- DatawhaleAI夏令营学习活动
若天明
学习
学习任务如下:##赛事任务参赛者需基于提供的带货视频文本及评论文本数据,完成以下三阶段分析任务:-【商品识别】精准识别推广商品;-【情感分析】对评论文本进行多维度情感分析,涵盖维度见数据说明;-【评论聚类】按商品对归属指定维度的评论进行聚类,并提炼类簇总结词。###数据说明本次挑战赛为参赛选手提供包含85条脱敏后的带货视频数据及6477条评论文本数据,数据包括少量有人工标注结果的训练集(仅包含商品
- Datawhale X 魔塔 Ai夏令营 --深度学习基础
一、局部极小值与全局极小值全局极小值:在损失函数的整个定义域内,损失值最小的点。这是我们在训练深度学习模型时希望找到的点,因为它代表着模型的最佳性能。局部极小值:在损失函数的一个局部区域内,损失值达到最小,但在整个函数定义域内可能不是最小的。当优化算法陷入局部极小值时,它可能会误以为已经找到了全局最优解,从而停止搜索。局部极小值的检测两种直观的方法来检测局部极小值:可视化方法:对于低维问题,我们可
- Datawhale组队学习打卡-Fun-transformer-Task3Encoder
宇宙第一小甜欣
学习transformer深度学习
今天的内容主要是Encoder部分的具体流程,多头注意力和交叉注意力,还是会有比较多的公式来厘清每部分的输入和输出以及对应的方法。Encoder如第一篇所说,Encoder是Transformer的第一部分,其主要任务是将输入序列(如文本、词语或字符)编码为一个上下文丰富的表示,Encoder的输出是Decoder的输入的一部分(用作Attention机制中的和)。1.Encoder的整体结构堆叠
- DataWhale 二月组队学习-深入浅出pytorch-Task04
-273.15K
DataWhale组队学习学习pytorch人工智能
一、自定义损失函数1.损失函数的作用与自定义意义在深度学习中,损失函数(LossFunction)用于衡量模型预测结果与真实标签之间的差异,是模型优化的目标。PyTorch内置了多种常用损失函数(如交叉熵损失nn.CrossEntropyLoss、均方误差nn.MSELoss等)。但在实际任务中,可能需要针对特定问题设计自定义损失函数,例如:处理类别不平衡问题(如加权交叉熵)实现特殊业务需求(如对
- 【DW11月-深度学习】Task03前馈神经网络
沫2021
参考链接:https://datawhalechina.github.io/unusual-deep-learning/#/4.%E5%89%8D%E9%A6%88%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C一、神经元模型2.1神经元1943年,美国神经生理学家沃伦·麦卡洛克(WarrenMcCulloch)和数学家沃尔特·皮茨(WalterPitts)对生物神经元进行
- #Datawhale组队学习#7月-强化学习Task1
fzyz123
Datawhale组队学习强化学习人工智能AI
这里是Datawhale组织的组队学习《强化学习入门202507》,Datawhale是一个开源的社区。第一章绪论1.1为什么要学习强化学习?强化学习(ReinforcementLearning,RL)是机器学习中专注于智能体(Agent)如何通过与环境交互学习最优决策策略的分支。与监督学习依赖静态数据集、无监督学习聚焦数据内在结构不同,强化学习的核心在于序贯决策:智能体通过试错探索环境,根据行动
- “Datawhale AI夏令营”基于带货视频评论的用户洞察挑战赛
fzyz123
DatawhaleAI夏令营人工智能Datawhale大模型技术NLP深度学习AI夏令营
前言:本次是DatawhaleAI夏令营2025年第一期的内容,赛事是:基于带货视频评论的用户洞察挑战赛(科大讯飞AI大赛)一、赛事背景在直播电商爆发式增长浪潮中,短视频平台积累的海量带货视频及用户评论数据蕴含巨大商业价值。这些数据不仅是消费者体验的直接反馈,更是驱动品牌决策的关键资产。用户洞察的核心在于视频内容与评论数据的联合挖掘:通过智能识别推广商品分析评论中的情感表达与观点聚合精准捕捉消费者
- 全球DeepFake攻防挑战赛&DataWhale AI 夏令营——图像赛道
czijin
人工智能deeplearning
全球DeepFake攻防挑战赛&DataWhaleAI夏令营——图像赛道赛题背景随着人工智能技术的迅猛发展,深度伪造技术(Deepfake)正成为数字世界中的一把双刃剑。这项技术不仅为创意内容的生成提供了新的可能性,同时也对数字安全构成了前所未有的挑战。Deepfake技术可以通过人工智能算法生成高度逼真的图像、视频和音频内容,这些内容看起来与真实的毫无二致。然而,这也意味着虚假信息、欺诈行为和隐
- 【GitHub开源项目实战】LLM-Cookbook 中文大模型工程手册全解析:多场景落地应用与技术优化路径深度实践
GitHub开源实战|LLM-Cookbook中文大模型工程手册全解析:多场景落地应用与技术优化路径深度实践关键词LLM-Cookbook,中文大模型,Datawhale,大模型实战,LangChain应用,多模态集成,RAG系统,国产模型适配,大模型微调,开源实战解析摘要LLM-Cookbook是由Datawhale社区发起并持续维护的中文大模型应用工程实践项目,旨在系统性总结大模型在中文语境下
- Happy-LLM 第二章 Transformer
HalukiSan
transformer深度学习人工智能
Transform架构图片来自[Happy-llm](happy-llm/docs/chapter2/第二章Transformer架构.mdatmain·datawhalechina/happy-llm),若加载不出来,请开梯子注意力机制前馈神经网络每一层的神经元都与上下两层的每一个神经元完全连接数据在其中只向前流动,用于处理静态的数据,进行图像识别或者分类,但是该网络没有记忆能力,数据在它里面没
- 大模型学习 (Datawhale_Happy-LLM)笔记7: Encoder-Decoder PLM
lxltom
学习笔记languagemodel自然语言处理神经网络人工智能深度学习
大模型学习(Datawhale_Happy-LLM)笔记7:Encoder-DecoderPLM1.Encoder-Decoder架构概述1.1架构基础Encoder-DecoderPLM是基于原始Transformer架构的完整实现,它同时保留了编码器(Encoder)和解码器(Decoder)两个核心组件。这种设计使得模型能够兼具文本理解和生成的双重能力,特别适合处理序列到序列(Seq2Seq
- 阅读笔记(2) 单层网络:回归
a2507283885
笔记
阅读笔记(2)单层网络:回归该笔记是DataWhale组队学习计划(共度AI新圣经:深度学习基础与概念)的Task02以下内容为个人理解,可能存在不准确或疏漏之处,请以教材为主。1.从泛函视角来看线性回归还记得线性代数里学过的“基”这个概念吗?一组基向量是一组线性无关的向量,它们通过线性组合可以张成一个向量空间。也就是说,这个空间里的任意一个向量,都可以表示成这组基的线性组合。函数其实也可以看作是
- 【机器学习实战】Datawhale夏令营2:深度学习回顾
城主_全栈开发
机器学习机器学习深度学习人工智能
#DataWhale夏令营#ai夏令营文章目录1.深度学习的定义1.1深度学习&图神经网络1.2机器学习和深度学习的关系2.深度学习的训练流程2.1数学基础2.1.1梯度下降法基本原理数学表达步骤学习率α梯度下降的变体2.1.2神经网络与矩阵网络结构表示前向传播激活函数反向传播批处理卷积操作参数更新优化算法正则化初始化2.2激活函数Sigmoid函数:Tanh函数:ReLU函数(Rectified
- 二、大模型的能力(DataWhale大模型理论基础)
Y_fulture
大模型理论基础(DW组队学习)人工智能gpt-3nlp
大模型的能力一、概述本节主要是通过对GPT-3论文中的基准测试深入研究,从而获得关于GPT-3更深程度的认识我们应该知道,GPT-3的结果参差不齐:在某些任务上,比如语言建模,GPT-3大幅度超越了现有技术的最高水平;在其他任务上,GPT-3与训练有素,拥有大量标签数据的系统竞争时,却明显落后。造成上述现象的原因:GPT-3并未明确针对这些任务进行训练,它只是作为一个语言模型,被训练来预测下一个词
- 大模型学习 (Datawhale_Happy-LLM)笔记4: 预训练语言模型
lxltom
学习笔记语言模型人工智能bertgpt
大模型学习(Datawhale_Happy-LLM)笔记4:预训练语言模型一、概述本章按Encoder-Only、Encoder-Decoder、Decoder-Only的顺序来依次介绍Transformer时代的各个主流预训练模型,分别介绍三种核⼼的模型架构、每种主流模型选择的预训练任务及其独特优势,这也是目前所有主流LLM的模型基础。二、Encoder-onlyPLM代表:BERT及其优化版本
- 【Datawhale组队学习202506】YOLO-Master task02 YOLO系列发展线
来两个炸鸡腿
Datawhale组队学习学习YOLOpython深度学习
系列文章目录`文章目录系列文章目录前言V1-2015-JosephRedmonV2-2016-JosephRedmonV3-2018-JosephRedmonYOLO之父的退出V4-202004-Chien-YaoWangV5-20200609-Ultralytics公司V6-20220623-美团V7-2022-Chien-YaoWangV8-20230110-Ultralytics公司V9-2
- Datawhale YOLO Master 第1次笔记
weixin_44811994
YOLO笔记
课程链接https://github.com/datawhalechina/yolo-masterYOLO系列模型堪称算法界的《五年高考三年模拟》:代码比字典的释义还易懂:PyTorch版源码自带"防脱发"注释,连数据加载器都写着"这里可以加缓存哦~"训练自由度高过还原魔方:从640x640输入尺寸到Neck网络结构,改配置比换手机壳还方便教程比奶茶店的新品还多:GitHub星标项目能绕地球两圈,
- DataWhale-零基础网络爬虫技术(一)
我怎么又饿了呀
DatawhalePythonDataWhale网络
课程链接先给各位↓↓↓(点击即可食用.QAQDatawhale-学用AI,从此开始一、引言还是在笔记的开始,唠唠一些自己的故事十年前第一次接触网络,也可以说是第一次接触计算机的时候,那时候还是在中学阶段,那时候大家比较乐忠于玩QQ,刷一排各式各样的钻还有图标显得比较酷炫,我们班所有人都会用各种途径点亮五颜六色的钻,大家在下课吹牛的时候总会说我的途径更有效、我的价更低等等...所以那时候的年轻想法就
- DataWhale-零基础络网爬虫技术(二er数据的解析与提取)
我怎么又饿了呀
PythonDatawhale爬虫算法
课程链接先给各位↓↓↓(点击即可食用.QAQDatawhale-学用AI,从此开始一、数据的解析与提取数据提取的几种方式:re解析bs4解析xpath解析1.1正则表达式(ReuglarExperssion)RE是一种用于字符串匹配的规则描述方式。它通过特定的组合字符来定义字符串的模式,从而实现对字符串的搜索、匹配、替换等操作。Python也支持同样re的用法,需要引入模块importre。使用场
- 【Datawhale组队学习202506】YOLO-Master task01 导学课程
来两个炸鸡腿
Datawhale组队学习学习YOLO
系列文章目录task01导学课程文章目录系列文章目录前言一、计算机视觉与YOLO?二、YOLO好在哪2.1卓越性能2.2极易学习2.3模块化设计2.4开源社区活跃三、YOLOMaster教程内容介绍总结前言Datawhale是一个专注于AI与数据科学的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员YOLO-Master本章学习资料:https://wv
- Datawhale组队学习 - 202505 - PyPOTS - Task01时序数据与PyPOTS
来两个炸鸡腿
学习python人工智能
系列文章目录Task01-时序数据与PyPOTS文章目录系列文章目录前言1时间序列数据1.1时间序列数据的类型1.2时间序列数据示例1.3时间序列的研究与应用方向1.3.1预测Forecasting1.3.2分类Classification1.3.3聚类Clustering1.3.4异常监测AnomalyDetection1.3.5时间序列生成Generation1.3.6插补Imputation
- 【Datawhale组队学习202506】零基础学爬虫 01 初始爬虫
来两个炸鸡腿
Datawhale组队学习学习爬虫python
系列文章目录01初始爬虫文章目录系列文章目录前言1爬虫和Python2爬虫的矛盾2.1爬虫与反爬2.2robots核心字段重要规则说明非标准扩展指令协议生效条件局限性验证工具2.3一个爬虫demo3Web请求与HTTP协议3.1一个web请求的全过程3.2判断页面源代码位置3.3HTTP协议HTTP请求HTTP响应3.4requests模块入门总结前言Datawhale是一个专注于AI与数据科学的
- Datawhale 2025年2月组队学习- 推荐系统教程FunRec #Task3
dxnb22
Datawhale学习笔记人工智能推荐算法
第二章基于向量的召回1.item2vec未完待续……2.youtubeDnn3.经典双塔模型
- Datawhale | 最新AI Agent万字综述分享!
双木的木
大模型专栏Transformer专栏深度学习拓展阅读人工智能transformer深度学习pythonchatgptpromptagent
本文来源公众号“Datawhale”,仅用于学术分享,侵权删,干货满满。原文链接:最新AIAgent万字综述分享!近日,支付宝百宝箱团队的技术负责人王月凡在Datawhale社区带来了AIAgent综述分享。从大语言模型的发展历程出发,全面分享了AIAgent现状,包括:AIAgent出现的原因、构成、核心技术、核心能力、应用场景,以及备受关注的场景落地难点。同时,在最后探讨了未来的人机交互与智能
- 全方位入门大模型应用开发,只需一招搞定:吴恩达系列课程中文教程实战指南!
AI小白熊
人工智能机器学习自然语言处理ai大模型程序员转行
随着生成式人工智能技术的迅速发展,大语言模型(LLM,LargeLanguageModel)成为了当下AI领域最炙手可热的赛道之一。如何快速、高效地掌握LLM的开发要领,成为众多开发者关注的热点。而由Datawhale团队打造的《面向开发者的大模型手册-LLMCookbook》项目,正好为有志于投身大模型开发的中文学习者提供了一套体系化、本地化的入门与实战宝典。本文将为你详细解析这个项目包含的各类
- Git 3天2K星标:Datawhale 的 Happy-LLM 项目介绍(附教程)
大语言模型
人工智能LLM大模型程序员AI大模型RAG知识库
引言在人工智能飞速发展的今天,大语言模型(LargeLanguageModels,LLMs)已成为技术领域的焦点。从智能写作到代码生成,LLM的应用场景不断扩展,深刻改变了我们的工作和生活方式。然而,理解这些模型的内部原理和训练过程并非易事,需要系统的学习和实践。为了帮助广大AI爱好者深入掌握大语言模型的精髓,国内最大的AI开源学习社区Datawhale推出了Happy-LLM项目。这个开源教程以
- LLM基础1_语言模型如何处理文本
激进小猪1002
语言模型人工智能自然语言处理
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn工具介绍tiktoken:OpenAI开发的专业"分词器"torch:Facebook开发的强力计算引擎,相当于超级计算器理解词嵌入:给词语画"肖像"传统方法:给每个词一个编号(就像学生学号)词嵌入:给每个词画一幅多维画像(就像用颜色、形状、纹理描述一幅画),但是计算机
- LLM基础2_语言模型如何文本编码
激进小猪1002
java服务器前端
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn字节对编码(BPE)上一篇博文说到为什么GPT模型不需要[PAD]和[UNK]?GPT使用更先进的字节对编码(BPE),总能将词语拆分成已知子词为什么需要BPE?简单分词器的问题:遇到新词就卡住(如"Hello")BPE的解决方案:把陌生词拆成已知的小零件BPE如何工作
- 机器学习西瓜书笔记——机器学习基本术语,模型性能指标【一】
Code思铮
机器学习笔记人工智能
西瓜书第一,二章笔记datawhale吃瓜教程task1学习笔记第一章第一张主要介绍了一些机器学习研究内容和基本术语,以及发展现状。基本术语由于有些术语过于基础,在此不做赘述大家可以去读西瓜书。1、分类任务:若模型的预测值是离散的,如“好瓜”,“坏瓜”,这是分类任务。在二分类任务中有两个标签(label)一个是正类,一个是反类2、回归任务:若模型的预测值是连续的,如“西瓜的成熟度是0.99“那么这
- 给MCP加上RAG,工具准确率提升200%,起飞~
Datawhale
Datawhale分享作者:TiantianGan、QiyaoSun编辑:PaperAgent大型语言模型(LLMs)在有效利用越来越多的外部工具(如模型上下文协议(MCP)所定义的工具)方面存在困难,这是由于提示膨胀和选择复杂性造成的。因此引入了RAG-MCP,这是一个检索增强生成框架,通过卸载工具发现来克服这一挑战。论文地址:https://arxiv.org/pdf/2505.03275提示
- 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