- Happy-LLM 第二章 Transformer
HalukiSan
transformer深度学习人工智能
Transform架构图片来自[Happy-llm](happy-llm/docs/chapter2/第二章Transformer架构.mdatmain·datawhalechina/happy-llm),若加载不出来,请开梯子注意力机制前馈神经网络每一层的神经元都与上下两层的每一个神经元完全连接数据在其中只向前流动,用于处理静态的数据,进行图像识别或者分类,但是该网络没有记忆能力,数据在它里面没
- 大模型学习 (Datawhale_Happy-LLM)笔记7: Encoder-Decoder PLM
lxltom
学习笔记languagemodel自然语言处理神经网络人工智能深度学习
大模型学习(Datawhale_Happy-LLM)笔记7:Encoder-DecoderPLM1.Encoder-Decoder架构概述1.1架构基础Encoder-DecoderPLM是基于原始Transformer架构的完整实现,它同时保留了编码器(Encoder)和解码器(Decoder)两个核心组件。这种设计使得模型能够兼具文本理解和生成的双重能力,特别适合处理序列到序列(Seq2Seq
- 阅读笔记(2) 单层网络:回归
a2507283885
笔记
阅读笔记(2)单层网络:回归该笔记是DataWhale组队学习计划(共度AI新圣经:深度学习基础与概念)的Task02以下内容为个人理解,可能存在不准确或疏漏之处,请以教材为主。1.从泛函视角来看线性回归还记得线性代数里学过的“基”这个概念吗?一组基向量是一组线性无关的向量,它们通过线性组合可以张成一个向量空间。也就是说,这个空间里的任意一个向量,都可以表示成这组基的线性组合。函数其实也可以看作是
- 【机器学习实战】Datawhale夏令营2:深度学习回顾
城主_全栈开发
机器学习机器学习深度学习人工智能
#DataWhale夏令营#ai夏令营文章目录1.深度学习的定义1.1深度学习&图神经网络1.2机器学习和深度学习的关系2.深度学习的训练流程2.1数学基础2.1.1梯度下降法基本原理数学表达步骤学习率α梯度下降的变体2.1.2神经网络与矩阵网络结构表示前向传播激活函数反向传播批处理卷积操作参数更新优化算法正则化初始化2.2激活函数Sigmoid函数:Tanh函数:ReLU函数(Rectified
- 二、大模型的能力(DataWhale大模型理论基础)
Y_fulture
大模型理论基础(DW组队学习)人工智能gpt-3nlp
大模型的能力一、概述本节主要是通过对GPT-3论文中的基准测试深入研究,从而获得关于GPT-3更深程度的认识我们应该知道,GPT-3的结果参差不齐:在某些任务上,比如语言建模,GPT-3大幅度超越了现有技术的最高水平;在其他任务上,GPT-3与训练有素,拥有大量标签数据的系统竞争时,却明显落后。造成上述现象的原因:GPT-3并未明确针对这些任务进行训练,它只是作为一个语言模型,被训练来预测下一个词
- 大模型学习 (Datawhale_Happy-LLM)笔记4: 预训练语言模型
lxltom
学习笔记语言模型人工智能bertgpt
大模型学习(Datawhale_Happy-LLM)笔记4:预训练语言模型一、概述本章按Encoder-Only、Encoder-Decoder、Decoder-Only的顺序来依次介绍Transformer时代的各个主流预训练模型,分别介绍三种核⼼的模型架构、每种主流模型选择的预训练任务及其独特优势,这也是目前所有主流LLM的模型基础。二、Encoder-onlyPLM代表:BERT及其优化版本
- 【Datawhale组队学习202506】YOLO-Master task02 YOLO系列发展线
来两个炸鸡腿
Datawhale组队学习学习YOLOpython深度学习
系列文章目录`文章目录系列文章目录前言V1-2015-JosephRedmonV2-2016-JosephRedmonV3-2018-JosephRedmonYOLO之父的退出V4-202004-Chien-YaoWangV5-20200609-Ultralytics公司V6-20220623-美团V7-2022-Chien-YaoWangV8-20230110-Ultralytics公司V9-2
- Datawhale YOLO Master 第1次笔记
weixin_44811994
YOLO笔记
课程链接https://github.com/datawhalechina/yolo-masterYOLO系列模型堪称算法界的《五年高考三年模拟》:代码比字典的释义还易懂:PyTorch版源码自带"防脱发"注释,连数据加载器都写着"这里可以加缓存哦~"训练自由度高过还原魔方:从640x640输入尺寸到Neck网络结构,改配置比换手机壳还方便教程比奶茶店的新品还多:GitHub星标项目能绕地球两圈,
- DataWhale-零基础网络爬虫技术(一)
我怎么又饿了呀
DatawhalePythonDataWhale网络
课程链接先给各位↓↓↓(点击即可食用.QAQDatawhale-学用AI,从此开始一、引言还是在笔记的开始,唠唠一些自己的故事十年前第一次接触网络,也可以说是第一次接触计算机的时候,那时候还是在中学阶段,那时候大家比较乐忠于玩QQ,刷一排各式各样的钻还有图标显得比较酷炫,我们班所有人都会用各种途径点亮五颜六色的钻,大家在下课吹牛的时候总会说我的途径更有效、我的价更低等等...所以那时候的年轻想法就
- DataWhale-零基础络网爬虫技术(二er数据的解析与提取)
我怎么又饿了呀
PythonDatawhale爬虫算法
课程链接先给各位↓↓↓(点击即可食用.QAQDatawhale-学用AI,从此开始一、数据的解析与提取数据提取的几种方式:re解析bs4解析xpath解析1.1正则表达式(ReuglarExperssion)RE是一种用于字符串匹配的规则描述方式。它通过特定的组合字符来定义字符串的模式,从而实现对字符串的搜索、匹配、替换等操作。Python也支持同样re的用法,需要引入模块importre。使用场
- 【Datawhale组队学习202506】YOLO-Master task01 导学课程
来两个炸鸡腿
Datawhale组队学习学习YOLO
系列文章目录task01导学课程文章目录系列文章目录前言一、计算机视觉与YOLO?二、YOLO好在哪2.1卓越性能2.2极易学习2.3模块化设计2.4开源社区活跃三、YOLOMaster教程内容介绍总结前言Datawhale是一个专注于AI与数据科学的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员YOLO-Master本章学习资料:https://wv
- Datawhale组队学习 - 202505 - PyPOTS - Task01时序数据与PyPOTS
来两个炸鸡腿
学习python人工智能
系列文章目录Task01-时序数据与PyPOTS文章目录系列文章目录前言1时间序列数据1.1时间序列数据的类型1.2时间序列数据示例1.3时间序列的研究与应用方向1.3.1预测Forecasting1.3.2分类Classification1.3.3聚类Clustering1.3.4异常监测AnomalyDetection1.3.5时间序列生成Generation1.3.6插补Imputation
- 【Datawhale组队学习202506】零基础学爬虫 01 初始爬虫
来两个炸鸡腿
Datawhale组队学习学习爬虫python
系列文章目录01初始爬虫文章目录系列文章目录前言1爬虫和Python2爬虫的矛盾2.1爬虫与反爬2.2robots核心字段重要规则说明非标准扩展指令协议生效条件局限性验证工具2.3一个爬虫demo3Web请求与HTTP协议3.1一个web请求的全过程3.2判断页面源代码位置3.3HTTP协议HTTP请求HTTP响应3.4requests模块入门总结前言Datawhale是一个专注于AI与数据科学的
- Datawhale 2025年2月组队学习- 推荐系统教程FunRec #Task3
dxnb22
Datawhale学习笔记人工智能推荐算法
第二章基于向量的召回1.item2vec未完待续……2.youtubeDnn3.经典双塔模型
- Datawhale | 最新AI Agent万字综述分享!
双木的木
大模型专栏Transformer专栏深度学习拓展阅读人工智能transformer深度学习pythonchatgptpromptagent
本文来源公众号“Datawhale”,仅用于学术分享,侵权删,干货满满。原文链接:最新AIAgent万字综述分享!近日,支付宝百宝箱团队的技术负责人王月凡在Datawhale社区带来了AIAgent综述分享。从大语言模型的发展历程出发,全面分享了AIAgent现状,包括:AIAgent出现的原因、构成、核心技术、核心能力、应用场景,以及备受关注的场景落地难点。同时,在最后探讨了未来的人机交互与智能
- 全方位入门大模型应用开发,只需一招搞定:吴恩达系列课程中文教程实战指南!
AI小白熊
人工智能机器学习自然语言处理ai大模型程序员转行
随着生成式人工智能技术的迅速发展,大语言模型(LLM,LargeLanguageModel)成为了当下AI领域最炙手可热的赛道之一。如何快速、高效地掌握LLM的开发要领,成为众多开发者关注的热点。而由Datawhale团队打造的《面向开发者的大模型手册-LLMCookbook》项目,正好为有志于投身大模型开发的中文学习者提供了一套体系化、本地化的入门与实战宝典。本文将为你详细解析这个项目包含的各类
- Git 3天2K星标:Datawhale 的 Happy-LLM 项目介绍(附教程)
大语言模型
人工智能LLM大模型程序员AI大模型RAG知识库
引言在人工智能飞速发展的今天,大语言模型(LargeLanguageModels,LLMs)已成为技术领域的焦点。从智能写作到代码生成,LLM的应用场景不断扩展,深刻改变了我们的工作和生活方式。然而,理解这些模型的内部原理和训练过程并非易事,需要系统的学习和实践。为了帮助广大AI爱好者深入掌握大语言模型的精髓,国内最大的AI开源学习社区Datawhale推出了Happy-LLM项目。这个开源教程以
- LLM基础1_语言模型如何处理文本
激进小猪1002
语言模型人工智能自然语言处理
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn工具介绍tiktoken:OpenAI开发的专业"分词器"torch:Facebook开发的强力计算引擎,相当于超级计算器理解词嵌入:给词语画"肖像"传统方法:给每个词一个编号(就像学生学号)词嵌入:给每个词画一幅多维画像(就像用颜色、形状、纹理描述一幅画),但是计算机
- LLM基础2_语言模型如何文本编码
激进小猪1002
java服务器前端
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn字节对编码(BPE)上一篇博文说到为什么GPT模型不需要[PAD]和[UNK]?GPT使用更先进的字节对编码(BPE),总能将词语拆分成已知子词为什么需要BPE?简单分词器的问题:遇到新词就卡住(如"Hello")BPE的解决方案:把陌生词拆成已知的小零件BPE如何工作
- 机器学习西瓜书笔记——机器学习基本术语,模型性能指标【一】
Code思铮
机器学习笔记人工智能
西瓜书第一,二章笔记datawhale吃瓜教程task1学习笔记第一章第一张主要介绍了一些机器学习研究内容和基本术语,以及发展现状。基本术语由于有些术语过于基础,在此不做赘述大家可以去读西瓜书。1、分类任务:若模型的预测值是离散的,如“好瓜”,“坏瓜”,这是分类任务。在二分类任务中有两个标签(label)一个是正类,一个是反类2、回归任务:若模型的预测值是连续的,如“西瓜的成熟度是0.99“那么这
- 给MCP加上RAG,工具准确率提升200%,起飞~
Datawhale
Datawhale分享作者:TiantianGan、QiyaoSun编辑:PaperAgent大型语言模型(LLMs)在有效利用越来越多的外部工具(如模型上下文协议(MCP)所定义的工具)方面存在困难,这是由于提示膨胀和选择复杂性造成的。因此引入了RAG-MCP,这是一个检索增强生成框架,通过卸载工具发现来克服这一挑战。论文地址:https://arxiv.org/pdf/2505.03275提示
- Datawhale PyPOTS时间序列5月第1次笔记
weixin_44811994
笔记
课程原地址:https://github.com/WenjieDu/PyPOTS(Package地址)https://github.com/WenjieDu/BrewPOTS/tree/datawhale/202505_datawhale(Tutorial地址)2.1PyPOTS简介PyPOTS是一个专为处理部分观测时间序列(Partially-ObservedTimeSeries,简称POTS)
- Datawhale-llm-universe 第一章 LLM介绍打卡
星野yee
人工智能自然语言处理chatgptpython
第一章课程大纲:(本笔记大部分内容来自DataWhale的六月llm打卡课程,并融入了一些个人的理解以及思考)大型语言模型LLM理论简介LLM的定义和概念发展历程主要模型(如GPT-3、GPT-4、PaLM等)典型应用场景LLM的能力和特点检索增强生成RAG简介RAG的概念工作流程优势和应用与微调(Finetune)的比较环境配置Python环境安装依赖库安装虚拟环境管理JupyterNotebo
- Datawhale llm-universe Task1
programer_cao
语言模型
课程链接:课程笔记本本节内容主要是讲述大语言模型是什么、大语言模型的发展过程、现在常用的大语言模型第一节课比较偏概念,我的笔记以我自己的个人理解为主。大语言模型的奠基之作:2017年google发表AttentionisAllyouneed.这篇文章提出了transformer结构,从此llm的发展就像雨后春笋.一个重要的现象:随着模型参数量的增大,模型会出现一种类似于"自我思考自我联想"的“涌现
- 【datawhale组队学习】coze-ai-assistant TASK01
speop
学习人工智能
文章目录AI工作流CozeAgentAI工作流工作流具备了:大量的重复性任务(如内容创作、编辑、发布)和固定的业务流程(如策划、创作、审核、发布)。通过AI来标准化这些步骤,并利用工具自动执行这些流程,就可以大大提高效率。Coze智能体:基于对话的AI项目,它通过对话方式接收用户的输入,由大模型自动调用插件或工作流等方式执行用户指定的业务流程,并生成最终的回复。应用:应用是指利用大模型技术开发的应
- DataWhale AI春训营-AI+生命科学学习笔记
Mmiraclez
人工智能学习笔记
赛题的核心是IDRs预测问题,需要参赛者基于给定的蛋白质序列信息,准确预测蛋白质的内在无序区域。数据标注方式:序列标注:参赛者需要对每个氨基酸位置进行标注,判断该位置是否属于无序区域。标注方式:使用二进制标签(0或1)表示每个氨基酸是否属于无序区域。例如:{'id':'disordered_protein_0','sequence':'MKQFGLAAFDELKDGKYNDVNKTILEKQSVE
- Datawhale AI春训营 | AI+蛋白质固有无序区域预测(蛋白质预测)
神奇鱼同学
人工智能
DatawhaleAI春训营|AI+蛋白质固有无序区域预测(蛋白质预测)赛题背景在生物体系中,蛋白质并非总是维持着固定的刚性结构,相当一部分蛋白质或其部分区域处于无序状态,即所谓的内在无序蛋白(IDPs)以及蛋白质中的无序区域(IDRs)。IDRs的存在,使蛋白质更容易形成液滴状,诱发相变生成和调控的发生,在DNA调节和细胞信号传导中具有重要意义。现有IDRs位置的区域大多通过生化方法完成,由于其
- Datawhale AI春训营--蛋白质预测(AI+生命科学)
2 0 1 2
人工智能机器学习
基础解题方案方法1:词向量+机器学习步骤1:训练词向量使用gensim库的Word2Vec模型对氨基酸序列进行词向量训练。将每个蛋白质序列转换为由空格分隔的字符串(’'.join(x[“sequence”])),形成句子列表。vector_size=100:词向量的维度为100。min_count=1:至少出现一次的单词才会被考虑。训练完成后,model_w2v包含了每个氨基酸的词向量表示。dat
- DatawhaleAI春训营-蛋白质预测(AI+生命科学)初次体验和学习笔记
fresh416
开源机器学习人工智能深度学习自然语言处理
Datawhale官方链接:https://www.datawhale.cn/home首先先感谢Datawhale提供的AI春训营让我能在枯燥的本科大学生活中也能接触先进的AI知识,感谢你们的开源精神(开源精神永不落幕),也无比感谢鱼佬的代码帮助以及各位助教和各大民间高手的热心帮助,让我这个门外汉也能接触到AI+生命科学的独特。基于官方文档的学习笔记一、IDRs的生物学意义与挑战定义与功能IDRs
- 李宏毅《深度学习》课程笔记第一章:机器学习核心概念解析
*花ㄜ漾_._
机器学习深度学习
本文为参与DataWhale组队学习期间,对李宏毅教授《深度学习》课程第一章"机器学习介绍"的学习总结。内容基于个人理解整理,主要面向机器学习初学者,重点梳理核心概念与技术框架。一、机器学习范式理解1.1基本定义机器学习是通过数据驱动的参数化模型构建方法,其数学本质可表示为:f∗=argminf∑L(f(xi),yi)+λΩ(f)f^*=\arg\min_f\sumL(f(x_i),y_i)+
- 插入表主键冲突做更新
a-john
有以下场景:
用户下了一个订单,订单内的内容较多,且来自多表,首次下单的时候,内容可能会不全(部分内容不是必须,出现有些表根本就没有没有该订单的值)。在以后更改订单时,有些内容会更改,有些内容会新增。
问题:
如果在sql语句中执行update操作,在没有数据的表中会出错。如果在逻辑代码中先做查询,查询结果有做更新,没有做插入,这样会将代码复杂化。
解决:
mysql中提供了一个sql语
- Android xml资源文件中@、@android:type、@*、?、@+含义和区别
Cb123456
@+@?@*
一.@代表引用资源
1.引用自定义资源。格式:@[package:]type/name
android:text="@string/hello"
2.引用系统资源。格式:@android:type/name
android:textColor="@android:color/opaque_red"
- 数据结构的基本介绍
天子之骄
数据结构散列表树、图线性结构价格标签
数据结构的基本介绍
数据结构就是数据的组织形式,用一种提前设计好的框架去存取数据,以便更方便,高效的对数据进行增删查改。正确选择合适的数据结构,对软件程序的高效执行的影响作用不亚于算法的设计。此外,在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈,堆等,就是经典的数据结构。
经典的数据结构大致如下:
一:线性数据结构
(1):列表
a
- 通过二维码开放平台的API快速生成二维码
一炮送你回车库
api
现在很多网站都有通过扫二维码用手机连接的功能,联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊,写了个前台快速生成二维码的方法。
html代码如下:(二维码将生成在这div下)
? 1
&nbs
- ImageIO读取一张图片改变大小
3213213333332132
javaIOimageBufferedImage
package com.demo;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
/**
* @Description 读取一张图片改变大小
* @author FuJianyon
- myeclipse集成svn(一针见血)
7454103
eclipseSVNMyEclipse
&n
- 装箱与拆箱----autoboxing和unboxing
darkranger
J2SE
4.2 自动装箱和拆箱
基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便,但提供方便的同时表示隐藏了细节,建议在能够区分基本数据类型与对象的差别时再使用。
4.2.1 autoboxing和unboxing
在Java中,所有要处理的东西几乎都是对象(Object)
- ajax传统的方式制作ajax
aijuans
Ajax
//这是前台的代码
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
- 只用jre的eclipse是怎么编译java源文件的?
avords
javaeclipsejdktomcat
eclipse只需要jre就可以运行开发java程序了,也能自动 编译java源代码,但是jre不是java的运行环境么,难道jre中也带有编译工具? 还是eclipse自己实现的?谁能给解释一下呢问题补充:假设系统中没有安装jdk or jre,只在eclipse的目录中有一个jre,那么eclipse会采用该jre,问题是eclipse照样可以编译java源文件,为什么呢?
&nb
- 前端模块化
bee1314
模块化
背景: 前端JavaScript模块化,其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来,还处于刀耕火种的野蛮生长阶段。 JavaScript一直缺乏有效的包管理机制,造成了大量的全局变量,大量的方法冲突。我们多么渴望有天能像Java(import),Python (import),Ruby(require)那样写代码。在没有包管理机制的年代,我们是怎么避免所
- 处理百万级以上的数据处理
bijian1013
oraclesql数据库大数据查询
一.处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描。
2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 o
- mac 卸载 java 1.7 或更高版本
征客丶
javaOS
卸载 java 1.7 或更高
sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin
成功执行此命令后,还可以执行 java 与 javac 命令
sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane
成功执行此命令后,还可以执行 java
- 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析
bit1129
Stream
第一步,Flume和Kakfa对接,Flume抓取日志,写到Kafka中
第二部,Spark Streaming读取Kafka中的数据,进行实时分析
本文首先使用Kakfa自带的消息处理(脚本)来获取消息,走通Flume和Kafka的对接 1. Flume配置
1. 下载Flume和Kafka集成的插件,下载地址:https://github.com/beyondj2ee/f
- Erlang vs TNSDL
bookjovi
erlang
TNSDL是Nokia内部用于开发电信交换软件的私有语言,是在SDL语言的基础上加以修改而成,TNSDL需翻译成C语言得以编译执行,TNSDL语言中实现了异步并行的特点,当然要完整实现异步并行还需要运行时动态库的支持,异步并行类似于Erlang的process(轻量级进程),TNSDL中则称之为hand,Erlang是基于vm(beam)开发,
- 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个
ljy325
企业应用
非常希望有一个预防疲劳的java软件,我看新闻和网站,国防科技大学的科学家累死了,太疲劳,老是加班,不休息,经常吃药,吃药根本就没用,根本原因是疲劳过度。我以前做java,那会公司垃圾,老想赶快学习到东西跳槽离开,搞得超负荷,不明理。深圳做软件开发经常累死人,总有不明理的人,有个软件提醒限制很好,可以挽救很多人的生命。
相关新闻:
(1)IT行业成五大疾病重灾区:过劳死平均37.9岁
- 读《研磨设计模式》-代码笔记-原型模式
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/
/**
* Effective Java 建议使用copy constructor or copy factory来代替clone()方法:
* 1.public Product copy(Product p){}
* 2.publi
- 配置管理---svn工具之权限配置
chenyu19891124
SVN
今天花了大半天的功夫,终于弄懂svn权限配置。下面是今天收获的战绩。
安装完svn后就是在svn中建立版本库,比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构
pepos
component
webapps
在conf里面的auth里赋予的权限配置为
[groups]
- 浅谈程序员的数学修养
comsci
设计模式编程算法面试招聘
浅谈程序员的数学修养
- 批量执行 bulk collect与forall用法
daizj
oraclesqlbulk collectforall
BULK COLLECT 子句会批量检索结果,即一次性将结果集绑定到一个集合变量中,并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、
FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。
有关FORALL语句的用法请参考:批量SQL之 F
- Linux下使用rsync最快速删除海量文件的方法
dongwei_6688
OS
1、先安装rsync:yum install rsync
2、建立一个空的文件夹:mkdir /tmp/test
3、用rsync删除目标目录:rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了,删除的速度会非常快。rsync实际上用的是替换原理,处理数十万个文件也是秒删。
- Yii CModel中rules验证规格
dcj3sjt126com
rulesyiivalidate
Yii cValidator主要用法分析:
yii验证rulesit 分类: Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError
 
- 基于vagrant的redis主从实验
dcj3sjt126com
vagrant
平台: Mac
工具: Vagrant
系统: Centos6.5
实验目的: Redis主从
实现思路
制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box
制作sentos6.5+redis的box
mkdir vagrant_redis
cd vagrant_
- Memcached(二)、Centos安装Memcached服务器
frank1234
centosmemcached
一、安装gcc
rpm和yum安装memcached服务器连接没有找到,所以我使用的是make的方式安装,由于make依赖于gcc,所以要先安装gcc
开始安装,命令如下,[color=red][b]顺序一定不能出错[/b][/color]:
建议可以先切换到root用户,不然可能会遇到权限问题:su root 输入密码......
rpm -ivh kernel-head
- Remove Duplicates from Sorted List
hcx2013
remove
Given a sorted linked list, delete all duplicates such that each element appear only once.
For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
- Spring4新特性——JSR310日期时间API的支持
jinnianshilongnian
spring4
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
- 浅谈enum与单例设计模式
247687009
java单例
在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种),两者同是私有构
造器,导出静态成员变量,以便调用者访问。
第一种
package singleton;
public class Singleton {
//导出全局成员
public final static Singleton INSTANCE = new S
- 使用switch条件语句需要注意的几点
openwrt
cbreakswitch
1. 当满足条件的case中没有break,程序将依次执行其后的每种条件(包括default)直到遇到break跳出
int main()
{
int n = 1;
switch(n) {
case 1:
printf("--1--\n");
default:
printf("defa
- 配置Spring Mybatis JUnit测试环境的应用上下文
schnell18
springmybatisJUnit
Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有:
单元测试的app context不支持从外部properties文件注入属性
@Value注解不能解析带通配符的路径字符串
解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。
第二个问题的具体实例是:
 
- Java 定时任务总结一
tuoni
javaspringtimerquartztimertask
Java定时任务总结 一.从技术上分类大概分为以下三种方式: 1.Java自带的java.util.Timer类,这个类允许你调度一个java.util.TimerTask任务; 说明: java.util.Timer定时器,实际上是个线程,定时执行TimerTask类 &
- 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法
yangshangchuan
rank相似度计算文本相似度词袋模型余弦相似度
本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法,对于其他的用户生成内容站点类型也具有同样的适用性。
最近在ITEYE博客频道上面出现了一种新型的商业广告形式,方法如下:
1、注册多个账号(一般10个以上)。
2、从多个账号中选择一个账号,发表1-2篇博文