- 高斯混合模型(Gaussian Mixture Model, GMM)
不想秃头的程序
神经网络语音识别人工智能深度学习网络
高斯混合模型(GaussianMixtureModel,GMM)是一种概率模型,用于表示数据点由多个高斯分布(GaussianDistribution)混合生成的过程。它广泛应用于聚类分析、密度估计、图像分割、语音识别等领域,尤其适合处理非球形簇或多模态数据。以下是GMM的详细介绍:一、核心思想GMM假设数据是由多个高斯分布混合生成的,每个高斯分布代表一个簇(Cluster),并引入隐变量(Lat
- 深度学习详解:通过案例了解机器学习基础
beist
深度学习机器学习人工智能
引言机器学习(MachineLearning,ML)和深度学习(DeepLearning,DL)是现代人工智能领域中的两个重要概念。通过让机器具备学习的能力,机器可以从数据中自动找到函数,并应用于各种任务,如语音识别、图像识别和游戏对战等。在这篇笔记中,我们将通过一个简单的案例,逐步了解机器学习的基础知识。1.1机器学习案例学习1.1.1回归问题与分类问题在机器学习中,根据所要解决的问题类型,任务
- 对话云蝠智能:大模型如何让企业呼叫系统从 “成本中心” 变身 “价值枢纽”?
MARS_AI_
人工智能自然语言处理信息与通信交互
在人工智能重塑企业服务的浪潮中,云蝠智能(南京星蝠科技有限公司旗下品牌)以深厚的技术积累和行业实践,逐步成长为国内智能外呼领域的标杆企业。其发展路径揭示了技术自主创新与场景深度结合的必然性。一、技术架构:全栈自研奠定领先基础云蝠智能的核心竞争力源于其全链路自研技术体系。该架构覆盖语音识别(ASR)、自然语言处理(NLP)、语音合成(TTS)及软交换六大层级,实现从基础设施到操作层的闭环设计。这一分
- 【软件系统架构】系列四:嵌入式软件-NPU(神经网络处理器)系统及模板
目录一、什么是NPU?二、NPU与CPU/GPU/DSP对比三、NPU的工作原理核心结构:数据流架构:四、NPU芯片架构(简化图)五、NPU的优势六、NPU应用场景视觉识别语音识别自动驾驶智能监控AIoT设备七、主流NPU芯片/架构实例八、开发者工具生态(通用)九、NPU集成建议(嵌入式开发场景)十、NPU芯片选型对比+模型部署流程+嵌入式工程模板1.主流NPU芯片选型对比表2.模型部署流程(以T
- DIY语音控制车辆玩具全攻略:从硬件组装到功能实现
欧阳天羲
硬件工程语音识别自动驾驶
一、设备清单与成本估算1.1硬件组件列表组件名称价格(元)备注ArduinoUno兼容板7.04控制核心,支持多传感器接入DFRobot离线语音识别模块105支持10条自定义语音指令L298N电机驱动板5双路电机驱动,带散热片直流减速电机×2(JGB37-520)3012V供电,150转/分钟SG90微型舵机5控制前轮转向HC-SR04超声波传感器2.45测距范围2-400cm18650锂电池(3
- GRU与Transformer结合:新一代序列模型
AI大模型应用工坊
grutransformer深度学习ai
GRU与Transformer结合:新一代序列模型关键词:GRU、Transformer、序列模型、结合、深度学习摘要:本文深入探讨了GRU与Transformer结合所形成的新一代序列模型。先介绍了GRU和Transformer各自的核心概念及工作原理,然后阐述了二者结合的原因、方式和优势。通过代码实际案例展示了如何搭建结合的模型,还探讨了其在自然语言处理、语音识别等领域的实际应用场景。最后对未
- 数字人分身系统源码搭建定制化开发,支持OEM
在人工智能技术蓬勃发展的今天,数字人分身系统凭借其独特的交互性和广泛的应用场景,成为了众多企业和开发者关注的焦点。从虚拟主播、智能客服到数字员工,数字人分身系统正逐渐渗透到各个领域。本文将详细阐述数字人分身系统源码搭建与定制化开发的全流程,为技术爱好者和企业开发者提供全面的技术参考。一、数字人分身系统概述数字人分身系统是一个综合性的技术解决方案,它融合了计算机图形学、人工智能、语音识别与合成、自然
- 【造工具-2】用SenceVoice,实现本地的语音转文本小工具
zhulangfly
AIAISTTASR
说到语音转文本,有两种说法,自动语音识别(ASR,AutomaticSpeechRecognition)和语音转文本(STT,Speech-to-Text),本质上都是通过算法将语音信号转化为可处理的文本形式的技术,两者的核心功能和应用目标完全一致。如果有区别的话,ASR更常见于学术研究和技术文档中,STT则更多应用于产品功能描述。ASR常与其他模块(如VAD、说话人分离)并列描述,体现其在技
- 华为Pura 70怎么语音翻译?语音翻译详解
C_19870
华为经验分享
在智能手机功能日益丰富的今天,语音翻译已成为许多手机用户的重要需求之一。华为Pura70,作为华为系列中的一款高端机型,其内置的语音翻译功能在准确性和便捷性上都表现出色。本文将详细介绍华为Pura70在语音翻译方面的表现、操作步骤,并探讨其他可实现语音翻译操作的软件,特别是“同声传译王”。华为Pura70手机在语音翻译时的表现华为Pura70内置的语音翻译功能凭借其先进的语音识别和翻译技术,为用户
- RNN、LSTM、GRU详解
昔颜1121
人工智能rnnpython
RNN、LSTM、GRU详解在深度学习领域,序列数据(如语音识别、机器翻译、文本生成等)广泛应用于自然语言处理(NLP)、时间序列预测、语音和视频处理等任务中。针对序列数据,循环神经网络(RNN,RecurrentNeuralNetwork)及其改进版本——长短时记忆网络(LSTM,LongShort-TermMemory)和门控循环单元(GRU,GatedRecurrentUnit)成为处理时序
- 利用FunASR搭建自己的语音转文本服务器(有手就行)
提示:利用阿里巴巴开源的FunASR工具包,搭建语音转文本服务,通过网页实现免费的语音转文本服务。目录前言一、FunASR是什么?二、服务搭建2.1服务器准备2.2安装docker2.3下载并启动镜像2.4启动ASR服务三、下载客户端开始工作总结前言语音转文本是我们经常面对的日常任务,都=是智能客服、会议记录、实时字幕等场景核心的功能。然而,传统语音识别系统往往面临高延迟、低准确率或复杂部署的挑战
- 【使用Unimrcp和Funasr构建呼叫中心语音识别服务端】
cc_ai_cn
呼叫中心语音识别语音识别人工智能
使用Unimrcp和Funasr构建呼叫中心语音识别服务端1.编译及运行unimrcp2.新增funasr-recog,支持funasr识别3.启动unimrcp4.启动funasr5.freeswitch呼叫测试1.编译及运行unimrcp此次使用的是unimrcp1.6版本,先下载unimrcp-deps-1.6.0以及unimrcp-1.6.0进行构建,此处不过多赘述。2.新增funasr-
- 第9章:听声辨味的玄机——语音识别如何破解厨房噪音难题
第9章:听声辨味的玄机——语音识别如何破解厨房噪音难题声学特征解析、深度降噪与工业部署全链路解密工业级挑战场景:在上海四季酒店中央厨房的热浪区域(平均声压92dB),行政主厨需同时管理六口燃气灶、两台对流烤箱和三台洗碗机。当他在油烟机轰鸣中喊出"三号灶文火收汁"时,噪音包含:炒锅爆炒声(65-85dB@4-8kHz)高压蒸汽喷射(75-90dB@2-4kHz)金属撞击噪声(80-95dB@1-8k
- 世界因你不同:李开复自传
浦东新村轱天乐
读书笔记职场发展
读完后闭上眼睛想一想,为什么李开复值得学习?第一,他工作能力很强。他并不只是在名校、名企呆过,而是最后都做到了很高的位置。11岁从台湾去美国读书,博士在CMU,毕业后先后在苹果、微软、谷歌工作过。CMU读博期间开发了基于统计方法的语音识别技术,拿到了CMU终身教职后,放弃这一职位加入了苹果。微软时期牵头成立了微软中国研究院(后改名微软亚洲研究院),这个传奇的地方在深度学习大火之后,诞生出了很多牛人
- 开发者注意:鸿蒙APP语音识别常见问题全解析(含可跑Demo)
harmonyos
摘要在鸿蒙(HarmonyOS)应用开发中,语音识别是很多智能功能的核心入口,比如语音助手、语音输入、语音搜索等。但不少开发者会遇到"语音识别无法使用"的问题:调用没反应、识别不返回、报权限错误……这篇文章将从权限配置、API调用、设备支持、网络状态等多个角度入手,结合实际代码和典型使用场景,帮你一条一条查清楚到底问题出在哪。引言随着语音交互逐渐成为主流,鸿蒙系统也提供了对ASR(Automati
- 开源(离线)中文语音识别ASR(语音转文本)工具整理
切糕师学AI
#语音识别asr与语音合成STT语音识别人工智能深度学习
开源(离线)中文语音识别ASR(语音转文本)工具整理目录文章目录目录@[toc]openai的开源工具:whisperwhisper介绍引用ASRT语音识别项目ASRT介绍引用微软语音服务(付费)微软语音服务介绍实时语音转文本批量转录自定义语音引用PaddleSpeechPaddleSpeech介绍引用openai的开源工具:whisperwhisper介绍OpenAI在2022年9月21日开源了
- HarmonyOS SDK:Image Classification 能力进行图片识别
在鸿蒙应用开发中,HarmonyOSSDK提供了丰富的AI能力接口,开发者可以快速集成语音识别、图像识别、自然语言处理等智能功能到自己的应用中。作为一名鸿蒙开发者,在实际项目中我深刻体会到这些AI能力对提升用户体验和产品智能化水平的重要性。以图像识别为例,借助HarmonyOSSDK中的ImageClassificationAPI,我们可以轻松实现图片内容的自动识别与分类。通过调用系统提供的AI引
- 《Whisper模型版本及下载链接》
空云风语
人工智能深度学习神经网络whisper
Whisper模型版本及下载链接Whisper是OpenAI开发的语音识别模型,以下按模型规模从小到大排列,包含不同语言版本及通用版本:1.Tiny系列(轻量级)tiny.en.pt(英文专用):https://openaipublic.azureedge.net/main/whisper/models/d3dd57d32accea0b295c96e26691aa14d8822fac7d9d27d
- 《Whisper:开启语音识别新时代的钥匙》
空云风语
人工智能深度学习神经网络whisper语音识别人工智能
Whisper模型:技术革新的基石在当今科技飞速发展的时代,自动语音识别(ASR)技术作为人工智能领域的关键分支,正深刻地改变着人们的生活与工作方式。从智能语音助手到实时字幕生成,从语音交互设备到智能客服系统,ASR技术无处不在,为人们带来了前所未有的便利与效率提升。而Whisper模型,作为ASR技术中的一颗璀璨明星,以其卓越的性能和独特的技术架构,成为了推动语音识别技术发展的重要力量。Whis
- 用Google Cloud Speech-to-Text API进行音频转录
huluwaqimotuo
音视频
###技术背景介绍随着人工智能技术的不断发展,语音识别已成为我们生活中不可或缺的一部分。GoogleCloudSpeech-to-TextAPI是其中的佼佼者,能够从音频文件中提取文本信息,减少人工转录的麻烦。这篇文章将指导你如何使用`GoogleSpeechToTextLoader`来加载和转录音频文件。###核心原理解析`GoogleSpeechToTextLoader`是一个工具,它通过调用
- 微服务及时通讯系统-服务端-开发阶段与功能介绍
C++忠实粉丝
微服务及时通讯系统-后台服务器实现微服务架构云原生
个人主页:C++忠实粉丝欢迎点赞收藏✨留言✉加关注本文由C++忠实粉丝原创微服务及时通讯系统-服务端-开发阶段与功能介绍收录于专栏[微服务及时通讯系统-后台服务器实现]目录开发阶段与功能介绍聊天室后台服务器实现:功能需求确定阶段:框架设计:聊天室子服务拆分:消息转发子服务:消息存储子服务:语音识别子服务:文件管理子服务:宝子们!!!我又开始新的专栏啦~这一次你们可以跟着我一步一步完成这个开源项目!
- [特殊字符] 一键搭建AI语音助理:基于DashScope+GRadio的智能聊天机器人技术全解
来自于狂人
人工智能机器人
一、项目核心技术架构(图1)交互层核心模块pyaudio实时采集流式响应PCM编码GRadio界面状态控制实时对话展示语音输出历史记录管理ASR回调类ASR语音识别聊天处理引擎GPT大模型处理语音合成回调TTS语音合成语音输入DashScopeAPI二、四大核心技术实现1.智能语音识别引擎(附关键源码注释)classASRCallback(TranslationRecognizerCallback
- 华小妹 AI 数字人又来添新功能,突破语言边界
广州华锐视点
人工智能
华小妹AI数字人功能强大,不是徒有其表的花瓶。作为一款极具创新性的AI数字人,华小妹AI数字人擅长跳舞,能精准介绍产品,可通过虚拟场景带客户参观各类场所,还能用丰富肢体语言交流,具备空间定位能力,语音识别技术先进,能精准识别各种语音指令。如今华小妹AI数字人上新了支持多语言交流的功能,涵盖常见和小众语言,打破语言障碍,拓展了应用场景和服务范围。华小妹AI数字人上新的多语言交流功能堪称一大亮点,支持
- AI 大模型原理与应用:大模型训练突破万张卡和万亿参数 MOE 这两个临界点
AI大模型应用之禅
人工智能
AI大模型原理与应用:大模型训练突破万张卡和万亿参数MOE这两个临界点大模型、训练、万张卡、万亿参数、MOE、Transformer、深度学习、自然语言处理1.背景介绍近年来,深度学习技术取得了飞速发展,大规模人工智能模型的训练成为一个重要的研究方向。大模型是指参数量达到数十亿甚至万亿级别的人工智能模型,它们在自然语言处理、计算机视觉、语音识别等领域展现出强大的能力。然而,大模型的训练也面临着巨大
- 基于Transformer的语音识别模型:从理论到实现
AI智能探索者
transformer语音识别深度学习ai
基于Transformer的语音识别模型:从理论到实现关键词:Transformer、语音识别、注意力机制、序列建模、端到端学习、自注意力、语音特征提取摘要:本文将深入探讨基于Transformer架构的语音识别系统。从传统的语音识别方法出发,我们将一步步解析Transformer如何革新语音识别领域,详细讲解其核心原理、架构设计和实现细节。通过理论讲解、数学推导和代码实践相结合的方式,帮助读者全
- 自然语言处理之文本分类:Transformer:文本分类数据集分析
zhubeibei168
自然语言处理自然语言处理分类transformer数据挖掘人工智能支持向量机
自然语言处理之文本分类:Transformer:文本分类数据集分析自然语言处理基础NLP概述自然语言处理(NaturalLanguageProcessing,NLP)是人工智能领域的一个重要分支,专注于使计算机能够理解、解释和生成人类语言。NLP技术广泛应用于文本分类、情感分析、机器翻译、问答系统、语音识别等场景。其核心挑战在于理解语言的复杂性和多义性,以及处理大
- 2025年开源AI模型综合对比与推荐
目录2025年开源AI模型综合对比与推荐引言文本生成模型简介对比表格评价图像生成模型简介对比表格评价视频生成模型简介对比表格评价语音识别模型简介对比表格评价语音合成模型简介对比表格评价总结参考文献2025年开源AI模型综合对比与推荐引言人工智能(AI)技术在2025年继续蓬勃发展,开源AI模型在文本生成、图像生成、视频生成、语音识别和语音合成等领域展现出卓越的性能。这些模型不仅在技术上与专有模型不
- 循环神经网络RNN
Xyz_Overlord
rnn深度学习人工智能
一、循环神经网络概念以及应用场景1.概念处理序列的一种神经网络计算模型。2.序列数据数据是根据时间步生成的,前后数据有关联关系,数据可以是数字、文字序列等等。3.应用场景自然语言处理(NLP)、时间序列预测、语音识别、音乐生成......4.自然语言处理概述主要是通过计算机算法来理解自然语言。NLP涵盖了从文本到语音、从语音到文本的各个方面,它涉及多种技术,包括语法分析、语义理解、情感分析、机器翻
- 使用Xinference与LangChain实现强大的模型推理
yunwu12777
langchain
技术背景介绍随着深度学习和机器学习技术的快速发展,如何有效地管理和部署大型语言模型(LLM)成为了一项重要课题。Xinference是一款强大的推理库,它能够无缝地为LLMs、语音识别模型以及多模态模型提供服务。基于XorbitsInference技术,用户可以通过简单的命令来快速部署和服务这些模型,无论是在本地机器还是在分布式集群中。核心原理解析Xinference的设计目标是降低使用复杂模型的
- 基于Python的LSTM循环神经网络模型实战
缑宇澄
python
在处理具有时间序列特性的数据时,传统神经网络往往难以捕捉数据间的时序依赖关系。而循环神经网络(RecurrentNeuralNetwork,RNN)及其变体——长短期记忆网络(LongShort-TermMemory,LSTM),凭借独特的记忆机制,能够有效处理序列数据,在语音识别、自然语言处理、股票价格预测等领域展现出强大的优势。本文将深入解析LSTM的原理,并通过Python代码进行实战,展示
- java数字签名三种方式
知了ing
javajdk
以下3钟数字签名都是基于jdk7的
1,RSA
String password="test";
// 1.初始化密钥
KeyPairGenerator keyPairGenerator = KeyPairGenerator.getInstance("RSA");
keyPairGenerator.initialize(51
- Hibernate学习笔记
caoyong
Hibernate
1>、Hibernate是数据访问层框架,是一个ORM(Object Relation Mapping)框架,作者为:Gavin King
2>、搭建Hibernate的开发环境
a>、添加jar包:
aa>、hibernatte开发包中/lib/required/所
- 设计模式之装饰器模式Decorator(结构型)
漂泊一剑客
Decorator
1. 概述
若你从事过面向对象开发,实现给一个类或对象增加行为,使用继承机制,这是所有面向对象语言的一个基本特性。如果已经存在的一个类缺少某些方法,或者须要给方法添加更多的功能(魅力),你也许会仅仅继承这个类来产生一个新类—这建立在额外的代码上。
- 读取磁盘文件txt,并输入String
一炮送你回车库
String
public static void main(String[] args) throws IOException {
String fileContent = readFileContent("d:/aaa.txt");
System.out.println(fileContent);
- js三级联动下拉框
3213213333332132
三级联动
//三级联动
省/直辖市<select id="province"></select>
市/省直辖<select id="city"></select>
县/区 <select id="area"></select>
- erlang之parse_transform编译选项的应用
616050468
parse_transform游戏服务器属性同步abstract_code
最近使用erlang重构了游戏服务器的所有代码,之前看过C++/lua写的服务器引擎代码,引擎实现了玩家属性自动同步给前端和增量更新玩家数据到数据库的功能,这也是现在很多游戏服务器的优化方向,在引擎层面去解决数据同步和数据持久化,数据发生变化了业务层不需要关心怎么去同步给前端。由于游戏过程中玩家每个业务中玩家数据更改的量其实是很少
- JAVA JSON的解析
darkranger
java
// {
// “Total”:“条数”,
// Code: 1,
//
// “PaymentItems”:[
// {
// “PaymentItemID”:”支款单ID”,
// “PaymentCode”:”支款单编号”,
// “PaymentTime”:”支款日期”,
// ”ContractNo”:”合同号”,
//
- POJ-1273-Drainage Ditches
aijuans
ACM_POJ
POJ-1273-Drainage Ditches
http://poj.org/problem?id=1273
基本的最大流,按LRJ的白书写的
#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
#define INF 0x7fffffff
int ma
- 工作流Activiti5表的命名及含义
atongyeye
工作流Activiti
activiti5 - http://activiti.org/designer/update在线插件安装
activiti5一共23张表
Activiti的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。
ACT_RE_*: 'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 (图片,规则,等等)。
A
- android的广播机制和广播的简单使用
百合不是茶
android广播机制广播的注册
Android广播机制简介 在Android中,有一些操作完成以后,会发送广播,比如说发出一条短信,或打出一个电话,如果某个程序接收了这个广播,就会做相应的处理。这个广播跟我们传统意义中的电台广播有些相似之处。之所以叫做广播,就是因为它只负责“说”而不管你“听不听”,也就是不管你接收方如何处理。另外,广播可以被不只一个应用程序所接收,当然也可能不被任何应
- Spring事务传播行为详解
bijian1013
javaspring事务传播行为
在service类前加上@Transactional,声明这个service所有方法需要事务管理。每一个业务方法开始时都会打开一个事务。
Spring默认情况下会对运行期例外(RunTimeException)进行事务回滚。这
- eidtplus operate
征客丶
eidtplus
开启列模式: Alt+C 鼠标选择 OR Alt+鼠标左键拖动
列模式替换或复制内容(多行):
右键-->格式-->填充所选内容-->选择相应操作
OR
Ctrl+Shift+V(复制多行数据,必须行数一致)
-------------------------------------------------------
- 【Kafka一】Kafka入门
bit1129
kafka
这篇文章来自Spark集成Kafka(http://bit1129.iteye.com/blog/2174765),这里把它单独取出来,作为Kafka的入门吧
下载Kafka
http://mirror.bit.edu.cn/apache/kafka/0.8.1.1/kafka_2.10-0.8.1.1.tgz
2.10表示Scala的版本,而0.8.1.1表示Kafka
- Spring 事务实现机制
BlueSkator
spring代理事务
Spring是以代理的方式实现对事务的管理。我们在Action中所使用的Service对象,其实是代理对象的实例,并不是我们所写的Service对象实例。既然是两个不同的对象,那为什么我们在Action中可以象使用Service对象一样的使用代理对象呢?为了说明问题,假设有个Service类叫AService,它的Spring事务代理类为AProxyService,AService实现了一个接口
- bootstrap源码学习与示例:bootstrap-dropdown(转帖)
BreakingBad
bootstrapdropdown
bootstrap-dropdown组件是个烂东西,我读后的整体感觉。
一个下拉开菜单的设计:
<ul class="nav pull-right">
<li id="fat-menu" class="dropdown">
- 读《研磨设计模式》-代码笔记-中介者模式-Mediator
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/
/*
* 中介者模式(Mediator):用一个中介对象来封装一系列的对象交互。
* 中介者使各对象不需要显式地相互引用,从而使其耦合松散,而且可以独立地改变它们之间的交互。
*
* 在我看来,Mediator模式是把多个对象(
- 常用代码记录
chenjunt3
UIExcelJ#
1、单据设置某行或某字段不能修改
//i是行号,"cash"是字段名称
getBillCardPanelWrapper().getBillCardPanel().getBillModel().setCellEditable(i, "cash", false);
//取得单据表体所有项用以上语句做循环就能设置整行了
getBillC
- 搜索引擎与工作流引擎
comsci
算法工作搜索引擎网络应用
最近在公司做和搜索有关的工作,(只是简单的应用开源工具集成到自己的产品中)工作流系统的进一步设计暂时放在一边了,偶然看到谷歌的研究员吴军写的数学之美系列中的搜索引擎与图论这篇文章中的介绍,我发现这样一个关系(仅仅是猜想)
-----搜索引擎和流程引擎的基础--都是图论,至少像在我在JWFD中引擎算法中用到的是自定义的广度优先
- oracle Health Monitor
daizj
oracleHealth Monitor
About Health Monitor
Beginning with Release 11g, Oracle Database includes a framework called Health Monitor for running diagnostic checks on the database.
About Health Monitor Checks
Health M
- JSON字符串转换为对象
dieslrae
javajson
作为前言,首先是要吐槽一下公司的脑残编译部署方式,web和core分开部署本来没什么问题,但是这丫居然不把json的包作为基础包而作为web的包,导致了core端不能使用,而且我们的core是可以当web来用的(不要在意这些细节),所以在core中处理json串就是个问题.没办法,跟编译那帮人也扯不清楚,只有自己写json的解析了.
- C语言学习八结构体,综合应用,学生管理系统
dcj3sjt126com
C语言
实现功能的代码:
# include <stdio.h>
# include <malloc.h>
struct Student
{
int age;
float score;
char name[100];
};
int main(void)
{
int len;
struct Student * pArr;
int i,
- vagrant学习笔记
dcj3sjt126com
vagrant
想了解多主机是如何定义和使用的, 所以又学习了一遍vagrant
1. vagrant virtualbox 下载安装
https://www.vagrantup.com/downloads.html
https://www.virtualbox.org/wiki/Downloads
查看安装在命令行输入vagrant
2.
- 14.性能优化-优化-软件配置优化
frank1234
软件配置性能优化
1.Tomcat线程池
修改tomcat的server.xml文件:
<Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" maxThreads="1200" m
- 一个不错的shell 脚本教程 入门级
HarborChung
linuxshell
一个不错的shell 脚本教程 入门级
建立一个脚本 Linux中有好多中不同的shell,但是通常我们使用bash (bourne again shell) 进行shell编程,因为bash是免费的并且很容易使用。所以在本文中笔者所提供的脚本都是使用bash(但是在大多数情况下,这些脚本同样可以在 bash的大姐,bourne shell中运行)。 如同其他语言一样
- Spring4新特性——核心容器的其他改进
jinnianshilongnian
spring动态代理spring4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
- Linux设置tomcat开机启动
liuxingguome
tomcatlinux开机自启动
执行命令sudo gedit /etc/init.d/tomcat6
然后把以下英文部分复制过去。(注意第一句#!/bin/sh如果不写,就不是一个shell文件。然后将对应的jdk和tomcat换成你自己的目录就行了。
#!/bin/bash
#
# /etc/rc.d/init.d/tomcat
# init script for tomcat precesses
- 第13章 Ajax进阶(下)
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/
- Troubleshooting Crystal Reports off BW
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Troubleshooting+Crystal+Reports+off+BW#TroubleshootingCrystalReportsoffBW-TracingBOE
Quite useful, especially this part:
SAP BW connectivity
For t
- Java开发熟手该当心的11个错误
tomcat_oracle
javajvm多线程单元测试
#1、不在属性文件或XML文件中外化配置属性。比如,没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中,还是UAT(用户验收
测试)环境中,都可以顺畅无阻地运行,但是一旦部署在PROD 上,把它作为多线程程序处理更大的数据集时,就会抛出IOException,原因可能是JDBC驱动版本不同,也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置,那么使它成为
- 正则表达式大全
yang852220741
html编程正则表达式
今天向大家分享正则表达式大全,它可以大提高你的工作效率
正则表达式也可以被当作是一门语言,当你学习一门新的编程语言的时候,他们是一个小的子语言。初看时觉得它没有任何的意义,但是很多时候,你不得不阅读一些教程,或文章来理解这些简单的描述模式。
一、校验数字的表达式
数字:^[0-9]*$
n位的数字:^\d{n}$
至少n位的数字:^\d{n,}$
m-n位的数字:^\d{m,n}$