- 【大模型微调实战】4. P-Tuning爆款文案生成:让模型学会小红书“爽感”写作,转化率提升300%
AI_DL_CODE
大模型微调P-Tuning小红书文案爆款生成情绪强化自然语言生成提示工程
摘要:在内容营销竞争白热化的当下,普通文案已难以突破流量壁垒。本文聚焦P-Tuning技术在小红书爆款文案生成中的落地应用,通过参数化提示向量优化,将抽象的“爽感”写作转化为可量化、可训练的技术指标。文中提出“六步成文法”,从情绪化数据集构建到爆款元素复刻,完整拆解如何用RTX3060级显卡实现0.1%参数量微调,使文案点击率从2.1%提升至8.7%,爆文率提高5倍,单条文案带货超8万元。核心创新
- Hive与Hudi集成:增量大数据处理方案
AI大数据智能洞察
大数据与AI人工智能大数据AI应用hivehadoop数据仓库ai
Hive与Hudi集成:增量大数据处理方案关键词:Hive、Hudi、增量大数据处理、数据集成、数据湖摘要:本文主要探讨了Hive与Hudi集成的增量大数据处理方案。我们将深入了解Hive和Hudi的核心概念,剖析它们之间的关系,详细阐述集成的算法原理与操作步骤,通过实际项目案例展示如何进行开发环境搭建、代码实现与解读。同时,会介绍该集成方案的实际应用场景、相关工具和资源,探讨未来发展趋势与挑战。
- 【免费下载】 探索PlantVillage-Dataset:深度学习在植物病害检测中的革命性突破
探索PlantVillage-Dataset:深度学习在植物病害检测中的革命性突破在这个数字化时代,人工智能正逐步改变我们的生活,其中深度学习在农业领域的应用尤其引人注目。PlantVillage-Dataset是一个开放源代码的项目,它提供了一个庞大的植物病害识别数据集,旨在帮助开发人员和研究者利用机器学习技术改善农作物健康状况的监测。本文将深入探讨该项目的技术细节、应用价值及其独特之处。项目简
- 【YOLO系列】YOLOv4详解:模型结构、损失函数、训练方法及代码实现
一碗白开水一
yolo系列助你拿捏AI算法YOLO目标跟踪人工智能目标检测计算机视觉论文阅读
YOLOv4详解:模型结构、损失函数、训练方法及代码实现motivationYOLO系列作者JosephRedmon与AlexeyBochkovskiy致力于解决目标检测领域的核心矛盾:精度与速度的平衡。YOLOv4的诞生源于两大需求:工业落地:在移动端/边缘设备实现实时检测(>30FPS)学术突破:无需昂贵算力(如1080Ti即可训练),在MSCOCO数据集达到SOTAmethods1.数据加载
- JavaScript对象与Math对象完全指南
hui函数
Javascriptjavascript前端开发语言
JavaScript对象与Math对象完全指南对象基础概念与操作对象是什么?数据集合:包含相关数据和功能的容器结构组成:属性:描述对象特征的变量(名词性)方法:对象可执行的操作(动词性,本质是函数)对象创建与访问//创建对象letperson={ //属性 name:"张三", age:28, profession:"软件工程师", //方法 introduce(){ return`大家好,我
- 重构数据库未来:金仓数据库,抢占 AI 原生时代先机
7月15日,国产数据库厂商中电科金仓(北京)科技股份有限公司(以下简称“电科金仓”)在北京举行了一场技术发布会,集中发布四款核心产品:AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机(云数据库AI版)以及企业级智能海量数据集成平台KFSUltra,并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年,这场发布会可能被归入“信创替代”的常规范畴。但这一次,电科金
- 基于Python的酒店订单数据分析与可视化实战
不若浮生一梦
python作业python数据分析开发语言
本文将通过一个酒店订单数据集,展示如何使用Python进行完整的数据分析流程,包括数据清洗、特征工程、探索性分析、可视化以及业务洞察,适合数据分析初学者或想通过项目提升数据思维的开发者。一、项目背景随着旅游业的迅速发展,酒店运营者越来越依赖数据分析来提升客户体验与优化收益管理。本项目基于某国际连锁酒店集团提供的真实订单数据,包含超过10万条记录,涵盖订单类型、顾客行为、取消情况等多个维度。目标是通
- 数据赋能(343)——数据整合——概述
lh1793
数据
进行数据整合时,需要遵循以下原则以确保整合数据的完整性、一致性、准确性和可用性。全方位集成原则:信息整合系统既是“数据中心”也是“业务中心”,应具备界面集成、数据集成、应用迁移、业务集成等能力。全面集成原则:既要支持逻辑集成,也要支持物理集成,确保数据的全面性和完整性。集约性原则:整合后的数据库应符合数据库标准要求,避免冗余,为数据共享奠定基础。衔接性原则:在数据整合过程中,应考虑到与不同比例尺或
- 大模型QLoRA微调——基于Qwen2-7B的自动化病历摘要生成系统
01项目简介(1)项目背景医疗文档中包含大量的诊疗信息,例如疾病诊断、手术名称、解剖部位、药物使用以及影像和实验室检查结果。这些信息是医疗数据分析的核心,但由于医疗文本内容复杂、格式多样,提取这些关键内容具有一定挑战。为此,本项目基于Qwen-7B大语言模型,通过QLoRA微调,使其从医疗文档中识别并提取这些信息。(2)数据集介绍本项目在Yidu-S4K数据集上进行指令微调任务,该数据共计包含10
- Python中的 filter() | 函数详解
2401_87650616
python开发语言
目录前言一、基本概念基本语法二、使用方式1.使用lambda函数2.使用普通函数3.使用None过滤假值三、filter()与列表推导式对比1.filter()方式2.列表推导式方式3.选择建议四、常见应用场景1.过滤偶数2.过滤空字符串3.过滤None值4.过滤质数五、注意事项与最佳实践1.惰性求值:filter()返回的是迭代器,只在需要时计算,节省内存2.性能考虑:对于大数据集,filter
- 标签助手:基于LabelImg和YOLOv5的图像半自动标注工具
伏容一Julia
标签助手:基于LabelImg和YOLOv5的图像半自动标注工具项目基础介绍标签助手(labelGo-Yolov5AutoLabelImg)是一个图形化的半自动图像注解工具,它结合了广受欢迎的图像标注工具LabelImg的力量与先进的目标检测框架YOLOv5。这个开源项目旨在简化数据集的标注过程,利用现有YOLOv5PyTorch模型实现快速的半自动化标注,极大地提高了标注效率。项目主要采用Pyt
- SpringBoot Stream实战指南
Stream的概念Stream(流)是计算机科学中用于处理数据序列的抽象概念,通常指按顺序读取或写入的数据集合。它可以是文件、网络连接、内存缓冲区等数据源的抽象表示,允许逐块处理数据而无需一次性加载全部内容。Stream的类型输入流(InputStream)从数据源(如文件、网络)读取数据,例如FileInputStream用于读取文件内容。输出流(OutputStream)向目标(如文件、控制台
- 汤逊湖高分辨率矢量图Shp文件及ArcGIS应用指南
夏曦安
本文还有配套的精品资源,点击获取简介:本矢量图数据集针对汤逊湖地理信息,提供了精确的边界、形状及属性信息,适用于多种领域。介绍SHP文件及其相关文件格式,展示了在ArcGIS中如何进行空间分析,包括地形、缓冲区、叠加、网络分析,模拟分析,以及可视化等功能,强调其在环境科学、城市规划等领域的应用价值。1.汤逊湖矢量图数据集概述在地理信息系统(GIS)领域,准确、丰富的数据集是进行空间分析和决策支持的
- 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,
- 博客摘录「 适合小白的超详细yolov8环境配置+实例运行教程,从零开始教你如何使用yolov8训练自己的数据集(Windows+conda+pycharm)」2024年3月13日
激活虚拟环境使用condaactivate命令激活虚拟环境,激活成功的标志就是命令行前面的(base)换
- 电科金仓全栈出击,“融合数据库平台”挑战AI时代新范式
7月15日,国产数据库厂商中电科金仓(北京)科技股份有限公司(以下简称“电科金仓”)在北京举行了一场技术发布会,集中发布四款核心产品:AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机(云数据库AI版)以及企业级智能海量数据集成平台KFSUltra,并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年,这场发布会可能被归入“信创替代”的常规范畴。但这一次,电科金
- 读心与芯:我们与机器人的无限未来05未来之路
躺柒
机器人机器人学人工智能大数据分析智能计算
1.概念1.1.利用数据确定模式,描述数据集的某些属性,基于过去的经历判断未来可能发生什么,或基于当前发生的事情判断后果或反应1.2.机器学习(machinelearning)是人工智能的一个子集,它不需要显式编程,为系统提供自动学习和根据经验改进的能力1.2.1.机器学习算法基于样本数据(又称训练数据)构建模型,在未经显式编程的情况下对未来数据做出预测或决策1.2.2.机器学习有多种类型,包括有
- 电科金仓“融合数据库”发布:锚定AI时代,重构国产数据库格局
可涵不会debug
AI赋能数据库人工智能重构
7月15日,国产数据库厂商中电科金仓(北京)科技股份有限公司(以下简称“电科金仓”)在北京举行了一场技术发布会,集中发布四款核心产品:AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机(云数据库AI版)以及企业级智能海量数据集成平台KFSUltra,并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年,这场发布会可能被归入“信创替代”的常规范畴。但这一次,电科金
- svm支持向量机实例--线性非线性实例代码可运行
fromsklearnimportsvmimportnumpyasnpimportsklearn#因为Python中的sklearn库也集成了SVM算法,所以在Python中一样可以使用支持向量机做分类#取数据集path=r'D:\svm\iris.data'#Iris.data的数据格式如下:共5列,前4列为样本特征,第5列为类别,分别有三种类别Iris-setosa,Iris-versicol
- Python数据可视化库之autoviz使用详解
概要在数据可视化的广阔领域中,快速且智能地将数据转化为直观图表,是数据分析师和开发者的共同需求。Python的autoviz库应运而生,它凭借“一键生成可视化”的强大功能,极大地简化了数据可视化流程。无论是处理简单数据集,还是复杂的多变量数据,autoviz都能自动分析数据特征,生成高质量可视化结果,成为提升数据分析效率的得力助手。安装与验证1、安装方法autoviz库的安装可以借助Python常
- 【SVM】支持向量机实例合集
KENYCHEN奉孝
支持向量机算法机器学习
基于Java的SVM(支持向量机)实例合集以下是一个基于Java的SVM(支持向量机)实例合集,包含核心代码示例和应用场景说明。这些例子基于流行的机器学习库(如LIBSVM、Weka、JSAT)实现。数据准备与加载使用LIBSVM格式加载数据集://加载LIBSVM格式数据svm_problemprob=newsvm_problem();prob.l=dataSize;//样本数量prob.x=n
- 数据挖掘实战-基于随机森林算法的空气质量污染预测模型
艾派森
数据挖掘实战合集信息可视化人工智能python数据挖掘随机森林
♂️个人主页:@艾派森的个人主页✍作者简介:Python学习者希望大家多多支持,我们一起进步!如果文章对你有帮助的话,欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍3.技术工具4.实验过程
- 9、LLaMA-Factory项目微调介绍
Andy_shenzl
大模型学习llamaLLaMAFactory微调大模型LoRA
1、LLaMAFactory介绍 LLaMAFactory是一个在GitHub上开源的项目,该项目给自身的定位是:提供一个易于使用的大语言模型(LLM)微调框架,支持LLaMA、Baichuan、Qwen、ChatGLM等架构的大模型。更细致的看,该项目提供了从预训练、指令微调到RLHF阶段的开源微调解决方案。截止目前(2024年3月1日)支持约120+种不同的模型和内置了60+的数据集,同时封
- [2025CVPR-图象合成、生成方向]ODA-GAN:由弱监督学习辅助的正交解耦比对GAN 虚拟免疫组织化学染色
清风AI
计算机视觉算法深度学习算法详解及代码复现生成对抗网络机器学习目标检测目标跟踪人工智能傅立叶分析深度学习
目录1.背景和动机2.方法概述:ODA-GAN框架2.1弱监督分割管道2.2样本重新划分策略2.3ODA-GAN核心模块3.实验设置与结果3.1数据集和评估指标3.2性能比较3.3消融研究4.结论与贡献1.背景和动机虚拟免疫组化(IHC)染色技术旨在通过生成模型将H&E染色图像转换为IHC染色图像,从而避免繁琐的物理染色过程(如重复切片和抗体处理)。然而,现有方法面临关键挑战:染色不真实与不可靠性
- 3D并行与4D并行
3D并行3D并行通常指的是将以下三种并行策略结合起来:D1:数据并行(DataParallelism)D2:张量并行(TensorParallelism)D3:流水线并行(PipelineParallelism)各个“D”的含义及详细讲解1.数据并行(DataParallelism)含义:在数据并行中,每个设备(或一组设备)都持有完整的模型副本。训练数据集被分成多个批次(mini-batches)
- 暗流涌动
创作人李新钢
深度学习和所有机器学习方法一样,是一种用数学模型对真实世界中的特定问题进行建模,以解决该领域内相似问题的过程。要教计算机认字,差不多也是同样的道理。计算机也要先把每一个字的图案反复看很多很多遍,然后,在计算机的大脑(处理器加上存储器)里,总结出一个规律来,以后计算机再看到类似的图案,只要符合之前总结的规律,计算机就能知道这图案到底是什么字。学习的、反复看的图片叫“训练数据集”;“训练数据集”中,一
- 详解C++中的全局算法
超级飞侠12138
C++c++开发语言c语言
全局算法在C++中,全局算法通常指的是不依赖于特定数据结构或对象,而是可以在各种数据集合上使用的通用算法。这些算法通常定义在标准模板库(STL)中,因此可以在整个程序中重复使用,适用于多种数据类型。STL中的算法可以作用于数组、向量、列表、集合、映射等容器。使用这些算法时,通常需要包含头文件。(1)遍历算法std::for_eachstd::for_each算法用于对容器中的每个元素执行指定的函数
- 【数据集】全球 0.5 度湿地甲烷排放与不确定性数据集 WetCHARTs
WW、forever
数据集CH4
目录数据概述v1.3.3新特性应用与验证数据下载数据文件信息模型配置说明(四位代码)空间与时间覆盖参考数据集名称:CMS:全球0.5度湿地甲烷排放与不确定性(WetCHARTsv1.3.3)数据概述数据概述-WetCHARTsv1.3.1数据概述-WetCHARTsv1.3.3此数据集提供了2001年1月1日至2022年8月31日期间,全球湿地甲烷(CH₄)排放的月度估算数据,空间分辨率为0.5x
- Excel快速入门教程8-数据透视表
python测试开发
有时您需要分析大量数据,成易于阅读和理解的报告。数据透视图允许我们分析此类数据并生成满足业务要求的报告。在本教程中,我们将介绍以下主题;什么是数据透视图?创建数据透视图二维数据透视图什么是数据透视图?数据透视图是大数据集的摘要,通常包括总数,平均值,最小值,最大值等。假设您有不同地区的销售数据,使用数据透视图可以按地区汇总数据并查找每个区域的平均销售额,每个区域的最大和最小销售额等。数据透视图允许
- 机器学习实战笔记(四):决策树(Python3 实现)
max_bay
机器学习实战笔记机器学习实战决策树python
1决策树的构造1.1决策树的特点优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据。缺点:可能会产生过度匹配问题。适用数据类型:数值型和标称型。在构造决策树时,我们需要解决的第一个问题就是,当前数据集上哪个特征在划分数据分类时起决定性作用。为了找到决定性的特征,划分出最好的结果,我们必须评估每个特征。完成测试之后,原始数据集就被划分为几个数据子集。这些数据子集会分
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
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
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f