西海Tech
西海Tech

【吴恩达】DeepLearning Course1-5 All 23 Coding Assignments

吴恩达 Coursera Deep Learning 1-5 Courses.

（仅供学习交流使用！）

全部23篇代码及学习材料（以网页形式保存）：
链接:https://pan.baidu.com/s/1eS3NjV7-sqH8i-deoCDpDg
密码:30gl

Course-4(CNN) & Course-5(RNN)
额外提供Jupyter Notebook版本，及部分依赖资源：
链接:https://pan.baidu.com/s/1K3ljfE6DxLgHvy7RCDZ1XA
密码:5jnt

所有代码实现，均验证通过！

你可能感兴趣的:(机器学习和深度学习)

  • Python金融分析：情感分析在量化价值投资中的完整实现 AI量化价值投资入门到精通 python金融开发语言ai
    Python金融分析：情感分析在量化价值投资中的完整实现关键词：Python金融分析、情感分析、量化投资、价值投资、自然语言处理、机器学习、金融文本挖掘摘要：本文系统解析如何将情感分析技术深度整合到量化价值投资体系中，通过Python实现从金融文本数据采集、预处理、情感建模到策略回测的完整流程。详细阐述基于规则引擎、机器学习和深度学习的多维度情感分析方法，结合财务指标构建复合投资模型，并通过实战案
  • gis怎么提取水系_深度学习在GIS中的应用 weixin_36214932 gis怎么提取水系
    近年来，人工智能（AI）飞速发展，在诸如图像识别，图像分割和目标智能提取等任务上，达到甚至在某些方面超过了人工的准确度。人工智能在图像识别方面的优势，为AI和GIS的结合提供了前所未有的契机。人工智能，机器学习和深度学习正在帮助我们认识世界、改善世界。AI是计算机科学的一个重要分支，在某种程度上具有类似人类工作的执行能力，能以一种新的与人类相似的方式做出智能的反应，机器学习利用数据驱动算法从数据中
  • 【独家原创】基于XGBoost+SHAP可解释性分析的分类预测 Matlab代码(多输入单输出) 机器学习和优化算法 SHAP（Matlab）机器学习分类XGBoostSHAPshap分析可解释性分析
    目录1、代码简介2、代码运行结果展示3、代码获取1、代码简介(XGBoost+SHAP)基于XGBoost的数据多输入单输出+SHAP可解释性分析的分类预测模型由于XGBoost在使用SHAP分析时速度较慢，程序中附带两种SHAP的计算文件(正常版和提速版本)，具体使用教程见使用步骤文件(你的数据适合哪种均有说明)，十分简单用哪个调用哪个即可！！！1、在机器学习和深度学习领域，模型复杂度的不断攀升
  • 在 Conda 中删除环境及所有安装的库 Studying 开龙wu conda
    注意事项1.删除环境前确保你没有在该环境中运行任何程序。2.删除操作是不可逆的，所有该环境中的包和配置都会被永久删除。3.如果你想保留环境的配置信息，可以在删除前使用condaenvexport>environment.yml导出环境配置。关于requirements.txt和environment.yaml文件使用介绍详情可参考以往文章，争对机器学习和深度学习里Python项目开发管理项目依赖的
  • 开发智能化的企业并购风险评估模型
    开发智能化的企业并购风险评估模型关键词：企业并购、风险评估、人工智能、机器学习、深度学习、数学建模摘要：本文详细探讨了开发智能化企业并购风险评估模型的背景、核心概念、算法原理、系统架构设计以及项目实战。通过结合机器学习和深度学习技术，提出了一种基于数据驱动的智能化风险评估方法，旨在帮助企业更准确地识别和预测并购过程中的潜在风险，提升决策的科学性和有效性。第1章:企业并购风险评估模型的背景与问题描述
  • FP16、BF16、INT8、INT4精度模型加载所需显存以及硬件适配的分析 herosunly 大模型精度BF16硬件适配
      大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。  本文主要介绍了FP16、INT8、INT4精度模型加载占用显存大小的分析，希望对学习大
  • 深度学习使用Pytorch训练模型步骤 vvvdg 深度学习pytorch人工智能
    训练模型是机器学习和深度学习中的核心过程，旨在通过大量数据学习模型参数，以便模型能够对新的、未见过的数据做出准确的预测。训练模型通常包括以下几个步骤：1.数据准备：收集和处理数据，包括清洗、标准化和归一化。将数据分为训练集、验证集和测试集。2.定义模型：选择模型架构，例如决策树、神经网络等。初始化模型参数（权重和偏置）。3.选择损失函数：根据任务类型（如分类、回归）选择合适的损失函数。4.选择优化
  • 理解不同层的表示（layer representations） 科学禅道 高维表示人工智能深度学习
    在机器学习和深度学习领域，特别是在处理音频和自然语言处理（NLP）任务时，"层的表示"（layerrepresentations）通常是指神经网络不同层在处理输入数据时生成的特征或嵌入。这些表示捕获了输入数据的不同层次的信息。1.层的表示（layerrepresentations）为了更好地理解这一概念，我们可以从以下几个方面进行解释：1.深度神经网络结构深度神经网络（DNN）通常由多个层组成，每
  • 【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
  • 理解python、anaconda、pytorch以及pycharm之间的关系 幸运小仙 pythonpytorchpycharm
    1.Python：编程语言，是基础Python是一种高级的、通用的编程语言。它以其简洁的语法、丰富的库和强大的社区支持而闻名。在数据科学、机器学习和深度学习领域，Python是主要的编程语言。可以使用Python编写代码来处理数据、构建模型、进行实验等。2.Anaconda：Python的发行版，提供便利Anaconda是一个流行的Python发行版，它包含了Python解释器以及许多常用的科学计
  • AI大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够！ AI大模型-大飞 人工智能学习语言模型大模型大模型学习LLMAI大模型
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • AI学习指南高数篇-泛函分析 俞兆鹏 AI学习指南ai
    AI学习指南高数篇-泛函分析概述在数学领域中，泛函分析是研究无限维向量空间及其内涵结构的分支学科。泛函分析通过研究向量空间内的连续线性泛函，解决了无限维空间上函数序列的极限性质以及函数空间的拓扑性质等问题。泛函分析在AI中的使用场景泛函分析在人工智能领域中发挥着重要作用，特别是在机器学习和深度学习领域。通过泛函分析的方法，AI系统可以更好地处理高维数据，从而更准确地进行模式识别、数据建模和预测分析
  • DeepSeek 源码解构：从 MoE 架构到 MLA 的工程化实现 威哥说编程 架构人工智能AI编程
    在机器学习和深度学习的领域中，**MoE（MixtureofExperts）架构和MLA（Multi-LevelArchitecture）**的工程化实现已成为极具前景和挑战的技术路线。MoE架构通过在模型中引入多个专家（Expert），根据输入数据的不同动态选择合适的专家，显著提高了模型的表达能力。而MLA作为一种多层次结构，在更大规模的数据集上展现出了出色的性能，尤其在模型训练和推理效率方面表
  • （十三）计算机视觉中的深度学习：特征表示、模型架构与视觉认知原理 只有左边一个小酒窝 深度学习计算机视觉深度学习人工智能
    1计算机视觉简介计算机视觉（ComputerVision）是一门使计算机能够从图像或视频中获取、处理和理解视觉信息的学科。它结合了信号处理、机器学习和深度学习等领域的技术，以实现对图像和视频内容的自动分析和理解。1.1计算机视觉的任务计算机视觉的任务多种多样，以下是一些常见的任务：图像分类（ImageClassification）：定义：将图像分为预定义的类别。应用场景：自动照片标注、医学图像诊断
  • 机器学习小白必看：从零开始的模型压缩与优化 人工智能教程 机器学习人工智能自然语言处理cnn分类深度学习线性回归
    在机器学习和深度学习领域，模型压缩与优化是一个非常重要且实用的话题。随着模型规模的不断增大，如何在保持模型性能的同时减少模型的存储和计算开销，成为了一个亟待解决的问题。本文将从零开始，带你了解模型压缩与优化的基本概念、常用方法以及如何在实际项目中应用这些技术。一、模型压缩与优化的背景在实际应用中，深度学习模型往往需要大量的计算资源和存储空间。例如，一个典型的卷积神经网络（CNN）可能包含数百万甚至
  • 评价分类器性能的方法有 王摇摆 机器学习
    在机器学习和深度学习中，有许多不同的方法可以用来评估模型的性能。以下是一些常用的模型评估方法：准确率（Accuracy）：准确率是分类问题中最直接的评估指标，它表示模型预测正确的样本所占的比例。精确度（Precision）：精确度是在所有被模型预测为正类别的样本中，真正例的比例。适用于关注降低假正例的情况。召回率（Recall）：召回率是在所有真实正类别样本中，模型成功预测为正类别的比例。适用于关
  • 第3章 开源大模型框架概览3.3 模型转换框架与工具3.3.1 ONNX：跨框架模型转换 AI天才研究院 计算大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA
    https://aurigait.com/blog/onnx-onnx-runtime-and-tensortrt/1.背景介绍1.背景介绍开源大模型框架已经成为机器学习和深度学习领域的重要组成部分。这些框架为研究人员和工程师提供了强大的工具，以便更快地构建、训练和部署深度学习模型。在这个系列文章中，我们将深入探讨一些最受欢迎的开源大模型框架，并探讨它们在实际应用中的优势和局限性。在本章中，我们将
  • （三）动手学线性神经网络：从数学原理到代码实现 只有左边一个小酒窝 动手学深度学习神经网络人工智能深度学习
    1线性回归线性回归是一种基本的预测模型，用于根据输入特征预测连续的输出值。它是机器学习和深度学习中最简单的模型之一，但却是理解更复杂模型的基础。1.1线性回归的基本元素概念理解：线性回归假设输入特征和输出之间存在线性关系。具体来说，假设有一个输入特征向量xxx和一个目标值yyy，线性回归模型的目标是找到一个线性函数f(x)f(x)f(x)，使得f(x)f(x)f(x)尽可能接近yyy。线性回归模型
  • AI应用工程师面试 道亦无名 面试人工智能
    技术基础简述人工智能、机器学习和深度学习之间的关系。人工智能是一个广泛的概念，旨在让机器能够模拟人类的智能行为。机器学习是人工智能的一个子集，它专注于开发算法和模型，让计算机能够从数据中学习规律并进行预测。深度学习则是机器学习的一个分支，它利用深度神经网络来自动学习数据的特征表示，具有强大的特征提取能力，能够处理复杂的非线性问题。解释梯度下降算法的原理。梯度下降是一种优化算法，用于最小化损失函数。
  • 消融实验简介 Komorebi_9999 机器学习
    消融实验（AblationStudy）是一种在科学研究、特别是在机器学习和深度学习领域中常用的实验设计方法，用于评估模型中不同组件或特征对整体性能的影响。通过系统地移除（或“消融”）模型中的某些部分，并观察这种变化如何影响模型的性能，研究者可以深入了解各个组件在模型中的贡献程度，从而指导模型的改进和优化。在消融实验中，通常会设定一个基线模型（BaselineModel），这是包含所有预定组件的完整
  • 我2025上岸大模型就靠它了，冲击大厂大模型岗位！大模型学习路线（2025最新）从零基础入门到精通_大模型学习路线 大模型老炮 学习人工智能程序员Agent大模型教学知识库大模型
    大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。\1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcad
  • 大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够 AGI大模型学习 学习人工智能大模型大模型学习AI程序员大模型教程
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • 神仙级大模型教程分享，不用感谢，请叫我活雷锋！大模型 学习路线非常详细_大模型学习路线（2025最新） 程序员辣条 学习人工智能大模型产品经理智能体大模型教程AI大模型
    大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcade
  • 什么时候开始学习深度学习？ 机器学习算法 人工智能机器学习深度学习学习深度学习人工智能机器学习计算机视觉知识图谱神经网络
    咱们先来聊聊机器学习和深度学习的关系~这个问题其实挺常见的，之前我也跟不少同事、同学聊过。最近有好几个同学也聊过。简单说，深度学习是机器学习的一个子集，两者不是并列关系，而是“包含”关系。你可以这么理解：机器学习是一个大圈子，里面包括了各种方法，比如线性回归、决策树、支持向量机等等。而深度学习，它是基于神经网络的一类方法，尤其适合处理图像、语音、自然语言这些复杂的、非结构化的数据。深度学习为什么这
  • AIGC提示(prompt)飞升方法：走向专家之路 herosunly 大模型AIGCprompt专家之路
      大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。  本文主要介绍了AIGC提示(prompt)飞升方法：走向专家之路，希望对学习大语言模型
  • AI时代新词-零样本学习（Zero-Shot Learning）：AI的未来趋势 明似水 AI人工智能学习
    一、什么是零样本学习（Zero-ShotLearning）？零样本学习（Zero-ShotLearning，简称ZSL）是一种机器学习范式，其目标是让模型能够识别和分类那些在训练阶段从未见过的类别。在传统的机器学习和深度学习中，模型的性能通常依赖于大量标注数据的训练，而零样本学习则试图突破这一限制，使模型能够通过已有的知识泛化到未见过的类别上。这种能力在现实世界中尤为重要，因为获取大量标注数据往往
  • 深入详解线性代数基础知识：理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA）在人工智能中的应用 猿享天开 人工智能数学基础专讲线性代数人工智能矩阵特征向量
    深入详解线性代数基础知识在人工智能中的应用线性代数是人工智能，尤其是机器学习和深度学习领域的基石。深入理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA），对于数据降维、特征提取和模型优化至关重要。本文将详细探讨这些线性代数的核心概念及其在人工智能中的应用，并辅以示例代码以助理解。1.矩阵与向量运算线性代数中的矩阵与向量运算是理解高维数据处理和模型训练的基
  • 深入详解人工智能入门数学基础：理解向量、矩阵及导数的概念 猿享天开 人工智能数学基础专讲人工智能矩阵线性代数数学
    人工智能入门数学基础详解数学是人工智能的基石，理解数学基础对于掌握机器学习和深度学习算法至关重要。本篇文章将详细探讨线性代数和微积分中的基础概念，涵盖向量、矩阵及其运算，以及导数的基本概念。第一部分：线性代数中的向量1.向量的定义与表示向量是线性代数的核心概念之一。它不仅仅是一个数值的集合，而是一个具有大小和方向的数学对象。在多维空间中，向量可以用于表示点的位置、速度、力等物理量。1.1向量的表示
  • 机器学习、深度学习，大模型之间的关系？ 优优学AI大模型 人工智能ai改行学it语言模型深度学习
    好多朋友因为ChatGPT、DeepSeek才开始关注AI，当深入了解AI技术，又接触到类似于机器学习、深度学习的概念。对于非技术背景的粉丝朋友来说，开始总会有些晕，搞不清楚机器学习、深度学习、大模型彼此之间的关系。到底哪一个技术更高级？他们是替代关系、包含关系、还是互补关系呢？其实所有AI技术的实现载体，都叫“模型”。大模型是AI技术模型的一种。机器学习和深度学习都是获得模型的方法和手段。从概念
  • 2025转行指南：Java开发工程师转AI工程师，附全网最详细的大模型学习路线 AI小白熊 java人工智能学习大模型程序员ai开发语言
    关键要点研究表明，Java开发工程师转AI工程师需要学习数学、Python编程、机器学习和深度学习等技能。证据显示，掌握TensorFlow、PyTorch等框架和云部署技术（如Aliyun、AWS）也很重要。学习资源包括Coursera的免费课程、DiveintoDeepLearning书和国内平台如PaddlePaddle。技能和学习资料概述所需技能要从Java开发工程师成功转型为AI工程师，
  • Spring4.1新特性——综述 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • Schema与数据类型优化 annan211 数据结构mysql
    目前商城的数据库设计真是一塌糊涂，表堆叠让人不忍直视，无脑的架构师，说了也不听。 在数据库设计之初，就应该仔细揣摩可能会有哪些查询，有没有更复杂的查询，而不是仅仅突出 很表面的业务需求，这样做会让你的数据库性能成倍提高，当然，丑陋的架构师是不会这样去考虑问题的。 选择优化的数据类型 1 更小的通常更好 更小的数据类型通常更快，因为他们占用更少的磁盘、内存和cpu缓存，
  • 第一节 HTML概要学习 chenke htmlWebcss
    第一节 HTML概要学习 1. 什么是HTML HTML是英文Hyper Text Mark-up Language(超文本标记语言)的缩写，它规定了自己的语法规则，用来表示比“文本”更丰富的意义，比如图片，表格，链接等。浏览器（IE,FireFox等）软件知道HTML语言的语法，可以用来查看HTML文档。目前互联网上的绝大部分网页都是使用HTML编写的。 打开记事本 输入一下内
  • MyEclipse里部分习惯的更改 Array_06 eclipse
    继续补充中---------------------- 1.更改自己合适快捷键windows-->prefences-->java-->editor-->Content Assist-->      Activation triggers for java的右侧“.”就可以改变常用的快捷键 选中 Text
  • 近一个月的面试总结 cugfy 面试
    本文是在学习中的总结，欢迎转载但请注明出处：http://blog.csdn.net/pistolove/article/details/46753275 前言       打算换个工作，近一个月面试了不少的公司，下面将一些面试经验和思考分享给大家。另外校招也快要开始了，为在校的学生提供一些经验供参考，希望都能找到满意的工作。 
  • HTML5一个小迷宫游戏 357029540 html5
         通过《HTML5游戏开发》摘抄了一个小迷宫游戏，感觉还不错，可以画画，写字，把摘抄的代码放上来分享下，喜欢的同学可以拿来玩玩！ <html> <head> <title>创建运行迷宫</title> <script type="text/javascript"
  • 10步教你上传githib数据 张亚雄 git
    官方的教学还有其他博客里教的都是给懂的人说得，对已我们这样对我大菜鸟只能这么来锻炼，下面先不玩什么深奥的，先暂时用着10步干净利索。等玩顺溜了再用其他的方法。 操作过程（查看本目录下有哪些文件NO.1）ls （跳转到子目录NO.2）cd+空格+目录 （继续NO.3）ls （匹配到子目录NO.4）cd+ 目录首写字母+tab键+（首写字母“直到你所用文件根就不再按TAB键了”） （查看文件
  • MongoDB常用操作命令大全 adminjun mongodb操作命令
    成功启动MongoDB后，再打开一个命令行窗口输入mongo，就可以进行数据库的一些操作。输入help可以看到基本操作命令，只是MongoDB没有创建数据库的命令，但有类似的命令 如：如果你想创建一个“myTest”的数据库，先运行use myTest命令，之后就做一些操作（如：db.createCollection('user')）,这样就可以创建一个名叫“myTest”的数据库。 一
  • bat调用jar包并传入多个参数 aijuans
    下面的主程序是通过eclipse写的： 1.在Main函数接收bat文件传递的参数（String[] args）  如：   String ip =args[0];          String user=args[1];       &nbs
  • Java中对类的主动引用和被动引用 ayaoxinchao java主动引用对类的引用被动引用类初始化
      在Java代码中，有些类看上去初始化了，但其实没有。例如定义一定长度某一类型的数组，看上去数组中所有的元素已经被初始化，实际上一个都没有。对于类的初始化，虚拟机规范严格规定了只有对该类进行主动引用时，才会触发。而除此之外的所有引用方式称之为对类的被动引用，不会触发类的初始化。虚拟机规范严格地规定了有且仅有四种情况是对类的主动引用，即必须立即对类进行初始化。四种情况如下：1.遇到ne
  • 导出数据库 提示 outfile disabled BigBird2012 mysql
    在windows控制台下，登陆mysql，备份数据库：   mysql>mysqldump -u root -p test test > D:\test.sql 使用命令 mysqldump 格式如下： mysqldump -u root -p *** DBNAME > E:\\test.sql。 注意：执行该命令的时候不要进入mysql的控制台再使用，这样会报
  • Javascript 中的 && 和 || bijian1013 JavaScript&&||
            准备两个对象用于下面的讨论 var alice = { name: "alice", toString: function () { return this.name; } } var smith = { name: "smith",
  • [Zookeeper学习笔记之四]Zookeeper Client Library会话重建 bit1129 zookeeper
    为了说明问题，先来看个简单的示例代码：   package com.tom.zookeeper.book; import com.tom.Host; import org.apache.zookeeper.WatchedEvent; import org.apache.zookeeper.ZooKeeper; import org.apache.zookeeper.Wat
  • 【Scala十一】Scala核心五：case模式匹配 bit1129 scala
    package spark.examples.scala.grammars.caseclasses object CaseClass_Test00 { def simpleMatch(arg: Any) = arg match { case v: Int => "This is an Int" case v: (Int, String)
  • 运维的一些面试题 yuxianhua linux
    1、Linux挂载Winodws共享文件夹   mount -t cifs //1.1.1.254/ok /var/tmp/share/ -o username=administrator,password=yourpass 或 mount -t cifs -o username=xxx,password=xxxx //1.1.1.1/a /win    
  • Java lang包-Boolean BrokenDreams boolean
             Boolean类是Java中基本类型boolean的包装类。这个类比较简单，直接看源代码吧。 public final class Boolean implements java.io.Serializable,
  • 读《研磨设计模式》-代码笔记-命令模式-Command 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.Collection; import java.util.List; /** * GOF 在《设计模式》一书中阐述命令模式的意图：“将一个请求封装
  • matlab下GPU编程笔记 cherishLC matlab
    不多说，直接上代码 gpuDevice % 查看系统中的gpu,,其中的DeviceSupported会给出matlab支持的GPU个数。 g=gpuDevice(1); %会清空 GPU 1中的所有数据,,将GPU1 设为当前GPU reset(g) %也可以清空GPU中数据。 a=1; a=gpuArray(a); %将a从CPU移到GPU中 onGP
  • SVN安装过程 crabdave SVN
    SVN安装过程   subversion-1.6.12   ./configure --prefix=/usr/local/subversion --with-apxs=/usr/local/apache2/bin/apxs --with-apr=/usr/local/apr --with-apr-util=/usr/local/apr --with-openssl=/
  • sql　行列转换 daizj sql行列转换行转列列转行
    行转列的思想是通过case when 来实现 列转行的思想是通过union all 来实现 下面具体例子： 假设有张学生成绩表(tb)如下: Name Subject Result 张三 语文　　74 张三 数学　　83 张三 物理　　93 李四 语文　　74 李四 数学　　84 李四 物理　　94 */ /* 想变成 姓名   &
  • MySQL--主从配置 dcj3sjt126com mysql
    linux下的mysql主从配置： 说明：由于MySQL不同版本之间的(二进制日志)binlog格式可能会不一样，因此最好的搭配组合是Master的MySQL版本和Slave的版本相同或者更低， Master的版本肯定不能高于Slave版本。（版本向下兼容） mysql1  : 192.168.100.1    //master mysq
  • 关于yii 数据库添加新字段之后model类的修改 dcj3sjt126com Model
    rules: array('新字段','safe','on'=>'search') 1、array('新字段', 'safe')//这个如果是要用户输入的话，要加一下， 2、array('新字段', 'numerical'),//如果是数字的话 3、array('新字段', 'length', 'max'=>100),//如果是文本 1、2、3适当的最少要加一条，新字段才会被
  • sublime text3 中文乱码解决 dyy_gusi Sublime Text
    sublime text3中文乱码解决 原因：缺少转换为UTF-8的插件 目的：安装ConvertToUTF8插件包 第一步：安装能自动安装插件的插件，百度“Codecs33”，然后按照步骤可以得到以下一段代码： import urllib.request,os,hashlib; h = 'eb2297e1a458f27d836c04bb0cbaf282' + 'd0e7a30980927
  • 概念了解：CGI，FastCGI，PHP-CGI与PHP-FPM geeksun PHP
    CGI CGI全称是“公共网关接口”(Common Gateway Interface)，HTTP服务器与你的或其它机器上的程序进行“交谈”的一种工具，其程序须运行在网络服务器上。 CGI可以用任何一种语言编写，只要这种语言具有标准输入、输出和环境变量。如php,perl,tcl等。 FastCGI FastCGI像是一个常驻(long-live)型的CGI，它可以一直执行着，只要激活后，不
  • Git push 报错 "error: failed to push some refs to " 解决 hongtoushizi git
    Git push 报错 "error: failed to push some refs to " . 此问题出现的原因是：由于远程仓库中代码版本与本地不一致冲突导致的。 由于我在第一次git pull --rebase 代码后，准备push的时候，有别人往线上又提交了代码。所以出现此问题。 解决方案： 1： git pull    2：
  • 第四章 Lua模块开发 jinnianshilongnian nginxlua
    在实际开发中，不可能把所有代码写到一个大而全的lua文件中，需要进行分模块开发；而且模块化是高性能Lua应用的关键。使用require第一次导入模块后，所有Nginx 进程全局共享模块的数据和代码，每个Worker进程需要时会得到此模块的一个副本（Copy-On-Write），即模块可以认为是每Worker进程共享而不是每Nginx Server共享；另外注意之前我们使用init_by_lua中初
  • java.lang.reflect.Proxy liyonghui160com
      1.简介   Proxy 提供用于创建动态代理类和实例的静态方法 （1）动态代理类的属性 代理类是公共的、最终的，而不是抽象的 未指定代理类的非限定名称。但是，以字符串 "$Proxy" 开头的类名空间应该为代理类保留 代理类扩展 java.lang.reflect.Proxy 代理类会按同一顺序准确地实现其创建时指定的接口
  • Java中getResourceAsStream的用法 pda158 java
    1.Java中的getResourceAsStream有以下几种： 1. Class.getResourceAsStream(String path) ： path 不以’/'开头时默认是从此类所在的包下取资源，以’/'开头则是从ClassPath根下获取。其只是通过path构造一个绝对路径，最终还是由ClassLoader获取资源。 　　2. Class.getClassLoader.get
  • spring 包官方下载地址（非maven） sinnk spring
    SPRING官方网站改版后，建议都是通过 Maven和Gradle下载，对不使用Maven和Gradle开发项目的，下载就非常麻烦，下给出Spring Framework jar官方直接下载路径:   http://repo.springsource.org/libs-release-local/org/springframework/spring/   s
  • Oracle学习笔记(7) 开发PLSQL子程序和包 vipbooks oraclesql编程
        哈哈，清明节放假回去了一下，真是太好了，回家的感觉真好啊！现在又开始出差之旅了，又好久没有来了，今天继续Oracle的学习！      这是第七章的学习笔记，学习完第六章的动态SQL之后，开始要学习子程序和包的使用了……，希望大家能多给俺一些支持啊！     编程时使用的工具是PLSQL
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他