- 英伟达靠什么支撑起了4万亿?AI泡沫还能撑多久?
英伟达市值突破4万亿美元,既是AI算力需求爆发的直接体现,也暗含市场对未来的狂热预期。其支撑逻辑与潜在风险并存,而AI泡沫的可持续性则取决于技术、商业与地缘政治的复杂博弈。⚙️一、英伟达4万亿市值的核心支撑因素技术垄断与生态壁垒硬件优势:英伟达GPU在AI训练市场占有率超87%,H100芯片的FP16算力达1979TFLOPS,领先竞品3-5倍。CUDA生态:400万开发者构建的软件护城河,成为A
- PaddleOCR 快速开始
张欣-男
PaddlePaddlePaddleOCROCR
1.安装1.1安装PaddlePaddle#GPUcudapipinstallpaddlepaddle-gpu#CPUpipinstallpaddlepaddle1.2安装PaddleOCRwhl包pipinstallpaddleocr2.便捷使用2.1命令行使用2.1.1中英文模型检测+方向分类器+识别全流程:–use_angle_clstrue设置使用方向分类器识别180度旋转文字,–use_
- 非欧空间计算加速:图神经网络与微分几何计算的GPU优化(流形数据的内存布局优化策略)
九章云极AladdinEdu
空间计算神经网络人工智能gpu算力算法java开发语言
一、非欧空间计算的革命性意义与核心挑战在三维形状分析、社交网络建模、分子动力学模拟等领域,非欧几里得空间数据(流形数据)的处理正推动人工智能技术向更复杂的几何结构迈进。传统欧式空间优化方法在处理流形数据时面临根本性局限:黎曼度量导致距离计算失效、局部坐标系动态变化引发内存访问模式混乱、曲率变化影响并行计算效率。本文提出基于分块流形存储(BlockedManifoldStorage,BMS)与层次化
- 从零开始构建深度学习环境:基于Pytorch、CUDA与cuDNN的虚拟环境搭建与实践(适合初学者)
荣华富贵8
程序员的知识储备2程序员的知识储备3深度学习pytorch人工智能
摘要:深度学习正在引领人工智能技术的革新,而对于初学者来说,正确搭建深度学习环境是迈向AI研究与应用的第一步。本文将为读者提供一套详尽的教程,指导如何在本地环境中搭建Pytorch、CUDA与cuDNN,以及如何利用Anaconda和PyCharm进行高效开发。内容涵盖从环境配置、常见错误修正,到基础的深度学习模型构建及训练。我们旨在为深度学习零基础的入门者提供一个全面且易于理解的“保姆级”教程,
- LLaMA-Factory微调教程1:LLaMA-Factory安装及使用
Cachel wood
LLM和AIGCllamapython开发语言react.jsjavascript前端microsoft
文章目录环境搭建LLaMA-Factory安装教程模型大小选择环境搭建Windows系统RTX4060Ti(16G显存)python3.10cuda=12.6cudnntorch==2.7.1+cu126torchvision==0.22.1+cu126torchaudio==2.7.1+cu126PSC:\Users\18098>nvidia-smiTueJul2201:52:192025+<
- 核心板:嵌入式系统的核心驱动力
MYZR1
核心板人工智能SSD2351
核心板(CoreBoard)作为嵌入式系统开发的核心组件,已成为现代电子设备智能化的重要基石。这种高度集成的电路板将处理器、内存、存储和基本外设接口浓缩在一个紧凑的模块中,为各类智能设备提供强大的"大脑"。核心板的技术特点核心板通常采用先进的系统级封装(SiP)技术,在微小空间内集成了CPU/GPU、DDR内存、Flash存储以及电源管理单元。这种设计不仅大幅减小了体积,还提高了系统可靠性。以常见
- Unity_UI_NGUI_DrawCall
BuHuaX
Unityunityui游戏引擎c#游戏程序
Unity_UI五、NGUI进阶2.DrawCall相关2.1DrawCall的概念DrawCall定义:字面理解:DrawCall就是"绘制呼叫"的意思,表示CPU(中央处理器)通知GPU(图形处理器-显卡)开始渲染概念定义:DrawCall是CPU(处理器)准备好渲染数据(包括顶点、纹理、法线、Shader等等),然后告知GPU(图形处理器-显卡)开始渲染(将命令放入命令缓冲区)的命令简单来说
- 利用Gpu训练
兮℡檬,
深度学习人工智能
方法一:分别对网络模型,数据(输入,标注),损失函数调用.cuda()网络模型:iftorch.cuda.is_available():net=net.cuda()数据(训练和测试):iftorch.cuda.is_available():imgs=imgs.cuda()targets=targets.cuda()损失函数:iftorch.cuda.is_available():loss_fn=l
- Tensorflow-gpu运行时报错Non-OK-status: GpuLaunchKernel
GEM的左耳返
pythontensorflow深度学习python
Tensorflow-gpu运行时报错Non-OK-status:GpuLaunchKernel(FillPhiloxRandomKernelLaunch,num_blocks,block_size,0,d.stream(),gen,data,size,dist)status:Internal:invaliddevicefunctionFatalPythonerror:Aborted说明你安装的C
- PyTorch武侠演义 第一卷:初入江湖 第7章:矿洞中的计算禁制
空中湖
pytorch武侠演绎pytorch人工智能python
第一卷:初入江湖第7章:矿洞中的计算禁制矿洞深处罗盘残件在接近矿洞时突然发热,指针疯狂旋转。"就是这里,"欧阳长老抚摸着洞壁上的计算图刻痕,“TensorFlow帮用静态图封印了矿脉。”林小码看到:幽蓝矿脉构成巨大的计算图结构水晶矿簇随呼吸节奏明灭(CUDA核心)矿道中流淌着数据光流(内存带宽)"小心!"大师突然拉回林小码。他刚才踩中的矿砖下陷,触发岩壁上的机关——数十道计算图锁链从四面八方射来!
- 【科研绘图系列】R语言绘制边际云雨图散点图
生信学习者1
SCI科研绘图系列(2024版)r语言数据可视化
文章目录介绍加载R包数据下载导入数据数据预处理画图系统信息参考介绍【科研绘图系列】R语言绘制边际云雨图散点图加载R包library(tidyverse)library(ggplot2)library(ggpubr)library(ggpmisc)library(gghalves)library(aplot
- 路口实时检测 30FPS+:陌讯抗遮挡算法实测
2501_92488070
算法计算机视觉视觉检测边缘计算智慧城市
开篇痛点:复杂路口的视觉识别困境在城市交通治理中,行人闯红灯行为检测一直是智能监控的难点。传统视觉算法在实际部署中常面临三重挑战:强光/逆光环境下目标特征丢失导致的漏检率超20%;行人与非机动车遮挡场景下误判率高达15%;普通GPU设备上难以维持25FPS以上的实时性[3]。某二线城市交管部门曾反馈,基于开源模型的系统每月产生超3000条无效告警,严重消耗人力核查资源。这些问题的核心在于传统单模态
- 如何解决 undetected_chromedriver 启动慢问题
小马哥编程
chromeseleniumui
要解决undetected_chromedriver启动慢的问题,可以从以下几个方面优化配置和代码:1.指定本地Chrome二进制路径避免自动搜索Chrome路径,直接指定位置:driver=uc.Chrome(browser_executable_path=r'C:\ProgramFiles\Google\Chrome\Application\chrome.exe')2.禁用GPU和沙盒(关键优
- 数字人克隆中SyncTalk算法介绍与部署过程
优秘智能UMI
人工智能ubuntu
SyncTalk算法介绍SyncTalk合成同步的头部说话视频,采用三平面哈希表示来保持主体身份。它可以生成同步的嘴唇动作、面部表情和稳定的头部姿势,并恢复头发细节以创建高分辨率视频。部署在Linux中部署该项目,在Ubuntu18.04、Pytorch1.12.1和CUDA11.3上测试。gitclonehttps://github.com/ZiqiaoPeng/SyncTalk.gitcdSy
- vLLM专题(三)-快速开始
AI专题精讲
大模型专题系列人工智能
本指南将帮助您快速开始使用vLLM执行:离线批量推理使用OpenAI兼容服务器进行在线服务1.先决条件操作系统:LinuxPython:3.9–3.122.安装如果您使用的是NVIDIAGPU,您可以直接使用pip安装vLLM。建议使用uv,一个非常快速的Python环境管理器,来创建和管理Python环境。请按照文档安装uv。安装uv后,您可以创建一个新的Python环境,并使用以下命令安装vL
- XCZU4EV-1FBVB900E Xilinx FPGA AMD Zynq UltraScale+ MPSoC EV(Embedded Vision)
XINVRY-FPGA
arm开发fpga开发fpga嵌入式硬件硬件工程计算机视觉硬件架构
XCZU4EV-1FBVB900EXCZU4EV‑2FBVB900E属于AMD(Xilinx)ZynqUltraScale+MPSoCEV(EmbeddedVision)系列,集成四核Arm®Cortex‑A53应用处理器、双核Cortex‑R5F实时处理器与Mali‑400MP2片上GPU,辅以强大的可编程逻辑和海量DSP引擎。该器件面向视频嵌入式视觉、网络通信、工业自动化和高级数据处理等对图形
- 数字经济时代全产业链详解
数字经济全产业链概述数字经济全产业链涵盖从底层技术到终端应用的完整生态,包括基础技术层、核心产业层、融合应用层和支撑服务层。以下是详细拆解:基础技术层1.硬件基础设施芯片与半导体:CPU、GPU、AI芯片(如NPU)等,支撑算力需求。通信设备:5G基站、光纤网络、卫星互联网等。数据中心:云计算服务器、边缘计算节点、绿色数据中心(如液冷技术)。2.软件与平台操作系统:鸿蒙、Windows、Linux
- 【MMCV】MMCV安装与踩坑
Elendill
Pyhtonpytorchpythonmmcv
确认MMCV版本首先确认项目所需MMCV的版本是多少mmcv2.0版本的代码相比较于=2.0.0安装方法新创建一个conda环境安装pytorch:condainstallpytorchtorchvisiontorchaudiopytorch-cuda=11.8-cpytorch-cnvidia安装mim,这是openmm官方推出的用于安装他们旗下mm系列产品的安装器:pipinstall-Uop
- [mmcv系列] pip安装mmcv记录
文章目录1.查看torch和cuda版本1.安装1.1从预编译包安装1.2源码编译安装2.校验报错:frommmcvimportConfig可以直接参考教程:找到pip安装,选择自己的cuda和torch版本,复制指令到终端安装即可:1.查看torch和cuda版本终端运行指令:python-c'importtorch;print(torch.__version__);print(torch.ve
- 【代码问题】【包安装】MMCV
Catching Star
python
可以参考这篇博客【MMCV】MMCV安装与踩坑-CSDN博客MMCV对于版本要求非常严格。python最好是3.10或者3.9,而且torch和cuda版本一定要对应。比如我是cu118,就可以这样安装:#举例:torch2.1.0+cu118pipinstallmmcv-full==1.7.2\-fhttps://download.openmmlab.com/mmcv/dist/cu118/to
- 存算一体架构或成为AI处理器技术发展关键
神州问学
人工智能架构gpu算力算法语言模型
©作者|坚果来源|神州问学引言马斯克巨资60亿美元打造的“超级算力工场”,通过串联10万块顶级NVIDIAH100GPU,不仅震撼了AI和半导体行业,促使英伟达股价应声上涨6%,还强烈暗示了AI大模型及芯片需求的急剧膨胀。这一行动不仅是马斯克对AI未来的大胆押注,也成为了全球企业加速布局AI芯片领域的催化剂,预示着一场科技革新竞赛的全面升级,各方竞相提升算力,争夺AI时代的战略高地。观察近期Bla
- 下一代AI芯片设计的五大革命性突破:从架构创新到能效比跃迁——解析存算一体、Chiplet与光子计算的产业实践
像素笔记
杂谈单片机人工智能gpu算力Chiplet硬件架构
一、引言:AI算力竞赛进入“纳米级战争”2024年,全球AI芯片市场规模突破800亿美元,但传统冯·诺依曼架构的“内存墙”问题愈发凸显。英伟达H100GPU的算力虽达4PetaFLOPS,但其实际能效比仅有15%,大量功耗消耗在数据搬运而非计算本身(数据来源:ISSCC2024报告)。与此同时,特斯拉Dojo超算通过定制化架构,将训练成本降低至行业平均水平的1/5。本文将深入剖析AI芯片设计的五大
- 使用vllm创建相同模型的多个实例,使用nginx进行负载均衡,提高模型吞吐量
背景要提高vllm部署的大模型吞吐量,可以从显存利用率优化、多实例部署、参数调优和流程优化等多个维度入手,以下是具体建议:一、提高gpu-memory-utilization的效果与操作gpu-memory-utilization控制vllm预分配的GPU内存比例(默认0.9),当前值0.35预留了过多显存,是吞吐量低的重要原因。提升空间:合理提高该值可显著增加批处理能力。例如从0.35提升到0.
- ✨零基础手把手|Docker+vLLM极速部署OpenAI风格API:5分钟4卡GPU推理+避坑指南+完整镜像配置
杨靳言先
pythondockervllm部署
一、Docker基础命令查看容器状态Bashdockerps#查看运行中的容器dockerps-a#查看所有容器(包括已停止的)查看镜像列表Bashdockerimages#列出本地所有镜像二、镜像与容器操作镜像打包为.tar文件Bashdockersave-o#将镜像导出为.tar文件#示例:dockersave-omy_image.tarvllm/vllm-openai:v0.8.4打包多个镜
- ERNIE-4.5-0.3B 实战指南:文心一言 4.5 开源模型的轻量化部署与效能跃升
当行业还在为千亿参数模型的算力消耗争论不休时,百度文心一言4.5开源版本以颠覆性姿态撕开了一条新赛道。2025年6月30日,文心一言4.5系列模型正式开源,其中ERNIE-4.5-0.3B这款仅3亿参数的轻量模型,为破解大模型产业落地的三大困局提供了全新方案:算力门槛:从千万级GPU集群降至消费级单卡部署成本控制:企业私有化部署成本降至传统方案的1/10效率平衡:在保持智能水平的同时实现极致轻量化
- 深度学习GPU工作站主机选择指南:以RTX 5090为核心的2025年配置策略
前言2025年,随着NVIDIARTX5090的发布,深度学习硬件领域迎来了革命性的变化。这款基于Blackwell架构的旗舰GPU不仅在游戏领域表现卓越,更在AI和深度学习应用中展现出前所未有的性能实力。对于深度学习研究者和工程师而言,RTX5090的出现重新定义了工作站配置的标准,其32GBGDDR7显存、768个第五代TensorCore以及大幅提升的计算性能,为大规模模型训练和推理提供了全
- 深度学习-数据操作
数据操作首先,我们来介绍n维数组,也称为张量(tensor)。GPU很好地支持加速计算,而NumPy仅支持CPU计算;并且张量类支持自动微分。这些功能使得张量类更适合深度学习。张量表示一个由数值组成的数组,这个数组可能有多个维度。具有一个轴的张量对应数学上的向量(vector);具有两个轴的张量对应数学上的矩阵(matrix);具有两个轴以上的张量没有特殊的数学名称。上图分别是1维到5维的张量的表
- 第十四章:AI的数据“集装箱”:彻底搞懂Tensor的Batch与维度
爱分享的飘哥
AI新纪元:120日觉醒计划TensorPyTorchBatchSize数据处理AI基础深度学习教程
AI数据集中箱前言:为什么AI从不“零售”,总是“批发”?1:Batch(批次)——GPU的“灵魂伴侣”1.1单个处理vs.批量处理:CPU与GPU的思维差异1.2DataLoader:PyTorch的“自动化装箱员”2:维度的语言——破译[B,L,D]的含义2.1[L,D]:一个句子的“二维画像”2.2[B,L,D]:一批句子的“三维魔方”2.3用代码直观感受维度的增加3:追踪Tensor的“变
- 模型剪枝(分析)
yc_hu
剪枝python机器学习
1.函数入口与设备初始化defget_layer_level_pruning_rate(args):device=torch.device("cuda"iftorch.cuda.is_available()else"cpu")功能:检测可用设备(优先使用GPU),为后续模型加载做准备。2.数据加载与评估函数定义train_loader,val_loader,test_loader,criterio
- 【WebGPU学习杂记】数学基础拾遗(1)三角学基础
本文主要记录一些基础数学中的关键术语、公式、定义,方便查阅并基于此拓展和补充。部分内容需要有函数基础。主要目的是熟悉这些公式即可,如果能够手推公式效果最理想(增加对公式的信任感)。基础概念内角、外角、补角、对边、临边内角、外角和均为π\piπ、任意两边长度加和>第三边相似:三边对应成比例两边对应成比例且夹角相等两角对应角度相等全等:三边相等、两边对应相等且夹角相等、双边角对应相等且夹边对应相等单位
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓