- Triton Inference Server 架构与前后处理方案梳理
TritonInferenceServer架构与前后处理方案梳理文章目录TritonInferenceServer架构与前后处理方案梳理0引言1client方案--自己在client端增加前处理和后处理1.1client的README总结1.2client模块解析1.2.1整体目录结构1.2.2client/src/c++/library文件夹1.2.3client/src/c++/example
- PyTorch torch.no_grad() 指南(笔记)
拉拉拉拉拉拉拉马
pytorch人工智能python笔记深度学习
PyTorchtorch.no_grad()权威在PyTorch深度学习框架中,高效的显存管理对于训练复杂模型和执行大规模推理任务至关重要。显存不足(OutOfMemory,OOM)错误是开发者经常面临的挑战之一。torch.no_grad()作为PyTorch提供的一个核心工具,能够在推理(inference)和验证(validation)阶段显著优化显存使用并提升计算速度。本报告旨在全面、深入
- 【vLLM 学习】Encoder Decoder Multimodal
HyperAI超神经
vLLMvLLMKV缓存大语言模型推理加速内存管理开源项目在线教程
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/*在线运行vLLM入门教程:零基础分步指南源码examples/offline_inference/encoder_decoder_multimodal.py#SPDX-License-Identifier:Apach
- 【vLLM 学习】Eagle
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/*在线运行vLLM入门教程:零基础分步指南源码examples/offline_inference/eagle.py#SPDX-License-Identifier:Apache-2.0importargparseim
- 【机器学习笔记 Ⅱ】4 神经网络中的推理
推理(Inference)是神经网络在训练完成后利用学到的参数对新数据进行预测的过程。与训练阶段不同,推理阶段不计算梯度也不更新权重,仅执行前向传播。以下是其实现原理和代码示例的完整解析:1.推理的核心步骤加载训练好的模型参数(权重和偏置)。前向传播:输入数据逐层计算,得到输出。后处理:根据任务类型解析输出(如分类取概率最大值,回归直接输出)。2.代码实现(Python+NumPy)(1)定义模型
- YOLO 推理部署全方案」:一文掌握部署方式与性能对比!
要努力啊啊啊
计算机视觉YOLO目标跟踪计算机视觉目标检测人工智能
YOLO的推理部署方法全景指南YOLO系列模型经过训练后,通常需要部署到线上环境中进行推理(inference)。下面是常见的YOLO推理部署方式:1️⃣PyTorch原生部署使用原始PyTorch模型.pt文件直接调用model(input)进行推理✅优点:简单、灵活、易于调试❌缺点:推理速度较慢,不适合生产环境2️⃣ONNX导出+推理将YOLO模型导出为.onnx格式使用ONNXRuntime
- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-torch_utils.py
红色的山茶花
YOLO笔记深度学习
torch_utils.pyultralytics\utils\torch_utils.py目录torch_utils.py1.所需的库和模块2.defsmart_inference_mode():3.defautocast(enabled:bool,device:str="cuda"):4.deftime_sync():5.deffuse_conv_and_bn(conv,bn):6.deffu
- 大模型的“Tomcat”:一文读懂AI推理引擎(Inference Engine)
人工智能
本文已收录在Github,关注我,紧跟本系列专栏文章,咱们下篇再续!魔都架构师|全网30W技术追随者大厂分布式系统/数据中台实战专家主导交易系统百万级流量调优&车联网平台架构AIGC应用开发先行者|区块链落地实践者以技术驱动创新,我们的征途是改变世界!实战干货:编程严选网1推理引擎是啥?从熟悉的“服务器”说起,想象你用Java写好了一个业务应用,如订单处理服务,打成一个JAR或WAR包。这包能直接
- rknn优化教程(三)
凌佚
rknnCPPxmakeYOLO目标检测c++
文章目录1.前述2.部分代码3.说明1.前述OK,这一篇博客将完整给出最后的优化教程,包括代码设计。首先有这样的目录结构:./rknn_engine├──include│├──def││└──rknn_define.h│└──rknn_engine.h├──src│├──common││├──rknn_data.h││└──rknn_functions.hpp│├──inference││├──i
- 【vLLM 学习】Disaggregated Prefill
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/*在线运行vLLM入门教程:零基础分步指南源码examples/offline_inference/disaggregated_prefill.py#SPDX-License-Identifier:Apache-2.0
- 【vLLM 学习】Data Parallel
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/*在线运行vLLM入门教程:零基础分步指南源码examples/offline_inference/data_parallel.py#SPDX-License-Identifier:Apache-2.0"""用法:单节
- LLaMA-Factory的5种推理方式总结
勤奋的知更鸟
AI大模型LLaMA-Factory
LLaMA-Factory作为一款开源的大语言模型微调与推理框架,提供了5种核心推理方式,覆盖从本地调试到生产部署的全流程需求。以下是具体方式及示例:1.交互式命令行推理适用场景:快速测试模型效果或进行简单对话。示例命令:#使用原始模型推理llamafactory-clichatexamples/inference/llama3.yaml#使用微调后的LoRA模型推理(需指定适配器路径)llama
- 端到端大语言模型微调技术 Demo 全流程详解(附完整模块说明)
gs80140
AI机器学习python人工智能
目录端到端大语言模型微调技术Demo全流程详解(附完整模块说明)一、项目结构概览二、数据准备模块(data/)1️⃣数据格式推荐2️⃣数据预处理流程3️⃣样本构造脚本三、模型构建模块(models/)模型加载逻辑:四、训练微调模块(trainer/)1️⃣微调方式支持2️⃣训练参数配置3️⃣Trainer配置:五、推理与验证模块(inference/)六、Web服务与部署模块(deploy/)方式
- dockerfile: PaddleOCR hubserving api 服务
Grassto
dockerdockerocrpaddleocr
前言目前OCR有比较成熟的方案,想着直接通过docker部署一个提供api接口服务,查看了一些开源方案,最终发现还是PaddleOCR比较好用。本篇不介绍PaddleOCR的详细使用方式,只介绍一下构建镜像的dockerfile需要注意的事项。docker镜像构建目录结构-inference_models(下载好的模型放这里,可以直接在dockerfile中下载)-PaddleOCR(git仓库,
- 【深度学习】5. 正则化方法:从 Weight Decay 到 BatchNorm、GroupNorm, Dropout、DropConnect, Early Stopping 与归一化技术
pen-ai
深度学习机器学习深度学习人工智能
深度学习中的正则化方法全解析:从WeightDecay到BatchNorm、Dropout、EarlyStopping与归一化技术本文系统梳理了深度学习中各类正则化方法,包括:显式正则化:L1/L2正则、WeightDecay、Bayesian视角下的先验项训练过程正则化:EarlyStopping、输入加噪、Dropout、DropConnect网络结构正则化:数据增强、标签平滑、模型稀疏性控制
- 生态仿真软件:MOSAIC (Multi-scale Object-based Spatial Analysis and Inference of Change)_(9).仿真结果分析与解释
kkchenjj
环境仿真仿真模拟模拟仿真环境仿真
仿真结果分析与解释在生态仿真软件MOSAIC中,仿真结果的分析与解释是至关重要的一步。这不仅帮助用户理解仿真过程中的各种现象,还能为后续的模型优化和实际应用提供有价值的信息。本节将详细介绍如何利用MOSAIC提供的工具和方法对仿真结果进行分析和解释,包括数据可视化、统计分析、模型验证和敏感性分析等。数据可视化数据可视化是理解仿真结果的最直观方式。MOSAIC提供了一系列强大的可视化工具,可以帮助用
- 生态仿真软件:MOSAIC (Multi-scale Object-based Spatial Analysis and Inference of Change)_(12).高级功能与技巧
kkchenjj
环境仿真仿真模拟环境仿真模拟仿真
高级功能与技巧1.自定义对象和类在MOSAIC生态仿真软件中,自定义对象和类是实现复杂生态系统模型的关键步骤。通过自定义对象和类,用户可以更灵活地模拟特定的生态过程和生物行为。本节将详细介绍如何在MOSAIC中自定义对象和类,并提供具体的操作示例。1.1.创建自定义对象MOSAIC允许用户创建自定义对象,这些对象可以代表生态系统中的各种生物或非生物元素。创建自定义对象的基本步骤如下:定义对象属性:
- 【 vLLM 学习】Audio Language
人工智能深度学习机器学习算法
vLLM是一款专为大语言模型推理加速而设计的框架,实现了KV缓存内存几乎零浪费,解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/在线运行vLLM入门教程:零基础分步指南源码examples/offline_inference/audio_language.py#SPDX-License-Identifier:Apache-2.0"""Thise
- PaddlePaddle最简单的例子:利用python api调用paddle实现模型加载与预测
少安的砖厂
PaddlePaddle开发
调用fluid的python接口:importpaddle.fluidasfluid图片操作:fromPILimportImage矩阵操作:importnumpyasnpexe=fluid.Executor(fluid.CPUPlace())//设置model的地址,在model_path字符型变量中保存[inference_program,feed_target_names,fetch_targ
- YOLOv5-DeepSort 项目使用教程
怀创宪
YOLOv5-DeepSort项目使用教程项目地址:https://gitcode.com/gh_mirrors/yo/Yolov5-deepsort-inference1.项目介绍1.1项目概述YOLOv5-DeepSort是一个结合了YOLOv5目标检测算法和DeepSort目标跟踪算法的开源项目。该项目旨在通过YOLOv5进行目标检测,并使用DeepSort进行目标跟踪和计数。代码封装成一个
- 第十四讲、Isaaclab在USD环境中进行策略推断
跳跳糖炒酸奶
Isaaclab-17讲pythonubuntu人工智能算法机器人
0前言官方教程:https://isaac-sim.github.io/IsaacLab/main/source/tutorials/03_envs/policy_inference_in_usd.htmlIsaacsim+Isaaclab安装:https://blog.csdn.net/m0_47719040/article/details/146389391?spm=1001.2014.300
- 【模型部署】使用onnxruntime部署yolo11n,提供fastapi接口
青春狗头少年不会梦到格温学姐
fastapiyolo前端gptiqooadbandroid
文章目录背景目录结构server.pyonnx_inference.pyDockerfile文件编写docker镜像构建运行并测试背景triton太臃肿,所以选择onnxruntime进行yolo模型部署,fastapi提供http接口调用。目录结构server.pyfromfastapiimportFastAPI,UploadFile,File,HTTPExceptionfromfastapi.
- 第二十六讲 空间贝叶斯建模进阶:INLA方法(集成拉普拉斯近似)与高速贝叶斯建模实战
Chh0715
vue.js前端javascriptr语言算法
✨本讲关键词:INLA、空间建模、Bayesian、快速推断、R语言实战目录一、前言二、什么是INLA?核心优点INLA的基本结构:三、一个实战案例:模拟空间数据+INLA高速建模1️⃣安装依赖包2️⃣模拟一个空间格点数据3️⃣建立INLA模型四、结果解读与可视化五、总结与扩展应用推荐文献一、前言随着空间数据在生态、地学、农学等领域的广泛应用,如何高效而精确地进行空间建模成为研究焦点。贝叶斯建模因
- pytorch 51 GroundingDINO模型导出tensorrt并使用c++进行部署,53ms一张图
万里鹏程转瞬至
pytorch工程实践pytorchc++人工智能
本专栏博客第49篇文章分享了将GroundingDINO模型导出onnx并使用c++进行部署,并尝试将onnx模型转换为trt模型,fp16进行推理,可以发现推理速度提升了一倍。为此对GroundingDINO的trt推理进行调研,发现在GroundingDINO-TensorRT-and-ONNX-Inference项目中分享了模型导出onnx转trt格式,并分享了python-trt推理代码,
- What are the advantages of our neural network inference framework?
Yongqiang Cheng
Englishneuralnetworkinferenceframework
Whataretheadvantagesofourneuralnetworkinferenceframework?1.Background2.Whataretheadvantagesofourneuralnetworkinferenceframework?References1.BackgroundLetmeintroduce/ˌɪntrəˈdjuːs/thebackground/ˈbækɡraʊ
- Hogwild! Inference: Parallel LLM Generation via Concurrent Attention
Alexguantp
AIPapersLLM
Hogwild!推理:通过并发注意力实现并行LLM生成目录介绍顺序LLM生成的挑战Hogwild推理方法用于协作推理的缓存布局旋转位置嵌入协作提示实验结果涌现的协作行为局限性和未来方向结论介绍大型语言模型(LLM)彻底改变了自然语言处理,但它们的顺序特性在文本生成过程中造成了计算瓶颈。每个token预测都需要模型处理所有先前的token,导致推理时间随输出长度线性增长。对于需要生成冗长输出的复杂推
- YOLOX系列二 -- tools/demo.py详解
刘丶小歪
目标检测python目标检测计算机视觉神经网络pytorch
YOLOX系列二tools/demo.py代码详解文章目录YOLOX系列二前言一、代码详解1.网络参数设置,pycharm直接运行demo.py1.#获取图片(文件夹中所有图片)get_image_list(path)2.预测参数初始化Predictor(object)3.图片(帧)检测inference(self,img)4.visual(self,output,img_info,cls_con
- Paddle Inference模型文件解释说明
Sweet锦
AIpaddlepaddlepaddle
PaddleInference是飞桨的原生推理库,提供服务器端的高性能推理能力,其功能特性丰富,性能优异,具有高吞吐、低时延、快速部署等特点。然而有些同学可能对Paddle推理模型的文件有哪些,以及每个文件有什么作用,傻傻分不清楚,以至于在Download模型或部署时,出现各种各样的问题。本篇文章,旨在以简明扼要的方式,为大家阐述PaddleInference模型每一种文件类型的具体作用与重要性。
- 飞桨Paddle Inference模型转ONNX模型的方法
Sweet锦
AIpaddlepaddle人工智能AI编程
ONNX是个好东西,其全称OpenNeuralNetworkExchange,是一种用于表示和交换深度学习模型的开放标准格式。由Microsoft和Facebook在2017年共同推出的一个开放标准,旨在促进不同深度学习框架之间的互操作性,并采用相同格式存储模型数据。ONNX有诸多优势,简直让人爱不释手呀。以下简单列举几个:在不同深度学习框架(如PaddlePaddle、PyTorch、Tenso
- Stable Diffusion 模型具体如何设置参数?
壁纸样机神器
stablediffusion人工智能计算机视觉
基础参数设置随机种子(seed):设置一个固定的随机种子值,可以确保在相同文本提示下生成相同的图像。如果设置为-1,则每次生成的图像都是随机的。num_inference_steps:控制模型推理的步数。步数越多,生成的图像质量通常越高,但生成时间也会相应增加。通常使用默认值50步,如果需要更快的结果可以减少步数,而更高质量的图像则可以适当增加步数。guidance_scale:用于调整生成图像对
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p