- AI工作流平台对比分析
come11234
Ai人工智能
以下是和「扣子工作流」(KoFlow)类似的AI工作流平台对比分析,涵盖主流工具的核心特点、使用方式、优缺点及区别:一、主流工作流平台分类平台类型核心定位代表用户扣子(KoFlow)低代码AI流程中文场景优化,深度集成大模型中文开发者/企业LangChain代码框架开发者灵活构建AI链Python开发者/AI工程师LlamaIndex数据增强框架企业级RAG(检索增强生成)数据工程师/知识库应用M
- AI取代人类?不,真正淘汰你的是“不会用AI”的人
zhuzhi
人工智能chatgpt
“AI会让人类失业吗?”——这个问题在过去几年被反复讨论。ChatGPT的爆火、MidJourney颠覆设计行业、自动驾驶取代司机……似乎AI正在“抢走”人类的工作。但真相是:AI不会取代所有人,但它会取代那些不会使用AI的人。未来10年,职场竞争不再是“人类VSAI”,而是**“会用AI的人”VS“不用AI的人”**。就像20年前互联网刚普及时,会用搜索引擎的人比只会翻书的人效率高10倍;今天,
- 【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章(LangChain与Retrieval组件)Text Splitters详解 ?
【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章(LangChain与Retrieval组件)TextSplitters详解?【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章(LangChain与Retrieval组件)TextSplitters详解?文章目录【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章(LangChain与Re
- Cache与DB的数据一致性(缓存更新设计模式和操作顺序)
description:总结Cache与DB的数据一致性相关内容。缓存一致性的三个障碍当对主数据库的更改未反映在缓存中时更新缓存结果时出现延迟当缓存节点之间不一致时如何设计缓存更新模式?首先,提出我阅读相关文章时遇到的疑惑。当我使用搜索引擎(百度orGoogle)去搜索缓存与数据库的数据一致性如何保证时,我会看到三种结果:仅讲解先操作数据库or先操作缓存(最多)讲解四种缓存更新策略模式将上述两者结
- 【LangChain编程:从入门到实践】AI 大模型检索增强生成 RAG 实践
AI智能应用
Python入门实战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
LangChain编程:从入门到实践-AI大模型检索增强生成RAG实践关键词:LangChain,RAG,大语言模型,检索增强生成,向量数据库,嵌入模型,提示工程1.背景介绍在人工智能和自然语言处理领域,大语言模型(LargeLanguageModels,LLMs)的出现无疑是一个重大突破。像GPT-3、GPT-4这样的模型展现出了惊人的语言理解和生成能力,为各种应用场景带来了无限可能。然而,这些
- 【LLaMA 3实战:检索增强】13、LLaMA 3+RAG精准问答系统优化全指南:从检索增强到可信度提升实战
无心水
LLaMA3模型实战专栏llamaLLaMA3对话能力全解析LLaMA3AI大模型LLaMa3实战程序员的AI开发第一课AI入门
一、RAG赋能LLaMA问答系统的核心价值与瓶颈突破(一)准确性提升的三大核心挑战问题类型典型表现传统方案局限RAG+LLaMA3解决方案知识滞后型错误回答包含过时技术细节依赖模型预训练更新动态检索最新文档库上下文误解曲解问题意图或检索内容固定分块导致语义断裂语义感知分块+动态查询扩展事实幻觉虚构不存在的概念或数据缺乏外部事实校验溯源标注+多模型交叉验证(二)RAG与LLaMA3的协同优势动态知识
- 【机器学习&深度学习】适合微调的模型选型指南
一叶千舟
深度学习【应用必备常识】深度学习人工智能
目录一、不同规模模型微调适用性二、微调技术类型对显存的影响三、选择建议(根据你的硬件)四、实际模型推荐五、不同模型适合人群六、推荐几个“非常适合微调”的模型七、推荐使用的微调技术八、场景选择示例场景1:智能客服(中文)场景2:法律问答(中文RAG)场景3:医学问答/健康咨询场景4:AI写作助手(中英文)场景5:代码补全/AI编程助手对比总结表九、不同参数模型特点9.1参数规模vs能力9.2微型模型
- RAG 每日一技(一):你的第一步就走错了?聊聊最基础的文本分块
ezl1fe
RAG每日一技人工智能后端语言模型
前言兄弟们,最近大模型是真火啊!但光火有什么用,咱得把它用在自己的项目里,解决实际问题才算牛。于是很多人撸起袖子就开干,想让大模型能回答自己文档、知识库里的问题。理想很丰满:我扔一堆文档进去,模型“嗖”一下就学会了,然后就有问必答,跟专家一样。现实很骨感:不管怎么喂数据,模型要么回答得牛头不对马嘴,要么干脆说“我不知道”。是不是感觉很熟悉?问题到底出在哪?很多时候,问题并非出在模型本身,而是出在了
- RAG系列:提升RAG检索力:三大Query变形术,助你玩转AI知识检索!
数智前沿
数字化转型人工智能RAG
之前的帖子大多在优化向量化的过程,让文本内容分块更合理和更精准,本篇重点介绍使用RAG时如何优化提示词,以提高查询结果的精准度!一、RAG的“灵魂拷问”:你真的会提问吗?在AI时代,信息检索的效率和质量,80%取决于你“怎么问”。RAG系统的本质,就是“你问得好,我答得妙”。但现实往往是——用户提问:“AI会抢我饭碗吗?”检索系统:一脸懵逼,给你扔来一堆“AI是什么”“就业趋势”……用户:???这
- RAG和KAG的区别
testresultstomorrow
人工智能pythonjava知识图谱
RAG(Retrieval-AugmentedGeneration,检索增强生成)和KAG(Knowledge-AugmentedGeneration,知识增强生成)都是用于增强生成模型能力的框架,但它们在多个方面存在区别,以下是具体介绍:原理与知识处理方式RAG:基于检索和生成的结合,用户查询经检索系统处理后,从外部知识源检索相关文档或段落,再将这些作为上下文输入生成模型,生成相关回复。KAG:
- RAG检索增强生成在垂类AI应用效能优化中的应用
TechVision大咖圈
人工智能RAG检索增强生成垂类AI效能优化知识库向量检索
关键词:RAG、检索增强生成、垂类AI、效能优化、知识库、向量检索、大模型应用文章目录引言:为什么垂类AI需要RAGRAG技术原理深度解析垂类AI应用的痛点与挑战RAG在垂类AI中的解决方案效能优化的核心策略实战案例分析最佳实践与踩坑指南总结与展望引言:为什么垂类AI需要RAG在AI大模型满天飞的今天,每个企业都想搭建自己的"智能助手"。但是现实很骨感——通用大模型虽然知识渊博,却像个"万金油",
- 一种文档与代码双轨处理的RAG架构方案
木鱼时刻
大模型人工智能深度学习
1.目标如何构建一个能同时高效处理文档和代码的RAG系统?本文提出的融合架构,旨在解决这一核心挑战。2.整体架构概览该系统的顶层设计思想是专业分工,统一调度。它将复杂的知识处理流程拆解为清晰的模块,各模块各司其职,最终由一个核心服务进行统一编排。+-------------------+|前端||(DifyWeb界面)|+-------------------+|+----------------
- 一款wordperss AI免费插件自动内容生成+前端AI交互+文章批量采集
Linkreate
前端人工智能wordpresswordpressAI插件wordpress免费插件wordpress自动发文自动发文源码
一款LinkreatewordperssAI自动内容生成+前端AI会话窗口交互+文章批量采集免费插件1.SEO优化文章生成关键词驱动的内容生成:用户可以输入关键词或长尾关键词,插件会根据这些关键词生成高质量的SEO优化文章。文章结构清晰,语言自然流畅,符合SEO标准,能够有效提升网站内容的搜索引擎排名。自定义文章长度和要求:用户可以根据需要指定文章的长度(字数)以及对文章的额外要求,例如内容风格、
- 导师要求一天完成综述,我7分钟搞定——打造一个全本地DeepResearch助手
小洛~·~
人工智能深度学习chatgptgptAI写作
1.项目背景LocalDeepResearcher是一个本地化运行的AI研究助手,旨在通过结合大语言模型(LLM)和搜索工具,实现自动化深度研究并生成结构化报告。该项目由LangChainAI开发,支持本地模型(例如通过Ollama运行的deepseek-r1:7b)和云端模型(例如Claude、GPT),并集成了多种搜索引擎(如Tavily、DuckDuckGo)。其本地优先的设计确保了数据隐私
- 如何向AI提问?
人邮异步社区
人工智能AI编程程序员大模型
如何向AI提问?让我们从DeepSeek开始入手。DeepSeek不是一个单纯的搜索引擎,更不是一个单纯听你指令的、只会执行命令的“机器人”。如果只是把它单纯当作高级搜索、当作执行命令的机器人,就严重低估了它的价值。DeepSeek能帮我们完成如下工作:DeepSeek的这几个功能是什么?结合DeepSeekApp界面,我们详细介绍一下几个常用的功能。上传文件:除了采用文字交互方式,用户也可以上传
- 推荐几本人工智能方面的书(入门级)
人邮异步社区
人工智能深度学习神经网络
以下推荐几本适合入门人工智能的书籍,帮助你逐步建立基础知识和理解:一、数学基础类《数学之美》推荐理由:深入浅出地讲解了自然语言处理与搜索方向的数学原理,对于理解算法背后的数学逻辑非常有帮助。本书的章节名称,有“统计语言模型”“谈谈中文分词”“贾里尼克和现代语言处理”“布尔代数和搜索引擎”“信息指纹及其应用”等,似乎太过专业,实际上高中和大学低年级的同学们都能看得懂,当然本书因此也可以称得上是“高级
- 通过本地LLM搭建本地RAG
TBM矩阵
#AI体系学习人工智能
整体思路通过ollama下载并搭建本地大预言模型LLM。通过ollama搭建embedding模型。通过langchain文件加载器加载本地内容文件(PDF文件)。通过langchain调用embedding模型进行向量存储和RAG检索。通过langchainprompts实现提示词工程。通过langchain调用LLM模型实现RAG生成,完成对本地文件的分析。准备环境服务器:CentOSLinu
- LOGO SEO优化
码哥DFS
前端htmlcss
1.logo里面首先放一个h1标签,目的是为了提权,告诉搜索引擎,这个地方很重要。2.h1里面再放一个链接,可以返回首页的,把logo的背景图片给链接即可。3.为了搜索引擎收录我们,我们链接里面要放文字(网站名称),但是文字不要显示出来。方法1:text-indent移到盒子外面(text-indent:-9999px),然后overflow:hidden。方法2:直接给font-size:0;就
- RAG系统的“聪明药”:如何用反馈回路让你的AI越用越聪明?
许泽宇的技术分享
人工智能
大家好,我是你们的AI技术侃侃而谈小能手。今天我们来聊聊RAG(Retrieval-AugmentedGeneration,检索增强生成)系统的进化之路——如何让它像喝了聪明药一样,越用越聪明,越聊越懂你。你是不是也有这样的体验?用ChatGPT、文档问答机器人,刚开始觉得还行,但用久了发现它总是“死脑筋”,问同样的问题,答得千篇一律,甚至一错再错。你想:“要是它能记住我的吐槽和建议,下次别再犯同
- Python爬虫实战:研究difflib库相关技术
ylfhpy
爬虫项目实战python爬虫easyui开发语言前端difflib
1.引言1.1研究背景与意义在信息爆炸的数字时代,互联网每天产生海量文本内容。据统计,全球新闻网站日均发布文章超过300万篇,社交媒体平台产生的文本信息量更以亿级单位增长。这种信息过载带来了内容同质化、抄袭剽窃等问题,给新闻媒体行业、学术研究领域和搜索引擎优化等带来了挑战。文本相似度分析作为自然语言处理的重要分支,能够有效识别内容间的相似程度,具有重要的应用价值:新闻媒体行业:通过检测新闻抄袭和重
- 企业级RAG系统架构设计与实现指南(Java技术栈)
在未来等你
大模型应用开发AI技术编程JavaSpring
企业级RAG系统架构设计与实现指南(Java技术栈)开篇:RAG系统的基本概念与企业应用价值在当今快速发展的AI技术背景下,检索增强生成(Retrieval-AugmentedGeneration,RAG)已成为构建智能问答、知识库管理、个性化推荐等应用的核心技术之一。RAG系统通过结合信息检索与自然语言生成(NLG),能够有效提升模型对特定领域数据的适应能力,避免传统大模型在训练数据不足或数据更
- 信息检索简介——文本处理、搜索引擎、数据挖掘、机器学习、推荐系统等
AI天才研究院
Python实战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2005年8月17日至9月3日在美国加利福尼亚州伯克莱纳举行了SIGIR国际会议(中文全称“计算机信息retrieval国际会议”),这是信息检索领域的顶级会议之一。该会议由ACM主办,主题涵盖了包括文本处理、搜索引擎、数据挖掘、机器学习、推荐系统等多个热门方向。此次会议是第一次将信息检索作为一个学科,并取得重大突破。本文试图对SIGIR进行一个完整的介绍,阐述
- BaiduSitemap - Typecho站点地图生成与多搜索引擎推送插件
独立开发者阿乐
原创javascript云计算自动化大数据数据分析
文章目录BaiduSitemap-Typecho站点地图生成与多搜索引擎推送插件✨功能特点插件架构核心模块文件结构安装方法方法一:手动安装方法二:Git克隆⚙️配置说明站点地图基本设置搜索引擎配置百度搜索引擎必应(Bing)搜索引擎谷歌(Google)搜索引擎使用指南站点地图访问手动操作站点地图包含内容高级功能图片索引优化推送状态监控技术实现详解站点地图生成流程搜索引擎推送机制缓存机制❓常见问题站
- 解密大模型全栈开发:从搭建环境到实战案例,一站式攻略
海棠AI实验室
“智元启示录“-AI发展的深度思考与未来展望人工智能大模型全栈开发
目录大模型基础概念什么是大模型?大模型的发展历程大模型的类型大模型全栈开发环境搭建硬件需求软件环境配置云服务选择大模型应用开发流程模型选择策略提示工程(PromptEngineering)模型微调(Fine-tuning)参数高效微调(PEFT)大模型应用架构设计基本应用架构RAG(检索增强生成)系统Agent系统设计大模型应用部署与优化模型部署选项模型优化技术性能监控与调优大模型应用实战案例智能
- 【通过pip安装 Open-WebUI 快速使用入门】
慕慕涵雪月光白
llama代理模式
OpenWebUI是一个可扩展、功能丰富且用户友好的自托管AI平台,旨在完全离线操作。它支持各种LLM运行器,如Ollama和OpenAI兼容的API,内置RAG推理引擎,使其成为强大的AI部署解决方案。使用Docker快速入门如果Ollama在您的计算机上,请使用以下命令:dockerrun-d-p3000:8080--add-host=host.docker.internal:host-gat
- 【爆款长文】RAG检索增强大模型的“记忆力”革命:Contextual Chunk Headers(CCH)实战全解析
许泽宇的技术分享
人工智能机器学习
大家好,我是你们的AI技术侃侃而谈小能手。今天我们来聊聊RAG(Retrieval-AugmentedGeneration)这个AI圈的“记忆力补脑丸”,以及它最近新晋的“脑白金”——ContextualChunkHeaders(CCH)。别眨眼,这可是让大模型“查资料”能力质变的秘密武器!一、RAG:让大模型不再“张口就胡说”先来个小科普。RAG是什么?简单说,就是给大模型加个“外挂”,让它在回
- 【5步通关!】C#企业级知识库实战——从0到1打造智能知识共享平台的魔法指南!
墨瑾轩
一起学学C#【三】c#开发语言
关注墨瑾轩,带你探索编程的奥秘!超萌技术攻略,轻松晋级编程高手技术宝库已备好,就等你来挖掘订阅墨瑾轩,智趣学习不孤单即刻启航,编程之旅更有趣你的团队还在用“纸质文件+Excel”管理知识?或者想让员工像“知识魔法师”一样秒速找到所需信息?今天,我们将用5个“魔法步骤”,手把手教你用C#打造企业级知识共享平台!无论你是“技术小白”还是“架构老司机”,这篇文章都将为你揭秘如何让知识库像“超级搜索引擎”
- 爆改RAG检索力:三大Query变形术,助你玩转AI知识检索!
许泽宇的技术分享
大模型AIGC搜索引擎人工智能RAG
你以为RAG(Retrieval-AugmentedGeneration)就是“检索+生成”那么简单?那你可太低估AI界的“内卷”了!今天,咱们就来聊聊如何用三大Query变形术,把RAG的检索力拉满,助你在AI知识海洋里捞到最肥的鱼!一、RAG的“灵魂拷问”:你真的会提问吗?在AI时代,信息检索的效率和质量,80%取决于你“怎么问”。RAG系统的本质,就是“你问得好,我答得妙”。但现实往往是——
- RAG应用的评估(一)
AI老炮
AIGCai机器学习人工智能语言模型
前言上篇文档主要是对Advanced-RAG的定义、策略和适用场景做了一个细致的分析,那么当我们准备将一个基于大模型的RAG应用投入生产时,如何去判断这个RAG是否合理呢?下面有一些问题是需要提前考并应付的:LLM输出的不确定性会带来一定的不可预知性。一个RAG应用在投入生产之前需要科学的测试以衡量这种不可预知性。在LLM应用上线后的持续维护中,需要科学、快速、可复用的手段来衡量其改进效果,比如回
- 【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?
一叶千舟
AI面试题【RAG】RAG
目录LLMs核心不足点1、知识过时与静态性(LackofReal-Time&DynamicKnowledge):2、幻觉与事实性错误(Hallucinations&FactualInaccuracies):3、领域专业知识深度不足(LimitedDomain-SpecificExpertise):4、缺乏透明度和可追溯性(LackofTransparency&Traceability):5、上下文
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓