- 人工智能学习资源
Hemy08
人工智能学习
无机器学习基础:https://www.coursera.org/learn/machine-learning有机器学习基础:MachineYearning深度学习入门:https://www.coursera.org/learn/neural-networks-deep-learning
- Pytorch深度学习入门基础(二):python 编辑器的选择、 安装及配置( pycharm、 jupyter)
慕奕宸
深度学习深度学习pythonpytorch
目录一、下载pycharm1.下载pycharm2.pycharm配置3.检查pycharm环境是否配置好二、Jupyter安装三、常见问题:1.为什么torch.cuda.isavailable()为False2.无法定位程序输入点现在来开一个专栏,关于学习Pytorch深度学习的入门基础,分为好几期,我会慢慢更新,希望大家可以互相支持一下,相互学习,相互进步!下面是这个专栏的所有内容,大家可以
- pytorch深度学习入门(12)之-神经网络导出onnx模型部署与应用
码农呆呆
深度学习深度学习pytorch神经网络
概述:ONNX(OpenNeuralNetworkExchange)是一种开放神经网络交换格式,它使得不同深度学习框架(如TensorFlow、PyTorch、MXNet等)之间的互操作成为可能。ONNX提供了一种标准化的方式,可以将训练好的模型导出并转换为ONNX格式,然后可以在其他支持ONNX的框架或工具中进行部署和推理。ONNX的主要优势在于它促进了深度学习模型在不同平台之间的互操作性和可移
- AI人工智能深度学习入门指南:从基础到实践_副本
AI大模型应用实战
C人工智能深度学习ai
AI人工智能深度学习入门指南:从基础到实践关键词:人工智能、机器学习、深度学习、神经网络、梯度下降、反向传播、实战案例摘要:本文是为零基础或初级学习者打造的深度学习入门指南。我们将从“人工智能-机器学习-深度学习”的关系讲起,用“教机器人认猫”的故事串联核心概念,结合生活比喻(如“多层蛋糕”解释神经网络)、数学公式(如梯度下降的“下山游戏”)和Python实战代码(用Keras实现手写数字识别),
- 深度学习入门指南:从基础概念到代码实践
软考和人工智能学堂
人工智能#深度学习Python开发经验深度学习人工智能
深度学习入门指南:从基础概念到代码实践1.深度学习概述深度学习是机器学习的一个分支,它通过模拟人脑神经元的工作方式,构建多层次的神经网络模型来处理复杂的数据模式。与传统机器学习方法相比,深度学习能够自动从原始数据中学习特征表示,无需过多的人工特征工程。深度学习已经在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展。例如,ImageNet竞赛中深度学习模型的识别准确率已经超过人类水平,而GP
- 深度学习入门(2):alexnet
qq_776882262
深度学习人工智能
引言主要讲下alexnet里的几个方法,后面深度学习的代码部分应该都是借用别人的,整体安排是从简单到难。本篇借鉴Pytorch之AlexNet花朵分类_基于alexnet的花卉分类识别系统-CSDN博客,如果需要学习直接参考这篇就好了,本文只是作为本人复习记录。正文AlexNet是深度学习时代的开端,它用一场决定性的胜利,证明了深度卷积神经网络在计算机视觉中的巨大潜力。单层alexnet网络架构:
- 深度学习入门(3):vgg16
qq_776882262
深度学习人工智能
引言相比于alexnet,vgg16进一步优化了这个黑盒模型,用实验的方式证明了哪些模块有效,哪些模块对检测效果提升有限。奠基了卷积神经网络一些基础的模块。本文参考pytorch实战7:手把手教你基于pytorch实现VGG16_vgg16pytorch-CSDN博客,此处只做记录供本人复习记录。正文VGG16创新点:1.使用小卷积核堆叠代替大卷积核VGG16采用多个连续的3×3小卷积核堆叠,而不
- 深度学习入门:Python搭建简单神经网络模型
缑宇澄
python
在人工智能浪潮中,深度学习凭借强大的特征提取与模式识别能力成为核心技术,而神经网络则是深度学习的基石。从图像识别到自然语言处理,神经网络以独特的结构和学习机制,让计算机能够模拟人类大脑处理复杂信息的过程。本文将带领你从基础理论出发,使用Python和Keras库搭建一个简单的神经网络模型,开启深度学习的探索之旅。一、神经网络基础理论1.1神经元与网络结构神经网络的基本单元是人工神经元(又称节点或单
- 【大模型入门指南 10】大模型推理部署:vLLM和llama.cpp
青松ᵃⁱ
LLM入门系列llama
【大模型入门指南】系列文章:【大模型入门指南01】深度学习入门【大模型入门指南02】LLM大模型基础知识【大模型入门指南03】提示词工程【大模型入门指南04】Transformer结构【大模型入门指南05】LLM技术选型【大模型入门指南06】LLM数据预处理【大模型入门指南07】量化技术解析【大模型入门指南08】微调和分布式训练【大模型入门指南09】LLM和多模态模型高效推理实践【大模型入门指南1
- 深度学习入门:从零搭建你的第一个神经网络
layneyao
ai深度学习神经网络人工智能
深度学习入门:从零搭建你的第一个神经网络系统化学习人工智能网站(收藏):https://www.captainbed.cn/flu文章目录深度学习入门:从零搭建你的第一个神经网络摘要引言第一章:神经网络基础原理1.1神经元模型1.2反向传播算法1.3激活函数对比第二章:开发环境搭建指南2.1硬件要求2.2软件环境2.2.1Anaconda配置2.2.2PyTorch安装2.2.3TensorFlo
- 深度学习入门:如何从零开始搭建自己的深度学习模型?
AI天才研究院
Python实战自然语言处理人工智能语言模型编程实践开发语言架构设计
作者:禅与计算机程序设计艺术1.简介深度学习(DeepLearning)近几年已经成为人们关注的热点话题。从2012年的ImageNet竞赛开始,激起了众多研究者的兴趣,也带来了越来越多的应用场景。随着技术的飞速发展,深度学习已经成为了各个领域最具潜力的技术。作为一名AI科研工作者,了解、掌握深度学习相关知识可以帮助你更好地理解并解决实际问题。本文将全面介绍深度学习的基础知识、技术要点及其应用。文
- 第6篇:深度学习入门——神经网络基础
CarlowZJ
AI+Python深度学习神经网络人工智能
目录一、前言二、概念讲解(一)深度学习:人工智能皇冠上的明珠(二)神经网络:深度学习的微观世界三、神经网络的基本组件:构建智能的积木(一)神经元:智能的基本单元(二)权重与偏置:连接的智慧(三)激活函数:非线性的魔法(四)损失函数:衡量差距的标尺(五)优化器:攀登优化高峰的向导四、前向传播与反向传播:神经网络的智慧流转(一)前向传播:信息的逐层传递(二)反向传播:误差的逆向追溯五、代码示例:搭建你
- 【深度学习入门篇 ②】Pytorch完成线性回归!
小森( ﹡ˆoˆ﹡ )
深度学习入门篇线性回归算法回归
嗨,大家好,我是小森(﹡ˆoˆ﹡)!易编橙·终身成长社群创始团队嘉宾,橙似锦计划领衔成员、阿里云专家博主、腾讯云内容共创官、CSDN人工智能领域优质创作者。易编橙:一个帮助编程小伙伴少走弯路的终身成长社群!上一部分我们自己通过torch的方法完成反向传播和参数更新,在Pytorch中预设了一些更加灵活简单的对象,让我们来构造模型、定义损失,优化损失等;那么接下来,我们一起来了解一下其中常用的API
- day33 python深度学习入门
xiaohanbao09
pynotepython深度学习机器学习pandas人工智能学习
目录深度学习入门:PyTorch实现鸢尾花分类一、环境搭建1.创建Python环境2.安装必要的库3.检查CUDA环境二、数据准备1.加载数据集2.数据预处理3.转换为PyTorch张量三、模型构建1.定义模型结构2.定义损失函数和优化器四、模型训练1.训练过程2.训练结果五、结果可视化六、总结在深度学习的旅程中,神经网络是不可或缺的核心工具之一。今天,我将通过一个简单的项目,使用PyTorch框
- 遥感深度学习——基于deeplabv3+和GID数据集(1)
全域智图
深度学习人工智能
博主最近准备进行深度学习入门,因为是做遥感方向的,经过多重考虑,算法最后选择了deeplabv3+。DeepLabV3+是由谷歌提出的一种用于图像语义分割的深度学习模型。它在DeepLabV3的基础上,加入了编码器-解码器结构,以提高分割结果的边缘细节和空间分辨率。以下是DeepLabV3+的主要特点:编码器-解码器结构:编码器部分提取图像的高层次语义特征,解码器部分逐步恢复图像的空间细节,提高分
- 深度学习入门:从理论到实战的详细指南
人工智能教程
深度学习人工智能算法目标跟踪机器学习YOLO线性回归
的高效学习和理解。对于初学者来说,深度学习的学习曲线可能会显得有些陡峭,但只要掌握正确的方法和步骤,就能轻松入门。本文将为你提供一份从理论到实战的详细指南,帮助你快速掌握深度学习的核心要点。一、深度学习是什么?(一)定义深度学习是机器学习的一个子领域,它通过构建多层的神经网络来学习数据中的复杂模式。与传统的机器学习算法相比,深度学习能够自动提取数据的特征,而不需要人工设计复杂的特征工程。这种自动特
- 深度学习入门:基于 Python 的理论与实现笔记
u013244720
深度学习python笔记
深度学习入门:基于Python的理论与实现笔记在VSCode中运行代码替换库搜索路径#sys.path.append(os.pardir)#为了导入父目录而进行的设定sys.path.append(os.getcwd())替换文件路径#withopen("sample_weight.pkl",'rb')asf:withopen(os.getcwd()+"/ch03/sample_weight.pk
- pytorch深度学习入门(15)之-使用onnx模型量化
码农呆呆
深度学习人工智能pytorch深度学习python神经网络
量化ONNX模型内容量化概述ONNX量化表示格式量化ONNX模型基于变压器的模型Transformer基于变压器的模型GPU上的量化常问问题量化概述ONNX运行时中的量化是指ONNX模型的8位线性量化。在量化期间,浮点值被映射到以下形式的8位量化空间:val_fp32=scale*(val_quantized-zero_point)scale是一个正实数,用于将浮点数映射到量化空间。计算方法如下:
- 深度学习入门--基于Python的理论与实现--Python入门
语文天才高斯
python开发语言人工智能深度学习
第一章Python入门1.1Python是什么Python是一种高级编程语言,由GuidovanRossum于1989年创建,并在1991年正式发布。Python具有以下特点:易读易写:Python语法简洁,代码可读性强,使开发者能够更专注于问题本身。跨平台:Python可以在Windows、Linux和macOS上运行,具有良好的可移植性。丰富的库:Python生态系统中包含大量的第三方库,如N
- 【深度学习入门_NLP自然语言处理】序章
沉默的舞台剧
AI深度学习自然语言处理人工智能
本部分开始深度学习第二大部分NLP章节学习,找了好多资料,终于明确NLP的学习目标了,介于工作之余学习综合考量,还是决定以视频学习为主+后期自主实践为主吧。分享一个总图,其实在定位的时候很迷茫,单各章节领域其实都是很大的范畴,每个部分都是需要专精的,所以在做计划的时候很头大…千里之行始于足下吧,话不多数,直接上NLP的学习应用目标:学习教程的话参照B站实战结合的这个教程【2025NLP自然语言处理
- 具身智能零碎知识点(三):深入解析 “1D UNet”:结构、原理与实战
墨绿色的摆渡人
具身智能零碎知识点pytorch人工智能pythontransformer具身智能
深入解析“1DUNet”:结构、原理与实战【深度学习入门】1DUNet详解:结构、原理与实战指南一、1DUNet是什么?二、核心结构与功能1.整体架构2.编码器(Encoder)3.解码器(Decoder)4.跳跃连接(SkipConnection)5.瓶颈层(Bottleneck)三、数学原理与数值示例1.1D卷积运算2.编码-解码流程四、PyTorch代码实现1.完整模型代码2.使用示例五、实
- 使用Python学习AI的学习攻略
liushangzaibeijing
AI学习python学习人工智能
基于python的AI学习一、夯实基础二、数学基础三、机器学习基础四、深度学习入门五、进阶学习六、学习资源推荐七、实践项目一、夯实基础对于已经掌握Python基础语法的学习者来说,进一步利用Python学习AI需要夯实以下基础:变量和数据类型:包括整数、浮点数、字符串、列表、字典、元组等。条件语句和循环:熟练使用if-else语句和for、while循环。函数:理解函数的定义、调用以及参数传递。面
- 深度学习入门(三):神经网络的学习
WhyNot?
深度学习深度学习神经网络学习
文章目录前言人类思考VS机器学习VS深度学习基础术语损失函数常用的损失函数均方误差MSE(MeanSquareError)交叉熵误差(CrossEntropyError)mini-batch学习为何要设定损失函数数值微分神经网络学习算法的实现两层神经网络的类参考资料前言机器学习的过程通常分为学习(从训练数据中自动获取权重参数的过程)和推理(利用学习到的权重参数对新的数据进行预测)两个环节。本文将主
- 深度学习入门:从神经网络基础到简单实现
Evaporator Core
人工智能#深度学习Python开发经验深度学习神经网络人工智能
深度学习作为人工智能领域最令人兴奋的技术之一,已经在图像识别、自然语言处理、语音识别等多个领域取得了突破性进展。本文将深入浅出地介绍深度学习的基本概念,并通过Python代码实现一个简单的神经网络模型,帮助读者建立直观理解并迈出实践第一步。神经网络的基本原理神经网络的核心思想源自对人类大脑工作方式的简化模拟。想象一下,当你第一次学习骑自行车时,大脑会不断接收来自视觉、平衡感等多方面的信号,经过一系
- PyTorch深度学习入门与实战教程
openbiox
本文还有配套的精品资源,点击获取简介:深度学习是AI的核心技术,基于神经网络对数据建模以实现学习和预测。PyTorch是一个灵活易用的开源深度学习框架,适合初学者和研究人员进行实验开发。教程涵盖了从基础概念到模型训练、验证、测试的完整流程,包括张量操作、动态计算图、数据预处理、神经网络构建、优化器使用、训练循环、模型保存加载以及CNN和RNN等关键网络结构的应用实践。通过实例项目如文本分类、图像识
- AI入门书籍推荐
撬动未来的支点
深度学习深度学习人工智能
漫画机械学习入门((日)大关真之戴凤智张鸿涛孟宇(译))深度学习入门:基于Python的理论与实现深度学习的数学:使用Python语言[转换版]([美]罗纳德·T.纽塞尔)
- 手写数字识别(深度学习小实践)
我是来学习的你们要干什么
深度学习人工智能pycharmpython机器学习神经网络
小白学习ing文章目录前言一、神经网络学习与实践1.学习2.推理二、手写数字识别1、读入mnist数据集(学习)2、神经网络的推理改进→批处理前言非常简单的深度学习小实践,没有用框架,仅使用简单的Python。参考书籍《深度学习入门:基于Python的理论与实现》一、神经网络学习与实践1.学习训练数据进行权重参数的学习2.推理使用学习到的参数,对输入数据进行分类二、手写数字识别1、读入mnist数
- 计算机视觉深度学习入门(4)
yyc_audio
计算机视觉人工智能计算机视觉深度学习神经网络
在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型,这是一种很常见的情况。如果你从事与计算机视觉相关的职业,那么很可能会在实践中遇到这种情况。“少量”样本既可能是几百张图片,也可能是上万张图片。我们来看一个实例——猫狗图片分类,数据集包含5000张猫和狗的图片(2500张猫的图片,2500张狗的图片)。我们将2000张图片用于训练,1000张用于验证,2000张用于测试。将介
- Python第十六课:深度学习入门 | 神经网络解密
程之编
Python全栈通关秘籍python神经网络青少年编程
本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础(大脑的数字化仿生)1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和(∑(权重×输入)+偏置)轴突传递电信号激活函数处理输出2.核心组件解析激活函数:神经元的"开关"(如ReLU:max
- 大模型学习路线与资源推荐
数字化转型2025
AI投资人工智能
以下是基于多篇参考资料整理的大模型学习路线,涵盖从基础到进阶的完整学习路径,帮助您系统掌握大模型核心技术并应用于实际场景:一、基础阶段:构建核心知识体系编程与数学基础编程语言:优先学习Python,掌握其语法、数据结构及常用库(如NumPy、Pandas、PyTorch)37。数学基础:线性代数、概率论与统计学、微积分是理解模型原理的基石,需重点掌握矩阵运算、概率分布等概念39。深度学习入门神经网
- 继之前的线程循环加到窗口中运行
3213213333332132
javathreadJFrameJPanel
之前写了有关java线程的循环执行和结束,因为想制作成exe文件,想把执行的效果加到窗口上,所以就结合了JFrame和JPanel写了这个程序,这里直接贴出代码,在窗口上运行的效果下面有附图。
package thread;
import java.awt.Graphics;
import java.text.SimpleDateFormat;
import java.util
- linux 常用命令
BlueSkator
linux命令
1.grep
相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志,这个命令绝对是必不可少的。
但之前总是习惯于使用 (grep -n 关键字 文件名 )查出关键字以及该关键字所在的行数,然后再用 (sed -n '100,200p' 文件名),去查出该关键字之后的日志内容。
但其实还有更简便的办法,就是用(grep -B n、-A n、-C n 关键
- php heredoc原文档和nowdoc语法
dcj3sjt126com
PHPheredocnowdoc
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
<?
- overflow的属性
周华华
JavaScript
<!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&q
- 《我所了解的Java》——总体目录
g21121
java
准备用一年左右时间写一个系列的文章《我所了解的Java》,目录及内容会不断完善及调整。
在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等,请大家及时指出,我会第一时间更正。
&n
- [简单]docx4j常用方法小结
53873039oycg
docx
本代码基于docx4j-3.2.0,在office word 2007上测试通过。代码如下:
import java.io.File;
import java.io.FileInputStream;
import ja
- Spring配置学习
云端月影
spring配置
首先来看一个标准的Spring配置文件 applicationContext.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi=&q
- Java新手入门的30个基本概念三
aijuans
java新手java 入门
17.Java中的每一个类都是从Object类扩展而来的。 18.object类中的equal和toString方法。 equal用于测试一个对象是否同另一个对象相等。 toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法) 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。
- 《2008 IBM Rational 软件开发高峰论坛会议》小记
antonyup_2006
软件测试敏捷开发项目管理IBM活动
我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵!
其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下.
参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
- PL/SQL的过程编程,异常,声明变量,PL/SQL块
百合不是茶
PL/SQL的过程编程异常PL/SQL块声明变量
PL/SQL;
过程;
符号;
变量;
PL/SQL块;
输出;
异常;
PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
- Mockito(三)--完整功能介绍
bijian1013
持续集成mockito单元测试
mockito官网:http://code.google.com/p/mockito/,打开documentation可以看到官方最新的文档资料。
一.使用mockito验证行为
//首先要import Mockito
import static org.mockito.Mockito.*;
//mo
- 精通Oracle10编程SQL(8)使用复合数据类型
bijian1013
oracle数据库plsql
/*
*使用复合数据类型
*/
--PL/SQL记录
--定义PL/SQL记录
--自定义PL/SQL记录
DECLARE
TYPE emp_record_type IS RECORD(
name emp.ename%TYPE,
salary emp.sal%TYPE,
dno emp.deptno%TYPE
);
emp_
- 【Linux常用命令一】grep命令
bit1129
Linux常用命令
grep命令格式
grep [option] pattern [file-list]
grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。
pattern可以是普通字符串,也可以是正则表达式,当查找的字符串包含正则表达式字符或者特
- mybatis3入门学习笔记
白糖_
sqlibatisqqjdbc配置管理
MyBatis 的前身就是iBatis,是一个数据持久层(ORM)框架。 MyBatis 是支持普通 SQL 查询,存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。
以前也学过iBatis,因为MyBatis是iBatis的升级版本,最初以为改动应该不大,实际结果是MyBatis对配置文件进行了一些大的改动,使整个框架更加方便人性化。
- Linux 命令神器:lsof 入门
ronin47
lsof
lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息,但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实,因为它是指“列出打开文件(lists openfiles)”。而有一点要切记,在Unix中一切(包括网络套接口)都是文件。
有趣的是,lsof也是有着最多
- java实现两个大数相加,可能存在溢出。
bylijinnan
java实现
import java.math.BigInteger;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class BigIntegerAddition {
/**
* 题目:java实现两个大数相加,可能存在溢出。
* 如123456789 + 987654321
- Kettle学习资料分享,附大神用Kettle的一套流程完成对整个数据库迁移方法
Kai_Ge
Kettle
Kettle学习资料分享
Kettle 3.2 使用说明书
目录
概述..........................................................................................................................................7
1.Kettle 资源库管
- [货币与金融]钢之炼金术士
comsci
金融
自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的
那么随着人类在理论物理和工程物理上面取得的一些突破性进展......
炼金术这个古老
- Toast原来也可以多样化
dai_lm
androidtoast
Style 1: 默认
Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT);
def.show();
Style 2: 顶部显示
Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT);
t
- java数据计算的几种解决方法3
datamachine
javahadoopibatisr-languer
4、iBatis
简单敏捷因此强大的数据计算层。和Hibernate不同,它鼓励写SQL,所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦,只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。
复杂计算环境是它的弱项,比如:分布式计算、复杂计算、非数据
- 向网页中插入透明Flash的方法和技巧
dcj3sjt126com
htmlWebFlash
将
Flash 作品插入网页的时候,我们有时候会需要将它设为透明,有时候我们需要在Flash的背面插入一些漂亮的图片,搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。
一、Swf透明、无坐标控制 首先教大家最简单的插入Flash的代码,透明,无坐标控制: 注意wmode="transparent"是控制Flash是否透明
- ios UICollectionView的使用
dcj3sjt126com
UICollectionView的使用有两种方法,一种是继承UICollectionViewController,这个Controller会自带一个UICollectionView;另外一种是作为一个视图放在普通的UIViewController里面。
个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。
1.UIViewController实现委托,代码如
- Eos平台java公共逻辑
蕃薯耀
Eos平台java公共逻辑Eos平台java公共逻辑
Eos平台java公共逻辑
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月1日 17:20:4
- SpringMVC4零配置--Web上下文配置【MvcConfig】
hanqunfeng
springmvc4
与SpringSecurity的配置类似,spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。
applicationContext-MvcConfig.xml
<!-- 启用注解,并定义组件查找规则 ,mvc层只负责扫描@Controller -->
<
- 解决ie和其他浏览器poi下载excel文件名乱码
jackyrong
Excel
使用poi,做传统的excel导出,然后想在浏览器中,让用户选择另存为,保存用户下载的xls文件,这个时候,可能的是在ie下出现乱码(ie,9,10,11),但在firefox,chrome下没乱码,
因此必须综合判断,编写一个工具类:
/**
*
* @Title: pro
- 挥洒泪水的青春
lampcy
编程生活程序员
2015年2月28日,我辞职了,离开了相处一年的触控,转过身--挥洒掉泪水,毅然来到了兄弟连,背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人,还敢跨行业,选择Unity3D?“,”真是不自量力••••••“,”真是初生牛犊不怕虎•••••“,••••••我只是淡淡一笑,拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连!
这就是我青春的分割线,不后悔,只会去用泪水浇灌——已经来到
- 稳增长之中国股市两点意见-----严控做空,建立涨跌停版停牌重组机制
nannan408
对于股市,我们国家的监管还是有点拼的,但始终拼不过飞流直下的恐慌,为什么呢?
笔者首先支持股市的监管。对于股市越管越荡的现象,笔者认为首先是做空力量超过了股市自身的升力,并且对于跌停停牌重组的快速反应还没建立好,上市公司对于股价下跌没有很好的利好支撑。
我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空,在
- 动态设置iframe高度(iframe高度自适应)
Rainbow702
JavaScriptiframecontentDocument高度自适应局部刷新
如果需要对画面中的部分区域作局部刷新,大家可能都会想到使用ajax。
但有些情况下,须使用在页面中嵌入一个iframe来作局部刷新。
对于使用iframe的情况,发现有一个问题,就是iframe中的页面的高度可能会很高,但是外面页面并不会被iframe内部页面给撑开,如下面的结构:
<div id="content">
<div id=&quo
- 用Rapael做图表
tntxia
rap
function drawReport(paper,attr,data){
var width = attr.width;
var height = attr.height;
var max = 0;
&nbs
- HTML5 bootstrap2网页兼容(支持IE10以下)
xiaoluode
html5bootstrap
<!DOCTYPE html>
<html>
<head lang="zh-CN">
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">