心物一元
心物一元

熵

二十多前读过美国学者里夫金写的一本书:《熵，一种新的世界观》感悟颇深。

熵是描述一个系统状态的物量，熵增定律就是热力学第二定律，能量守恒定律或物质不灭定律是热力学第一定律。热力学第二定律给热力学第一定律规定了一个方向，即热只能由高温物体向低温物传播，这个方向是不可逆的。也就是一个封闭系统熵是不断增加的，一直达到无序或混沌状态，幸好我们这个地球、这个宇宙是开放的。很早以前，也看过方励之写的一篇文章，名字大概叫《宇宙为何不热死》，宇宙诞生的初期应该是无序和混沌的，在引力的作用下，宇宙才有了结构，才趋向于有序。可是按照热力学第二定律，由于熵不断增加，宇宙应该趋向于无序才对，虽然由于宇宙是开放系统，因为有负熵引入，宇宙不会热寂而死，但总的发展方是从有序到无序。所以在《熵，一种新的世界观》中，古希腊把他们那个世界称为黄金时代，把我们现在这个时代称为铁器时代，这就是熵的世界观。

大乘佛教秉持的不二理论，没有什么有序和无序的问题，已超越了有无。有无一如。佛教的三界唯心，万法唯识，我法皆空，熵大概处于中间值吧?

你可能感兴趣的:(熵)

  • 交叉熵损失函数 onlyzzr 深度学习pytorch深度学习机器学习
    importtorchimporttorch.nn.functionalasFimporttorch.nnasnnimportmathdefcross_entropyloss(y_pred,y_true):#y_pred'sshapeis[N,C]y_pred=torch.log_softmax(y_pred,dim=-1)loss=-torch.sum(y_true*y_pred,dim=-1)
  • 机器学习算法（六）---逻辑回归 向云端UP 机器学习模型机器学习算法逻辑回归
    目录一、逻辑回归1.1模型介绍1.2工作原理1.2.1对数几率模型1.2.2逻辑回归与Sigmoid函数1.3.3熵、相对熵与交叉熵1.3损失函数和优化算法1.3.1损失函数的理论基础1.3.2优化算法1.3.2.1梯度下降算法局限1.3.2.2随机梯度下降与小批量梯度下降1.4算法流程1.5逻辑回归优缺点1.6案例1.7classification_report()参数二、逻辑回归与线性回归的区
  • 熵与交叉熵：从信息论到机器学习的「不确定性」密码
    熵与交叉熵：从信息论到机器学习的「不确定性」密码在信息时代的浪潮中，我们每天都在与「信息」打交道——一条新闻、一张图片、一段语音，甚至是AI模型的一次预测结果，本质上都是信息的传递。但如何量化信息的「多少」？如何衡量两个信息分布的「差异」？这两个问题，正是信息论中「熵」与「交叉熵」的核心使命。本文将从日常生活出发，逐步拆解这两个概念的数学本质，并揭示它们如何成为机器学习的底层基石。一、熵：不确定性
  • 大模型系列——长度外推 confiself 深度学习
    1.长度外推存在的问题1.长度外推存在不能识别的2.长度外推存在熵变问题3.长度内插入存在缩小距离分布2.直接使用外推技巧1.窗口局部关注+最终输出全局注意2.熵变+✖系数3.keynorm，增加模型识别距离能力4.增加bias，类似于SandwichTransformer升级之路：16、“复盘”长度外推技术
  • 每天一百字15（负熵） 塔夫狗
    生命确实是以负熵为食。把熵增简单地比做下落，任何事物在无干扰的情况下都趋向于熵增，就好比平地之上的东西总有向下跌落的趋势。把获得能量这件事情用跷跷板来比喻，甲坐镇天平一方，要想升高，必须获得另一件事物的势能，即让那一件事物往下落，从而抬起甲。熵减，即是变得更有序，必须阻止事物朝着熵增跌落，则必须获得能量，来使之成功。变得有序这个过程，可以有很多具体的代名词，如掌握技能，学得知识，一手好字，一篇文章
  • PPO流程的个人疑问集锦 Q & A
    文中大部分为GPT生成，并由我个人理解后添加了注解。1.PPOLoss和ActorLoss是一个东西吗?个人理解：上图中：PPO-clipLoss指的是用了clip的Actorloss（含kl散度罚项），用来鼓励actor模型在不过度偏离ref模型以及oldactor模型的前提下，对齐人类偏好；LMLoss指的是（交叉）熵损失函数，用来促进actor生成更多样的输出；MSELoss指的是criti
  • 使用PyTorch进行猫狗图像分类实战指南 op3721
    本文还有配套的精品资源，点击获取简介：本文详细介绍了如何利用PyTorch框架来执行一个猫狗分类任务。从数据预处理、构建全连接网络模型、训练过程到评估指标等方面进行了全面阐释。内容涵盖了图像数据的收集、标准化处理，以及如何使用DataLoader类来提高数据加载效率。接着，本文讲解了如何构建和定义网络结构，选用交叉熵损失函数，并利用SGD或Adam优化器进行权重更新。在训练模型时，我们会进行多个e
  • 【部署模式演进】多实例 vs 多副本 vs 多租户：智能体平台部署结构深度解析 观熵 AgenticAI架构实战全流程架构人工智能智能体Agent
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • 我与《写作》的故事 开心果子
    要想提高写作能力，就要磨练写故事的能力，昨天读了叶老师与阅读的故事，今天又再写作的故事里相逢，跟叶老师隔着书本进行了一场对话，我就是那大部分小伙伴中的一员，在微信读书《认知觉醒》的书评里认识了叶老师，通过叶老师的写作，来到这里与大家相聚。我也来讲讲，我与写作的故事。2022年8月7日，我读到了《逆熵增成长之路》的写作篇，开始注册写下第一篇文章《日更百天挑战》，到今天24天，写了28篇小短文，2.2
  • 任务管理工具红黑榜：科学匹配你的生物缺陷类型 花海如潮淹 学习方法经验分享笔记
    任务管理的本质与价值定义：任务管理是通过系统化方法将目标拆解为可执行单元，并优化其完成路径的过程。核心价值：对抗熵增：将混沌目标→有序行动认知卸载：释放大脑内存，专注决策而非记忆协作熵减：消除团队协调中的能量耗散现实中的五大深渊级痛点（附科学机制与血泪场景）痛点1：人脑记忆的生物学缺陷→任务黑洞神经科学原理：→工作记忆容量仅4±1条信息（Baddeley模型）→未记录任务24小时遗忘率40%（哈佛
  • 人类文明演进三元辩证模型构建
    人类文明演进三元辩证模型构建——基于技术-人文-生态的动态平衡研究------摘要本文提出"技术-人文-生态"三元辩证模型（Technology-Humanity-EcologyDialecticalModel,THE-Model），突破传统线性发展观，通过构建动态平衡方程与多宇宙对照实验框架，揭示文明演进中技术熵减、人文熵增与生态混沌的量子纠缠关系。基于中国"文明操作系统2.0"实践案例与多学科
  • “闭门造车”之多模态思路浅谈：自回归学习与生成 PaperWeekly 回归学习数据挖掘人工智能机器学习
    ©PaperWeekly原创·作者|苏剑林单位|科学空间研究方向|NLP、神经网络这篇文章我们继续来闭门造车，分享一下笔者最近对多模态学习的一些新理解。在前文《“闭门造车”之多模态思路浅谈：无损》中，我们强调了无损输入对于理想的多模型模态的重要性。如果这个观点成立，那么当前基于VQ-VAE、VQ-GAN等将图像离散化的主流思路就存在能力瓶颈，因为只需要简单计算一下信息熵就可以表明离散化必然会有严重
  • 生活与工作如一团乱麻？请“化繁为简”，为人生赋能 苹果微语
    《道德经》里有一句话：万物之始，大道至简，衍化至繁。而这一句话，精辟地总结了“熵增定律”。有人说，熵增定律是宇宙间最让人绝望的定律，没有之一。因为，熵增预示着：世间所有的一切，都将从有序走向无序，从平静走向混乱，最终都会走向灭亡。对于我们来说，无论是生活还是工作，都避免不了熵增。我们得通过不懈的努力、不停地做减法，去抵消发生在我们身上的熵增，以使我们的人生能够维持在“熵减”的状态。那么，我们应该如
  • DataWhale 二月组队学习-深入浅出pytorch-Task04 －273.15K DataWhale组队学习学习pytorch人工智能
    一、自定义损失函数1.损失函数的作用与自定义意义在深度学习中，损失函数（LossFunction）用于衡量模型预测结果与真实标签之间的差异，是模型优化的目标。PyTorch内置了多种常用损失函数（如交叉熵损失nn.CrossEntropyLoss、均方误差nn.MSELoss等）。但在实际任务中，可能需要针对特定问题设计自定义损失函数，例如：处理类别不平衡问题（如加权交叉熵）实现特殊业务需求（如对
  • C#微服务配置管理黑科技：Nacos与量子级动态配置实战——从零构建永不宕机的云原生架构 墨夶 C#学习资料4云原生架构c#
    1.微服务的‘配置熵增’困境传统配置管理的致命缺陷：雪崩效应：单点配置变更导致全链路重启优先级混乱：本地配置与云端配置冲突导致服务不可用动态性缺失：无法实时响应业务需求变更解决方案：量子级配置同步：Nacos的实时推送与本地缓存黑洞优先级机制：共享配置、扩展配置、应用配置的优先级博弈服务发现的‘引力波’：健康检查驱动的动态路由2.1Nacos在C#中的“量子叠加态”：从SDK安装到服务发现核心组件
  • [创业之路-484]：企业经营层 - 职场人如何识别积极的工作环境：信任机制：从「分工协作」到「全能防御」；目标聚焦：从「价值创造」到「风险规避」；系统进化：从「熵减秩序」到「熵增混乱」。
    前言：在一个分工明确安全可靠公平化的系统中，每个人只需要认真完成自己的目标，把其他环节交给受信任的队友，技术人只要关注技术，不需要防范被别人算计和坑害或吃亏。在一个不可靠不安全人治危机四伏的系统中，每个人不仅需要完成自己的目标，还需要把自己变成全才，以避免自己的付出在脱节的环节被淹没，还要关注各种无关的隐情，以避免在信息不对称时别忽悠，技术人员不仅仅要关注技术，还要人事，以防止一不小心暗算与坑害。
  • 深度学习相关指标工作笔记 Victor Zhong AI框架深度学习笔记人工智能
    这里写目录标题检测指标iou/Ｇou/Ｄiou/ＣiouMSE(MeanSquaredError)(均方误差)(回归问题)交叉熵损失函数(CrossEntropyErrorFunction)(分类问题)检测指标iou/Ｇou/Ｄiou/ＣiouIntersectionoverUnion(IoU)是目标检测里一种重要的评价值交并比令人遗憾的是IoU无法优化无重叠的bboxes如果用IoU作为loss
  • 交叉熵损失和负熵似然损失（对分类器有用） 流量留 深度学习人工智能机器学习算法
    1.**交叉熵损失（Cross-EntropyLoss）**-**定义**-交叉熵损失是用来衡量分类模型输出的概率分布与真实标签的概率分布之间的差异。假设对于一个分类任务，有\(C\)个类别，模型对第\(i\)个样本的输出是一个概率分布\(\mathbf{p}_i=[p_{i1},p_{i2},\dots,p_{iC}]\)，其中\(p_{ic}\)表示模型预测样本属于第\(c\)类的概率。真实标
  • Python Day53 别勉. python机器学习python开发语言
    Task：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象1.对抗生成网络的思想：关注损失从何而来这是理解GANs的关键！传统的神经网络训练中，我们通常会直接定义一个损失函数（如均方误差MSE、交叉熵CE），然后通过反向传播来优化这个损失。这个损失的“来源”
  • . 生命 . lyx 弈心 写作思考
    万物有灵，要说生命几许，兴许每一个生灵，如今曾经，都诉说着意义。兴许无穷的时间以前，一切都不曾有意义。我们从不知道时间是什么，它与熵诉说着相同的单向性，却无从知晓，这洪荒的规则究竟来自哪里。它仿佛数轴上的点，无法穷尽。零至一上的点便与整个数轴上的点有这相同的数量，仿若时间，瞬间便是永恒，而永恒，存在于个体诉说它的一瞬。个体怎会知晓究竟生命何许，便去抓住那时间里的意义。给时间以生命，而非给生命以时间
  • C2远控篇&Golang&Rust&冷门语言&Loader加载器&对抗优势&减少熵值特征
    #C2远控-ShellCode-认知&环境1.创建工程时关闭SDL检查2.属性->C/C++->代码生成->运行库->多线程(/MT)如果是debug则设置成MTD3.属性->C/C++->代码生成->禁用安全检查GS4.关闭生成清单属性->链接器->清单文件->生成清单选择否#C2远控-ShellCode-分析&提取ShellCode的本质其实就是一段可以自主运行的代码。它没有任何文件结构，它不
  • 从 “啃书焦虑” 到 “项目通关”：NLP 学习的破局之道 木旭林晖 自然语言处理学习人工智能
    嘿，你好。在CSDN上潜水这么久，我总能看到很多像你我当年一样，怀揣着NLP大厂梦的同学。我猜，你的收藏夹里一定塞满了“NLP必读清单”，书架上可能还放着那本厚得像砖头一样的《统计学习方法》或者“龙书”。每天深夜，你可能都在跟一个又一个复杂的数学公式死磕。什么最大熵模型、什么CRF（条件随机场）的推导……你觉得自己离“精通”越来越近，但心里却越来越慌。为什么慌？因为你打开招聘软件，看到JD（职位描
  • 【重构推荐系统】国产大模型驱动的电商个性化推荐完整实战：架构设计、推理优化与在线部署闭环 观熵 国产大模型部署实战全流程指南重构人工智能Agent智能体落地方案
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • Pyeeg模块部分功能介绍 脑电情绪识别 脑电情绪识别python神经网络深度学习pycharm
    1.pyeeg简单介绍PyEEG是一个Python模块（即函数库），用于提取EEG（脑电）特征。正在添加更多功能。它包含构建用于特征提取的数据的函数，例如从给定的时间序列构建嵌入序列。它还能够将功能导出为svmlight格式，以便调用机器学习及深度学习工具。2.部分函数介绍1.pyeeg.ap_entropy(X,M,R)pyeeg.ap_entropy(X, M, R)计算时间序列X的近似熵（A
  • 熵增定律与人际关系-整理 吾883721 模型及认知学习
    01.什么是熵增定律？熵增定律的定义十分简单：在一个孤立系统里，如果没有外力做功，其总混乱度（即熵）会不断增大。这项定义里有三个关键词：孤立系统、无外力做功、总混乱度（熵）。熵增定律被称为最让人沮丧的定律，它不仅预示了宇宙终将归于热寂，生命终将消失，而从小的方面来说，它也揭示了我们许多人性的弱点：安于现状，害怕变化，难以坚持，难以自律，不爱思考，说话做事逻辑混乱，缺乏原则......02.整个生命
  • 深入解析ID3算法：信息熵驱动的决策树构建基石 大千AI助手 人工智能Python#OTHER算法决策树机器学习人工智能DecisionTreeID3信息熵
    本文来自「大千AI助手」技术实战系列，专注用真话讲技术，拒绝过度包装。ID3（IterativeDichotomiser3）是机器学习史上的里程碑算法，由RossQuinlan于1986年提出。它首次将信息论引入决策树构建，奠定了现代决策树的理论基础。本文将深入剖析其数学本质与实现细节。往期文章推荐:20.用Mermaid代码画ER图：AI时代的数据建模利器19.ER图：数据库设计的可视化语言-搞
  • MATLAB实现基于基元共生矩阵的纹理特征提取方法 杏花朵朵
    本文还有配套的精品资源，点击获取简介：纹理特征提取在图像处理中对于模式识别和分类等应用至关重要。本文将详细介绍如何在MATLAB中使用基元共生矩阵（PCM）来提取图像的纹理特征。基元共生矩阵通过统计像素对在特定距离和方向上的相对位置关系来描述纹理的局部结构。本方法首先定义不同的方格和方向，然后计算共生矩阵，并从中提取出对比度、能量、熵、相关性等统计特征。最后，这些统计特征被组合成特征向量，用于图像
  • 理解自信息和信息熵——为什么自信息这样算？ Colin_Downey 随笔信息熵机器学习概率论
    一直对香农的信息熵(InformationEntropy)都没有一个非常感性的认识，今日摸鱼学习了一下这个问题。我们先来看看香农是怎么看待交流中的“信息”：“Thefundamentalproblemofcommunicationisthatofreproducingatonepointeitherexactlyorapproximatelyamessageselectedatanotherpoi
  • 从语言行为到调用协议：智能体通信的五种底层格式 观熵 AgenticAI架构实战全流程人工智能智能体
    个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。不是在控熵，就是在观测熵的流动个人主页：观熵个人邮箱：[email protected]座右铭：愿科技之光，不止照亮智能，也照亮人心！专栏导航观熵系列专栏导航：AI前沿探索：从大模型进化、多模态交互、AIGC内容生成，到
  • MSE做多分类任务如何
    用「考试打分」来类比，秒懂为啥多分类任务很少用MSE，以及硬用会出啥问题～一、多分类任务的「常规操作」：交叉熵vsMSE1.多分类任务长啥样？例子：手写数字识别（0-9共10类）、动物图片分类（猫/狗/鸟等）。目标：模型输出每个类别的概率，选概率最高的作为预测结果。2.交叉熵为啥是「标配」？输出：配合softmax激活函数，输出每个类别的概率（和为1）。判卷逻辑：看「预测概率是否接近真实类别」，比
  • 关于旗正规则引擎规则中的上传和下载问题 何必如此 文件下载压缩jsp文件上传
    文件的上传下载都是数据流的输入输出，大致流程都是一样的。 一、文件打包下载 1.文件写入压缩包 string mainPath="D:\upload\";     下载路径 string tmpfileName=jar.zip;        &n
  • 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析 bit1129 Stream
      以如下代码为例（SocketInputDStream）： Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中，撇开异常情况不谈(Receiver有重连机制，restart方法，默认情况下在Receiver挂了之后，间隔两秒钟重新建立Socket连接)，读取到的数据通过调用store(textRead)方法进行存储。数据
  • spark master web ui 端口8080被占用解决方法 daizj 8080端口占用sparkmaster web ui
    spark master web ui 默认端口为8080，当系统有其它程序也在使用该接口时，启动master时也不会报错，spark自己会改用其它端口，自动端口号加1，但为了可以控制到指定的端口，我们可以自行设置，修改方法：   1、cd SPARK_HOME/sbin   2、vi start-master.sh     3、定位到下面部分
  • oracle_执行计划_谓词信息和数据获取 周凡杨 oracle执行计划
      oracle_执行计划_谓词信息和数据获取(上) 一：简要说明 在查看执行计划的信息中，经常会看到两个谓词filter和access，它们的区别是什么，理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。 简单说，执行计划如果显示是access，就表示这个谓词条件的值将会影响数据的访问路径（表还是索引），而filter表示谓词条件的值并不会影响数据访问路径，只起到
  • spring中datasource配置 g21121 dataSource
    datasource配置有很多种，我介绍的一种是采用c3p0的，它的百科地址是： http://baike.baidu.com/view/920062.htm   <!-- spring加载资源文件 --> <bean name="propertiesConfig" class="org.springframework.b
  • web报表工具FineReport使用中遇到的常见报错及解决办法（三） 老A不折腾 finereportFAQ报表软件
    这里写点抛砖引玉，希望大家能把自己整理的问题及解决方法晾出来，Mark一下，利人利己。   出现问题先搜一下文档上有没有，再看看度娘有没有，再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题，大多文档上都有提到的。 1、repeated column width is largerthan paper width： 这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
  • mysql 用户管理 墙头上一根草 linuxmysqluser
    1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为：
  • 关于使用Spring导致c3p0数据库死锁问题 aijuans springSpring 入门Spring 实例Spring3Spring 教程
    这个问题我实在是为整个 springsource 的员工蒙羞 如果大家使用 spring 控制事务，使用 Open Session In View 模式， com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
  • 百度词库联想 annan211 百度
    <!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <title>RunJS</title&g
  • int数据与byte之间的相互转换实现代码 百合不是茶 位移int转bytebyte转int基本数据类型的实现
    在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;   主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029   int转byte;   byte转int;   /** * 字节转成int,int转成字节 * @author Administrator *
  • 简单模拟实现数据库连接池 bijian1013 javathreadjava多线程简单模拟实现数据库连接池
    简单模拟实现数据库连接池 实例1： package com.bijian.thread; public class DB { //private static final int MAX_COUNT = 10; private static final DB instance = new DB(); private int count = 0; private i
  • 一种基于Weblogic容器的鉴权设计 bijian1013 javaweblogic
            服务器对请求的鉴权可以在请求头中加Authorization之类的key，将用户名、密码保存到此key对应的value中，当然对于用户名、密码这种高机密的信息，应该对其进行加砂加密等，最简单的方法如下： String vuser_id = "weblogic"; String vuse
  • 【RPC框架Hessian二】Hessian 对象序列化和反序列化 bit1129 hessian
     任何一个对象从一个JVM传输到另一个JVM，都要经过序列化为二进制数据(或者字符串等其他格式，比如JSON)，然后在反序列化为Java对象，这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输)，本文定义一个比较符合工作中。   1. 定义三个POJO    Person类 package com.tom.hes
  • 【Hadoop十四】Hadoop提供的脚本的功能 bit1129 hadoop
    1. hadoop-daemon.sh 1.1 启动HDFS ./hadoop-daemon.sh start namenode ./hadoop-daemon.sh start datanode  通过这种逐步启动的方式，比start-all.sh方式少了一个SecondaryNameNode进程，这不影响Hadoop的使用，其实在 Hadoop2.0中，SecondaryNa
  • 中国互联网走在“灰度”上 ronin47 管理 灰度
    中国互联网走在“灰度”上（转） 文/孕峰   第一次听说灰度这个词，是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。   灰度这个词所包含的意义和视野是广远的。要理解这个词，可能同样要用“灰度”的心态。灰度的反面，是规规矩矩，清清楚楚，泾渭分明，严谨条理，是决不妥协，不转弯，认死理。黑白分明不是灰度，像彩虹那样
  • java-51-输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 bylijinnan java
    public class PrintMatrixClockwisely { /** * Q51.输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 例如：如果输入如下矩阵： 1 2 3 4 5 6 7 8 9
  • mongoDB 用户管理 开窍的石头 mongoDB用户管理
      1:添加用户    第一次设置用户需要进入admin数据库下设置超级用户（use admin）      db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});    第一个参数用户的名字    第二个参数
  • [游戏与生活]玩暗黑破坏神3的一些问题 comsci 生活
        暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意      玩这个游戏的时间，每天不要超过一个小时，且每次玩游戏最好在白天      结束游戏之后，最好在太阳下面来晒一下身上的暗黑气息，让自己恢复人的生气   &nb
  • java 二维数组如何存入数据库 cuiyadll java
    using System; using System.Linq; using System.Text; using System.Windows.Forms; using System.Xml; using System.Xml.Serialization; using System.IO; namespace WindowsFormsApplication1 {
  • 本地事务和全局事务Local Transaction and Global Transaction(JTA) darrenzhu javaspringlocalglobaltransaction
    Configuring Spring and JTA without full Java EE http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/ Spring doc -Transaction Management http://docs.spring.io/spri
  • Linux命令之alias - 设置命令的别名，让 Linux 命令更简练 dcj3sjt126com linuxalias
    用途说明 设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯，那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题，但对于带命令行参数的命令，链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】，使长命令变短，使常 用的长命令行变短，强制执行命令时询问等。   常用参数 格式：alias 格式：ali
  • yii2 restful web服务[格式响应] dcj3sjt126com PHPyii2
    响应格式 当处理一个 RESTful API 请求时， 一个应用程序通常需要如下步骤 来处理响应格式： 确定可能影响响应格式的各种因素， 例如媒介类型， 语言， 版本， 等等。 这个过程也被称为 content negotiation。 资源对象转换为数组， 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
  • MongoDB索引调优（2）——[十] eksliang mongodbMongoDB索引优化
    转载请出自出处：http://eksliang.iteye.com/blog/2178555 一、概述       上一篇文档中也说明了，MongoDB的索引几乎与关系型数据库的索引一模一样，优化关系型数据库的技巧通用适合MongoDB，所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档     可以在嵌套文档的键上建立索引，方式与正常
  • 当滑动到顶部和底部时，实现Item的分离效果的ListView gundumw100 android
    拉动ListView，Item之间的间距会变大，释放后恢复原样； package cn.tangdada.tangbang.widget; import android.annotation.TargetApi; import android.content.Context; import android.content.res.TypedArray; import andr
  • 程序员用HTML5制作的爱心树表白动画 ini JavaScriptjqueryWebhtml5css
    体验效果：http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" > <ti
  • 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版 kakajw ThinkPad预装改装windows 7windows 8
      该教程具有普遍参考性，特别适用于联想的机器，其他品牌机器的处理过程也大同小异。 该教程是个人多次尝试和总结的结果，实用性强，推荐给需要的人！   缘由 小弟最近入手笔记本ThinkPad T440，但是特别不能习惯笔记本出厂预装的Windows 8系统，而且厂商自作聪明地预装了一堆没用的应用软件，消耗不少的系统资源（本本的内存为4G，系统启动完成时，物理内存占用比
  • Nginx学习笔记 mcj8089 nginx
    一、安装nginx             1、在nginx官方网站下载一个包，下载地址是：  http://nginx.org/download/nginx-1.4.2.tar.gz      2、WinSCP(ftp上传工
  • mongodb 聚合查询每天论坛链接点击次数 qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    /* 18 */ { "_id" : ObjectId("5596414cbe4d73a327e50274"), "msgType" : "text", "sendTime" : ISODate("2015-07-03T08:01:16.000Z"
  • java术语（PO/POJO/VO/BO/DAO/DTO） Luob. DAOPOJODTOpoVO BO
    PO(persistant object) 持久对象 在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作. VO(value object) 值对象 通
  • 算法复杂度 Wuaner Algorithm
    Time Complexity & Big-O： http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o http://bigocheatsheet.com/ http://www.sitepoint.com/time-complexity-algorithms/
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他