- MotionLCM 部署优化 踩坑解决bug
AI算法网奇
aigc与数字人深度学习宝典文生motion
目录依赖项windowstorchok:渲染黑白图问题解决:humanml3d:sentence-t5-large下载数据:报错:Nomodulenamed'sentence_transformers'继续报错:fromtransformers.integrationsimportCodeCarbonCallback解决方法:推理相关转mesh:module‘matplotlib.cm‘hasno
- 如何运用深度学习打造高效AI人工智能系统
AI智能探索者
AIAgent智能体开发实战人工智能深度学习ai
如何运用深度学习打造高效AI人工智能系统关键词:深度学习、AI系统、神经网络、模型优化、实战开发摘要:本文将从深度学习的核心概念出发,结合生活实例和代码实战,系统讲解如何构建高效AI系统。我们会拆解数据准备、模型设计、训练优化、部署落地的全流程,揭秘“数据-模型-训练-推理”的协同机制,并通过具体案例演示从0到1开发AI系统的关键技巧,帮助开发者掌握打造高效AI系统的底层逻辑。背景介绍目的和范围在
- 基于Python引擎的PP-OCR模型库推理
张欣-男
pythonocr开发语言PaddleOCRPaddlePaddle
基于Python引擎的PP-OCR模型库推理1.文本检测模型推理#下载超轻量中文检测模型:wgethttps://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tartarxfch_PP-OCRv3_det_infer.tarpython3tools/infer/predict_det.py--image_dir=".
- 模型压缩中的四大核心技术 —— 量化、剪枝、知识蒸馏和二值化
由数入道
人工智能剪枝人工智能算法模型压缩量化知识蒸馏二值化
一、量化(Quantization)量化的目标在于将原始以32位浮点数表示的模型参数和中间激活,转换为低精度(如FP16、INT8、甚至更低位宽)的数值表示,从而在减少模型存储占用和内存带宽的同时,加速推理运算,特别适用于移动、嵌入式和边缘计算场景。1.1概念与目标基本思想将高精度数值离散化为低精度表示。例如,将FP32权重转换为INT8,可降低内存需求约4倍,同时在支持低精度运算的硬件上加速计算
- BGE-M3模型结合Milvus向量数据库强强联合实现混合检索
在基于生成式人工智能的应用开发中,通过关键词或语义匹配的方式对用户提问意图进行识别是一个很重要的步骤,因为识别的精准与否会影响后续大语言模型能否检索出合适的内容作为推理的上下文信息(或选择合适的工具)以给出用户最符合预期的回答。在本篇文章中,我将尽可能详细地介绍想达成准确识别用户提问意图的解决方案之一,即基于功能强大的BGE-M3模型和Milvus向量数据库实现混合检索(稠密向量densevect
- AI Agent开发第60课-巧用QWEN3.0 0.6B:小身板扛大旗,AI界的轻骑兵
TGITCIC
AIAgent开发大全qwen3qwenaliqwen国产大模型小模型开源小模型aiagent
第一章:小模型的生存法则——为什么0.6B参数就够了?1.1参数量的"黄金分割点"模型类型参数量推理延迟(ms)并发量(QPS)Qwen-0.6B6亿15-3010万+Qwen-1.5B15亿50-805万Qwen-7B70亿200+1万数据对比显示,当参数量超过6亿后,性能提升与成本增长呈现"抛物线"关系。就像智能手机从4G到5G的迭代,用户感知不到的速度提升,却要为硬件升级买单。Qwen-0.
- Codeforces Round 1014 (Div. 2) 补题
海上生明月丿
刷题算法数据结构
D.MishkinEnergizerProblem-D-Codeforces题意:给定一个只包含3个字母{T,L,I}的长度为n的字符串,可以进行最多2*n次操作,每次操作选取一个位置i,保证s[i]!=s[i+1],然后插入一个!=s[i]&&!=s[i+1]的字符,最后要保证每个字母出现的次数一样多,最后输出每次操作的位置,如果无法满足要求,输出-1思路:首先特判这个字符串如果只有一种字符,那
- 赋能未来数学课堂——基于Qwen3、LangChain与Agent架构的个性化教辅系统研究
微学AI
langchain架构
文章目录摘要引言:技术融合催生的教育新范式第一章:Qwen3+LangChain+Agent架构的核心能力与优势1.1Qwen3模型:专为复杂推理打造的“智能大脑”1.2LangChain框架:构建智能体的“灵活骨架”1.3Agent智能体:自主解决问题的“执行中枢”1.4部署与成本优势第二章:在数学教育中解决的关键问题2.1从“答案”到“过程”:深度解析与分步式辅导2.2千人千面:实现高度个性化
- RK3568笔记九十二:QT使用Opencv显示摄像头
殷忆枫
RK3568学习笔记笔记
若该文为原创文章,转载请注明原文出处。测试使用QT调用Opencv的API显示摄像头,板子为正点原子的RK3568,最终想实现的是在RK3568平台上使用Qt框架进行部署,利用NPU推理加速视频目标识别。此篇为测试功能代码为正点原子提供的代码,直接用来测试,在未看代码时一直不明白怎么添加opencv的库,后面明白了,只增加了下面的两行:CONFIG+=link_pkgconfigPKGCONFIG
- 【YOLO系列】YOLOv1详解:模型结构、损失函数、训练方法及代码实现
一碗白开水一
yolo系列助你拿捏AI算法YOLO人工智能目标检测计算机视觉
YOLOv1(YouOnlyLookOnce):实时目标检测的革命性突破✨motivation在目标检测领域,传统方法如R-CNN系列存在计算冗余、推理速度慢的问题。2016年提出的YOLO(YouOnlyLookOnce)首次实现端到端单阶段检测,将检测速度提升至45FPS(FasterR-CNN仅7FPS),彻底改变了实时目标检测的格局。其核心思想是将检测视为回归问题,实现"看一眼即知全貌"的
- 【三维目标检测】Complex-Yolov4详解(二):模型结构
Coding的叶子
Python三维点云实战宝典Complex-YoloComplex-Yolov4三维目标检测目标检测python
本文为博主原创文章,未经博主允许不得转载。本文为专栏《python三维点云从基础到深度学习》系列文章,地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。Complex-Yolo网络模型的核心思想是用鸟瞰图BEV替换Yolo网络输入的RGB图像。因此,在完成BEV处理之后,模型的训练和推理过程基本和Yolo完全一致。Yolov
- Claude 4 全新上线,科研和写作能力大幅提升!文献检索和综述更容易,实测好用!(附专业提示词)
智写AI
AI学术写作指南人工智能
在2025年5月22日,Claude正式发布了它的4系列模型:Opus4和Sonnet4七哥总结下这两款模型的特点,Sonnet4适合快速响应的任务,Opus4适合需要推理的复杂多步骤任务。两款模型都有20万token的上下文窗口。对科研人员、程序开发者来说,Claude这一代模型不仅性能强悍,还在多项核心能力上实现了突破式进阶。说说最新亮相的Claude4系列模型在多项核心能力上的三大进阶之处:
- LIMO:仅需817样本激活大模型数学推理能力,挑战“数据规模至上”传统范式
大千AI助手
人工智能#OTHER#Prompt人工智能机器学习神经网络算法大模型LIMOLessIsMore
“以认知模板唤醒沉睡知识,让推理能力在精不在多”LIMO是由上海交通大学、SII(ShanghaiArtificialIntelligenceLaboratory)、GAIRLab联合提出的突破性研究(2025年2月发表),其核心颠覆了传统AI领域“复杂推理需海量训练数据”的认知,证明仅用817个高质量样本即可激发大语言模型(LLMs)的数学推理能力,在AIME、MATH等竞赛级任务中超越使用10
- 提示工程架构师总结:Agentic AI智能健康项目需求分析的8个关键步骤
AGI大模型与大数据研究院
人工智能需求分析ai
AgenticAI智能健康项目需求分析:从0到1构建智能健康助手的8个关键步骤关键词AgenticAI(智能体AI)、智能健康、需求分析、用户旅程、场景建模、伦理合规、数据策略、系统交互摘要当AI从“被动响应”进化到“主动服务”,AgenticAI(智能体AI)正在重新定义智能健康的边界——它不再是“你问我答的健康助手”,而是“能主动感知、推理、行动的健康管家”:比如监测到糖尿病患者餐后血糖超标,
- 智慧零售 AI 卡顿?陌讯轻量化方案 FPS 升 40%
2501_92722744
零售人工智能目标跟踪计算机视觉目标检测算法
一、开篇痛点:智慧零售视觉算法的三大行业困境在智慧零售场景中,传统视觉算法正面临着难以突破的技术瓶颈。自助结算台的商品误识别率常高达12%-18%,导致消费者频繁触发人工核验;复杂货架场景下,商品重叠、光照变化和包装相似性问题,使得目标检测漏检率超过20%;而边缘设备的算力限制,又让实时推理帧率(FPS)普遍低于25,无法满足流畅交互需求[1]。这些问题直接造成商超运营成本增加30%以上,严重制约
- 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
- 黄仁勋链博会首秀:中国开源AI催化全球革命,机器人浪潮重塑未来工厂
未来智慧谷
开源人工智能机器人
7月16日,北京链博会开幕式迎来一位特殊演讲者——英伟达创始人黄仁勋身着唐装,首次以中文登台演讲。这位AI芯片巨头的掌舵人坦言“很紧张”,却清晰传递出一个重要观点:中国的开源AI已成为世界进步的催化剂,让每个国家、每个行业都有机会参与这场AI革命。一、下一波AI浪潮:物理世界的理解与执行黄仁勋在演讲中明确指出,AI的下一波浪潮将是具备推理与执行能力的机器人系统,这类机器人能够理解物理世界。他预测:
- 智慧水库边缘计算技术路线与框架设计
小赖同学啊
testTechnologyPrecious边缘计算人工智能
智慧水库边缘计算技术路线与框架设计一、边缘计算技术路线1.整体技术路线云边协同层边缘管理层边缘计算层边缘感知层设备层配置下发模型更新数据同步容器编排资源调度安全管理实时数据处理本地AI推理规则引擎协议适配数据采集设备管理水位计雨量计摄像头闸门传感器设备层边缘感知层边缘计算层边缘管理层云边协同层中心云平台2.关键技术演进路线阶段技术重点目标1.0基础建设期容器化部署、基础数据采集实现设备接入和基础数
- sahi+yolov8实现图像切片推理
文章目录前言一、SAHI介绍切片推理兼容性设计二、使用步骤图像切片推理与结果融合代码示例结果对比总结前言本文记录项目中涉及到了无人机正射图像的推理(通常8000像素*8000像素以上),由于模型推理尺寸是640*640的,如果直接整图送入模型推理,推理效果极差,可以考虑采用多个切片进行分别进行推理,最后合并推理结果的方式。一、SAHI介绍SAHI(SlicingAidedHyperInferenc
- yolov8seg如何获取每个结果的mask,不是一整个的mask
boss-dog
视觉算法开发yolov8rk3588
使用rk3588开发板对yolov8-seg进行推理时,瑞芯微官方代码中对推理的结果进行了封装,返回的分割结果是所有目标的mask,而不是单个目标的mask。yolov8seg怎么获得每个结果的mask,不是一整个的mask:https://github.com/airockchip/rknn_model_zoo/issues/175解决postprocess.h中关于检测结果的结构体解析type
- 大模型服务架构设计与性能优化指南
陈乔布斯
人工智能大模型AI性能优化人工智能Python大模型AI模型服务
引言在大模型应用开发中,模型服务作为核心组件,负责提供高效、稳定的模型推理能力。随着大语言模型(LLM)的快速发展,模型服务架构面临着性能、可扩展性和成本的多重挑战。本文将深入探讨模型服务的核心组件、架构设计、性能优化技术,并结合电商、金融科技等合规行业案例,为开发者提供全面的模型服务设计指南。一、模型服务核心组件1.1推理引擎推理引擎是模型服务的核心,负责执行模型推理计算。目前主流的推理引擎包括
- 网络安全-网络安全智能体所有详细工作原理和架构及案例
大家读完觉得有帮助记得关注和点赞!!!网络安全智能体(AISecurityAgent)是人工智能与网络安全融合的新范式,通过自主感知、分析决策、联动响应实现动态防护,正在重构传统“人防为主”的安全体系。以下从工作原理、架构设计、行业案例三方面进行深度解析:一、工作原理:三层认知闭环与动态进化1.核心能力分层(L1-L5标准)等级能力特征代表产品L1基础辅助型单步推理,处理预定义任务(如告警初判)9
- LLM微调训练指南
小小怪 @
人工智能自然语言处理
模型选择策略开源LLM的选择需综合评估任务需求与资源限制:LLaMA-2(7B/13B/70B):商用友好,推荐使用HuggingFace格式的社区变体(如NousResearch版本)Mistral(7B):Apache2.0许可,在推理和数学任务表现突出Falcon(7B/40B):商业授权宽松,特别适合多轮对话场景硬件匹配参考:NVIDIA3090可微调7B模型(QLoRA),A100建议尝
- 为什么《贝克街的亡灵》能成为柯南剧场版中的经典之作?
全息说电影
要说剧场版哪一步最好看?很多人都会选择《贝克街的亡灵》。《贝克街的亡灵》于2002年上映,所有剧场版中,《贝克街的亡灵》以8.9的评分在豆瓣傲视群雄。《贝克街的亡灵》的故事结合了未来科技(VR游戏以及人工智能)和历史实事,以及殿堂级的推理小说(《福尔摩斯》)创作了一个扣人心弦又具有反思意义的作品。《名侦探柯南》中挺喜欢说教,但是像《贝克街的亡灵》这样深入人心又不突兀的说教却很少。那么,我们现在就来
- vllm源码解析(一):整体架构与推理代码
m0_74825634
架构
vlllm官方代码更新频发,每个版本都有极大变动,很难说哪个版本好用.第一次阅读vllm源码是0.4.0版本,对这版圈复杂度极高的调度代码印象深刻0.4.1对调度逻辑进行重构,完全大变样,读代码速度快赶不上迭代的速度了。现在已经更新到0.5.4,经过长时间观察,发现主要的调度逻辑基本也稳定了下来,应该可以作为一个固话的版本去阅读。本文解读依据vllm0.5.4版本.没有修改任何代码,大家不必担心夹
- 【思维链(CoT)技术深度解析】从理论到实践的革命性推理方法
满怀1015
人工智能人工智能思维链大语言模型推理技术提示工程
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⚖️技术演进对比️二、实战演示⚙️环境配置要求核心代码实现案例1:基础CoT提示案例2:自我一致性CoT✅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技术生态✨结语⚠️技术局限性未来发展趋势学习资源
- ✨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
- Deja Vu: 利用上下文稀疏性提升大语言模型推理效率
AI专题精讲
模型加速人工智能模型加速AI技术应用
温馨提示:本篇文章已同步至"AI专题精讲"DejaVu:利用上下文稀疏性提升大语言模型推理效率摘要拥有数百亿参数的大语言模型(LLMs)催生了一系列令人振奋的AI应用。然而,在推理阶段它们计算开销极大。稀疏化是一种自然的降本策略,但现有方法要么需要代价高昂的重新训练,要么必须放弃LLM的“in-contextlearning”能力,要么在现代硬件上无法带来真实的墙钟时间加速。我们提出**上下文稀疏
- 拉普拉斯的魔女-东野圭吾
更欣
看完《拉普拉斯的魔女》后感觉东野似乎从社会推理转向了科幻推理,从思考人性转向思考人类的未来。只是遗憾,科幻没做好,推理的韵味也消散了,只有对未来的惶惑能窥一二。人类的未来到底会如何,你还是不知道为好;这本书做为推理小说来看如何,你还是不看为好。细一琢磨,虽明确告诉了我们所有案件的凶手,可是每个案件的操作手法都没有细说。尤其是谦人设计的两次事件都是近乎应用超能力的不可能事件,便是一点想象空间我都酝酿
- 判断推理---逻辑判断
offer来砸我呀
行测
一、翻译推理有明显的逻辑关联词:如果,就;只有,才提问方式:可以推出、不能推出解题思路:先翻译,再推理1、前推后A可以推B,等价于-B推出-A(逆否等价)如果…那么…只要…就…所有…都为了…一定……是…的充分条件2、后推前B推A只有…才不…不…除非A否则不B。。。。。。除非A否则B,-B推A…是…的必要条件,,,,,谁是必不可少的谁放在箭头的后面。3、且和或A且B:二者同时成立和、既有、不仅而且、
- web报表工具FineReport常见的数据集报错错误代码和解释
老A不折腾
web报表finereport代码可视化工具
在使用finereport制作报表,若预览发生错误,很多朋友便手忙脚乱不知所措了,其实没什么,只要看懂报错代码和含义,可以很快的排除错误,这里我就分享一下finereport的数据集报错错误代码和解释,如果有说的不准确的地方,也请各位小伙伴纠正一下。
NS-war-remote=错误代码\:1117 压缩部署不支持远程设计
NS_LayerReport_MultiDs=错误代码
- Java的WeakReference与WeakHashMap
bylijinnan
java弱引用
首先看看 WeakReference
wiki 上 Weak reference 的一个例子:
public class ReferenceTest {
public static void main(String[] args) throws InterruptedException {
WeakReference r = new Wea
- Linux——(hostname)主机名与ip的映射
eksliang
linuxhostname
一、 什么是主机名
无论在局域网还是INTERNET上,每台主机都有一个IP地址,是为了区分此台主机和彼台主机,也就是说IP地址就是主机的门牌号。但IP地址不方便记忆,所以又有了域名。域名只是在公网(INtERNET)中存在,每个域名都对应一个IP地址,但一个IP地址可有对应多个域名。域名类型 linuxsir.org 这样的;
主机名是用于什么的呢?
答:在一个局域网中,每台机器都有一个主
- oracle 常用技巧
18289753290
oracle常用技巧 ①复制表结构和数据 create table temp_clientloginUser as select distinct userid from tbusrtloginlog ②仅复制数据 如果表结构一样 insert into mytable select * &nb
- 使用c3p0数据库连接池时出现com.mchange.v2.resourcepool.TimeoutException
酷的飞上天空
exception
有一个线上环境使用的是c3p0数据库,为外部提供接口服务。最近访问压力增大后台tomcat的日志里面频繁出现
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.v2.resourcepool.BasicResou
- IT系统分析师如何学习大数据
蓝儿唯美
大数据
我是一名从事大数据项目的IT系统分析师。在深入这个项目前需要了解些什么呢?学习大数据的最佳方法就是先从了解信息系统是如何工作着手,尤其是数据库和基础设施。同样在开始前还需要了解大数据工具,如Cloudera、Hadoop、Spark、Hive、Pig、Flume、Sqoop与Mesos。系 统分析师需要明白如何组织、管理和保护数据。在市面上有几十款数据管理产品可以用于管理数据。你的大数据数据库可能
- spring学习——简介
a-john
spring
Spring是一个开源框架,是为了解决企业应用开发的复杂性而创建的。Spring使用基本的JavaBean来完成以前只能由EJB完成的事情。然而Spring的用途不仅限于服务器端的开发,从简单性,可测试性和松耦合的角度而言,任何Java应用都可以从Spring中受益。其主要特征是依赖注入、AOP、持久化、事务、SpringMVC以及Acegi Security
为了降低Java开发的复杂性,
- 自定义颜色的xml文件
aijuans
xml
<?xml version="1.0" encoding="utf-8"?> <resources> <color name="white">#FFFFFF</color> <color name="black">#000000</color> &
- 运营到底是做什么的?
aoyouzi
运营到底是做什么的?
文章来源:夏叔叔(微信号:woshixiashushu),欢迎大家关注!很久没有动笔写点东西,近些日子,由于爱狗团产品上线,不断面试,经常会被问道一个问题。问:爱狗团的运营主要做什么?答:带着用户一起嗨。为什么是带着用户玩起来呢?究竟什么是运营?运营到底是做什么的?那么,我们先来回答一个更简单的问题——互联网公司对运营考核什么?以爱狗团为例,绝大部分的移动互联网公司,对运营部门的考核分为三块——用
- js面向对象类和对象
百合不是茶
js面向对象函数创建类和对象
接触js已经有几个月了,但是对js的面向对象的一些概念根本就是模糊的,js是一种面向对象的语言 但又不像java一样有class,js不是严格的面向对象语言 ,js在java web开发的地位和java不相上下 ,其中web的数据的反馈现在主流的使用json,json的语法和js的类和属性的创建相似
下面介绍一些js的类和对象的创建的技术
一:类和对
- web.xml之资源管理对象配置 resource-env-ref
bijian1013
javaweb.xmlservlet
resource-env-ref元素来指定对管理对象的servlet引用的声明,该对象与servlet环境中的资源相关联
<resource-env-ref>
<resource-env-ref-name>资源名</resource-env-ref-name>
<resource-env-ref-type>查找资源时返回的资源类
- Create a composite component with a custom namespace
sunjing
https://weblogs.java.net/blog/mriem/archive/2013/11/22/jsf-tip-45-create-composite-component-custom-namespace
When you developed a composite component the namespace you would be seeing would
- 【MongoDB学习笔记十二】Mongo副本集服务器角色之Arbiter
bit1129
mongodb
一、复本集为什么要加入Arbiter这个角色 回答这个问题,要从复本集的存活条件和Aribter服务器的特性两方面来说。 什么是Artiber? An arbiter does
not have a copy of data set and
cannot become a primary. Replica sets may have arbiters to add a
- Javascript开发笔记
白糖_
JavaScript
获取iframe内的元素
通常我们使用window.frames["frameId"].document.getElementById("divId").innerHTML这样的形式来获取iframe内的元素,这种写法在IE、safari、chrome下都是通过的,唯独在fireforx下不通过。其实jquery的contents方法提供了对if
- Web浏览器Chrome打开一段时间后,运行alert无效
bozch
Webchormealert无效
今天在开发的时候,突然间发现alert在chrome浏览器就没法弹出了,很是怪异。
试了试其他浏览器,发现都是没有问题的。
开始想以为是chorme浏览器有啥机制导致的,就开始尝试各种代码让alert出来。尝试结果是仍然没有显示出来。
这样开发的结果,如果客户在使用的时候没有提示,那会带来致命的体验。哎,没啥办法了 就关闭浏览器重启。
结果就好了,这也太怪异了。难道是cho
- 编程之美-高效地安排会议 图着色问题 贪心算法
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.Random;
public class GraphColoringProblem {
/**编程之美 高效地安排会议 图着色问题 贪心算法
* 假设要用很多个教室对一组
- 机器学习相关概念和开发工具
chenbowen00
算法matlab机器学习
基本概念:
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
开发工具
M
- [宇宙经济学]关于在太空建立永久定居点的可能性
comsci
经济
大家都知道,地球上的房地产都比较昂贵,而且土地证经常会因为新的政府的意志而变幻文本格式........
所以,在地球议会尚不具有在太空行使法律和权力的力量之前,我们外太阳系统的友好联盟可以考虑在地月系的某些引力平衡点上面,修建规模较大的定居点
- oracle 11g database control 证书错误
daizj
oracle证书错误oracle 11G 安装
oracle 11g database control 证书错误
win7 安装完oracle11后打开 Database control 后,会打开em管理页面,提示证书错误,点“继续浏览此网站”,还是会继续停留在证书错误页面
解决办法:
是 KB2661254 这个更新补丁引起的,它限制了 RSA 密钥位长度少于 1024 位的证书的使用。具体可以看微软官方公告:
- Java I/O之用FilenameFilter实现根据文件扩展名删除文件
游其是你
FilenameFilter
在Java中,你可以通过实现FilenameFilter类并重写accept(File dir, String name) 方法实现文件过滤功能。
在这个例子中,我们向你展示在“c:\\folder”路径下列出所有“.txt”格式的文件并删除。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
- C语言数组的简单以及一维数组的简单排序算法示例,二维数组简单示例
dcj3sjt126com
carray
# include <stdio.h>
int main(void)
{
int a[5] = {1, 2, 3, 4, 5};
//a 是数组的名字 5是表示数组元素的个数,并且这五个元素分别用a[0], a[1]...a[4]
int i;
for (i=0; i<5; ++i)
printf("%d\n",
- PRIMARY, INDEX, UNIQUE 这3种是一类 PRIMARY 主键。 就是 唯一 且 不能为空。 INDEX 索引,普通的 UNIQUE 唯一索引
dcj3sjt126com
primary
PRIMARY, INDEX, UNIQUE 这3种是一类PRIMARY 主键。 就是 唯一 且 不能为空。INDEX 索引,普通的UNIQUE 唯一索引。 不允许有重复。FULLTEXT 是全文索引,用于在一篇文章中,检索文本信息的。举个例子来说,比如你在为某商场做一个会员卡的系统。这个系统有一个会员表有下列字段:会员编号 INT会员姓名
- java集合辅助类 Collections、Arrays
shuizhaosi888
CollectionsArraysHashCode
Arrays、Collections
1 )数组集合之间转换
public static <T> List<T> asList(T... a) {
return new ArrayList<>(a);
}
a)Arrays.asL
- Spring Security(10)——退出登录logout
234390216
logoutSpring Security退出登录logout-urlLogoutFilter
要实现退出登录的功能我们需要在http元素下定义logout元素,这样Spring Security将自动为我们添加用于处理退出登录的过滤器LogoutFilter到FilterChain。当我们指定了http元素的auto-config属性为true时logout定义是会自动配置的,此时我们默认退出登录的URL为“/j_spring_secu
- 透过源码学前端 之 Backbone 三 Model
逐行分析JS源代码
backbone源码分析js学习
Backbone 分析第三部分 Model
概述: Model 提供了数据存储,将数据以JSON的形式保存在 Model的 attributes里,
但重点功能在于其提供了一套功能强大,使用简单的存、取、删、改数据方法,并在不同的操作里加了相应的监听事件,
如每次修改添加里都会触发 change,这在据模型变动来修改视图时很常用,并且与collection建立了关联。
- SpringMVC源码总结(七)mvc:annotation-driven中的HttpMessageConverter
乒乓狂魔
springMVC
这一篇文章主要介绍下HttpMessageConverter整个注册过程包含自定义的HttpMessageConverter,然后对一些HttpMessageConverter进行具体介绍。
HttpMessageConverter接口介绍:
public interface HttpMessageConverter<T> {
/**
* Indicate
- 分布式基础知识和算法理论
bluky999
算法zookeeper分布式一致性哈希paxos
分布式基础知识和算法理论
BY
[email protected]
本文永久链接:http://nodex.iteye.com/blog/2103218
在大数据的背景下,不管是做存储,做搜索,做数据分析,或者做产品或服务本身,面向互联网和移动互联网用户,已经不可避免地要面对分布式环境。笔者在此收录一些分布式相关的基础知识和算法理论介绍,在完善自我知识体系的同
- Android Studio的.gitignore以及gitignore无效的解决
bell0901
androidgitignore
github上.gitignore模板合集,里面有各种.gitignore : https://github.com/github/gitignore
自己用的Android Studio下项目的.gitignore文件,对github上的android.gitignore添加了
# OSX files //mac os下 .DS_Store
- 成为高级程序员的10个步骤
tomcat_oracle
编程
What
软件工程师的职业生涯要历经以下几个阶段:初级、中级,最后才是高级。这篇文章主要是讲如何通过 10 个步骤助你成为一名高级软件工程师。
Why
得到更多的报酬!因为你的薪水会随着你水平的提高而增加
提升你的职业生涯。成为了高级软件工程师之后,就可以朝着架构师、团队负责人、CTO 等职位前进
历经更大的挑战。随着你的成长,各种影响力也会提高。
- mongdb在linux下的安装
xtuhcy
mongodblinux
一、查询linux版本号:
lsb_release -a
LSB Version: :base-4.0-amd64:base-4.0-noarch:core-4.0-amd64:core-4.0-noarch:graphics-4.0-amd64:graphics-4.0-noarch:printing-4.0-amd64:printing-4.0-noa