业余狙击手19
业余狙击手19

YOLOv3源码解析5-损失函数

YOLOv3源码解析1-代码整体结构

YOLOv3源码解析2-数据预处理Dataset()

YOLOv3源码解析3-网络结构YOLOV3()

YOLOv3源码解析4-计算损失compute_loss()

YOLOv3源码解析5-损失函数

 

理论部分参照大神的文章学习：

简书：关于YOLOv3的一些细节

github：源代码作者YOLOV3

知乎：【YOLO】yolo v1到yolo v3

知乎：目标检测|YOLO原理与实现

知乎：YOLO v3深入理解

CSDN：yolo系列之yolo v3【深度解析】

解析的代码地址：

github:tensorflow-yolov3

这篇文章着重解析一下yolov3损失函数的理论部分

损失函数，有好多东西用编辑文章的方法不太好描述（如下面箭头指引比较直观，用其他跳来跳去不方便），还是用手写出来会更好些，所以我还是坚持自己的习惯，手写损失函数部分，再贴图吧，字太丑，只有我自己看懂了[捂脸]，如果觉得手写的太难看懂，各位可以看看上面链接里的文章。

YOLOv3源码解析5-损失函数_第1张图片

YOLOv3源码解析5-损失函数_第2张图片

YOLOv3源码解析5-损失函数_第3张图片

 

你可能感兴趣的:(#,目标检测算法)

  • 基于深度学习的目标检测算法综述：从RCNN到YOLOv13，一文看懂十年演进！ 人工智能教程 深度学习目标检测算法人工智能自动驾驶YOLO机器学习
    一、引言：目标检测的十年巨变2012年AlexNet拉开深度学习序幕，2014年RCNN横空出世，目标检测从此进入“深度时代”。十年间，算法从两阶段到单阶段，从Anchor-base到Anchor-free，从CNN到Transformer，从2D到3D，从监督学习到自监督学习，迭代速度之快令人目不暇接。本文将系统梳理基于深度学习的目标检测算法，带你全面了解技术演进、核心思想、代表算法、工业落地与
  • 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
  • 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
  • 漏检率骤升20%的安防困局：陌讯动态剪枝技术如何破局 2501_92473199 人工智能机器学习算法目标检测计算机视觉视觉检测
    1.开篇痛点：安防监控的夜间困局传统目标检测算法在复杂安防场景中面临三重挑战：光照敏感：低光环境下行人检测mAP暴跌至65%以下，夜间误报率高达40%目标遮挡：密集场景（如校园周界）漏检率超25%，某园区因货柜遮挡漏检损失超万元/次算力瓶颈：边缘设备（如JetsonXavier）运行YOLOv5仅12FPS，响应延迟>200ms某安防厂商反馈：40%误报率迫使每2小时人工复核，运维成本激增37%2
  • RK3568笔记九十三：基于RKNN Lite的YOLOv5目标检测 殷忆枫 RK3568学习笔记笔记YOLO
    若该文为原创文章，转载请注明原文出处。一、介绍Yolov5是一种目标检测算法，属于单阶段目标检测方法，是在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。最新的YOLOv5v7.0有YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x等，除了目标检测，
  • YOLOv8实现手写数字识别系统：从MNIST到实时摄像头检测
    在深度学习领域，手写数字识别是一个经典问题，也是入门计算机视觉的重要案例。本文将介绍一个基于YOLOv8和MNIST数据集的手写数字识别系统，该系统不仅能识别静态图像中的数字，还能通过摄像头实时检测手写数字。个人博客：YOLOv8实现手写数字识别系统：从MNIST到实时摄像头检测-iDing's博客项目概述这个项目结合了传统的MNIST数据集和现代的目标检测算法YOLOv8，实现了以下功能：将MN
  • 监控漏检率 30%？陌讯多模态算法实测优化
    破解智慧城市视觉算法困境：陌讯多模态融合技术实战解析在智慧城市建设中，视觉算法作为感知层核心技术，正面临着日益严峻的挑战。传统目标检测算法在暴雨、逆光、遮挡等复杂环境下，漏检率常高达25%-40%，直接导致交通违章误判、异常事件漏报等问题。某新一线城市交管部门曾反馈，现有系统对无牌车的识别准确率不足65%，严重影响执法效率[实测数据来源]。这些痛点的核心在于传统单模态算法难以应对城市环境的动态变化
  • NanoDet 深度学习物料自动分类系统 YOLO实战营 深度学习分类人工智能数据挖掘NanoDet
    引言随着工业自动化和物料管理的不断发展，物料的自动分类在仓储、物流、生产线等场景中的应用越来越广泛。传统的物料分类方式往往依赖人工操作，效率低下且容易出错，而基于深度学习的自动分类系统能够大大提高工作效率、降低错误率并实现高效管理。在众多深度学习技术中，物体检测算法被广泛应用于自动分类系统。NanoDet作为一款轻量级的目标检测算法，凭借其出色的速度与准确性，成为解决物料自动分类问题的一种理想选择
  • 目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究（续） 林聪木 目标检测YOLO深度学习
    目录基于双蓝图卷积的轻量化自动驾驶目标检测算法5.1引言5.2DarkNet53网络冗余性分析5.3双蓝图卷积网络5.4实验结果及分析基于深度学习的自动驾驶目标检测算法研究与应用传统的目标检测算法目标检测基线算法性能对比与选择相关理论和算法基础2.1引言2.2人工神经网络2.3FCOS目标检测算法2.4复杂交通场景下的目标检测难点与FCOS改进方案基于FCOS的目标检测算法改进3.1引言3.2Re
  • YOLO学习笔记 ｜ 从YOLOv5到YOLOv11：技术演进与核心改进 北斗猿 YOLO学习从零到1YOLO目标检测算法python计算机视觉
    从YOLOv5到YOLOv11：技术演进与核心改进深度解析一、YOLO系列发展概述YOLO（YouOnlyLookOnce）目标检测算法自2016年诞生以来，凭借其"单次检测"的独特理念和卓越的实时性能，持续引领着计算机视觉领域的技术革新。从JosephRedmon的初代YOLO到AlexeyBochkovskiy的YOLOv4，再到Ultralytics团队的YOLOv5及后续系列，这一算法家族
  • 红外小目标检测算法RIPI hie98894 目标检测目标跟踪机器学习
    红外小目标检测算法RIPI，基于红外块图像，张量加权，PCADENTIST-master/algorithms/detection/NIPPS/demo_generate_nipps_data.m,1244DENTIST-master/algorithms/detection/NIPPS/nipps.m,2649DENTIST-master/algorithms/detection/NIPPS/R
  • yolov算法详解_yolo 目标检测算法个人总结（yolov1） CHAO JIANG yolov算法详解
    yolo目标检测算法个人总结目前yolo目标检测有两个版本，分别为v1和v2。因工作需要用yolo算法检测人物，所以这段时间重点看了这两篇论文，并实现了对应的tensorflow代码。这里记录下在论文阅读过程中的一些细节信息，留给自己，同时也希望各位能指出本人理解错误的地方，谢谢！一：yolov1关于yolov1算法的详解在网上已经非常多了，在这里我大概叙述下算法的流程，以及在开发过程中遇到的一些
  • Python编程：使用 YOLO 目标检测 倔强老吕 python开发语言
    YOLO（YouOnlyLookOnce）是一种基于深度学习的实时目标检测算法，由JosephRedmon等人于2016年首次提出。与传统的两阶段目标检测方法（如R-CNN系列）不同，YOLO将目标检测任务视为一个单一的回归问题，直接在图像上进行一次推理即可预测边界框和类别概率。YOLO的核心思想单次前向传播（SingleShotDetection）：YOLO只需对输入图像进行一次神经网络推理，就
  • 基于YOLOv8和Faster R-CNN的输电线路异物目标检测项目 检测 输电线异物数据集 输电线缺陷数据集 绝缘子 如何使用YOLOv8和Faster R-CNN训练输电线路异物目标检测数据集 QQ67658008 YOLOr语言cnn输电线路绝缘子线路异物目标检测
    电力篇-输电线路缺陷数据集输电线路异物目标检测数据集16000张5种检测目标：‘burst’-爆裂‘defect’-缺陷‘foreign_obj’-异物‘insulator’-绝缘体‘nest’-窝（巢）带标注-YOLO格式可直接用于YOLO系列目标检测算法模型训练如何使用YOLOv8和FasterR-CNN训练输电线路异物目标检测数据集的详细步骤和代码。假设数据集包含16000张图片和5种检测目
  • 基于YOLOv11的手势控制轮椅系统：从数据集构建到实时部署 YOLO实战营 YOLOpython计算机视觉人工智能目标跟踪目标检测ui
    1.引言手势控制技术为人机交互提供了自然直观的交互方式，在辅助医疗领域具有重要应用价值。本文详细介绍如何利用YOLOv11目标检测算法构建一套完整的手势控制轮椅系统，包含数据集构建、模型训练、系统集成和用户界面开发的全流程实现。该系统能够识别用户特定手势指令，转化为轮椅控制信号，为行动不便人士提供更便捷的移动解决方案。2.手势数据集构建2.1公开数据集资源HaGRID(HandGestureRec
  • 江大白 | 目标检测YOLOv12算法来袭，更高性能、更快速度！（附论文及源码） 双木的木 深度学习拓展阅读CV-目标检测专栏YOLO人工智能计算机视觉python目标检测学习算法
    本文来源公众号“江大白”，仅用于学术分享，侵权删，干货满满。原文链接：目标检测YOLOv12算法来袭，更高性能、更快速度！（附论文及源码）导读目标检测是CV领域最常用的算法应用，而Yolo是目标检测算法非常经典的算法模型，近日Yolov12算法正式开源，提出区域注意力模块，残差高效层聚合网络，性能更好，速度更快，希望对大家学习理解有帮助！论文：https://arxiv.org/abs/2502.
  • 深度学习之目标检测YOLO简介和YOLO v1模型算法流程详解说明（超详细理论篇） Studying 开龙wu 深度学习理论（图像分类目标检测）深度学习目标检测YOLO
    1.YOLO（YouOnlyLookOnce）2.onestage和twostage含义和区别3.YOLOv1论文背景4.YOLOv1算法流程5.YOLOv1创新点一、YOLO（YouOnlyLookOnce）  YOLO（YouOnlyLookOnce）是一种开创性的实时目标检测算法，由JosephRedmon等人于2015年提出。核心思想是将目标检测任务转化为单次前向传播的回归问题，通过单个神
  • Python OpenCV 4.10 库详解 yz123lucky pythonopencv开发语言
    PythonOpenCV4.10库详解文档核心模块覆盖：Core模块：基本数据结构、矩阵操作、数学运算ImgProc模块：图像处理的核心功能，包括颜色转换、几何变换、滤波、边缘检测VideoIO模块：视频和摄像头操作HighGUI模块：用户界面功能，窗口管理、事件处理Features2D模块：特征检测和匹配（SIFT、ORB等）ObjDetect模块：目标检测算法DNN模块：深度学习模型集成Vid
  • 基于YOLOv8的导弹发射检测系统：定制卫星图像数据集、模型训练与交互式UI实现 YOLO实战营 YOLOui深度学习人工智能目标检测计算机视觉
    1.研究背景与意义导弹发射检测作为战略情报监控领域的重要任务，对国家安全和防御体系具有重要意义。传统依赖人工分析卫星图像，不仅耗时耗力，且准确性难以保障。利用深度学习技术，特别是先进目标检测算法YOLOv8，实现自动、快速、准确的导弹发射目标检测，极大提升监控效率和响应速度。2.导弹发射检测的挑战高分辨率卫星图像处理难度大：图像尺寸巨大，细节复杂。导弹发射目标体积小且易受遮挡：目标尺寸小，相邻背景
  • 目标检测算法——YOLO-Word——算法详解 TigerZ* AIGC算法深度学习算法目标检测算法YOLOAIGC
    一、概述1、是什么是一个目标检测器，通过结合CLIP文本编码器，拥有了开放检测（推理时识别训练时没有的目标）的能力。作者实验证明ap指标上zeroshot能力YOLO-worldL接近专门训练过的YOLOv6-8S模型的能力，finetune后YOLO-world均能提升8个点左右。2、亮点将文章的提到亮点按照逻辑重新组合后：1）介绍了YOLO-World，这是一个前沿的开集目标检测器，它具有高效
  • 【凌智视觉模块】RV1106上部署YOLOv5目标检测及量化原理简介 位东风 视觉模型部署实践YOLO目标检测人工智能嵌入式硬件计算机视觉
    目标检测简介目标检测是计算机视觉中的一个重要领域，它不仅要求模型能够识别图像中出现的对象属于哪一类（分类问题），还要求确定这些对象在图像中的具体位置（通常通过边界框来表示）。目标检测可以应用于多种场景，如自动驾驶、安防监控、医学影像分析等。YOLO（YouOnlyLookOnce）是一种流行的目标检测算法系列，而YOLOv5是其中的一个版本。YOLOv5由Ultralytics公司开发，并不是正式
  • YOLO 十年进化史：从 v1 到 v11 的技术跃迁与应用全景 从零开始学习人工智能 YOLO目标跟踪人工智能
    一、引言：实时目标检测的十年革命1.1什么是目标检测？目标检测是计算机视觉中的一个重要任务，它的目标是在图像或视频中找到特定物体的位置，并识别出这些物体是什么。想象一下，你在玩捉迷藏游戏，你需要找到你的朋友藏在哪里，这就是目标检测的工作。1.2YOLO是什么？YOLO（YouOnlyLookOnce）是一种非常厉害的目标检测算法。它的名字的意思是“只看一次”，因为它只需要看图像一次，就能找出图像中
  • 基于RT-DETR算法的夜间交通车辆与行人目标检测 野马算法创新 算法目标检测人工智能RT-DETR计算机视觉小论文
    基于RT-DETR算法的夜间交通车辆与行人目标检测：智能交通的未来文末有完整代码数据集获取方式随着智能交通系统（ITS）的发展，实时、高效的交通监控成为了城市安全管理的重要一环。尤其是在夜间，低光照、复杂天气条件等因素使得传统的目标检测算法面临巨大的挑战，如何在夜间环境中准确地识别车辆和行人，成为智能交通系统中亟待解决的痛点。痛点：夜间检测困难，传统方法效率低在夜间，交通监控摄像头拍摄的图像普遍存
  • 目标检测基础概念解析：任务、挑战与算法分类 青柚MATLAB学习 目标检测目标检测分类计算机视觉two-stage算法one-stage算法
    摘要本文详细解析计算机视觉中目标检测的核心概念，对比分类、定位、检测和分割任务的差异，阐述目标检测需解决的目标位置、大小、形状多样性挑战。重点介绍基于深度学习的两类目标检测算法——two-stage与one-stage的原理及流程，并列举其代表性算法。最后说明目标检测在人脸、安防等领域的应用及常用数据集。关键词：目标检测；计算机视觉；two-stage算法；one-stage算法；应用领域一、目标
  • 目标检测我来惹1 R-CNN 吧啦吧啦吡叭卜 机器学习目标检测
    目标检测算法：识别图像中有哪些物体和位置目标检测算法原理：记住算法的识别流程、解决问题用到的关键技术目标检测算法分类：两阶段：先区域推荐ROI，再目标分类regionproposal+CNN提取分类的目标检测框架RCNNFASTERRCNN端到端：一个网络，输入到输出：类别加位置yoloSSD目标检测的任务：分类原理：得到每个类别的概率，取最大概率CNN--卷积神经网络输入层+卷积、激活、池化+全
  • 基于深度学习YOLOv8的番茄成熟度检测系统（Python + PySide6界面 + 训练代码） YOLO实战营 深度学习YOLOpython人工智能ui开发语言
    引言随着深度学习技术的飞速发展，计算机视觉已经成为了现代农业中的一个重要应用领域。在农业生产中，番茄等果实的成熟度检测对收获时间、品质评估以及市场需求预测等方面有着至关重要的作用。传统的人工检测方法不仅耗时，而且容易受到主观因素的影响，因此，基于深度学习的成熟度检测方法在农业领域逐渐得到广泛应用。YOLO（YouOnlyLookOnce）是一种非常流行的目标检测算法，其优点是能够在保证高精度的同时
  • 目标检测算法之RT-DETR 碌碌无为的小张 目标检测算法人工智能transformer
    RT-DETR算法理解BackgroundModelArchitectureEfficientHybridEncoderUncertainty-minimalQuerySelection总结BackgroundReal-timeDetectionTransformer（RT-DETR）是一个基于tranformer的实时推理目标检测模型。RT-DETR是2023年百度发布的一个新目标检测模型，它兼
  • Transformer目标检测 | DETR论文解读 DeepDriving 自动驾驶与深度学习transformer目标检测深度学习
    0.前言DETR是首个将Transformer应用到2D目标检测任务中的算法，由Facebook于2020年在论文《End-to-EndObjectDetectionwithTransformers》中提出。与传统目标检测算法不同的是，DETR将目标检测任务视为一个直接的集合预测问题，采用基于集合的全局损失通过二分匹配实现一对一的预测输出，不需要非极大值抑制（NMS）和手工设计Anchor这些操作
  • 目标检测领域最新突破：2025年你必须掌握的5大创新方向！附教程！ 学算法的程霖 目标检测人工智能计算机视觉机器学习深度学习自然语言处理大模型
    目标检测是计算机视觉的核心任务之一，涉及算法学习、应用场景优化和学术创新三个关键方向。以下是系统的总结和建议：一、目标检测算法学习方向1.基础理论核心任务：定位（BoundingBox）+分类（Class）。关键概念：IoU（交并比）、NMS（非极大值抑制）、Anchor机制。损失函数：分类损失（Cross-Entropy）、回归损失（SmoothL1、GIoU）。必学经典模型：Two-Stage
  • YOLOv5 详解：从原理到实战的全方位解析 2201_75491841 计算机视觉YOLO目标检测人工智能深度学习
    在计算机视觉领域，目标检测作为核心任务之一，始终吸引着众多研究者和开发者的目光。YOLO（YouOnlyLookOnce）系列算法凭借其高效、准确的特点，在目标检测领域占据重要地位。而YOLOv5作为YOLO系列算法的重要成员，更是以其卓越的性能，成为当下目标检测任务的热门选择。本文将从原理、技术细节、实际应用等方面对YOLOv5进行详细介绍，带你全面认识这一强大的目标检测算法。一、YOLOv5概
  • 项目中 枚举与注解的结合使用 飞翔的马甲 javaenumannotation
    前言：版本兼容，一直是迭代开发头疼的事，最近新版本加上了支持新题型，如果新创建一份问卷包含了新题型，那旧版本客户端就不支持，如果新创建的问卷不包含新题型，那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。 一、枚举 1.在创建枚举类的时候，该类已继承java.lang.Enum类，所以自定义枚举类无法继承别的类，但可以实现接口。
  • 【Scala十七】Scala核心十一：下划线_的用法 bit1129 scala
    下划线_在Scala中广泛应用，_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方，本文将不断完善_的使用场景以及所表达的含义   1. 在高阶函数中使用 scala> val list = List(-3,8,7,9) list: List[Int] = List(-3, 8, 7, 9) scala> list.filter(_ > 7) r
  • web缓存基础：术语、http报头和缓存策略 dalan_123 Web
    对于很多人来说，去访问某一个站点，若是该站点能够提供智能化的内容缓存来提高用户体验，那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储，是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求，这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念，具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容，并谈论下
  • crontab 问题 周凡杨 linuxcrontabunix
      一： 0481-079   Reached   a   symbol   that   is   not   expected.   背景： */5   *   *   *   *  /usr/IBMIHS/rsync.sh 
  • 让tomcat支持2级域名共享session g21121 session
    tomcat默认情况下是不支持2级域名共享session的，所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况，但是只需修改几处配置就可以了。 打开tomcat下conf下context.xml文件 找到Context标签,修改为如下内容 如果你的域名是www.test.com <Context sessionCookiePath="/path&q
  • web报表工具FineReport常用函数的用法总结（数学和三角函数） 老A不折腾 Webfinereport总结
      ABS ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。 Number:需要求出绝对值的任意实数。 示例: ABS(-1.5)等于1.5。 ABS(0)等于0。 ABS(2.5)等于2.5。   ACOS ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度，返回角度以弧度形式表示。 Number:需要返回角
  • linux 启动java进程 sh文件 墙头上一根草 linuxshelljar
    #!/bin/bash #初始化服务器的进程PId变量 user_pid=0; robot_pid=0; loadlort_pid=0; gateway_pid=0; ######### #检查相关服务器是否启动成功 #说明： #使用JDK自带的JPS命令及grep命令组合，准确查找pid #jps 加 l 参数，表示显示java的完整包路径 #使用awk，分割出pid
  • 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory aijuans Spring 3 系列
    如何使用ApplicationContext替换BeanFactory？ package onlyfun.caterpillar.device; import org.springframework.beans.factory.BeanFactory; import org.springframework.beans.factory.xml.XmlBeanFactory; import
  • Linux 内存使用方法详细解析 annan211 linux内存Linux内存解析
    来源 http://blog.jobbole.com/45748/ 我是一名程序员，那么我在这里以一个程序员的角度来讲解Linux内存的使用。 一提到内存管理，我们头脑中闪出的两个概念，就是虚拟内存，与物理内存。这两个概念主要来自于linux内核的支持。 Linux在内存管理上份为两级，一级是线性区，类似于00c73000-00c88000，对应于虚拟内存，它实际上不占用
  • 数据库的单表查询常用命令及使用方法(-) 百合不是茶 oracle函数单表查询
        创建数据库;       --建表 create table bloguser(username varchar2(20),userage number(10),usersex char(2));       创建bloguser表,里面有三个字段     &nbs
  • 多线程基础知识 bijian1013 java多线程threadjava多线程
    一．进程和线程 进程就是一个在内存中独立运行的程序，有自己的地址空间。如正在运行的写字板程序就是一个进程。 “多任务”：指操作系统能同时运行多个进程（程序）。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。 线程：是进程内部单一的一个顺序控制流。 线程和进程 a.       每个进程都有独立的
  • fastjson简单使用实例 bijian1013 fastjson
    一.简介         阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法，把JSON Parse的性能提升到极致，是目前Java语言中最快的JSON库；包括“序列化”和“反序列化”两部分，它具备如下特征：     
  • 【RPC框架Burlap】Spring集成Burlap bit1129 spring
    Burlap和Hessian同属于codehaus的RPC调用框架，但是Burlap已经几年不更新，所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时，不应该考虑Burlap了。 这篇文章还是记录下Burlap的用法吧，主要是复制粘贴了Hessian与Spring集成一文，【RPC框架Hessian四】Hessian与Spring集成  
  • 【Mahout一】基于Mahout 命令参数含义 bit1129 Mahout
    1. mahout seqdirectory   $ mahout seqdirectory --input (-i) input Path to job input directory(原始文本文件). --output (-o) output The directory pathna
  • linux使用flock文件锁解决脚本重复执行问题 ronin47 linux lock　重复执行
    linux的crontab命令，可以定时执行操作，最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题，如果设定了任务每分钟执行一次，但有可能一分钟内任务并没有执行完成，这时系统会再执行任务。导致两个相同的任务在执行。 例如： <? //  test .php
  • java-74-数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 bylijinnan java
    public class OcuppyMoreThanHalf { /** * Q74 数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 * two solutions: * 1.O(n) * see <beauty of coding>--每次删除两个不同的数字，不改变数组的特性 * 2.O(nlogn) * 排序。中间
  • linux 系统相关命令 candiio linux
    系统参数 cat /proc/cpuinfo  cpu相关参数 cat /proc/meminfo 内存相关参数 cat /proc/loadavg 负载情况 性能参数 1）top M：按内存使用排序 P：按CPU占用排序 1：显示各CPU的使用情况 k：kill进程 o：更多排序规则 回车：刷新数据 2）ulimit ulimit -a：显示本用户的系统限制参
  • [经营与资产]保持独立性和稳定性对于软件开发的重要意义 comsci 软件开发
         一个软件的架构从诞生到成熟，中间要经过很多次的修正和改造       如果在这个过程中，外界的其它行业的资本不断的介入这种软件架构的升级过程中           那么软件开发者原有的设计思想和开发路线
  • 在CentOS5.5上编译OpenJDK6 Cwind linuxOpenJDK
    几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6，将编译过程和遇到的问题作一简要记录，备查。 0. OpenJDK介绍 OpenJDK是Sun（现Oracle）公司发布的基于GPL许可的Java平台的实现。其优点： 1、它的核心代码与同时期Sun（-> Oracle）的产品版基本上是一样的，血统纯正，不用担心性能问题，也基本上没什么兼容性问题；（代码上最主要的差异是
  • java乱码问题 dashuaifu java乱码问题js中文乱码
    swfupload上传文件参数值为中文传递到后台接收中文乱码     在js中用setPostParams（{"tag" : encodeURI( document.getElementByIdx_x("filetag").value，"utf-8")}）; 然后在servlet中String t
  • cygwin很多命令显示command not found的解决办法 dcj3sjt126com cygwin
    cygwin很多命令显示command not found的解决办法   修改cygwin.BAT文件如下 @echo off D: set CYGWIN=tty notitle glob set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
  • [介绍]从 Yii 1.1 升级 dcj3sjt126com PHPyii2
    2.0 版框架是完全重写的，在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单，通过本指南你将会了解两个版本间主要的不同之处。 如果你之前没有用过 Yii 1.1，可以跳过本章，直接从"入门篇"开始读起。 请注意，Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
  • Linux SSH免登录配置总结 eksliang ssh-keygenLinux SSH免登录认证Linux SSH互信
    转载请出自出处：http://eksliang.iteye.com/blog/2187265 一、原理      我们使用ssh-keygen在ServerA上生成私钥跟公钥，将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。      生成公钥与私钥有两种加密方式，第一种是
  • 手势滑动销毁Activity gundumw100 android
    老是效仿ios，做android的真悲催！ 有需求：需要手势滑动销毁一个Activity 怎么办尼？自己写？ 不用~，网上先问一下百度。 结果： http://blog.csdn.net/xiaanming/article/details/20934541 首先将你需要的Activity继承SwipeBackActivity，它会在你的布局根目录新增一层SwipeBackLay
  • JavaScript变换表格边框颜色 ini JavaScripthtmlWebhtml5css
    效果查看：http://hovertree.com/texiao/js/2.htm代码如下，保存到HTML文件也可以查看效果： <html> <head> <meta charset="utf-8"> <title>表格边框变换颜色代码-何问起</title> </head> <body&
  • Kafka Rest : Confluent kane_xie kafkaRESTconfluent
    最近拿到一个kafka rest的需求，但kafka暂时还没有提供rest api（应该是有在开发中，毕竟rest这么火），上网搜了一下，找到一个Confluent Platform，本文简单介绍一下安装。 这里插一句，给大家推荐一个九尾搜索，原名叫谷粉SOSO，不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了，出来之后用度娘搜技术问题，那匹配度简直感人。 环境声明：Ubu
  • Calender不是单例 men4661273 单例Calender
             在我们使用Calender的时候，使用过Calendar.getInstance()来获取一个日期类的对象，这种方式跟单例的获取方式一样，那么它到底是不是单例呢，如果是单例的话，一个对象修改内容之后，另外一个线程中的数据不久乱套了吗？从试验以及源码中可以得出，Calendar不是单例。 测试： Calendar c1 =
  • 线程内存和主内存之间联系 qifeifei java thread
    1， java多线程共享主内存中变量的时候，一共会经过几个阶段，    lock:将主内存中的变量锁定，为一个线程所独占。   unclock:将lock加的锁定解除，此时其它的线程可以有机会访问此变量。   read:将主内存中的变量值读到工作内存当中。   load:将read读取的值保存到工作内存中的变量副本中。  
  • schedule和scheduleAtFixedRate tangqi609567707 javatimerschedule
    原文地址：http://blog.csdn.net/weidan1121/article/details/527307 import java.util.Timer;import java.util.TimerTask;import java.util.Date; /** * @author vincent */public class TimerTest {  
  • erlang 部署 wudixiaotie erlang
    1.如果在启动节点的时候报这个错 ： {"init terminating in do_boot",{'cannot load',elf_format,get_files}} 则需要在reltool.config中加入 {app, hipe, [{incl_cond, exclude}]},     2.当generate时，遇到： ERROR
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他