- AWS EC2 容量块使用指南:预留高性能GPU实例的完整攻略
ivwdcwso
运维与云原生aws云计算ec2GPU
AWSEC2容量块(CapacityBlocks)是一项专为需要临时访问大规模GPU计算资源的客户设计的服务。它允许用户预先预留特定数量的高性能GPU实例,确保在需要时能够获得所需的计算能力。本文将详细介绍EC2容量块的使用方法、最佳实践和注意事项。什么是EC2容量块?EC2容量块是AWS提供的一种预留特定类型GPU实例的机制,允许用户在未来1天到182天的时间范围内预留计算资源。这项服务特别适合
- Nanim:基于Nim的流畅GPU加速动画框架
朱均添Fleming
Nanim:基于Nim的流畅GPU加速动画框架nanimNanimisaneasy-to-useframeworktocreatesmoothGPU-acceleratedanimationsthatcanbepreviewedliveinsideaglfwwindowand,whenready,renderedtovideosatanarbitraryresolutionandframerate
- CUDA专题3:为什么GPU能改变计算?深度剖析架构、CUDA®与可扩展编程
AI专题精讲
CUDAC++编程系列专题gpu算力
1.简介1.1.使用GPU的优势图形处理器(GPU)在相近的成本和功耗范围内,能够提供比中央处理器(CPU)更高的指令吞吐量和内存带宽。许多应用程序利用这些优势,在GPU上的运行速度远超CPU(参见《GPU应用》)。其他计算设备(如FPGA)虽然能效也很高,但其编程灵活性远不及GPU。GPU与CPU的能力差异源于它们的设计目标不同。CPU旨在以最快速度执行单个线程(即一系列操作),并可并行执行数十
- 深度学习 Deep Learning 第12章 深度学习的主流应用
odoo中国
人工智能AI编程深度学习人工智能
深度学习DeepLearning第12章深度学习的主流应用内容概要本周深入探讨了深度学习在多个领域的应用,包括计算机视觉、语音识别、自然语言处理以及其他领域如推荐系统和知识表示。本章强调了硬件和软件基础设施的重要性,特别是GPU在加速神经网络训练中的关键作用。此外,还讨论了模型压缩、动态结构以及专用硬件实现等策略,以提高模型的效率和性能。通过具体的应用案例,展示了深度学习如何在实际问题中发挥作用。
- Ubuntu LLaMA-Factory实战
张3蜂
llama
一、UbuntuLLaMA-Factory实战安装:CUDA安装CUDA是由NVIDIA创建的一个并行计算平台和编程模型,它让开发者可以使用NVIDIA的GPU进行高性能的并行计算。首先,在https://developer.nvidia.com/cuda-gpus查看您的GPU是否支持CUDA保证当前Linux版本支持CUDA.在命令行中输入uname-m&&cat/etc/*release,应
- 服务器上Cuda+Pytorch兼容性的那些问题
入世浮尘
服务器CUDAPytorch服务器pytorch运维
服务器上如何搭建匹配版本的cuda+pytorch:1.查询nvidia中驱动版本与cuda最高兼容版本命令行输入:nvidia-smi2.选择对应的pythonDriverVersion与NVIDIA-SMI决定当前服务器上能兼容最高cuda和Pytorch版本查询匹配方式:1.官网查询2.问AI(可能存在不准确情况)CUDA版本与显卡驱动版本对照表(更新至2022.10.26-CUDA11.8
- TensorFlow 深度学习框架详解
奶油话梅糖
深度学习tensorflow人工智能
TensorFlow深度学习框架详解1.框架概述TensorFlow是由GoogleBrain团队开发的开源机器学习框架,其名称源于处理多维数据数组(张量)的数据流图(Flow)的运行方式。核心特点:跨平台支持:可在CPU/GPU/TPU上运行多语言接口:原生支持Python,通过API支持JS/Java/C++生态丰富:集成Keras、TF-Lite、TFX等工具链2.核心概念解析2.1张量(T
- “thrust“ has no member “device“
Garfield2005
NVIDIAGPUpytorchNVIDIAthrust
背景安装nvidia的MinkowskiEngine库时,报错:“thrust”hasnomember“device”(其实还有其他错误,这些错误的本质原因是一样的)#安装代码mkdir-p/workspacecd/workspacegitclonehttps://github.com/NVIDIA/MinkowskiEngine.gitcd/workspace/MinkowskiEngineTO
- Windows 图形显示驱动开发-WDDM 2.7功能-MCDM KM 驱动程序实现指南(二)
程序员王马
windows图形显示驱动开发驱动开发
CPU主机调节支持如果支持CPU主机调节,则还必须提供指向以下函数的指针:DxgkDdiMapCpuHostApertureDxgkDdiUnmapCpuHostApertureCPU主机调节CPU主机孔径对于32位OS离散图形处理单元(GPU)不支持可调整大小的BAR,或者当调整帧缓冲区BAR的大小失败时,Windows显示驱动程序模型(WDDM)v2将提供一种替代机制,通过该机制可以有效地访问
- Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化(七)
程序员王马
windows图形显示驱动开发windows驱动开发
设置主机和VM在PowerShell中运行以下命令,使用GPU创建VM。创建名为TEST的VM。$vm=“TEST“New-VM-VMName$vm-Generation2Set-VM-GuestControlledCacheTypes$true-VMName$vm为VM设置IO空间。GPU-PV使用IO空间来处理CPU可见的分配。至少需要8GB的IO空间。Set-VM-LowMemoryMapp
- Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化(八)
程序员王马
windows图形显示驱动开发windows
在VM中检查VM的设备管理器中是否存在虚拟呈现设备。VM内的所有呈现都通过虚拟GPU。用于设置VM的PowerShell脚本以下PowerShell脚本是如何从头开始设置VM的示例。修改它以满足你的需求。Param([string]$VMName,[string]$VHDPath,[string]$SwitchName,[switch]$CreateVm,[switch]$InitDebug,[s
- Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化(六)
程序员王马
windows图形显示驱动开发驱动开发windows
为D3D12运行时设置LDA状态为D3D12运行时启用或禁用LDA时,UMD需要将正确的层和节点映射信息返回到运行时。代码流如下所示:D3D12从UMD获取D3D12_CROSS_NODE_SHARING_TIER上限。D3D12通过调用D3DKMTQueryAdapterInfo(KMTQAITYPE_PHYSICALADAPTERCOUNT)从Dxgkrnl获取物理适配器计数。D3D12调用p
- 开源深度学习框架PyTorch
深海水
人工智能行业发展IT应用探讨深度学习开源pytorch人工智能python机器训练
一、PyTorch介绍PyTorch是一个开源的深度学习框架,由Facebook的人工智能研究团队(FAIR)开发。它以动态图计算(DynamicComputationGraph)为核心,提供灵活的深度学习建模能力,广泛评估计算机视觉、自然语言处理、强化学习等领域。PyTorch的主要特点1.动态图计算(动态计算图)计算图在运行时构建,支持动态调整,适用于复杂任务。2.强大的GPU加速使用CUDA
- RISC_V GPU skybox 系列之rtlsim运行测试(4)
CDerL
skybox_coreskyboxrtlsim
RISC_VGPUskybox系列之rtlsim运行测试(2-3)中,我们介绍了1-5部分内容,这里我们继续介绍。1.初始化退出码//见RISC_VGPUskybox系列之rtlsim运行测试(2)2.解析命令行参数//见RISC_VGPUskybox系列之rtlsim运行测试(2)3.创建内存模块和处理器//见RISC_VGPUskybox系列之rtlsim运行测试(2)4.关联内存模块和处理器
- Intel和英伟达和AMD的区别
AredRabbit
CPUGPUAMD英伟达Intel计算机
Intel、英伟达(NVIDIA)和AMD是半导体行业三大巨头,各自在芯片设计和技术领域有不同侧重。以下是它们的核心区别:1.主要业务领域IntelCPU(中央处理器):长期主导PC和服务器市场(如酷睿、至强系列)。集成显卡:多数IntelCPU内置核显(如IrisXe),但性能较弱。新兴领域:近年进军独立显卡(Arc系列)、AI芯片(Gaudi)、代工服务(IDM2.0)。英伟达(NVIDIA)
- 阿里云国际站代理商:如何通过Serverless调用GPU资源?
聚搜云—服务器分享
阿里云serverless云计算
1.采用支持GPU资源的Serverless系统选择支持GPU资源的Serverless系统,如Dilu系统,它通过内省弹性(introspectiveelasticity)机制,提供细粒度和自适应的二维协同扩展机制,支持GPU资源按需分配。2.系统设计与架构控制平面:负责深度学习任务的分析、部署、调度和请求分发。用户提交带有预定义QoS描述的深度学习函数程序,系统通过分析获取资源计划,并由调度器
- AI数字人:虚拟与现实的交融革命
一休哥助手
人工智能人工智能
一、数字生命的觉醒:从科幻到现实1.1数字人的进化图谱2001年《最终幻想》中的虚拟角色需要400台工作站渲染,2023年一个实时数字人只需消费级显卡驱动。这种跨越式发展背后是三大技术革命的叠加:图形渲染革命:从多边形建模到神经辐射场(NeRF)算力飞跃:GPU算力10年增长1000倍AI突破:生成对抗网络(GAN)创造逼真面容1.2市场爆发进行时根据IDC报告,全球数字人市场规模:2022年:$
- OpenCV正确安装及环境变量配置
饺子大魔王12138
node.jsopencv人工智能计算机视觉
安装OpenCV(v4.6.0)安装Python(3.10.6)安装VS2022的C++桌面开发,手动勾选Windows10SDK和MSVC安装CMake(3.31.6)在.npmrc配置pnpmconfigsetauto-approve-buildstrue运行pnpminstall接下来是开启GPU加速,非必须安装CUDAToolkit(https://developer.nvidia.com
- 7B参数模型
云端源想
人工智能硬件架构chatgpt
Assistant以下是针对7B参数模型在不同场景下(训练、微调、推理)的硬件配置推荐,涵盖消费级到企业级方案,并提供优化技巧降低成本。一、训练/微调场景1.最低配置(能跑,但速度慢)GPU:NVIDIARTX3090/4090(24GB显存)CPU:Inteli7/i9或AMDRyzen7/9(8核以上)内存:64GBDDR4(建议3200MHz以上)存储:1TBNVMeSSD(数据集加载速度关
- RK3568 OpenHarmony4.0 USB摄像头
敲嵌入式代码的
OpenHarmonyharmonyos
演示效果先看下最终效果视频OpenHarmony_V40_USB_camera开发环境本文基于如下开发环境进行开发调试:硬件:摄像头海康USB摄像头(HIKVISIONDS-E14)硬件:RK3568开发板处理器:RK3568CPU:四核64位Cortex-A55,主频最高达2.0GHzGPU:ARMG522EE,支持OpenGLES1.1/2.0/3.2,OpenCL2.0,Vulkan1.1,
- 国内的比较有名的机器视觉库有哪些?他们的内核是什么?
yuanpan
计算机视觉图像处理ai
国内机器视觉库近年来发展迅速,尤其在工业自动化领域涌现出多个知名平台。以下是国内主流机器视觉库及其内核技术的对比分析:1.海康威视(Hikvision)机器视觉平台代表产品:VisionMaster内核技术:自研算法:基础算法(如定位、测量)为自主研发,部分借鉴OpenCV优化。深度学习:集成自研深度学习框架(类似CNN架构),支持目标检测、分类等任务。硬件加速:依赖海康自研GPU芯片(如“深眸”
- Unity光线追踪移动端降级适配技术指南
Clank的游戏栈
unity游戏引擎
一、移动端光追的技术挑战与适配思路1.硬件限制与性能瓶颈算力限制:移动端GPU的并行计算能力仅为桌面端的1/10-1/2010带宽压力:光线追踪需要频繁访问几何数据,移动端显存带宽不足发热控制:连续高负载运算易触发设备温控降频2.降级适配核心策略优化维度高配方案低配方案光线数量每像素4-8条每像素1-2条反射/折射深度3-4次反弹1次反弹采样精度时间抗锯齿(TAA)双线性插值数据结构BVH动态构建
- Unity自定义渲染管线(Scriptable Render Pipeline)架构设计与实现指南
Clank的游戏栈
unity游戏引擎
一、SRP技术体系概述1.核心设计理念全托管渲染控制:通过C#脚本完全掌控渲染流程模块化架构:将渲染流程拆分为可组合的RenderPassGPU友好设计:支持CommandBuffer与ComputeShader混合编程对惹,这里有一个游戏开发交流小组,希望大家可以点击进来一起交流一下开发经验呀2.与传统管线对比特性内置管线SRP流程控制黑盒模式全脚本可编程渲染策略固定前向/延迟自由组合多Pass
- 解决:运行 tensorflow-gpu相关代码报错/缺少dll文件(无需修改tensorflow版本)
Netceor
TensorFlow入门tensorflowpython
一、问题在运行以下一些代码测试gpu的时候报错了#代码1print(tf.test.is_gpu_available())#代码2importtensorflowastfa=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],na
- 使用 LM Studio 实现 DeepSeek 本地部署
爆爆凯
DeepSeekpython
一、环境与工具准备1.操作系统要求Windows:Windows10及以上版本,确保系统为64位。Mac:macOS10.15及以上版本。Linux:常见的发行版如Ubuntu20.04及以上、CentOS8及以上。2.硬件要求CPU:多核处理器,如IntelCorei7及以上或AMDRyzen7及以上,以保证基本的计算能力。GPU:若要进行高效推理,建议配备NVIDIAGPU(如NVIDIAGe
- 使用llama.cpp量化模型
LLM挣扎学员
llama自然语言处理语言模型
文章目录概要整体实验流程技术细节小结概要大模型量化是指在保持模型性能尽可能不变的情况下,通过减少模型参数的位数来降低模型的计算和存储成本。本次实验环境为魔搭社区提供的免费GPU环境(24G),使用Llama.cpp进行4bit量化可以大幅减少大语言模型的内存占用,并提高推理效率。本次采用的模型为前一篇博客所写的基准模型与LoRA微调后的合并模型。整体实验流程由于基准模型较大就直接在服务器上下载并上
- 如何提升大模型的训练效率deepspeed 和 flash attition
冰蓝蓝
大模型微调python
DeepSpeed详解核心特性1.ZeRO(零冗余优化器)通过消除数据并行训练中的内存冗余,显著降低模型参数、梯度和优化器状态的内存占用。例如,ZeRO-Offload可将部分计算卸载到CPU或NVMe存储,支持在单张GPU上训练数十亿参数的模型。2.3D并行(数据+模型+流水线并行)结合数据并行、模型并行(如张量切分)和流水线并行(PipelineParallelism),支持超大规模模型的分布
- TensorFlow-MNIST手写数字分类
Enougme
TensorFlowtensorflow分类人工智能
TensorFlow是一个功能强大的深度学习框架,可以用来构建、训练和部署机器学习模型。主要作用于:构建神经网络模型(回归、分类、生成模型等)。进行数值计算,并提供GPU加速。实现自动梯度求导(如反向传播训练)。应用机器学习模型进行预测。数据准备fromtensorflow.keras.datasetsimportmnist#加载数据集(已划分为训练集和测试集)(x_train,y_train),
- 神秘的图像进化:单GPU扩散蒸馏中的相对与绝对位置匹配之谜
步子哥
计算机视觉人工智能
在人们对图像生成和创作的无尽追求中,扩散模型就像一种魔法,将最初一团朦胧的高斯噪声慢慢“绘制”出精致的图像。近期,一篇题为“HighQualityDiffusionDistillationonaSingleGPUwithRelativeandAbsolutePositionMatching”的论文,为我们展示了一种在单个GPU上也能完成高质量扩散蒸馏的惊艳方法——RAPM。它利用相对与绝对位置匹配
- Franka Research 3 × NVIDIA Isaac Sim:深度强化学习开启机器人复杂操作新范式
BFT白芙堂
算法人工智能机器学习Franka机器人
——以「开抽屉」任务为例,解析高精度机械臂的仿真训练全流程我们作为松灵机器人的授权商为用户提供灵活的解决方案如有产品购买需求请联系:ming@bft-robot.com一、为什么选择FrankaResearch3+IsaacSim?行业痛点:传统机器人开柜门依赖人工示教,耗时且无法应对抽屉卡顿、物品遮挡等动态场景。组合优势:FrankaResearch3:7自由度机械臂(±0.1mm定位精度)+触
- [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,Django@Python2.x 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