llrraa2010
llrraa2010

d_in and d_out

meeGo-OS-Base\uxlaunch\src\uxlaunch.h

#define d_in() dprintf("Enter: %s/%s", __FILE__, __func__)
#define d_out() dprintf("Exit: %s/%s", __FILE__, __func__)

你可能感兴趣的:(d_in and d_out)

  • PyTorch学习笔记1 zt_d918
    训练过程importtorch#batch_size,input_dimension,hidden_dimension,output_dimensionN,D_in,H,D_out=64,1000,100,10#模拟一个训练集x=torch.randn(N,D_in)y=torch.randn(N,D_out)#模型定义有多种方式，这里不提model#loss函数定义loss_fn=torch.n
  • AutoEncoder个人记录 小趴菜日记 人工智能算法机器学习
    原理最常见的降维算法有主成分分析法PCA，通过对协方差矩阵进行特征分解而得到数据的主要成分，但是PCA本质上是一种线性变换，提取特征的能力极为有限。AutoEncoder把长度为d_in输入特征向量变换到长度为d_out的输出向量，借助于深层神经网络的非线性特征提取能力，自编码器可以获得良好的数据表示，甚至可以更加完美的恢复出输入。Encoder：把高维输入x编码成低维的隐藏向量h（使神经网络学习
  • 北邮22级信通院数电：Verilog-FPGA（9）第九周实验（4）实现寄存器74LS374 青山入墨雨如画 北邮22级信通院数电实验fpga开发
    北邮22信通一枚~跟随课程进度更新北邮信通院数字系统设计的笔记、代码和文章持续关注作者迎接数电实验学习~获取更多文章，请访问专栏：北邮22级信通院数电实验_青山如墨雨如画的博客-CSDN博客目录一.代码部分1.1reg_74LS374.v1.2reg_LS374_tb.v二.仿真测试效果一.代码部分1.1reg_74LS374.vmodulereg_74LS374(input[7:0]D_in,i
  • 简单的多层感知机MLP的pytorch代码 wuha391 pytorchpython人工智能
    MLP用pytorch一般可以写为如下形式：importtorchimporttorch.nnasnnN=64D_in=1000H=100D_out=10x=torch.randn(N,D_in)y=torch.randn(N,D_out)#创建一个类构件模型，对构件复杂模型有很大好处classTwoLayerNet(torch.nn.Module):def__init__(self,D_in,H
  • 使用Pytorch手动搭建两层神经网络 长安study 笔记神经网络深度学习
    使用PytorchTensor来构建一个两层神经网络，和numpy方式想像，但是只能在GPU上运行一、定义数据集和网络权重importtorchdtype=torch.FloatTensor#让dtype表示torch.FloatTensor数据类型#N表示一个批次输入数据的数量，D_in表示每个输入数据的特征数，H表示经过隐藏层后保留的特征个数，D_out表示每个输出数据的特征个数（分类结果值）
  • Verilog零基础入门（边看边练与测试仿真）-状态机-笔记（7-10讲） Time木0101 IC学习#IC设计学习#Verilog学习笔记Verilog学习芯片设计IC设计
    文章目录第七讲第八讲第九讲第十讲第七讲1、最简单的状态机-三角波发生器1、两种状态的代码：//最简单的状态机，三角波发生器；`timescale1ns/10psmoduletri_gen(clk,res,d_out);inputclk;inputres;output[8:0]d_out;regstate;//主状态机寄存器reg[8:0]d_out;always@(posedgeclkornege
  • Verilog 梯形波 qq_45224408 编辑器
    //三角波发生器`timescale1ns/10psmoduletri_gen(clk,res,d_out);inputclk,res;outputd_out;reg[1:0]state;reg[8:0]d_out;reg[7:0]con;always@(posedgeclkornegedgeres)if(~res)beginstate<=0;d_out<=0;con<=0;endelsebegi
  • Verilog学习笔记（7）Modelsim仿真_三角波发生器 Nadukab verilogfpga
    1.状态机代码设计与仿真1.1三角波发生器代码：//最简单的状态机，三角波发生器;moduletri_gen(clk,res,d_out);inputclk;inputres;output[8:0]d_out;regstate;//定义主状态机的寄存器;reg[8:0]d_out;//将来会在awalys里面赋值，是一个实际的值，所以先定义为reg;299为8位;always@(posedgecl
  • pytorch实现两层BP网络 ToT留白 机器学习pytorch深度学习机器学习
    importtorch.nnasnnN,D_in,H,D_out=64,1000,100,10#随机创建一些训练数据x=torch.randn(N,D_in)y=torch.randn(N,D_out)#定义两层BP网络的类classTwoLayerNet(torch.nn.Module):def__init__(self,D_in,H,D_out):super(TwoLayerNet,self)
  • CUDA优化reduce 清榎 高性能计算CUDA学习cuda加速高性能计算
    一、baseline名称耗时带宽加速比baseline826150.47–__global__voidreduce_base(float*d_in,float*d_out){__shared__floatsdata[256];unsignedinttid=threadIdx.x;unsignedintidx=blockIdx.x*blockDim.x+threadIdx.x;sdata[tid]=
  • pytorch 构建神经网络流程 xiedelong 算法pytorch神经网络深度学习
    importtorchimporttorch.nnasnndtype=torch.floatdevice=torch.device("cpu")#init定义网络层，forward定义如何前向传播（x*layer*activate）returnloss或者returny_predclassTwoLayerNet(nn.Module):def__init__(self,D_in,H,D_out):s
  • PyTorch官方教程之5：numpy vs PyTorch 懒洋洋的羊、 PyTorchpytorch深度学习python
    #《PyTorch官方教程中文版》，PyTorch之小试牛刀#PyTorch的核心之一：张量，类似于numpy，但可以在GPU上运行#在介绍PyTorch之前，本章节将首先使用numpy实现网络#代码解读参考：https://www.cnblogs.com/beer/p/8120487.htmlimportnumpyasnpimporttorch#N是批大小;D_in是输入维度;H是隐藏的维度;D
  • 2 pytorch的权重共享 HxShine pytorch
    #-*-coding:utf-8-*-importrandomimporttorchfromtorch.autogradimportVariableclassDynamicNet(torch.nn.Module):def__init__(self,D_in,H,D_out):"""Intheconstructorweconstructthreenn.Linearinstancesthatwewil
  • Pytorch 神经网络nn模块 Michael阿明 Pytorch
    文章目录1.nn模块2.torch.optim优化器3.自定义nn模块4.权重共享参考http://pytorch123.com/1.nn模块importtorchN,D_in,Hidden_size,D_out=64,1000,100,10torch.nn.Sequential建立模型，跟keras很像x=torch.randn(N,D_in)y=torch.randn(N,D_out)mode
  • 使用cuda计算灰度图像 matdodo cuda
    下面是一个利用cuda计算数组元素三次方的c程序。#include//__global__是cuda核函数标识符。cuda会将这个函数识别为核函数__global__voidcube(float*d_out,float*d_in){//threadIdx.x是thread的idx，本文中一共有96个线程intidx=threadIdx.x;floatf=d_in[idx];d_out[idx]=f
  • pytorch简单示例 遂古之初
    中文文档简单三层全连接网络importtorch#Nisbatchsize;D_inisinputdimension;#Hishiddendimension;D_outisoutputdimension.N,D_in,H,D_out=64,1000,100,10#CreaterandomTensorstoholdinputsandoutputs.x=torch.randn(N,D_in)y=tor
  • 多小区下小区上行速率的计算(5） 三省少年 通信科研OTFS
    今天要写时移上行速率。d_in=rand(1,K)*0.99+0.01;theta_in=rand(1,K)*(2*pi);d_out=rand(6,K)*0.99+0.01;theta_out=rand(6,K)*(pi);小区内和相邻小区随机用户的产生，check。alpha_1=pr*K*z*d_in(j)^r;alpha_2=6*pf*z*2^(-3.8);alpha=alpha_1+al
  • pytorch入门（1) zjy2015302395 phdpytorch
    自动求导importtorchimportnumpyasnpN,D_in,H,D_out=64,1000,100,10x=torch.randn(N,D_in)y=torch.randn(N,D_out)w1=torch.randn(D_in,H,requires_grad=True)w2=torch.randn(H,D_out,requires_grad=True)learning_rate=1
  • 使用Numpy实现一个神经网络 Y·Not·Try 深度学习python
    importnumpyasnpN,D_in,H,D_out=64,1000,100,10x=np.random.randn(N,D_in)y=np.random.randn(N,D_out)w1=np.random.randn(D_in,H)w2=np.random.randn(H,D_out)lr=1e-6foriinrange(500):#forwardpasshidden_act=x.dot
  • pytorch重学篇——02使用numpy实现一个简单的双层网络 呵呵咋了 pytorch
    numpy版：importnumpyasnpN,D_in,H,D_out=64,1000,100,10#N:batch大小，D_in输入维度，H隐藏层维度，D_out输出维度x=np.random.randn(N,D_in)y=np.random.randn(N,D_out)w1=np.random.randn(D_in,H)#w1第一层的参数w2=np.random.randn(H,D_out)
  • Pytorch实现两层神经网络 马苏比拉米G 项目
    一、影响训练结果的三大因素：优化函数如Adam、SGD等；初始化权重W随机初始化、服从正态分布的初始化等；学习率一般1e-6/1e-4等。二、有PyTorch手动到自动实现神经网络的构建1、PyTorch:Tensors手动创建前向神经网络，计算损失，以及反向传播N,D_in,H,D_out=64,1000,100,10#随机创建一些训练数据x=torch.randn(N,D_in)y=torch
  • anaconda+pytorch实现简单的两层神经网络 魔都程序猿 人工智能机器人金融大数据
    以下代码已经测试通过，可以实现功能importtorchfromtorch.autogradimportVariableN,D_in,H,D_out=64,1000,100,10x=Variable(torch.randn(N,D_in),requires_grad=False)y=Variable(torch.randn(N,D_out),requires_grad=False)w1=Varia
  • Pytorch版本兼容问题。 九月灰 pytorch问题
    报错信息：Implicitdimensionchoiceforsoftmaxhasbeendeprecated.ChangethecalltoincludeD_out=interp(model_D(F.softmax(pred)))错误原因：版本兼容问题。pytorch较高版本会出现此错误，在高版本中，softmax的隐式维度选择已弃用。需要调用包含dim=X作为参数。源码：D_out=inter
  • Pytorch设立计算图并自动计算 weixin_33755554
    本博文参考七月在线pytorch课程1.numpy和pytorch实现梯度下降法使用numpy实现简单神经网络importnumpyasnpN,D_in,H,D_out=64,1000,100,10#随机创建一些训练数据x=np.random.randn(N,D_in)y=np.random.randn(N,D_out)w1=np.random.randn(D_in,H)w2=np.random.
  • pytorch(一) 实现一个隐层的全连接神经网络 木叶流云
    torch.nn实现模型的定义，网络层的定义，损失函数的定义。importtorch#Nisbatchsize;D_inisinputdimension;#Hishiddendimension;D_outisoutputdimension.N,D_in,H,D_out=64,1000,100,10#CreaterandomTensorstoholdinputsandoutputsx=torch.r
  • pytorch动态网络以及权重共享实例 bob_chen_csdn
    pytorch动态网络+权值共享pytorch以动态图著称，下面以一个栗子来实现动态网络和权值共享技术:#-*-coding:utf-8-*-importrandomimporttorchclassDynamicNet(torch.nn.Module):def__init__(self,D_in,H,D_out):"""这里构造了几个向前传播过程中用到的线性函数"""super(DynamicNe
  • 在iOS系统上创建并运行一个简单的BP神经网络(下) Apple技术产品粉
    在iOS系统上创建上篇讲述了神经网络的基本数学推导，下面讲讲实际应用。我们的神经网络模型是用C语言编写的，然后通过OC调用C语言函数来实现在iOS系统上的调用。首先定义两个二维数组来模拟矩阵(矩阵就是一个二维数组)d_in[Data][In]，d_out[Data][Out]。其中Data为训练样本数据，in代表每个样本有几个输入，Out代表每个样本有几个输出。声明w[Neuron][In]表示某
  • pytorch gpu 显存 内存 管理 调试 监控 日志 DarrenXf AIDeepLearningCUDA人工智能
    pytorchgpu显存调试如何运行gpu_memory_logimporttorchfromgpu_memory_logimportgpu_memory_logdtype=torch.floatN,D_in,H,D_out=64,1000,100,10device=torch.device("cuda")x=torch.randn(N,D_in,device=device,dtype=dtype
  • pytorch gpu 显存 内存 管理 调试 监控 日志 DarrenXf AIDeepLearningCUDA人工智能
    pytorchgpu显存调试如何运行gpu_memory_logimporttorchfromgpu_memory_logimportgpu_memory_logdtype=torch.floatN,D_in,H,D_out=64,1000,100,10device=torch.device("cuda")x=torch.randn(N,D_in,device=device,dtype=dtype
  • pytorch 学习笔记5 —— 实例学习 布丁的自我修养 pytorch实例学习pytorch
    首先是一个两层网络，使用numpy版本和pytorch版本其实如果仔细对比，差别不大。代码量也相似。因为这里没有使用pytorch的自动梯度计算。numpy版本#-*-coding:utf-8-*-importnumpyasnp#Nisbatchsize;D_inisinputdimension;#Hishiddendimension;D_outisoutputdimension.N,D_in,H
  • ios内付费 374016526 ios内付费
    近年来写了很多IOS的程序，内付费也用到不少，使用IOS的内付费实现起来比较麻烦，这里我写了一个简单的内付费包，希望对大家有帮助。   具体使用如下: 这里的sender其实就是调用者，这里主要是为了回调使用。 [KuroStoreApi kuroStoreProductId:@"产品ID" storeSender:self storeFinishCallBa
  • 20 款优秀的 Linux 终端仿真器 brotherlamp linuxlinux视频linux资料linux自学linux教程
      终端仿真器是一款用其它显示架构重现可视终端的计算机程序。换句话说就是终端仿真器能使哑终端看似像一台连接上了服务器的客户机。终端仿真器允许最终用户用文本用户界面和命令行来访问控制台和应用程序。（LCTT 译注：终端仿真器原意指对大型机-哑终端方式的模拟，不过在当今的 Linux 环境中，常指通过远程或本地方式连接的伪终端，俗称“终端”。） 你能从开源世界中找到大量的终端仿真器，它们
  • Solr Deep Paging(solr 深分页) eksliang solr深分页solr分页性能问题
    转载请出自出处：http://eksliang.iteye.com/blog/2148370 作者：eksliang(ickes) blg:http://eksliang.iteye.com/ 概述 长期以来，我们一直有一个深分页问题。如果直接跳到很靠后的页数，查询速度会比较慢。这是因为Solr的需要为查询从开始遍历所有数据。直到Solr的4.7这个问题一直没有一个很好的解决方案。直到solr
  • 数据库面试题 18289753290 面试题 数据库
    1.union ,union all 网络搜索出的最佳答案： union和union all的区别是,union会自动压缩多个结果集合中的重复结果，而union all则将所有的结果全部显示出来，不管是不是重复。 Union：对两个结果集进行并集操作，不包括重复行，同时进行默认规则的排序； Union All：对两个结果集进行并集操作，包括重复行，不进行排序； 2.索引有哪些分类？作用是
  • Android TV屏幕适配 酷的飞上天空 android
    先说下现在市面上TV分辨率的大概情况 两种分辨率为主 1.720标清，分辨率为1280x720. 屏幕尺寸以32寸为主，部分电视为42寸 2.1080p全高清，分辨率为1920x1080 屏幕尺寸以42寸为主，此分辨率电视屏幕从32寸到50寸都有   适配遇到问题，已1080p尺寸为例： 分辨率固定不变，屏幕尺寸变化较大。 如：效果图尺寸为1920x1080，如果使用d
  • Timer定时器与ActionListener联合应用 永夜-极光 java
    功能:在控制台每秒输出一次   代码: package Main; import javax.swing.Timer; import java.awt.event.*; public class T { private static int count = 0; public static void main(String[] args){
  • Ubuntu14.04系统Tab键不能自动补全问题解决 随便小屋 Ubuntu 14.04
    Unbuntu 14.4安装之后就在终端中使用Tab键不能自动补全，解决办法如下：   1、利用vi编辑器打开/etc/bash.bashrc文件（需要root权限） sudo vi /etc/bash.bashrc  接下来会提示输入密码 2、找到文件中的下列代码 #enable bash completion in interactive shells #if
  • 学会人际关系三招 轻松走职场 aijuans 职场
    要想成功，仅有专业能力是不够的，处理好与老板、同事及下属的人际关系也是门大学问。如何才能在职场如鱼得水、游刃有余呢？在此，教您简单实用的三个窍门。 　　第一，多汇报 最近，管理学又提出了一个新名词“追随力”。它告诉我们，做下属最关键的就是要多请示汇报，让上司随时了解你的工作进度，有了新想法也要及时建议。不知不觉，你就有了“追随力”，上司会越来越了解和信任你。 　　第二，勤沟通 团队的力
  • 《O2O：移动互联网时代的商业革命》读书笔记 aoyouzi 读书笔记
    移动互联网的未来：碎片化内容+碎片化渠道=各式精准、互动的新型社会化营销。   O2O：Online to OffLine 线上线下活动 O2O就是在移动互联网时代，生活消费领域通过线上和线下互动的一种新型商业模式。   手机二维码本质：O2O商务行为从线下现实世界到线上虚拟世界的入口。   线上虚拟世界创造的本意是打破信息鸿沟，让不同地域、不同需求的人
  • js实现图片随鼠标滚动的效果 百合不是茶 JavaScript滚动属性的获取图片滚动属性获取页面加载
    1,获取样式属性值 top 与顶部的距离 left 与左边的距离 right 与右边的距离 bottom 与下边的距离 zIndex 层叠层次     例子:获取左边的宽度,当css写在body标签中时 <div id="adver" style="position:absolute;top:50px;left:1000p
  • ajax同步异步参数async bijian1013 jqueryAjaxasync
            开发项目开发过程中，需要将ajax的返回值赋到全局变量中，然后在该页面其他地方引用，因为ajax异步的原因一直无法成功，需将async:false，使其变成同步的。         格式： $.ajax({ type: 'POST', ur
  • Webx3框架（1） Bill_chen eclipsespringmaven框架ibatis
    Webx是淘宝开发的一套Web开发框架，Webx3是其第三个升级版本；采用Eclipse的开发环境，现在支持java开发； 采用turbine原型的MVC框架，扩展了Spring容器，利用Maven进行项目的构建管理，灵活的ibatis持久层支持，总的来说，还是一套很不错的Web框架。 Webx3遵循turbine风格，velocity的模板被分为layout/screen/control三部
  • 【MongoDB学习笔记五】MongoDB概述 bit1129 mongodb
    MongoDB是面向文档的NoSQL数据库，尽量业界还对MongoDB存在一些质疑的声音，比如性能尤其是查询性能、数据一致性的支持没有想象的那么好，但是MongoDB用户群确实已经够多。MongoDB的亮点不在于它的性能，而是它处理非结构化数据的能力以及内置对分布式的支持(复制、分片达到的高可用、高可伸缩)，同时它提供的近似于SQL的查询能力，也是在做NoSQL技术选型时，考虑的一个重要因素。Mo
  • spring/hibernate/struts2常见异常总结 白糖_ Hibernate
    Spring ①ClassNotFoundException: org.aspectj.weaver.reflect.ReflectionWorld$ReflectionWorldException 缺少aspectjweaver.jar，该jar包常用于spring aop中   ②java.lang.ClassNotFoundException: org.sprin
  • jquery easyui表单重置(reset)扩展思路 bozch formjquery easyuireset
    在jquery easyui表单中 尚未提供表单重置的功能，这就需要自己对其进行扩展。 扩展的时候要考虑的控件有： combo,combobox,combogrid,combotree,datebox,datetimebox 需要对其添加reset方法，reset方法就是把初始化的值赋值给当前的组件，这就需要在组件的初始化时将值保存下来。 在所有的reset方法添加完毕之后，就需要对fo
  • 编程之美-烙饼排序 bylijinnan 编程之美
    package beautyOfCoding; import java.util.Arrays; /* *《编程之美》的思路是：搜索+剪枝。有点像是写下棋程序：当前情况下，把所有可能的下一步都做一遍；在这每一遍操作里面，计算出如果按这一步走的话，能不能赢（得出最优结果）。 *《编程之美》上代码有很多错误，且每个变量的含义令人费解。因此我按我的理解写了以下代码： */
  • Struts1.X 源码分析之ActionForm赋值原理 chenbowen00 struts
    struts1在处理请求参数之前，首先会根据配置文件action节点的name属性创建对应的ActionForm。如果配置了name属性，却找不到对应的ActionForm类也不会报错，只是不会处理本次请求的请求参数。 如果找到了对应的ActionForm类，则先判断是否已经存在ActionForm的实例，如果不存在则创建实例，并将其存放在对应的作用域中。作用域由配置文件action节点的s
  • [空天防御与经济]在获得充足的外部资源之前,太空投资需有限度 comsci 资源
          这里有一个常识性的问题:       地球的资源,人类的资金是有限的,而太空是无限的.....       就算全人类联合起来,要在太空中修建大型空间站,也不一定能够成功,因为资源和资金,技术有客观的限制.... &
  • ORACLE临时表—ON COMMIT PRESERVE ROWS daizj oracle临时表
    ORACLE临时表 转 临时表：像普通表一样，有结构，但是对数据的管理上不一样，临时表存储事务或会话的中间结果集，临时表中保存的数据只对当前 会话可见，所有会话都看不到其他会话的数据，即使其他会话提交了，也看不到。临时表不存在并发行为，因为他们对于当前会话都是独立的。 创建临时表时，ORACLE只创建了表的结构（在数据字典中定义），并没有初始化内存空间，当某一会话使用临时表时，ORALCE会
  • 基于Nginx XSendfile+SpringMVC进行文件下载 denger 应用服务器Webnginx网络应用lighttpd
        在平常我们实现文件下载通常是通过普通 read-write方式，如下代码所示。 @RequestMapping("/courseware/{id}") public void download(@PathVariable("id") String courseID, HttpServletResp
  • scanf接受char类型的字符 dcj3sjt126com c
    /* 2013年3月11日22:35:54 目的：学习char只接受一个字符 */ # include <stdio.h> int main(void) { int i; char ch; scanf("%d", &i); printf("i = %d\n", i); scanf("%
  • 学编程的价值 dcj3sjt126com 编程
    发一个人会编程, 想想以后可以教儿女, 是多么美好的事啊, 不管儿女将来从事什么样的职业, 教一教, 对他思维的开拓大有帮助   像这位朋友学习:   http://blog.sina.com.cn/s/articlelist_2584320772_0_1.html   VirtualGS教程 (By @林泰前): 几十年的老程序员，资深的
  • 二维数组（矩阵）对角线输出 飞天奔月 二维数组
    今天在BBS里面看到这样的面试题目,   1，二维数组（N*N），沿对角线方向，从右上角打印到左下角如N=4： 4*4二维数组  { 1 2 3 4 } { 5 6 7 8 } { 9 10 11 12 } {13 14 15 16 } 打印顺序  4 3 8 2 7 12 1 6 11 16 5 10 15 9 14 13 要
  • Ehcache（08）——可阻塞的Cache——BlockingCache 234390216 并发ehcacheBlockingCache阻塞
    可阻塞的Cache—BlockingCache          在上一节我们提到了显示使用Ehcache锁的问题，其实我们还可以隐式的来使用Ehcache的锁，那就是通过BlockingCache。BlockingCache是Ehcache的一个封装类，可以让我们对Ehcache进行并发操作。其内部的锁机制是使用的net.
  • mysqldiff对数据库间进行差异比较 jackyrong mysqld
      mysqldiff该工具是官方mysql-utilities工具集的一个脚本，可以用来对比不同数据库之间的表结构，或者同个数据库间的表结构    如果在windows下，直接下载mysql-utilities安装就可以了，然后运行后，会跑到命令行下： 1） 基本用法    mysqldiff --server1=admin:12345
  • spring data jpa 方法中可用的关键字 lawrence.li javaspring
    spring data jpa 支持以方法名进行查询/删除/统计。 查询的关键字为find 删除的关键字为delete/remove (>=1.7.x) 统计的关键字为count (>=1.7.x)   修改需要使用@Modifying注解 @Modifying @Query("update User u set u.firstna
  • Spring的ModelAndView类 nicegege spring
    项目中controller的方法跳转的到ModelAndView类，一直很好奇spring怎么实现的？ /* * Copyright 2002-2010 the original author or authors. * * Licensed under the Apache License, Version 2.0 (the "License"); * yo
  • 搭建 CentOS 6 服务器(13) - rsync、Amanda rensanning centos
    （一）rsync Server端 # yum install rsync # vi /etc/xinetd.d/rsync service rsync { disable = no flags = IPv6 socket_type = stream wait
  • Learn Nodejs 02 toknowme nodejs
    （1）npm是什么 npm is the package manager for node 官方网站：https://www.npmjs.com/ npm上有很多优秀的nodejs包，来解决常见的一些问题，比如用node-mysql，就可以方便通过nodejs链接到mysql，进行数据库的操作 在开发过程往往会需要用到其他的包，使用npm就可以下载这些包来供程序调用 &nb
  • Spring MVC 拦截器 xp9802 spring mvc
    Controller层的拦截器继承于HandlerInterceptorAdapter HandlerInterceptorAdapter.java  1  public   abstract   class  HandlerInterceptorAdapter  implements  HandlerIntercep
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他