- Gen AI:重塑未来的创造力工具箱
一杯酒zpy
人工智能
目录页一、GenAI工具箱助力大学生涯1.通用GenAI工具2.GenAI科研辅助1.文献阅读与论文写作2.数据分析与可视化3.AI翻译工具二、GenAI办公、学习助手1.PPT制作2.表格制作3.AI思维导图4.AI办公5.AI图像处理6.AI视频处理7.AI音频处理8.AI编程工具9.AI搜索引擎说明:网盘资源密码获取:关注微信公众号【土木岛】,后台回复文件框中提示的对应关键词自动发送。点击查
- 深度学习计算机视觉开源系统OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置【详细、可运行】
nomoremorphine
深度学习计算机视觉开源
OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置OpenMMLab简介优势:一、Windows/Linux下环境配置(以mmsegmentationv1.2.2(最新版)为例)0.确认安装版本信息1)确认电脑显卡版本2)确认mmcv对应版本3)确认版本1.安装CUDA和cuDNN2.创建conda环境,下载pytorch3.安装mmcv4.安装MMS
- Pytorch血泪安装史好吗(GPU版本+cuda12.1+python3.9.13)
宇宙最强袋鼠
pytorchpython人工智能
1.安装cuda首先看下自己电脑是CPU还是GPU,看自己电脑对应的cuda版本看右下角英伟达标识,点击组件,我的cuda版本是12.3,但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn前两步可以看参考:Pytorch的安装,有点繁琐但是很详细,保姆级教程不信你安装不成功(Cuda+Cudnn+Anaconda+Pytorch)_pytorch安装-CSDN博客3.anaco
- Day41 Python打卡训练营
知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化:调整一个批次的分布,常用与图像数据4.特征图:只有卷积操作输出的才叫特征图5.调度器:直接修改基础学习率卷积操作常见流程如下:1.输入→卷积层→Batch归一化层(可选)→池化层→激活函数→下一层2.Flatten->Dense(withDropout,可选)->Dense(Output)importtorchimporttorc
- DAY 40 训练和测试的规范写法
小白菜333666
深度学习人工智能
知识点回顾:彩色和灰度图片测试和训练的规范写法:封装在函数中展平操作:除第一个维度batchsize外全部展平dropout操作:训练阶段随机丢弃神经元,测试阶段eval模式关闭dropout#先继续之前的代码importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Datas
- torch-gpu版本 anaconda配置教程
GXYGGYXG
python
教程Pytorch的GPU版本安装,在安装anaconda的前提下安装pytorch_pytorch-gpu-CSDN博客版本对应PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客cuda下载地址CUDAToolkitArchive|NVIDIADevelopercudacudnn
- 60天python训练营打卡day41
tan90�=
python60天打卡python开发语言
学习目标:60天python训练营打卡学习内容:DAY41简单CNN知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化:调整一个批次的分布,常用与图像数据4.特征图:只有卷积操作输出的才叫特征图5.调度器:直接修改基础学习率卷积操作常见流程如下:输入→卷积层→Batch归一化层(可选)→池化层→激活函数→下一层2.Flatten->Dense(withDropout,可选)->De
- CVPR2025|底层视觉(超分辨率,图像恢复,去雨,去雾,去模糊,去噪等)相关论文汇总(附论文链接/开源代码)【持续更新】
Kobaayyy
图像处理与计算机视觉论文相关底层视觉计算机视觉算法CVPR2025图像超分辨率图像复原图像增强
CVPR2025|底层视觉相关论文汇总(如果觉得有帮助,欢迎点赞和收藏)1.超分辨率(Super-Resolution)AdaptiveDropout:UnleashingDropoutacrossLayersforGeneralizableImageSuper-ResolutionADD:AGeneralAttribution-DrivenDataAugmentationFrameworkfor
- 服务器安装指南
星码
服务器使用服务器运维
服务器安装指南一、安装系统二、磁盘挂载2.1磁盘分区2.2磁盘格式化2.3磁盘挂载三、显卡驱动安装(容易bug)3.1参考目录3.2常见错误3.3正确安装步骤四、Cuda安装五、显卡压力测试六、Cudnn安装七、Conda安装八、用户添加与删除九、关闭图形界面十、其他问题一、安装系统制作ubuntu18.04的启动盘二、磁盘挂载磁盘挂载主要是把硬盘分区后挂载在某个目录下,之后存储在这个目录下的东西
- Day 40训练
Nina_717
python打卡训练营python
Day40训练PyTorch图像数据训练与测试的规范写法单通道图像的规范训练流程数据预处理与加载模型定义训练与测试函数封装模型训练执行彩色图像的扩展应用数据预处理调整模型结构调整关键要点总结知识点回顾:彩色和灰度图片测试和训练的规范写法:封装在函数中展平操作:除第一个维度batchsize外全部展平dropout操作:训练阶段随机丢弃神经元,测试阶段eval模式关闭dropout作业:仔细学习下测
- DAY 40 训练和测试的规范写法
HINOTOR_
Python训练营python开发语言
目录DAY40训练和测试的规范写法1.彩色和灰度图片测试和训练的规范写法:封装在函数中2.展平操作:除第一个维度batchsize外全部展平3.dropout操作:训练阶段随机丢弃神经元,测试阶段eval模式关闭dropout作业:仔细学习下测试和训练代码的逻辑,这是基础,这个代码框架后续会一直沿用,后续的重点慢慢就是转向模型定义阶段了。DAY40训练和测试的规范写法importtorchimpo
- 智能志愿辅助填报系统数据库设计
ctrl_7
python
项目地址:https://gitee.com/Sosdnnd/xlswk一、项目背景与数据库需求随着高考志愿填报的个性化需求日益增强,我们开发了一款面向全国考生的智能志愿辅助填报系统,目标是基于用户成绩、兴趣、职业倾向、地域偏好等因素,借助AI模型与数据分析,为考生提供个性化的志愿推荐方案。数据库作为系统核心,需要满足以下特性:1.结构清晰,模块对应2.支持大数据分析、智能推荐、实时导出3.易扩展
- 非root用户在服务器(linux-Ubuntu16.04)上安装cuda和cudnn,tensorflow-gpu1.13.1
码小花
模型测试环境搭建
1.准备工作(下载CUDA10.0和cudnn安装包)查看tensorflow和CUDA,cudnn的版本的对应关系,从而选择合适的版本进行下载下载CUDA10.0安装包,点击官网进行下载,根据服务器的具体情况选择对应的版本,如下图所示下载完毕后得到安装包cuda_10.0.130_410.48_linux.run下载cudnn,选择CUDA10.0对应的版本(需要注册登录nvidia账号),点击
- 非 root 用户安装 cuDNN 并配置 TensorFlow 使用 GPU
为非root用户安装cuDNN并配置TensorFlow使用GPU(以CUDA11.5为例)背景说明在科研服务器或非root权限环境下,用户往往无法通过apt或yum安装CUDA/cuDNN。本文以CUDA11.5和cuDNN8.3.3为例,演示如何手动下载并配置cuDNN,使TensorFlow成功识别GPU并启用加速。第一步:确认已安装CUDAnvcc--version示例输出:Cudacom
- 数学符号和标识中英文列表(含义与示例)
纸上笔下
MatheMatiCs算法数学符号英文中文微积分导数
数学符号和标识的参考,涵盖了数学的各个主要分支,并提供清晰的定义和示例,方便快速查找和学习收藏。目录基础数学符号几何符号代数符号线性代数符号概率与统计符号集合论符号逻辑符号微积分与分析符号数字与字母符号特点中英对照:提供符号的英文术语,方便国际交流和文献阅读。应用示例:提供典型数学表达式,例如导数计算(ddx(x2)=2x\frac{d}{dx}(x^2)=2xdxd(x2)=2x)。1.基础数学
- vitis dpu kernel编译和docker环境搭建
寒听雪落
linux
一,Vitis-AI简介1,Vitis-AI概述Vitis-AI在边缘计算设备的AI全栈部署框架中扮演了编译器端与后端的角色,接收前端DNN(DeepNeuralNetwork)框架训练后的网络参数IR(IntermediateRepresentation),并将其优化后编译并传递给后端。后端DNNDK(DeepNeuralNetworkDevelopmentKit)为Edge终端提供了驱动和AP
- Datawhale 2025年2月组队学习- 推荐系统教程FunRec #Task3
dxnb22
Datawhale学习笔记人工智能推荐算法
第二章基于向量的召回1.item2vec未完待续……2.youtubeDnn3.经典双塔模型
- 【Triton 教程】triton_language.arange
Triton是一种用于并行编程的语言和编译器。它旨在提供一个基于Python的编程环境,以高效编写自定义DNN计算内核,并能够在现代GPU硬件上以最大吞吐量运行。更多Triton中文文档可访问→https://triton.hyper.ai/triton.language.arange(start,end)返回半开区间[start,end)内的连续值。end-start必须小于等于TRITON_M
- pytorch2.6安装
AoDeLuo
软件安装深度学习pytorch
文章目录cuda:cuda_11.8.0_522.06_windowscudnn:cudnn-windows-x86_64-8.6.0.163_cuda11-archivecondacreate-npytorch2.6python=3.10pipinstalltorch==2.6.0+cu118torchvisiontorchaudio--index-urlhttps://download.pyt
- win10安装wsl2(ubuntu20.04)并安装 TensorRT-8.6.1.6、cuda_11.6、cudnn
狄龙疤
wslwsl2win10tensorrtcudacudnnubuntu
参考博客:1.CUDA】如何在windows上安装Ollama3+openwebui(docker+WSL2+ubuntu+nvidia-container):https://blog.csdn.net/smileyan9/article/details/1403916672.在Windows10上安装WSL2:https://download.csdn.net/blog/column/10991
- python打卡day40
ZHPEN1
Python打卡python
知识点回顾:彩色和灰度图片测试和训练的规范写法:封装在函数中展平操作:除第一个维度batchsize外全部展平dropout操作:训练阶段随机丢弃神经元,测试阶段eval模式关闭dropout导入包#先继续之前的代码importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Da
- 【GPU】使用 pytorch 检测 CUDA 安装是否成功
comedate
Taichi图形学深度学习Python实用源码pytorch人工智能python
使用pytorch检测CUDA安装是否成功importtorchimportosos.environ["CUDA_VISIBLE_DEVICES"]="0"print(torch.cuda.device_count())print(torch.cuda.is_available())print(torch.backends.cudnn.is_available())print(torch.cuda
- Python OpenCV 4.10 库详解
yz123lucky
pythonopencv开发语言
PythonOpenCV4.10库详解文档核心模块覆盖:Core模块:基本数据结构、矩阵操作、数学运算ImgProc模块:图像处理的核心功能,包括颜色转换、几何变换、滤波、边缘检测VideoIO模块:视频和摄像头操作HighGUI模块:用户界面功能,窗口管理、事件处理Features2D模块:特征检测和匹配(SIFT、ORB等)ObjDetect模块:目标检测算法DNN模块:深度学习模型集成Vid
- caffe中Makefile.config详解
《一夜飘零》
##Refertohttp://caffe.berkeleyvision.org/installation.html#Contributionssimplifyingandimprovingourbuildsystemarewelcome!#cuDNNaccelerationswitch(uncommenttobuildwithcuDNN).#USE_CUDNN:=1"CuDNN是NVIDIA专门
- Python----神经网络发(神经网络发展历程)
蹦蹦跳跳真可爱589
Python深度学习神经网络计算机视觉神经网络人工智能深度学习python
年份网络名称突出点主要成就论文地址1989LeNet首个现代卷积神经网络(CNN),引入卷积、池化操作手写数字识别先驱,奠定CNN基础MNISTDemosonYannLeCun'swebsite2012AlexNet首次大规模使用深度卷积神经网络进行图像识别;引入ReLU、Dropout、重叠池化、GPU加速;大规模数据增强。2012年ImageNet图像识别竞赛冠军,Top-5错误率远低于第二名
- 基于OpenCV和深度学习实现图像风格迁移
E-An居士
opencv深度学习人工智能风格迁移
文章目录引言一、准备工作二、代码实现解析1.读取和显示原始图像2.图像预处理3.加载和运行风格迁移模型4.处理输出结果三、效果展示四、扩展应用五、总结引言图像风格迁移是计算机视觉中一个非常有趣的应用,它可以将一幅图像的内容与另一幅图像的艺术风格相结合。今天我们将介绍如何使用OpenCV的dnn模块加载预训练的深度学习模型,快速实现图像风格迁移效果。一、准备工作首先确保你已经安装了OpenCV库:p
- 【深度学习-Day 26】正则化神器 Dropout:随机失活,模型泛化的“保险丝”
吴师兄大模型
深度学习入门到精通深度学习人工智能pythonpytorch开发语言正则化dropoutLLM
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 信息隐藏|MBRS:Enhancing Robustness of DNN-based Watermarking by Mini-Batch of Real and Simulated JPEG
csq7
dnn人工智能神经网络
文章来源MM'21:Proceedingsofthe29thACMInternationalConferenceonMultimedia提出问题:传统的编码器-噪声层-解码器不能很好的确保JPEG压缩的鲁棒性,JPEG是非差分(不可微)的且是图像处理不可避免的曹组。解决问题:提出利用Mini-BatchofRealandSimulatedJPEGcompression(MBRS)来增强JPEG鲁棒
- 【Flux 中的 attention】缩放点积注意力机制的具体实现
多恩Stone
编程学习DiffusionAIGC深度学习人工智能
defscaled_dot_product_attention(query,key,value,attn_mask=None,dropout_p=0.0,is_causal=False,scale=None)->torch.Tensor:#Efficientimplementationequivalenttothefollowing:L,S=query.size(-2),key.size(-2)s
- 基于卷积神经网络的 Fashionminsit 数据集分类
ʚɞ 长腿欧巴
cnn分类人工智能
实验目的1.理解卷积神经网络(CNN)。2.掌握数据预处理和增强技术:学习如何通过数据增强技术(如旋转、缩放、剪切等)来增加模型的泛化能力,减少过拟合。3.应用正则化技术:通过实验,掌握Dropout、L2正则化等技术在卷积神经网络中的应用,以降低模型的过拟合风险。4.优化模型性能:通过调整网络结构和超参数(如卷积层数量、卷积核大小、池化层、激活函数等),优化模型的准确率。5.理解过拟合现象:通过
- 微信开发者验证接口开发
362217990
微信 开发者 token 验证
微信开发者接口验证。
Token,自己随便定义,与微信填写一致就可以了。
根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html
第一步:填写服务器配置
第二步:验证服务器地址的有效性
第三步:依据接口文档实现业务逻辑
这里主要讲第二步验证服务器有效性。
建一个
- 一个小编程题-类似约瑟夫环问题
BrokenDreams
编程
今天群友出了一题:
一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。
&
- linux复习笔记之bash shell (5) 关于减号-的作用
eksliang
linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
转载请出自出处:
http://eksliang.iteye.com/blog/2105677
管道命令在bash的连续处理程序中是相当重要的,尤其在使用到前一个命令的studout(标准输出)作为这次的stdin(标准输入)时,就显得太重要了,某些命令需要用到文件名,例如上篇文档的的切割命令(split)、还有
- Unix(3)
18289753290
unix ksh
1)若该变量需要在其他子进程执行,则可用"$变量名称"或${变量}累加内容
什么是子进程?在我目前这个shell情况下,去打开一个新的shell,新的那个shell就是子进程。一般状态下,父进程的自定义变量是无法在子进程内使用的,但通过export将变量变成环境变量后就能够在子进程里面应用了。
2)条件判断: &&代表and ||代表or&nbs
- 关于ListView中性能优化中图片加载问题
酷的飞上天空
ListView
ListView的性能优化网上很多信息,但是涉及到异步加载图片问题就会出现问题。
具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594
如果每次都重新inflate一个新的View出来肯定会造成性能损失严重,可能会出现listview滚动是很卡的情况,还会出现内存溢出。
现在想出一个方法就是每次都添加一个标识,然后设置图
- 德国总理默多克:给国人的一堂“震撼教育”课
永夜-极光
教育
http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克:给国人的一堂“震撼教育”课
安吉拉—默克尔,一位经历过社会主义的东德人,她利用自己的博客,发表一番来华前的谈话,该说的话,都在上面说了,全世界想看想传播——去看看默克尔总理的博客吧!
德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
- 关于Java继承的一个小问题。。。
随便小屋
java
今天看Java 编程思想的时候遇见一个问题,运行的结果和自己想想的完全不一样。先把代码贴出来!
//CanFight接口
interface Canfight {
void fight();
}
//ActionCharacter类
class ActionCharacter {
public void fight() {
System.out.pr
- 23种基本的设计模式
aijuans
设计模式
Abstract Factory:提供一个创建一系列相关或相互依赖对象的接口,而无需指定它们具体的类。 Adapter:将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 Bridge:将抽象部分与它的实现部分分离,使它们都可以独立地变化。 Builder:将一个复杂对象的构建与它的表示分离,使得同
- 《周鸿祎自述:我的互联网方法论》读书笔记
aoyouzi
读书笔记
从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.
商业模式不是赚钱模式
一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.
商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值.
商业模式还包括寻找需求
- JavaScript动态改变样式访问技术
百合不是茶
JavaScriptstyle属性ClassName属性
一:style属性
格式:
HTML元素.style.样式属性="值";
创建菜单:在html标签中创建 或者 在head标签中用数组创建
<html>
<head>
<title>style改变样式</title>
</head>
&l
- jQuery的deferred对象详解
bijian1013
jquerydeferred对象
jQuery的开发速度很快,几乎每半年一个大版本,每两个月一个小版本。
每个版本都会引入一些新功能,从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。
&nb
- 淘宝开放平台TOP
Bill_chen
C++c物流C#
淘宝网开放平台首页:http://open.taobao.com/
淘宝开放平台是淘宝TOP团队的产品,TOP即TaoBao Open Platform,
是淘宝合作伙伴开发、发布、交易其服务的平台。
支撑TOP的三条主线为:
1.开放数据和业务流程
* 以API数据形式开放商品、交易、物流等业务;
&
- 【大型网站架构一】大型网站架构概述
bit1129
网站架构
大型互联网特点
面对海量用户、海量数据
大型互联网架构的关键指标
高并发
高性能
高可用
高可扩展性
线性伸缩性
安全性
大型互联网技术要点
前端优化
CDN缓存
反向代理
KV缓存
消息系统
分布式存储
NoSQL数据库
搜索
监控
安全
想到的问题:
1.对于订单系统这种事务型系统,如
- eclipse插件hibernate tools安装
白糖_
Hibernate
eclipse helios(3.6)版
1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址:
http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装:hibernate tools在All Jboss tool
- Jquery easyui Form表单提交注意事项
bozch
jquery easyui
jquery easyui对表单的提交进行了封装,提交的方式采用的是ajax的方式,在开发的时候应该注意的事项如下:
1、在定义form标签的时候,要将method属性设置成post或者get,特别是进行大字段的文本信息提交的时候,要将method设置成post方式提交,否则页面会抛出跨域访问等异常。所以这个要
- Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量
bylijinnan
java实现
import java.util.LinkedList;
public class CaseInsensitiveTrie {
/**
字典树的Java实现。实现了插入、查询以及深度优先遍历。
Trie tree's java implementation.(Insert,Search,DFS)
Problem Description
Igna
- html css 鼠标形状样式汇总
chenbowen00
htmlcss
css鼠标手型cursor中hand与pointer
Example:CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>
Example:CSS鼠标手型效果 <a href="#" style=&qu
- [IT与投资]IT投资的几个原则
comsci
it
无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......
 
- oracle with语句详解
daizj
oraclewithwith as
oracle with语句详解 转
在oracle中,select 查询语句,可以使用with,就是一个子查询,oracle 会把子查询的结果放到临时表中,可以反复使用
例子:注意,这是sql语句,不是pl/sql语句, 可以直接放到jdbc执行的
----------------------------------------------------------------
- hbase的简单操作
deng520159
数据库hbase
近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来.
用ssh登陆安装hbase那台linux后
用hbase shell进行hbase命令控制台!
表的管理
1)查看有哪些表
hbase(main)> list
2)创建表
# 语法:create <table>, {NAME => <family&g
- C语言scanf继续学习、算术运算符学习和逻辑运算符
dcj3sjt126com
c
/*
2013年3月11日20:37:32
地点:北京潘家园
功能:完成用户格式化输入多个值
目的:学习scanf函数的使用
*/
# include <stdio.h>
int main(void)
{
int i, j, k;
printf("please input three number:\n"); //提示用
- 2015越来越好
dcj3sjt126com
歌曲
越来越好
房子大了电话小了 感觉越来越好
假期多了收入高了 工作越来越好
商品精了价格活了 心情越来越好
天更蓝了水更清了 环境越来越好
活得有奔头人会步步高
想做到你要努力去做到
幸福的笑容天天挂眉梢 越来越好
婆媳和了家庭暖了 生活越来越好
孩子高了懂事多了 学习越来越好
朋友多了心相通了 大家越来越好
道路宽了心气顺了 日子越来越好
活的有精神人就不显
- java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim
feiteyizu
mysql
数据表中有记录的time字段(属性为timestamp)其值为:“0000-00-00 00:00:00”
程序使用select 语句从中取数据时出现以下异常:
java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date
java.sql.SQLException: Valu
- Ehcache(07)——Ehcache对并发的支持
234390216
并发ehcache锁ReadLockWriteLock
Ehcache对并发的支持
在高并发的情况下,使用Ehcache缓存时,由于并发的读与写,我们读的数据有可能是错误的,我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read(读)、Write(写)锁。当一个线程获取了某一Key的Read锁之后,其它线程获取针对于同
- mysql中blob,text字段的合成索引
jackyrong
mysql
在mysql中,原来有一个叫合成索引的,可以提高blob,text字段的效率性能,
但只能用在精确查询,核心是增加一个列,然后可以用md5进行散列,用散列值查找
则速度快
比如:
create table abc(id varchar(10),context blog,hash_value varchar(40));
insert into abc(1,rep
- 逻辑运算与移位运算
latty
位运算逻辑运算
源码:正数的补码与原码相同例+7 源码:00000111 补码 :00000111 (用8位二进制表示一个数)
负数的补码:
符号位为1,其余位为该数绝对值的原码按位取反;然后整个数加1。 -7 源码: 10000111 ,其绝对值为00000111 取反加一:11111001 为-7补码
已知一个数的补码,求原码的操作分两种情况:
- 利用XSD 验证XML文件
newerdragon
javaxmlxsd
XSD文件 (XML Schema 语言也称作 XML Schema 定义(XML Schema Definition,XSD)。 具体使用方法和定义请参看:
http://www.w3school.com.cn/schema/index.asp
java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持,使用起来也很方便。
以下代码可用在J
- 搭建 CentOS 6 服务器(12) - Samba
rensanning
centos
(1)安装
# yum -y install samba
Installed:
samba.i686 0:3.6.9-169.el6_5
# pdbedit -a rensn
new password:123456
retype new password:123456
……
(2)Home文件夹
# mkdir /etc
- Learn Nodejs 01
toknowme
nodejs
(1)下载nodejs
https://nodejs.org/download/ 选择相应的版本进行下载 (2)安装nodejs 安装的方式比较多,请baidu下
我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 (1)上传服务器 (2)解压 tar -zxvf node-v0.12.
- jquery控制自动刷新的代码举例
xp9802
jquery
1、html内容部分 复制代码代码示例: <div id='log_reload'>
<select name="id_s" size="1">
<option value='2'>-2s-</option>
<option value='3'>-3s-</option