燕策西
燕策西

重装cuda/cudnn/pytorch

重装cuda/cudnn/pytorch

  • 一、CUDA/CUDNN安装
  • 二、pytorch-gpu安装

一、CUDA/CUDNN安装

1.Win10中CUDA、cuDNN的安装与卸载
2.Win10中CUDA、cuDNN的安装与卸载
3.cuda 和 cudnn 库的卸载与安装

二、pytorch-gpu安装

win10使用pip安装pytorch-gpu

你可能感兴趣的:(cuda,gpu)

  • 英伟达靠什么支撑起了4万亿？AI泡沫还能撑多久？
    英伟达市值突破4万亿美元，既是AI算力需求爆发的直接体现，也暗含市场对未来的狂热预期。其支撑逻辑与潜在风险并存，而AI泡沫的可持续性则取决于技术、商业与地缘政治的复杂博弈。⚙️一、英伟达4万亿市值的核心支撑因素技术垄断与生态壁垒硬件优势：英伟达GPU在AI训练市场占有率超87%，H100芯片的FP16算力达1979TFLOPS，领先竞品3-5倍。CUDA生态：400万开发者构建的软件护城河，成为A
  • PaddleOCR 快速开始 张欣-男 PaddlePaddlePaddleOCROCR
    1.安装1.1安装PaddlePaddle#GPUcudapipinstallpaddlepaddle-gpu#CPUpipinstallpaddlepaddle1.2安装PaddleOCRwhl包pipinstallpaddleocr2.便捷使用2.1命令行使用2.1.1中英文模型检测+方向分类器+识别全流程：–use_angle_clstrue设置使用方向分类器识别180度旋转文字，–use_
  • 非欧空间计算加速：图神经网络与微分几何计算的GPU优化（流形数据的内存布局优化策略） 九章云极AladdinEdu 空间计算神经网络人工智能gpu算力算法java开发语言
    一、非欧空间计算的革命性意义与核心挑战在三维形状分析、社交网络建模、分子动力学模拟等领域，非欧几里得空间数据（流形数据）的处理正推动人工智能技术向更复杂的几何结构迈进。传统欧式空间优化方法在处理流形数据时面临根本性局限：黎曼度量导致距离计算失效、局部坐标系动态变化引发内存访问模式混乱、曲率变化影响并行计算效率。本文提出基于分块流形存储（BlockedManifoldStorage,BMS）与层次化
  • 从零开始构建深度学习环境：基于Pytorch、CUDA与cuDNN的虚拟环境搭建与实践（适合初学者） 荣华富贵8 程序员的知识储备2程序员的知识储备3深度学习pytorch人工智能
    摘要：深度学习正在引领人工智能技术的革新，而对于初学者来说，正确搭建深度学习环境是迈向AI研究与应用的第一步。本文将为读者提供一套详尽的教程，指导如何在本地环境中搭建Pytorch、CUDA与cuDNN，以及如何利用Anaconda和PyCharm进行高效开发。内容涵盖从环境配置、常见错误修正，到基础的深度学习模型构建及训练。我们旨在为深度学习零基础的入门者提供一个全面且易于理解的“保姆级”教程，
  • LLaMA-Factory微调教程1：LLaMA-Factory安装及使用 Cachel wood LLM和AIGCllamapython开发语言react.jsjavascript前端microsoft
    文章目录环境搭建LLaMA-Factory安装教程模型大小选择环境搭建Windows系统RTX4060Ti（16G显存）python3.10cuda=12.6cudnntorch==2.7.1+cu126torchvision==0.22.1+cu126torchaudio==2.7.1+cu126PSC:\Users\18098>nvidia-smiTueJul2201:52:192025+<
  • 核心板：嵌入式系统的核心驱动力 MYZR1 核心板人工智能SSD2351
    核心板（CoreBoard）作为嵌入式系统开发的核心组件，已成为现代电子设备智能化的重要基石。这种高度集成的电路板将处理器、内存、存储和基本外设接口浓缩在一个紧凑的模块中，为各类智能设备提供强大的"大脑"。核心板的技术特点核心板通常采用先进的系统级封装(SiP)技术，在微小空间内集成了CPU/GPU、DDR内存、Flash存储以及电源管理单元。这种设计不仅大幅减小了体积，还提高了系统可靠性。以常见
  • Unity_UI_NGUI_DrawCall BuHuaX Unityunityui游戏引擎c#游戏程序
    Unity_UI五、NGUI进阶2.DrawCall相关2.1DrawCall的概念DrawCall定义：字面理解：DrawCall就是"绘制呼叫"的意思，表示CPU（中央处理器）通知GPU（图形处理器-显卡）开始渲染概念定义：DrawCall是CPU（处理器）准备好渲染数据（包括顶点、纹理、法线、Shader等等），然后告知GPU（图形处理器-显卡）开始渲染（将命令放入命令缓冲区）的命令简单来说
  • 利用Gpu训练 兮℡檬， 深度学习人工智能
    方法一：分别对网络模型，数据（输入，标注），损失函数调用.cuda()网络模型：iftorch.cuda.is_available():net=net.cuda()数据（训练和测试）：iftorch.cuda.is_available():imgs=imgs.cuda()targets=targets.cuda()损失函数：iftorch.cuda.is_available():loss_fn=l
  • Tensorflow-gpu运行时报错Non-OK-status: GpuLaunchKernel GEM的左耳返 pythontensorflow深度学习python
    Tensorflow-gpu运行时报错Non-OK-status:GpuLaunchKernel(FillPhiloxRandomKernelLaunch,num_blocks,block_size,0,d.stream(),gen,data,size,dist)status:Internal:invaliddevicefunctionFatalPythonerror:Aborted说明你安装的C
  • PyTorch武侠演义 第一卷：初入江湖 第7章：矿洞中的计算禁制 空中湖 pytorch武侠演绎pytorch人工智能python
    第一卷：初入江湖第7章：矿洞中的计算禁制矿洞深处罗盘残件在接近矿洞时突然发热，指针疯狂旋转。"就是这里，"欧阳长老抚摸着洞壁上的计算图刻痕，“TensorFlow帮用静态图封印了矿脉。”林小码看到：幽蓝矿脉构成巨大的计算图结构水晶矿簇随呼吸节奏明灭（CUDA核心）矿道中流淌着数据光流（内存带宽）"小心！"大师突然拉回林小码。他刚才踩中的矿砖下陷，触发岩壁上的机关——数十道计算图锁链从四面八方射来！
  • 【科研绘图系列】R语言绘制边际云雨图散点图 生信学习者1 SCI科研绘图系列(2024版)r语言数据可视化
    文章目录介绍加载R包数据下载导入数据数据预处理画图系统信息参考介绍【科研绘图系列】R语言绘制边际云雨图散点图加载R包library(tidyverse)library(ggplot2)library(ggpubr)library(ggpmisc)library(gghalves)library(aplot
  • 路口实时检测 30FPS+：陌讯抗遮挡算法实测 2501_92488070 算法计算机视觉视觉检测边缘计算智慧城市
    开篇痛点：复杂路口的视觉识别困境在城市交通治理中，行人闯红灯行为检测一直是智能监控的难点。传统视觉算法在实际部署中常面临三重挑战：强光/逆光环境下目标特征丢失导致的漏检率超20%；行人与非机动车遮挡场景下误判率高达15%；普通GPU设备上难以维持25FPS以上的实时性[3]。某二线城市交管部门曾反馈，基于开源模型的系统每月产生超3000条无效告警，严重消耗人力核查资源。这些问题的核心在于传统单模态
  • 如何解决 undetected_chromedriver 启动慢问题 小马哥编程 chromeseleniumui
    要解决undetected_chromedriver启动慢的问题，可以从以下几个方面优化配置和代码：1.指定本地Chrome二进制路径避免自动搜索Chrome路径，直接指定位置：driver=uc.Chrome(browser_executable_path=r'C:\ProgramFiles\Google\Chrome\Application\chrome.exe')2.禁用GPU和沙盒（关键优
  • 数字人克隆中SyncTalk算法介绍与部署过程 优秘智能UMI 人工智能ubuntu
    SyncTalk算法介绍SyncTalk合成同步的头部说话视频，采用三平面哈希表示来保持主体身份。它可以生成同步的嘴唇动作、面部表情和稳定的头部姿势，并恢复头发细节以创建高分辨率视频。部署在Linux中部署该项目，在Ubuntu18.04、Pytorch1.12.1和CUDA11.3上测试。gitclonehttps://github.com/ZiqiaoPeng/SyncTalk.gitcdSy
  • vLLM专题（三）-快速开始 AI专题精讲 大模型专题系列人工智能
    本指南将帮助您快速开始使用vLLM执行：离线批量推理使用OpenAI兼容服务器进行在线服务1.先决条件操作系统：LinuxPython：3.9–3.122.安装如果您使用的是NVIDIAGPU，您可以直接使用pip安装vLLM。建议使用uv，一个非常快速的Python环境管理器，来创建和管理Python环境。请按照文档安装uv。安装uv后，您可以创建一个新的Python环境，并使用以下命令安装vL
  • XCZU4EV-1FBVB900E Xilinx FPGA AMD Zynq UltraScale+ MPSoC EV（Embedded Vision） XINVRY-FPGA arm开发fpga开发fpga嵌入式硬件硬件工程计算机视觉硬件架构
    XCZU4EV-1FBVB900EXCZU4EV‑2FBVB900E属于AMD（Xilinx）ZynqUltraScale+MPSoCEV（EmbeddedVision）系列，集成四核Arm®Cortex‑A53应用处理器、双核Cortex‑R5F实时处理器与Mali‑400MP2片上GPU，辅以强大的可编程逻辑和海量DSP引擎。该器件面向视频嵌入式视觉、网络通信、工业自动化和高级数据处理等对图形
  • 数字经济时代全产业链详解
    数字经济全产业链概述数字经济全产业链涵盖从底层技术到终端应用的完整生态，包括基础技术层、核心产业层、融合应用层和支撑服务层。以下是详细拆解：基础技术层1.硬件基础设施芯片与半导体：CPU、GPU、AI芯片（如NPU）等，支撑算力需求。通信设备：5G基站、光纤网络、卫星互联网等。数据中心：云计算服务器、边缘计算节点、绿色数据中心（如液冷技术）。2.软件与平台操作系统：鸿蒙、Windows、Linux
  • 【MMCV】MMCV安装与踩坑 Elendill Pyhtonpytorchpythonmmcv
    确认MMCV版本首先确认项目所需MMCV的版本是多少mmcv2.0版本的代码相比较于=2.0.0安装方法新创建一个conda环境安装pytorch：condainstallpytorchtorchvisiontorchaudiopytorch-cuda=11.8-cpytorch-cnvidia安装mim，这是openmm官方推出的用于安装他们旗下mm系列产品的安装器：pipinstall-Uop
  • [mmcv系列] pip安装mmcv记录
    文章目录1.查看torch和cuda版本1.安装1.1从预编译包安装1.2源码编译安装2.校验报错：frommmcvimportConfig可以直接参考教程：找到pip安装，选择自己的cuda和torch版本，复制指令到终端安装即可：1.查看torch和cuda版本终端运行指令：python-c'importtorch;print(torch.__version__);print(torch.ve
  • 【代码问题】【包安装】MMCV Catching Star python
    可以参考这篇博客【MMCV】MMCV安装与踩坑-CSDN博客MMCV对于版本要求非常严格。python最好是3.10或者3.9，而且torch和cuda版本一定要对应。比如我是cu118，就可以这样安装：#举例：torch2.1.0+cu118pipinstallmmcv-full==1.7.2\-fhttps://download.openmmlab.com/mmcv/dist/cu118/to
  • 存算一体架构或成为AI处理器技术发展关键 神州问学 人工智能架构gpu算力算法语言模型
    ©作者|坚果来源|神州问学引言马斯克巨资60亿美元打造的“超级算力工场”，通过串联10万块顶级NVIDIAH100GPU，不仅震撼了AI和半导体行业，促使英伟达股价应声上涨6%，还强烈暗示了AI大模型及芯片需求的急剧膨胀。这一行动不仅是马斯克对AI未来的大胆押注，也成为了全球企业加速布局AI芯片领域的催化剂，预示着一场科技革新竞赛的全面升级，各方竞相提升算力，争夺AI时代的战略高地。观察近期Bla
  • 下一代AI芯片设计的五大革命性突破：从架构创新到能效比跃迁——解析存算一体、Chiplet与光子计算的产业实践 像素笔记 杂谈单片机人工智能gpu算力Chiplet硬件架构
    一、引言：AI算力竞赛进入“纳米级战争”2024年，全球AI芯片市场规模突破800亿美元，但传统冯·诺依曼架构的“内存墙”问题愈发凸显。英伟达H100GPU的算力虽达4PetaFLOPS，但其实际能效比仅有15%，大量功耗消耗在数据搬运而非计算本身（数据来源：ISSCC2024报告）。与此同时，特斯拉Dojo超算通过定制化架构，将训练成本降低至行业平均水平的1/5。本文将深入剖析AI芯片设计的五大
  • 使用vllm创建相同模型的多个实例，使用nginx进行负载均衡，提高模型吞吐量
    背景要提高vllm部署的大模型吞吐量，可以从显存利用率优化、多实例部署、参数调优和流程优化等多个维度入手，以下是具体建议：一、提高gpu-memory-utilization的效果与操作gpu-memory-utilization控制vllm预分配的GPU内存比例（默认0.9），当前值0.35预留了过多显存，是吞吐量低的重要原因。提升空间：合理提高该值可显著增加批处理能力。例如从0.35提升到0.
  • ✨零基础手把手｜Docker+vLLM极速部署OpenAI风格API：5分钟4卡GPU推理+避坑指南+完整镜像配置 杨靳言先 pythondockervllm部署
    一、Docker基础命令查看容器状态Bashdockerps#查看运行中的容器dockerps-a#查看所有容器（包括已停止的）查看镜像列表Bashdockerimages#列出本地所有镜像二、镜像与容器操作镜像打包为.tar文件Bashdockersave-o#将镜像导出为.tar文件#示例：dockersave-omy_image.tarvllm/vllm-openai:v0.8.4打包多个镜
  • ERNIE-4.5-0.3B 实战指南：文心一言 4.5 开源模型的轻量化部署与效能跃升
    当行业还在为千亿参数模型的算力消耗争论不休时，百度文心一言4.5开源版本以颠覆性姿态撕开了一条新赛道。2025年6月30日，文心一言4.5系列模型正式开源，其中ERNIE-4.5-0.3B这款仅3亿参数的轻量模型，为破解大模型产业落地的三大困局提供了全新方案：算力门槛：从千万级GPU集群降至消费级单卡部署成本控制：企业私有化部署成本降至传统方案的1/10效率平衡：在保持智能水平的同时实现极致轻量化
  • 深度学习GPU工作站主机选择指南：以RTX 5090为核心的2025年配置策略
    前言2025年，随着NVIDIARTX5090的发布，深度学习硬件领域迎来了革命性的变化。这款基于Blackwell架构的旗舰GPU不仅在游戏领域表现卓越，更在AI和深度学习应用中展现出前所未有的性能实力。对于深度学习研究者和工程师而言，RTX5090的出现重新定义了工作站配置的标准，其32GBGDDR7显存、768个第五代TensorCore以及大幅提升的计算性能，为大规模模型训练和推理提供了全
  • 深度学习-数据操作
    数据操作首先，我们来介绍n维数组，也称为张量（tensor）。GPU很好地支持加速计算，而NumPy仅支持CPU计算；并且张量类支持自动微分。这些功能使得张量类更适合深度学习。张量表示一个由数值组成的数组，这个数组可能有多个维度。具有一个轴的张量对应数学上的向量（vector）；具有两个轴的张量对应数学上的矩阵（matrix）；具有两个轴以上的张量没有特殊的数学名称。上图分别是1维到5维的张量的表
  • 第十四章:AI的数据“集装箱”：彻底搞懂Tensor的Batch与维度 爱分享的飘哥 AI新纪元：120日觉醒计划TensorPyTorchBatchSize数据处理AI基础深度学习教程
    AI数据集中箱前言：为什么AI从不“零售”，总是“批发”？1：Batch（批次）——GPU的“灵魂伴侣”1.1单个处理vs.批量处理：CPU与GPU的思维差异1.2DataLoader：PyTorch的“自动化装箱员”2：维度的语言——破译[B,L,D]的含义2.1[L,D]：一个句子的“二维画像”2.2[B,L,D]：一批句子的“三维魔方”2.3用代码直观感受维度的增加3：追踪Tensor的“变
  • 模型剪枝（分析） yc_hu 剪枝python机器学习
    1.函数入口与设备初始化defget_layer_level_pruning_rate(args):device=torch.device("cuda"iftorch.cuda.is_available()else"cpu")功能：检测可用设备（优先使用GPU），为后续模型加载做准备。2.数据加载与评估函数定义train_loader,val_loader,test_loader,criterio
  • 【WebGPU学习杂记】数学基础拾遗（1）三角学基础
    本文主要记录一些基础数学中的关键术语、公式、定义，方便查阅并基于此拓展和补充。部分内容需要有函数基础。主要目的是熟悉这些公式即可，如果能够手推公式效果最理想（增加对公式的信任感）。基础概念内角、外角、补角、对边、临边内角、外角和均为π\piπ、任意两边长度加和>第三边相似：三边对应成比例两边对应成比例且夹角相等两角对应角度相等全等：三边相等、两边对应相等且夹角相等、双边角对应相等且夹边对应相等单位
  • Java常用排序算法/程序员必须掌握的8大排序算法 cugfy java
    分类： 1）插入排序（直接插入排序、希尔排序） 2）交换排序（冒泡排序、快速排序） 3）选择排序（直接选择排序、堆排序） 4）归并排序 5）分配排序（基数排序） 所需辅助空间最多：归并排序 所需辅助空间最少：堆排序 平均速度最快：快速排序 不稳定：快速排序，希尔排序，堆排序。 先来看看8种排序之间的关系：   1.直接插入排序 （1
  • 【Spark102】Spark存储模块BlockManager剖析 bit1129 manager
    Spark围绕着BlockManager构建了存储模块，包括RDD，Shuffle，Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构，即Driver上BlockManager充当了Master角色，而各个Slave上(具体到应用范围，就是Executor)的BlockManager充当了Slave角色
  • linux 查看端口被占用情况详解 daizj linux端口占用netstatlsof
    经常在启动一个程序会碰到端口被占用，这里讲一下怎么查看端口是否被占用，及哪个程序占用，怎么Kill掉已占用端口的程序   1、lsof -i:port port为端口号   [root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080 COMMAND   PID USER   FD   TY
  • Hosts文件使用 周凡杨 hostslocahost
         一切都要从localhost说起，经常在tomcat容器起动后，访问页面时输入http://localhost:8088/index.jsp，大家都知道localhost代表本机地址，如果本机IP是10.10.134.21，那就相当于http://10.10.134.21:8088/index.jsp，有时候也会看到http: 127.0.0.1:
  • java excel工具 g21121 Java excel
    直接上代码，一看就懂，利用的是jxl： import java.io.File; import java.io.IOException; import jxl.Cell; import jxl.Sheet; import jxl.Workbook; import jxl.read.biff.BiffException; import jxl.write.Label; import
  • web报表工具finereport常用函数的用法总结（数组函数） 老A不折腾 finereportweb报表函数总结
    ADD2ARRAY ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素，再返回该数组。 示例： ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7]. ADDARRAY([3,4, 1, 5, 7], "测试&q
  • 游戏服务器网络带宽负载计算 墙头上一根草 服务器
    家庭所安装的4M，8M宽带。其中M是指，Mbits/S 其中要提前说明的是： 8bits = 1Byte 即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节，约为 50000多字节。但是网宽是以“位”为单位的，所以，8Mbits就是1M字节。是容积体积的单位。 8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位，即每秒1M字节。 我是在计算我们网络流量时想到的
  • 我的spring学习笔记2-IoC（反向控制 依赖注入） aijuans Spring 3 系列
    IoC（反向控制 依赖注入）这是Spring提出来了，这也是Spring一大特色。这里我不用多说，我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC，下面我将介绍不用Spring的IoC。 IoC不是框架，她是java的技术，如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明： 如：程序中有 Mysql.calss 、Oracle.class 、SqlSe
  • 高性能mysql 之 选择存储引擎(一) annan211 mysqlInnoDBMySQL引擎存储引擎
    1 没有特殊情况，应尽可能使用InnoDB存储引擎。   原因：InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她   被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的，很少有回滚的情况。InnoDB的性能和自动崩溃   恢复特性使得她在非事务型存储的需求中也非常流行，除非有非常
  • UDP网络编程 百合不是茶 UDP编程局域网组播
      UDP是基于无连接的,不可靠的传输   与TCP/IP相反       UDP实现私聊,发送方式客户端,接受方式服务器 package netUDP_sc; import java.net.DatagramPacket; import java.net.DatagramSocket; import java.net.Ine
  • JQuery对象的val()方法执行结果分析 bijian1013 JavaScriptjsjquery
            JavaScript中，如果id对应的标签不存在（同理JAVA中，如果对象不存在），则调用它的方法会报错或抛异常。在实际开发中，发现JQuery在id对应的标签不存在时，调其val()方法不会报错，结果是undefined。        
  • http请求测试实例（采用json-lib解析） bijian1013 jsonhttp
            由于fastjson只支持JDK1.5版本，因些对于JDK1.4的项目，可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法，仅供参考。 package com; import java.util.HashMap; import java.util.Map; import
  • 【RPC框架Hessian四】Hessian与Spring集成 bit1129 hessian
    在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤，在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用，本文使用Spring对Hessian的集成来实现Hessian的RPC调用。   定义模型、接口和服务器端代码 |---Model    &nb
  • 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析 bit1129 Mahout
    1.Mahout环境搭建  1.下载Mahout http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz    2.解压Mahout  3. 配置环境变量 vim /etc/profile export HADOOP_HOME=/home
  • nginx负载tomcat遇非80时的转发问题 ronin47
    　　nginx负载后端容器是tomcat（其它容器如WAS,JBOSS暂没发现这个问题）非８０端口，遇到跳转异常问题。解决的思路是：$host:port        详细如下： 　　 该问题是最先发现的，由于之前对nginx不是特别的熟悉所以该问题是个入门级别的： ? 1 2 3 4 5
  • java-17-在一个字符串中找到第一个只出现一次的字符 bylijinnan java
    public class FirstShowOnlyOnceElement { /**Q17.在一个字符串中找到第一个只出现一次的字符。如输入abaccdeff，则输出b * 1.int[] count:count[i]表示i对应字符出现的次数 * 2.将26个英文字母映射：a-z <--> 0-25 * 3.假设全部字母都是小写 */ pu
  • mongoDB 复制集 开窍的石头 mongodb
    mongo的复制集就像mysql的主从数据库，当你往其中的主复制集(primary)写数据的时候，副复制集(secondary)会自动同步主复制集(Primary)的数据,当主复制集挂掉以后其中的一个副复制集会自动成为主复制集。提供服务器的可用性。和防止当机问题             mo
  • [宇宙与天文]宇宙时代的经济学 comsci 经济
        宇宙尺度的交通工具一般都体型巨大，造价高昂。。。。。      在宇宙中进行航行，近程采用反作用力类型的发动机，需要消耗少量矿石燃料，中远程航行要采用量子或者聚变反应堆发动机，进行超空间跳跃，要消耗大量高纯度水晶体能源      以目前地球上国家的经济发展水平来讲，
  • Git忽略文件 Cwind git
         有很多文件不必使用git管理。例如Eclipse或其他IDE生成的项目文件，编译生成的各种目标或临时文件等。使用git status时，会在Untracked files里面看到这些文件列表，在一次需要添加的文件比较多时（使用git add . / git add -u），会把这些所有的未跟踪文件添加进索引。 ==== ==== ==== 一些牢骚
  • MySQL连接数据库的必须配置 dashuaifu mysql连接数据库配置
    MySQL连接数据库的必须配置   1.driverClass：com.mysql.jdbc.Driver   2.jdbcUrl：jdbc:mysql://localhost:3306/dbname   3.user：username   4.password：password   其中1是驱动名；2是url，这里的‘dbna
  • 一生要养成的60个习惯 dcj3sjt126com 习惯
    一生要养成的60个习惯 第1篇 让你更受大家欢迎的习惯 1 守时，不准时赴约,让别人等,会失去很多机会。 如何做到： ①该起床时就起床， ②养成任何事情都提前15分钟的习惯。 ③带本可以随时阅读的书，如果早了就拿出来读读。 ④有条理，生活没条理最容易耽误时间。 ⑤提前计划：将重要和不重要的事情岔开。 ⑥今天就准备好明天要穿的衣服。 ⑦按时睡觉，这会让按时起床更容易。 2 注重
  • [介绍]Yii 是什么 dcj3sjt126com PHPyii2
    Yii 是一个高性能，基于组件的 PHP 框架，用于快速开发现代 Web 应用程序。名字 Yii （读作 易）在中文里有“极致简单与不断演变”两重含义，也可看作 Yes It Is! 的缩写。 Yii 最适合做什么？ Yii 是一个通用的 Web 编程框架，即可以用于开发各种用 PHP 构建的 Web 应用。因为基于组件的框架结构和设计精巧的缓存支持，它特别适合开发大型应
  • Linux SSH常用总结 eksliang linux sshSSHD
    转载请出自出处：http://eksliang.iteye.com/blog/2186931 一、连接到远程主机   格式： ssh name@remoteserver 例如： ssh [email protected]   二、连接到远程主机指定的端口   格式： ssh name@remoteserver -p 22 例如： ssh i
  • 快速上传头像到服务端工具类FaceUtil gundumw100 android
    快速迭代用 import java.io.DataOutputStream; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.IOExceptio
  • jQuery入门之怎么使用 ini JavaScripthtmljqueryWebcss
    jQuery的强大我何问起（个人主页：hovertree.com）就不用多说了，那么怎么使用jQuery呢？   首先，下载jquery。下载地址：http://hovertree.com/hvtart/bjae/b8627323101a4994.htm，一个是压缩版本，一个是未压缩版本，如果在开发测试阶段，可以使用未压缩版本，实际应用一般使用压缩版本(min)。然后就在页面上引用。
  • 带filter的hbase查询优化 kane_xie 查询优化hbaseRandomRowFilter
    问题描述 hbase scan数据缓慢，server端出现LeaseException。hbase写入缓慢。   问题原因 直接原因是： hbase client端每次和regionserver交互的时候，都会在服务器端生成一个Lease,Lease的有效期由参数hbase.regionserver.lease.period确定。如果hbase scan需
  • java设计模式-单例模式 men4661273 java单例枚举反射IOC
             单例模式1，饿汉模式 //饿汉式单例类.在类初始化时，已经自行实例化 public class Singleton1 { //私有的默认构造函数 private Singleton1() {} //已经自行实例化 private static final Singleton1 singl
  • mongodb 查询某一天所有信息的3种方法，根据日期查询 qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    // mongodb的查询真让人难以琢磨，就查询单天信息，都需要花费一番功夫才行。 // 第一种方式： coll.aggregate([ {$project:{sendDate: {$substr: ['$sendTime', 0, 10]}, sendTime: 1, content:1}}, {$match:{sendDate: '2015-
  • 二维数组转换成JSON tangqi609567707 java二维数组json
    原文出处：http://blog.csdn.net/springsen/article/details/7833596 public class Demo {     public static void main(String[] args) {        String[][] blogL
  • erlang supervisor wudixiaotie erlang
    定义supervisor时，如果是监控celuesimple_one_for_one则删除children的时候就用supervisor:terminate_child (SupModuleName, ChildPid)，如果shutdown策略选择的是brutal_kill，那么supervisor会调用exit(ChildPid, kill)，这样的话如果Child的behavior是gen_
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他