- QLoRa使用教程
云帆@
训练peft人工智能
一、定义定义案例1二、实现定义QLoRa:量化+LoRa.网址:https://huggingface.co/docs/peft/main/en/developer_guides/quantization案例11.4bit量化+LoRaimporttorchfromtransformersimportBitsAndBytesConfigconfig=BitsAndBytesConfig(load_
- chatGLM-6B部署报错quantization_kernels_parallel.so‘ (or one of its dependencies). Try using the full pat
FL1623863129
环境配置深度学习
用python部署chatglm2时候报错:FileNotFoundError:Couldnotfindmodule'C:\Users\Administrator\.cache\huggingface\modules\transformers_modules\chatglm2-6b-int4\quantization_kernels_parallel.so'(oroneofitsdependenc
- pytorch_quantization/cuda_ext.cpython-310-x86_64-linux-gnu.so: undefined symbol: _ZN3c106detail1
szZack
人工智能深度学习多模态pytorch量化
pytorch_quantization/cuda_ext.cpython-310-x86_64-linux-gnu.so:undefinedsymbol:_ZN3c106detail1pytorch_quantization/cuda_ext.cpython-310-x86_64-linux-gnu.so:undefinedsymbol:_ZN3c106detail1报错现象解决方法pytorc
- 【6s965-fall2022】量化 Quantization Ⅱ
代码缝合怪
机器学习+深度学习pytorch深度学习算法边缘计算人工智能
什么是线性量化r=S(q−Z)r=S(q-Z)r=S(q−Z)式中,SSS是比例因子,通常是一个浮点数;qqq是rrr的量化后的表示,是一个整数;ZZZ也是一个整数,把qqq中和ZZZ相同的整数映射到rrr中零,因此ZZZ是零点偏移。如何确定参数让rmin,rmaxr_{min},r_{max}rmin,rmax为所有原始权重的最小值和最大值;让qmin,qmaxq_{min},q_{max}qm
- 【5G NR】【一文读懂系列】移动通讯中使用的信道编解码技术-卷积码原理
瑶光守护者
5G学习笔记网络
目录一、引言二、卷积编码的发展历史2.1卷积码的起源2.2主要发展阶段2.3重要里程碑三、卷积编码的基本概念3.1基本定义3.2编码器框图3.3编码多项式3.4网格图(Trellis)描述四、MATLAB示例一、引言卷积编码,作为数字通信领域中的一项关键技术,自其诞生以来便受到广泛关注。卷积编码是一种纠错编码方法,它通过引入冗余信息来提高数据传输的可靠性。本文旨在全面介绍卷积编码的基本概念、原理、
- AI模型压缩技术
SugarPPig
人工智能人工智能
模型压缩技术是指通过一系列方法和技巧,减小深度学习模型的大小和计算量,同时尽量保持模型的性能。这对于在资源受限的设备上部署模型、减少模型传输和存储成本以及提高模型推理速度都非常有用。以下是一些常见的模型压缩技术:参数剪枝(Pruning):通过删除模型中不重要的参数来减小模型的大小。剪枝方法可以基于参数的重要性进行选择,例如,通过设置阈值来删除小于该阈值的参数。量化(Quantization):将
- 论文解读--Impact of ADC clipping and quantization of phase-modulated 79GHz CMOS radar
奔袭的算法工程师
论文解读算法人工智能自动驾驶目标检测信号处理
ADC限幅和量化对相位调制79GHzCMOS雷达的影响摘要宽带调相连续波雷达具有吸引人的特性,但需要非常高速的模数转换器(ADC)。为了保持这些ADC的功耗可接受,它们的分辨率必须保持尽可能低。我们研究了典型的79GHz人员检测场景所需的ADC分辨率。该分析基于端到端的Matlab仿真链进行的仿真,考虑到波形特性、芯片实现、传播效果、目标和环境。我们得出结论,在考虑的场景中,4位ADC是足够的。这
- 改进yolov7网络(从轻量化方面的8个方法)
qhchao
YOLO网络计算机视觉
当谈到目标检测领域时,YOLOv7(YouOnlyLookOncev7)是一种非常流行的深度学习网络模型。虽然YOLOv7已经在精度和速度方面取得了显著的改进,但我们仍然可以从轻量化角度来进一步优化该模型。以下是8条关于如何从轻量化角度改进YOLOv7网络的建议:1.模型压缩:使用轻量化的模型压缩技术,如剪枝(pruning)和量化(quantization),来减小YOLOv7的模型大小。通过剪
- HAQ: Hardware-Aware Automated Quantization with Mixed Precision
JachinMa
本文的创新点为:作者认为,在不同的平台上,以及不同的layer上,合适的量化bit数都是不同的。但是如果想认为找到这个最优值是不可能的,于是作者使用强化学习的方法来找到最合理的量化bit数。本来芯片是不支持混合精度的计算的,但随着硬件的发展,支持混合机精度计算的芯片也出现了:比如苹果的A12,NVIDIA的图灵GPU框架等,从而使得这种思路得以实现。它的优点是完全自动化,不需要专家知识和启发式规则
- 关于MediaCode播放H265/hevc的总结
朝阳眯眼
androidh265/HEVCmediacode
H.265HighProfile可实现低于1.5Mbps的传输带宽下,实现1080p全高清视频传输。H.265/HEVC的编码架构大致上和H.264/AVC的架构相似,主要也包含,帧内预测(intraprediction)、帧间预测(interprediction)、转换(transform)、量化(quantization)、去区块滤波器(deblockingfilter)、熵编码(entrop
- cannot import name ‘AbsmaxQuantizer‘ from ‘paddle.fluid.contrib.slim.quantization‘ (/opt/conda/envs/
愚昧之山绝望之谷开悟之坡
各种报错PaddlePaddlepython
paddleslim最新版2.2.0报错,降级为2.1.1版本即可。开发过程用什么版本,后续就一点要保持版本一致,避免不兼容,增加多余麻烦。
- [BUG] cannot import name ‘quantize_qat‘ from ‘onnxruntime.quantization‘
犟小孩
BUGbug前端javascript
前言进行onnx模型量化出现了这个错误解决:卸载重装onnx和onnxruntime,会自动安装最新,由于版本更新取消了quantize_qat函数改为以下代码:fromonnxruntime.quantizationimportquantize_dynamic,QuantType,quantize_staticmodel_fp32='yolov5s.onnx'model_quant='yolov
- RuntimeError: floor_vml_cpu not implemented for ‘Int‘
qq_43650421
python深度学习开发语言pytorch
在运行程序MinkowskiEngine时,遇到一个问题:File"/home/yons/anaconda3/envs/GSNet/lib/python3.7/site-packages/MinkowskiEngine-0.5.4-py3.7-linux-x86_64.egg/MinkowskiEngine/utils/quantization.py",line133,in_auto_floorr
- TensorRT模型优化部署 (八)--模型剪枝Pruning
小豆包的小朋友0217
TensorRT模型优化部署剪枝算法机器学习
系列文章目录第一章TensorRT优化部署(一)–TensorRT和ONNX基础第二章TensorRT优化部署(二)–剖析ONNX架构第三章TensorRT优化部署(三)–ONNX注册算子第四章TensorRT模型优化部署(四)–Rooflinemodel第五章TensorRT模型优化部署(五)–模型优化部署重点注意第六章TensorRT模型优化部署(六)–Quantization量化基础(一)第
- Transformers 中原生支持的量化方案概述
小然爱看
LLM人工智能
转载自:https://huggingface.co/blog/zh/overview-quantization-transformers文章目录资源bitsandbytes与auto-gptq之比较bitsandbytes有什么好处?autoGPTQ有什么好处?bitsandbytes还有哪些潜在的改进空间?autoGPTQ还有哪些潜在的改进空间?深入研究速度基准推理速度(仅前向)生成速度use
- 用 Ollama 轻松玩转本地大模型
m0_54050778
python
优雅不易根据经验,16位浮点精度(FP16)的模型,推理所需显存(以GB为单位)约为模型参数量(以10亿为单位)的两倍。据此,Llama27B(70亿)对应需要约14GB显存以进行推理,这显然超出了普通家用计算机的硬件规格。作为参考,一块GeForceRTX4060Ti16GB显卡市场价超过3000元。模型量化(quantization)技术可以很大程度上降低显存要求。以4-bit量化为例,其将原
- TensorRT模型优化模型部署(七)--Quantization量化(PTQ and QAT)(二)
小豆包的小朋友0217
TensorRT模型优化部署人工智能深度学习
系列文章目录第一章TensorRT优化部署(一)–TensorRT和ONNX基础第二章TensorRT优化部署(二)–剖析ONNX架构第三章TensorRT优化部署(三)–ONNX注册算子第四章TensorRT模型优化部署(四)–Rooflinemodel第五章TensorRT模型优化部署(五)–模型优化部署重点注意第六章TensorRT模型优化部署(六)–Quantization量化基础(一)第
- TensorRT模型优化部署(四)--Roofline model
小豆包的小朋友0217
TensorRT模型优化部署linuxpython
系列文章目录第一章TensorRT优化部署(一)–TensorRT和ONNX基础第二章TensorRT优化部署(二)–剖析ONNX架构第三章TensorRT优化部署(三)–ONNX注册算子第四章TensorRT模型优化部署(四)–Rooflinemodel第五章TensorRT模型优化部署(五)–模型优化部署重点注意第六章TensorRT模型优化部署(六)–Quantization量化基础(一)第
- 第六章 TensorRT模型优化部署(六)--Quantization量化基础(一)
小豆包的小朋友0217
TensorRT模型优化部署linuxpython
系列文章目录第一章TensorRT优化部署(一)–TensorRT和ONNX基础第二章TensorRT优化部署(二)–剖析ONNX架构第三章TensorRT优化部署(三)–ONNX注册算子第四章TensorRT模型优化部署(四)–Rooflinemodel第五章TensorRT模型优化部署(五)–模型优化部署重点注意第六章TensorRT模型优化部署(六)–Quantization量化基础(一)第
- NLP(十八):LLM 的推理优化技术纵览
javastart
aigc大模型自然语言处理人工智能AIGCchatgptllama
原文:NLP(十八):LLM的推理优化技术纵览-知乎目录收起一、子图融合(subgraphfusion)1.1FasterTransformerbyNVIDIA1.2DeepSpeedInferencebyMicrosoft1.3MLCLLMbyTVM二、模型压缩(ModelCompression)2.1稀疏(Sparsity)2.2量化(Quantization)2.3蒸馏(Distillati
- TensorRT优化部署(一)--TensorRT和ONNX基础
小豆包的小朋友0217
TensorRT模型优化部署pythonlinux
TensorRT部署优化第一章TensorRT优化部署(一)–TensorRT和ONNX基础第二章TensorRT优化部署(二)–剖析ONNX架构第三章TensorRT优化部署(三)------ONNX注册算子文章目录TensorRT部署优化前言一、模型部署目的二、TensorRT的模块2.1Layerfusion(层融合)2.2Kernelauto-tuning2.3Quantization三、
- 模型量化 | Pytorch的模型量化基础
夏天|여름이다
-实用篇-pytorch人工智能python
官方网站:Quantization—PyTorch2.1documentationPracticalQuantizationinPyTorch|PyTorch量化简介量化是指执行计算和存储的技术位宽低于浮点精度的张量。量化模型在张量上执行部分或全部操作,精度降低,而不是全精度(浮点)值。这允许更紧凑的模型表示和在许多硬件平台上使用高性能矢量化操作。与典型的FP32模型相比,PyTorch支持INT
- 【论文解读】CNN-Based Fast HEVC Quantization Parameter Mode Decision
DogDaoDao
论文解读神经网络视频编解码HEVCCNN量化编码HM实时音视频
时间:2019年级别:SCI机构:南京信息工程大学摘要随着多媒体呈现技术、图像采集技术和互联网行业的发展,远程通信的方式已经从以前的书信、音频转变为现在的音频/视频。和视频在工作、学习和娱乐中的比例不断提高,高清视频越来越受到人们的重视。由于网络环境和存储容量的限制,原始视频必须进行编码才能高效地传输和存储。高效视频编码(HEVC)需要大量的编码时间递归遍历自适应量化过程中编码单元所有可能的量化参
- 【读点论文】A Survey of Quantization Methods for Efficient Neural Network Inference
羞儿
论文笔记模型压缩模型轻量化深度学习
ASurveyofQuantizationMethodsforEfficientNeuralNetworkInferenceAbstract一旦抽象的数学计算适应了数字计算机的计算,在这些计算中如何有效地表示、处理和传递数值的问题就出现了。与数字表示问题密切相关的是量化问题:一组连续的实值数应该以何种方式分布在一组固定的离散数字上,以最小化所需的位数,并最大化随之而来的计算的准确性?每当内存和/或
- Overflow Aware Quantization
宇来风满楼
加速算法深度学习人工智能机器学习神经网络
OverflowAwareQuantizationFrameworkNo_oo是amountofarithmeticoverflow辅助信息作者未提供代码
- pytorch 模型量化quantization
L1_Zhang
AI部署实战pytorch量化QATPTQ
pytorch模型量化quantization1.workflow1.1PTQ1.2QAT2.demo2.1构建resnet101_quantization模型2.2PTQ2.3QAT参考文献pytorch框架提供了三种量化方法,包括:DynamicQuantizationPost-TrainingStaticQuantization(PTQ)QuantizationAwareTraining(Q
- Q-BERT: Hessian Based Ultra Low Precision Quantization of BERT---Q-BERT:基于Hessian的超低精度BERT量化
土豆娃potato
模型量化论文量化论文
论文标题:Q-BERT:HessianBasedUltraLowPrecisionQuantizationofBERT---Q-BERT:基于Hessian的超低精度BERT量化Abstract1RelatedWorkModelcompression模型压缩CompressedNLPmodel2Methodology2.1Quantizationprocess2.2Mixedprecisionqu
- 学习向量量化 Learning Vector Quantization | LVQ
JasonH2021
机器学习算法机器学习聚类人工智能学习向量量化LVQ
目录前言一、学习向量量化是什么?二、学习向量量化的优点和缺点三、学习向量量化的应用场景四、构建学习向量量化模型的注意事项五、学习向量量化模型的实现类库六、学习向量量化模型的评价指标七、类库scikit-learn实现学习向量量化的例子八、学习向量量化的模型参数总结前言学习向量量化是机器学习中无监督学习的一种聚类算法。一、学习向量量化是什么?学习向量量化(LearningVectorQuantiza
- CVPR 2023 精选论文学习笔记:Post-Training Quantization on Diffusion Models
结构化文摘
学习笔记人工智能计算机视觉深度学习机器学习目标检测
基于MECE原则,我们给出以下四种分类依据:1.模型类型生成模型用于生成与其训练数据相似的新数据。它们通常用于图像生成、文本生成和音乐生成等任务。语言模型用于理解和生成人类语言。它们通常用于机器翻译、聊天机器人和文本摘要等任务。其他模型用于各种任务,例如图像分类、目标检测和自然语言处理。2.量化类型
- 对捕获的视频数据进行H264编码
HelloBinary
H264编码是什么?H264编码其实就是一种视频压缩标准在更低的比特率的情况下依然能够提供良好视频质量的标准。特点:1)网络亲和性,即可适用于各种传输网络2)高的视频压缩比,当初提出的指标是比H.263,MPEG-4,约为它们的2倍,现在都已基实现;H.264其编解码流程帧间和帧内预测(Estimation)变换(Transform)和反变换量化(Quantization)和反量化环路滤波(Loo
- windows下源码安装golang
616050468
golang安装golang环境windows
系统: 64位win7, 开发环境:sublime text 2, go版本: 1.4.1
1. 安装前准备(gcc, gdb, git)
golang在64位系
- redis批量删除带空格的key
bylijinnan
redis
redis批量删除的通常做法:
redis-cli keys "blacklist*" | xargs redis-cli del
上面的命令在key的前后没有空格时是可以的,但有空格就不行了:
$redis-cli keys "blacklist*"
1) "blacklist:12:
[email protected]
- oracle正则表达式的用法
0624chenhong
oracle正则表达式
方括号表达示
方括号表达式
描述
[[:alnum:]]
字母和数字混合的字符
[[:alpha:]]
字母字符
[[:cntrl:]]
控制字符
[[:digit:]]
数字字符
[[:graph:]]
图像字符
[[:lower:]]
小写字母字符
[[:print:]]
打印字符
[[:punct:]]
标点符号字符
[[:space:]]
- 2048源码(核心算法有,缺少几个anctionbar,以后补上)
不懂事的小屁孩
2048
2048游戏基本上有四部分组成,
1:主activity,包含游戏块的16个方格,上面统计分数的模块
2:底下的gridview,监听上下左右的滑动,进行事件处理,
3:每一个卡片,里面的内容很简单,只有一个text,记录显示的数字
4:Actionbar,是游戏用重新开始,设置等功能(这个在底下可以下载的代码里面还没有实现)
写代码的流程
1:设计游戏的布局,基本是两块,上面是分
- jquery内部链式调用机理
换个号韩国红果果
JavaScriptjquery
只需要在调用该对象合适(比如下列的setStyles)的方法后让该方法返回该对象(通过this 因为一旦一个函数称为一个对象方法的话那么在这个方法内部this(结合下面的setStyles)指向这个对象)
function create(type){
var element=document.createElement(type);
//this=element;
- 你订酒店时的每一次点击 背后都是NoSQL和云计算
蓝儿唯美
NoSQL
全球最大的在线旅游公司Expedia旗下的酒店预订公司,它运营着89个网站,跨越68个国家,三年前开始实验公有云,以求让客户在预订网站上查询假期酒店时得到更快的信息获取体验。
云端本身是用于驱动网站的部分小功能的,如搜索框的自动推荐功能,还能保证处理Hotels.com服务的季节性需求高峰整体储能。
Hotels.com的首席技术官Thierry Bedos上个月在伦敦参加“2015 Clou
- java笔记1
a-john
java
1,面向对象程序设计(Object-oriented Propramming,OOP):java就是一种面向对象程序设计。
2,对象:我们将问题空间中的元素及其在解空间中的表示称为“对象”。简单来说,对象是某个类型的实例。比如狗是一个类型,哈士奇可以是狗的一个实例,也就是对象。
3,面向对象程序设计方式的特性:
3.1 万物皆为对象。
- C语言 sizeof和strlen之间的那些事 C/C++软件开发求职面试题 必备考点(一)
aijuans
C/C++求职面试必备考点
找工作在即,以后决定每天至少写一个知识点,主要是记录,逼迫自己动手、总结加深印象。当然如果能有一言半语让他人收益,后学幸运之至也。如有错误,还希望大家帮忙指出来。感激不尽。
后学保证每个写出来的结果都是自己在电脑上亲自跑过的,咱人笨,以前学的也半吊子。很多时候只能靠运行出来的结果再反过来
- 程序员写代码时就不要管需求了吗?
asia007
程序员不能一味跟需求走
编程也有2年了,刚开始不懂的什么都跟需求走,需求是怎样就用代码实现就行,也不管这个需求是否合理,是否为较好的用户体验。当然刚开始编程都会这样,但是如果有了2年以上的工作经验的程序员只知道一味写代码,而不在写的过程中思考一下这个需求是否合理,那么,我想这个程序员就只能一辈写敲敲代码了。
我的技术不是很好,但是就不代
- Activity的四种启动模式
百合不是茶
android栈模式启动Activity的标准模式启动栈顶模式启动单例模式启动
android界面的操作就是很多个activity之间的切换,启动模式决定启动的activity的生命周期 ;
启动模式xml中配置
<activity android:name=".MainActivity" android:launchMode="standard&quo
- Spring中@Autowired标签与@Resource标签的区别
bijian1013
javaspring@Resource@Autowired@Qualifier
Spring不但支持自己定义的@Autowired注解,还支持由JSR-250规范定义的几个注解,如:@Resource、 @PostConstruct及@PreDestroy。
1. @Autowired @Autowired是Spring 提供的,需导入 Package:org.springframewo
- Changes Between SOAP 1.1 and SOAP 1.2
sunjing
ChangesEnableSOAP 1.1SOAP 1.2
JAX-WS
SOAP Version 1.2 Part 0: Primer (Second Edition)
SOAP Version 1.2 Part 1: Messaging Framework (Second Edition)
SOAP Version 1.2 Part 2: Adjuncts (Second Edition)
Which style of WSDL
- 【Hadoop二】Hadoop常用命令
bit1129
hadoop
以Hadoop运行Hadoop自带的wordcount为例,
hadoop脚本位于/home/hadoop/hadoop-2.5.2/bin/hadoop,需要说明的是,这些命令的使用必须在Hadoop已经运行的情况下才能执行
Hadoop HDFS相关命令
hadoop fs -ls
列出HDFS文件系统的第一级文件和第一级
- java异常处理(初级)
白糖_
javaDAOspring虚拟机Ajax
从学习到现在从事java开发一年多了,个人觉得对java只了解皮毛,很多东西都是用到再去慢慢学习,编程真的是一项艺术,要完成一段好的代码,需要懂得很多。
最近项目经理让我负责一个组件开发,框架都由自己搭建,最让我头疼的是异常处理,我看了一些网上的源码,发现他们对异常的处理不是很重视,研究了很久都没有找到很好的解决方案。后来有幸看到一个200W美元的项目部分源码,通过他们对异常处理的解决方案,我终
- 记录整理-工作问题
braveCS
工作
1)那位同学还是CSV文件默认Excel打开看不到全部结果。以为是没写进去。同学甲说文件应该不分大小。后来log一下原来是有写进去。只是Excel有行数限制。那位同学进步好快啊。
2)今天同学说写文件的时候提示jvm的内存溢出。我马上反应说那就改一下jvm的内存大小。同学说改用分批处理了。果然想问题还是有局限性。改jvm内存大小只能暂时地解决问题,以后要是写更大的文件还是得改内存。想问题要长远啊
- org.apache.tools.zip实现文件的压缩和解压,支持中文
bylijinnan
apache
刚开始用java.util.Zip,发现不支持中文(网上有修改的方法,但比较麻烦)
后改用org.apache.tools.zip
org.apache.tools.zip的使用网上有更简单的例子
下面的程序根据实际需求,实现了压缩指定目录下指定文件的方法
import java.io.BufferedReader;
import java.io.BufferedWrit
- 读书笔记-4
chengxuyuancsdn
读书笔记
1、JSTL 核心标签库标签
2、避免SQL注入
3、字符串逆转方法
4、字符串比较compareTo
5、字符串替换replace
6、分拆字符串
1、JSTL 核心标签库标签共有13个,
学习资料:http://www.cnblogs.com/lihuiyy/archive/2012/02/24/2366806.html
功能上分为4类:
(1)表达式控制标签:out
- [物理与电子]半导体教材的一个小问题
comsci
问题
各种模拟电子和数字电子教材中都有这个词汇-空穴
书中对这个词汇的解释是; 当电子脱离共价键的束缚成为自由电子之后,共价键中就留下一个空位,这个空位叫做空穴
我现在回过头翻大学时候的教材,觉得这个
- Flashback Database --闪回数据库
daizj
oracle闪回数据库
Flashback 技术是以Undo segment中的内容为基础的, 因此受限于UNDO_RETENTON参数。要使用flashback 的特性,必须启用自动撤销管理表空间。
在Oracle 10g中, Flash back家族分为以下成员: Flashback Database, Flashback Drop,Flashback Query(分Flashback Query,Flashbac
- 简单排序:插入排序
dieslrae
插入排序
public void insertSort(int[] array){
int temp;
for(int i=1;i<array.length;i++){
temp = array[i];
for(int k=i-1;k>=0;k--)
- C语言学习六指针小示例、一维数组名含义,定义一个函数输出数组的内容
dcj3sjt126com
c
# include <stdio.h>
int main(void)
{
int * p; //等价于 int *p 也等价于 int* p;
int i = 5;
char ch = 'A';
//p = 5; //error
//p = &ch; //error
//p = ch; //error
p = &i; //
- centos下php redis扩展的安装配置3种方法
dcj3sjt126com
redis
方法一
1.下载php redis扩展包 代码如下 复制代码
#wget http://redis.googlecode.com/files/redis-2.4.4.tar.gz
2 tar -zxvf 解压压缩包,cd /扩展包 (进入扩展包然后 运行phpize 一下是我环境中phpize的目录,/usr/local/php/bin/phpize (一定要
- 线程池(Executors)
shuizhaosi888
线程池
在java类库中,任务执行的主要抽象不是Thread,而是Executor,将任务的提交过程和执行过程解耦
public interface Executor {
void execute(Runnable command);
}
public class RunMain implements Executor{
@Override
pub
- openstack 快速安装笔记
haoningabc
openstack
前提是要配置好yum源
版本icehouse,操作系统redhat6.5
最简化安装,不要cinder和swift
三个节点
172 control节点keystone glance horizon
173 compute节点nova
173 network节点neutron
control
/etc/sysctl.conf
net.ipv4.ip_forward =
- 从c面向对象的实现理解c++的对象(二)
jimmee
C++面向对象虚函数
1. 类就可以看作一个struct,类的方法,可以理解为通过函数指针的方式实现的,类对象分配内存时,只分配成员变量的,函数指针并不需要分配额外的内存保存地址。
2. c++中类的构造函数,就是进行内存分配(malloc),调用构造函数
3. c++中类的析构函数,就时回收内存(free)
4. c++是基于栈和全局数据分配内存的,如果是一个方法内创建的对象,就直接在栈上分配内存了。
专门在
- 如何让那个一个div可以拖动
lingfeng520240
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/1999/xhtml
- 第10章 高级事件(中)
onestopweb
事件
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/
- 计算两个经纬度之间的距离
roadrunners
计算纬度LBS经度距离
要解决这个问题的时候,到网上查了很多方案,最后计算出来的都与百度计算出来的有出入。下面这个公式计算出来的距离和百度计算出来的距离是一致的。
/**
*
* @param longitudeA
* 经度A点
* @param latitudeA
* 纬度A点
* @param longitudeB
*
- 最具争议的10个Java话题
tomcat_oracle
java
1、Java8已经到来。什么!? Java8 支持lambda。哇哦,RIP Scala! 随着Java8 的发布,出现很多关于新发布的Java8是否有潜力干掉Scala的争论,最终的结论是远远没有那么简单。Java8可能已经在Scala的lambda的包围中突围,但Java并非是函数式编程王位的真正觊觎者。
2、Java 9 即将到来
Oracle早在8月份就发布
- zoj 3826 Hierarchical Notation(模拟)
阿尔萨斯
rar
题目链接:zoj 3826 Hierarchical Notation
题目大意:给定一些结构体,结构体有value值和key值,Q次询问,输出每个key值对应的value值。
解题思路:思路很简单,写个类词法的递归函数,每次将key值映射成一个hash值,用map映射每个key的value起始终止位置,预处理完了查询就很简单了。 这题是最后10分钟出的,因为没有考虑value为{}的情