- 【AI大模型应用开发】【RAG评估】综述:一文了解RAG评估方法、工具与指标
Langchain
人工智能语言模型llamaAI编程
0.RAG效果评估的必要性评估出RAG对大模型能力改善的程度RAG优化过程,通过评估可以知道改善的方向和参数调整的程度1.RAG评估方法1.1人工评估最Low的方式是进行人工评估:邀请专家或人工评估员对RAG生成的结果进行评估。他们可以根据预先定义的标准对生成的答案进行质量评估,如准确性、连贯性、相关性等。这种评估方法可以提供高质量的反馈,但可能会消耗大量的时间和人力资源。1.2自动化评估自动化评
- RAG技术综合评测:python从零实现
AI仙人掌
RAGpythonjupyter开发语言人工智能AI深度学习RAG
检索增强生成(RAG)是一种结合信息检索与生成模型的混合方法。它通过引入外部知识来提升语言模型的性能,从而提高回答的准确性和事实正确性。为了简单易学,本系列不使用现有框架及向量数据库,而是利用python基本库编写所有技术代码。由简入深!语义分块、混合检索、想问题重写、循环反馈、自适应、HyDE等!本篇是综合篇,在这个专栏对每种详细技术抛弃现有框架仅利用python基本库实现,加深理解!欢迎订阅,
- 第8课 python数据结构基础:学习字典(dict)和集合(set)
结伴同行~
数据结构学习python
以下是关于字典(dict)和集合(set)的详细介绍,并结合案例来帮助你更好地理解它们的用法和特点:一、字典(dict)1.概念字典是Python中的一种可变容器模型,它用于存储键值对(key-value)形式的数据,其中键(key)必须是唯一且不可变的数据类型(如字符串、数字、元组等),值(value)可以是任意类型的数据。字典就像是一个索引卡片盒,每个卡片(键)对应着特定的信息(值),通过键可
- Dify平台提示词使用指南
knightissocool
自然语言处理语言模型
在Dify平台中,提示词(Prompt)是定义对话助手行为的关键工具,通过合理的提示词设计,可以引导大模型生成符合场景需求的回复。以下是Dify提示词的使用方法及具体示例:一、提示词基础结构角色定义与指令约束在提示词中需明确AI的角色和任务要求。例如,定义AI为“乐于助人的助手”,并规定回复逻辑:你是一位乐于助人的AI助手。在回答用户问题时,你需要:1.始终使用自然语言解释你将要采取的行动;2.在
- 大语言模型在生成文章摘要、新闻标题领域的应用
knightissocool
自然语言处理语言模型
大语言模型(LLM)在文章摘要和新闻标题生成领域已形成多个成熟应用,这些应用通过提升效率、优化质量和适应复杂场景,显著改变了内容处理的方式。以下是具体应用场景及技术特点的总结:一、文章摘要的成熟应用自动生成结构化摘要大语言模型能够识别长文本的引言、主体和结论等结构,并提取关键信息生成简洁摘要。例如,基于Transformer的模型(如BERT、GPT)通过注意力机制捕捉长距离依赖关系,显著提升了摘
- LLM在文章摘要和新闻标题生成领域的应用案例
knightissocool
自然语言处理语言模型
以下是大语言模型(LLM)在文章摘要和新闻标题生成领域的几个成熟应用案例,结合具体数据和实践背景进行分析:一、亚马逊文本摘要系统应用场景:整合于Kindle电子书阅读器和AWS云服务中,支持多类型文本的自动化摘要生成。技术特点:多类型适配:可处理新闻、产品评论、技术文档等不同文本类型,生成不同长度和详细程度的摘要。效率提升:通过预训练模型的语义理解能力,显著缩短用户从海量信息中提取关键内容的时间。
- LLM在文章摘要生成领域应用的模型和能力
knightissocool
自然语言处理语言模型
以下是大语言模型在文章摘要和新闻标题生成领域成熟应用中所利用的主要模型及其核心能力分析,结合具体案例与技术特性:一、主流大模型及其能力OpenAI的GPT系列(如GPT-3、GPT-4)核心能力:动态生成与优化:通过调整提示词(如“生动但中性”),生成多样化的标题变体或摘要风格,适应不同场景需求。引文敏感处理:结合多步提示工程(如先提取引文再生成摘要),显著提升引文保留准确率(如德国媒体IPPEN
- Matlab建模脚本工具之——批量改颜色
gaoxuexidan0307
Matlab脚本小工具matlab
一、前言当模型完成之后,若模型较大层级较多时,想统一建模颜色风格,就可以制作一个m脚本工具来批量改色。二、脚本制作1、新建一个GUI界面创建一个GUI界面,思考需要多选项的内容,如下:1)改色的对象有哪些类型子系统、接口、标定量、常量、信号线等设置为可选2)改色的模型层级检索模型的深度设置为可选3)改色的颜色颜色设置为可选那么界面可以设计为如下:至于其中的多选项,双击后,在String中列举。将R
- 大模型系列——MarkItDown深入研究各种文件都可转成Markdown
猫猫姐
大模型人工智能大模型
大模型系列——MarkItDown深入研究各种文件都可转成MarkdownMarkItDown是Microsoft开发的Python包,旨在将各种文件格式转换为Markdown。MarkItDown是Microsoft开发的Python包,旨在将各种文件格式转换为Markdown。自首次亮相以来,该库的人气飙升,在短短两周内就获得了超过25,000个GitHub星!1、是什么让MarkItDown
- 基于dify平台批量分析excel格式信息
knightissocool
自然语言处理语言模型
如何以表格形式批量输入一些信息,然后让大模型以对话应用形式逐条进行推理分析?这里提供一个分步解决方案,结合Dify平台功能和API调用优化的思路,既保证效率又降低复杂度:1.优先检查Dify的「数据集」功能Dify支持通过「数据集」功能批量上传结构化数据(如CSV/Excel),并自动分块存储。操作步骤:进入Dify控制台,创建数据集并上传表格文件。在「对话应用」中选择该数据集作为知识库。配置提示
- ResNet18与VGG11模型对比分析
mosquito_lover1
深度学习人工智能python神经网络
ResNet18和VGG11是两种经典的卷积神经网络(CNN)架构,它们在设计理念、性能和应用场景上有显著差异。以下是它们的详细对比:1.网络结构与设计理念VGG11核心思想:通过堆叠多个**小卷积核(3×3)**构建深层网络,强调深度对性能的提升。结构特点:11层(8个卷积层+3个全连接层)。每层卷积使用固定3×3卷积核,通过堆叠小卷积模拟大感受野(如两个3×3卷积等效于一个5×5卷积)。池化层
- 数据开发 - 中科智泓 - 一面面经(已OC)
糖醋_诗酒
实习-面经大数据
有转正机会面试流程:自我介绍第一个项目中的成员分工数据规模是多少数据模型是怎样考虑的项目中有没有遇到过什么问题,是如何解决的当时考虑接外部软件是吧,为什么没有考虑在数据可视化部分自己做一些定制化的开发第二个项目是部署上线的,可使用的项目是吧SQL中做行列转换如何操作如何找到脏数据中十条重复数据并删除如果直接筛,可能导致被锁住,有其他办法么SQL中几种删除方式的区别索引有了解吗,有哪些索引的类型什么
- 阿里云国际站代理商:如何通过并行文件系统提升IO性能?
聚搜云—服务器分享
阿里云云计算
1.元数据管理优化设计高效的元数据管理模块,如基于键值存储的模块,以提升元数据的IOPS(每秒输入输出操作次数),减少元数据访问延迟。2.并行I/O处理模型优化采用异步I/O和多线程技术,提高I/O处理的并发度,使多个进程或线程能够同时进行I/O操作,充分利用系统的I/O能力。3.网络通信优化采用多轨通信机制,增加网络通信带宽,减少数据传输瓶颈,确保数据能够快速地在节点之间传输。4.数据条带化将文
- 使用 EasyExcel 实现高效的 Excel 读写操作
小DuDu
javaspringbootspring
在日常开发中,Excel文件的读写操作是一个常见的需求。EasyExcel是阿里巴巴开源的一个高性能、易用的Excel读写库,可以大幅提高处理Excel文件的效率。它通过事件驱动模型优化了大数据量Excel的读写性能,非常适合处理大文件或高并发场景。本篇博客将从EasyExcel的基本概念、优势、安装、读写操作以及高级用法展开,并提供清晰的代码示例。一、EasyExcel的核心特点高性能:基于流式
- python 特征工程
鱼跃龙门Smile
python机器学习人工智能
目录1.什么是特征工程2.基本预处理:缺失值处理2.1缺失值的处理2.2小练习2数值型特征2.1对数变换2.2幅度缩放2.3统计数值:描述统计分析2.4高次特征与交叉特征2.4.1高次特征3.字符型特征3.1哑变量3.2标签编码1.什么是特征工程特征是用于描述数据中的各种属性、变量或维度的信息,它们是模型用来做出预测或分类的输入。特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上
- 如何进一步提升Deepseek的多模态能力?
alankuo
人工智能
以下是一些可以进一步提升Deepseek多模态能力的方法:数据方面增加数据多样性:收集更多不同类型、领域和场景的多模态数据,如图像、语音、视频、文本等。例如,在图像数据中,涵盖各种不同的拍摄角度、光照条件、物体类别等;在语音数据中,包含不同的口音、语速、语言风格等,使模型能够学习到更丰富的模态信息和跨模态关系。提高数据质量:对数据进行严格的清洗和标注,确保数据的准确性和一致性。对于图像,保证标注的
- Ground Truth(真实标注数据):机器学习中的“真相”基准
烟锁池塘柳0
机器学习与深度学习机器学习人工智能深度学习
GroundTruth:机器学习中的“真相”基准文章目录GroundTruth:机器学习中的“真相”基准引言什么是GroundTruth?GroundTruth的重要性1.模型训练的基础2.模型评估的标准3.模型改进的指导获取GroundTruth的方法1.人工标注2.众包标注3.自动生成4.半自动标注GroundTruth的质量挑战1.标注一致性问题2.标注成本高3.主观性问题4.数据偏见问题G
- 80端口深度解析:从协议原理到工程实践
网安秘谈
后端网络协议
一、端口机制与HTTP协议栈1.1TCP/IP模型中的端口定位在TCP/IP四层模型中,端口属于传输层的核心概念。每个端口对应一个16位无符号整数(0-65535),其中0-1023为知名端口(Well-KnownPorts)。80端口作为HTTP协议默认端口,在RFC2616中明确规定其标准用途。1.2协议栈交互流程典型HTTP请求在协议栈中的封装过程:plaintextApplicationL
- .NET三层架构详解
烟锁池塘柳0
后端与技术栈.net架构
.NET三层架构详解文章目录.NET三层架构详解引言什么是三层架构表示层(PresentationLayer)业务逻辑层(BusinessLogicLayer,BLL)数据访问层(DataAccessLayer,DAL).NET三层架构的优势:“高内聚,低耦合”实现.NET三层架构项目结构代码示例实体模型(Models)数据访问层(DAL)业务逻辑层(BLL)表示层(ASP.NETMVC控制器)依
- DeepSeek集成IT技术开发方向全景解读:重构智能开发新范式
量子纠缠BUG
DeepSeek部署DeepSeekAI重构人工智能机器学习
一、技术架构革命:支撑IT开发集成的三大引擎1.动态MoE架构(DeepSeekMoE-32B)通过混合专家系统实现精准任务路由,在软件开发场景中展现出显著优势:代码生成场景:激活Java/Python/C++等语言专家模块,单元测试覆盖率提升至85%硬件资源优化:FP16量化下推理显存需求低至12GB,支持边缘设备部署2.多模态融合引擎突破传统NLP模型局限,实现代码-文档-时序数据的联合理解:
- 开源模型应用落地-语音转文本-whisper模型-AIGC应用探索(四)
开源技术探险家
开源模型-实际应用落地whisper深度学习AIGC
一、前言语音转文本技术具有重要价值。它能提高信息记录和处理的效率,使人们可以快速将语音内容转换为可编辑、可存储的文本形式,方便后续查阅和分析。在教育领域,可帮助学生更好地记录课堂重点;在办公场景中,能简化会议记录工作。同时,该技术也为残障人士提供了便利,让他们能更方便地与外界交流。此外,对于媒体行业、客服行业等都有着广泛的应用,极大地提升了工作流程和服务质量。这篇文章将介绍OpenAI最新开源的W
- 浅谈大模型RAG架构落地的十大挑战
冻感糕人~
人工智能ai大模型语言大模型人工智能大模型PAGAGI计算机技术
0、RAG简介RAG(RetrievalAugmentedGeneration)结合知识库检索与大模型回答,确保信息可靠且精准,同时节省了微调成本。RAG流程简要概括为3步,对应其名:检索:借助Embedding,将问题转化为向量,比对知识库,选取最相关的TopK知识。1、增强:结合检索出的上下文和问题,构造Prompt。2、生成:将Prompt输入大模型,产出答案。3、从工程视角划分,RAG实施
- DeepSeek最新成果-NSA(Native Sparse Attention)
X.Cristiano
NSADeepSeek-R1深度学习
论文地址:NativeSparseAttention:Hardware-AlignedandNativelyTrainableSparseAttention论文翻译:原生稀疏注意力机制(NSA):硬件对齐且可原生训练的稀疏注意力机制-论文阅读论文的背景与动机近年来,我们见证了长文本建模在AI领域的重要性日益凸显。无论是深度推理、代码库生成、还是多轮对话,都离不开模型对长序列信息的有效处理能力。像O
- .NET开源的智能体相关项目推荐
AI.NET 极客圈
.net
一、AntSK由AIDotNet团队开发的人工智能知识库与智能体框架,支持多模型集成和离线部署能力。核心能力:•支持OpenAI、AzureOpenAI、星火、阿里灵积等主流大模型,以及20余种国产数据库(如达梦)•内置语义内核(SemanticKernel)实现复杂语义理解,支持文档问答(Word/PDF/PPT等格式)与文生图功能(集成StableDiffusion)•纯离线运行能力,通过LL
- 材料力学本构模型:各向异性硬化模型:金属材料的各向异性硬化模型_2024-08-06_19-04-31.Tex
chenjj4003
材料力学java前端数据库linux算法
材料力学本构模型:各向异性硬化模型:金属材料的各向异性硬化模型材料力学本构模型:各向异性硬化模型1.本构模型基础1.1本构模型的定义本构模型,或称为材料模型,是描述材料在不同应力状态下的应变响应的数学模型。它在工程和科学研究中扮演着关键角色,特别是在材料力学领域,帮助工程师和科学家预测材料在各种条件下的行为。1.2本构模型在材料力学中的作用在材料力学中,本构模型用于:预测材料的应力-应变关系:通过
- 大模型Agent的核心还是prompt?
AI模型工坊
prompt语言模型人工智能AI
先说结论,大模型Agent的核心不仅仅是prompt,但prompt确实是目前实现Agent的重要手段之一。要理解这一点,我们先得澄清什么是AIAgent。作为一个智能体,AIAgent应当具备理解周围环境、做出决策和采取行动的能力。与传统AI依赖用户输入的Prompt与大模型交互不同,AIAgent融合了规划、记忆和工具使用等关键功能,在操作时不需要逐步的提示,我们只需设定一个目标,它就能够自主
- 人工智能(11)——————计算机视觉
長安一片月
人工智能人工智能计算机视觉
目录声明正文1、简介2、步骤1)图像分类2)目标检测(目标定位)3)目标跟踪4)图像分割普通分割语义分割实例分割5)图像生成3、总结声明以下内容均来自B站吴恩达教授的视频以及西瓜书和众多前辈的学习成果总结,仅记录本人的大模型学习过程,如有侵权立马删除。言论仅代表自身理解,如有错误还请指正。正文1、简介我们先来看看百度百科里对计算机视觉的介绍:计算机视觉是一门研究如何使机器“看”的科学,更进一步的说
- LLM模型入门
長安一片月
人工智能
前言好久没动过博客了,最近正好在看ai安全,就以此着手讲讲现在最流行的LLM模型吧LLM是什么线下最火的deepseek,chatGPT,通义千问等所有大模型都有个统称,叫做LLM(LargeLanguageModel,LLM)。都是基于transformer架构通过配置不同策略和算法以及关键的prompt实现不同效果的语言模型的。为什么叫large,是模型调用学习了很多参数,比如GPT-4o就存
- 一文带你读懂ai安全和漏洞本质
長安一片月
人工智能安全
最近看了很多师傅的高质量文章,我在这里将ai安全统分为个大类:prompt注入、越狱攻击、模型注毒。分别进行讲解和实例描述,同时谈谈我对漏洞本质的理解。本文所有内容仅为作者本人的想法,不代表任何其他人的意见,仅作交流分享,任何引申问题与本作者无关!AI安全1、prompt注入先来说说prompt是什么。正常的大模型本身训练过程是不包含prompt的,无论是什么类型的模型,在通过各种算法进行训练之后
- 人工智能(10)——————自然语言处理
長安一片月
人工智能人工智能自然语言处理学习transformer
声明以下内容均来自B站吴恩达教授的视频以及西瓜书和众多前辈的学习成果总结,仅记录本人的大模型学习过程,如有侵权立马删除。言论仅代表自身理解,如有错误还请指正。正文简介其实在现在的人工智能领域,很多东西都是相互关联,相互促进的。比如机器学习可以引入到自然语言处理,计算机视觉等多个类别当中,而自然语言处理中特有的seq2seq方法也可以用于机器学习当中。但是根本上这些类别都存在自己独有之处。自然语言处
- JAVA基础
灵静志远
位运算加载Date字符串池覆盖
一、类的初始化顺序
1 (静态变量,静态代码块)-->(变量,初始化块)--> 构造器
同一括号里的,根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况,那就在父类到子类交替初始化。
二、String
1 String a = "abc";
JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象,根
- keepalived实现redis主从高可用
bylijinnan
redis
方案说明
两台机器(称为A和B),以统一的VIP对外提供服务
1.正常情况下,A和B都启动,B会把A的数据同步过来(B is slave of A)
2.当A挂了后,VIP漂移到B;B的keepalived 通知redis 执行:slaveof no one,由B提供服务
3.当A起来后,VIP不切换,仍在B上面;而A的keepalived 通知redis 执行slaveof B,开始
- java文件操作大全
0624chenhong
java
最近在博客园看到一篇比较全面的文件操作文章,转过来留着。
http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html
转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html
一.获得控制台用户输入的信息
&nbs
- android学习任务
不懂事的小屁孩
工作
任务
完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog,并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程,并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果,写一个实例 已完成 复习fragem
- zoom.js
换个号韩国红果果
oom
它的基于bootstrap 的
https://raw.github.com/twbs/bootstrap/master/js/transition.js transition.js模块引用顺序
<link rel="stylesheet" href="style/zoom.css">
<script src=&q
- 详解Oracle云操作系统Solaris 11.2
蓝儿唯美
Solaris
当Oracle发布Solaris 11时,它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是,这些说法没有告诉我们为什么Solaris是配得上云的。幸好,我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用:OpenStack、内核域、统一存档(UA)和弹性虚拟交换(EVS)。
- spring学习——springmvc(一)
a-john
springMVC
Spring MVC基于模型-视图-控制器(Model-View-Controller,MVC)实现,能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。
1,跟踪Spring MVC的请求
请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样,Spring MVC所有的请求都会通过一个前端控制器Servlet。前
- hdu4342 History repeat itself-------多校联合五
aijuans
数论
水题就不多说什么了。
#include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
- EJB和javabean的区别
asia007
beanejb
EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了
1.EJB用于服务端应用开发, 而JavaBeans
- Struts的action和Result总结
百合不是茶
strutsAction配置Result配置
一:Action的配置详解:
下面是一个Struts中一个空的Struts.xml的配置文件
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE struts PUBLIC
&quo
- 如何带好自已的团队
bijian1013
项目管理团队管理团队
在网上看到博客"
怎么才能让团队成员好好干活"的评论,觉得写的比较好。 原文如下: 我做团队管理有几年了吧,我和你分享一下我认为带好团队的几点:
1.诚信
对团队内成员,无论是技术研究、交流、问题探讨,要尽可能的保持一种诚信的态度,用心去做好,你的团队会感觉得到。 2.努力提
- Java代码混淆工具
sunjing
ProGuard
Open Source Obfuscators
ProGuard
http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
- 【Redis三】基于Redis sentinel的自动failover主从复制
bit1129
redis
在第二篇中使用2.8.17搭建了主从复制,但是它存在Master单点问题,为了解决这个问题,Redis从2.6开始引入sentinel,用于监控和管理Redis的主从复制环境,进行自动failover,即Master挂了后,sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作,如果Master醒来再次加入集群,只能以从服务器的形式工作。
什么是Sentine
- 使用代理实现Hibernate Dao层自动事务
白糖_
DAOspringAOP框架Hibernate
都说spring利用AOP实现自动事务处理机制非常好,但在只有hibernate这个框架情况下,我们开启session、管理事务就往往很麻烦。
public void save(Object obj){
Session session = this.getSession();
Transaction tran = session.beginTransaction();
try
- maven3实战读书笔记
braveCS
maven3
Maven简介
是什么?
Is a software project management and comprehension tool.项目管理工具
是基于POM概念(工程对象模型)
[设计重复、编码重复、文档重复、构建重复,maven最大化消除了构建的重复]
[与XP:简单、交流与反馈;测试驱动开发、十分钟构建、持续集成、富有信息的工作区]
功能:
- 编程之美-子数组的最大乘积
bylijinnan
编程之美
public class MaxProduct {
/**
* 编程之美 子数组的最大乘积
* 题目: 给定一个长度为N的整数数组,只允许使用乘法,不能用除法,计算任意N-1个数的组合中乘积中最大的一组,并写出算法的时间复杂度。
* 以下程序对应书上两种方法,求得“乘积中最大的一组”的乘积——都是有溢出的可能的。
* 但按题目的意思,是要求得这个子数组,而不
- 读书笔记-2
chengxuyuancsdn
读书笔记
1、反射
2、oracle年-月-日 时-分-秒
3、oracle创建有参、无参函数
4、oracle行转列
5、Struts2拦截器
6、Filter过滤器(web.xml)
1、反射
(1)检查类的结构
在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。
2、oracle年月日时分秒
s
- [求学与房地产]慎重选择IT培训学校
comsci
it
关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题
培训学校的教学楼和宿舍的环境和稳定性问题
我们大家都知道,房子是一个比较昂贵的东西,特别是那种能够当教室的房子...
&nb
- RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系
daizj
oraclermanfilespersetPARALLELISM
RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转
PARALLELISM ---
我们还可以通过parallelism参数来指定同时"自动"创建多少个通道:
RMAN > configure device type disk parallelism 3 ;
表示启动三个通道,可以加快备份恢复的速度。
- 简单排序:冒泡排序
dieslrae
冒泡排序
public void bubbleSort(int[] array){
for(int i=1;i<array.length;i++){
for(int k=0;k<array.length-i;k++){
if(array[k] > array[k+1]){
- 初二上学期难记单词三
dcj3sjt126com
sciet
concert 音乐会
tonight 今晚
famous 有名的;著名的
song 歌曲
thousand 千
accident 事故;灾难
careless 粗心的,大意的
break 折断;断裂;破碎
heart 心(脏)
happen 偶尔发生,碰巧
tourist 旅游者;观光者
science (自然)科学
marry 结婚
subject 题目;
- I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码
dcj3sjt126com
redis
wget http://download.redis.io/redis-stable.tar.gz
tar xvzf redis-stable.tar.gz
cd redis-stable
make
前面3步应该没有问题,主要的问题是执行make的时候,出现了异常。
异常一:
make[2]: cc: Command not found
异常原因:没有安装g
- 并发容器
shuizhaosi888
并发容器
通过并发容器来改善同步容器的性能,同步容器将所有对容器状态的访问都串行化,来实现线程安全,这种方式严重降低并发性,当多个线程访问时,吞吐量严重降低。
并发容器ConcurrentHashMap
替代同步基于散列的Map,通过Lock控制。
&nb
- Spring Security(12)——Remember-Me功能
234390216
Spring SecurityRemember Me记住我
Remember-Me功能
目录
1.1 概述
1.2 基于简单加密token的方法
1.3 基于持久化token的方法
1.4 Remember-Me相关接口和实现
- 位运算
焦志广
位运算
一、位运算符C语言提供了六种位运算符:
& 按位与
| 按位或
^ 按位异或
~ 取反
<< 左移
>> 右移
1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时,结果位才为1 ,否则为0。参与运算的数以补码方式出现。
例如:9&am
- nodejs 数据库连接 mongodb mysql
liguangsong
mongodbmysqlnode数据库连接
1.mysql 连接
package.json中dependencies加入
"mysql":"~2.7.0"
执行 npm install
在config 下创建文件 database.js
- java动态编译
olive6615
javaHotSpotjvm动态编译
在HotSpot虚拟机中,有两个技术是至关重要的,即动态编译(Dynamic compilation)和Profiling。
HotSpot是如何动态编译Javad的bytecode呢?Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器,即Profile Monitor,专门监视
- Storm0.9.5的集群部署配置优化
roadrunners
优化storm.yaml
nimbus结点配置(storm.yaml)信息:
# Licensed to the Apache Software Foundation (ASF) under one
# or more contributor license agreements. See the NOTICE file
# distributed with this work for additional inf
- 101个MySQL 的调节和优化的提示
tomcat_oracle
mysql
1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的,它的速度很慢。 3. 使用电池供电的RAM(注:RAM即随机存储器)。 4. 使用高级的RAID(注:Redundant Arrays of Inexpensive Disks,即磁盘阵列
- zoj 3829 Known Notation(贪心)
阿尔萨斯
ZOJ
题目链接:zoj 3829 Known Notation
题目大意:给定一个不完整的后缀表达式,要求有2种不同操作,用尽量少的操作使得表达式完整。
解题思路:贪心,数字的个数要要保证比∗的个数多1,不够的话优先补在开头是最优的。然后遍历一遍字符串,碰到数字+1,碰到∗-1,保证数字的个数大于等1,如果不够减的话,可以和最后面的一个数字交换位置(用栈维护十分方便),因为添加和交换代价都是1