、头部、模糊服装、模糊头部目标检测 qq1309399183 计算机视觉实战项目集合YOLO目标检测人工智能深度学习计算机视觉
    YOLOv10与YOLOv11安全检测项目项目概述Safety本项目基于SF数据集（50,559张图像/7类别）对YOLOv10和YOLOv11模型进行对比研究，重点优化安全帽、安全服及模糊目标的工业场景检测性能。核心要素组件配置说明模型架构YOLOv10vsYOLOv11双模型对比数据集[SF)检测类别人员、安全帽、安全服、普通服装、头部、模糊服装、模糊头部训练参数•迭代周期：100epochs
  • 数据分析的智能化变革：AI人工智能 AI大模型应用工坊 数据分析人工智能数据挖掘ai
    数据分析的智能化变革：AI人工智能关键词：数据分析、智能化变革、AI人工智能、机器学习、深度学习摘要：本文深入探讨了数据分析领域借助AI人工智能实现的智能化变革。详细阐述了相关核心概念、算法原理、数学模型，通过具体的项目实战展示了AI在数据分析中的应用，介绍了实际应用场景以及可利用的工具和资源。同时对数据分析智能化变革的未来发展趋势与挑战进行了总结，并解答了常见问题，为读者全面了解这一变革提供了丰
  • LangChain是为了解决哪些问题？为了解决这些问题，LangChain采用哪些方法？LangChain适用于什么场景？LangChain有什么局限性？ 杰瑞学AI AI/AGINLP/LLMslangchain人工智能自然语言处理深度学习神经网络AI-native
    LangChain旨在解决的问题LangChain的核心目的是解决在使用大型语言模型（LLM）开发应用程序时面临的复杂性和挑战。具体来说，它致力于解决以下问题：LLM应用开发的复杂性：直接使用LLM开发应用程序通常涉及大量的底层代码编写，例如管理提示（prompts）、处理输出、串联多个模型调用以及与外部数据源或工具集成。这使得开发过程繁琐且容易出错。LLM能力的限制：单个LLM往往无法完成所有任
  • AI-Kline + MCP：开源个人AI看线助手的技术解析 码力金矿 MCP人工智能python人工智能apacheMCPCursor架构pythonjava
    在AI技术快速发展的今天，金融领域的数据分析和预测需求也在不断增长。对于投资者和金融从业者来说，如何高效地获取和分析市场数据，是提升决策能力的关键。AI-Kline是一个开源的AI看线分析与预测框架，结合MCP（模型上下文协议），为用户提供了一套智能化的解决方案。本文将详细解析AI-Kline和MCP的技术特点，以及它们如何协同工作，帮助用户构建个性化的AI看线助手。一、引言：AI看线的智能化需求
  • 最全面的MySQL数据库讲解，带你基础入门mysql mysql
    数据库软件里面用的比较多的就MySQL了，对于企业还是个人开发者，或者是学生，都是很好的选择，下面为大家带来MySQL的学习教程，让大家快速入门MySQL数据库，学会安装配置MySQL，掌握MySQL基本知识，并轻松使用MySQL数据库。什么是数据库？数据库通常是一个或一组文件，保存了一些符合特定规格的数据，数据库对应的英语单词是DataBase，简称DB，数据库软件称为数据库管理系统（DBMS）
  • 【Note】《深入理解Linux内核》Chapter 13 ：深入理解 Linux 内核中的 I/O 架构与设备驱动 CodeWithMe 读书笔记linuxlinux架构运维
    《深入理解Linux内核》Chapter13：深入理解Linux内核中的I/O架构与设备驱动关键词：I/O子系统、字符设备、块设备、VFS、设备驱动、file_operations、设备号、cdev、gendisk、驱动模型、模块加载、udev一、LinuxI/O架构总览1.1为什么需要抽象化的I/O架构？设备多样性（硬盘、串口、键盘、GPU）；设备访问方式差异极大；用户空间程序期望统一的访问接口
  • 注意力机制还有招？混合注意力好发不卷
    2025深度学习发论文&模型涨点之——混合注意力混合注意力是一种融合多种不同类型注意力机制的技术，旨在提升模型对数据中关键特征的识别与处理能力。以SENet为例，它通过对特征通道进行全局池化操作，随后利用两个全连接层对通道的重要性进行建模，从而实现通道级的注意力分配。而CBAM则先应用空间注意力，通过利用特征图的通道最大值和平均值来突出重要区域，之后再进行通道注意力操作，借助全连接层来强化特定通道
  • 通过Curtain 解决方案保障BIM模型安全共享—建筑业的防泄密实战 COWORKSHOP 企业信息安全安全
    某跨海大桥项目突发数据泄露事件：主桥钢结构的BIM模型被外泄，核心参数流入竞争对手手中，导致项目风险评估升级。调查发现，泄漏源头是一名施工方的项目经理。尽管BIM系统已经能够控制哪些人可以阅读、修改、甚至下载资料的权限，但是该项目经理需要下载工程图纸来使用，正因为它有下载资料的权限，所以BIM现有的权限控制不能阻止资料外泄的发生。从传统Windows至BIM等系统权限的局限性不论是Windows还
  • AI大模型定义与应用概述 水云桐程序员 人工智能ai大模型
    AI大模型，也成为基础模型或大规模预训练模型，指的是在海量数据上通过深度学习技术进行预训练的超大型人工智能模型。常见类型大型语言模型：这是目前最主流和成熟的大模型类型。擅长文本生成、文本理解、机器翻译、对话系统、代码生成与解释等。代表案例：GPT系列、通义千问、文心一言、KimiChat等。多模态大模型：擅长同时处理和生成多种模态的信息，如文生图、图生文、图文问答、视频理解、音频生成等。代表案例：
  • SQL的底层逻辑解析 追逐此刻 SQLsql数据库
    SQL的底层逻辑涉及数据库管理系统(DBMS)如何解析、优化和执行SQL查询，主要包括以下几个层面：查询处理流程解析器(Parser)：将SQL语句转换为语法树查询优化器(Optimizer)：基于统计信息和成本模型生成最优执行计划执行引擎(Executor)：按照执行计划访问数据并返回结果存储引擎层面数据存储结构：通常基于B+树索引或LSM树等结构事务处理：通过锁机制或MVCC实现ACID特性缓
  • R语言学习笔记之十
    摘要:仅用于记录R语言学习过程：内容提要：描述性统计；t检验；数据转换；方差分析；卡方检验；回归分析与模型诊断；生存分析；COX回归写在正文前的话，关于基础知识，此篇为终结篇，笔记来自医学方的课程，仅用于学习R的过程。正文：描述性统计n如何去生成table1用table()函数，快速汇总频数u生成四格表：table(行名，列名)>table(tips$sex,tips$smoker)NoYesFe
  • 测试第六讲-测试模型&分类 为你奋斗！ 测试用例经验分享
    一、软件测试的模型1、软件测试模型表达的是测试阶段和开发阶段的对应关系2、V模型（重点）（1）会画v模型（2）优、缺点优点：1）软件的开发阶段和测试阶段（级别）划分明确，对应关系明确2）测试阶段既包含单元测试（专业级，代码级），也包含验收测试（用户级）缺点：缺少需求分析阶段和设计阶段的测试过程，容易造成误解，测试只是开发后的收尾工作，没能体现出尽早测试原则和不断测试原则（开发与测试是同步进行的工作
  • 【前端】一文快速回顾 Html+CSS+JS CoderSharry 前端前端htmlcss
    文章目录前言Preface1.HTML快速回顾1.1基本结构1.2简单语法回顾2.CSS快速回顾2.1三种引入方式2.2选择器2.3布局2.3.1盒子模型2.3.2定位2.3.3浮动2.4简单练习3.JavaScript快速回顾3.1JavaScript引入方式3.2JavaScript基本语法3.2.1变量3.2.2函数与箭头函数3.3简单练习4.总结参考资料一文快速回顾前端基础三件套：HTML
  • 大模型岗到底有哪些？这六个主要工作让你秒懂！ AGI大模型学习 机器学习人工智能大数据大模型学习大模型教程大模型程序员
    一、Agent智能体Agent:能独立采取行动以实现特定目标的AI个体；Agent的特点：会使用工具，比如查数据库，买车票；拥有记忆，可以记住之前经历；会根据环境、自身记忆、自身能力进行行动决策；Agent的缺陷：带着大模型本身的幻觉情况；可用RAG降低该情况；二、RAG知识库RAG：在设定的知识库中搜索问题的最佳TopK个匹配资料，然后在使用大模型进行润色总结。RAG的特点：解决了大模型的幻觉问
  • 五度调值与五声音阶的关联 音元系统 音元系统语音识别语言模型自然语言处理语音标调
    五度调值与五声音阶的关联:跨学科认知研究摘要本文系统考察赵元任五度标调法与中国传统五声调式(宫-商-角-徵-羽)的认知同构性。通过语音学实验与音乐理论分析，揭示两者在数理结构/感知机制和文化原型上的深层关联。研究结合对数频率映射、Sigmoid平滑模型等计算方法，提出跨模态音高认知的统一解释框架，为语言与音乐的协同演化提供实证支持。1.引言1.1研究背景五度制标调法：赵元任（1930）创立的5级相
  • Enum用法 不懂事的小屁孩 enum
    以前的时候知道enum，但是真心不怎么用，在实际开发中，经常会用到以下代码: protected final static String XJ = "XJ"; protected final static String YHK = "YHK"; protected final static String PQ = "PQ";
  • 【Spark九十七】RDD API之aggregateByKey bit1129 spark
    1. aggregateByKey的运行机制   /** * Aggregate the values of each key, using given combine functions and a neutral "zero value". * This function can return a different result type
  • hive创建表是报错： Specified key was too long; max key length is 767 bytes daizj hive
    今天在hive客户端创建表时报错，具体操作如下   hive> create table test2(id string); FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:javax.jdo.JDODataSto
  • Map 与 JavaBean之间的转换 周凡杨 java自省转换反射
    最近项目里需要一个工具类，它的功能是传入一个Map后可以返回一个JavaBean对象。很喜欢写这样的Java服务，首先我想到的是要通过Java 的反射去实现匿名类的方法调用，这样才可以把Map里的值set 到JavaBean里。其实这里用Java的自省会更方便，下面两个方法就是一个通过反射，一个通过自省来实现本功能。 1：JavaBean类 1 &nb
  • java连接ftp下载 g21121 java
    有的时候需要用到java连接ftp服务器下载，上传一些操作，下面写了一个小例子。 /** ftp服务器地址 */ private String ftpHost; /** ftp服务器用户名 */ private String ftpName; /** ftp服务器密码 */ private String ftpPass; /** ftp根目录 */ private String f
  • web报表工具FineReport使用中遇到的常见报错及解决办法（二） 老A不折腾 finereportweb报表java报表总结
      抛砖引玉，希望大家能把自己整理的问题及解决方法晾出来，Mark一下，利人利己。   出现问题先搜一下文档上有没有，再看看度娘有没有，再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题，大多文档上都有提到的。   1、没有返回数据集： 在存储过程中的操作语句之前加上set nocount on 或者在数据集exec调用存储过程的前面加上这句。当S
  • linux 系统cpu 内存等信息查看 墙头上一根草 cpu内存liunx
    1 查看CPU 　　1.1 查看CPU个数 　　# cat /proc/cpuinfo | grep "physical id" | uniq | wc -l 　　2 　　**uniq命令：删除重复行;wc –l命令：统计行数** 　　1.2 查看CPU核数 　　# cat /proc/cpuinfo | grep "cpu cores" | u
  • Spring中的AOP aijuans springAOP
      Spring中的AOP Written by Tony Jiang @ 2012-1-18 （转）何为AOP AOP，面向切面编程。 在不改动代码的前提下，灵活的在现有代码的执行顺序前后，添加进新规机能。 来一个简单的Sample: 目标类： [java]  view plain copy print ? package&nb
  • placeholder(HTML 5) IE 兼容插件 alxw4616 JavaScriptjquery jQuery插件
    placeholder 这个属性被越来越频繁的使用. 但为做HTML 5 特性IE没能实现这东西. 以下的jQuery插件就是用来在IE上实现该属性的. /** * [placeholder(HTML 5) IE 实现.IE9以下通过测试.] * v 1.0 by oTwo 2014年7月31日 11:45:29 */ $.fn.placeholder = function
  • Object类,值域,泛型等总结(适合有基础的人看) 百合不是茶 泛型的继承和通配符变量的值域Object类转换
    java的作用域在编程的时候经常会遇到,而我经常会搞不清楚这个 问题,所以在家的这几天回忆一下过去不知道的每个小知识点   变量的值域;   package 基础; /** * 作用域的范围 * * @author Administrator * */ public class zuoyongyu { public static vo
  • JDK1.5 Condition接口 bijian1013 javathreadConditionjava多线程
    Condition 将 Object 监视器方法（wait、notify和 notifyAll）分解成截然不同的对象，以便通过将这些对象与任意 Lock 实现组合使用，为每个对象提供多个等待 set （wait-set）。其中，Lock 替代了 synchronized 方法和语句的使用，Condition 替代了 Object 监视器方法的使用。 条件（也称为条件队列或条件变量）为线程提供了一
  • 开源中国OSC源创会记录 bijian1013 hadoopsparkMemSQL
    一.Strata+Hadoop World（SHW）大会         是全世界最大的大数据大会之一。SHW大会为各种技术提供了深度交流的机会，还会看到最领先的大数据技术、最广泛的应用场景、最有趣的用例教学以及最全面的大数据行业和趋势探讨。          二.Hadoop   &nbs
  • 【Java范型七】范型消除 bit1129 java
    范型是Java1.5引入的语言特性，它是编译时的一个语法现象，也就是说，对于一个类，不管是范型类还是非范型类，编译得到的字节码是一样的，差别仅在于通过范型这种语法来进行编译时的类型检查，在运行时是没有范型或者类型参数这个说法的。 范型跟反射刚好相反，反射是一种运行时行为，所以编译时不能访问的变量或者方法(比如private)，在运行时通过反射是可以访问的，也就是说，可见性也是一种编译时的行为，在
  • 【Spark九十四】spark-sql工具的使用 bit1129 spark
    spark-sql是Spark bin目录下的一个可执行脚本，它的目的是通过这个脚本执行Hive的命令，即原来通过 hive>输入的指令可以通过spark-sql>输入的指令来完成。 spark-sql可以使用内置的Hive metadata-store，也可以使用已经独立安装的Hive的metadata store   关于Hive build into Spark
  • js做的各种倒计时 ronin47 js 倒计时
    第一种：精确到秒的javascript倒计时代码      HTML代码:   <form name="form1">   <div align="center" align="middle"
  • java-37.有n 个长为m+1 的字符串，如果某个字符串的最后m 个字符与某个字符串的前m 个字符匹配，则两个字符串可以联接 bylijinnan java
    public class MaxCatenate { /* * Q.37 有n 个长为m+1 的字符串，如果某个字符串的最后m 个字符与某个字符串的前m 个字符匹配，则两个字符串可以联接， * 问这n 个字符串最多可以连成一个多长的字符串，如果出现循环，则返回错误。 */ public static void main(String[] args){
  • mongoDB安装 开窍的石头 mongodb安装 基本操作
    mongoDB的安装          1:mongoDB下载   https://www.mongodb.org/downloads         2:下载mongoDB下载后解压     
  • [开源项目]引擎的关键意义 comsci 开源项目
         一个系统，最核心的东西就是引擎。。。。。       而要设计和制造出引擎，最关键的是要坚持。。。。。。       现在最先进的引擎技术，也是从莱特兄弟那里出现的，但是中间一直没有断过研发的    
  • 软件度量的一些方法 cuiyadll 方法
    软件度量的一些方法http://cuiyingfeng.blog.51cto.com/43841/6775/在前面我们已介绍了组成软件度量的几个方面。在这里我们将先给出关于这几个方面的一个纲要介绍。在后面我们还会作进一步具体的阐述。当我们不从高层次的概念级来看软件度量及其目标的时候，我们很容易把这些活动看成是不同而且毫不相干的。我们现在希望表明他们是怎样恰如其分地嵌入我们的框架的。也就是我们度量的
  • XSD中的targetNameSpace解释 darrenzhu xmlnamespacexsdtargetnamespace
    参考链接: http://blog.csdn.net/colin1014/article/details/357694 xsd文件中定义了一个targetNameSpace后，其内部定义的元素，属性，类型等都属于该targetNameSpace,其自身或外部xsd文件使用这些元素，属性等都必须从定义的targetNameSpace中找： 例如：以下xsd文件，就出现了该错误，即便是在一
  • 什么是RAID0、RAID1、RAID0+1、RAID5，等磁盘阵列模式? dcj3sjt126com raid
    RAID 1又称为Mirror或Mirroring，它的宗旨是最大限度的保证用户数据的可用性和可修复性。 RAID 1的操作方式是把用户写入硬盘的数据百分之百地自动复制到另外一个硬盘上。由于对存储的数据进行百分之百的备份，在所有RAID级别中，RAID 1提供最高的数据安全保障。同样，由于数据的百分之百备份，备份数据占了总存储空间的一半，因而，Mirror的磁盘空间利用率低，存储成本高。 Mir
  • yii2 restful web服务快速入门 dcj3sjt126com PHPyii2
    快速入门 Yii 提供了一整套用来简化实现 RESTful 风格的 Web Service 服务的 API。 特别是，Yii 支持以下关于 RESTful 风格的 API： 支持 Active Record 类的通用API的快速原型 涉及的响应格式（在默认情况下支持 JSON 和 XML) 支持可选输出字段的定制对象序列化 适当的格式的数据采集和验证错误
  • MongoDB查询(3)——内嵌文档查询（七） eksliang MongoDB查询内嵌文档MongoDB查询内嵌数组
    MongoDB查询内嵌文档 转载请出自出处：http://eksliang.iteye.com/blog/2177301 一、概述        有两种方法可以查询内嵌文档：查询整个文档；针对键值对进行查询。这两种方式是不同的，下面我通过例子进行分别说明。   二、查询整个文档 例如:有如下文档 db.emp.insert({ &qu
  • android4.4从系统图库无法加载图片的问题 gundumw100 android
    典型的使用场景就是要设置一个头像，头像需要从系统图库或者拍照获得，在android4.4之前，我用的代码没问题，但是今天使用android4.4的时候突然发现不灵了。baidu了一圈，终于解决了。 下面是解决方案： private String[] items = new String[] { "图库","拍照" }; /* 头像名称 */
  • 网页特效大全 jQuery等 ini JavaScriptjquerycsshtml5ini
    HTML5和CSS3知识和特效 asp.net ajax jquery实例 分享一个下雪的特效 jQuery倾斜的动画导航菜单 选美大赛示例 你会选谁 jQuery实现HTML5时钟 功能强大的滚动播放插件JQ-Slide 万圣节快乐！！！ 向上弹出菜单jQuery插件 htm5视差动画 jquery将列表倒转顺序 推荐一个jQuery分页插件 jquery animate
  • swift objc_setAssociatedObject block(version1.2 xcode6.4) 啸笑天 version
      import UIKit class LSObjectWrapper: NSObject { let value: ((barButton: UIButton?) -> Void)? init(value: (barButton: UIButton?) -> Void) { self.value = value
  • Aegis 默认的 Xfire 绑定方式，将 XML 映射为 POJO MagicMa_007 javaPOJOxmlAegisxfire
          Aegis 是一个默认的 Xfire 绑定方式，它将 XML 映射为 POJO, 支持代码先行的开发.你开发服 务类与 POJO,它为你生成 XML schema/wsdl XML 和 注解映射概览       默认情况下，你的 POJO 类被是基于他们的名字与命名空间被序列化。如果
  • js get max value in (json) Array qiaolevip 每天进步一点点学习永无止境max纵观千象
    // Max value in Array var arr = [1,2,3,5,3,2];Math.max.apply(null, arr); // 5 // Max value in Jaon Array var arr = [{"x":"8/11/2009","y":0.026572007},{"x"
  • XMLhttpRequest 请求 XML,JSON ,POJO 数据 Luob. POJOjsonAjaxxmlXMLhttpREquest
    在使用XMlhttpRequest对象发送请求和响应之前，必须首先使用javaScript对象创建一个XMLHttpRquest对象。 var xmlhttp； function getXMLHttpRequest(){ if(window.ActiveXObject){ xmlhttp:new ActiveXObject("Microsoft.XMLHTTP
  • jquery wuai jquery
    以下防止文档在完全加载之前运行Jquery代码，否则会出现试图隐藏一个不存在的元素、获得未完全加载的图像的大小 等等 $(document).ready(function(){ jquery代码; }); <script type="text/javascript" src="c:/scripts/jquery-1.4.2.min.js&quo
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他