- Nightingale滴滴夜莺监控系统入门(四)--聊聊夜莺的后端储存
运维翁
Nightingalelinux运维服务器
Nightingale滴滴夜莺监控系统入门(四)—聊聊夜莺的后端储存1-默认版本默认是使用夜莺的两个组件来实现:TSDB+INDEXTSDB实际上使用的是老牌的图形数据库rrdtool,记录ts和value,有很多老牌的监控使用比如Cacti;INDEX是索引模块,夜莺把监控metric记录在这里,查询数据的时候是通过索引去查询;存储目录分别对应TSDB:/home/n9e/dataINDEX:/
- 【可控图像生成系列论文(四)】IP-Adapter 具体是如何训练的?1公式篇
多恩Stone
AIGCDiffusionTransformer计算机视觉深度学习pythonAIGCpytorch机器学习人工智能
系列文章目录【可控图像生成系列论文(一)】简要介绍了MimicBrush的整体流程和方法;【可控图像生成系列论文(二)】就MimicBrush的具体模型结构、训练数据和纹理迁移进行了更详细的介绍。【可控图像生成系列论文(三)】介绍了一篇相对早期(2018年)的可控字体艺术化工作。文章目录系列文章目录前言〇、文生图模型预备知识1.训练目标2.无分类器指导(classifier-freeguidanc
- 常见大模型框架
AI小夜
ai
生成对抗网络(GAN)类似框架StyleGAN(及其变体StyleGAN2和StyleGAN3):开发者:NVIDIA特点:能够生成极高质量的图像,广泛应用于人脸生成、艺术创作等领域。BigGAN:开发者:DeepMind特点:在大规模数据集上训练的高质量图像生成模型,特别适用于高分辨率图像生成。CycleGAN:特点:用于图像到图像的转换任务,如风格迁移,无需成对的训练数据。Pix2Pix:特点
- [Instance Normalization] The Missing Ingredient for Fast Stylization
emergency_rose
paper阅读笔记大数据
BN->IN,能有效提升纹理风格转化任务的图像生成质量1、原因1)生成图像的对比度主要取决于style图像,而非content图像;通过instancenormalization,可以去除content图像的个体对比度差异,从而简化生成过程2)高度非线性的contrastnormalization很难通过CNNblock(包含卷积、池化、上采样、BN等)来实现,因此需要直接在architectur
- NLP-预训练模型-中文:封神榜系列【姜子牙(通用大模型)、太乙(多模态)、二郎神(语言理解)、闻仲(语言生成)、燃灯(语言转换)、余元(领域)、...】
u013250861
LLM自然语言处理人工智能深度学习
封神榜模型系列简介系列名称需求适用任务参数规模备注姜子牙通用通用大模型>70亿参数通用大模型“姜子牙”系列,具备翻译,编程,文本分类,信息抽取,摘要,文案生成,常识问答和数学计算等能力太乙特定多模态8千万-10亿参数应用于跨模态场景,包括文本图像生成,蛋白质结构预测,语音-文本表示等
- DALL-E 2: 重新定义图像生成的人工智能
-龙川-
推荐介绍学习笔记dall·e2
前言随着人工智能技术的迅猛发展,图像生成已经成为AI研究领域中的一个重要方向。OpenAI推出的DALL-E2无疑是其中的佼佼者。这一强大的生成模型能够根据文本描述生成高质量的图像,为创意工作者和各行各业的专业人士提供了全新的工具。本文将深入探讨DALL-E2的原理、应用、技术优势及其对未来图像生成领域的影响。一、DALL-E2简介DALL-E2是OpenAI开发的一种基于GPT-3架构的生成模型
- AIGC提示词(2):塑造未来内容创作的核心力量
小琳ai
AIGC
引言在这个数字化的时代,人工智能生成内容(AIGC)正变得越来越普遍。从自动写作到图像生成,AI正以前所未有的速度和多样性创造内容。然而,要实现高质量和相关性强的内容生成,关键在于有效地使用AIGC提示词。AIGC提示词的重要性AIGC提示词是用户输入的简短指令或描述,用于指导AI生成特定类型的内容。这些提示词对于AI理解用户意图至关重要。通过精确的提示词,AI能够更准确地生成符合用户期望的内容,
- AI时代的价值盈利①:生成式人工智能生态系统中的价值创造与分配
marteker
人工智能
「想象一个人工智能助手在一个由硬币组成的景观中导航」(Meta.ai图像生成)介绍最近在生成人工智能(GenAI)方面的突破抓住了人们的想象力,让我们看到了这项新技术的潜力。许多商业领袖立即看到了GenAI创造新价值的巨大机会,以及它同样巨大的潜力,可以颠覆他们业务的方方面面,甚至超越。在正在进行的关于GenAI的辩论中,所有人似乎都同意,不管一个人对这项技术的看法如何,没有人能够「观望」或放弃它
- 4. 生成对抗网络(GAN):生成模型的崛起
Network_Engineer
机器学习python深度学习机器学习算法人工智能
引言生成对抗网络(GAN)是近年来深度学习领域中最具创新性和影响力的模型之一。GAN通过生成器和判别器的对抗性训练,能够生成逼真的图像、音频、文本等数据,广泛应用于图像生成、数据增强、风格迁移等任务中。本篇博文将深入解析GAN的基本原理、训练过程,以及其在各类生成任务中的应用。1.GAN的基本架构生成对抗网络(GAN)由两个核心部分组成:生成器(Generator)和判别器(Discriminat
- 本地电脑大模型系列之 20 离线 AI:使用 Ollama+llama3+privateGPT+Langchain+GPT4ALL+ChromaDB 与 Pdf、Excel、CSV、PPTX、PPT、
知识大胖
NVIDIAGPU和大语言模型开发教程人工智能langchainpdf
简介Ollama在Mac/Windows/Ubuntu上与llama3一起运行MAC至少需要8GBRAM,Ubuntu和Windows至少需要16GBRAMpython3.10和git系列文章《本地电脑搭建StreamDiffusion:用眼睛见证实时人工智能创意利用交互式高速扩散技术彻底改变图像生成》权重1,本地类《使用本地Llama2模型和向量数据库建立私有检索增强生成(RAG)系统LangC
- 小琳AI课堂:生成对抗网络(GANs)
小琳ai
小琳AI课堂人工智能生成对抗网络神经网络
大家好,这里是小琳AI课堂!今天我们要聊一聊生成对抗网络(GANs),这个让AI界沸腾的技术。想象一下,有两个小精灵在玩“你画我猜”的游戏,一个负责画画(生成器),一个负责猜画的是真是假(判别器)。这个游戏可不是随便玩玩的,它能在图像生成、风格转换等领域创造奇迹哦!GANs的神奇之处生成器和判别器的较量:生成器就像一个魔术师,能把随机噪声变成逼真的图片。判别器则是个严格的裁判,要分辨出这些图片是真
- iOS中的Grok获得升级——使用AI在X中创建和分析图像
AI数据猿
人工智能
X公司已经为使用iOS应用的高级和高级+订阅用户升级了Grok的体验。在X应用10.56版本的发布中,订阅用户将获得若干新的AI功能和令人印象深刻的Grok2聊天机器人的新界面。此次更新中最值得关注的功能可能是使用FluxAI模型在Grok2中的图像生成功能。通过这项功能,用户还可以获得图像生成提示建议,从而避免面对一个空白框时不知所措。这一功能主要对那些希望通过AI生成视觉效果但没有明确或独特提
- Stable Diffusion
Covirtue
人工智能pythonstablediffusion
StableDiffusion是一种基于深度学习的文本到图像生成模型,其原理主要基于扩散模型(DiffusionModel)的变体,即潜在扩散模型(LatentDiffusionModel,LDM)。原理一、技术架构与组成StableDiffusion由三个主要部分组成:变分自编码器(VAE)、U-Net和一个文本编码器。变分自编码器(VAE):VAE是一种生成模型,用于将图像压缩到低维的潜在空间
- 5分钟 Stable Diffusion 本地安装
狒狒伯尼
stablediffusion
StableDiffusion是一种强大的文本到图像生成模型,由于其开源特性,用户可以在本地计算机上进行安装和使用。下面是一个精简的5分钟快速指南,帮助您在本地安装StableDiffusion。为了确保顺利操作,您需要具备一定的计算机基础知识,并预先安装Python和Git。安装前的准备确保系统要求:您需要一台安装了NVIDIA显卡的计算机(最好支持CUDA,至少6GB显存)。操作系统:Wind
- Stable Diffusion快速安装及prompt的使用
老童聊AI
老童陪你学AIpythonstablediffusion
StableDiffusion是一种基于深度学习的文本到图像生成技术,它可以生成高质量的图像。以下是一篇快速安装教程,适合初学者理解和操作。什么是StableDiffusion?StableDiffusion是一种AI模型,它能够根据用户输入的文本描述生成相应的图像。这项技术在艺术创作、游戏设计、广告制作等领域有着广泛的应用。系统要求在开始安装之前,请确保你的计算机满足以下基本要求:操作系统:Wi
- 2024年国内版AI写作对话工具推荐
糯米导航
AI写作
以下排名随意编排,无先后。提高工作效率的AI神器|国内版笔尖AI写作能写文案、读文献、互动答疑,多场景写作模板,不限于某个领域,12+种职位的100+工作场景,10秒即可生成一篇专业文章。推荐指数⭐⭐⭐⭐豆包聊天机器人、写作助手、图像生成、阅读总结、翻译,功能全面,而且还能建各种有趣的智能体,想体验DAN的,在豆包上能找到类似的智能体噢推荐指数⭐⭐⭐天工AI有搜索(答案很全面)、阅读、对话等功能,
- Midjourney推出网页版编辑器应对Ideogram 2.0冲击
go2coding
AI日报midjourney编辑器
AI新闻Midjourney推出网页版编辑器应对Ideogram2.0冲击摘要:随着Ideogram2.0的发布,AI图像生成市场竞争愈发激烈,Midjourney感受到危机,于上周推出了网页版图像编辑器,并恢复免费试用功能。尽管Midjourney6.1版本在画质上有所提升,但创新不足,用户付费意愿下降。而Ideogram2.0则以更高的生成质量和多样化的功能吸引用户,包括文本渲染和多个图像风格
- Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task03笔记
汪贤阳
人工智能AIGC笔记
如何学习八图ai模型kolors1,Kolors是由快手公司开源的第三代文本到图像生成模型,基于StableDiffusion框架开发。它支持中英文输入,特别在中文内容的理解和生成上表现出色。2,深度学习基础:熟悉神经网络、卷积神经网络(CNN)、Transformer等深度学习模型的基本原理。自然语言处理(NLP):了解文本编码、语言模型等NLP技术,因为Kolors在生成图像时需要理解并处理输
- 2024年最新指南:如何订阅Midjourney(详尽步骤解析)
Draven21
Midjourneymidjourney
前言:Midjourney是一个基于人工智能的图像生成工具,它使用高级算法来创建独特和复杂的图像。这个工具能够根据用户输入的文字描述生成对应的图片。Midjourney的特点在于它能够处理非常抽象或者具体的描述,生成高质量、富有创意的视觉内容。Midjourney通常被用于艺术创作、设计灵感探索、教育目的和娱乐。因为它基于人工智能,所以能够迅速从大量的数据中学习和适应,创造出各种风格和类型的图像。
- openai DALL-E 3 从文本描述生成图像原理通俗解释
后端java
序言在数字时代,图像生成技术正日益成为人工智能领域的热点。本讨论将重点聚焦于两个备受瞩目的模型:DALL-E和其他主流AI绘图方法。我们将探讨它们的优势、局限性以及未来的发展方向。通过比较分析,我们期望能够更全面地了解这些技术,为未来的研究和应用提供启示。Q:介绍一下dall-eOpenAI的DALL-E是一个基于深度学习的生成模型,专门用于从文本描述生成图像。它的名字灵感来源于艺术家Salvad
- 基于Diffusion Model的数据增强方法应用——毕业设计 其三
大鸟仙童
课程设计计算机视觉深度学习
文章目录题目简介前言StableDiffusionLatentdiffusion自动编码器(VAE)U-NetText-EncoderStableDiffusion的推理过程从零开始配置实验环境IDEAnacondaCUDA和CuDNNCuDNNStableDiffusion的本地部署运行测试总结题目简介笔者个人的毕业设计课题如下:简介:使用预训练的DiffusionModel图像生成模型生成图像
- 视频生成领域的发展概述:从多级扩散到LLM
深度学习人工智能llm视频
2023年是语言模型(llm)和图像生成技术激增的一年,但是视频生成受到的关注相对较少。今年刚到2月份,OpenAI就发布了一个惊人的视频生成模型Sora。虽然它的架构没有披露,但是通过总结现有的视频生成领域可能能对Sora的构架有所理解。在这篇文章中,我们将整理视频生成在最近几年是发展概况,模型的架构是如何发展的,以及现在面临的突出问题。我们以时间轴看作是一个观察视频生成模型演变的旅程。这将帮助
- 深度学习模型:GAN(生成对抗网络)
缘起性空、
生成对抗网络人工智能神经网络
简述生成对抗网络(GenerativeAdversarialNetworks,简称GAN)是一种深度学习模型,由IanGoodfellow于2014年提出。它的主要目标是生成与真实数据分布相似的新数据。GAN在许多领域都取得了显著的成功,如图像生成、图像到图像的转换、文本生成等。IanGoodfellow(图片来自网络)此外,GAN模型还衍生出了多种变体,如CGAN、LAPGAN、DCGAN、In
- 车道拓扑、目标布局、天气条件全都要!Text2Street:犀利的街景生成神器!
AI生成未来
计算机视觉人工智能AIGC数据集自动驾驶
文本到图像生成在扩散模型的出现下取得了显著进展。然而,基于文本生成街景图像仍然是一项困难的任务,主要是因为街景的道路拓扑复杂,交通状况多样,天气情况各异,这使得传统的文本到图像模型难以处理。为了解决这些挑战,今天给大家分享一个新颖的可控文本到图像框架,名为Text2Street。在该框架中,首先引入了基于车道的道路拓扑生成器,通过计数适配器实现文本到地图的生成,具有准确的道路结构和车道线,实现可控
- 字节&UC伯克利新研究 | Magic-Me:简单有效的主题ID可控视频生成框架
AI生成未来
AIGC文生视频特定IDAIGC生成模型
在生成模型领域,针对特定身份(ID)创建内容已经引起了极大的兴趣。在文本到图像生成(T2I)领域,以主题驱动的内容生成已经取得了巨大的进展,使图像中的ID可控。然而,将其扩展到视频生成领域尚未得到很好的探索。今天分享的这个工作,提出了一个简单而有效的主题ID可控视频生成框架,称为VideoCustomDiffusion(VCD)。论文链接:https://arxiv.org/pdf/2402.09
- AIGC专题一:探析AIGC的技术发展和应用
互联互通社区
AIGC
AIGC成为新的内容生产方式,跨模态生成值得重点关注。区别于PGC与UGC,AIGC是利用人工智能技术自动生成内容的新型生产方式。按照模态区分,AIGC可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的跨模态生成,细分场景众多,其中,跨模态生成需要重点关注。关注公众号:【互联互通社区】,回复【AI108】获取全部报告内容。精彩推荐AI001:人工智能核心技术产业白皮书AI002:2
- XR行业首家|李未可科技通过深度合成服务算法备案
问界前讯
业界资讯
2月18日,国家网信办发布第四批深度合成服务算法备案。根据《互联网信息服务深度合成管理规定》第十九条规定,具有舆论属性或者社会动员能力的深度合成服务提供者,应当按照《互联网信息服务算法推荐管理规定》履行备案和变更、注销备案手续。深度合成服务技术支持者应当参照履行备案和变更、注销备案手续。从公布的清单中可以看到,本次共有266个算法上榜入列,涉及图像生成、视频生成、数字人、智能对话等多个种类,应用范
- 如何使用python 挑战将ai生成的概念图制作成2d游戏
东方佑
AI生成艺术python人工智能游戏
要使用Python将AI生成的概念图制作成2D游戏,你可以遵循以下步骤:生成概念图:使用AI图像生成工具(如DALL-E、DeepArt等)来创建你的游戏概念图。保存生成的图像文件,通常为PNG或JPEG格式。选择游戏引擎:对于Python,一个流行的游戏开发库是Pygame(pygame.org)。安装Pygame库:pipinstallpygame。设置Pygame项目:创建一个新的Pytho
- openAI的sora的技术原理是什么
kfjh
transformer
OpenAI的Sora模型是一个视频生成模型,与GPT模型类似,Sora使用了Transformer架构,有很强的扩展性。Sora从类似于静态噪声的视频开始,通过多个步骤逐渐去除噪声,视频也从最初的随机像素转化为清晰的图像场景。这种工作方式类似于OpenAI的图像生成工具DALL-E。用户输入想要的场景,Sora会返回一个高清视频剪辑。此外,Sora还可以生成受静态图像启发的视频剪辑,并扩展现有视
- 【AIGC】Stable Diffusion 的提示词入门
AIGCExplore
AIGCstablediffusion人工智能
一、正向提示词和反向提示词StableDiffusion中的提示词通常用于指导用户对生成的图像进行控制。这些提示词可以分为正向提示词(PositivePrompts)和反向提示词(NegativePrompts)两类,它们分别影响图像生成过程中的内容和风格。反向提示词注意增加nsfw(notsafeforwork),避免生成办公场所不宜观看内容。二、内容型提示词人物及主体特征服饰穿搭:Whited
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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/
import java.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f