- stable diffusion参数说明
weixin_45597589
stablediffusion专题stablediffusion
stablediffusion参数说明采样方法没有优劣之分,速度不一样。一般Eulera、DPM++2MKarras、DPM++SDEKarras,漫画一般选择DPM++2MKarras高清修复一般勾选。放大算法一般选择R-ESRGAN4x+ANIME6B宽度、高度控制图片的分辨率,根据选择的大模型的训练集尺寸选择,一般为64的倍数提示词相关性一般选择7~10采样迭代步数代表这幅画画了多少笔,一般
- MedSegDiff-V2: Diffusion based Medical Image Segmentation with Transformer
我在努力学习分割(禁止说我水平差)
transformer深度学习人工智能
MedSegDiff-V2:基于变压器的扩散医学图像分割摘要扩散概率模型(DiffusionProbabilisticModel,DPM)最近在计算机视觉领域获得了广泛的应用,这要归功于它的图像生成应用,如Imagen、LatentDiffusionModels和StableDiffusion,这些应用已经展示了令人印象深刻的能力,并在社区内引发了许多讨论。最近的研究进一步揭示了DPM在医学图像分
- 迅为LS2K0500开发板引出PCI接口,可扩展显卡、网卡、声卡、视频卡、SATARAID等
mucheni
2K0500
CPU迅为LS2K0500开发板采用龙芯2K0500处理器,基于龙芯自主指令系统(LoongArch)架构,片内集成64位LA264处理器核。实现ACPI、DVFS/DPM动态电源功耗管理等低功耗技术,支持多种电源级别和唤醒方式,可根据具体应用场景对芯片部分功能和高速接口进行动态时钟、电源开关控制,满足工控、网络安全等应用领域低功耗应用需求。PCI开发板引出PCI接口,可扩展显卡、网卡、声卡、视频
- YOLOv8改进 | 主干篇 | 低照度增强网络PE-YOLO改进主干(改进暗光条件下的物体检测模型)
Snu77
YOLOv8有效涨点专栏YOLO深度学习人工智能pytorch计算机视觉python目标检测
一、本文介绍本文给大家带来的改进机制是低照度图像增强网络PE-YOLO中的PENet,PENet通过拉普拉斯金字塔将图像分解成多个分辨率的组件,增强图像细节和低频信息。它包括一个细节处理模块(DPM),用于通过上下文分支和边缘分支增强图像细节,以及一个低频增强滤波器(LEF),以捕获低频语义并减少高频噪声。同时该网络的发布版本并不完善,存在二次创新的机会,后期我会将其网络进行二次创新,增强低照度的
- Stable Diffusion中不同的采样方法
CCSBRIDGE
人工智能计算机视觉
在StableDiffusion模型中,采样方法是从学习到的概率分布中生成图像的算法。采样方法影响生成图像的质量、样式、速度以及过程的控制程度。以下是一些采样方法的概述和它们对图像生成可能产生的影响:DPM++系列DPM++2M/3M:这些是扩展的扩散概率模型,其中数字表示模型使用的标记步数(例如2M表示200万步)。步数越多,通常生成的图像细节和质量越高,但需要更长的计算时间。DPM++SDE:
- MedSegDiff: Medical Image Segmentation withDiffusion Probabilistic Model
我在努力学习分割(禁止说我水平差)
神经网络
MedSegDiff:基于扩散概率模型的医学图像分割摘要:扩散概率模型(Diffusionprobabilisticmodel,DPM)是近年来计算机视觉研究的热点之一。它在Imagen、LatentDiffusionModels和StableDiffusion等图像生成应用中表现出了令人印象深刻的生成能力,引起了社区的广泛讨论。最近的许多研究还发现,它在许多其他视觉任务中也很有用,比如图像去模糊
- MedSegDiff: Medical Image Segmentation with Diffusion Probabilistic Model
计算机视觉-Archer
人工智能
摘要Diffusionprobabilisticmodel(DPM)recentlybecomesoneofthehottesttopicincomputervision.ItsimagegenerationapplicationsuchasImagen,LatentDiffusionModelsandStableDiffusionhaveshownimpressivegenerationcapa
- 为什么MAX22216/MAX22217电流控制(CDR)比电压控制更好(VDR)?
卓联微范同学
硬件工程驱动开发人工智能算法健康医疗
如图▪与电流控制模式相比,电压控制模式需要更大的裕量来实现最小的驱动电流和保持电流。▪电压控制易受线圈电阻和输入电压变化的影响。▪电流控制模式消除了这些不准确性,节省了功耗并减少了电磁阀磨损。柱塞运动检测(DPM)问题:在卡住的阀门中,即使达到HIT电流,柱塞也不会移动。检测柱塞运动对于诊断是非常理想的方法。解决方案:一种诊断工具,允许“动态”检测局部峰值将为每个通道单独进行检测检测闯值可由用户通
- aigc Sampling method 采样器
AI视觉网奇
aigc与数字人AIGC
以下是我的建议:如果想快速生成质量不错的图片,建议选择DPM++2MKarras(20-30步)、UNIPC(15-25步)如果想要高质量的图,不关心重现性,建议选择DPM++SDEKarras(10-15步较慢),DDIM(10-15步较快)如果想要简单的图,建议选择Euler,Heun(可以减少步骤以节省时间)如果想要稳定可重现的图像,请避免选择任何祖先采样器(名字里面带a或SDE)相反,如果
- 【腾讯云 HAI域探秘】StableDiffusionWebUI 让我找到了宫崎骏动漫里的夏天
不叫猫先生
人工智能云计算stablediffusion腾讯云HAI
目录前言一、HAI二、应用场景三、构建StableDiffusion模型1、新建HAI应用2、StableDiffusionWebUI(1)功能介绍(2)页面转中文(3)AI绘图①正向提示词语②反向提示词③“+”、“AND”、“|”用法④权重⑤Eulera取样方法⑥DPM++2MKarras取样方法⑦新增提示词案例四、总结前言一直以来想部署一个自己的StableDiffusion模型,但是在构建模
- 定向政策矩阵
牧云虎
内容定向政策矩阵(DPM)是由荷兰皇家壳牌集团开发的-一个业务组合计划工具,用于多业务公司的总体战略制定。与通用矩阵相比,选取的量化指标不同,定向政策矩阵更直接细化业务组合,并采取星级评定的方式尽可能的量化指标,以达到业务分区的真实性。定向政策矩阵(DirectionalPolicyMatrix,指导性政策矩阵,简称DPM或DP矩阵)定向政策矩阵的内容如图,该矩阵是-一个三乘三矩阵,描绘了各项业务
- 【SD】loopback 回送 开魔法阵 - 换衣服 - 修复手部
oneREAD
stablediffusion
原理:通过1张图片多次迭代,产生新的图片,并记录每张图片的不同DPM++2MKarrasCFG:7重绘幅度0.75bestquality,masterpiece,uniform,blueeyes,redglasses,1girl,magiccircle,cute,blackpantyhose,openpose迭代10次Finaldenoisingstrength:0.8openpose+depth
- 汽车行业里的DPM条码扫描解析
慧都小妮子
网络条码工具条码开发dpm
汽车行业已全面采用直接零件标记(DPM)代码,这有助于在制造过程中识别和监控组件。本博客探讨了DPM代码的重要性,并调查了汽车行业中传统代码扫描技术遇到的困难。点击下载DynamsoftBarcodeReader最新版https://www.evget.com/product/3691/download了解汽车制造中的DPM代码准确的数据采集是实现卓越汽车制造的质量控制的一个基本方面。DPM代码作
- 【电商】AI模特 高清放大
oneREAD
AI电商stablediffusion
目录实战一:模特人偶实战二:3DOPENPOSE生成模特高清放大(可开启ADetailer)实战三:半身模特随机生成高清放大(可开启ADetailer)实战四:人偶生成模特图实战一:模特人偶使用InpaintAnything对人物的衣物进行处理得到:重绘非蒙版内容DPM++SDEKarras重绘幅度0.8迭代次数40模型:麦橘写实预处理器设置:1:canny2:openposeopenpose_f
- 【Animatediff】制作 玫瑰,鲜花, 香水, 动态LOGO (结尾》图片停留)
oneREAD
AI动画stablediffusion
提示:也可以后期加入文字。@电商\lofi_v4.safetensors[9462506675]》制作初始图片1:输入提示词流动的烟雾,飘落的花瓣,优雅的香水瓶周围环绕着柔软的钻石,烟,红色浪漫的玫瑰:1.5,柔和的背光营造梦幻的效果,浪漫的感觉,玫瑰柔软的纹理和颜色通过环光,空灵的质量,工作室照明,belnder,c4d,oc渲染,虚假,不真实,绘画,线条,低质量,低分辨率,模糊,不清楚DPM+
- 【海报】新年海报 制作
oneREAD
AI海报stablediffusion
准备一张写好文字的图片。模型:@电商\lofi_v4.safetensors[9462506675]bestquality,masterpiece,8k,(softlighting:1.2),firecrackers,Chinesenewyear,,虚假,不真实,绘画,线条,低质量,低分辨率,模糊,不清楚将图片导入文生图DPM++2MKarras迭代步数:30CFG:91:开启control-ca
- Android10.0 Framework层服务一览表
weixin_44205232
androidjava开发语言
服务名称说明是否移除相关代码位置gsiservice:[]native服务,gsi镜像服务,和系统动态分区相关可以动态替换system.img可以移除/frameworks/base/packages/DynamicSystemInstallationService//system/gsid/dpmservice:[com.qti.dpm.IDpmService]高通预置服务/vendor/qco
- 【海报】动态海报 --- 龙女 新年快乐
oneREAD
AI海报stablediffusion
第一次生成:模型:鬼魂迭代步数30DPM++2MKarras尺寸:1140x768orientaldragon,dragon,1girl,redeyes,whitehair,whitebackground,standing,solo,hairaccessory,shoes,lookingatviewer,flower,bangs,fullbody,yellowtheme,yellowdragon,
- 【海报】字体设计 【总结】
oneREAD
AI海报stablediffusion
导入一张白底黑字的图片bestquality,masterpiece,photorealistic,8k,winter,snowflakes,definition,highdetail,adreamybackground,lantern/lamp,newyearmeteorology,santaalter,LightandShadow,,,,DPM++2MKarras迭代步数:40control:
- 打工人副业变现秘籍,某多/某手变现底层引擎-Stable Diffusion 局部重绘(利用SD进行换脸)
菜鸡哥的码场
打工人副业变现秘籍stablediffusion人工智能
首先明确一个概念:绘图是对整个图片进行重绘,但局部重绘是对你选中的位置重绘,这就是两个功能的不同点。局部重绘详细步骤:1、用画笔涂黑你想修改的地方,图片右边的蓝色点可以拖动改变画笔大小,边缘适合用小画笔,中间用粗画笔;2、在正向关键词中写入想重新生成的词,比如1cuteface,因为你只想换脸,所以不用加别的主体提示词;3、记得绘制三次元时需要切换主模型为chiloutmix,采样方法用DPM++
- fhog资料整理
AI视觉网奇
视觉跟踪
fasthog资料整理:https://github.com/joaofaro/FHOGhttps://github.com/ppaanngggg/fhog这个有两种:1.DPM的Mattmp_image;image.convertTo(tmp_image,CV_32FC1);cout<
- 从SDE出发推导DPM-Solver
TianwenZhou
stablediffusion深度学习人工智能
我们知道,传统的DDPM或SMLD等模型的反向过程需要多次迭代,生成一张图片就需要几千次迭代,速度远比GANs要慢。而拖慢整个模型进度的,正是模型的采样过程,无论是DDPM的祖先采样(AncestralSampling),还是SMLD的退火Langevin采样,每生成一张图片时,都需要1000~2000步的反复迭代。因此,为了加速DDPM,我们需要加速其采样过程。现有的加速采样的方法层出不穷,有依
- 《MedSegDiff Medical Image Segmentation with Diffusion Probabilistic Model》论文阅读理解
wyypersist
研1沉淀DPMdiffusionmodelMedSegDiff医学图像分割缺陷检测
《MedSegDiffMedicalImageSegmentationwithDiffusionProbabilisticModel》论文阅读理解领域:AnomalyDetection(缺陷检测)论文地址:MedSegDiff:MedicalImageSegmentationwithDiffusionProbabilisticModel1主要动机医学图像分割为医生检测疾病提供了一定的便利。DPM扩
- MedSegDiff
小杨小杨1
#扩散模型计算机视觉深度学习人工智能
MedSegDiff:MedicalImageSegmentationwithDiffusionProbabilisticModel摘要第一个基于DPM的通用医学图像分割任务模型为了提高医学图像分割中DPM的分步区域注意,提出了动态条件编码方法,为每一步采样建立状态自适应条件进一步提出了特征频率分析器(FF-Parser):消除高频噪声成分在此过程中的负面影响代码地址:https://github
- 论文阅读:MedSegDiff: Medical Image Segmentation with Diffusion Probabilistic Model
小源0
论文阅读计算机视觉人工智能
论文标题:MedSegDiff:MedicalImageSegmentationwithDiffusionProbabilisticModel翻译:MedSegDiff:基于扩散概率模型的医学图像分割名词解释:高频分量(高频信号)对应着图像变化剧烈的部分,也就是图像的边缘(轮廓)或者噪声以及细节部分。1.动态条件编码在大多数条件DPM中,条件先验是一个唯一的给定信息。然而,医学图像分割是出了名的模
- 综述:目标检测二十年(机翻版)(未完
sylviiiiiia
目标检测人工智能计算机视觉
原文地址20年来的目标检测:一项调查摘要关键词一介绍二目标检测二十年A.一个目标检测的路线图1)里程碑:传统探测器ViolaJones探测器HOG检测器基于可变形零件的模型(DPM)2)里程碑:基于CNN的两阶段探测器RCNNSPPNetFastRCNNFasterRCNN特征金字塔网络(FPN)3)里程碑:基于CNN的单阶段探测器您只看一次(YOLO)中心网络DETRB.对象检测数据集和度量标准
- 枫林幽梦【 InsCode Stable Diffusion 美图活动一期】
friklogff
stablediffusioninscodestablediffusion
一、StableDiffusion模型在线使用地址:https://inscode.csdn.net/@inscode/Stable-Diffusion二、模型版本及相关配置:模型:GuoFeng3.ckpt[74c61c3a52]Lora:GuoFeng3.2_Lora:0.66采样迭代步数(steps):30采样方法(Sampler):DPM++SDEKarras宽度:1080高度:1920提
- YOLO出击暗夜目标检测!中科大提出端到端的暗目标检测框架PE-YOLO
xwz小王子
深度学习入门基础YOLO目标检测目标跟踪
当前的目标检测模型在许多基准数据集上取得了良好的结果,但在暗光条件下检测目标仍然是一个巨大的挑战。为了解决这个问题,作者提出了金字塔增强网络(PENet)并将其与YOLOv3结合,构建了一个名为PE-YOLO的暗光目标检测框架。首先,PENet使用拉普拉斯金字塔将图像分解为4个具有不同分辨率的组件。具体来说,作者提出了一个细节处理模块(DPM)来增强图像的细节,其中包括上下文分支和边缘分支。此外,
- YOLO V1学习笔记
朽月初二
YOLO目标检测笔记学习
为什么要学YOLOV1_哔哩哔哩_bilibili这个视频讲解的很好,建议在看这个之前看看卷积神经网络,会对卷积后的结果理解更加深刻一点。一背景目标检测分为单阶段和两阶段模型。之前的目标检测DPM、R-CNN、Fast-RCNN、Faster-RCNN都是双阶段模型,也就是说需要先提取候选框,然后对各个候选框进行分类、甄别。双阶段模型没有全图信息,容易丢失很多信息。识别精度高,但是识别速度始终是技
- 关于目标检测的那些事儿(1) —— 二十年发展史 ^_^
柠檬怪瘦yummy~
目标检测目标检测深度学习图像识别
目标检测是当前计算机视觉和机器学习领域的研究热点。从Viola-JonesDetector、DPM等冷兵器时代的智慧到当今RCNN、YOLO等深度学习土壤孕育下的GPU暴力美学,整个目标检测的发展可谓是计算机视觉领域的一部浓缩史。简要概括下从1994到至今一共二十余年间目标检测的发展历程。先看一张图:。。。。。。。一、基于经典手工特征的目标检测算法(冷兵器时代的智慧)早期的目标检测算法大多是基于手
- java线程的无限循环和退出
3213213333332132
java
最近想写一个游戏,然后碰到有关线程的问题,网上查了好多资料都没满足。
突然想起了前段时间看的有关线程的视频,于是信手拈来写了一个线程的代码片段。
希望帮助刚学java线程的童鞋
package thread;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date
- tomcat 容器
BlueSkator
tomcatWebservlet
Tomcat的组成部分 1、server
A Server element represents the entire Catalina servlet container. (Singleton) 2、service
service包括多个connector以及一个engine,其职责为处理由connector获得的客户请求。
3、connector
一个connector
- php递归,静态变量,匿名函数使用
dcj3sjt126com
PHP递归函数匿名函数静态变量引用传参
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
- 属性颜色字体变化
周华华
JavaScript
function changSize(className){
var diva=byId("fot")
diva.className=className;
}
</script>
<style type="text/css">
.max{
background: #900;
color:#039;
- 将properties内容放置到map中
g21121
properties
代码比较简单:
private static Map<Object, Object> map;
private static Properties p;
static {
//读取properties文件
InputStream is = XXX.class.getClassLoader().getResourceAsStream("xxx.properti
- [简单]拼接字符串
53873039oycg
字符串
工作中遇到需要从Map里面取值拼接字符串的情况,自己写了个,不是很好,欢迎提出更优雅的写法,代码如下:
import java.util.HashMap;
import java.uti
- Struts2学习
云端月影
最近开始关注struts2的新特性,从这个版本开始,Struts开始使用convention-plugin代替codebehind-plugin来实现struts的零配置。
配置文件精简了,的确是简便了开发过程,但是,我们熟悉的配置突然disappear了,真是一下很不适应。跟着潮流走吧,看看该怎样来搞定convention-plugin。
使用Convention插件,你需要将其JAR文件放
- Java新手入门的30个基本概念二
aijuans
java新手java 入门
基本概念: 1.OOP中唯一关系的是对象的接口是什么,就像计算机的销售商她不管电源内部结构是怎样的,他只关系能否给你提供电就行了,也就是只要知道can or not而不是how and why.所有的程序是由一定的属性和行为对象组成的,不同的对象的访问通过函数调用来完成,对象间所有的交流都是通过方法调用,通过对封装对象数据,很大限度上提高复用率。 2.OOP中最重要的思想是类,类是模板是蓝图,
- jedis 简单使用
antlove
javarediscachecommandjedis
jedis.RedisOperationCollection.java
package jedis;
import org.apache.log4j.Logger;
import redis.clients.jedis.Jedis;
import java.util.List;
import java.util.Map;
import java.util.Set;
pub
- PL/SQL的函数和包体的基础
百合不是茶
PL/SQL编程函数包体显示包的具体数据包
由于明天举要上课,所以刚刚将代码敲了一遍PL/SQL的函数和包体的实现(单例模式过几天好好的总结下再发出来);以便明天能更好的学习PL/SQL的循环,今天太累了,所以早点睡觉,明天继续PL/SQL总有一天我会将你永远的记载在心里,,,
函数;
函数:PL/SQL中的函数相当于java中的方法;函数有返回值
定义函数的
--输入姓名找到该姓名的年薪
create or re
- Mockito(二)--实例篇
bijian1013
持续集成mockito单元测试
学习了基本知识后,就可以实战了,Mockito的实际使用还是比较麻烦的。因为在实际使用中,最常遇到的就是需要模拟第三方类库的行为。
比如现在有一个类FTPFileTransfer,实现了向FTP传输文件的功能。这个类中使用了a
- 精通Oracle10编程SQL(7)编写控制结构
bijian1013
oracle数据库plsql
/*
*编写控制结构
*/
--条件分支语句
--简单条件判断
DECLARE
v_sal NUMBER(6,2);
BEGIN
select sal into v_sal from emp
where lower(ename)=lower('&name');
if v_sal<2000 then
update emp set
- 【Log4j二】Log4j属性文件配置详解
bit1129
log4j
如下是一个log4j.properties的配置
log4j.rootCategory=INFO, stdout , R
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appe
- java集合排序笔记
白糖_
java
public class CollectionDemo implements Serializable,Comparable<CollectionDemo>{
private static final long serialVersionUID = -2958090810811192128L;
private int id;
private String nam
- java导致linux负载过高的定位方法
ronin47
定位java进程ID
可以使用top或ps -ef |grep java
![图片描述][1]
根据进程ID找到最消耗资源的java pid
比如第一步找到的进程ID为5431
执行
top -p 5431 -H
![图片描述][2]
打印java栈信息
$ jstack -l 5431 > 5431.log
在栈信息中定位具体问题
将消耗资源的Java PID转
- 给定能随机生成整数1到5的函数,写出能随机生成整数1到7的函数
bylijinnan
函数
import java.util.ArrayList;
import java.util.List;
import java.util.Random;
public class RandNFromRand5 {
/**
题目:给定能随机生成整数1到5的函数,写出能随机生成整数1到7的函数。
解法1:
f(k) = (x0-1)*5^0+(x1-
- PL/SQL Developer保存布局
Kai_Ge
近日由于项目需要,数据库从DB2迁移到ORCAL,因此数据库连接客户端选择了PL/SQL Developer。由于软件运用不熟悉,造成了很多麻烦,最主要的就是进入后,左边列表有很多选项,自己删除了一些选项卡,布局很满意了,下次进入后又恢复了以前的布局,很是苦恼。在众多PL/SQL Developer使用技巧中找到如下这段:
&n
- [未来战士计划]超能查派[剧透,慎入]
comsci
计划
非常好看,超能查派,这部电影......为我们这些热爱人工智能的工程技术人员提供一些参考意见和思想........
虽然电影里面的人物形象不是非常的可爱....但是非常的贴近现实生活....
&nbs
- Google Map API V2
dai_lm
google map
以后如果要开发包含google map的程序就更麻烦咯
http://www.cnblogs.com/mengdd/archive/2013/01/01/2841390.html
找到篇不错的文章,大家可以参考一下
http://blog.sina.com.cn/s/blog_c2839d410101jahv.html
1. 创建Android工程
由于v2的key需要G
- java数据计算层的几种解决方法2
datamachine
javasql集算器
2、SQL
SQL/SP/JDBC在这里属于一类,这是老牌的数据计算层,性能和灵活性是它的优势。但随着新情况的不断出现,单纯用SQL已经难以满足需求,比如: JAVA开发规模的扩大,数据量的剧增,复杂计算问题的涌现。虽然SQL得高分的指标不多,但都是权重最高的。
成熟度:5星。最成熟的。
- Linux下Telnet的安装与运行
dcj3sjt126com
linuxtelnet
Linux下Telnet的安装与运行 linux默认是使用SSH服务的 而不安装telnet服务 如果要使用telnet 就必须先安装相应的软件包 即使安装了软件包 默认的设置telnet 服务也是不运行的 需要手工进行设置 如果是redhat9,则在第三张光盘中找到 telnet-server-0.17-25.i386.rpm
- PHP中钩子函数的实现与认识
dcj3sjt126com
PHP
假如有这么一段程序:
function fun(){
fun1();
fun2();
}
首先程序执行完fun1()之后执行fun2()然后fun()结束。
但是,假如我们想对函数做一些变化。比如说,fun是一个解析函数,我们希望后期可以提供丰富的解析函数,而究竟用哪个函数解析,我们希望在配置文件中配置。这个时候就可以发挥钩子的力量了。
我们可以在fu
- EOS中的WorkSpace密码修改
蕃薯耀
修改WorkSpace密码
EOS中BPS的WorkSpace密码修改
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 201
- SpringMVC4零配置--SpringSecurity相关配置【SpringSecurityConfig】
hanqunfeng
SpringSecurity
SpringSecurity的配置相对来说有些复杂,如果是完整的bean配置,则需要配置大量的bean,所以xml配置时使用了命名空间来简化配置,同样,spring为我们提供了一个抽象类WebSecurityConfigurerAdapter和一个注解@EnableWebMvcSecurity,达到同样减少bean配置的目的,如下:
applicationContex
- ie 9 kendo ui中ajax跨域的问题
jackyrong
AJAX跨域
这两天遇到个问题,kendo ui的datagrid,根据json去读取数据,然后前端通过kendo ui的datagrid去渲染,但很奇怪的是,在ie 10,ie 11,chrome,firefox等浏览器中,同样的程序,
浏览起来是没问题的,但把应用放到公网上的一台服务器,
却发现如下情况:
1) ie 9下,不能出现任何数据,但用IE 9浏览器浏览本机的应用,却没任何问题
- 不要让别人笑你不能成为程序员
lampcy
编程程序员
在经历六个月的编程集训之后,我刚刚完成了我的第一次一对一的编码评估。但是事情并没有如我所想的那般顺利。
说实话,我感觉我的脑细胞像被轰炸过一样。
手慢慢地离开键盘,心里很压抑。不禁默默祈祷:一切都会进展顺利的,对吧?至少有些地方我的回答应该是没有遗漏的,是不是?
难道我选择编程真的是一个巨大的错误吗——我真的永远也成不了程序员吗?
我需要一点点安慰。在自我怀疑,不安全感和脆弱等等像龙卷风一
- 马皇后的贤德
nannan408
马皇后不怕朱元璋的坏脾气,并敢理直气壮地吹耳边风。众所周知,朱元璋不喜欢女人干政,他认为“后妃虽母仪天下,然不可使干政事”,因为“宠之太过,则骄恣犯分,上下失序”,因此还特地命人纂述《女诫》,以示警诫。但马皇后是个例外。
有一次,马皇后问朱元璋道:“如今天下老百姓安居乐业了吗?”朱元璋不高兴地回答:“这不是你应该问的。”马皇后振振有词地回敬道:“陛下是天下之父,
- 选择某个属性值最大的那条记录(不仅仅包含指定属性,而是想要什么属性都可以)
Rainbow702
sqlgroup by最大值max最大的那条记录
好久好久不写SQL了,技能退化严重啊!!!
直入主题:
比如我有一张表,file_info,
它有两个属性(但实际不只,我这里只是作说明用):
file_code, file_version
同一个code可能对应多个version
现在,我想针对每一个code,取得它相关的记录中,version 值 最大的那条记录,
SQL如下:
select
*
- VBScript脚本语言
tntxia
VBScript
VBScript 是基于VB的脚本语言。主要用于Asp和Excel的编程。
VB家族语言简介
Visual Basic 6.0
源于BASIC语言。
由微软公司开发的包含协助开发环境的事
- java中枚举类型的使用
xiao1zhao2
javaenum枚举1.5新特性
枚举类型是j2se在1.5引入的新的类型,通过关键字enum来定义,常用来存储一些常量.
1.定义一个简单的枚举类型
public enum Sex {
MAN,
WOMAN
}
枚举类型本质是类,编译此段代码会生成.class文件.通过Sex.MAN来访问Sex中的成员,其返回值是Sex类型.
2.常用方法
静态的values()方