- CVPR 2023: Instant Volumetric Head Avatars
结构化文摘
人工智能深度学习机器学习计算机视觉
我们使用以下六个特征来刻画本文的研究主题:1.输入数据单图像与视频序列单图像方法捕获速度更快,但可能在细节和运动模糊方面存在困难。视频序列提供更多信息,并能够重建动态方面,如表情,但需要更长的时间捕获和处理。数据类型仅RGB提供基本颜色信息,限制了准确性和照明或材料的重建。RGB-D包括深度信息,提高了重建准确性并允许3D对象操作。多视图从各种角度捕获对象,增强细节并解决歧义。2.神经网络架构神经
- 【论文阅读笔记】Sam3d: Segment anything model in volumetric medical images[
cskywit
SAM类医学图像分割论文阅读笔记
BuiNT,HoangDH,TranMT,etal.Sam3d:Segmentanythingmodelinvolumetricmedicalimages[J].arXivpreprintarXiv:2309.03493,2023.【开源】本文提出的SAM3D模型是针对三维体积医学图像分割的一种新方法。其核心在于将“分割任何事物”(SAM)模型的预训练编码器与一个轻量级的3D解码器相结合。与传统的
- 英语这样学,四两拨千斤
更多精彩内容见工粽号词如山倒
n.欲望;胃口ap加强+pet寻求;力争+ite表物→一再追求→欲望centripetaladj.向心的centri中心+pet寻求;力争+al…的→追求中心的→向心的competev.竞争com共同+pet寻求;力争+e→共同追求〔一个目标〕→竞争competencen.能力com共同+pet寻求;力争+ence表行为→能力competentadj.有能力的com共同+pet寻求;力争+ent具
- Uncertainty-guided dual-views for semi-supervised volumetric medical image segmentation
Rad1ant_up
Uncertainty计算机视觉深度学习图像处理
本篇文章发表于NatureMachineIntelligence2023。文章链接:Uncertainty-guideddual-viewsforsemi-supervisedvolumetricmedicalimagesegmentation|NatureMachineIntelligence一、概述1.Backgroundandmotivation医学图像分割是疾病诊断、治疗规划的基石(bui
- latexshop 使用bug:xxx has a comma at the end
构建的乐趣
buglatex
20231226“hasacommaattheend”应该是latexshop某次更新之后出现该问题:https://tex.stackexchange.com/questions/156377/when-running-bibtex-with-a-statement-that-has-a-comma-at-the-end-this-is-obscur解决方案也很匪夷所思,只要在作者一栏额外添加一
- 【论文阅读笔记】SegVol: Universal and Interactive Volumetric Medical Image Segmentation
cskywit
基础模型SAM类医学图像分割论文阅读笔记
DuY,BaiF,HuangT,etal.SegVol:UniversalandInteractiveVolumetricMedicalImageSegmentation[J].arXivpreprintarXiv:2311.13385,2023.[代码开源]【论文概述】本文思路借鉴于自然图像分割领域的SAM,介绍了一种名为SegVol的先进医学图像分割模型,旨在构建一种图像分割基础模型,这是一个
- Real-Time Volumetric Cloudscapes
学习!!!
GPUPro图形渲染
实时体积云景GPUPro7实时体积云景的翻译4.1概览游戏中的实时体积云通常为了提高渲染效率而降低质量。最成功的方法仅限于低空蓬松半透明的层状云。我们提出了一种体积解决方案,可以使用不断变化并且逼真的结果填充天空,来描绘高海拔卷云和所有主要的底层云类型,包括厚厚的、像波浪一样翻滚的积云。此外,我们的方法近似于实现了几种实时云渲染中尚未出现过的体积光照效果。最后,我们的这种解决方案在内存和GPU的消
- CVPR 2023 精选论文学习笔记:Instant Volumetric Head Avatars
结构化文摘
学习笔记人工智能机器学习3dgpu算力
以下是四个可以作为分类标准的特征:1.数据表示。数据表示是NeRF的一个基本方面,它决定了输入数据如何在模型中编码和利用。数据表示的选择会显著影响NeRF模型的效率、准确性和适用性。隐式NeRF。隐式NeRF使用一个连续函数来表示场景,将空间中的每个点映射到其对应的颜色和密度值。这种连续表示具有以下优点:表达力:隐式NeRF可以有效地捕捉精细的几何形状和复杂的细节,使其适用于模型复杂场景。效率:隐
- Volumetric Lights 2 HDRP
mayzhengxi
各类资源展示Unity效果灯光体积光Shader
高清晰度渲染管道,包括先进的新功能,如半透明阴影图和直接灯光投射加上许多改进。插件是一个快速,灵活和伟大的前瞻性光散射解决方案的高清晰度渲染管道。只需点击几下,即可改善场景中的照明视觉效果。兼容:点光源聚光灯碟形灯矩形灯通过覆盖摄像机周围大面积区域的体积区域光部分支持定向光,并与定向光方向、颜色、范围和其他属性动态同步。使用方便:将VolumetricLight脚本添加到灯光并进行自定义。效果会自
- KiU-Net: Overcomplete Convolutional Architectures for Biomedical Image and Volumetric Segmentation
向岸看
TMI期刊深度学习unet改进医学图像分割
KiU-Net:OvercompleteConvolutional(过完备卷积)ArchitecturesforBiomedicalImage(生物医学图像)andVolumetricSegmentation(血管分割)论文:KiU-Net:OvercompleteConvolutionalArchitecturesforBiomedicalImageandVolumetricSegmentati
- 论文阅读:Fast Point R-CNN
Allen的光影天地
1.introduction部分首先介绍传统的CNN面向图像数据来源,但是针对点云做深度学习在无人驾驶,机器人等领域是很有必要的。然后说点云,太稀疏,奇异性大,不好直接做。那么有一种比较流行的处理手段就是:volumetric体素化。但是volumetric又有计算量太大的缺点。那么就有两种处理手段:usecoarsegrid:粗的栅格化处理。这种方法的问题:无法利用fine-grained的信息
- 【论文笔记】NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object Detection
byzy
NeRF与3D目标检测论文阅读目标检测深度学习计算机视觉
原文链接:https://arxiv.org/abs/2307.146201.引言 深度传感器在室内场景中(如VR、AR设备上)很少被使用,因此仅依赖相机进行3D目标检测充满挑战。最直接的几何建模方法是估计深度,但单目深度估计算法不能准确估计深度且不能实现多视图一致性。 神经辐射场(NeRF)被证明能有效建模几何,但将其应用于3D目标检测比较复杂,因为渲染NeRF需要对空间的高频采样以避免混叠
- 保留网络[02/3]:大型语言模型转换器的继任者”
无水先生
深度学习rnn网络语言模型
一、说明在这项工作中,我们提出保留网络(RETNET)作为基础架构大型语言模型的结构,同时实现训练并行,推理成本低,性能好。我们从理论上推导出这种联系复发与关注之间。然后我们提出保留机制序列建模,支持三种计算范式,即并行、复发和分块复发。具体来说,并行表示允许用于训练并行性。循环表示可实现低成本O(1)推断ence,它可以提高解码吞吐量、延迟和GPU内存,而无需牺牲性能。分块循环表示有助于提高效率
- 英语单词博览008 军情六处 Military Intelligence 6
英语单词记忆
下图就是位于伦敦的MI6总部大楼。military[ˈmilitəri](a.军事的;军人的)=milit+ary。milit词根“士兵”,-ary形容词后缀。mili谐音“米粒”,联想“小米加步枪”。intelligence[inˈtelidʒəns](n.智力;情报;情报机构)=intel+lig+ence。intel-前缀“在…之间”(前缀inter-在l前变为intel-),lig词根“选
- 基于体素的三维重建的核心思想——A Volumetric Method for Building Complex Models from Range Images 阅读笔记
Uncle Justice
BundleFusion
前言基于体素的三维重建方法,在重建效果,鲁棒性等都有自己的优势,也被很多热门的三维重建方法所使用,如BundleFusion、KinectFusion等。这篇于1996年发表的论文《AVolumetricMethodforBuildingComplexModelsfromRangeImages》,可以说是这一领域的“鼻祖论文”了,想从算法层面好好理解基于体素的三维重建,一定绕不开对这篇论文的学习。
- 【Siggraph 2014】Volumetric Fog: Unified compute shader based solution to atmospheric scattering
离原春草
今天分享的是Ubisoft(育碧)2014年在Siggraph上关于大气散射技术实现的分享,在这个分享中,育碧给出了他们用与相机frustum平齐的3D贴图来存储各个位置的粒子密度数据以及各个光源作用下的in-scattering的具体细节,以及后续3D贴图使用的逻辑框架,使用这个方法,在XBox上只需要1.1ms就能够得到非常不错的体积雾效果。这里是原文链接。大纲大气散射名字听起来很抽象,但这个
- Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression
深蓝蓝蓝蓝蓝
这篇文章解决的是从2D图片直接恢复3D人脸的一个问题。这篇文章没有用3DMM,用的是体素。所谓体素就是三维的像素。文章中提出的模型VRN由HourglassModule(漏斗形的CNN结构,漏斗两端都有对应的残差连接)堆叠而成。如下图所示,尝试了三个模型:1.直接通过2D图片恢复3D人脸2.先恢landmark,再将landmark与2D图像合并后预测3D人脸3.多任务联合优化,也即一边预测lan
- 英语高频词 #13 | 2022-10-10
英语速记
4.preference(noun)偏爱;爱好,偏爱的事物,优待[记]pre-(先)+fer(拿)+-ence(名词后缀)-->先拿最喜欢的东西-->偏爱[用]apoliticalpreference政治倾向[用]apersonalpreference个人爱好[派]preferential(adjective)优先的;优待的[近]favour(noun)偏爱5.offer(verb)提供;出价。(
- 4-2 3D images: Volumetric data & Representing tabular data
卡__卡
PyTorch深度学习pytorchpython人工智能机器学习
本文所用到的资料下载地址Bystackingindividual2Dslicesintoa3Dtensor,wecanbuildvolumetricdatarepresentingthe3Danatomyofasubject.Wejusthaveanextradimension,depth,afterthechanneldimension,leadingtoa5DtensorofshapeN×C×
- vscode debug的方式
beidou111
vscodeide编辑器
在.vscode文件夹下建立launch.json例子1:调试python来自https://github.com/chunleili/tiPBD/tree/amg{"version":"0.2.0","configurations":[{"name":"hpbd55","type":"python","request":"launch","program":"engine/volumetric/
- 【毕业设计】基于程序化生成和音频检测的生态仿真与3D内容生成系统----基于音频检测的3D场景程序化生成算法设计
EndlessDaydream
学习日志中国传媒大学学习
5基于音频检测的3D场景程序化生成算法设计5.1VDB与音频信号交互实现音频可视化技术VDB是一种基于格子的数据结构,用于存储3D体积(Volumetric)数据,VDB代表“体积数据库”。VDB文件可以包含三维图像、点云、模拟数据等等,通常用于计算机图形和视觉效果中,以表示烟雾、火焰、云和其他自然现象,它们通常用于视觉特效、动画制作、游戏开发等领域。音频可视化是一种将音频信号转换为可视化图像或动
- 04 Patient-specific reconstruction of volumetric computed tomography images from a single project...
张杰Phantom
通过一张或几张二维x片,实现三维CT图像的重建网络结构分为三部分:表示网络、转换模块、生成网络在腹部、肺部和头颈部图像上进行实验,取得了良好的生成效果研究结果表明,采用一张二维X片作为输入取得的结果和多张X片的结果没有明显差异
- Edge-Gated CNNs for Volumetric Semantic Segmentation of Medical Images
zelda2333
论文:MIDL2020Abstract纹理和边缘为图像识别提供不同的信息。边缘和边界编码形状信息,而纹理显示区域的外观。尽管卷积神经网络(CNNs)在计算机视觉和医学图像分析应用中取得了成功,但主要是学习纹理抽象,这往往导致不精确的边界描绘。在医学成像中,专家手工分割往往依赖于器官边界;例如,要手动分割肝脏,医生通常首先确定边缘,然后填充分割掩模。基于这些观察结果,我们提出了一个即插即用模块,称为
- 论文阅读笔记(四十八):3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
__Sunshine__
笔记
Abstract.Thispaperintroducesanetworkforvolumetricsegmentationthatlearnsfromsparselyannotatedvolumetricimages.Weoutlinetwoattractiveusecasesofthismethod:(1)Inasemi-automatedsetup,theuserannotatessomesl
- L03 : A字母开头的单词 affluence-ally
LetHugo
知识点3:A字母开头的单词affluence-ally*well-to-do/well-off富裕的*affluence*n,富裕,富足*af=>加强*flu=>flow流动*af+flu+ence(加强流动的,*superfluous*adj,多余的,过剩的*super=>超级||on||more*super+flu+ous(过多的流动,超级无敌流)*effluvia*n,恶臭*ef(e加辅音双
- 论文阅读:Volumetric and Multi-View CNNs for Object Classification on 3D Data
chenxp2311
MachineLearning深度学习CNN机器学习
Preface 最近由于要做正颌手术中术后变形预测的问题,要处理三维数据,所以在研究三维卷积,三维分类的问题。 今天阅读一篇CVPR2016的论文:《VolumetricandMulti-ViewCNNsforObjectClassificationon3DData》。 这里是PaperHomepage 这里是PaperCodeAbstract 现在对于3DData的Convolutio
- 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
fish小余儿
3D实例分割深度学习计算机视觉人工智能
Abstract本文介绍了一种从稀疏标注的体积图像中学习的体积分割网络。我们概述了该方法的两个有吸引力的用例:(1)在半自动设置中,用户注释要分割的体积中的一些切片。网络从这些稀疏注释中学习并提供密集的3D分割。(2)在全自动设置中,我们假设存在一个有代表性的、稀疏注释的训练集。在这个数据集上训练,网络密集分割新的体积图像。所提出的网络扩展了Ronneberger等人先前的u-net架构。通过将所
- Pytorch上下采样函数--interpolate用法
小火箭丶
Torch
definterpolate(input,size=None,scale_factor=None,mode='nearest',align_corners=None):根据给定size或scale_factor,上采样或下采样输入数据input.当前支持temporal,spatial和volumetric输入数据的上采样,其shape分别为:3-D,4-D和5-D.输入数据的形式为:mini-b
- 英语词缀【51】
番茄酸菜渔
【main,man】“toflow,tostay”“流动;保持”|permanence=per+man+encen.持久,永久per-“始终”-ence“状态”eg:Humanspeechlacksthestabilityandpermanenceoftheprintedword.|maintain=main+tainv.维持;维修tain“拿”eg:Fundsmaintainsthesurviv
- 2020-FPConv阅读笔记
suyunzzz
paper点云深度学习pointcloudsegment
FPConv:LearningLocalFlatteningforPointConvolutioncvpr2020将已有的点云学习方式分为Volumetric-stylepointconvolutionGraph-stylepointconvolutionSurface-stylepointconvolution创新提出一种基于表面的学习方式,通过学习一个权重矩阵,将采样点的的邻域点映射为一个平面
- 辗转相处求最大公约数
沐刃青蛟
C++漏洞
无言面对”江东父老“了,接触编程一年了,今天发现还不会辗转相除法求最大公约数。惭愧惭愧!
为此,总结一下以方便日后忘了好查找。
1.输入要比较的两个数a,b
忽略:2.比较大小(因为后面要的是大的数对小的数做%操作)
3.辗转相除(用循环不停的取余,如a%b,直至b=0)
4.最后的a为两数的最大公约数
&
- F5负载均衡会话保持技术及原理技术白皮书
bijian1013
F5负载均衡
一.什么是会话保持? 在大多数电子商务的应用系统或者需要进行用户身份认证的在线系统中,一个客户与服务器经常经过好几次的交互过程才能完成一笔交易或者是一个请求的完成。由于这几次交互过程是密切相关的,服务器在进行这些交互过程的某一个交互步骤时,往往需要了解上一次交互过程的处理结果,或者上几步的交互过程结果,服务器进行下
- Object.equals方法:重载还是覆盖
Cwind
javagenericsoverrideoverload
本文译自StackOverflow上对此问题的讨论。
原问题链接
在阅读Joshua Bloch的《Effective Java(第二版)》第8条“覆盖equals时请遵守通用约定”时对如下论述有疑问:
“不要将equals声明中的Object对象替换为其他的类型。程序员编写出下面这样的equals方法并不鲜见,这会使程序员花上数个小时都搞不清它为什么不能正常工作:”
pu
- 初始线程
15700786134
暑假学习的第一课是讲线程,任务是是界面上的一条线运动起来。
既然是在界面上,那必定得先有一个界面,所以第一步就是,自己的类继承JAVA中的JFrame,在新建的类中写一个界面,代码如下:
public class ShapeFr
- Linux的tcpdump
被触发
tcpdump
用简单的话来定义tcpdump,就是:dump the traffic on a network,根据使用者的定义对网络上的数据包进行截获的包分析工具。 tcpdump可以将网络中传送的数据包的“头”完全截获下来提供分析。它支 持针对网络层、协议、主机、网络或端口的过滤,并提供and、or、not等逻辑语句来帮助你去掉无用的信息。
实用命令实例
默认启动
tcpdump
普通情况下,直
- 安卓程序listview优化后还是卡顿
肆无忌惮_
ListView
最近用eclipse开发一个安卓app,listview使用baseadapter,里面有一个ImageView和两个TextView。使用了Holder内部类进行优化了还是很卡顿。后来发现是图片资源的问题。把一张分辨率高的图片放在了drawable-mdpi文件夹下,当我在每个item中显示,他都要进行缩放,导致很卡顿。解决办法是把这个高分辨率图片放到drawable-xxhdpi下。
&nb
- 扩展easyUI tab控件,添加加载遮罩效果
知了ing
jquery
(function () {
$.extend($.fn.tabs.methods, {
//显示遮罩
loading: function (jq, msg) {
return jq.each(function () {
var panel = $(this).tabs(&
- gradle上传jar到nexus
矮蛋蛋
gradle
原文地址:
https://docs.gradle.org/current/userguide/maven_plugin.html
configurations {
deployerJars
}
dependencies {
deployerJars "org.apache.maven.wagon
- 千万条数据外网导入数据库的解决方案。
alleni123
sqlmysql
从某网上爬了数千万的数据,存在文本中。
然后要导入mysql数据库。
悲剧的是数据库和我存数据的服务器不在一个内网里面。。
ping了一下, 19ms的延迟。
于是下面的代码是没用的。
ps = con.prepareStatement(sql);
ps.setString(1, info.getYear())............;
ps.exec
- JAVA IO InputStreamReader和OutputStreamReader
百合不是茶
JAVA.io操作 字符流
这是第三篇关于java.io的文章了,从开始对io的不了解-->熟悉--->模糊,是这几天来对文件操作中最大的感受,本来自己认为的熟悉了的,刚刚在回想起前面学的好像又不是很清晰了,模糊对我现在或许是最好的鼓励 我会更加的去学 加油!:
JAVA的API提供了另外一种数据保存途径,使用字符流来保存的,字符流只能保存字符形式的流
字节流和字符的难点:a,怎么将读到的数据
- MO、MT解读
bijian1013
GSM
MO= Mobile originate,上行,即用户上发给SP的信息。MT= Mobile Terminate,下行,即SP端下发给用户的信息;
上行:mo提交短信到短信中心下行:mt短信中心向特定的用户转发短信,你的短信是这样的,你所提交的短信,投递的地址是短信中心。短信中心收到你的短信后,存储转发,转发的时候就会根据你填写的接收方号码寻找路由,下发。在彩信领域是一样的道理。下行业务:由SP
- 五个JavaScript基础问题
bijian1013
JavaScriptcallapplythisHoisting
下面是五个关于前端相关的基础问题,但却很能体现JavaScript的基本功底。
问题1:Scope作用范围
考虑下面的代码:
(function() {
var a = b = 5;
})();
console.log(b);
什么会被打印在控制台上?
回答:
上面的代码会打印 5。
&nbs
- 【Thrift二】Thrift Hello World
bit1129
Hello world
本篇,不考虑细节问题和为什么,先照葫芦画瓢写一个Thrift版本的Hello World,了解Thrift RPC服务开发的基本流程
1. 在Intellij中创建一个Maven模块,加入对Thrift的依赖,同时还要加上slf4j依赖,如果不加slf4j依赖,在后面启动Thrift Server时会报错
<dependency>
- 【Avro一】Avro入门
bit1129
入门
本文的目的主要是总结下基于Avro Schema代码生成,然后进行序列化和反序列化开发的基本流程。需要指出的是,Avro并不要求一定得根据Schema文件生成代码,这对于动态类型语言很有用。
1. 添加Maven依赖
<?xml version="1.0" encoding="UTF-8"?>
<proj
- 安装nginx+ngx_lua支持WAF防护功能
ronin47
需要的软件:LuaJIT-2.0.0.tar.gz nginx-1.4.4.tar.gz &nb
- java-5.查找最小的K个元素-使用最大堆
bylijinnan
java
import java.util.Arrays;
import java.util.Random;
public class MinKElement {
/**
* 5.最小的K个元素
* I would like to use MaxHeap.
* using QuickSort is also OK
*/
public static void
- TCP的TIME-WAIT
bylijinnan
socket
原文连接:
http://vincent.bernat.im/en/blog/2014-tcp-time-wait-state-linux.html
以下为对原文的阅读笔记
说明:
主动关闭的一方称为local end,被动关闭的一方称为remote end
本地IP、本地端口、远端IP、远端端口这一“四元组”称为quadruplet,也称为socket
1、TIME_WA
- jquery ajax 序列化表单
coder_xpf
Jquery ajax 序列化
checkbox 如果不设定值,默认选中值为on;设定值之后,选中则为设定的值
<input type="checkbox" name="favor" id="favor" checked="checked"/>
$("#favor&quo
- Apache集群乱码和最高并发控制
cuisuqiang
apachetomcat并发集群乱码
都知道如果使用Http访问,那么在Connector中增加URIEncoding即可,其实使用AJP时也一样,增加useBodyEncodingForURI和URIEncoding即可。
最大连接数也是一样的,增加maxThreads属性即可,如下,配置如下:
<Connector maxThreads="300" port="8019" prot
- websocket
dalan_123
websocket
一、低延迟的客户端-服务器 和 服务器-客户端的连接
很多时候所谓的http的请求、响应的模式,都是客户端加载一个网页,直到用户在进行下一次点击的时候,什么都不会发生。并且所有的http的通信都是客户端控制的,这时候就需要用户的互动或定期轮训的,以便从服务器端加载新的数据。
通常采用的技术比如推送和comet(使用http长连接、无需安装浏览器安装插件的两种方式:基于ajax的长
- 菜鸟分析网络执法官
dcj3sjt126com
网络
最近在论坛上看到很多贴子在讨论网络执法官的问题。菜鸟我正好知道这回事情.人道"人之患好为人师" 手里忍不住,就写点东西吧. 我也很忙.又没有MM,又没有MONEY....晕倒有点跑题.
OK,闲话少说,切如正题. 要了解网络执法官的原理. 就要先了解局域网的通信的原理.
前面我们看到了.在以太网上传输的都是具有以太网头的数据包. 
- Android相对布局属性全集
dcj3sjt126com
android
RelativeLayout布局android:layout_marginTop="25dip" //顶部距离android:gravity="left" //空间布局位置android:layout_marginLeft="15dip //距离左边距
// 相对于给定ID控件android:layout_above 将该控件的底部置于给定ID的
- Tomcat内存设置详解
eksliang
jvmtomcattomcat内存设置
Java内存溢出详解
一、常见的Java内存溢出有以下三种:
1. java.lang.OutOfMemoryError: Java heap space ----JVM Heap(堆)溢出JVM在启动的时候会自动设置JVM Heap的值,其初始空间(即-Xms)是物理内存的1/64,最大空间(-Xmx)不可超过物理内存。
可以利用JVM提
- Java6 JVM参数选项
greatwqs
javaHotSpotjvmjvm参数JVM Options
Java 6 JVM参数选项大全(中文版)
作者:Ken Wu
Email:
[email protected]
转载本文档请注明原文链接 http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm!
本文是基于最新的SUN官方文档Java SE 6 Hotspot VM Opt
- weblogic创建JMC
i5land
weblogicjms
进入 weblogic控制太
1.创建持久化存储
--Services--Persistant Stores--new--Create FileStores--name随便起--target默认--Directory写入在本机建立的文件夹的路径--ok
2.创建JMS服务器
--Services--Messaging--JMS Servers--new--name随便起--Pers
- 基于 DHT 网络的磁力链接和BT种子的搜索引擎架构
justjavac
DHT
上周开发了一个磁力链接和 BT 种子的搜索引擎 {Magnet & Torrent},本文简单介绍一下主要的系统功能和用到的技术。
系统包括几个独立的部分:
使用 Python 的 Scrapy 框架开发的网络爬虫,用来爬取磁力链接和种子;
使用 PHP CI 框架开发的简易网站;
搜索引擎目前直接使用的 MySQL,将来可以考虑使
- sql添加、删除表中的列
macroli
sql
添加没有默认值:alter table Test add BazaarType char(1)
有默认值的添加列:alter table Test add BazaarType char(1) default(0)
删除没有默认值的列:alter table Test drop COLUMN BazaarType
删除有默认值的列:先删除约束(默认值)alter table Test DRO
- PHP中二维数组的排序方法
abc123456789cba
排序二维数组PHP
<?php/*** @package BugFree* @version $Id: FunctionsMain.inc.php,v 1.32 2005/09/24 11:38:37 wwccss Exp $*** Sort an two-dimension array by some level
- hive优化之------控制hive任务中的map数和reduce数
superlxw1234
hivehive优化
一、 控制hive任务中的map数: 1. 通常情况下,作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有: input的文件总个数,input的文件大小,集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到,该参数不能自定义修改);2. 
- Spring Boot 1.2.4 发布
wiselyman
spring boot
Spring Boot 1.2.4已于6.4日发布,repo.spring.io and Maven Central可以下载(推荐使用maven或者gradle构建下载)。
这是一个维护版本,包含了一些修复small number of fixes,建议所有的用户升级。
Spring Boot 1.3的第一个里程碑版本将在几天后发布,包含许多