GHZhao_GIS_RS
GHZhao_GIS_RS

点云语义分割:pointnet++训练S3DIS数据集

文章目录

  • 一、数据预处理
  • 二、训练
  • 三、测试
  • 四、6折交叉验证

tensorflow版本的pointnet++没有关于S3DIS数据集训练代码，我尝试参考ScanNet的训练代码改写成训练S3DIS数据集，结果很差。这里我们改用pytorch版本的pointnet++工程，记录一下S3DIS数据集的训练过程。

pointnet++工程地址:Pointnet_Pointnet2_pytorch

一、数据预处理

下载原始数据集，然后执行预处理操作，其实就是将txt格式的点云保存成npy格式。

cd data_utils
python collect_indoor3d_data.py

二、训练

训练代码是train_semseg.py，需要指定模型pointnet2_sem_seg，验证数据area5，log路径pointnet2_sem_seg。github中已经给出了作者训练好的模型，如果想要重新训练可以更换不同的log_dir。

    try:

你可能感兴趣的:(点云,点云,语义分割,pointnet++,S3DIS)

  • 【三维目标检测】Complex-Yolov4详解（二）：模型结构 Coding的叶子 Python三维点云实战宝典Complex-YoloComplex-Yolov4三维目标检测目标检测python
    本文为博主原创文章，未经博主允许不得转载。本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。Complex-Yolo网络模型的核心思想是用鸟瞰图BEV替换Yolo网络输入的RGB图像。因此，在完成BEV处理之后，模型的训练和推理过程基本和Yolo完全一致。Yolov
  • 3D点云--常见文件格式及特点
    以下是针对3D点云常见文件格式及特点的详细解析，包含格式对比、结构示意图、典型应用场景及代码操作示例：一、主流点云文件格式全对比格式编码方式属性支持特点典型应用PCDASCII/二进制XYZ,RGB,强度,法线,自定义字段PCL原生格式，支持元数据头文件科研算法开发PLYASCII/二进制XYZ,RGB,法线,纹理坐标支持点云+网格混合存储，Stanford开发3D打印/扫描存档LAS二进制XYZ
  • 【语义分割专栏】4：deeplab系列实战篇(附上完整可运行的代码pytorch) fouen 语义分割pytorch人工智能python计算机视觉深度学习
    文章目录前言Deeplab系列全流程代码模型搭建(model)backbone的搭建Deeplabv1Deeplabv2Deeplabv3Deeplabv3+数据处理(dataloader)评价指标(metric)训练流程(train)模型测试(test)效果图结语前言Deeplab系列原理篇讲解：【语义分割专栏】4：deeplab系列原理篇_deeplab系列详解-CSDN博客代码地址，下载可复
  • 基于点云边界提取与B样条拟合的二维轮廓重建的思路与原理 迅卓科技 C++PCL点云处理实战专栏c++PCL点云
    该程序通过点云投影、凹包边界提取、逆时针排序和B样条曲线拟合四步流程，将三维点云转化为光滑的二维参数化边界曲线并可视化输出。效果图1.系统整体原理基于点云边界提取与B样条曲线拟合的系统，通过以下流程实现：点云预处理（投影+边界提取）边界点排序（逆时针）B样条曲线拟合结果可视化1.1点云预处理1.1.1点云投影功能：将三维点云投影到XY平面实现：创建z=0平面模型系数使用PProject函数执行投影
  • 如何从ulord里获取收益 践行的朋友
    Ulord是什么？Ulord是一条点对点的价值传递公链，通过搭建区块链底层架构和数字资源分发协议，支持第三方开发商在其开源协议之上构建自己的应用程序，与众多行业合作伙伴一起形成区块链技术与应用的完整生态。基于Ulord创建的各种规则和协议，嫁接包括文字、图片、音乐、视频、软件等在内的各类数字资源应用场景，为信息创造者与消费者提供直接的对接平台。听起来，很牛的样子，很多初识Ulord的朋友有点云里雾
  • 3D Gaussian splatting 03: 用户数据训练和结果查看
    目录3DGaussiansplatting01:环境搭建3DGaussiansplatting02:快速评估3DGaussiansplatting03:用户数据训练和结果查看3DGaussiansplatting04:代码阅读-提取相机位姿和稀疏点云3DGaussiansplatting05:代码阅读-训练整体流程3DGaussiansplatting06:代码阅读-训练参数3DGaussians
  • 寻找圆柱缺陷 迅卓科技 C++PCL点云处理实战专栏c++开发语言PCL点云
    该程序通过圆柱拟合、差异检测、聚类分割和三维尺寸计算，实现了对工业零件表面缺陷的自动化检测与量化分析，并输出可视化结果和详细尺寸报告。效果图1.圆柱拟合模块1.1核心功能实现点云数据的圆柱拟合，包括以下关键操作：最小二乘法拟合：通过特征值分解计算圆柱轴线方向RANSAC拟合：使用法线估计和采样一致性算法精修圆柱参数坐标变换：将圆柱轴线旋转至与Z轴平行圆柱可视化：根据参数生成圆柱表面点云1.2工作流
  • 自动分割和测量混凝土钢筋的思路与原理 迅卓科技 C++PCL点云处理实战专栏c++开发语言PCL点云
    该代码实现了一个基于PCL的点云处理系统，通过地面提取、钢筋识别和几何计算，自动测量混凝土结构中钢筋的间距、直径和高度差等参数。以下是分步骤原理详解：效果图1.系统架构概述系统使用PCL库处理点云数据，主要流程分为4个阶段：地面提取与旋转对齐混凝土结构分割钢筋识别与分组几何参数计算（直径/间距/高度差）2.核心处理流程2.1地面提取与旋转对齐//主要函数调用序列PGetMaxPlaneCoe()→
  • 曲面点云填充加切片 迅卓科技 C++PCL点云处理实战专栏c++开发语言PCL点云
    该点云处理系统通过平面检测、坐标系对齐、分层切片和着色可视化四步实现三维物体分析：首先使用RANSAC算法检测点云中的最大平面作为基准面；然后计算旋转矩阵将基准面对齐至XOY平面；接着沿法线方向等距移动点云生成平行切片；最后通过球形搜索提取切片点云并随机着色保存，实现物体在三维空间中的分层可视化分析。系统结合了几何变换（罗德里格斯旋转）、邻域搜索（KD树球形查询）和颜色映射等关键技术，为工业检测、
  • 【C++PCL】点云处理总目录持续更新..... 迅卓科技 PCL点云处理c++开发语言
    作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技888重点：每个模块都有参数如何调试的讲解，即调试某个参数对结果的影响是什么，大家有问题可以评论哈，如果文章有错误的地方，欢迎来指出错误的地方。最近更新时间：2025年7月16号目录一、点云储存1.kd-tree2.kd-tree应用3.八叉树二、点云采样1.下采样2.上采样三、点云滤波1.传统滤波2.改进传统
  • 【C++PCL】OBB包围盒 迅卓科技 PCL点云处理c++人工智能开发语言
    作者：迅卓科技简介：本人从事过多项点云项目，并且负责的项目均已得到好评！公众号：迅卓科技888，一个可以让您可以学习点云的好地方重点：每个模块都有参数如何调试的讲解，即调试某个参数对结果的影响是什么，大家有问题可以评论哈，如果文章有错误的地方，欢迎来指出错误的地方。1.原理介绍OBB（OrientedBoundingBox）是包含点云的最小体积长方体，其方向由点云的主成分决定，而非与坐标轴对齐。核
  • Windows PCL CMakeLists.txt配置示例 Coding的叶子 临时专栏CMakeLists.pclc++windowscmake
    【版权声明】本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。参考书籍：《人工智能点云处理及深度学习算法》本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。在计算机视觉和机器人领域
  • 使用C++和PCL创建模拟点云 Coding的叶子 临时专栏c++pcl点云可视化
    【版权声明】本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。参考书籍：《人工智能点云处理及深度学习算法》本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。当使用C++和PCL（点
  • Ubuntu PCL CMakeLists.txt配置示例 Coding的叶子 临时专栏ubuntucmakeCMakeLists.pclc++
    【版权声明】本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。参考书籍：《人工智能点云处理及深度学习算法》本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。在计算机视觉和机器人领域
  • C++ PCL求解法向量及可视化 Coding的叶子 临时专栏pclc++点云
    【版权声明】本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。参考书籍：《人工智能点云处理及深度学习算法》本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。当使用C++和PCL（P
  • 第3.3章 一文带你入门PCL点云库及在机器人SLAM中的代码实战 行知SLAM 机器人工程师带你入门SLAM人工智能c++算法机器人开发语言
    目录一、PCL库：开启3D感知大门的钥匙二、PCL库基础入门2.1什么是PCL库2.2PCL源码头文件分类概览总结2.3安装PCL库2.4基础数据结构与概念三、PCL库在SLAM中的核心应用3.1点云获取与预处理3.2点云特征提取与描述3.3点云配准3.4点云分割与目标识别四、进阶技巧与优化策略4.1提高算法效率的方法4.2解决实际问题的经验4.3与其他技术的融合五、案例分析：PCL库实战应用六、
  • C++ PCL点云处理实战专栏 迅卓科技 C++PCL点云处理实战专栏c++开发语言
    本次技术分享围绕C++与PCL库在工业点云处理中的工程化应用展开，结合电力、建筑、隧道等垂直领域的实际技术需求，分阶段解析点云处理的核心算法、开发实践与系统落地路径。内容涵盖：算法原理剖析：深入解析PCL库核心机制（如点云滤波、特征提取、曲面重建等），结合数学原理与代码实现逻辑，建立工业级点云处理的算法认知体系。动态库开发实践：探讨工业场景下点云处理工具链的工程化封装（如点云分割、三维建模模块），
  • 论文：SOLO: Segmenting Objects by Locations 小仙女呀灬 图像分割计算机视觉机器学习人工智能
    作者摘要我们提出了一种新的、非常简单的实例分割方法。与许多其他密集预测任务（例如语义分割）相比，任意数量的实例使实例分割更具挑战性。为了预测每个实例的掩码，主流方法要么遵循“先检测后分割”策略（例如，MaskR-CNN），要么先预测嵌入向量，然后使用聚类技术将像素分组到单个实例中。我们通过引入“实例类别”的概念，从全新的角度看待实例分割的任务，它根据实例的位置和大小为实例中的每个像素分配类别，从而
  • 5.PCL 点云可视化,交互 吃个糖糖 PCL交互microsoft
    文章目录可视化简单可视化高级可视化显示的方法法向显示显示形状多窗口键盘鼠标交互可视化简单可视化pcl::visualization::CloudViewerviewer("CloudViewer");//创建viewer对象viewer.showCloud(cloud);高级可视化使用PCLVisualizerpcl::visualization::PCLVisualizerviewer("3DV
  • 深度学习在环境感知中的应用：案例与代码实现
    让机器学会“看”世界：深度学习如何赋能环境感知？关键词深度学习|环境感知|计算机视觉|传感器融合|语义分割|目标检测|自动驾驶摘要环境感知是机器与外界互动的“眼睛和耳朵”——从自动驾驶汽车识别行人，到智能机器人避开障碍物，再到城市监控系统检测异常，所有智能系统都需要先“理解”环境，才能做出决策。传统环境感知方法依赖手工特征提取，难以应对复杂场景；而深度学习通过数据驱动的方式，让机器从大量数据中自动
  • 【三维感知目标检测论文阅读】《Point RCNN: An Angle-Free Framework for Rotated Object Detection》
    今天给大家带来的论文是2019年的《PointRCNN:AnAngle-FreeFrameworkforRotatedObjectDetection》。尽管这是一篇较早的纯点云检测论文，但我把它放在了最后来讲。因为在了解了各类主流方法后，再回过头来阅读它会有更深的理解。PointRCNN采用自底向上的方式直接从点云生成高质量的3D候选框，其对于旋转框的无角度（Angle-Free）处理方式，对于理
  • C++ | 基于PCL与CloudCompare的投影点密度法（DOPP）开发实战 河工点云智绘WangG 点云深处CloudCompare&PCL开发c++开发语言
    一、算法原理与详细步骤1.算法原理DOPP是一种用于点云地面滤波的算法，通过将三维点云投影到二维平面，并分析投影点密度的分布特征来区分地面点与非地面点（如植被、建筑物等）。其核心思想是：地面点在投影平面上通常呈现均匀且低密度的分布，而建筑物点等非地面点则密度高。DOPP本质是二维密度场分析，将三维分离问题转化为二维空间密度统计问题。2.算法详细步骤（1）点云投影（Projection）将三维点云沿
  • C++ | 玩转点云：CloudCompare & PCL原生开发核心指南与示例分享 河工点云智绘WangG 点云深处CloudCompare&PCL开发c++开发语言
    还在为点云处理的效率瓶颈和功能限制发愁吗？面对点云处理个性需求，是否让你感到束手束脚？调试困难、性能受限、定制化需求难以满足...本次分享将带你深入核心，走进点云深处，揭秘如何直接运用C++进行CloudCompare&PCL的原生集成开发。掌握核心步骤，规避常见陷阱，并附实用开发示例源码。助你：效率飙升：直达底层，性能最大化！灵活无限：自由定制算法流程，深度集成业务逻辑！掌控全局：彻底理解框架机
  • 手持激光雷达单木分割——以河南工程学院杰出校友杨靖宇将军雕塑背后树林为例 河工点云智绘WangG 河工点云智绘教育培训
    教学相长，最近带学生激光雷达实习，采集了河南工程学院校园机载、车载和手持激光雷达数据，针对手持激光雷达，也来玩玩单木分割。一、手持激光雷达单木分割概念单木分割（IndividualTreeSegmentation）是从激光雷达（LiDAR）点云数据中识别并分离出单棵树木的过程，是林业资源调查、森林碳汇估算、生物多样性研究的关键技术。二、关键技术步骤详解1.点云预处理去噪：移除飞点、鸟群等非地表物体
  • BEV+Transformer Monkey PilotX 自动驾驶transformer深度学习人工智能
    在自动驾驶系统中，BEV（Bird’sEyeView）+Transformer主要应用于感知与环境建图（Perception&SceneUnderstanding）环节，尤其是在多传感器融合、目标检测、语义分割、轨迹预测等任务中。在自动驾驶中的关键应用场景应用环节BEV+Transformer的作用感知（Perception）多摄像头图像融合成BEV视角，进行目标检测、语义分割预测（Predict
  • 自动驾驶激光3D点云处理系统性阐述及Open3D库函数应用 一碗白开水一 DPL自动驾驶3d人工智能
    一、自动驾驶激光3D点云处理的核心挑战与流程自动驾驶系统依赖激光雷达（LiDAR）生成的高精度3D点云数据实现环境感知，其处理流程需解决以下核心问题：数据规模与实时性：现代LiDAR每秒生成数百万点，需在毫秒级完成处理以支持决策。动态环境适应性：需区分静态障碍物（如道路、建筑）与动态目标（如车辆、行人）。多传感器融合：与摄像头、雷达数据时空对齐，构建统一环境模型。典型处理流程分为四个阶段：原始点云
  • 海森矩阵（Hessian Matrix）在SLAM图优化和点云配准中的应用介绍 点云SLAM 算法矩阵概率论机器学习数值优化最小二乘法算法机器人
    在非线性最小二乘问题中（如SLAM或点云配准），通常我们有一个误差函数：f(x)=∑i∥ei(x)∥2f(x)=\sum_i\|e_i(x)\|^2f(x)=i∑∥ei(x)∥2其中ei(x)e_i(x)ei(x)是残差项，对它求Hessian就需要用雅可比矩阵：H=J⊤J+∑iei⊤HeiH=J^\topJ+\sum_ie_i^\topH_{e_i}H=J⊤J+i∑ei⊤Hei通常我们近似为：H
  • 【常见滤波器】PCL 点云投影到拟合平面 X-Vision 《PCL算法案例开发》平面3dpcl计算机视觉算法点云
    PCL点云投影到拟合平面-原理、实现与最佳实践目录平面投影的核心原理⚙️PCL平面投影架构基础平面投影实现高级投影技术与优化投影质量评估与分析️工程应用案例⚠️常见问题与解决方案可视化与调试平面投影的核心原理数学原理与几何概念点云投影到拟合平面是将三维点云数据降维到二维平面的过程，核心思想是正交投影：平面方程：ax+by+cz+d=0ax+by+cz+d=0ax+by+cz+d=0平面法向量：n=
  • 【常见滤波器】PCL 模型滤波器
    PCL模型滤波器-几何模型驱动的点云处理技术目录模型滤波器核心概念⚙️PCL模型滤波器架构基础模型滤波器实践高级模型滤波技术模型拟合精度优化️工业应用案例调试与可视化⚡️性能优化策略模型滤波器核心概念模型滤波的本质模型滤波器通过拟合几何模型并评估点云与模型的贴合度，实现对点云的过滤和处理。不同于基础的空间滤波器，模型滤波器能够识别并利用点云的底层几何结构信息。在阈值内超出阈值输入点云模型识别与拟合
  • PCL | 体素滤波器pcl::VoxelGrid＜＞ Nines～ ROS算法ROSSLAMPCLC++
    文章目录概述一、定义介绍二、功能作用三、使用示例源码：解释：概述  本节详细介绍pcl::VoxelGrid是PointCloudLibrary(PCL)中的一个常用滤波器，用于对点云数据进行体素栅格化（VoxelGridFiltering）。它将点云分割成一个个体素（voxel），并使用这些体素中的点计算出一个代表性的点，从而减少点云的数量，实现降采样的效果。二、功能作用降采样:在处理大规模点云
  • ASM系列五 利用TreeApi 解析生成Class lijingyao8206 ASM字节码动态生成ClassNodeTreeAPI
       前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能，其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。          在介绍前，先要知道一点， Tree工程的接口基本可以完
  • 链表树——复合数据结构应用实例 bardo 数据结构树型结构表结构设计链表菜单排序
    我们清楚：数据库设计中，表结构设计的好坏，直接影响程序的复杂度。所以，本文就无限级分类（目录）树与链表的复合在表设计中的应用进行探讨。当然，什么是树，什么是链表，这里不作介绍。有兴趣可以去看相关的教材。 需求简介： 经常遇到这样的需求，我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如，多级菜单、组织结构、商品分类。更具体的，我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
  • 为啥要用位运算代替取模呢 chenchao051 位运算哈希汇编
        在hash中查找key的时候，经常会发现用&取代%，先看两段代码吧，     JDK6中的HashMap中的indexFor方法： /** * Returns index for hash code h. */ static int indexFor(int h, int length) {
  • 最近的情况 麦田的设计者 生活感悟计划软考想
          今天是2015年4月27号      整理一下最近的思绪以及要完成的任务             1、最近在驾校科目二练车，每周四天，练三周。其实做什么都要用心，追求合理的途径解决。为
  • PHP去掉字符串中最后一个字符的方法 IT独行者 PHP字符串
    今天在PHP项目开发中遇到一个需求，去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符","，最终结果为1,2,3,4,5,6 代码如下： $str = "1,2,3,4,5,6,"; $newstr = substr($str,0,strlen($str)-1); echo $newstr;
  • hadoop在linux上单机安装过程 _wy_ linuxhadoop
    1、安装JDK     jdk版本最好是1.6以上，可以使用执行命令java -version查看当前JAVA版本号，如果报命令不存在或版本比较低，则需要安装一个高版本的JDK，并在/etc/profile的文件末尾，根据本机JDK实际的安装位置加上以下几行：    export JAVA_HOME=/usr/java/jdk1.7.0_25  
  • JAVA进阶----分布式事务的一种简单处理方法 无量 多系统交互分布式事务
    每个方法都是原子操作： 提供第三方服务的系统，要同时提供执行方法和对应的回滚方法 A系统调用B,C,D系统完成分布式事务 =========执行开始======== A.aa(); try { B.bb(); } catch(Exception e) { A.rollbackAa(); } try { C.cc(); } catch(Excep
  • 安墨移动广 告：移动DSP厚积薄发 引领未来广 告业发展命脉 矮蛋蛋 hadoop互联网
    　　“谁掌握了强大的DSP技术，谁将引领未来的广 告行业发展命脉。”2014年，移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论，认为移动DSP是行业突破点，一时间许多移动广 告联盟风起云涌，竞相推出专属移动DSP产品。 　　到底什么是移动DSP呢? 　　DSP(Demand-SidePlatform)，就是需求方平台，为解决广 告主投放的各种需求，真正实现人群定位的精准广
  • myelipse设置 alafqq IP
      在一个项目的完整的生命周期中，其维护费用，往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。 注释模板导入步骤  安装方法： 打开eclipse/myeclipse 选择 window-->Preferences-->JAVA-->Code-->Code
  • java数组 百合不是茶 java数组
    java数组的   声明  创建  初始化；   java支持C语言      数组中的每个数都有唯一的一个下标 一维数组的定义 声明： int[] a = new int[3];声明数组中有三个数int[3] int[] a 中有三个数，下标从0开始，可以同过for来遍历数组中的数
  • javascript读取表单数据 bijian1013 JavaScript
    利用javascript读取表单数据，可以利用以下三种方法获取： 1、通过表单ID属性：var a = document.getElementByIdx_x_x("id"); 2、通过表单名称属性：var b = document.getElementsByName("name"); 3、直接通过表单名字获取：var c = form.content.
  • 探索JUnit4扩展：使用Theory bijian1013 javaJUnitTheory
    理论机制（Theory） 一.为什么要引用理论机制（Theory）         当今软件开发中，测试驱动开发（TDD — Test-driven development）越发流行。为什么 TDD 会如此流行呢？因为它确实拥有很多优点，它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。 TDD 的优点：     &nb
  • [Spring Data Mongo一]Spring Mongo Template操作MongoDB bit1129 template
    什么是Spring Data Mongo Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装，这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate，主要能力包括 1. 封装客户端跟MongoDB的链接管理 2. 文档-对象映射，通过注解:@Document(collectio
  • 【Kafka八】Zookeeper上关于Kafka的配置信息 bit1129 zookeeper
    问题： 1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置 3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里 4. Producer跟Zookeeper究竟有没有关系？没有关系！！！   //consumers、config、brokers、cont
  • java OOM内存异常的四种类型及异常与解决方案 ronin47 java OOM 内存异常
          　OOM异常的四种类型： 　　　 　　一：　StackOverflowError ：通常因为递归函数引起（死递归，递归太深）。-Xss 128k 一般够用。     　  二：　out Of memory: PermGen Space：通常是动态类大多，比如web 服务器自动更新部署时引起。-Xmx
  • java-实现链表反转-递归和非递归实现 bylijinnan java
    20120422更新： 对链表中部分节点进行反转操作，这些节点相隔k个： 0->1->2->3->4->5->6->7->8->9 k=2 8->1->6->3->4->5->2->7->0->9 注意1 3 5 7 9 位置是不变的。 解法： 将链表拆成两部分： a.0-&
  • Netty源码学习-DelimiterBasedFrameDecoder bylijinnan javanetty
    看DelimiterBasedFrameDecoder的API，有举例： 接收到的ChannelBuffer如下： +--------------+ | ABC\nDEF\r\n | +--------------+ 经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后，得到： +-----+----
  • linux的一些命令 -查看cc攻击-网口ip统计等 hotsunshine linux
    Linux判断CC攻击命令详解 2011年12月23日 ⁄ 安全 ⁄ 暂无评论 查看所有80端口的连接数 netstat -nat|grep -i '80'|wc -l 对连接的IP按连接数量进行排序 netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n 查看TCP连接状态 n
  • Spring获取SessionFactory ctrain sessionFactory
    String sql = "select sysdate from dual"; WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext(); String[] names = wac.getBeanDefinitionNames(); for(int i=0; i&
  • Hive几种导出数据方式 daizj hive数据导出
    Hive几种导出数据方式   1.拷贝文件   如果数据文件恰好是用户需要的格式，那么只需要拷贝文件或文件夹就可以。 hadoop fs –cp source_path target_path   2.导出到本地文件系统   --不能使用insert into local directory来导出数据，会报错 --只能使用
  • 编程之美 dcj3sjt126com 编程PHP重构
    我个人的 PHP 编程经验中，递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码，会更有利于对递归以及静态变量的理解   header("Content-type: text/plain"); function static_function () { static $i = 0; if ($i++ < 1
  • Android保存用户名和密码 dcj3sjt126com android
    转自：http://www.2cto.com/kf/201401/272336.html 我们不管在开发一个项目或者使用别人的项目，都有用户登录功能，为了让用户的体验效果更好，我们通常会做一个功能，叫做保存用户，这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码，这里我使用3种方式来存储用户名和密码 1、通过普通 的txt文本存储 2、通过properties属性文件进行存
  • Oracle 复习笔记之同义词 eksliang Oracle 同义词Oracle synonym
    转载请出自出处：http://eksliang.iteye.com/blog/2098861 1.什么是同义词       同义词是现有模式对象的一个别名。       概念性的东西，什么是模式呢？创建一个用户，就相应的创建了 一个模式。模式是指数据库对象，是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
  • Ajax案例 gongmeitao Ajaxjsp
    数据库采用Sql Server2005 项目名称为:Ajax_Demo 1.com.demo.conn包 package com.demo.conn; import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException; //获取数据库连接的类public class DBConnec
  • ASP.NET中Request.RawUrl、Request.Url的区别 hvt .netWebC#asp.nethovertree
      如果访问的地址是：http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是：http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
  • SVG 教程 （七）SVG 实例，SVG 参考手册 天梯梦 svg
    SVG 实例 在线实例 下面的例子是把SVG代码直接嵌入到HTML代码中。 谷歌Chrome，火狐，Internet Explorer9，和Safari都支持。 注意：下面的例子将不会在Opera运行，即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。   SVG 实例 SVG基本形状 一个圆 矩形 不透明矩形 一个矩形不透明2 一个带圆角矩
  • 事务管理 luyulong javaspring编程事务
    事物管理 spring事物的好处 为不同的事物API提供了一致的编程模型 支持声明式事务管理 提供比大多数事务API更简单更易于使用的编程式事务管理API 整合spring的各种数据访问抽象 TransactionDefinition 定义了事务策略 int getIsolationLevel()得到当前事务的隔离级别 READ_COMMITTED 
  • 基础数据结构和算法十一：Red-black binary search tree sunwinner AlgorithmRed-black
      The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
  • centos同步时间 stunizhengjia linux集群同步时间
    做了集群，时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器，只要配置了NTP，它就会提供NTP服务。 1)确认已经ntp程序包： # yum install ntp 2)配置时间源（默认就行，不需要修改） # vi /etc/ntp.conf server pool.ntp.o
  • ITeye 9月技术图书有奖试读获奖名单公布 ITeye管理员 ITeye
    ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束，非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾：http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下（优秀文章有很多，但名额有限，没获奖并不代表不优秀）：      《NFC：Arduino、Andro
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他