- C++ :vector的模拟
诚自然成
c++开发语言
目录一、vector的迭代器二、vector的构造函数默认构造函数参数构造函数迭代器范围构造函数拷贝构造函数swap:交换vector重载赋值符析构函数reserve:扩容vectorresize:调整大小push_back:添加元素empty:判空pop_back:后删获取大小与容量:size(),capacity()重载operator[]:元素访问insert:插入元素erase:删除一个元
- 猎板 PCB 控深槽工艺:5G 基站散热模块的关键支撑
猎板PCB黄浩
5G运维数据库
PCB控深槽工艺在5G基站散热模块中的关键作用:猎板PCB的技术突破在5G基站的密集高频信号与高功率运行环境下,散热性能直接决定了设备的稳定性和寿命。猎板PCB通过创新性的控深槽工艺(控深锣/控深铣),结合材料科学与结构优化,为5G基站散热模块提供了高精度、高可靠性的解决方案,有效攻克了高热负荷下的技术瓶颈。一、5G基站散热的核心挑战热负荷激增:5G基站的射频功放(PA)、电源管理模块等器件功耗显
- Deepseek技术深化:驱动大数据时代颠覆性变革的未来引擎
荣华富贵8
springboot搜索引擎后端缓存redis
在大数据时代,信息爆炸和数据驱动的决策逐渐重塑各行各业。作为一项前沿技术,Deepseek正在引领新一轮技术革新,颠覆传统数据处理与分析方式。本文将从理论原理、应用场景和前沿代码实践三个层面,深入剖析Deepseek技术如何为大数据时代提供颠覆性变革的解决方案。一、技术背景与核心思想1.1大数据挑战与机遇在数据量呈指数级增长的背景下,传统数据处理方法面临数据存储、计算效率和信息提取精度的诸多挑战。
- 大模型量化终极对决:FP8 vs AWQ INT4,谁才是性能与精度的王者?
曦紫沐
大模型人工智能大模型量化FP8AWQ_INT4
摘要在大模型部署与优化中,量化技术是突破性能瓶颈的关键。FP8量化与AWQINT4量化作为当前主流方案,分别以“高精度”和“极致压缩”为核心优势。本文通过表格对比二者的数据格式、精度损失、硬件依赖及适用场景,助您在不同需求下精准选择最优方案。一、数据格式:浮点与整数的底层差异FP8量化采用浮点数(FP8),包含E4M3(4位阶码+3位尾数)和E5M2(5位阶码+2位尾数)两种格式,保留动态范围;而
- 2025毫米波雷达技术白皮书:智能汽车与物联网的感知核心
随着人工智能、物联网(IoT)和智能汽车产业的迅猛发展,毫米波雷达技术正成为感知领域的核心驱动力。毫米波雷达凭借其高精度、全天候和强抗干扰能力,广泛应用于智能汽车的自动驾驶、物联网的环境感知以及工业自动化。2025年,毫米波雷达技术在性能、应用场景和市场规模上都达到了一个全新的高度。本白皮书将深入探讨毫米波雷达技术的核心优势、发展趋势及其在智能汽车与物联网中的应用前景,同时推荐各大品牌的领先产品方
- 面试宝典
phpdi
1.引用变量考点引用变量定义:用不同的名字访问同一个变量内容cow机制遍历时的引用处理unset只会取消引用,不会销毁内存空间php中对象默认是引用传递,若需要复制,则需要使用clone2.常量及数据类型define,const;php5.6以用const定义常量不支持表达式;7种false情况:0,0.0,'','0',[],null,false;精度丢失;获取客户端,服务端ip;与app交互$
- 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
- 基于AlexNet架构的卷积神经网络模型用于对胸部X光图像进行二分类(例如,诊断肺炎)
1.肺炎正常的胸部X线片描绘了清晰的肺部,图像中没有任何异常混浊的区域。正常的胸部X线片1.1细菌性肺炎临床表现细菌性肺炎通常由细菌引起,如肺炎链球菌、流感嗜血杆菌、肺炎克雷伯菌等。患者可能出现高热、寒战、咳嗽、咳痰(痰液可能呈脓性)、胸痛、呼吸困难等症状。影像学特征局灶性肺叶实变细菌性肺炎在影像学上常表现为肺叶或肺段的局灶性实变,即某一区域的肺组织因炎症而失去气体交换功能,呈现为高密度影。胸腔积
- yolo检测常见指标
bigdata从入门到放弃
深度学习yoloYOLO目标跟踪人工智能深度学习
YOLO(YouOnlyLookOnce)作为经典的单阶段目标检测算法,其性能评估依赖于目标检测领域的通用指标。这些指标既衡量检测精度(是否准确识别物体类别、准确定位),也衡量检测速度(是否实时)。下面用通俗的语言详细解释核心指标:一、基础:判断“预测框是否有效”——IoU(交并比)目标检测的核心是“预测框”(模型输出的矩形框)是否准确覆盖“真实框”(人工标注的物体位置)。IoU是衡量两者重叠程度
- 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
- ORA-12547: TNS:lost contact+oracle 开启监听失败
勤径苦舟
oracle
1、ORA-12547:TNS:lostcontact[root@dbserver/]#sqlplussys/xiniu123assysdbaSQL*Plus:Release12.2.0.1.0ProductiononSatAug2612:55:342017Copyright(c)1982,2016,Oracle.Allrightsreserved.ERROR:ORA-12547:TNS:lost
- Python, Go, Rust 开发全球海岛坐标定位APP
Geeker-2025
pythongolangrust
以下是一个基于**Python、Go和Rust**协同开发的全球海岛坐标定位APP设计方案,结合三者的优势实现高精度地理计算、实时数据处理和跨平台部署:---###系统架构```mermaidgraphTDA[卫星遥感数据源]-->B(Python数据处理)B-->C{Rust地理引擎}C-->D[Go微服务集群]D-->E[移动端/Web端]E-->F[用户终端]```---###模块分工及技术
- 积家地理大师哪个厂复刻的好(这10个厂家不要错过了)
潮品会
积家(Jaeger-LeCoultre)作为高级制表品牌的代表,其经典表款一直备受钟表收藏家和爱好者的青睐。尤其是地理大师系列,以其独特的设计和卓越的性能,成为了许多人心中的梦想之表。在复刻表领域,众多厂家纷纷推出自己的版本,力求还原经典,同时融入现代元素微信:52226813(下单赠送精美礼品)以下是经过市场验证,被广泛认可的积家地理大师复刻表的十大优秀厂家。1.V9工厂V9工厂以其高精度的复刻
- 记录几个实用的网页工具
Donald_32e5
收录的几个还不错的网页工具一、图片背景转换可以把纯色的背景转化成透明背景传送门二、泼辣修图网页上传图片直接修图,工具还比较丰富,日常P图还是可以满足的传送门三、稿定抠图一款在线抠图的利器。傻瓜式抠图,简单方便传送门四、色彩笔图片在线压缩工具,精度还是比较不错的传送门五、crontab表达式输入表达式,查看执行结果传送门这个网站提供了很多网页工具,覆盖面是很广的。传送门
- 【树模型与集成学习】(task6)梯度提升树GBDT+LR
山顶夕景
推荐算法#集成学习与KaggleGBDT推荐算法机器学习
学习总结(1)不同问题的提升树学习算法,主要区别在于使用的损失函数不同,如用平方误差损失函数的回归问题、用指数损失函数的分类问题、用一般损失函数的一般决策问题等。(2)不管是二分类问题的提升树,还是回归问题的提升树,这里的损失函数都很方便:前者是用指数损失函数,所以可以当做是Adaboost的个例,Aadaboost的流程;而后者是当使用平方误差损失时,可以直接拟合残差。而使用不同的损失函数,对应
- RAG流程中,要怎么对文本进行拆词?
java干货仓库
八股文汇总大模型面试人工智能自然语言处理llama
在RAG(Retrieval-AugmentedGeneration)流程中,对文本的拆词(Tokenization)是影响检索和生成效果的关键步骤。以下是文本拆词的技术细节及优化方法:1.拆词的核心目标检索阶段:确保查询(Query)和文档(Document)的拆词方式一致,提高检索匹配精度。生成阶段:适配大模型的词表,避免生成时的OOV(Out-of-Vocabulary)问题。2.常见拆词方
- RAGFlow 框架调研报告
it_czz
架构
RAGFlow框架调研报告1.概述RAGFlow是一个开源的检索增强生成(RAG)框架,专注于深度文档理解和高精度检索。它通过先进的文档解析能力和可视化调试功能,为企业提供了一个强大的知识库问答解决方案。1.1核心特性深度文档处理:内置DeepDoc引擎,支持复杂文档解析高精度检索:提供可视化分块和引用追踪多模态支持:支持文本、图片、PDF、Excel等多种格式开源自托管:完全开源,支持私有化部署
- YOLOv4详细介绍
不是二哈的柯基
YOLO系列深度学习pdfYOLO计算机视觉
YOLOv4是一种目标检测算法,是YOLO(YouOnlyLookOnce)系列的最新版本,由AlexeyBochkovskiy、Chien-YaoWang和Hong-YuanMarkLiao共同提出。相比于之前的版本,YOLOv4在速度和精度方面都有了显著的提升。下面是YOLOv4的一些详细介绍:模型结构YOLOv4采用了一种新的模型结构,称为CSPDarknet。这个结构类似于ResNet的残
- 【YOLO系列】YOLOv4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目标跟踪人工智能目标检测计算机视觉论文阅读
YOLOv4详解:模型结构、损失函数、训练方法及代码实现motivationYOLO系列作者JosephRedmon与AlexeyBochkovskiy致力于解决目标检测领域的核心矛盾:精度与速度的平衡。YOLOv4的诞生源于两大需求:工业落地:在移动端/边缘设备实现实时检测(>30FPS)学术突破:无需昂贵算力(如1080Ti即可训练),在MSCOCO数据集达到SOTAmethods1.数据加载
- 揭秘智能产品定价AI平台的优势,AI应用架构师为你详解
SuperAGI架构师的AI实验室
人工智能大数据ai
智能定价新范式:AI平台如何重塑产品定价策略——AI应用架构师深度剖析副标题:从算法原理到商业价值,全方位解读智能定价AI平台的架构优势与落地实践摘要/引言在数字化经济时代,产品定价已从传统的经验驱动转向数据驱动的精密科学。传统定价方法依赖人工分析、历史数据和直觉判断,面临三大核心痛点:响应滞后(无法实时捕捉市场波动)、精度有限(难以量化复杂变量间的非线性关系)、规模瓶颈(无法针对海量SKU或细分
- LabVIEW汽车底盘系统测试
在汽车研发制造流程里,底盘系统的性能与可靠性测试意义重大。其关乎车辆的操控稳定性、行驶安全性及乘坐舒适性。过往实车测试不仅成本高昂,还存在安全风险,且受天气、路况等外界因素制约。故而,搭建高精度、可模拟多样工况的底盘系统测试台架迫在眉睫,借助自动化测试技术,提升测试效率与精准度,为底盘系统的优化升级提供数据支撑。硬件选型数据采集设备选用一款具备高采样率、多通道同步采集功能的数据采集模块。高采样率确
- 表征学习:机器认知世界的核心能力与前沿突破
大千AI助手
人工智能#OTHERPython学习人工智能机器学习神经网络表征学习RL特征工程
一、定义与背景:从特征工程到自动化学习表征学习(RepresentationLearning),又称特征学习(FeatureLearning),是机器学习的核心技术领域,其核心目标是通过算法自动学习数据的内在特征表示,将复杂多变的原始数据(如图像、文本、语音)转化为低维、富含语义信息的向量形式,从而提升下游任务(如分类、回归、聚类)的效率和精度。与传统依赖人工设计特征的特征工程(FeatureEn
- STM32F411与RT-Thread实时操作系统:定时器功能实现
本文还有配套的精品资源,点击获取简介:本项目详细介绍了如何在STM32F411单片机上利用RT-Thread实时操作系统实现硬件定时器功能。STM32F411是高性能、低功耗的Cortex-M4内核微控制器,而RT-Thread提供了一个轻量级、功能丰富的实时操作系统环境,适用于物联网设备。本文档涵盖了通用定时器和高级定时器的不同配置和使用方法,并强调了中断优先级配置、资源冲突解决、定时精度选择和
- 基于深度学习的图像分类:使用ShuffleNet实现高效分类
Blossom.118
机器学习与人工智能深度学习分类人工智能机器学习数据挖掘python目标检测
前言图像分类是计算机视觉领域中的一个基础任务,其目标是将输入的图像分配到预定义的类别中。近年来,深度学习技术,尤其是卷积神经网络(CNN),在图像分类任务中取得了显著的进展。ShuffleNet是一种轻量级的深度学习架构,专为移动和嵌入式设备设计,能够在保持较高分类精度的同时,显著减少计算量和模型大小。本文将详细介绍如何使用ShuffleNet实现高效的图像分类,从理论基础到代码实现,带你一步步掌
- uint8_t / uint16_t / uint32_t /uint64_t 这些数据类型的详解。
这些数据类型(uint8_t、uint16_t、uint32_t、uint64_t)是在编程中用来表示无符号整数的标准类型定义。它们主要用于确保在不同平台上数据类型的大小和精度的一致性。这些类型的定义通常来自于标准库,比如C或C++的或者C++的头文件。让我们详细来看一下这些数据类型:uint8_t:类型:无符号8位整数。范围:0到255。存储大小:1字节。示例:一个8位的二进制数,0000000
- 破解电梯场景难题:陌讯识别算法 mAP 达 98.7%
2501_92474790
算法计算机视觉目标检测智慧城市目标跟踪
开篇痛点:电梯间电动车识别的行业困局传统视觉算法在电梯间电动车检测场景中始终面临三重挑战:复杂光线环境下(如强光直射、夜间低照度)目标特征提取不稳定,电动车与婴儿车、行李箱等相似物体的误判率高达35%;电梯轿厢狭小空间导致目标畸变严重,小目标检测漏检率超过20%;普通模型在边缘设备部署时难以兼顾精度与速度,FPS普遍低于15帧[实测数据显示]。这些问题直接导致物业安防系统告警泛滥,真正的安全隐患却
- 电表箱识别漏检率高?陌讯算法实测降 90%
在电力巡检领域,电表箱状态识别一直是计算机视觉技术落地的难点。传统人工巡检模式下,一个台区的200个电表箱需2名巡检员耗时1天完成,且受光线、天气影响,误判率常超过15%。而采用普通开源算法部署的自动识别系统,又面临箱体污渍遮挡、表计型号混杂、边缘计算设备算力有限等多重挑战,实际商用时mAP(平均精度)往往跌破70%,难以满足电力行业的可靠性要求技术解析:从传统方法到陌讯创新架构传统电表箱识别多采
- AI编译器-算法篇(1)遗传算法GA
hush_coder
AI编译器-算法篇c++人工智能开发语言算法
AI编译器-算法篇(1)遗传算法GA目录AI编译器-算法篇(1)遗传算法GA目录摘要前言目前问题简述什么是GA核心流程1.初始化种群2.适应度评估3.选择(Selection)4.交叉(Crossover)5.变异(Mutation)6.终止条件7.主流程离散优化问题定义在混合精度优化中未来的方向GA的变种多目标遗传算法NSGA-II与其他结合模拟退火SA禁忌搜索TS社区分层搜索HiFRTuner
- MEMS定向短节的测量精度依靠哪些技术?
ericco123
MEMS陀螺仪惯性技术制造科技
在石油天然气测井或矿井勘探等领域,随钻测量等场景对精度的核心需求,在于振动、冲击等恶劣工况下保持稳定可靠。传统测量工具在这类环境中精度易受干扰而下降。以ER-Gyro-15和ER-Gyro-19为代表的MEMS定向短节恰好破解这一难题:融合了三轴MEMS陀螺与三轴MEMS加速度计的实时数据,采用捷联式设计,成为振动场景下保障高精度测量的关键方案。核心传感器三轴MEMS陀螺仪可实时感知地球自转角速度
- 深入详解:决策树在医学影像分割特征选择中的应用与实现
猿享天开
决策树算法机器学习人工智能
深入详解:决策树在医学影像分割特征选择中的应用与实现决策树(DecisionTree)作为一种经典的机器学习算法,以其简单、直观和可解释性强的特点,在医学影像分割的特征选择中扮演了重要角色。医学影像分割(如分割脑肿瘤、肝脏、肺结节等)需要从高维影像数据中提取关键特征,以提升分割模型的精度和效率。决策树通过构建树形结构,筛选对分割任务最重要的特征,降低数据维度,同时提供可解释的规则。本文将从原理、实
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite