- 10个基于Python的计算机视觉实战项目
云博士的AI课堂
基于Python计算机视觉python计算机视觉机器视觉人工智能
10个基于Python的计算机视觉实战项目,涵盖多个领域和应用场景,每个项目均附有GitHub地址、概述、解决的问题及应用场景:1.PCV图像处理与计算机视觉库GitHub地址:jesolem/PCV概述:提供计算机视觉基础算法的Python实现,包括图像分割、直方图均衡化、图像增强等。解决的问题:简化图像处理流程,支持快速实现算法原型。应用场景:学术研究、教学实验、图像预处理任务。2.基于朴素贝
- LightGBM:极速梯度提升机——结构化数据建模的终极武器
大千AI助手
人工智能Python#OTHER随机森林算法机器学习决策树人工智能GBDTLightGBM
基于直方图与Leaf-wise生长的高效GBDT实现,横扫Kaggle与工业场景一、为什么需要LightGBM?GBDT的瓶颈传统梯度提升树(如XGBoost)在处理海量数据时面临两大痛点:训练速度慢:需预排序特征&层次生长(Level-wise)内存消耗高:存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于2017年开源,核心目标:✅训练效率提升10倍✅内存占用降低50%✅保持与XGB
- GIF&DDE
qq_39573780
红外图像处理计算机视觉算法
红外图像动态范围压缩GIF&DDE本文主要介绍了一种高动态范围图像转化为8位可视图像的方法,根据论文[[1]][id]总结实现算法流程图1:算法流程图步骤:使用导向滤波将图像分为基础层和细节层,基础层表示图像的整体结构信息,细节层表示图像的细节纹理信息。对基础层使用直方图投影操作,将图像的动态范围从[0,65535]映射到[0,255]对细节层使用增益掩膜进行增强对基础层和细节层加权求和得到输出图
- XGBoost算法原理及Python实现
法号清水
算法python开发语言
一、概述 XGBoost是一种基于梯度提升框架的机器学习算法,它通过迭代地训练一系列决策树来构建模型。核心思想是通过不断地在已有模型的基础上,拟合负梯度方向的残差(真实值与预测值的差)来构建新的弱学习器,达到逐步优化模型的目的。 XGBoost在构建决策树时,利用了二阶导数信息。在损失函数的优化过程中,不仅考虑了一阶导数(梯度),还引入了二阶导数(海森矩阵),这使得算法能够更精确地找到损失函数
- python实战项目77:足球运动员数据分析
wp_tao
Python副业接单实战项目python数据分析开发语言
python实战项目77:足球运动员数据分析一、数据集介绍二、加载数据集三、查看数据3.1查看数据大小3.2查看数据前几行3.3查看数据基本信息四、数据预处理4.1查看并处理缺失值4.2查看并处理重复值五、运动员身高和体重分布5.1查看身高和体重列数据情况5.2数据类型转换5.3绘制身高分布直方图5.3绘制体重分布直方图5.4统计运动员左右脚比例六、俱乐部球员评分分析6.1俱乐部球员平均分top1
- 图片批量去重---(均值哈希、插值哈希、感知哈希、三/单通道直方图)
ghx3110
数据/脚本处理均值算法哈希算法直方图图片去重
一、整体步骤本脚本中,关键步骤包括以下步骤:1、图片加载:脚本会遍历指定的图片目录,将所有图片加载到内存中。2、图像预处理:比较之前,通常需要对图片进行预处理,如调整大小、灰度化或直方图均衡化,以消除颜色、尺寸等因素的影响。3、相似度计算:图像相似度的衡量有很多种方法,如像素级别的差异(均方误差)、结构相似度指数(SSIM)、归一化互信息(NMI)或者哈希算法(如PCA-SIFT、BRIEF等)。
- 数据处理与统计分析——11-Pandas-Seaborn可视化
零光速
数据分析pandaspython开发语言数据分析
Seaborn简介Seaborn是一个基于Matplotlib的图形可视化Python库,提供了高度交互式的接口,使用户能够轻松绘制各种吸引人的统计图表。Seaborn可以直接使用Pandas的DataFrame和Series数据进行绘图。1.Seaborn绘制单变量图(1)直方图histplothue:根据另一个分类变量对数据进行分组并显示不同颜色的直方图。kde:是否绘制核密度估计曲线。其他常
- day35
m0_62568655
python训练营人工智能
一、模型可视化用torchinfo看模型结构能快速打印模型各层的输入输出形状、参数数量,还会统计总参数量、计算量等信息,像给模型做“结构清单”,方便确认架构是否正确。就像查户口本,能直接列出模型每一层的“家庭成员”(输入输出尺寸、参数数量),还能算全家总参数、占多大内存,一看就知道模型搭得对不对。看权重分布将模型参数(权重)的数值分布绘制成直方图或热力图,通过观察参数是否集中、有无异常值,判断训练
- Docker 快速搭建一个基于 GPT-Vis 组件的统计图表生成服务
计算机小手
经验分享docker开源软件
以下是对工具简单介绍:可以在服务端使用GPT-Vis统计图表组件直接渲染成图片支持Docker一键部署,提供统计图表渲染生成API接口支持多种GPT-Vis支持的组件,包括折线图、柱形图、饼图、面积图、条形图、直方图、散点图、词云图、雷达图、思维导图、流程图等等可以作为MCP工具MCPServerChart的私有后端服务,参考:https://github.com/antvis/mcp-serve
- 【python opencv】SIFT算法 关键点方向及描述符
人才程序员
PythonOpencv视觉处理pythonopencv算法c++开发语言人工智能python3.11
文章目录SIFT算法-关键点方向及描述符通俗易懂的介绍简单解释:学术概念1.**关键点方向计算**步骤:2.**描述符计算**步骤:3.**描述符与匹配**示例代码1.**关键点方向计算**2.**描述符计算与匹配**总结SIFT算法-关键点方向及描述符通俗易懂的介绍在SIFT算法中,关键点不仅仅是图像中的某些兴趣点,它们还包含了方向信息。这个方向是通过计算图像区域的梯度方向来确定的,这使得关键点
- OpenCV —— 直方图与匹配
直方图就是对数据进行统计,将统计值组织到一系列事先定义好的bin中。bin中的数值是从数据中计算出来的特征的统计量,这些数据可以是诸如梯度,方向,色彩或任何其他特征。直方图获得是是数据分布的统计图直方图的基本数据结构CvHistogram创建一个新的直方图cvCreateHistdims直方图维数的数目sizes直方图维数尺寸的数组type直方图的表示格式:CV_HIST_ARRAY意味着直方图数
- OpenCV C++ 图像处理教程:灰度变换与直方图分析
achene_ql
opencvc++图像处理计算机视觉人工智能
在数字图像处理领域,灰度变换与直方图分析是最基础且核心的技术,它们如同“图像的化妆师”,能够通过调整像素灰度分布显著改善图像视觉效果,为后续的目标检测、图像分割等高级任务奠定基础。无论是校正图像的亮度与对比度,还是从低质量图像中提取有效信息,掌握这些技术都是图像处理从业者的必备技能。一、点运算(PointOperation)1.概念点运算是图像处理中最基础的操作之一,指对图像中每个像素点的灰度值进
- 使用Halcon进行图像预处理的策略
AI_Guru人工智能
计算机视觉图像处理人工智能
图像预处理是机器视觉系统中的一个关键步骤,它有助于提高图像质量,从而使得后续的图像分析和特征提取更加准确。在Halcon中,图像预处理通常包括滤波、对比度增强、归一化、边缘增强等操作。以下是一些使用Halcon进行图像预处理的策略,以及相应的示例代码。图像预处理策略滤波:去除图像噪声,如高斯滤波、中值滤波等。对比度增强:提高图像的对比度,如直方图均衡化、对比度限制自适应直方图均衡化(CLAHE)。
- HALCON学习笔记(四)——图像增强
weixin_45482443
HALCON学习笔记计算机视觉
图像增强:有目的的强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同特征之间的差别,抑制不感兴趣特征,改善图像质量,丰富信息量,满足分析需要。1.图像增强的概念和分类图像增强技术基本分为两类:空间域法:包含图像像素的空间,在空间域中,直接对图像进行各种线性或非线性运算,对图像的像素灰度做增强处。分为点运算(作用于像素领域的处理方法,包括灰度变换,直方图修正,
- erdas图像增强步骤_基于erdas的图像增强处理
weixin_39953618
erdas图像增强步骤
《基于erdas的图像增强处理》由会员分享,可在线阅读,更多相关《基于erdas的图像增强处理(9页珍藏版)》请在人人文库网上搜索。1、图像增强处理l实习目的:掌握常用的图像增强处理的方法l内容:空间、辐射、光谱增强处理的主要方法空间增强:包括卷积增强处理、纹理分析辐射增强:LUT拉伸处理、直方图均衡化处理光谱增强:主成份变换、缨穗变换、色彩变换图像增强处理包括空间、辐射、光谱增强处理,本练习做几
- 机器学习与深度学习20-数学优化
my_q
机器学习与深度学习机器学习深度学习人工智能
目录前文回顾1.梯度下降的基本原理2.什么是损失函数?3.随机梯度下降和小批量梯度下降4.什么是学习率5.优化算法中的收敛性6.常用的数学优化算法前文回顾上一篇文章链接:地址1.梯度下降的基本原理梯度下降(GradientDescent)是一种常用的优化算法,用于对目标函数进行最小化或最大化。其基本原理是通过迭代更新模型参数,沿着目标函数的负梯度方向逐步调整参数值,直到达到局部最优解。在机器学习中
- python openpyxl.chart库绘制excel图表的使用
向飞飞(码龄1年)
开发语言python
写在前面:目前项目需要用python调excel在excel里画直方图,需要画图、设置数据标签之类的,很多参数打开csdn和百度搜索都说的不清不楚,直接放一大堆代码没有任何解释,官方文档全英文没解释,摸清每个参数用法后在此记录,望给下个需要的人提供方便,感谢阅览。简介:openpyxl是一个python库,用于读写Excel文件。openpyxl.chart是openpyxl中的一个模块,用于在E
- 图像处理 | 基于matla的多尺度Retinex(MSR)和自适应直方图均衡化(CLAHE)算法联合的低照度图像增强(附代码)
单北斗SLAMer
图像处理算法人工智能低照度图像增强
低照度图像增强1、算法原理2、代码实现3、关键步骤说明4、效果5、扩展建议6、原图7、结果1、算法原理2、代码实现functionenhanced_img=MSR_CLAHE_Enhancement(img_path)%读取图像img=imread(img_path
- 使用OpenCV和Python进行图像掩膜与直方图分析
知舟不叙
opencvpython人工智能图像掩膜
文章目录引言1.准备工作2.加载并显示原始图像3.创建掩膜3.应用掩膜5.计算并显示直方图6.结果分析7.总结引言在图像处理中,掩膜(Mask)是一个非常重要的概念,它允许我们选择性地处理图像的特定区域。今天,我将通过一个实际的例子来展示如何使用OpenCV和Python对手机图像进行掩膜处理并分析其直方图。1.准备工作首先,我们需要导入必要的库:importcv2importnumpyasnpf
- 图像处理精粹:直方图均衡化与平滑滤波解析
背景简介图像处理技术是计算机视觉和机器学习领域的基石之一。在处理数字图像时,我们常常需要对图像的某些属性进行调整,以达到预期的效果。本章节聚焦于图像的直方图均衡化和平滑滤波处理,这两种技术是提升图像质量和改善视觉体验的关键步骤。直方图均衡化直方图均衡化是一种提高图像全局对比度的方法,特别是在图像的背景和前景对比度较低的情况下。通过重新分布图像的灰度级,使得图像的灰度级均匀分布,从而增强图像的整体对
- Seaborn入门到上头:让数据可视化变成享受的艺术(附防秃指南)
kernelcraft
信息可视化其他
文章目录一、可视化届的"美图秀秀"来了!1.1为什么你该马上切换Seaborn?二、安装姿势要帅气三、5分钟极速上手3.1热身运动:散点图3.2直方图还能这么玩四、进阶技巧(装逼必备)4.1调色板的黑魔法4.2主题设置三连击4.3多图布局的骚操作五、避坑指南(血泪经验)5.1中文显示异常?5.2图片模糊?5.3颜色不统一?六、灵魂拷问环节七、真香警告一、可视化届的"美图秀秀"来了!各位数据民工注意
- 将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?
黄卷青灯77
计算机视觉opencv人工智能自动化阈值OTSU
Otsu是一种自动阈值化方法,用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理,能够自动确定一个阈值,将图像中的像素分为黑色和白色两类。Otsu方法的原理Otsu方法的核心思想是将图像的像素分为两类(前景和背景),并通过统计分析找到一个阈值,使得这两类之间的差异最大化。具体步骤如下:计算图像的直方图:统计每个灰度值的像素
- python数据分析期末_Python数据分析期末作业
xander Sun
python数据分析期末
Python数据分析期末作业(50分)一、名称:国民经济核算季度数据分析可视化处理;二、需求:根据文件《国民经济核算季度数据.npz》提供的各年中每个季度的数据,完成如下操作处理:1、绘制直方图:(1)在一个画板中绘制2000年、2017年第一季度国民生产总值产业构成分布、行业构成分布直方图,其效果形式如下;(2)要求:?每个图形的标题、轴标签、刻度、图形颜色、柱形宽度与效果图中的完全一致;?在每
- 夜拍提升清晰度
不知几秋
opencv计算机视觉python
importcv2importmatplotlib.pyplotasplt#图像路径image_path='images/img01.jpg'#读取图像img=cv2.imread(image_path)#将图像转换为灰度图像gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#对灰度图像进行直方图均衡化equ_img=cv2.equalizeHist(gra
- 使用 Plotly.js 在 Vue 中创建交互式散点图
ScriptEcho
javascriptplotlyvue.js前端
本文由ScriptEcho平台提供技术支持项目地址:传送门使用Plotly.js在Vue中创建交互式散点图应用场景介绍Plotly.js是一个功能强大的JavaScript库,用于创建交互式数据可视化。它支持各种图表类型,包括散点图、折线图和直方图。在Vue.js应用程序中,Plotly.js可用于创建动态且引人入胜的数据可视化。代码基本功能介绍本代码示例展示了如何使用Plotly.js在Vue.
- python数字图像处理基础(六)——模板匹配、直方图
_hermit:
数字图像处理python计算机视觉开发语言
目录模板匹配概念单对象模板匹配多对象模板匹配直方图1.查找直方图2.绘制直方图3.掩膜的应用模板匹配概念模板匹配和卷积原理很像,模板在原图像上从原点开始滑动,计算模板与图像被模板覆盖的地方的差别程度,这个差别程度的计算方法在opencv里有6种,然后将每次计算的结果放入一个矩阵里,作为结果输出。假如原图是AxB大小,而模板是axb大小,则输出结果的矩阵是(A-a+1)x(B-b+1)(通过.sha
- 【图像处理入门】4. 图像增强技术——对比度与亮度的魔法调节
小米玄戒Andrew
图像处理:从入门到专家图像处理算法计算机视觉模式识别几何变换图像增强
摘要图像增强是改善图像视觉效果的核心技术。本文将详解两种基础增强方法:通过直方图均衡化拉伸对比度,以及利用伽马校正调整非线性亮度。结合OpenCV代码实战,学会处理灰度图与彩色图的不同增强策略,理解为何彩色图像需在YUV空间操作亮度通道,为后续滤波与边缘检测奠定预处理基础。一、图像增强:让模糊图像「重获新生」为什么需要图像增强?改善视觉效果:让低对比度图像更清晰(如老照片修复)提升后续处理效果:增
- Day 6
LiuSu789k
每日打卡机器学习
数据初步可视化内容回顾:单特征可视化:连续变量箱线图(还说了核密度直方图)、离散特征直方图特征和标签关系可视化箱线图美化--->直方图importpandasaspddata=pd.read_csv('data.csv')data.head()continuous_features=[]foriindata.columns:ifdata[i].dtype!='object':continuous_
- 高效多线程图像处理实战
我喜欢就喜欢
技术文档QTC++图像处理人工智能
引言在现代计算机视觉和图像处理应用中,处理大量图像数据是常见需求。传统的单线程处理方式在面对成千上万的图像时,往往显得力不从心,导致处理时间过长。本文将介绍如何将一个典型的单线程图像处理任务转换为高效的多线程实现,并讨论其中的关键技术点、线程安全考量以及性能优化策略。1.单线程版本的问题假设我们有以下单线程代码,用于对一批图像进行两种不同的增强处理(直方图匹配和颜色迁移)并保存结果:voidpro
- OpenCV---Canny边缘检测
MzKyle
计算机视觉计算机视觉人工智能
一、基本概念与核心作用Canny边缘检测是计算机视觉中最经典的边缘检测算法之一,由JohnCanny于1986年提出。其核心目标是在噪声图像中提取精确、单像素宽、连续的边缘,广泛应用于:目标检测预处理(如Robomaster中灯条、装甲板的边缘提取)。轮廓分析(轮廓检测的前置步骤)。图像分割(通过边缘定位目标边界)。特征提取(如边缘方向直方图HOG)。与其他边缘检测算法的对比:算法优势劣势Cann
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》