- 大模型(LLM)推理框架汇总
AIGC大模型 吱屋猪
langchain人工智能AI-native百度产品经理神经网络自然语言处理
MLCLLMsubmodulesinMLCLLM大模型(LLM)好性能通用部署方案,陈天奇(tvm发起者)团队开发.项目链接docs:https://llm.mlc.ai/docs/github:https://github.com/mlc-ai/mlc-llm支持的平台和硬件platforms&hardware支持的模型|Architecture|PrebuiltModelVariants||—
- 【TVM 教程】如何处理 TVM 报错
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/运行TVM时,可能会遇到如下报错:---------------------------------------------------------------AnerroroccurredduringtheexecutionofTVM.F
- 使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南
周情津Raymond
使用TVM编译部署DarkNet模型:YOLO-V2和YOLO-V3实战指南tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域,TVM作为一个高效的深度学习编译器栈,能够将训练好的模型优化并部署到各种硬件平台上。本文将详细介绍如何使用T
- 【TVM 教程】PAPI 入门
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/性能应用程序编程接口(PerformanceApplicationProgrammingInterface,简称PAPI)是一个可在各种平台上提供性能计数器的库。在指定的运行期间,性能计数器提供处理器行为的准确底层信息,包含简单的指标,如总
- 【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:GusSmith,AndrewLiu本教程将展示如何利用BringYourOwnDatatypes框架在TVM中使用自定义数据类型。注意,BringYourOwnDatatypes框架目前仅处理数据类型的软件模拟版本。该框架不支持开箱
- 【TVM 教程】如何使用 TVM Pass Instrument
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:Chi-WeiWang随着实现的Pass越来越多,instrumentpass执行、分析每个Pass效果和观察各种事件也愈发重要。可以通过向tvm.transform.PassContext提供tvm.ir.instrument.Pa
- TVM Monthly - June 2021
HanBlogs
TVM深度学习推理引擎TVMTVMMonthly
TVMMonthly-June2021AsdiscussedbytheTVMPMC,ourgoalistoprovideamonthlysummaryoftheprojectsousersanddeveloperscangetabetterunderstandingofthegoings-onoftheTVMcommunity.Feedbackandsuggestionsarewelcomedso
- TVM Monthly - July 2021
HanBlogs
TVM深度学习推理引擎TVMTVMMonthly
TVMMonthly-July2021AsdiscussedbytheTVMPPMC,ourgoalistoprovideamonthlysummaryoftheprojectsousersanddeveloperscangetabetterunderstandingofthegoingsonoftheTVMcommunity.Feedbackandsuggestionsarewelcomedso
- 【TVM 教程】如何使用 TVM Pass Infra
HyperAI超神经
TVM人工智能深度学习机器学习TVM调用调用pass在线教程
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZhiChen随着Relay/tir中优化Pass数的增加,手动执行并维护它们的依赖关系变得难以处理。因此我们引入了一个基础架构来管理优化Pass,并使其适用于TVM堆栈中IR的不同层。Relay/tir程序的优化可以在各种粒度上应用
- 【TVM 教程】如何使用 TVM Pass Instrument
HyperAI超神经
TVM语言模型人工智能机器学习TVM编译框架加速芯片深度学习
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:Chi-WeiWang随着实现的Pass越来越多,instrumentpass执行、分析每个Pass效果和观察各种事件也愈发重要。可以通过向tvm.transform.PassContext提供tvm.ir.instrument.Pa
- 深度学习编译器
1)深度学习编译器复杂个JB与通用自动编译工具不同,深度学习编译器结构更加复杂,包括图层优化、张量(Tensor)优化、代码生成、硬件部署、自动调优(AutoTuning)等几个部分。以TVM为例,图1.1为TVM的结构示意图。最上层表示不同的深度学习框架,TVM将不同深度学习框架实现的算法转化为高层IR表示,高层IR以算子为原子单元,将不同类型的算法抽象成图节点对图进行融合优化。之后,TVM将高
- TensorRT × TVM 联合优化实战:多架构异构平台的统一推理加速与性能调优全流程
观熵
大模型高阶优化技术专题架构人工智能
TensorRT×TVM联合优化实战:多架构异构平台的统一推理加速与性能调优全流程关键词TensorRT、TVM、异构推理优化、跨平台部署、GPU加速、NPU融合、自动调度、深度学习推理引擎、性能调优摘要在深度学习模型推理部署场景中,面对GPU、NPU、CPU等多架构异构平台的并存,如何实现统一的高性能推理优化成为企业工程落地的关键挑战。本文聚焦TensorRT与TVM的联合优化策略,从平台结构适
- AI 编译器技术沙龙丨 AMD/北京大学/沐曦/上海创智齐聚北京,TVM/Triton/TileLang 各展所长
hyperai
在AI变革千行百业的时代,一场关于效率、可部署性与算力可持续性的技术革命正悄然发生。作为承上启下的关键中间件,AI编译器串联起了底层硬件与上层应用。无论是已在业界广泛应用的TVM,还是近年来快速崛起的Triton,亦或是今年年初才崭露头角的算子编程语言TileLang,编译技术已不仅仅是让模型「跑得起来」的基本保障,同时也正在升级为支撑「高效执行与资源利用优化」的关键技术。围绕AI编译器上下游的创
- 【TVM 教程】如何使用 TVM Pass Infra
机器学习人工智能深度学习算法
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZhiChen随着Relay/tir中优化Pass数的增加,手动执行并维护它们的依赖关系变得难以处理。因此我们引入了一个基础架构来管理优化Pass,并使其适用于TVM堆栈中IR的不同层。Relay/tir程序的优化可以在各种粒度上应用
- AFC自动售检票系统终端业务软件综合测试方案
Ray_1997
长沙地铁自动售检票系统可用性测试负载均衡程序人生交通物流经验分享
1.测试目标验证终端业务软件是否满足功能需求和性能指标。确保系统在复杂运营环境下的稳定性和可靠性。检测潜在安全漏洞,保证交易数据的安全性。提供系统的全面质量评估,支持系统上线或升级决策。2.测试范围终端类型:闸机(ES)自动售票机(TVM)客服终端(SLE)充值机(AVM)关键功能模块:刷卡验证(进站/出站/换乘)票务操作(售票、退票、充值)数据传输(设备→SC→ACC)日志记录与上传系统接口:硬
- 【TVM 教程】开发环境中加入 microTVM
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MohamadKatanbaf本教程描述了将使用microTVM编译的模型集成到自定义开发环境所需的步骤。在本教程中,我们使用STM32CubeIDE作为目标集成开发环境(IDE),但我们不依赖于此IDE的任何特定功能,将microT
- 【TVM 教程】创建使用 microTVM 的 MLPerfTiny 提交
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar本教程展示了如何使用microTVM构建MLPerfTiny提交。该教程演示了从MLPerfTiny基准模型中导入一个TFLite模型,使用TVM进行编译,并生成一个可以刷写到支持Zephyr的板上的Zeph
- 【TVM 教程】使用 TVMC Micro 执行微模型
人工智能深度学习
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar本教程介绍了如何为微型设备编译一个微模型,并在Zephyr平台上构建一个程序,来执行这个模型,烧录程序,并用tvmcmicro命令来执行所有模型。在进行本教程之前你需要安装python和Zephyr依赖安装m
- 【 TVM 教程】microTVM PyTorch 教程
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:MehrdadHessar该教程展示了如何使用PyTorch模型进行microTVM主机驱动的AOT编译。此教程可以在使用C运行时(CRT)的x86CPU上执行。注意:此教程仅在使用CRT的x86CPU上运行,不支持在Zephyr上运
- AI编译器对比:TVM vs MLIR vs Triton在大模型部署中的工程选择
学术猿之吻
人工智能mlir量子计算pytorch深度学习分布式
引言:大模型部署的编译器博弈随着千亿参数大模型成为常态,推理延迟优化成为系统工程的核心挑战。本文基于NVIDIAA100与GoogleTPUv4平台,通过BERT-base(110M)和GPT-2(1.5B)的实测数据,对比TVM、MLIR、Triton三大编译框架在动态shape支持、算子融合效率、内存管理等方面的工程特性,揭示不同场景下的编译策略选择规律。一、技术架构对比分析1.1TVM:分层
- PrimExpr 与 RelayExpr 的区别
胡乱儿起个名
TVMTVM编译器AI编译器人工智能
PrimExpr与RelayExpr的区别解析 在TVM的表达式系统中,PrimExpr和RelayExpr是两种不同层级的表达式类型,分别服务于TVM的不同编译阶段和目标场景。以下是它们的核心区别和关联:1.设计目标与层级特性PrimExprRelayExpr所属层级TVM底层张量表达式(TIR层)Relay前端高级计算图主要用途循环优化、硬件指令生成神经网络计算图表示抽象级别低层级(接近硬件
- TVM虚拟机
虚拟机编程语言软件开发
技术核心优势:TVM引擎支持Lisp、JavaScript、Python、Ruby、Lua、Pascal、Basic等多种语法。TVM超微型内核引擎(不足500kb),拥有几百个实用函数。内核模块非常紧凑,所需系统资源很小,因此与其他语言相比加载执行起来更加快速。TVM建立在通用的UNIX系统的C语言库函数基础上,可以运行在各种操作系统平台,如Windows,Linux,BSDs,MacOS等。T
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- 【TVM 教程】使用元组输入(Tuple Inputs)进行计算和归约
编译器编程后端人工智能深度学习
ApacheTVM是一个端到端的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:ZihengJiang若要在单个循环中计算具有相同shape的多个输出,或执行多个值的归约,例如argmax。这些问题可以通过元组输入来解决。本教程介绍了TVM中元组输入的用法。from__future__importabsolut
- 【TVM教程】为 NVIDIA GPU 自动调度神经网络
HyperAI超神经
TVM神经网络人工智能深度学习TVMGPUNVIDIA语言模型
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng针对特定设备和工作负载的自动调优对于获得最佳性能至关重要。本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络,需要将网络划分为小的子图并独立调优。每个子图被视为
- 【TVM教程】为 x86 CPU 自动调优卷积网络
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:YaoWang,EddieYan本文介绍如何为x86CPU调优卷积神经网络。注意,本教程不会在Windows或最新版本的macOS上运行。如需运行,请将本教程的主体放在if__name__=="__main__":代码块中。impor
- TVM:设计与架构
Adenialzz
tvm模型部署架构react.js前端
TVM:设计与架构本文档适用于想要了解TVM架构和/或积极开发项目的开发人员。页面组织如下:示例编译流程概述了TVM将模型的高层描述转换为可部署模块所采取的步骤。要开始使用,请先阅读本节。逻辑架构组件部分描述了逻辑组件。后面的部分是针对每个逻辑组件的特定指南,按组件的名称组织。设备/目标交互描述了TVM如何与每种支持的物理设备和代码生成目标进行交互。请查看开发人员操作指南以获取有用的开发技巧。本指
- TVM Compiler中文教程:TVM调度原语(Schedule Primitives)
Mars_WH
TVM深度学习编译器TVM中文教程调度Schedulesplittile
文章目录TVM调度原语(SchedulePrimitives)分裂split平铺tile融合fuse重排序reorder绑定bind从哪里开始计算compute_at计算内联compute_inlinecompute_root总结TVM调度原语(SchedulePrimitives)TVM是用于高效内核代码构建的版本领域专用语言(Domain-Specialed-Language,DSL)。这篇教
- 【TVM教程】为 Mobile GPU 自动调优卷积网络
HyperAI超神经
TVM人工智能机器学习TVM编程编译器GPUCPU
ApacheTVM是一个深度的深度学习编译框架,适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者:LianminZheng,EddieYan针对特定设备的自动调优对于获得最佳性能至关重要。本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数(tile因子
- Ubuntu交叉编译 arm板子上的TVM
陈有爱
TVMubuntu人工智能
目录X86Ubuntu的TVM安装LLVM下载tvm配置config.cmake编译源码python安装测试是否安装成功可以在安装一些库,用于RPCTracker和auto-tuning交叉编译801arm的TVM交叉编译链下载配置config.cmake编译源码编译的时候可能会遇到错误ONNX模型转换为TVM模型创建pre.py,将onnx模型编译成tvm.so文件测试TVM模型修改demo程序
- java解析APK
3213213333332132
javaapklinux解析APK
解析apk有两种方法
1、结合安卓提供apktool工具,用java执行cmd解析命令获取apk信息
2、利用相关jar包里的集成方法解析apk
这里只给出第二种方法,因为第一种方法在linux服务器下会出现不在控制范围之内的结果。
public class ApkUtil
{
/**
* 日志对象
*/
private static Logger
- nginx自定义ip访问N种方法
ronin47
nginx 禁止ip访问
因业务需要,禁止一部分内网访问接口, 由于前端架了F5,直接用deny或allow是不行的,这是因为直接获取的前端F5的地址。
所以开始思考有哪些主案可以实现这样的需求,目前可实施的是三种:
一:把ip段放在redis里,写一段lua
二:利用geo传递变量,写一段
- mysql timestamp类型字段的CURRENT_TIMESTAMP与ON UPDATE CURRENT_TIMESTAMP属性
dcj3sjt126com
mysql
timestamp有两个属性,分别是CURRENT_TIMESTAMP 和ON UPDATE CURRENT_TIMESTAMP两种,使用情况分别如下:
1.
CURRENT_TIMESTAMP
当要向数据库执行insert操作时,如果有个timestamp字段属性设为
CURRENT_TIMESTAMP,则无论这
- struts2+spring+hibernate分页显示
171815164
Hibernate
分页显示一直是web开发中一大烦琐的难题,传统的网页设计只在一个JSP或者ASP页面中书写所有关于数据库操作的代码,那样做分页可能简单一点,但当把网站分层开发后,分页就比较困难了,下面是我做Spring+Hibernate+Struts2项目时设计的分页代码,与大家分享交流。
1、DAO层接口的设计,在MemberDao接口中定义了如下两个方法:
public in
- 构建自己的Wrapper应用
g21121
rap
我们已经了解Wrapper的目录结构,下面可是正式利用Wrapper来包装我们自己的应用,这里假设Wrapper的安装目录为:/usr/local/wrapper。
首先,创建项目应用
&nb
- [简单]工作记录_多线程相关
53873039oycg
多线程
最近遇到多线程的问题,原来使用异步请求多个接口(n*3次请求) 方案一 使用多线程一次返回数据,最开始是使用5个线程,一个线程顺序请求3个接口,超时终止返回 缺点 测试发现必须3个接
- 调试jdk中的源码,查看jdk局部变量
程序员是怎么炼成的
jdk 源码
转自:http://www.douban.com/note/211369821/
学习jdk源码时使用--
学习java最好的办法就是看jdk源代码,面对浩瀚的jdk(光源码就有40M多,比一个大型网站的源码都多)从何入手呢,要是能单步调试跟进到jdk源码里并且能查看其中的局部变量最好了。
可惜的是sun提供的jdk并不能查看运行中的局部变量
- Oracle RAC Failover 详解
aijuans
oracle
Oracle RAC 同时具备HA(High Availiablity) 和LB(LoadBalance). 而其高可用性的基础就是Failover(故障转移). 它指集群中任何一个节点的故障都不会影响用户的使用,连接到故障节点的用户会被自动转移到健康节点,从用户感受而言, 是感觉不到这种切换。
Oracle 10g RAC 的Failover 可以分为3种:
1. Client-Si
- form表单提交数据编码方式及tomcat的接受编码方式
antonyup_2006
JavaScripttomcat浏览器互联网servlet
原帖地址:http://www.iteye.com/topic/266705
form有2中方法把数据提交给服务器,get和post,分别说下吧。
(一)get提交
1.首先说下客户端(浏览器)的form表单用get方法是如何将数据编码后提交给服务器端的吧。
对于get方法来说,都是把数据串联在请求的url后面作为参数,如:http://localhost:
- JS初学者必知的基础
百合不是茶
js函数js入门基础
JavaScript是网页的交互语言,实现网页的各种效果,
JavaScript 是世界上最流行的脚本语言。
JavaScript 是属于 web 的语言,它适用于 PC、笔记本电脑、平板电脑和移动电话。
JavaScript 被设计为向 HTML 页面增加交互性。
许多 HTML 开发者都不是程序员,但是 JavaScript 却拥有非常简单的语法。几乎每个人都有能力将小的
- iBatis的分页分析与详解
bijian1013
javaibatis
分页是操作数据库型系统常遇到的问题。分页实现方法很多,但效率的差异就很大了。iBatis是通过什么方式来实现这个分页的了。查看它的实现部分,发现返回的PaginatedList实际上是个接口,实现这个接口的是PaginatedDataList类的对象,查看PaginatedDataList类发现,每次翻页的时候最
- 精通Oracle10编程SQL(15)使用对象类型
bijian1013
oracle数据库plsql
/*
*使用对象类型
*/
--建立和使用简单对象类型
--对象类型包括对象类型规范和对象类型体两部分。
--建立和使用不包含任何方法的对象类型
CREATE OR REPLACE TYPE person_typ1 as OBJECT(
name varchar2(10),gender varchar2(4),birthdate date
);
drop type p
- 【Linux命令二】文本处理命令awk
bit1129
linux命令
awk是Linux用来进行文本处理的命令,在日常工作中,广泛应用于日志分析。awk是一门解释型编程语言,包含变量,数组,循环控制结构,条件控制结构等。它的语法采用类C语言的语法。
awk命令用来做什么?
1.awk适用于具有一定结构的文本行,对其中的列进行提取信息
2.awk可以把当前正在处理的文本行提交给Linux的其它命令处理,然后把直接结构返回给awk
3.awk实际工
- JAVA(ssh2框架)+Flex实现权限控制方案分析
白糖_
java
目前项目使用的是Struts2+Hibernate+Spring的架构模式,目前已经有一套针对SSH2的权限系统,运行良好。但是项目有了新需求:在目前系统的基础上使用Flex逐步取代JSP,在取代JSP过程中可能存在Flex与JSP并存的情况,所以权限系统需要进行修改。
【SSH2权限系统的实现机制】
权限控制分为页面和后台两块:不同类型用户的帐号分配的访问权限是不同的,用户使
- angular.forEach
boyitech
AngularJSAngularJS APIangular.forEach
angular.forEach 描述: 循环对obj对象的每个元素调用iterator, obj对象可以是一个Object或一个Array. Iterator函数调用方法: iterator(value, key, obj), 其中obj是被迭代对象,key是obj的property key或者是数组的index,value就是相应的值啦. (此函数不能够迭代继承的属性.)
- java-谷歌面试题-给定一个排序数组,如何构造一个二叉排序树
bylijinnan
二叉排序树
import java.util.LinkedList;
public class CreateBSTfromSortedArray {
/**
* 题目:给定一个排序数组,如何构造一个二叉排序树
* 递归
*/
public static void main(String[] args) {
int[] data = { 1, 2, 3, 4,
- action执行2次
Chen.H
JavaScriptjspXHTMLcssWebwork
xwork 写道 <action name="userTypeAction"
class="com.ekangcount.website.system.view.action.UserTypeAction">
<result name="ssss" type="dispatcher">
- [时空与能量]逆转时空需要消耗大量能源
comsci
能源
无论如何,人类始终都想摆脱时间和空间的限制....但是受到质量与能量关系的限制,我们人类在目前和今后很长一段时间内,都无法获得大量廉价的能源来进行时空跨越.....
在进行时空穿梭的实验中,消耗超大规模的能源是必然
- oracle的正则表达式(regular expression)详细介绍
daizj
oracle正则表达式
正则表达式是很多编程语言中都有的。可惜oracle8i、oracle9i中一直迟迟不肯加入,好在oracle10g中终于增加了期盼已久的正则表达式功能。你可以在oracle10g中使用正则表达式肆意地匹配你想匹配的任何字符串了。
正则表达式中常用到的元数据(metacharacter)如下:
^ 匹配字符串的开头位置。
$ 匹配支付传的结尾位置。
*
- 报表工具与报表性能的关系
datamachine
报表工具birt报表性能润乾报表
在选择报表工具时,性能一直是用户关心的指标,但是,报表工具的性能和整个报表系统的性能有多大关系呢?
要回答这个问题,首先要分析一下报表的处理过程包含哪些环节,哪些环节容易出现性能瓶颈,如何优化这些环节。
一、报表处理的一般过程分析
1、用户选择报表输入参数后,报表引擎会根据报表模板和输入参数来解析报表,并将数据计算和读取请求以SQL的方式发送给数据库。
2、
- 初一上学期难记忆单词背诵第一课
dcj3sjt126com
wordenglish
what 什么
your 你
name 名字
my 我的
am 是
one 一
two 二
three 三
four 四
five 五
class 班级,课
six 六
seven 七
eight 八
nince 九
ten 十
zero 零
how 怎样
old 老的
eleven 十一
twelve 十二
thirteen
- 我学过和准备学的各种技术
dcj3sjt126com
技术
语言VB https://msdn.microsoft.com/zh-cn/library/2x7h1hfk.aspxJava http://docs.oracle.com/javase/8/C# https://msdn.microsoft.com/library/vstudioPHP http://php.net/manual/en/Html
- struts2中token防止重复提交表单
蕃薯耀
重复提交表单struts2中token
struts2中token防止重复提交表单
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年7月12日 11:52:32 星期日
ht
- 线性查找二维数组
hao3100590
二维数组
1.算法描述
有序(行有序,列有序,且每行从左至右递增,列从上至下递增)二维数组查找,要求复杂度O(n)
2.使用到的相关知识:
结构体定义和使用,二维数组传递(http://blog.csdn.net/yzhhmhm/article/details/2045816)
3.使用数组名传递
这个的不便之处很明显,一旦确定就是不能设置列值
//使
- spring security 3中推荐使用BCrypt算法加密密码
jackyrong
Spring Security
spring security 3中推荐使用BCrypt算法加密密码了,以前使用的是md5,
Md5PasswordEncoder 和 ShaPasswordEncoder,现在不推荐了,推荐用bcrpt
Bcrpt中的salt可以是随机的,比如:
int i = 0;
while (i < 10) {
String password = "1234
- 学习编程并不难,做到以下几点即可!
lampcy
javahtml编程语言
不论你是想自己设计游戏,还是开发iPhone或安卓手机上的应用,还是仅仅为了娱乐,学习编程语言都是一条必经之路。编程语言种类繁多,用途各 异,然而一旦掌握其中之一,其他的也就迎刃而解。作为初学者,你可能要先从Java或HTML开始学,一旦掌握了一门编程语言,你就发挥无穷的想象,开发 各种神奇的软件啦。
1、确定目标
学习编程语言既充满乐趣,又充满挑战。有些花费多年时间学习一门编程语言的大学生到
- 架构师之mysql----------------用group+inner join,left join ,right join 查重复数据(替代in)
nannan408
right join
1.前言。
如题。
2.代码
(1)单表查重复数据,根据a分组
SELECT m.a,m.b, INNER JOIN (select a,b,COUNT(*) AS rank FROM test.`A` A GROUP BY a HAVING rank>1 )k ON m.a=k.a
(2)多表查询 ,
使用改为le
- jQuery选择器小结 VS 节点查找(附css的一些东西)
Everyday都不同
jquerycssname选择器追加元素查找节点
最近做前端页面,频繁用到一些jQuery的选择器,所以特意来总结一下:
测试页面:
<html>
<head>
<script src="jquery-1.7.2.min.js"></script>
<script>
/*$(function() {
$(documen
- 关于EXT
tntxia
ext
ExtJS是一个很不错的Ajax框架,可以用来开发带有华丽外观的富客户端应用,使得我们的b/s应用更加具有活力及生命力。ExtJS是一个用 javascript编写,与后台技术无关的前端ajax框架。因此,可以把ExtJS用在.Net、Java、Php等各种开发语言开发的应用中。
ExtJs最开始基于YUI技术,由开发人员Jack
- 一个MIT计算机博士对数学的思考
xjnine
Math
在过去的一年中,我一直在数学的海洋中游荡,research进展不多,对于数学世界的阅历算是有了一些长进。为什么要深入数学的世界?作为计算机的学生,我没有任何企图要成为一个数学家。我学习数学的目的,是要想爬上巨人的肩膀,希望站在更高的高度,能把我自己研究的东西看得更深广一些。说起来,我在刚来这个学校的时候,并没有预料到我将会有一个深入数学的旅程。我的导师最初希望我去做的题目,是对appe