- TensorFlow深度学习实战——DCGAN详解与实现
盼小辉丶
深度学习tensorflow生成对抗网络
TensorFlow深度学习实战——DCGAN详解与实现0.前言1.DCGAN架构2.构建DCGAN生成手写数字图像2.1生成器与判别器架构2.2构建DCGAN相关链接0.前言深度卷积生成对抗网络(DeepConvolutionalGenerativeAdversarialNetwork,DCGAN)是一种基于生成对抗网络(GenerativeAdversarialNetwork,GAN)的深度学
- 深度学习实战-使用TensorFlow与Keras构建智能模型
程序员Gloria
Python超入门TensorFlowpython
深度学习实战-使用TensorFlow与Keras构建智能模型深度学习已经成为现代人工智能的重要组成部分,而Python则是实现深度学习的主要编程语言之一。本文将探讨如何使用TensorFlow和Keras构建深度学习模型,包括必要的代码实例和详细的解析。1.深度学习简介深度学习是机器学习的一个分支,使用多层神经网络来学习和表示数据中的复杂模式。其广泛应用于图像识别、自然语言处理、推荐系统等领域。
- 【深度学习实战】当前三个最佳图像分类模型的代码详解
云博士的AI课堂
大模型技术开发与实践哈佛博后带你玩转机器学习深度学习深度学习人工智能分类模型机器学习TransformerEfficientNetConvNeXt
下面给出三个在当前图像分类任务中精度表现突出的模型示例,分别基于SwinTransformer、EfficientNet与ConvNeXt。每个模型均包含:训练代码(使用PyTorch)从预训练权重开始微调(也可注释掉预训练选项,从头训练)数据集目录结构:└──dataset_root├──buy#第一类图像└──nobuy#第二类图像随机拆分:80%训练,20%验证每个Epoch输出一次loss
- 深度学习实战:基于嵌入模型的AI应用开发
AIGC应用创新大全
AI人工智能与大数据应用开发MCP&Agent云算力网络人工智能深度学习ai
深度学习实战:基于嵌入模型的AI应用开发关键词:嵌入模型(EmbeddingModel)、深度学习、向量空间、语义表示、AI应用开发、相似性搜索、迁移学习摘要:本文将带你从0到1掌握基于嵌入模型的AI应用开发全流程。我们会用“翻译机”“数字身份证”等生活比喻拆解嵌入模型的核心原理,结合Python代码实战(BERT/CLIP模型)演示如何将文本、图像转化为可计算的语义向量,并通过“智能客服问答”“
- 计算机视觉与深度学习实战:以Python为工具,基于深度学习的汽车目标检测
好知识传播者
Python实例开发实战计算机视觉深度学习python基于深度学习的汽车目标检测
随着人工智能技术的飞速发展,计算机视觉与深度学习已经成为当今科技领域的热点。其中,汽车目标检测作为自动驾驶、智能交通等系统的核心技术,受到了广泛关注。本文将以Python为工具,探讨基于深度学习的汽车目标检测方法及其实战应用。一、计算机视觉与深度学习基础计算机视觉是研究如何让计算机从图像或视频中获取信息、理解内容并作出决策的科学。深度学习则是一种模拟人脑神经网络的机器学习技术,通过构建深层神经网络
- TensorFlow深度学习实战——Transformer变体模型
盼小辉丶
深度学习tensorflowtransformer
TensorFlow深度学习实战——Transformer变体模型0.前言1.BERT2.GPT-23.GPT-34.Reformer5.BigBird6.Transformer-XL7.XLNet8.RoBERTa9.ALBERT10.StructBERT11.T5和MUM12.ELECTRA13.DeBERTa14.进化Transformer和MEENA15.LaMDA16.SwitchTra
- 深度学习实战111-基于神经网络的A股、美股、黄金对冲投资策略(PyTorch LSTM)
微学AI
深度学习实战(进阶)深度学习神经网络pytorch
文章目录一、A股与美股对冲互补投资方案1.现象与逻辑2.对冲互补投资思路3.资金分配样例4.最大化收益的关键二、对冲互补投资思路1.资金分配原则2.动态调整机制3.对冲操作三、投资方案样例1.初始资金分配(假设总资金10万元)2.动态调整举例情景一:美股进入牛市,A股震荡情景二:A股进入牛市,美股高位震荡情景三:全球风险事件,市场大跌四、操作细节与注意事项五、样例操作流程六、基于神经网络的A股美股
- 【深度学习实战】图像二分类任务的精度优先模型推荐
云博士的AI课堂
大模型技术开发与实践哈佛博后带你玩转机器学习深度学习深度学习人工智能分类模型图像分类模型EfficientNetTransformerConvNeXt
图像二分类任务的精度优先模型推荐推荐3种在精度方面表现突出的图像分类模型架构。这些模型在PyTorch中有良好支持,可通过微调预训练模型或从头训练来应用。每种模型的介绍、微调/从头训练建议、精度表现和对趋势图类图像的适用性分析如下。1.SwinTransformer(视觉Transformer架构)简介:SwinTransformer是一种由Microsoft提出的VisionTransforme
- TensorFlow深度学习实战(18)——K-means 聚类详解
盼小辉丶
深度学习tensorflowkmeans
TensorFlow深度学习实战(18)——K-means聚类详解0.前言1.K-means聚类2.实现K-means聚类2.1算法实现2.2肘部法则3.K-means算法变体小结系列链接0.前言K-means聚类是一种常用的无监督学习算法,用于将数据集划分为若干个互不重叠的簇(cluster),使得同一簇内的数据点尽可能相似,而不同簇之间的数据点尽可能不同。在本节中,将介绍K-means聚类的基
- TensorFlow深度学习实战(17)——主成分分析详解
盼小辉丶
深度学习tensorflow人工智能
TensorFlow深度学习实战(17)——主成分分析详解0.前言1.主成分分析2.使用TensorFlow实现PCA3.TensorFlow嵌入API小结系列链接0.前言主成分分析(PrincipalComponentAnalysis,PCA)是一种强大的降维工具,通过找到数据的主成分,可以有效地减少数据的复杂性,去除冗余特征,并保留数据的主要信息,在数据预处理、特征提取和可视化等方面都有广泛的
- 深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现
微学AI
深度学习实战(进阶)大模型的实践应用深度学习人工智能QwenLLMOmni
大家好,我是微学AI,今天给大家介绍一下深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现。通义千问Qwen2.5-Omni作为全球首个端到端全模态大模型,实现了多模态输入与实时输出的完美结合,为构建智能数字人实时对话系统提供了强大技术支持。本报告将详细阐述基于该模型的智能数字人对话系统开发流程,包括项目背景、技术架构、实现代码及测试优化策略,帮助开发者快速构建具
- 深度学习实战 04:卷积神经网络之 VGG16 复现三(训练)
生信探索
深度学习cnn人工智能
在后续的系列文章中,我们将逐步深入探讨VGG16相关的核心内容,具体涵盖以下几个方面:卷积原理篇:详细剖析VGG的“堆叠小卷积核”设计理念,深入解读为何3×3×2卷积操作等效于5×5卷积,以及3×3×3卷积操作等效于7×7卷积。架构设计篇:运用PyTorch精确定义VGG16类,深入解析“Conv-BN-ReLU-Pooling”这一标准模块的构建原理与实现方式。3.训练实战篇:在小规模医学影像数
- PyTorch深度学习实战(18)—— 可视化工具
shangjg3
人工智能深度学习pytorch人工智能神经网络
在训练神经网络时,通常希望能够更加直观地了解训练情况,例如损失函数曲线、输入图片、输出图片等信息。这些信息可以帮助读者更好地监督网络的训练过程,并为参数优化提供方向和依据。最简单的办法就是打印输出,这种方式只能打印数值信息,不够直观,同时无法查看分布、图片、声音等。本节介绍两个深度学习中常用的可视化工具:TensorBoard和Visdom。1.TensorBoard最初,TensorBoard是
- 基于YOLOv8深度学习的人脸面部口罩检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
zhangjiaofa
YOLO深度学习python面部口罩检测
基本功能演示在这里插入图片描述摘要:人脸口罩面部检测能够准确地检测人脸是否佩戴口罩,对于控制疫情传播、保障公共卫生安全起到关键作用。本文基于YOLOv8深度学习框架,通过853张图片,训练了一个进行人脸面部口罩的目标检测模型,能够准确的检测人脸“戴口罩”、“未戴口罩”及“未正确佩戴口罩”。并基于此模型开发了一款带UI界面的人脸面部口罩检测系统,可用于实时检测场景中的人员是否佩戴口罩,更方便进行功能
- Keras深度学习实战——自编码器详解
鱼弦
机器学习设计类系统深度学习keras人工智能
鱼弦:公众号【红尘灯塔】,CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者(go-zero源码二次开发、游戏后端架构https://github.com/Peakchen)Keras深度学习实战——自编码器详解简介自编码器(AutoEncoder)是一种无监督学习算法,它通过学习输入数据的潜在表示来实现数据降维和特征提取。自编码
- TensorFlow深度学习实战(13)——神经嵌入详解
盼小辉丶
深度学习tensorflow自然语言处理
TensorFlow深度学习实战(13)——神经嵌入详解0.前言1.神经嵌入简介1.1Item2Vec1.2node2vec2.数据集与模型分析3.实现神经嵌入小结系列链接0.前言神经嵌入(NeuralEmbedding)是一种通过神经网络模型将离散的符号(如词语、字符、图像等)映射到低维连续向量空间中的技术。它属于更广泛的嵌入(Embedding)技术范畴,在深度学习中起着关键作用。神经嵌入通过
- TensorFlow深度学习实战(10)——迁移学习详解
盼小辉丶
深度学习tensorflow迁移学习
TensorFlow深度学习实战(10)——迁移学习详解0.前言1.迁移学习1.1迁移学习基本概念1.2迁移学习的重要性1.3ImageNet1.4迁移学习流程2.InceptionV3架构3.构建迁移学习模型小结系列链接0.前言迁移学习(TransferLearning)是一种利用从一项任务中获得的知识来解决另一项类似任务的技术。一个使用数百万张图像训练的模型,训练数据涵盖数千种对象类别,模型的
- 【人工智能核心技术全景解读】从机器学习到深度学习实战
满怀1015
人工智能人工智能机器学习深度学习pythontensorflow
目录前言️技术背景与价值当前技术痛点️解决方案概述目标读者说明一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明⚖️技术选型对比二、实战演示️环境配置要求️核心代码实现案例1:图像分类(CNN)案例2:文本情感分析(Transformer)运行结果验证⚡三、性能对比测试方法论量化数据对比结果分析四、最佳实践✅推荐方案❌常见错误调试技巧五、应用场景扩展适用领域创新应用方向生态工具链✨结语⚠️技
- PyTorch 深度学习实战(23):多任务强化学习(Multi-Task RL)之扩展
进取星辰
PyTorch深度学习实战深度学习pytorch人工智能
之前的PyTorch深度学习实战(23):多任务强化学习(Multi-TaskRL)总结扩展运用代码如下:importtorchimporttorch.nnasnnimporttorch.optimasoptimimportnumpyasnpfromtorch.distributionsimportNormalfromtorch.ampimportautocast,GradScalerfromme
- 大模型入门必读的9本硬核好书:豆瓣评分超9.0,值得反复研读!非常详细收藏这一篇就够!
大模型入门教程
AI大模型人工智能程序员产品经理学习大模型书籍大模型入门
模型大师们,准备好踏上一段深度学习与模型构建的路了吗?这里有八本经典之作,它们将是你攀登知识高峰的阶梯从《PyTorch深度学习实战》到《大模型时代》从掌握基础框架到洞悉大模型时代的变革模型大师,准备好了吗?翻烂这八本书,直接嘎嘎冲!第一本:《从零开始大模型开发与微调》《从零开始大模型开发与微调》是一本由王晓华所著,清华大学出版社出版的书籍。本书系统介绍了基于PyTorch2.0和ChatGLM的
- PyTorch深度学习实战(1)——PyTorch安装与配置
shangjg3
PyTorch深度学习实战深度学习pytorch机器学习人工智能
本章共有两节,2.1节介绍如何安装PyTorch,以及如何配置学习环境;2.2节带领读者快速浏览PyTorch中的主要内容,帮助读者初步了解PyTorch。PyTorch是一款以C语言为主导开发的轻量级深度学习框架,它提供了丰富的Python接口以便用户使用。在使用PyTorch之前,读者需要安装Python环境以及pip包管理工具,笔者推荐使用Anaconda配置相关虚拟环境。本书中的所有代码均
- 深度学习实战之手写数字识别
不吃香菜?
深度学习人工智能
一、简介在深度学习的世界里,手写数字识别是一个经典且入门级的任务,它就像是深度学习领域的“Hello,World!”,通过完成这个任务,我们能够快速掌握深度学习模型的搭建、训练与测试流程。本文将基于PyTorch框架,手把手教你实现一个手写数字识别模型。二、具体代码实现1、pytorch基础库导入importtorchprint(torch.__version__)#该行代码用来检查pytorch
- PyTorch深度学习实战(24)—— 爱因斯坦操作einsum 和 einops
shangjg3
PyTorch深度学习实战深度学习pytorch人工智能神经网络
在高级索引中还有一类特殊方法:爱因斯坦操作。下面介绍两种常用的爱因斯坦操作:einsum和einops,它们被广泛地用于向量、矩阵和张量的运算。灵活运用爱因斯坦操作可以用非常简单的方式表示较为复杂的多维Tensor之间的运算。1.einsum在数学界中,有一个由爱因斯坦提出来的求和约定,该约定能够有效处理坐标方程。爱因斯坦求和(einsum)就是基于这个法则,省略求和符号和默认成对出现的下标,从而
- PyTorch 深度学习实战(38):注意力机制全面解析(从Seq2Seq到Transformer)
进取星辰
PyTorch深度学习实战深度学习pytorchtransformer
在上一篇文章中,我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程,从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变体,并在机器翻译任务上进行对比实验。一、注意力机制演进路线1.关键模型对比模型发表年份核心创新计算复杂度典型应用Seq2Seq2014编码器-解码器架构O(n²)机器翻译BahdanauAttenti
- Python 深度学习实战 第10章 使用深度学习处理时间序列&RNN预测实例
odoo中国
人工智能深度学习pythonrnn时间序列
Python深度学习实战第10章使用深度学习处理时间序列数据&RNN实例内容概要第10章深入探讨了时间序列数据的深度学习应用,涵盖了从预测到分类、事件检测和异常检测等多种任务。本章通过温度预测示例,详细介绍了如何使用循环神经网络(RNN)及其变体(如LSTM和GRU)来处理时间序列数据。通过本章,读者将掌握如何使用深度学习解决时间序列问题,并理解RNN的工作原理。主要内容时间序列任务的类型预测:预
- TensorFlow深度学习实战(11)——风格迁移详解
盼小辉丶
深度学习tensorflow人工智能
TensorFLow深度学习实战(11)——风格迁移详解0.前言1.风格迁移原理1.1内容损失1.2风格损失2.模型分析3.使用TensorFlow实现神经风格迁移小结系列链接0.前言风格迁移是用于训练神经网络创作艺术作品的深度学习技术,同时也是一种有趣的神经网络应用,提供了一种用于深入理解神经网络的方式。在本节中,我们将学习神经风格迁移算法。在神经风格迁移中,我们需要一个内容图像和一个风格图像,
- TensorFlow深度学习实战(12)——词嵌入技术详解
盼小辉丶
深度学习tensorflow自然语言处理
TensorFlow深度学习实战(12)——词嵌入技术详解0.前言1.词嵌入基础2.分布式表示3.静态嵌入3.1Word2Vec3.2GloVe4.使用Gensim构建词嵌入5.使用Gensim探索嵌入空间6.动态嵌入小结系列链接0.前言在本节中,我们首先介绍词嵌入的概念,然后介绍两种实现词嵌入的方式:Word2Vec和GloVe,学习如何使用Gensim库从零开始构建语料库的词嵌入,并探索所创建
- TensorFlow深度学习实战(7)——分类任务详解
盼小辉丶
深度学习tensorflow分类
TensorFlow深度学习实战(7)——分类任务详解0.前言1.分类任务1.1分类任务简介1.2分类与回归的区别2.逻辑回归3.使用TensorFlow实现逻辑回归小结系列链接0.前言分类任务(ClassificationTask)是机器学习中的一种监督学习问题,其目的是将输入数据(特征向量)映射到离散的类别标签。广泛应用于如文本分类、图像识别、垃圾邮件检测、医学诊断等多种领域。1.分类任务1.
- PyTorch深度学习实战(45)——强化学习
盼小辉丶
深度学习pytorch强化学习
PyTorch深度学习实战(45)——强化学习0.前言1.强化学习基础1.1基本概念1.2马尔科夫决策过程1.3目标函数1.4智能体学习过程2.计算状态值3.计算状态-动作值4.Q学习4.1Q值4.2Gym环境4.3构建Q表4.4探索-利用策略小结系列链接0.前言强化学习是当前人工智能领域的研究热点问题,强化学习主要通过考察智能体与环境的相互作用,得到策略模型、优化策略并最大化累积回报的过程。强化
- TensorFlow深度学习实战——字符嵌入、子词嵌入、句子嵌入和段落嵌入
盼小辉丶
深度学习tensorflow自然语言处理
TensorFlow深度学习实战——字符嵌入、子词嵌入、句子嵌入和段落嵌入0.前言1.字符嵌入2.字词嵌入3.句子嵌入和段落嵌入相关链接0.前言在自然语言处理中,嵌入(Embedding)技术是将文本转化为数值向量的核心方法,使计算机能够理解和处理语言中的语义信息。根据文本处理的粒度不同,除了词嵌入外,还包括字符嵌入、子词嵌入、句子嵌入和段落嵌入。这些嵌入技术使得计算机能够以不同的粒度理解和处理文
- 二分查找排序算法
周凡杨
java二分查找排序算法折半
一:概念 二分查找又称
折半查找(
折半搜索/
二分搜索),优点是比较次数少,查找速度快,平均性能好;其缺点是要求待查表为有序表,且插入删除困难。因此,折半查找方法适用于不经常变动而 查找频繁的有序列表。首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表 分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步
- java中的BigDecimal
bijian1013
javaBigDecimal
在项目开发过程中出现精度丢失问题,查资料用BigDecimal解决,并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习,特转载。
原文地址:http://blog.csdn.net/ugg/article/de
- Shell echo命令详解
daizj
echoshell
Shell echo命令
Shell 的 echo 指令与 PHP 的 echo 指令类似,都是用于字符串的输出。命令格式:
echo string
您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串:
echo "It is a test"
这里的双引号完全可以省略,以下命令与上面实例效果一致:
echo Itis a test 2.显示转义
- Oracle DBA 简单操作
周凡杨
oracle dba sql
--执行次数多的SQL
select sql_text,executions from (
select sql_text,executions from v$sqlarea order by executions desc
) where rownum<81;
&nb
- 画图重绘
朱辉辉33
游戏
我第一次接触重绘是编写五子棋小游戏的时候,因为游戏里的棋盘是用线绘制的,而这些东西并不在系统自带的重绘里,所以在移动窗体时,棋盘并不会重绘出来。所以我们要重写系统的重绘方法。
在重写系统重绘方法时,我们要注意一定要调用父类的重绘方法,即加上super.paint(g),因为如果不调用父类的重绘方式,重写后会把父类的重绘覆盖掉,而父类的重绘方法是绘制画布,这样就导致我们
- 线程之初体验
西蜀石兰
线程
一直觉得多线程是学Java的一个分水岭,懂多线程才算入门。
之前看《编程思想》的多线程章节,看的云里雾里,知道线程类有哪几个方法,却依旧不知道线程到底是什么?书上都写线程是进程的模块,共享线程的资源,可是这跟多线程编程有毛线的关系,呜呜。。。
线程其实也是用户自定义的任务,不要过多的强调线程的属性,而忽略了线程最基本的属性。
你可以在线程类的run()方法中定义自己的任务,就跟正常的Ja
- linux集群互相免登陆配置
林鹤霄
linux
配置ssh免登陆
1、生成秘钥和公钥 ssh-keygen -t rsa
2、提示让你输入,什么都不输,三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub
其中id_rsa为秘钥,id_rsa.pub为公钥,使用公钥加密的数据只有私钥才能对这些数据解密 c
- mysql : Lock wait timeout exceeded; try restarting transaction
aigo
mysql
原文:http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html
原因是你使用的InnoDB 表类型的时候,
默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s,
因为有的锁等待超过了这个时间,所以抱错.
你可以把这个时间加长,或者优化存储
- Socket编程 基本的聊天实现。
alleni123
socket
public class Server
{
//用来存储所有连接上来的客户
private List<ServerThread> clients;
public static void main(String[] args)
{
Server s = new Server();
s.startServer(9988);
}
publi
- 多线程监听器事件模式(一个简单的例子)
百合不是茶
线程监听模式
多线程的事件监听器模式
监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到
创建多线程的事件监听器模式 思路:
1, 创建线程并启动,在创建线程的位置设置一个标记
2,创建队
- spring InitializingBean接口
bijian1013
javaspring
spring的事务的TransactionTemplate,其源码如下:
public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{
...
}
TransactionTemplate继承了DefaultT
- Oracle中询表的权限被授予给了哪些用户
bijian1013
oracle数据库权限
Oracle查询表将权限赋给了哪些用户的SQL,以备查用。
select t.table_name as "表名",
t.grantee as "被授权的属组",
t.owner as "对象所在的属组"
- 【Struts2五】Struts2 参数传值
bit1129
struts2
Struts2中参数传值的3种情况
1.请求参数绑定到Action的实例字段上
2.Action将值传递到转发的视图上
3.Action将值传递到重定向的视图上
一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上
Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上,绑定的规则使用ognl表达式语言
- 【Kafka十四】关于auto.offset.reset[Q/A]
bit1129
kafka
I got serveral questions about auto.offset.reset. This configuration parameter governs how consumer read the message from Kafka when there is no initial offset in ZooKeeper or
- nginx gzip压缩配置
ronin47
nginx gzip 压缩范例
nginx gzip压缩配置 更多
0
nginx
gzip
配置
随着nginx的发展,越来越多的网站使用nginx,因此nginx的优化变得越来越重要,今天我们来看看nginx的gzip压缩到底是怎么压缩的呢?
gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小,这样,用
- java-13.输入一个单向链表,输出该链表中倒数第 k 个节点
bylijinnan
java
two cursors.
Make the first cursor go K steps first.
/*
* 第 13 题:题目:输入一个单向链表,输出该链表中倒数第 k 个节点
*/
public void displayKthItemsBackWard(ListNode head,int k){
ListNode p1=head,p2=head;
- Spring源码学习-JdbcTemplate queryForObject
bylijinnan
javaspring
JdbcTemplate中有两个可能会混淆的queryForObject方法:
1.
Object queryForObject(String sql, Object[] args, Class requiredType)
2.
Object queryForObject(String sql, Object[] args, RowMapper rowMapper)
第1个方法是只查
- [冰川时代]在冰川时代,我们需要什么样的技术?
comsci
技术
看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?
那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...
&nb
- js 获取浏览器型号
cuityang
js浏览器
根据浏览器获取iphone和apk的下载地址
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" content="text/html"/>
<meta name=
- C# socks5详解 转
dalan_123
socketC#
http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html 这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯,Socket4的实现是类似的,注意的事,这里不是讲用C#实现一个代理服务器,因为实现一个代理服务器需要实现很多协议,头大,而且现在市面上有很多现成的代理服务器用,性能又好,
- 运维 Centos问题汇总
dcj3sjt126com
云主机
一、sh 脚本不执行的原因
sh脚本不执行的原因 只有2个
1.权限不够
2.sh脚本里路径没写完整。
二、解决You have new mail in /var/spool/mail/root
修改/usr/share/logwatch/default.conf/logwatch.conf配置文件
MailTo =
MailFrom
三、查询连接数
- Yii防注入攻击笔记
dcj3sjt126com
sqlWEB安全yii
网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查,可以使用正则表达式或者直接输入字符判断,大部分是只允许输入字母和数字的,其它字符度不允许;对于内容复杂表单的内容,应该对html和script的符号进行转义替换:尤其是<,>,',"",&这几个符号 这里有个转义对照表:
http://blog.csdn.net/xinzhu1990/articl
- MongoDB简介[一]
eksliang
mongodbMongoDB简介
MongoDB简介
转载请出自出处:http://eksliang.iteye.com/blog/2173288 1.1易于使用
MongoDB是一个面向文档的数据库,而不是关系型数据库。与关系型数据库相比,面向文档的数据库不再有行的概念,取而代之的是更为灵活的“文档”模型。
另外,不
- zookeeper windows 入门安装和测试
greemranqq
zookeeper安装分布式
一、序言
以下是我对zookeeper 的一些理解: zookeeper 作为一个服务注册信息存储的管理工具,好吧,这样说得很抽象,我们举个“栗子”。
栗子1号:
假设我是一家KTV的老板,我同时拥有5家KTV,我肯定得时刻监视
- Spring之使用事务缘由(2-注解实现)
ihuning
spring
Spring事务注解实现
1. 依赖包:
1.1 spring包:
spring-beans-4.0.0.RELEASE.jar
spring-context-4.0.0.
- iOS App Launch Option
啸笑天
option
iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:,其中第二个参数launchOptions为NSDictionary类型的对象,里面存储有此程序启动的原因。
launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。
1、若用户直接
- jdk与jre的区别(_)
macroli
javajvmjdk
简单的说JDK是面向开发人员使用的SDK,它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包,可以包括函数库、编译程序等。
JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境,是面向Java程序的使用者,而不是开发者。 如果安装了JDK,会发同你
- Updates were rejected because the tip of your current branch is behind
qiaolevip
学习永无止境每天进步一点点众观千象git
$ git push joe prod-2295-1
To
[email protected]:joe.le/dr-frontend.git
! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward)
error: failed to push some refs to '
[email protected]
- [一起学Hive]之十四-Hive的元数据表结构详解
superlxw1234
hivehive元数据结构
关键字:Hive元数据、Hive元数据表结构
之前在 “[一起学Hive]之一–Hive概述,Hive是什么”中介绍过,Hive自己维护了一套元数据,用户通过HQL查询时候,Hive首先需要结合元数据,将HQL翻译成MapReduce去执行。
本文介绍一下Hive元数据中重要的一些表结构及用途,以Hive0.13为例。
文章最后面,会以一个示例来全面了解一下,
- Spring 3.2.14,4.1.7,4.2.RC2发布
wiselyman
Spring 3
Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。
其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止),后续会继续根据需求和bug发布维护版本。此时,Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。
其中Spring 4.1.7主要包含这些更新内容。