- 图片批量去重---(均值哈希、插值哈希、感知哈希、三/单通道直方图)
ghx3110
数据/脚本处理均值算法哈希算法直方图图片去重
一、整体步骤本脚本中,关键步骤包括以下步骤:1、图片加载:脚本会遍历指定的图片目录,将所有图片加载到内存中。2、图像预处理:比较之前,通常需要对图片进行预处理,如调整大小、灰度化或直方图均衡化,以消除颜色、尺寸等因素的影响。3、相似度计算:图像相似度的衡量有很多种方法,如像素级别的差异(均方误差)、结构相似度指数(SSIM)、归一化互信息(NMI)或者哈希算法(如PCA-SIFT、BRIEF等)。
- 二、【LLaMA-Factory实战】数据工程全流程:从格式规范到高质量数据集构建
陈奕昆
大模型微调教程llamapython前端人工智能大模型微调
一、引言在大模型微调中,数据质量直接决定模型性能。LLaMA-Factory提供了完整的数据工程工具链,支持从数据格式规范到清洗增强、注册验证的全流程管理。本文结合结构图、实战代码和生产级经验,带您掌握构建高质量数据集的核心技术。二、数据工程核心架构图原始数据数据格式规范Alpaca格式多模态格式自定义格式规范数据清洗增强相似度去重噪声过滤合成数据生成优质数据注册验证数据集注册格式校验质量评估训练
- 【Python】Python+PIL计算两个图像的相似度
宅男很神经
python开发语言
第一章:图像相似度计算概述1.1什么是图像相似度?图像相似度,顾名思义,是指衡量两幅或多幅图像在视觉内容或语义信息上相似程度的指标。它是一个介于0(完全不相似)和1(完全相同或高度相似)之间的数值,或者是一个可以反映相似程度的距离度量(距离越小越相似)。在计算机视觉领域,图像相似度计算是诸多高级应用的基础。1.1.1定义与重要性定义:图像相似度的定义可以从多个层面进行。像素层面:直接比较两幅图像对
- 如何在Python中实现文本相似度比较?
CodeJourney代码之旅
python学习python开发语言
在Python中实现文本相似度比较可以通过多种方法,每种方法都有其适用场景和优缺点。以下是一些常见的文本相似度比较方法:1.余弦相似度(CosineSimilarity)余弦相似度是通过计算两个向量之间夹角的余弦值来确定它们之间的相似度。在文本处理中,可以使用TF-IDF(TermFrequency-InverseDocumentFrequency)将文本转换为向量。fromsklearn.fea
- 【Python使用】嘿马推荐系统全知识和项目开发教程第2篇:1.4 案例--基于协同过滤的电影推荐,1.5 推荐系统评估
python后端
教程总体简介:1.1推荐系统简介学习目标1推荐系统概念及产生背景2推荐系统的工作原理及作用3推荐系统和Web项目的区别1.3推荐算法1推荐模型构建流程2最经典的推荐算法:协同过滤推荐算法(CollaborativeFiltering)3相似度计算(SimilarityCalculation)4协同过滤推荐算法代码实现:二根据用户行为数据创建ALS模型并召回商品2.0用户行为数据拆分2.1预处理be
- ChromaDB深度技术研究报告
大表哥汽车人
人工智能大语言模型学习笔记人工智能语言模型自然语言处理
第一章:ChromaDB核心概念与架构1.1向量数据库:新一代AI应用基石向量数据库是为存储、管理和搜索向量嵌入(VectorEmbeddings)而专门设计的数据库系统。在高维空间中,向量嵌入是数据(如文本、图片、音频等)的数值表示。向量数据库的核心能力在于,它能够高效地执行相似度搜索,即找到与给定查询向量最相似的向量。工作原理:-嵌入(Embedding):首先,通过预训练的AI模型(如BER
- 【Elasticsearch】自定义相似性算法
risc123456
Elasticsearchelasticsearch
在Elasticsearch中,可以通过自定义相似度算法来优化搜索结果的相关性。以下是几种常见的自定义相似度算法的方法:1.使用内置相似度算法Elasticsearch默认使用BM25算法,但也可以切换到其他内置的相似度算法,如TF-IDF或布尔相似度。例如:```jsonPUT/my_index{"settings":{"similarity":{"my_similarity":{"type":
- 数据挖掘与机器学习 期末复习整理
无敌摸鱼高手
数据挖掘与机器学习数据挖掘机器学习人工智能期末复习知识总结
1.分类:–有类别标记信息,因此是一种监督学习–根据训练样本获得分类器,然后把每个数据归结到某个已知的类,进而也可以预测未来数据的归类。2.聚类:–无类别标记,因此是一种无监督学习–无类别标记样本,根据信息相似度原则进行聚类,通过聚类,人们能够识别密集的和稀疏的区域,因而发现全局的分布模式,以及数据属性之间的关系3.聚类方法:划分方法-(分割类型)K-均值K-Means顺序领导者方法基于模型的方法
- 机器学习算法_聚类KMeans算法
TY-2025
机器学习机器学习算法聚类
一、聚类算法分析1.概念概念:根据样本之间的相似性,将样本划分到不同的类别中;不同的相似度的计算方法,会得到不同的聚类结果,常见的相似度计算方法有欧氏距离法(无监督算法)聚类算法的目的是在没有先验知识的情况下,自动发现数据集中的内在结构和模式2.聚类算法分类(1)根据聚类颗粒度分类个数比较多的,细聚类;个数比较多的,粗聚类(2)根据实现方法分类K-means:按照质心分类层次聚类:对数据进行逐层划
- 文本聚类分析:基于相似性的文档分组
Morpheon
RRTextClustering
大家周一快乐!最近世界局势动荡,中东冲突不断。这种混乱可能会影响我们对世界的认知。就像法国人说的“C’estlavie”(这就是生活)。但无论未来如何,请记住瑞士人常说的“Lavieestbelle”(生活是美好的)。文本聚类分析通过内容相似性将文档分组,实现在R语言中自动对大型文本集合进行分类。什么是文本聚类分析?聚类分析将文档分组,使得同一组内的文档彼此之间的相似度高于与其他组中文档的相似度。
- Qdrant:从连接到查询的实战指南
Mr_Chenph
AI乱炖向量数据库qdrant1.14.2
Qdrant是近年来非常热门的向量数据库,广泛用于文本搜索、推荐系统、图像相似度匹配等场景。本文将带你从最实用的三个层面入手,快速上手并用好Qdrant的核心能力:✅远程连接配置详解️集合创建参数全面解释查询参数高级用法本例为Qdrant1.14.2(注意!)✅一、远程连接配置详解(QdrantClient)在本地你可以用host和port来连接Qdrant服务,而在生产中,通常使用QdrantC
- 鸿蒙开发实战之DRM Kit打造美颜相机数字版权堡垒
harmonyos-next
一、核心版权保护场景通过DRMKit实现三大内容防护:素材加密保护付费滤镜动态解密(硬件级安全存储)用户作品AES-256-CBC加密(密钥分片存储)版权水印溯源隐形数字水印(抗截图/翻拍)区块链存证(时间戳+设备指纹)盗版内容拦截非法复制检测(相似度分析>95%)跨平台盗图追踪(支持200+社交平台)二、关键技术实现importdrmfrom'@ohos.drmKit';//初始化Widevin
- 从代码学习深度学习 - 词的相似性和类比任务 PyTorch版
飞雪白鹿€
#自然语言处理深度学习pytorch
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言加载预训练词向量TokenEmbedding类详解预训练词向量简介(GloVe)具体含义总结建议应用预训练词向量词相似度knn函数get_similar_tokens函数相似词查找示例词类比get_analogy函数词类比任务示例总结前言词向量(WordEmbeddings)是自然语言处理(NLP)中的基石之一。它们是将词
- 《Sklearn 机器学习模型--分类模型》--K-means 聚类(K-means clustering algorithm)
非门由也
机器学习数据分析机器学习sklearn分类
K-means聚类算法K-means聚类算法是一种基于划分的无监督学习算法,通过迭代优化将数据划分为指定簇数(K值),使同一簇内样本相似度最大化、簇间差异最大化34。以下从算法原理、实现步骤、应用场景及优缺点展开说明:一、核心原理与实现步骤核心原理K-均值聚类(K-MeansClustering)是一种无监督学习算法,其基本思想是将数据集划分为K个不同的簇,使得每个样本点都属于离它最近的簇中心。
- 2025.06.11-华子留学生第一题-300分
春秋招笔试突围
最新互联网春秋招试题合集java算法开发语言
点击直达笔试专栏《大厂笔试突围》春秋招笔试突围在线OJ笔试突围OJ03.A先生的智能输入助手问题描述A先生正在开发一个智能编程环境,其中包含一个命令自动补全功能。当用户输入一个可能有拼写错误的命令时,系统需要从已知的合法命令列表中找到最相似的命令进行提示。系统使用编辑距离(莱文斯坦距离)来衡量两个字符串的相似度。编辑距离定义为将一个字符串转换为另一个字符串所需的最少单字符编辑操作次数,允许的操作包
- FAISS:高性能向量库
老兵发新帖
faiss
一.FAISS介绍FAISS是什么?FAISS(FacebookAISimilaritySearch)是一个专门用于稠密向量相似度搜索和聚类的开源库。主要功能1.向量相似度搜索importfaissimportnumpyasnp#创建索引index=faiss.IndexFlatL2(128)#128维向量#添加向量vectors=np.random.random((1000,128)).asty
- 从实验室到产业:IndexTTS 在六大核心场景的落地实践
gogoMark
人工智能
一、内容创作:重构数字内容生产范式在短视频创作领域,IndexTTS的语音克隆技术彻底改变了配音流程。B站UP主通过5秒参考音频即可克隆出郭老师音色,生成的“各位吴彦祖们大家好”语音相似度达97%,单条视频播放量突破百万。其核心优势在于支持多语言混合输入,中英文混杂文本(如“大家好,我现在正在bilibili体验AI科技”)的自然度评分达0.796,接近人类基准0.85。通过批次推理模式,用户可将
- Selenium自动化测试实现滑动滑块验证码自动识别!
程序员 小濠
接口测试软件测试自动化测试selenium测试工具职场和发展postman功能测试自动化测试软件测试
背景:在部分的登录中有滑动验证码的验证,由于滑动验证码的缺块是随机的就导致实现起来比较困难!01\实现方案模板匹配通过openCV分析两个图片的相似度,获取两个相似度很高图片的坐标,从而计算两个图片的距离。轮廓检测通过openCV进行轮廓检测,即在大图片中找到缺口位置的坐标,然后计算小图片到缺口位置的距离。02\知识准备python语言这里不再赘述,本篇主要还是使用python技术来实现。sele
- 为什么RAG系统必须引入Rerank?深入解析两阶段检索的价值与挑战
一休哥助手
人工智能RAG
在当今大模型应用中,检索增强生成(RAG)已成为解决知识更新和幻觉问题的关键技术,但超过70%的RAG系统在首次部署后都面临答案不精准的困扰——而引入Rerank重排序机制,正是解开这一困局的关键密钥。一、RAG的精度困境:当“近似”检索遇到生成需求在经典RAG流程中,系统通过以下步骤运作:用户查询被Embedding模型转换为向量在向量数据库中进行相似度搜索(ANN)返回Top-K相关文档提示工
- 【RAG排序】rag排序代码示例-简单版
weixin_37763484
大模型人工智能算法搜索引擎
claude生成的一个排序的例子,有几种简单的方法。示例数据查询:“人工智能在医疗领域的应用前景如何?”文档库:8个相关文档,涵盖AI在医疗、金融、教育、自动驾驶等领域的应用实现的排序方法SimpleBM25Ranker-中文BM25排序器使用jieba进行中文分词计算TF-IDF和文档长度归一化处理中文停用词ChineseKeywordRanker-关键词匹配排序器Jaccard相似度+查询词覆
- 【RAG排序】rag排序代码示例-高级版
weixin_37763484
大模型人工智能搜索引擎
以下是利用claude生成的排序示例,相对来说高级一些,例如使用了图排序、混合排序、mmr等技术。代码是示例代码,受输出长度限制,无法给出完整例子,在最后对输入的query、document_embedding等进行了实例展示。可以参考“使用案例解释”尝试进行修改和运行。RAG系统排序阶段的多种方法与实现1.基础排序方法1.1余弦相似度排序最基本的相似度计算方法,适用于向量检索后的重排序。impo
- 【认知心理学】100 个常见心理学效应速查表
橙子小哥的代码世界
心理学杂文随想心理学随想随写
说明:按类别编号;一句话描述帮助记忆。若与你经历不同,可再深入阅读对应关键词。A.认知偏差&决策(1–25)锚定效应 首次信息成“锚”,后续判断难摆脱其影响可得性启发 越容易想起的例子越被高估其概率确认偏差 倾向寻找、解释、记住支持既有信念的资料代表性启发 用表象相似度而非真实概率做判断过度自信效应 自评准确度往往高于实际达克效应(Dunning-Kruger) 能力越低越高估自己水平损失厌恶 损
- NLP-数据集
hello,你好呀
NLP自然语言处理人工智能
目录第一章STS(语义文本相似度)(重点)一、SemEvalSTS年度任务(2012-2017)1.SemEval-2012STS2.SemEval-2013STS3.SemEval-2014STS4.SemEval-2015STS5.SemEval-2016STS6.SemEval-2017STS二、STSBenchmark(2017)三、跨语言STS(XSTS)1.XSTS-20162.XLM
- 【RAG召回】bge实现向量相似度索引
weixin_37763484
大模型人工智能搜索引擎
sentence-transformers是一个非常强大的Python框架,它可以将句子或段落转换成高质量、高信息密度的数字向量(称为“嵌入”或Embeddings)。它厉害的地方在于,语义上相似的句子,其向量在空间中的距离也更近。这使得我们能够超越简单的关键词匹配,去实现真正理解“意思”的搜索。例如,用户搜索“手提电脑”,我们能轻松地找出包含“笔记本电脑”的文档。下面,我们同样通过一系列代码示例
- vanna+deepseek+chainlit 实现自然语言转SQL的精度调优
_喵酱_
sql数据库
先说目前遇到的问题吧,单表数据SQL生成准确度是可以的,但是复杂SQL以及多表联查时,生成的SQL就一言难尽了。目前的解决方案:一、数据训练后台创建后台来管理三类训练数据,DDL、SQL、DOC文档。使用三个集合,来分别管理这三类数据添加训练SQL:二、前端与用户交互,询问是否将本次对话加入到训练库中前端与用户交互,询问是否将本次对话加入到训练库中,如果确认,则给用户回显当前训练库中相似度最高的前
- 使用Python实现层次聚类算法
Echo_Wish
从零开始学Python人工智能Python笔记算法python聚类
层次聚类(HierarchicalClustering)算法是一种基于树形结构的聚类方法,它将数据点逐渐合并成越来越大的簇,直到所有数据点都合并到一个簇中。在本文中,我们将使用Python来实现一个基本的层次聚类算法,并介绍其原理和实现过程。什么是层次聚类算法?层次聚类算法是一种自底向上或自顶向下的聚类方法,它通过计算数据点之间的相似度(距离)来构建一个树形结构,其中每个节点代表一个簇。在自底向上
- 层次聚类python实现_层次聚类和随机森林(python实现)
weixin_39813009
层次聚类python实现
层次聚类步骤:假设有N个待聚类的样本,对于层次聚类来说,基本步骤就是:1、(初始化)把每个样本归为一类,计算每两个类之间的距离,也就是样本与样本之间的相似度;2、按一定规则选取符合距离要求的类别,完成类间合并;3、重新计算新生成的这个类与各个旧类之间的相似度;4、重复2和3直到所有样本点都归为一类,结束。随机森林步骤:从原始训练集中使用Bootstraping方法随机有放回采样选出m个样本,共进行
- PDF多表格结构识别与跨表语义对齐:基于对抗迁移的健壮性相似度度量模型
最难不过坚持丶
pdf
文章目录前言倒排索引、前缀树、FST、向量与编辑距离的技术原理及应用差异探讨一.项目结构二.流程分析2.1批处理器核心代码解析三.跨页表格相似度匹配原理3.1表头内容相似度-特征向量归一化3.2表头内容相似度-余弦相似度3.3定时缓存清理前言ocr扫描有其局限性。对于pdf文本类型这种pdfbox,aspose-pdf,spire直接提取文本的精准性更高。经过综合对比我们觉得aspose和spir
- catti二级笔译综合能力真题_【CATTI二级笔译】综合能力知识点总结(一)
weixin_39626181
catti二级笔译综合能力真题
前言:在catti考试中,许多人都把重点放在实务部分,而忽略了综合。甚至有不少考生出现了实务过了,但是综合能力不及格的情况。为此,笔者把历年真题分次总结,选取了个人认为出错率较高的题目考察点(建议考生通过样题熟悉考试形式,但复习本身可以着重于知识点而非题型本身,毕竟万变不离其宗),供考生备考使用。另外,个人在备考和总结中发现,Catti综合能力最爱考的三类题型:形近词辨析(拼写相似度高但意思相差甚
- 【推荐算法】推荐系统核心算法深度解析:协同过滤 Collaborative Filtering
白熊188
推荐算法算法机器学习人工智能推荐算法推荐
推荐系统核心算法深度解析:协同过滤一、协同过滤的算法逻辑协同过滤的两种实现方式二、算法原理与数学推导1.相似度计算关键公式2.矩阵分解(MF)进阶三、模型评估1.准确性指标2.排序指标(Top-N推荐)3.多样性&新颖性四、应用案例五、面试常见问题六、详细优缺点优点缺点七、优化方向总结一、协同过滤的算法逻辑协同过滤的核心思想是利用群体智慧:假设:相似用户对物品有相似偏好,相似物品会被相似用户喜欢。
- Linux的Initrd机制
被触发
linux
Linux 的 initrd 技术是一个非常普遍使用的机制,linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式,变化不仅反映在文件格式上, linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术,然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
- maven本地仓库路径修改
bitcarter
maven
默认maven本地仓库路径:C:\Users\Administrator\.m2
修改maven本地仓库路径方法:
1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml
2.找到
 
- XSD和XML中的命名空间
darrenzhu
xmlxsdschemanamespace命名空间
http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml
http://blog.csdn.net/wanghuan203/article/details/9203621
http://blog.csdn.net/wanghuan203/article/details/9204337
http://www.cn
- Java 求素数运算
周凡杨
java算法素数
网络上对求素数之解数不胜数,我在此总结归纳一下,同时对一些编码,加以改进,效率有成倍热提高。
第一种:
原理: 6N(+-)1法 任何一个自然数,总可以表示成为如下的形式之一: 6N,6N+1,6N+2,6N+3,6N+4,6N+5 (N=0,1,2,…)
- java 单例模式
g21121
java
想必单例模式大家都不会陌生,有如下两种方式来实现单例模式:
class Singleton {
private static Singleton instance=new Singleton();
private Singleton(){}
static Singleton getInstance() {
return instance;
}
- Linux下Mysql源码安装
510888780
mysql
1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz
(1)创建mysql的安装目录及数据库存放目录
解压缩下载的源码包,目录结构,特殊指定的目录除外:
- 32位和64位操作系统
墙头上一根草
32位和64位操作系统
32位和64位操作系统是指:CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的,但是这些CPU并不是真正意义上的64 位CPU,里面依然保留了大部分32位的技术,只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面,32位系统的最大寻址空间是2 的32次方= 4294967296(bit)= 4(GB)左右,而64位系统的最大寻址空间的寻址空间则达到了
- 我的spring学习笔记10-轻量级_Spring框架
aijuans
Spring 3
一、问题提问:
→ 请简单介绍一下什么是轻量级?
轻量级(Leightweight)是相对于一些重量级的容器来说的,比如Spring的核心是一个轻量级的容器,Spring的核心包在文件容量上只有不到1M大小,使用Spring核心包所需要的资源也是很少的,您甚至可以在小型设备中使用Spring。
 
- mongodb 环境搭建及简单CURD
antlove
WebInstallcurdNoSQLmongo
一 搭建mongodb环境
1. 在mongo官网下载mongodb
2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db"
3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
- 数据字典和动态视图
百合不是茶
oracle数据字典动态视图系统和对象权限
数据字典(data dictionary)是 Oracle 数据库的一个重要组成部分,这是一组用于记录数据库信息的只读(read-only)表。随着数据库的启动而启动,数据库关闭时数据字典也关闭 数据字典中包含
数据库中所有方案对象(schema object)的定义(包括表,视图,索引,簇,同义词,序列,过程,函数,包,触发器等等)
数据库为一
- 多线程编程一般规则
bijian1013
javathread多线程java多线程
如果两个工两个以上的线程都修改一个对象,那么把执行修改的方法定义为被同步的,如果对象更新影响到只读方法,那么只读方法也要定义成同步的。
不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据,就不要将方法设置为synchronized的。
- 将文件或目录拷贝到另一个Linux系统的命令scp
bijian1013
linuxunixscp
一.功能说明 scp就是security copy,用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议,保证了数据传输的安全,其格式如下: scp 远程用户名@IP地址:文件的绝对路径
- 【持久化框架MyBatis3五】MyBatis3一对多关联查询
bit1129
Mybatis3
以教员和课程为例介绍一对多关联关系,在这里认为一个教员可以叫多门课程,而一门课程只有1个教员教,这种关系在实际中不太常见,通过教员和课程是多对多的关系。
示例数据:
地址表:
CREATE TABLE ADDRESSES
(
ADDR_ID INT(11) NOT NULL AUTO_INCREMENT,
STREET VAR
- cookie状态判断引发的查找问题
bitcarter
formcgi
先说一下我们的业务背景:
1.前台将图片和文本通过form表单提交到后台,图片我们都做了base64的编码,并且前台图片进行了压缩
2.form中action是一个cgi服务
3.后台cgi服务同时供PC,H5,APP
4.后台cgi中调用公共的cookie状态判断方法(公共的,大家都用,几年了没有问题)
问题:(折腾两天。。。。)
1.PC端cgi服务正常调用,cookie判断没
- 通过Nginx,Tomcat访问日志(access log)记录请求耗时
ronin47
一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间
nginx.conf使用配置方式:
log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
- java-67- n个骰子的点数。 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
bylijinnan
java
public class ProbabilityOfDice {
/**
* Q67 n个骰子的点数
* 把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n,打印出S的所有可能的值出现的概率。
* 在以下求解过程中,我们把骰子看作是有序的。
* 例如当n=2时,我们认为(1,2)和(2,1)是两种不同的情况
*/
private stati
- 看别人的博客,觉得心情很好
Cb123456
博客心情
以为写博客,就是总结,就和日记一样吧,同时也在督促自己。今天看了好长时间博客:
职业规划:
http://www.iteye.com/blogs/subjects/zhiyeguihua
android学习:
1.http://byandby.i
- [JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析
comsci
工作流
我们已经不满足于仅仅跳跃一次,通过对引擎的升级,今天我测试了一下循环反馈模式,大概跑了200圈,引擎报一个溢出错误
在一个流程图的结束节点中嵌入一段方程,每次引擎运行到这个节点的时候,通过实时编译器GM模块,计算这个方程,计算结果与预设值进行比较,符合条件则跳跃到开始节点,继续新一轮拓扑分析,直到遇到
- JS常用的事件及方法
cwqcwqmax9
js
事件 描述
onactivate 当对象设置为活动元素时触发。
onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。
onbeforeactivate 对象要被设置为当前元素前立即触发。
onbeforecut 当选中区从文档中删除之前在源对象触发。
onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
- 正则表达式验证日期格式
dashuaifu
正则表达式IT其它java其它
正则表达式验证日期格式
function isDate(d){
var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i);
if(!v) {
this.focus();
return false;
}
}
<input value="2000-8-8" onblu
- Yii CModel.rules() 方法 、validate预定义完整列表、以及说说验证
dcj3sjt126com
yii
public array rules () {return} array 要调用 validate() 时应用的有效性规则。 返回属性的有效性规则。声明验证规则,应重写此方法。 每个规则是数组具有以下结构:array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
- UITextAttributeTextColor = deprecated in iOS 7.0
dcj3sjt126com
ios
In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0."
Ins
- 判断一个数是质数的几种方法
EmmaZhao
Mathpython
质数也叫素数,是只能被1和它本身整除的正整数,最小的质数是2,目前发现的最大的质数是p=2^57885161-1【注1】。
判断一个数是质数的最简单的方法如下:
def isPrime1(n):
for i in range(2, n):
if n % i == 0:
return False
return True
但是在上面的方法中有一些冗余的计算,所以
- SpringSecurity工作原理小解读
坏我一锅粥
SpringSecurity
SecurityContextPersistenceFilter
ConcurrentSessionFilter
WebAsyncManagerIntegrationFilter
HeaderWriterFilter
CsrfFilter
LogoutFilter
Use
- JS实现自适应宽度的Tag切换
ini
JavaScripthtmlWebcsshtml5
效果体验:http://hovertree.com/texiao/js/3.htm
该效果使用纯JavaScript代码,实现TAB页切换效果,TAB标签根据内容自适应宽度,点击TAB标签切换内容页。
HTML文件代码:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"
- Hbase Rest API : 数据查询
kane_xie
RESThbase
hbase(hadoop)是用java编写的,有些语言(例如python)能够对它提供良好的支持,但也有很多语言使用起来并不是那么方便,比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口,它内嵌了jetty作为servlet容器。
启动命令:./bin/hbase rest s
- JQuery实现鼠标拖动元素移动位置(源码+注释)
明子健
jqueryjs源码拖动鼠标
欢迎讨论指正!
print.html代码:
<!DOCTYPE html>
<html>
<head>
<meta http-equiv=Content-Type content="text/html;charset=utf-8">
<title>发票打印</title>
&l
- Postgresql 连表更新字段语法 update
qifeifei
PostgreSQL
下面这段sql本来目的是想更新条件下的数据,可是这段sql却更新了整个表的数据。sql如下:
UPDATE tops_visa.visa_order
SET op_audit_abort_pass_date = now()
FROM
tops_visa.visa_order as t1
INNER JOIN tops_visa.visa_visitor as t2
ON t1.
- 将redis,memcache结合使用的方案?
tcrct
rediscache
公司架构上使用了阿里云的服务,由于阿里的kvstore收费相当高,打算自建,自建后就需要自己维护,所以就有了一个想法,针对kvstore(redis)及ocs(memcache)的特点,想自己开发一个cache层,将需要用到list,set,map等redis方法的继续使用redis来完成,将整条记录放在memcache下,即findbyid,save等时就memcache,其它就对应使用redi
- 开发中遇到的诡异的bug
wudixiaotie
bug
今天我们服务器组遇到个问题:
我们的服务是从Kafka里面取出数据,然后把offset存储到ssdb中,每个topic和partition都对应ssdb中不同的key,服务启动之后,每次kafka数据更新我们这边收到消息,然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了,最开始我们是在代码中打印存储的日志,发现没什么问题,后来去查看ssdb的日志,才发现里面每次set的时候都会对同一个key