- 向量，矩阵和张量的导数 | 简单的数学
橘子学AI
前段时间看过一些矩阵求导的教程，在看过的资料中，尤其喜欢斯坦福大学CS231n卷积神经网络课程中提到的Erik这篇文章。循着他的思路，可以逐步将复杂的求导过程简化、再简化，直到发现其中有规律的部分。话不多说，一起来看看吧。作者：ErikLearned-Miller翻译：橘子来源：橘子AI笔记（datawitch）本文旨在帮助您学习向量、矩阵和高阶张量（三维或三维以上的数组）的求导方法，以及如何求对
- 机器学习（深度学习）路线
bigcindy
机器学习机器学习深度学习神经网络人工智能学习路线
数学相关1.1微积分：深度学习需要掌握高数微积分的知识，例如基本的求导、偏导数、梯度概念资源：浙江大学微积分MIT微积分公开课[1]MIT微积分公开课[2]1.2线性代数：需要掌握矩阵乘法、特征值、特征向量等，了解矩阵求导，深度学习中90%的运算可能都是优化为矩阵的运算，通过NumPy等高度优化的库完成。资源：MIT线性代数公开课同济大学线性代数清华大学李永乐-线性代数1.3概率论：了解各类分布，
- 机器学习中矩阵求导规则
米斯特芳
求导布局：分子布局（numeratorlayout）：m维列向量对标量求导结果为m维列向量，标量对m*n维矩阵求导结果为n*m维，m维列向量对n维列向量求导结果为m*n维（雅克比矩阵）分母布局（denominatorlayout）：m维列向量对标量求导结果为m维行向量，标量对m*n维矩阵求导结果为m*n维，m维列向量对n维列向量求导结果为n*m维（梯度矩阵）一般规则：向量或矩阵对标量求导一般为分子
- 正规方程求解特征参数的推导过程
梅_梅
多变量线性回归代价函数为：其中：正规方程是通过求解下面的方程来找出使得代价函数最小的参数：设有m个训练实例，每个实例有n个特征，则训练实例集为：其中表示第i个实例第j个特征。特征参数为：输出变量为：进行求导，等价于如下的形式：其中第一项：其中第二项：该矩阵求导为分母布局下的标量/向量形式：故有第三项该矩阵求导为分母布局下的标量/向量形式：因此第四项：为标量，可看成一个常数。该矩阵求导为分母布局下的
- 常系数微分方程组的V函数构造定理的解释
a03910
笔记
这是王高雄里的常微分方程里的二次型V函数的构造…一节的定理，定正矩阵，这个书里没注意到在哪，不过在高等代数中就是正定矩阵的意思，第二个划线部分矩阵里的微分运算，也是没见过的，看起来很有意思，但是原因呢？之前在证明刘维尔公式的时候有行列式求导运算，现在又有矩阵求导，其实没有特别的理由，就当作是一般的函数乘积求导而已，不过对于矩阵，只需要看作是n^2维向量值函数而已，然后按照数学分析中的多元函数微分即
- 李沐-《动手学深度学习》-- 01-预备知识
叮咚Zz
深度学习深度学习人工智能机器学习神经网络pytorch
一、线性代数知识1.矩阵计算a.矩阵求导当y和x分别为标量和向量时候，进行求导得到的矩阵形状，矩阵求导就是矩阵A中的每一个元素对矩阵B中的每一个元素求导梯度指向的是值变化最大的方向分子布局和分母布局：b.常识axis=1代表行axis=0代表列nn.model.eval()将模型设置为评估模式，只输入数据然后得出结果而不会做反向传播xxx_下划线在后面的函数代表替换函数，不是返回一个值，而是直接替
- 普通最小二乘法平面直线回归问题的三种实现(Python)
飞机火车巴雷特
Python相关线性代数矩阵pythonnumpy
最小二乘法（LeastSquaresMethod）由马里·勒让德在1806年发现，距今已经有两个世纪。它是一种数学回归分析工具，可以应用于误差估计、不确定性度量、预测等任务。关于用矩阵求解最小二乘法的文章有很多，其中这篇知乎文章总结不错，得到了很多人的点赞。但这篇文章有个缺点，就是跳跃性有点强，比如矩阵求导那里，我看了就很不理解为什么可以这样求导，并且评论中也有人问但作者并没有给出回复。由于对矩阵
- 矩阵微分笔记（2）
碧蓝的天空丶
矩阵笔记
目录前言基本求导规则1.向量变元的实值标量函数1.14个法则1.2常用公式2.矩阵变元的实值标量函数2.14个法则2.2常用公式参考前言这篇笔记的内容是基于参考的文章写出的，公式部分可以会沿用文章本来的式，但会加入我自己的一些思考以及注释，如果读者认为我写的不够好得话可以参考原文章~本笔记的内容是学习向量变元的实值标量函数、矩阵变元的实值标量函数中最基础的矩阵求导公式(会对个别重要的公式做证明)。
- 矩阵微分笔记（1）
碧蓝的天空丶
矩阵笔记
目录前言1.矩阵求导的布局形式1.1矩阵求导的基本单元functionfunctionfunction是一个标量functionfunctionfunction是一个向量functionfunctionfunction是一个矩阵1.2矩阵求导的本质1.3矩阵求导的布局形式1.3.1向量对标量函数的导数1.3.2矩阵对标量函数的导数1.3.3矩阵对矩阵函数的导数1.3.4分子布局和分母布局的本质参考
- [足式机器人]Part2 Dr. CAN学习笔记-Ch00 - 数学知识基础
LiongLoure
数学基础学习笔记数学基础
本文仅供学习使用本文参考：B站：DR_CANDr.CAN学习笔记-Ch00-数学知识基础1.Ch0-1矩阵的导数运算1.1标量向量方程对向量求导，分母布局，分子布局1.1.1标量方程对向量的导数1.1.2向量方程对向量的导数1.2案例分析，线性回归1.3矩阵求导的链式法则2.Ch0-2特征值与特征向量2.1定义2.1.1线性变换2.1.2求解特征值，特征向量2.1.3应用：对角化矩阵——解耦Dec
- 【MIMO 从入门到精通】[P3]【Channel Estimation】
明朝百晓生
机器学习人工智能
前言：MIMO是无线通讯里面的核心技术之一.这里面主要参考《QuickIntroductiontoMIMOChannelEstimation》ProfessorandanIEEEFellow：Iain讲解一下MIMO（multipletransmitantennasandmultiplereceivers）里面的信道估计原理.如果对线性代数比较感兴趣可以看一下我之前的博客《矩阵求导术》目录：1：模
- 矩阵求导的本质与分子布局、分母布局的本质
这一wa是晚安
深度学习矩阵线性代数深度学习
大佬讲解的实在太吊了。就拿大佬的总结说明一下：矩阵求导结果，无非就是分子的转置、向量化，分母的转置、向量化，它们的各种组合而已。1、分子布局的本质：分子是标量、列向量、矩阵向量化后的列向量；分母是标量、列向量转置后的行向量、矩阵的转置矩阵、矩阵向量化后的列向量转置后的行向量。2、分母布局的本质：分子是标量、列向量转置后的行向量、矩阵向量化后的列向量转置后的行向量；分母是标量、列向量、矩阵自己、矩阵
- 【机器学习/深度学习】数学基础——矩阵求导
第五季度
深度学习机器学习深度学习矩阵线性代数
文章目录矩阵求导的实质分子布局和分母布局链式求导法则常用矩阵求导公式向量对向量求导标量对向量求导向量对标量求导矩阵求导的实质A矩阵对B矩阵求导，实质是矩阵A中的每个元素对矩阵B中的每个元素进行求导。分子布局和分母布局广义上，矩阵可以认为是一个单独的标量（矩阵中只有一个元素）、一个向量（m1矩阵或者1n矩阵）。那么矩阵对矩阵求导实际上可以分为以下几种：标量对向量求导向量对标量求导向量对向量求导求导结
- 可能是全网最详细的线性回归原理讲解！！！
你若盛开，清风自来！
线性回归算法回归
ps：此处的特征向量有别于线性代数中的特征向量，准确来讲这里的特征向量是一个样本的所有属性值。用梯度下降慢慢逼近这个最小值点本文图片来源于可能是全网最详细的线性回归原理讲解！！！_哔哩哔哩_bilibili可以结合视频来学习，本文是一个图片教程，有错误欢迎大家指正，多多交流！所用到的两个矩阵求导公式参考于知乎：https://zhuanlan.zhihu.com/p/273729929，里面有公式
- 数学learning
熬夜患者
算法
目录移动平均简单移动平均加权移动平均指数移动平均矩阵求导矩阵对标量求导Matrix-by-scalar标量对矩阵求导Scalar-by-matrix参考博客移动平均优化算法里面会涉及到一个知识点：指数移动平均。但是为了知识的完整性，这里会将常见的移动平均全部过一遍首先，移动平均法是根据时间序列资料逐渐推移，依次计算包含一定项数的时序平均数，以反映长期趋势的方法。当时间序列的数值由于受到周期变动和不
- AlgoC++第五课：基于矩阵的算法实现
爱听歌的周童鞋
AlgoC++c++算法人工智能
目录基于矩阵的算法实现前言1.矩阵2.矩阵求导推导3.矩阵示例代码3.1Matrix.hpp3.2Matrix.cpp3.3main.cpp3.4拓展-cblas_sgemm3.5拓展-LU分解4.多元线性回归5.多元逻辑回归6.最小二乘法7.岭回归(L2)8.多元牛顿法9.高斯牛顿法10.Levenberg-Marquardt(修正牛顿法/阻尼牛顿法)总结基于矩阵的算法实现前言手写AI推出的全新
- 动手学深度学习——矩阵求导之矩阵的迹和微分
时生丶
深度学习笔记深度学习矩阵机器学习线性代数
目录一、矩阵的迹1.迹的定义2.迹的性质二、微分与全微分1.（全）微分的表达式2.（全）微分的法则三、矩阵的微分1.矩阵微分的实质2.矩阵微分的意义3.矩阵微分的法则4.矩阵微分的常用公式四、矩阵求导实例1.迹在微分中的应用2.利用微分求导本篇博客总结自知乎文章：矩阵求导公式的数学推导（矩阵求导——进阶篇），需要详细推导过程可以查看原文学习。文章主要介绍了矩阵迹的性质，并将矩阵微分引入到矩阵求导中
- 矩阵求导总结
孤嶋
矩阵线性代数矩阵求导
矩阵求导总结参考文章：https://zhuanlan.zhihu.com/p/24709748一、标量对矩阵求导术首先，标量fff对矩阵X\mathbf{X}X的导数，定义为：∂f∂X=[∂f∂Xij]\frac{\partialf}{\partial\mathbf{X}}=[\frac{\partialf}{\partial\mathbf{X_{ij}}}]∂X∂f=[∂Xij∂f]，即fff
- 【视觉slam14讲】公式推导
我要算BA
视觉slam14讲学习c++
李群与李代数公式推导李群李代数对应关系李代数求导案例（p85）公式[1]雅可比扰动模型案例（p85）NOTE矩阵求导求导规律：（1）常量可以提取到导数外（2）分子中线性组合可以拆开（3）转置符号可以提取出来查表链接:矩阵查表非线性最小二乘解析解数值解（迭代）一阶梯度法一阶梯度法缺点：容易产生锯齿二阶梯度法（牛顿法）？？？写为内积不是很懂？？？牛顿法缺点：H不容易计算，H的逆也不容易计算
- 矩阵求导之二
satadriver
线性代数矩阵线性代数
上一篇：https://blog.csdn.net/m0_37567738/article/details/133444201?spm=1001.2014.3001.5502参考网址：https://zhuanlan.zhihu.com/p/262751195在机器学习的算法推导里，通常遵循以下布局的规范：如果向量或者矩阵对标量求导，则以分子布局为准。如果标量对向量或者矩阵求导，则以分母布局为准。
- 【AI】深度学习——前馈神经网络——全连接前馈神经网络
AmosTian
AI#机器学习#深度学习人工智能深度学习神经网络机器学习多层感知器
文章目录1.1全连接前馈神经网络1.1.1符号说明超参数参数活性值1.1.2信息传播公式通用近似定理1.1.3神经网络与机器学习结合二分类问题多分类问题1.1.4参数学习矩阵求导链式法则更为高效的参数学习反向传播算法目标计算∂z(l)∂wij(l)\frac{\partialz^{(l)}}{\partialw^{(l)}_{ij}}∂wij(l)∂z(l)计算∂z(l)∂b(l)\frac{\p
- 矩阵求导中的分子布局和分母布局
阿波拉
数学基础机器学习人工智能typoraMarkdown矩阵线性代数
1.求偏导的自变量的符号区别使用标量、向量和矩阵总共有九种可能性。请注意，当我们考虑每个自变量和因变量中更多数量的分量时，我们可能会留下非常多的可能性。下表收集了最能以矩阵形式最整齐地组织的六种导数。在这里，我们使用了最一般意义上的术语“矩阵”，认识到向量和标量只是分别具有一列和一行的矩阵。此外，我们使用粗体字母表示向量，使用粗体大写字母表示矩阵。此表示法自始至终使用。请注意，我们还可以讨论向量相
- 矩阵求导数
satadriver
线性代数矩阵线性代数
矩阵A=∣1212−13∣,计算f(x)=∣∣Ax∣∣2∣∣x∣∣2的最大值。矩阵A=\begin{vmatrix}1&2&1\\2&-1&3\end{vmatrix},计算f(x)=\frac{||Ax||_2}{||x||_2}的最大值。矩阵A=122−113,计算f(x)=∣∣x∣∣2∣∣Ax∣∣2的最大值。解：根据导数定义和性质，极值处导数为0。首先求出矩阵的导数，置为0后求解。首先f(x
- 【深度学习实验】前馈神经网络（六）：自动求导
QomolangmaH
深度学习实验深度学习神经网络人工智能
目录一、实验介绍二、实验环境1.配置虚拟环境2.库版本介绍三、实验内容0.导入必要的工具包1.标量求导2.矩阵求导3.计算图一、实验介绍PyTorch提供了自动求导机制，它是PyTorch的核心功能之一，用于计算梯度并进行反向传播。自动求导机制使得深度学习中的梯度计算变得更加简单和高效。二、实验环境本系列实验使用了PyTorch深度学习框架，相关操作如下：1.配置虚拟环境condacreate-n
- 回归 Regression
accosmos
AI线性回归算法回归
之前讲的逻辑回归是处理分类问题，而线性回归是处理连续问题。与线性回归不同的是，逻辑回归由于其联系函数的选择，它的参数估计方法不再使用最小二乘法，而是极大似然法。最小二乘法是最小化预测和实际之间的欧氏距离，极大似然法的思想也是如出一辙的，但是它是通过最大化预测属于实际的概率来最小化预测和实际之间的“距离”。损失函数：对w求导，令其=0，找出最小loss。矩阵求导：两个最基本的概念：分子布局和分母布局
- 【白话机器学习系列】白话梯度下降
JarodYv
白话机器学习机器学习人工智能深度学习梯度下降数学
白话梯度下降梯度下降是机器学习中最常见的优化算法之一。理解它的基本实现是理解所有基于它构建的高级优化算法的基础。文章目录优化算法一维梯度下降均方误差梯度下降什么是均方误差单权重双权重三权重三个以上权重矩阵求导结论优化算法在机器学习中，优化是寻找理想参数或权重以最大化或最小化成本或损失函数的过程。全局最大值是函数定义域上的最大值，而全局最小值是函数的最小值。虽然只有一个全局最大值和/或最小值，但可以
- 最小二乘法
wzNote
概念最小二乘就是最小化真实值和预测值差的平方。常用于曲线拟合。数学形式写成矩阵的形式：展开：求解最小化问题，极值点在导数为0处：即：则：这样就把参数求解变成了矩阵运算的形式矩阵求导公式：https://blog.csdn.net/u010976453/article/details/54381248
- 《视觉SLAM十四讲》读书笔记（四）
家家的快乐空间
视觉SLAM十四讲读书笔记slam状态估计非线性优化
非线性优化6.1状态估计问题6.1.1批量状态估计与最大后验估计6.1.2最小二乘的引出6.1.3最小二乘问题解析解6.2非线性最小二乘6.2.1一阶和二阶梯度法（1）最速下降法（2）牛顿法（3）小结1（4）**补充：矩阵求导公式**6.2.2高斯牛顿法**高斯牛顿法的缺陷**6.2.3列文伯格——马夸尔特方法列文伯格-马夸尔特算法伪代码6.2.4Dogleg最小化法（占坑）6.3实践：曲线拟合问
- 【线性代数】矩阵求导的本质与分子布局、分母布局的本质（矩阵求导——本质篇）
BH04250909
线性代数线性代数人工智能矩阵
矩阵求导的本质与分子布局、分母布局的本质（矩阵求导——本质篇）说在前面一.函数与标量、向量、矩阵二.矩阵求导的本质三.矩阵求导结果的布局四.分子布局、分母布局的本质五.向量变元的实值标量函数说在前面我将严谨地说明矩阵求导的本质与分子布局、分母布局的本质。希望对初学的同学、想理解本质的同学提供一些帮助。注1:看懂本文只需了解本科阶段高等数学的偏导如何求、本科阶段线性代数的矩阵的定义，无需任何其他知识
- 机器学习中常用的矩阵求导公式
城市中迷途小书童
矩阵求导好像读书的时候都没学过，因为讲矩阵的课程上不讲求导，讲求导的课又不提矩阵。如果从事机器学习方面的工作，那就一定会遇到矩阵求导的东西。维基百科上：http://en.wikipedia.org/wiki/Matrix_calculus根据Y与X的不同类型（标量==实数，向量，矩阵），给出了具体的求导公式，以及一堆相关的公式，查起来都费劲。其实在实际的机器学习工作中，最常用到的就是标量函数y对
- sql统计相同项个数并按名次显示
朱辉辉33
javaoracle
现在有如下这样一个表：
A表
ID Name time
------------------------------
0001 aaa 2006-11-18
0002 ccc 2006-11-18
0003 eee 2006-11-18
0004 aaa 2006-11-18
0005 eee 2006-11-18
0004 aaa 2006-11-18
0002 ccc 20
- Android+Jquery Mobile学习系列-目录
白糖_
JQuery Mobile
最近在研究学习基于Android的移动应用开发，准备给家里人做一个应用程序用用。向公司手机移动团队咨询了下，觉得使用Android的WebView上手最快，因为WebView等于是一个内置浏览器，可以基于html页面开发，不用去学习Android自带的七七八八的控件。然后加上Jquery mobile的样式渲染和事件等，就能非常方便的做动态应用了。
从现在起，往后一段时间，我打算
- 如何给线程池命名
daysinsun
线程池
在系统运行后，在线程快照里总是看到线程池的名字为pool-xx，这样导致很不好定位，怎么给线程池一个有意义的名字呢。参照ThreadPoolExecutor类的ThreadFactory，自己实现ThreadFactory接口，重写newThread方法即可。参考代码如下：
public class Named
- IE 中"HTML Parsing Error:Unable to modify the parent container element before the
周凡杨
html解析errorreadyState
错误： IE 中"HTML Parsing Error:Unable to modify the parent container element before the child element is closed"
现象： 同事之间几个IE 测试情况下，有的报这个错，有的不报。经查询资料后，可归纳以下原因。
- java上传
g21121
java
我们在做web项目中通常会遇到上传文件的情况，用struts等框架的会直接用的自带的标签和组件，今天说的是利用servlet来完成上传。
我们这里利用到commons-fileupload组件，相关jar包可以取apache官网下载：http://commons.apache.org/
下面是servlet的代码：
//定义一个磁盘文件工厂
DiskFileItemFactory fact
- SpringMVC配置学习
510888780
springmvc
spring MVC配置详解
现在主流的Web MVC框架除了Struts这个主力 外，其次就是Spring MVC了，因此这也是作为一名程序员需要掌握的主流框架，框架选择多了，应对多变的需求和业务时，可实行的方案自然就多了。不过要想灵活运用Spring MVC来应对大多数的Web开发，就必须要掌握它的配置及原理。
一、Spring MVC环境搭建：（Spring 2.5.6 + Hi
- spring mvc-jfreeChart 柱图(1)
布衣凌宇
jfreechart
第一步：下载jfreeChart包，注意是jfreeChart文件lib目录下的，jcommon-1.0.23.jar和jfreechart-1.0.19.jar两个包即可；
第二步：配置web.xml;
web.xml代码如下
<servlet>
<servlet-name>jfreechart</servlet-nam
- 我的spring学习笔记13-容器扩展点之PropertyPlaceholderConfigurer
aijuans
Spring3
PropertyPlaceholderConfigurer是个bean工厂后置处理器的实现，也就是BeanFactoryPostProcessor接口的一个实现。关于BeanFactoryPostProcessor和BeanPostProcessor类似。我会在其他地方介绍。PropertyPlaceholderConfigurer可以将上下文（配置文件）中的属性值放在另一个单独的标准java P
- java 线程池使用 Runnable&Callable&Future
antlove
javathreadRunnablecallablefuture
1. 创建线程池
ExecutorService executorService = Executors.newCachedThreadPool();
2. 执行一次线程，调用Runnable接口实现
Future<?> future = executorService.submit(new DefaultRunnable());
System.out.prin
- XML语法元素结构的总结
百合不是茶
xml树结构
1.XML介绍1969年 gml (主要目的是要在不同的机器进行通信的数据规范)1985年 sgml standard generralized markup language1993年 html(www网)1998年 xml extensible markup language
- 改变eclipse编码格式
bijian1013
eclipse编码格式
1.改变整个工作空间的编码格式
改变整个工作空间的编码格式，这样以后新建的文件也是新设置的编码格式。
Eclipse->window->preferences->General->workspace-
- javascript中return的设计缺陷
bijian1013
JavaScriptAngularJS
代码1：
<script>
var gisService = (function(window)
{
return
{
name:function ()
{
alert(1);
}
};
})(this);
gisService.name();
&l
- 【持久化框架MyBatis3八】Spring集成MyBatis3
bit1129
Mybatis3
pom.xml配置
Maven的pom中主要包括：
MyBatis
MyBatis-Spring
Spring
MySQL-Connector-Java
Druid
applicationContext.xml配置
<?xml version="1.0" encoding="UTF-8"?>
&
- java web项目启动时自动加载自定义properties文件
bitray
javaWeb监听器相对路径
创建一个类
public class ContextInitListener implements ServletContextListener
使得该类成为一个监听器。用于监听整个容器生命周期的，主要是初始化和销毁的。
类创建后要在web.xml配置文件中增加一个简单的监听器配置，即刚才我们定义的类。
<listener>
<des
- 用nginx区分文件大小做出不同响应
ronin47
昨晚和前21v的同事聊天，说到我离职后一些技术上的更新。其中有个给某大客户(游戏下载类)的特殊需求设计，因为文件大小差距很大——估计是大版本和补丁的区别——又走的是同一个域名，而squid在响应比较大的文件时，尤其是初次下载的时候，性能比较差，所以拆成两组服务器，squid服务于较小的文件，通过pull方式从peer层获取，nginx服务于较大的文件，通过push方式由peer层分发同步。外部发布
- java-67-扑克牌的顺子.从扑克牌中随机抽5张牌，判断是不是一个顺子，即这5张牌是不是连续的.2-10为数字本身，A为1，J为11，Q为12，K为13，而大
bylijinnan
java
package com.ljn.base;
import java.util.Arrays;
import java.util.Random;
public class ContinuousPoker {
/**
* Q67 扑克牌的顺子 从扑克牌中随机抽5张牌，判断是不是一个顺子，即这5张牌是不是连续的。
* 2-10为数字本身，A为1，J为1
- 翟鸿燊老师语录
ccii
翟鸿燊
一、国学应用智慧TAT之亮剑精神A
1. 角色就是人格
就像你一回家的时候，你一进屋里面，你已经是儿子，是姑娘啦，给老爸老妈倒怀水吧，你还觉得你是老总呢？还拿派呢？就像今天一样，你们往这儿一坐，你们之间是什么，同学，是朋友。
还有下属最忌讳的就是领导向他询问情况的时候，什么我不知道，我不清楚，该你知道的你凭什么不知道
- [光速与宇宙]进行光速飞行的一些问题
comsci
问题
在人类整体进入宇宙时代，即将开展深空宇宙探索之前，我有几个猜想想告诉大家
仅仅是猜想。。。未经官方证实
1：要在宇宙中进行光速飞行，必须首先获得宇宙中的航行通行证，而这个航行通行证并不是我们平常认为的那种带钢印的证书，是什么呢？ 下面我来告诉
- oracle undo解析
cwqcwqmax9
oracle
oracle undo解析2012-09-24 09:02:01 我来说两句 作者：虫师收藏 我要投稿
Undo是干嘛用的？ &nb
- java中各种集合的详细介绍
dashuaifu
java集合
一，java中各种集合的关系图 Collection 接口的接口 对象的集合 ├ List 子接口 &n
- 卸载windows服务的方法
dcj3sjt126com
windowsservice
卸载Windows服务的方法
在Windows中，有一类程序称为服务，在操作系统内核加载完成后就开始加载。这里程序往往运行在操作系统的底层，因此资源占用比较大、执行效率比较高，比较有代表性的就是杀毒软件。但是一旦因为特殊原因不能正确卸载这些程序了，其加载在Windows内的服务就不容易删除了。即便是删除注册表中的相 应项目，虽然不启动了，但是系统中仍然存在此项服务，只是没有加载而已。如果安装其他
- Warning: The Copy Bundle Resources build phase contains this target's Info.plist
dcj3sjt126com
iosxcode
http://developer.apple.com/iphone/library/qa/qa2009/qa1649.html
Excerpt:
You are getting this warning because you probably added your Info.plist file to your Copy Bundle
- 2014之C++学习笔记（一）
Etwo
C++EtwoEtwoiterator迭代器
已经有很长一段时间没有写博客了，可能大家已经淡忘了Etwo这个人的存在，这一年多以来，本人从事了AS的相关开发工作，但最近一段时间，AS在天朝的没落，相信有很多码农也都清楚，现在的页游基本上达到饱和，手机上的游戏基本被unity3D与cocos占据，AS基本没有容身之处。so。。。最近我并不打算直接转型
- js跨越获取数据问题记录
haifengwuch
jsonpjsonAjax
js的跨越问题，普通的ajax无法获取服务器返回的值。
第一种解决方案，通过getson，后台配合方式，实现。
Java后台代码：
protected void doPost(HttpServletRequest req, HttpServletResponse resp)
throws ServletException, IOException {
String ca
- 蓝色jQuery导航条
ini
JavaScripthtmljqueryWebhtml5
效果体验：http://keleyi.com/keleyi/phtml/jqtexiao/39.htmHTML文件代码：
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>jQuery鼠标悬停上下滑动导航条 - 柯乐义<
- linux部署jdk,tomcat,mysql
kerryg
jdktomcatlinuxmysql
1、安装java环境jdk:
一般系统都会默认自带的JDK,但是不太好用，都会卸载了，然后重新安装。
1.1）、卸载：
（rpm -qa :查询已经安装哪些软件包；
rmp -q 软件包：查询指定包是否已
- DOMContentLoaded VS onload VS onreadystatechange
mutongwu
jqueryjs
1. DOMContentLoaded 在页面html、script、style加载完毕即可触发，无需等待所有资源（image/iframe）加载完毕。（IE9+）
2. onload是最早支持的事件，要求所有资源加载完毕触发。
3. onreadystatechange 开始在IE引入，后来其它浏览器也有一定的实现。涉及以下 document , applet, embed, fra
- sql批量插入数据
qifeifei
批量插入
hi，
自己在做工程的时候，遇到批量插入数据的数据修复场景。我的思路是在插入前准备一个临时表，临时表的整理就看当时的选择条件了，临时表就是要插入的数据集，最后再批量插入到数据库中。
WITH tempT AS (
SELECT
item_id AS combo_id,
item_id,
now() AS create_date
FROM
a
- log4j打印日志文件 如何实现相对路径到 项目工程下
thinkfreer
Weblog4j应用服务器日志
最近为了实现统计一个网站的访问量，记录用户的登录信息，以方便站长实时了解自己网站的访问情况，选择了Apache 的log4j,但是在选择相对路径那块 卡主了，X度了好多方法(其实大多都是一样的内用，还一个字都不差的)，都没有能解决问题，无奈搞了2天终于解决了，与大家分享一下
需求：
用户登录该网站时，把用户的登录名,ip,时间。统计到一个txt文档里，以方便其他系统调用此txt。项目名
- linux下mysql-5.6.23.tar.gz安装与配置
笑我痴狂
mysqllinuxunix
1.卸载系统默认的mysql
[root@localhost ~]# rpm -qa | grep mysql
mysql-libs-5.1.66-2.el6_3.x86_64
mysql-devel-5.1.66-2.el6_3.x86_64
mysql-5.1.66-2.el6_3.x86_64
[root@localhost ~]# rpm -e mysql-libs-5.1
