cv_family_z
cv_family_z

CompCars模型测试

resize image to 256*256

for file in data/CompCars/test/*.jpg; do convert $file -resize 256x256\! $file; done

生成lmdb文件和均值文件
最好用gedit打开编译，否则可能出项file not found,command not found之类的错误
./create_imagenet.sh
./make_imagenet_mean.sh

性能测试命令
./build/tools/caffe.bin test -model=examples/CompCars/train_val_googlenet.prototxt
-weights=examples/CompCars/googlenet_finetune_web_car_iter_10000.caffemodel -gpu=0

单张图片测试命令
相对路径
./build/examples/cpp_classification/classification.bin examples/CompCars/deploy_cars.prototxt examples/CompCars/googlenet_finetune_web_car_iter_10000.caffemodel data/CompCars/imagenet_mean_comp.binaryproto data/CompCars/synset_words.txt examples/images/4_509.jpg
绝对路径
/home/xxx/caffe-master/build/examples/cpp_classification/classification.bin /home/xxx/caffe-master/examples/CompCars/deploy_cars.prototxt /home/spgz/caffe-master/examples/CompCars/kitlien/googlenet_finetune_web_car_kit1222_iter_10000.caffemodel /home/xxx/caffe-master/data/CompCars/imagenet_mean_comp.binaryproto /home/xxx/caffe-master/data/CompCars/synset_words.txt /home/xxx/caffe-master/examples/images/Mazda.jpg

1.deploy文件需要根据train_val_googlenet.prototxt修改
2.imagenet_mean_comp.binaryproto data使用的是imagenet自带的
3.synset_words.txt为映射文件

微调网络命令
./build/tools/caffe train -solver examples/CompCars/solver_googlenet.prototxt -weights examples/CompCars/kitlien/google
net_finetune_web_car_iter_10000.caffemodel -gpu 0

/home/xxx/caffe-master/build/tools/caffe train -solver /home/xxx/caffe-master/examples/CompCars/solver_googlenet.prototxt -weights /home/xxx/caffe-master/examples/CompCars/kitlien/googlenet_finetune_web_car_iter_10000.caffemodel -gpu 0

错误原因

1.图像未归一化到256*256，会在make_imagenet_mean时出现如下错误
F0105 10:48:02.025462 4031 compute_image_mean.cpp:76] Check failed: size_in_datum == data_size (217800 vs. 187500) Incorrect data field size 217800

你可能感兴趣的:(CompCars模型测试)

  • 大肠杆菌数据集的不平衡多类分类 Python 背包客研究 不平衡学习分类python人工智能
    大肠杆菌数据集的不平衡多类分类关注博主学习更多内容关注vxGZH:多目标优化与学习Lab教程概述本教程分为五个部分；他们是：大肠杆菌数据集探索数据集模型测试和基线结果评估模型评估机器学习算法评估数据过采样对新数据进行预测大肠杆菌数据集在这个项目中，我们将使用一个标准的不平衡机器学习数据集，称为“大肠杆菌”数据集，也称为“蛋白质定位位点”数据集。该数据集描述了利用细胞定位位点的氨基酸序列对大肠杆菌蛋
  • 【大模型】大模型 CPU 推理之 llama.cpp szZack 大语言模型人工智能大模型人工智能llama.cpp
    【大模型】大模型CPU推理之llama.cppllama.cpp安装llama.cppMemory/DiskRequirementsQuantization测试推理下载模型测试参考llama.cpp描述Themaingoalofllama.cppistoenableLLMinferencewithminimalsetupandstate-of-the-artperformanceonawideva
  • 亦菲喊你来学机器学习（14） --贝叶斯算法 方世恩 机器学习算法人工智能pythonscikit-learn
    文章目录贝叶斯一、贝叶斯定理二、贝叶斯算法的核心概念三、贝叶斯算法的优点与局限优点：局限：四、构建模型训练模型测试模型总结贝叶斯贝叶斯算法（Bayesianalgorithm）是一种基于贝叶斯定理的机器学习方法，主要用于估计模型参数和进行概率推断。以下是对贝叶斯算法的详细解析：一、贝叶斯定理贝叶斯定理是概率论中的一个基本定理，它描述了条件概率之间的关系。该定理的数学表达式为：P(A∣B)=P(B)
  • 基于卷积神经网络模型的手写数字识别 Jc.MJ 课程设计Pythoncnn人工智能神经网络深度学习
    基于卷积神经网络模型的手写数字识别一.前言二.设计目的及任务描述2.1设计目的2.2设计任务三.神经网络模型3.1卷积神经网络模型方案3.2卷积神经网络模型训练过程3.3卷积神经网络模型测试四.程序设计一.前言手写数字识别要求利用MNIST数据集里的70000张手写体数字的图像，建立神经网络模型，进行0到9的分类，并能够对其他来源的图片进行识别，识别准确率大于97%。图片示例如下。图1-1mnis
  • 基于全连接神经网络模型的手写数字识别 Jc.MJ 课程设计Python神经网络人工智能深度学习
    基于全连接神经网络模型的手写数字识别一.前言二.设计目的及任务描述2.1设计目的2.2设计任务三.神经网络模型3.1全连接神经网络模型方案3.2全连接神经网络模型训练过程3.3全连接神经网络模型测试四.程序设计一.前言手写数字识别要求利用MNIST数据集里的70000张手写体数字的图像，建立神经网络模型，进行0到9的分类，并能够对其他来源的图片进行识别，识别准确率大于97%。图片示例如下。图1.1
  • 测试工程师需要准备哪些知识 我是一只蘑菇17 测试测试
    零基础测试工程师的必备技能概述测试基础理论软件测试的分类研发管理模型测试流程测试方法（比较重要的测试方法）（用来设计测试用例）BUG的管理测试的应用总结概述本文会记录一些本人有关于测试工程师岗位的学习的整个过程和理解，如有错误或不足欢迎指正。下文会从测试基础理论，测试的工具学习，代码学习，自动化几个方向记录。测试，文档，编程能力软件测试工程师实际上是看预期结果和实际结果是否相符软件测试的发展历程证
  • 2021-11-26 图灵基因
    ClinicalCanRes|新抗原特异性TCR转基因细胞疗法治疗小鼠神经胶质瘤原创图灵基因图灵基因今天收录于话题#前沿分子生物学机制德国癌症研究中心（DKFZ）和海德堡大学曼海姆医学院的研究人员报告说，他们首次使用小鼠实验模型测试了针对恶性脑肿瘤的新抗原特异性转基因免疫细胞疗法。他们的研究结果发表在《ClinicalCancerResearch》杂志上的一篇题为“Tcellreceptorthe
  • Stable Diffusion模型测试 jinke2010_happy stablediffusionpythonai
    `文章目录前言一、dqnapi是什么？二、使用步骤1.本地2.在线测试总结前言AI图像生成异常火爆，听说鹅厂都开始用AI图像生成做前期设定了，小厂更是直接用AI替代了原画师的岗位。这一张张丰富细腻、风格各异、以假乱真的AI生成图像，背后离不开StableDiffusion算法。StableDiffusion是stability.ai开源的图像生成模型，可以说StableDiffusion的发布将A
  • 【Visual Object Tracking】Learning notes bryant_meng CNN/Transformer读书笔记深度学习人工智能单目标跟踪VOT
    DenseOpticalTracking:ConnectingtheDots参考学习来自：单目标跟踪Siamese系列网络：SiamFC、SiamRPN、one-shot跟踪、one-shotting单样本学习、DaSiamRPN、SiamRPN++、SiamMask单目标跟踪：跟踪效果/单目标跟踪：数据集处理/单目标跟踪：模型搭建/单目标跟踪：模型训练/单目标跟踪：模型测试单目标跟踪SiamMa
  • Convolutional Neural Networks CNN -- Explained 许喜远 机器学习——通俗易懂机器学习python神经网络
    ConvolutionalNeuralNetworksCNN--Explained为什么要卷积神经网络？卷积神经网络如何工作？特征映射和多个通道池化基础大步前进和下采样Stridesanddown-sampling填充Padding为什么在卷积神经网络中使用池化？最后的图片全连接层在PyTorch中实现卷积神经网络加载数据集建立模型训练模型测试模型为什么要卷积神经网络？仅有几层的全连接网络只能做很
  • 二、MMsegmentation 配置教程+训练教程+模型测试（ 服务器） 当像鸟飞向你的山 病理图像深度学习神经网络图像处理
    时间：2022年4月8日内容：训练MMSegmentation中的deeplabv3深度神经网络如果想要系统的学习，可以参考官方文档：https://mmsegmentation.readthedocs.io/en/latest/get_started.html#installation但是我理解力有限感觉不太详细。基础的配置和介绍可以看我的上一篇博客，这篇讲一下训练。安利一个很好用的ssh工具：
  • 机器学习复习（4）——CNN算法 不会写代码！！ 机器学习算法人工智能机器学习复习机器学习cnn人工智能
    目录数据增强方法CNN图像分类数据集构建导入数据集定义trainer超参数设置数据增强构建CNN网络开始训练模型测试数据增强方法#一般情况下，我们不会在验证集和测试集上做数据扩增#我们只需要将图片裁剪成同样的大小并装换成Tensor就行test_tfm=transforms.Compose([transforms.Resize((128,128)),transforms.ToTensor(),])
  • PyTorch2ONNX-分类模型：速度比较（固定维度、动态维度）、精度比较 Le0v1n PyTorch深度学习（DeepLearning）分类人工智能
    图像分类模型部署:PyTorch->ONNX1.模型部署介绍1.1人工智能开发部署全流程step1数据数据采集定义类别标注数据集step2模型训练模型测试集评估调参优化可解释分析step3部署手机/平板服务器PC/浏览器嵌入式开发板1.2模型部署平台和芯片介绍设备：PC、浏览器、APP、小程序、服务器、嵌入式开发板、无人车、无人机、JetsonNano、树莓派、机械臂、物联网设备厂商：英特尔（In
  • 看书笔记【R语言数据分析项目精解：理论、方法、实战 8】 小胡涂记 R语言资料实现笔记r语言数据分析
    看书笔记——R语言Chapter8从数据中寻找优质用户8.1项目背景、目标和方案8.1.1项目背景8.1.2项目目标8.1.3项目方案8.2项目技术理论简介8.2.1逻辑回归的基本概念8.2.2建模流程1.模型开发2.模型验证阶段3.模型测试阶段4.模型实施阶段8.2.3模型开发阶段1.数据采样2.数据探索3.数据填缺4.离散型变量压缩5.连续型变量压缩6.变量筛选（用到的时候再细看一下，主要是权
  • 大模型学习笔记一：大模型应用开发基础 谢白羽 学习笔记python
    文章目录一、大模型一些概念介绍一、大模型一些概念介绍1）产品和大模型的区别（产品通过调用大模型来具备的能力）2）AGI定义概念：一切问题可以用AI解决3）大模型通俗原理根据上文，猜测下一个词4）大模型测试代码fromopenaiimportOpenAIfromdotenvimportload_dotenv,find_dotenv_=load_dotenv(find_dotenv())client=
  • 构建Wiki中文语料词向量模型(python3) 南七澄江 pythonpython算法scikit-learn
    本实例主要介绍的是选取wiki中文语料，并使用python3完成Word2vec模型构建的实践过程，不包含原理部分，旨在一步一步的了解自然语言处理的基本方法和步骤。文章主要包含了开发环境准备、数据的获取、数据的预处理、模型构建和模型测试四大内容，对应的是实现模型构建的五个步骤。一、开发环境准备笔者使用的是anaconda环境下的python3.10.13。二、Wiki数据获取2.1Wiki中文数据
  • ubuntu使用YOLOv7训练自己的数据集 谷溪m 人工智能
    目录一、准备深度学习环境二、 准备自己的数据集1、创建数据集 2、转换数据格式 3、配置文件三、模型训练1、下载预训练模型2、训练四、模型测试五、模型推理一、准备深度学习环境下载yolov7代码二、准备自己的数据集一般标注的数据格式是VOC，而YOLOv7能够直接使用的是YOLO格式的数据，因此下面将介绍如何将自己的数据集转换成可以直接让YOLOv7进行使用。（数据集已经是yolo格式的直接跳过)
  • 【Pytorch】循环神经网络实现手写体识别 Teacher.Hu PyTorchpytorchrnn深度学习
    【Pytorch】循环神经网络实现手写体识别1数据集加载2搭建RNN模型3训练模型4模型保存和加载模型测试1数据集加载importseabornassnssns.set(font_scale=1.5,style="white")importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimporttimeimportcopyimportt
  • 【记录一下数据和模型测试代码】 鱼小丸 python深度学习数据读取
    这个是模型测试代码，自己设计完模型可以用下面代码进行测试if__name__=='__main__':input=torch.randn(16,3,256,256)#图片大小可以改net=ViTResNet([3,3,3],BasicBlock)#给定自己设计的模型的参数，如果classmodel(in_channel,out_channel)，就可以写model(3,1)#3可以换成自己输入数据
  • 开源模型应用落地-qwen-7b-chat与vllm实现推理加速的正确姿势（一） charles_vaez 应用落地深度学习
    一、前言基于真实生产级项目分享，帮助有需要的同学快速构建完整可交付项目项目流程包括（去掉业务部分）：开源模型测试，包括baichuan、qwen、chatglm、bloom数据爬取及清洗模型微调及评估搭建AI交互能力搭建IM交互能力搭建违禁词识别能力优化模型推理速度增强模型长期记忆能力二、术语介绍2.1.vLLMvLLM是一个开源的大模型推理加速框架，通过PagedAttention高效地管理at
  • 时间序列预测各类算法探究上篇 yunpeng.zhou 时间序列算法时序arima线性回归xgboost
    前言：最近项目需要对公司未来业绩进行预测，以便优化决策，so研究一下时序算法。纯个人理解，记录以便备用（只探究一下原理，所有算法都使用基本状态，并未进行特征及参数优化）。环境：python3.10+jupyter文章目录1、时间序列基本概念2、数据准备2.1相关库导入2.2数据获取2.3选取本次测试数据（2号商店、0类产品数据）3、模型测试3.1传统时序建模3.1.1平稳性检验（单位根检验）+差分
  • Udacity.深度学习.从机器学习到深度学习.2017-11-07 小异_Summer
    1.练习-softmax模型测试样例scores=[1.0,2.0,3.0]printsoftmax(scores)[0.090030570.244728470.66524096]scores=np.array([[1,2,3,6],[2,4,5,6],[3,8,7,6]])[[0.090030570.002428260.015876240.33333333][0.244728470.017942
  • 机器学习算法实战案例：Informer 源码详解与代码实战 Python算法实战 机器学习算法实战机器学习算法人工智能python
    文章目录机器学习算法实战案例系列答疑&技术交流1源码解析1.1文件结构1.2mian_informer.py文件1.3模型训练1.4模型测试1.5模型预测2Informer模型2.1process_one_batch2.2Informer函数2.3DataEmbedding函数2.4ProbAttention稀疏注意力机制2.5Encoder编码器函数2.6Decoder解码器函数3官方数据集运行
  • 黑马程序员——2022版软件测试——乞丐版——day01 阿瞒有我良计15 #测试开发eclipsejavapython
    目录：测试介绍什么是软件测试？测试主流技能主流方向建议测试常用分类分类阶段划分代码可见度划分总结模型角度质量模型测试流程需求分析（评审）测试计划用例设计用例执行缺陷管理测试报告测试用例用例的作用用例模板八大要素编写规范：练习案例：用例设计方法目标设计测试用例的方法：能对穷举场景设计测试点案例1（qq程序）案例2（电话）作业1.测试介绍什么是软件测试？使用技术手段验证软件是否满足需求测试主流技能1、
  • 基于深度学习的婴儿啼哭识别项目详解 OverlordDuke 深度学习深度学习人工智能音频识别
    基于深度学习的婴儿啼哭识别项目详解基于深度学习的婴儿啼哭识别项目详解一、项目背景1.1项目背景1.2数据说明二、PaddleSpeech环境准备三、数据预处理3.1数据解压缩3.2查看声音文件3.3音频文件长度处理四、自定义数据集与模型训练4.1自定义数据集4.2模型训练4.3模型训练五、模型测试六、注意事项基于深度学习的婴儿啼哭识别项目详解一、项目背景婴儿啼哭声是婴儿沟通需求的重要信号，对于父母
  • 软件测试的基本理论与方法 无名之辈W 软件测试软件测试编程语言人工智能
    文章目录前言软件测试基础1.软件测试的概念2.软件测试的目的测试用例1.测试用例的概念2.测试用例的分类3.测试用例的治理4.测试用例的编制及使用5.测试需求软件生命周期1.问题的定义及规划2.需求分析3.软件设计4.程序编码5.软件测试6.运行维护7.生命周期模型测试方法1.α测试_Alpha测试2.β测试_Beta测试3.可移植性测试4.用户界面测试-UI测试5.冒烟测试6.随机测试7.白盒测
  • 2023 世界人工智能大会顺利召开，持续关注 AI+ 应用发展趋势 内心的声音 java后端架构
    12023世界人工智能大会顺利召开，持续关注AI+应用发展趋势2023年丐界人巟智能大会二7月6日至8日在上海丼办，主题为“智联丐界，生成未来”。本届大会聚焦大模型、智能算力和具身智能成立大模型测试验证不卋同创新中心，联吅収起大模型诧料数据联盟，吭劢大模型诧料数据生态创新吅作伙伴。本次大会吸引了1400多名嘉宾参加，展觅面积超过5万平米，丼办了133个讳坛。戔至8日下午三点，线下参观人数超过17.
  • Spring 5.x新特性 Real_man
    Spring5.0是在2013年发布Spring4后的第一个大版本，5.0M1在2016年7月28日发布。随着慢慢的推广，使用它的人数肯定也会越来越多，那么Spring5有哪些新的特性呢？一起来看下吧基本可以归为如下几类：JDK版本升级Core框架修订，核心容器更新Kotlin函数式编程响应式编程模型测试改进额外库支持停止维护一些特性JDK版本升级Spring5的代码基于Java8的语法规范，因此
  • 模型视图(01)：【纲】Model View Tutorial[官翻] hitzsf #Qt模型视图
    文章目录1、介绍1.1标准小部件1.2模型/视图的改善1.3模型/视图小部件概述1.4在表单和模型之间使用适配器2.一个简单的模型/视图应用程序2.1一个只读的表2.2使用角色扩展只读示例2.3表格单元格内的时钟2.4设置行、列表头2.5最小的编辑示例3.中间的话题3.1TreeView3.2处理选定项3.3预定义的模型3.4代理3.5通过模型测试进行调试4.额外信息的良好来源4.1Books4.
  • 永磁同步电机的磁场定向控制 jk_101 伺服系统Matlab嵌入式硬件伺服控制仿真
    目录概述通过系统仿真验证行为探索模型架构生成用于集成到嵌入式应用程序的控制器C代码指定控制器模型的参考行为创建PIL实现准备用于PIL测试的控制器模型测试生成的代码的行为和执行时间结论此示例说明从电机控制算法生成C代码并验证其编译行为和执行时间的基本工作流和关键API。使用处理器在环(PIL)仿真来确保C代码在集成到与电机硬件对接的嵌入式软件时按预期执行。虽然该工作流使用针对特定处理器的电机控制应
  • jquery实现的jsonp掉java后台 知了ing javajsonpjquery
    什么是JSONP？ 先说说JSONP是怎么产生的： 其实网上关于JSONP的讲解有很多，但却千篇一律，而且云里雾里，对于很多刚接触的人来讲理解起来有些困难，小可不才，试着用自己的方式来阐释一下这个问题，看看是否有帮助。 1、一个众所周知的问题，Ajax直接请求普通文件存在跨域无权限访问的问题，甭管你是静态页面、动态网页、web服务、WCF，只要是跨域请求，一律不准； 2、
  • Struts2学习笔记 caoyong struts2
    SSH : Spring + Struts2 + Hibernate 三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller) 分层原则:单向依赖，接口耦合 1、Struts2  =  Struts  + Webwork 2、搭建struts2开发环境    a>、到www.apac
  • SpringMVC学习之后台往前台传值方法 满城风雨近重阳 springMVC
    springMVC控制器往前台传值的方法有以下几种： 1.ModelAndView    通过往ModelAndView中存放viewName：目标地址和attribute参数来实现传参：      ModelAndView mv=new ModelAndView();  mv.setViewName="success
  • WebService存在的必要性？ 一炮送你回车库 webservice
    做Java的经常在选择Webservice框架上徘徊很久，Axis  Xfire Axis2 CXF ，他们只有一个功能，发布HTTP服务然后用XML做数据传输。 是的，他们就做了两个功能，发布一个http服务让客户端或者浏览器连接，接收xml参数并发送xml结果。 当在不同的平台间传输数据时，就需要一个都能解析的数据格式。 但是为什么要使用xml呢？不能使json或者其他通用数据
  • js年份下拉框 3213213333332132 java web ee
    <div id="divValue">test...</div>测试 //年份 <select id="year"></select> <script type="text/javascript"> window.onload =
  • 简单链式调用的实现技术 归来朝歌 方法调用链式反应编程思想
    在编程中，我们可以经常遇到这样一种场景：一个实例不断调用它自身的方法，像一条链条一样进行调用 这样的调用你可能在Ajax中，在页面中添加标签： $("<p>").append($("<span>").text(list[i].name)).appendTo("#result");   也可能在HQ
  • JAVA调用.net 发布的webservice 接口 darkranger webservice
    /** * @Title: callInvoke * @Description: TODO(调用接口公共方法) * @param @param url 地址 * @param @param method 方法 * @param @param pama 参数 * @param @return * @param @throws BusinessException
  • Javascript模糊查找 | 第一章 循环不能不重视。 aijuans Way
    最近受我的朋友委托用js+HTML做一个像手册一样的程序，里面要有可展开的大纲，模糊查找等功能。我这个人说实在的懒，本来是不愿意的，但想起了父亲以前教我要给朋友搞好关系，再加上这也可以巩固自己的js技术，于是就开始开发这个程序，没想到却出了点小问题，我做的查找只能绝对查找。具体的js代码如下： function search(){ var arr=new Array("my
  • 狼和羊，该怎么抉择 atongyeye 工作
    狼和羊，该怎么抉择 在做一个链家的小项目，只有我和另外一个同事两个人负责，各负责一部分接口，我的接口写完，并全部测联调试通过。所以工作就剩下一下细枝末节的，工作就轻松很多。每天会帮另一个同事测试一些功能点，协助他完成一些业务型不强的工作。 今天早上到公司没多久，领导就在QQ上给我发信息，让我多协助同事测试，让我积极主动些，有点责任心等等，我听了这话，心里面立马凉半截，首先一个领导轻易说
  • 读取android系统的联系人拨号 百合不是茶 androidsqlite数据库内容提供者系统服务的使用
           联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢   关键代码:     1, 使用javabean操作存储读取到的数据 package com.example.bean; /** * * @author Admini
  • ORACLE自定义异常 bijian1013 数据库自定义异常
    实例： CREATE OR REPLACE PROCEDURE test_Exception ( ParameterA IN varchar2, ParameterB IN varchar2, ErrorCode OUT varchar2 --返回值,错误编码 ) AS /*以下是一些变量的定义*/ V1 NUMBER; V2 nvarc
  • 查看端号使用情况 征客丶 windows
    一、查看端口 在windows命令行窗口下执行： >netstat -aon|findstr "8080" 显示结果： TCP     127.0.0.1:80         0.0.0.0:0    &
  • 【Spark二十】运行Spark Streaming的NetworkWordCount实例 bit1129 wordcount
    Spark Streaming简介   NetworkWordCount代码   /* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements. See the NOTICE file distributed with
  • Struts2 与 SpringMVC的比较 BlueSkator struts2spring mvc
    1. 机制：spring mvc的入口是servlet，而struts2是filter，这样就导致了二者的机制不同。 2. 性能：spring会稍微比struts快。spring mvc是基于方法的设计，而sturts是基于类，每次发一次请求都会实例一个action，每个action都会被注入属性，而spring基于方法，粒度更细，但要小心把握像在servlet控制数据一样。spring
  • Hibernate在更新时，是可以不用session的update方法的(转帖） BreakingBad Hibernateupdate
    地址：http://blog.csdn.net/plpblue/article/details/9304459 public void synDevNameWithItil() {Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
  • 读《研磨设计模式》-代码笔记-观察者模式 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.util.ArrayList; import java.util.List; import java.util.Observable; import java.util.Observer; /** * “观
  • 重置MySQL密码 chenhbc mysql重置密码忘记密码
    如果你也像我这么健忘，把MySQL的密码搞忘记了，经过下面几个步骤就可以重置了（以Windows为例，Linux/Unix类似）： 1、关闭MySQL服务 2、打开CMD，进入MySQL安装目录的bin目录下，以跳过权限检查的方式启动MySQL mysqld --skip-grant-tables  3、新开一个CMD窗口，进入MySQL mysql -uroot  
  • 再谈系统论，控制论和信息论 comsci 设计模式生物能源企业应用领域模型
                               再谈系统论，控制论和信息论     偶然看
  • oracle moving window size与 AWR retention period关系 daizj oracle
    转自： http://tomszrp.itpub.net/post/11835/494147 晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程. SQL> select * from v$version; BANNER -------------------
  • Python版B树 dieslrae python
    话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树... 首先是数据实体对象,很简单,只存放key,value class Entity(object): '''数据实体''' def __init__(self,key,value)
  • C语言冒泡排序 dcj3sjt126com 算法
    代码示例： # include <stdio.h> //冒泡排序 void sort(int * a, int len) { int i, j, t; for (i=0; i<len-1; i++) { for (j=0; j<len-1-i; j++) { if (a[j] > a[j+1]) // >表示升序
  • 自定义导航栏样式 dcj3sjt126com 自定义
    -(void)setupAppAppearance { [[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]]; [UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
  • 11.性能优化-优化-JVM参数总结 frank1234 jvm参数性能优化
    1.堆 -Xms --初始堆大小 -Xmx --最大堆大小 -Xmn --新生代大小 -Xss --线程栈大小 -XX:PermSize  --永久代初始大小 -XX:MaxPermSize  --永久代最大值 -XX:SurvivorRatio --新生代和suvivor比例,默认为8 -XX:TargetSurvivorRatio --survivor可使用
  • nginx日志分割 for linux HarborChung nginxlinux脚本
    nginx日志分割 for linux 默认情况下，nginx是不分割访问日志的，久而久之，网站的日志文件将会越来越大，占用空间不说，如果有问题要查看网站的日志的话，庞大的文件也将很难打开，于是便有了下面的脚本   使用方法，先将以下脚本保存为 cutlog.sh，放在/root 目录下，然后给予此脚本执行的权限   复制代码代码如下: chmo
  • Spring4新特性——泛型限定式依赖注入 jinnianshilongnian springspring4泛型式依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • centOS安装GCC和G++ liuxihope centosgcc
    Centos支持yum安装，安装软件一般格式为yum install .......，注意安装时要先成为root用户。 按照这个思路，我想安装过程如下： 安装gcc：yum install gcc 安装g++： yum install g++ 实际操作过程发现，只能有gcc安装成功，而g++安装失败，提示g++ command not found。上网查了一下，正确安装应该
  • 第13章 Ajax进阶（上） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • How to determine BusinessObjects service pack and fix pack blueoxygen BO
    http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/   The table below is helpful. Reference   BOE XI 3.x 12.0.0. y BOE XI 3.0 12.0. x. y BO
  • Oracle里的自增字段设置 tomcat_oracle oracle
    　大家都知道吧，这很坑，尤其是用惯了mysql里的自增字段设置，结果oracle里面没有的。oh，no 　　我用的是12c版本的，它有一个新特性，可以这样设置自增序列，在创建表是，把id设置为自增序列 create table t ( id 　　 　　 number generated by default as identity (start with 1 increment b
  • Spring Security（01）——初体验 yang_winnie springSecurity
    Spring Security（01）——初体验     博客分类： spring Security Spring Security入门安全认证        首先我们为Spring Security专门建立一个Spring的配置文件，该文件就专门用来作为Spring Security的配置
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他