- LoRA 实战指南:NLP 与 CV 场景的高效微调方法全解析
fairymt
产品经理的AI秘籍自然语言处理人工智能机器学习
大模型已成AI应用的“标配”,但高昂的训练和部署成本让很多企业望而却步。LoRA(Low-RankAdaptation)作为一种轻量级微调方案,正成为NLP与CV场景中低成本定制的利器。本文详细通过详细介绍LoRA的核心原理、在文本与图像任务中的应用场景、主流工具框架与实践方式,帮助你快速掌握这项高性价比技术。国产生态实战:基于LLaMA-Factory+DeepSeek+LoRA+FastAPI
- 概述-1-数据库的相关概念
He.ZaoCha
MySQL数据库mysql
数据库的相关概念用户通过SQL操作数据库管理系统,再通过数据库管理系统操作数据库以及数据库中的数据。数据库数据库是存储数据的仓库,数据是有组织的进行存储,DataBase简称(DB)数据库管理系统操纵和管理数据库的大型软件,DataBaseManagementSystem简称(DBMS)主流的关系型数据库管理系统DB-EnginesRanking根据数据库管理系统的受欢迎程度对其进行排名。排名每月
- 强化学习 16G实践以下是基于CQL(Conservative Q-Learning)与QLoRA(Quantized Low-Rank Adaptation)结合的方案相关开源项目及资源,【ai技】
行云流水AI笔记
开源人工智能
根据你提供的CUDA版本(11.5)和NVIDIA驱动错误信息,以下是PyTorch、TensorFlow的兼容版本建议及环境修复方案:1.版本兼容性表框架兼容CUDA版本推荐安装命令(CUDA11.5)PyTorch11.3/11.6pipinstalltorchtorchvisiontorchaudio--extra-index-urlhttps://download.pytorch.org/
- 【大模型学习 | LORA 原理及实现】
九年义务漏网鲨鱼
语言模型pythonpytorch自然语言处理
LORA:LOW-RANKADAPTATIONOFLARGELAN-GUAGEMODELSGithub库:GitHub-microsoft/LoRA:Codeforloralib,animplementationof“LoRA:Low-RankAdaptationofLargeLanguageModels”GPT-3:175B微调模型变得十分的贵。作者提出利用Low-RankAdaption来冻结
- manjaro安装微软雅黑字体_开始使用 Manjaro(添加源+字体渲染去模糊+软件安装+优化配置+常见错误)(30)...
真的是单大宝
manjaro安装微软雅黑字体
1.添加archlinux镜像源1.步骤一向/etc/pacman.d/mirrorlist中添加国内镜像地址1.1方法1:自动添加1、输入如下命令查看国内镜像源,并按质量排序:sudopacman-mirrors-i-cChina-mrank,之后会弹出一个窗口,可以选择想要的镜像源,选择确定后会自动导入/etc/pacman.d/mirrorlist配置文件中。1.2方法2:手动添加直接在et
- LLMs之Embedding:Qwen3 Embedding的简介、安装和使用方法、案例应用之详细攻略
一个处女座的程序猿
NLP/LLMsembeddingLLM
LLMs之Embedding:Qwen3Embedding的简介、安装和使用方法、案例应用之详细攻略目录Qwen3Embedding的简介1、特点2、模型列表3、评测结果MTEB(Multilingual)MTEB(Engv2)C-MTEB(MTEBChinese)RerankerQwen3Embedding的使用方法1、安装2、使用方法2.1、TextEmbedding嵌入模型的使用方法Tran
- java工程师面试题大全-100%公司笔试题你都能碰到几个
javaPie
Javaid="cproIframe_u788097_1"width="336"height="280"src="http://pos.baidu.com/acom?adn=3&at=166&aurl=&cad=1&ccd=24&cec=UTF-8&cfv=16&ch=0&col=zh-CN&conOP=0&cpa=1&dai=1&dis=0&layout_filter=rank%2Ctabclo
- Hadoop 发展过程是怎样的?
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2003年,美国加州大学洛杉矶分校教授李彦宏博士发明了一种分布式文件系统——GFS(GoogleFileSystem)。由于该文件系统设计得足够简单,可以适应大规模数据集存储需求,在此基础上演化出多种应用,包括MapReduce、BigTable、PageRank等,并成为当时互联网公司的标配技术之一。2004年,Google发布了第一版Hadoop项目,定位是
- 【iSAQB软件架构】架构模式
小马哥编程
架构java开发语言代理模式微服务系统架构
模式在软件的设计和开发中是一个重要的工具。在软件开发的许多领域都存在模式——例如,设计模式、架构模式、分析模式、软件组织模式和教学模式。架构模式的分类是按照弗兰克·布施曼(FrankBuschmann)的四类系统进行的。其基本概念是以模式所解决的问题作为分类的基础。适应性系统此类别中的模式支持应用程序的扩展以及它们对不断发展的技术和不断变化的功能需求的适应。依赖注入在面向对象设计中,由于需要创建一
- 人工智能: 矩阵的秩从数学基础到综合实战!!
AI Agent首席体验官
人工智能矩阵算法
1.矩阵的秩矩阵的秩(Rank)是描述矩阵线性独立的行或列的最大数目。对于一个矩阵AAA,其秩记作rank(A)rank(A)rank(A)或r(A)r(A)r(A)。基本性质对于m×nm\timesnm×n矩阵AAA,秩满足:0≤rank(A)≤min(m,n)0\leqrank(A)\leqmin(m,n)0≤rank(A)≤min(m,n)行秩等于列秩:矩阵的线性独立的行数等于线性独立的列数
- 如何高效训练通义万相2.1的LoRA:从原理到实战指南
Liudef06小白
AI作画图生视频lora通义万相WAN2.1
在AI图像生成领域,通义万相2.1作为领先的扩散模型,其官方API虽功能强大,但定制能力有限。LoRA(Low-RankAdaptation)技术正是解决这一痛点的关键钥匙——它允许开发者以极低成本实现模型个性化定制。本文将详细解析训练通义万相2.1LoRA的全流程,助你掌握定制专属AI艺术家的核心技能。一、认识通义万相2.1与LoRA1.1通义万相2.1核心特性多模态理解:精准解析复杂文本提示(
- 【libyuv】windows cmake 构建 for webrtc
等风来不如迎风去
WebRTC入门与实战windowsgitbashlibyuv
使用vs直接构建webrtc的部分源码,发现libyuv是webrtc源码的依赖库,会有链接错误官方说明https://github.com/frankpapenmeier/libyuv/blob/master/docs/getting_started.md看起来官方灭有推荐windows用cmake构建实测,用cmake也是可以的。deptoolsYou’llneedtohavedepottoo
- GitHub 趋势日报 (2025年06月18日)
qianmoQ
GitHub项目趋势日报(2025年)github
由TrendForge系统生成|https://trendforge.devlive.org/本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图1759jan991fluentui-system-icons549ragflow522anthropic-cookbook452automatisch265data-engineer-handbook194frankenphp171DeepE
- RAG 处理流程
成都犀牛
网络自然语言处理神经网络深度学习RAG
下面是处理流程图UserSystemEmbeddingModelRetrieverRerankerLLMKnowledgeBase输入问题(Query)用嵌入模型编码QueryQuery向量用Query向量检索查找相似向量(原始使用嵌入模型编码)返回TopK文档块原始检索结果对结果重排序(可选)精排后文档组合:Query+相关文档生成最终回答返回答案UserSystemEmbeddingModel
- 一文读懂CompassRank榜单的评测指标【多模态学习实战手册】
大F的智能小课
大模型理论和实战人工智能
大家好,我是大F,深耕AI算法十余年,互联网大厂技术岗。分享AI算法干货、技术心得。欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》,一起探索技术的无限可能!1.前言榜单链接:CompassRankCompassRank是一个中立且全面的性能榜单,作为大模型评测体系OpenCompass2.0中各类榜单的承载平台。它覆盖多领域、多任务下的模型性能,并定期更新,以提供动态的行业洞察。
- 针对HR的陷阱,攻击者利用虚假简历传播恶意软件
新型攻击手法曝光以经济利益为驱动的威胁组织FIN6(又称CamouflageTempest、GoldFranklin等)近期被发现利用亚马逊云服务(AWS)基础设施托管虚假简历,传播名为More_eggs的恶意软件家族。DomainTools调查团队(DTI)向《黑客新闻》提供的报告显示:"该组织通过伪装求职者在LinkedIn等平台与招聘人员建立联系后,发送包含恶意软件的钓鱼信息。"恶意软件技术
- 什么是 QLoRA(Quantized Low-Rank Adaptation,量化低秩适配)
彬彬侠
大模型QLoRA量化低秩适配PEFT参数高效微调transformersbitsandbytespython
QLoRA(QuantizedLow-RankAdaptation,量化低秩适配)是LoRA(Low-RankAdaptation)的一种优化扩展,旨在进一步降低大语言模型微调的计算和内存需求。QLoRA结合了4-bit量化(quantization)和LoRA的低秩更新技术,使超大规模模型(如70B参数的LLaMA)能够在单GPU上进行高效微调,同时保持与全参数微调相近的性能。QLoRA由Det
- LoRA、QLoRA是什么
爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ
人工智能机器学习深度学习
一:LoRA(Low-RankAdaptation,低秩适应)是一种高效的大模型参数微调技术,由Meta在2021年提出。它通过冻结预训练模型参数,仅训练少量新增的低秩矩阵,大幅减少了需要训练的参数量,同时保持接近全参数微调的效果。为什么需要LoRA?传统的全参数微调(Fine-tuning)需要更新大型语言模型的所有参数(如GPT-3有1750亿参数),这带来两个核心问题:计算资源需求极高:需要
- Qwen3-Embedding-Reranker本地部署教程:8B 参数登顶 MTEB 多语言榜首,100 + 语言跨模态检索无压力!
算家计算
模型构建embeddingQwen3Qwen3-Reranker模型部署教程智能检索算家云镜像社区
一、简介Qwen3-Embedding与Qwen3-Reranker是阿里巴巴通义实验室于今年6月开源的双模型系列,专为文本表征、检索与排序任务设计。基于Qwen3基础模型构建,二者通过协同工作显著提升语义理解与信息检索效率,在多语言场景和工业部署中表现卓越。基于Qwen3系列的密集基础模型,提供了各种大小(0.6B、4B和8B)的全面文本嵌入和重新排序模型。该系列继承了其基础模型出色的多语言能力
- 如何使用EnsembleRetriever结合多个检索器的结果
weixin_43212959
windows人工智能microsoft
在信息检索领域,融合不同检索器的结果可以提升搜索结果的质量。EnsembleRetriever是一个支持将多个检索器的结果组合起来的工具。它通过复合互排名融合算法(ReciprocalRankFusion)重新排序各个检索器的结果,以实现更好的性能。技术背景介绍在搜索和信息检索中,"混合搜索"模式成为一种常见的做法。混合搜索通常结合稀疏检索器(如BM25)和密集检索器(如基于嵌入的相似性)。稀疏检
- RAG 工业落地方案框架(Qanything、RAGFlow、FastGPT、智谱RAG)细节比对!CVPR自动驾驶最in挑战赛赛道,全球冠军被算力选手夺走了
代码讲故事
学术相关自动驾驶人工智能机器学习RAGCVPRQanythingFastGPT
RAG工业落地方案框架(Qanything、RAGFlow、FastGPT、智谱RAG)细节比对!CVPR自动驾驶最in挑战赛赛道,全球冠军被算力选手夺走了。本文详细比较了四种RAG工业落地方案——Qanything、RAGFlow、FastGPT和智谱RAG,重点分析了它们在知识处理、召回模块、重排模块、大模型处理、Web服务和切词处理等方面的具体实现。Qanything在rerank模块设计上
- 矩阵的秩 - 全面解析
二分掌柜的
数学物理矩阵机器学习线性代数
矩阵的秩:全面解析flyfish秩的概念揭示了“独立”与“依赖”的数量关系。秩的定义与直观理解1.秩的核心定义定义1(线性无关组视角):矩阵的秩是其列向量组中极大线性无关组的向量个数,记为r(A)r(A)r(A)或rank(A)\text{rank}(A)rank(A)。例:矩阵A=(1224)A=\begin{pmatrix}1&2\\2&4\end{pmatrix}A=(1224),列向量为a
- 窗口函数总结篇
fieldsss
Mysql刷题算法
一、基本语法及常见函数SELECTcolumn1,column2,窗口函数()OVER(PARTITIONBY分组列ORDERBY排序列[ASC|DESC]ROWS/RANGEBETWEEN起始位置AND结束位置)AS别名FROMtable_name;分类函数作用典型场景排名函数ROW_NUMBER()为每行分配唯一序号(无并列)生成唯一行号RANK()允许并列排名,跳过重复序号(如1,1,3)带
- 大数据学习(138)-Hive数据分析3
viperrrrrrr
大数据学习hive
大数据学习系列专栏:哲学语录:用力所能及,改变世界。如果觉得博主的文章还不错的话,请点赞+收藏⭐️+留言支持一下博主哦一、分组排序问题(TopN变体)1.按多个条件排序并取TopN问题:查询每个部门薪资最高且入职最早的前2名员工。思路:窗口函数中用ORDERBYsalaryDESC,hire_dateASC实现多条件排序。用ROW_NUMBER()生成唯一排名,避免并列。代码模板:WITHrank
- 山东大学2020-2021春季web数据管理期末考试
Joheey
山东大学web数据管理
一、填空题(30空,只记得这些了)DFS比BFS好处在于爬虫礼貌性BM25三个参数词项处理——文档解析、词条化、词项归一化、次干还原、词型归并三种分词算法统计语言模型的定义LBP定义tamura的特征颜色矩二、简答题1、RE2、web数据抽取3、TF/IDF4、倒排索引的定义5、忘记了三、论述题1、网站和爬虫的博弈2、基于HMM的分词算法3、网页排序算法PageRank、HITS、HillTop4
- md文件转换word文档
下载pandoc软件https://pandoc.org/installing.html下载pandoc安装包之后,像安装普通软件一样点开安装就可以了。安装完成之后,打开cmd命令行,输入pandoc-v,如果正常显示出类似下面的信息就表明安装成功,如果未成功,可能需要配置环境变量,把安装的路径C:\Users\Frank\AppData\Local\Pandoc\加入环境变量配置bat批处理文件
- 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
- InfluxDB:一款强大高性能的时序数据库!
开源项目精选
时序数据库数据库
InfluxDB是一个开源的、高性能的时序型数据库,并且在时序型数据库DB-EnginesRanking上排名第一。专门用于收集、存储、处理和可视化时间序列数据的平台。时间序列数据是按时间顺序索引的数据点序列。数据点通常由同一来源的连续测量组成,用于跟踪随时间的变化。Stars数30,137Forks数3,613主要特点高性能数据存储:InfluxDB的TSM引擎提供了数据的高速读写和压缩功能,使
- 数据仓库——如何量化评价一个数据仓库的好坏?
辉哥大数据
【大数据面试宝典】数据仓库数据库大数据分布式
为了回答这个问题,小编特意邀请了我司的数仓专家FrankLi。他在加入Kyligence之前,曾在SAP数据仓库领域工作十多年,在两家美资世界五百强企业带领中国数仓团队实施维护了多个全球化数仓项目,包括全新实施、维护、系统升级和迁移等。Kyligence作为数仓中的核心组件,公司也参与了多个大型机构中数仓升级项目。就这些项目经验,小编总结了一些心得来帮助企业考量数据仓库的优劣。首先,数据仓库并不是
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理