相信光的奥特王小懒
相信光的奥特王小懒

无人驾驶中常用的37个数据集以及每个数据集的亮点

打开检查的快捷键是ctrl+shift+i

  • 1.Automotive multi-sensor dataset
    https://goo.gl/1YbD5E
    亮点：全方位视觉数据，实现全方位环绕感测；包括冬季有雪的情况

  • 2.Apollo
    https://goo.gl/yy144b
    亮点：来自多个传感器的大量注释数据，适合深度学习和训练任务；支持开源项目

  • 3.Berkeley DeepDrive Video dataset
    https://goo.gl/24XNzG
    亮点：具有各种注释的大型驾驶视频数据集

  • 4.Caltech Pedestrian Detection Benchmark
    https://goo.gl/HB7e8P
    亮点：最大的行人数据集；行人注释；第一个在边界框和遮挡标签之间具有时间对应关系的数据集

  • 5.Cambridge-driving Labeled Video Database
    https://goo.gl/I2pbdP
    亮点：第一批带有对象类语义标签的视频；像素级注释

  • 6.CCSAD dataset
    https://goo.gl/pxr3Yc
    亮点：在发展中国家拍摄的立体声视频

  • 7.Cheddar Gorge Dataset
    亮点: 配备立体、单目和红外摄像头、V elodyne 64激光雷达、GPS/IMU等的多样化传感器。

  • 8.Cityscapes dataset
    https://goo.gl/qLM3V4
    亮点: 来自50个城市的立体声序列；用于语义城市场景理解的像素级注释；带有评估服务器的基准测试套件；一个新的数据集，有更好的人注释的基础

  • 9.CMU Visual Localization Dataset
    https://goo.gl/0R8XX6
    亮点: 各种天气和光照条件

  • 10.comma.ai driving dataset
    https://goo.gl/B3TWf2
    亮点: 高速公路交通场景

  • 11.Daimler Pedestrian Benchmarks
    https://goo.gl/l3U2Wc
    亮点：包含多个基准数据集，用于基于单目和立体图像的行人检测、分类、分割和路径预测；第一个数据集包含部分闭塞的行人；包括我们迄今为止遇到的唯一一个骑车人数据集

  • 12.Daimler Urban segmentation
    https://goo.gl/KRBCLa
    亮点:城市交通中的立体视觉序列；像素级语义类标注

  • 13.DIPLECS Autonomous Driving Datasets
    https://goo.gl/8isjeJ
    亮点: 包括两个关于公共道路的数据集，一个在英国，另一个在瑞典；逐帧标记速度和转向数据（第一个数据集）以及驾驶环境和驾驶员动作（第二个数据集）

  • 14.Dr(eye)ve
    https://goo.gl/45bwXr
    亮点：研究驱动力、眼睛注视和视觉显著性的第一个数据集

  • 15.EISATS
    https://goo.gl/ausKsL
    亮点: 包括多个带有立体视觉序列的数据集，用于比较立体视觉、光流、运动分析等的性能评估。

  • 16.Elektra
    https://goo.gl/GNNq0f
    亮点: 注释行人的各种图像；包括远红外图像

  • 17.ETH pedestrian dataset
    https://goo.gl/xXDTwI
    亮点: 在人满为患的市中心拍摄的立体图像，行人众多

  • 18.EuroCity Persons Dataset
    亮点: 在各种天气和光照条件下，城市交通中有大量带有人物注释的图像

  • 19.F ord Campus Vision and Lidar DataSet
    https://goo.gl/6ZkCpc
    亮点: 传感器设置多样化，包括高精度定位设备、多个激光雷达、全方位摄像头等；全面的软件支持

  • 20.German Traffic Sign Detection Benchmark
    https://goo.gl/FqaCJQ
    亮点: 德国有交通标志的静态图像

  • 21.HCI benchmark suite
    https://goo.gl/r5aRvv
    亮点: 一个用于城市自动驾驶的高精度立体和光流数据集，包含许多在同一条街上手动构建/执行的场景

  • 22.Heidelberg benchmarks
    https://goo.gl/6c2lAs
    亮点：与名为“强健视力挑战”的活动相关；提供具有挑战性的立体声和光流数据，例如雨点和飞雪

  • 23.Joint Attention for Autonomous Driving
    Dataset
    https://goo.gl/cXoPnp
    亮点: 注重行人和司机的共同关注，实现自动驾驶；为行人和车辆提供文本和行为注释

  • 24.KAIST multispectral pedestrian detection
    dataset
    https://goo.gl/Tpz512
    亮点：带行人注释的彩色热图像对对齐良好

  • 25.Karlsruhe Dataset: Labeled Objects
    https://goo.gl/5fk0js
    亮点：带有汽车和行人对象边界框的图像；甚至包括对象定向

  • 26.Karlsruhe Dataset: Stereo Video Sequences +
    rough GPS Poses
    https://goo.gl/V6Q7Vx
    亮点: 卡尔斯鲁厄的高质量立体声序列

  • 27.KITTI Vision Benchmark Suite (KITTI)
    https://goo.gl/cvSbGl
    亮点: 目前最负盛名的自动驾驶数据集；为立体视觉、光流、场景流、视觉里程计、SLAM、目标检测和跟踪、道路车道检测、语义分割的评估提供了许多优秀的基准

  • 28.Málaga Stereo and Laser Urban DataSet
    https://goo.gl/EdLHtW
    亮点：有据可查；全方位工具支持；主页上的留言板

  • 29.Mapillary Vistas Dataset
    https://goo.gl/1L4yj1
    亮点: 大量具有巨大地理多样性的图像，注释为66–129个对象类别，涵盖各种道路/天气/光照条件

  • 30.nuScenes数据集
    https://www.nuscenes.org/
    亮点: 自动驾驶汽车的整个传感器套件提供的第一个大规模数据

  • 31.Oxford robotcar dataset
    https://goo.gl/nJOQkq
    亮点：第一个数据集强调定期长期数据收集（一年以上），遵循预定义路线，以涵盖道路状况的长期变化

  • 32.Stanford track collection (Stanford)
    https://goo.gl/KNOYpX
    亮点：带对象标签和GPS/IMU数据的V elodyne 64点云

  • 33.Ground Truth Stixel Dataset (Stixel)
    https://goo.gl/rf12z6
    亮点: 高速公路上下大雨；像素注释

  • 34.TorontoCity benchmark
    亮点：具有广泛视图的数据，用于映射、重建和语义标记

  • 35.TrafficNet
    http://traffic-net.org
    亮点: 大型可扩展的自然驾驶场景库

  • 36.TRoM: Tsinghua Road Marking
    https://goo.gl/KA7DR3
    亮点：第一个与道路标记检测相关的公开数据集

  • 37.Udacity dataset
    https://goo.gl/AoxEt1
    亮点：开源项目；驱动部分包含注释对象的数据

你可能感兴趣的:(无人驾驶数据集,dataset,driverless)

  • 【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
  • Spark SQL架构及高级用法 Aurora_NeAr sparksql架构
    SparkSQL架构概述架构核心组件API层（用户接口）输入方式：SQL查询；DataFrame/DatasetAPI。统一性：所有接口最终转换为逻辑计划树（LogicalPlan），进入优化流程。编译器层（Catalyst优化器）核心引擎：基于规则的优化器（Rule-BasedOptimizer,RBO）与成本优化器（Cost-BasedOptimizer,CBO）。处理流程：阶段输入输出关键动
  • 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
  • 使用vscode调试带-m参数的python代码 zaf赵 vscodepythonide
    1.问题我在命令行运行的是pythonrender.py-mLangSplat/preprocessed_dataset/sofa/sofa--include_feature-lluage_features_1080p_dim3，但是在vscode中的普通调试，会报模块找不到的问题（原因是普通调试不会带-m参数，所以有些路径就会找不到）。因此，本文记录如何用vscode调试在命令行输入的如上Pyt
  • 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
  • 代谢组数据分析（二十四）：基于tidymass包从质谱原始数据到代谢物注释结果的实践指南 生信学习者1 代谢组数据分析(2025版)数据分析数据挖掘r语言数据可视化
    禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!文章目录介绍加载R包数据准备原始数据处理导入massDataset数据对象交互图数据探索更新样本表格信息峰分布情况缺失值情况数据清洗数据质量评估去除噪声代谢特征过滤立群样本填补缺失值数据标准化和整合预处理后评估代谢物注释增加MS2图谱到数据对象数据库1注释数据库2注释数据库3注释结果统计分析剔除无注释代谢物追踪数据对象的相
  • 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
  • Pytorch实现目标检测
    importosimportrandomimportpandasaspdimportnumpyasnpimportcv2fromsklearn.model_selectionimporttrain_test_splitimporttorchfromtorch.utils.dataimportDataset,DataLoaderimporttorch.nnasnnimporttorch.nn.fun
  • 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
  • MySQL 8.0 OCP 1Z0-908 题目解析(4) 一只fish MYSQLOCPmysql数据库
    题目013Choosefour.Anewlydeployedreplicationmasterdatabasehasa10/90readtowriteratio.Thecompletedatasetiscurrently28Gbutwillneverfluctuatebeyond±10%.ThedatabasestoragesystemconsistsoftwolocallyattachedPCI
  • 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）
  • 辗转相处求最大公约数 沐刃青蛟 C++漏洞
    无言面对”江东父老“了，接触编程一年了，今天发现还不会辗转相除法求最大公约数。惭愧惭愧！   为此，总结一下以方便日后忘了好查找。   1.输入要比较的两个数a,b   忽略：2.比较大小（因为后面要的是大的数对小的数做%操作）   3.辗转相除（用循环不停的取余，如a%b,直至b=0）   4.最后的a为两数的最大公约数 &
  • F5负载均衡会话保持技术及原理技术白皮书 bijian1013 F5负载均衡
    一.什么是会话保持？        在大多数电子商务的应用系统或者需要进行用户身份认证的在线系统中，一个客户与服务器经常经过好几次的交互过程才能完成一笔交易或者是一个请求的完成。由于这几次交互过程是密切相关的，服务器在进行这些交互过程的某一个交互步骤时，往往需要了解上一次交互过程的处理结果，或者上几步的交互过程结果，服务器进行下
  • Object.equals方法：重载还是覆盖 Cwind javagenericsoverrideoverload
    本文译自StackOverflow上对此问题的讨论。 原问题链接   在阅读Joshua Bloch的《Effective Java（第二版）》第8条“覆盖equals时请遵守通用约定”时对如下论述有疑问： “不要将equals声明中的Object对象替换为其他的类型。程序员编写出下面这样的equals方法并不鲜见，这会使程序员花上数个小时都搞不清它为什么不能正常工作：” pu
  • 初始线程 15700786134
          暑假学习的第一课是讲线程，任务是是界面上的一条线运动起来。            既然是在界面上，那必定得先有一个界面，所以第一步就是，自己的类继承JAVA中的JFrame，在新建的类中写一个界面，代码如下： public class ShapeFr
  • Linux的tcpdump 被触发 tcpdump
    用简单的话来定义tcpdump，就是：dump the traffic on a network，根据使用者的定义对网络上的数据包进行截获的包分析工具。 tcpdump可以将网络中传送的数据包的“头”完全截获下来提供分析。它支 持针对网络层、协议、主机、网络或端口的过滤，并提供and、or、not等逻辑语句来帮助你去掉无用的信息。 实用命令实例 默认启动 tcpdump 普通情况下，直
  • 安卓程序listview优化后还是卡顿 肆无忌惮_ ListView
    最近用eclipse开发一个安卓app，listview使用baseadapter，里面有一个ImageView和两个TextView。使用了Holder内部类进行优化了还是很卡顿。后来发现是图片资源的问题。把一张分辨率高的图片放在了drawable-mdpi文件夹下，当我在每个item中显示，他都要进行缩放，导致很卡顿。解决办法是把这个高分辨率图片放到drawable-xxhdpi下。 &nb
  • 扩展easyUI tab控件，添加加载遮罩效果 知了ing jquery
    (function () { $.extend($.fn.tabs.methods, { //显示遮罩 loading: function (jq, msg) { return jq.each(function () { var panel = $(this).tabs(&
  • gradle上传jar到nexus 矮蛋蛋 gradle
    原文地址： https://docs.gradle.org/current/userguide/maven_plugin.html configurations {     deployerJars } dependencies {     deployerJars "org.apache.maven.wagon
  • 千万条数据外网导入数据库的解决方案。 alleni123 sqlmysql
    从某网上爬了数千万的数据，存在文本中。 然后要导入mysql数据库。 悲剧的是数据库和我存数据的服务器不在一个内网里面。。 ping了一下， 19ms的延迟。 于是下面的代码是没用的。 ps = con.prepareStatement(sql); ps.setString(1, info.getYear())............; ps.exec
  • JAVA IO InputStreamReader和OutputStreamReader 百合不是茶 JAVA.io操作 字符流
    这是第三篇关于java.io的文章了，从开始对io的不了解-->熟悉--->模糊，是这几天来对文件操作中最大的感受，本来自己认为的熟悉了的，刚刚在回想起前面学的好像又不是很清晰了，模糊对我现在或许是最好的鼓励 我会更加的去学 加油！： JAVA的API提供了另外一种数据保存途径，使用字符流来保存的，字符流只能保存字符形式的流   字节流和字符的难点：a,怎么将读到的数据
  • MO、MT解读 bijian1013 GSM
    MO= Mobile originate，上行，即用户上发给SP的信息。MT= Mobile Terminate，下行，即SP端下发给用户的信息； 上行:mo提交短信到短信中心下行:mt短信中心向特定的用户转发短信，你的短信是这样的，你所提交的短信，投递的地址是短信中心。短信中心收到你的短信后，存储转发，转发的时候就会根据你填写的接收方号码寻找路由，下发。在彩信领域是一样的道理。下行业务：由SP
  • 五个JavaScript基础问题 bijian1013 JavaScriptcallapplythisHoisting
    下面是五个关于前端相关的基础问题，但却很能体现JavaScript的基本功底。 问题1：Scope作用范围 考虑下面的代码：  (function() { var a = b = 5; })(); console.log(b); 什么会被打印在控制台上？  回答：         上面的代码会打印 5。 &nbs
  • 【Thrift二】Thrift Hello World bit1129 Hello world
    本篇，不考虑细节问题和为什么，先照葫芦画瓢写一个Thrift版本的Hello World，了解Thrift RPC服务开发的基本流程   1. 在Intellij中创建一个Maven模块，加入对Thrift的依赖，同时还要加上slf4j依赖，如果不加slf4j依赖，在后面启动Thrift Server时会报错 <dependency>
  • 【Avro一】Avro入门 bit1129 入门
    本文的目的主要是总结下基于Avro Schema代码生成，然后进行序列化和反序列化开发的基本流程。需要指出的是，Avro并不要求一定得根据Schema文件生成代码，这对于动态类型语言很有用。   1. 添加Maven依赖   <?xml version="1.0" encoding="UTF-8"?> <proj
  • 安装nginx+ngx_lua支持WAF防护功能 ronin47
    需要的软件:LuaJIT-2.0.0.tar.gz                   nginx-1.4.4.tar.gz          &nb
  • java-5.查找最小的K个元素-使用最大堆 bylijinnan java
    import java.util.Arrays; import java.util.Random; public class MinKElement { /** * 5.最小的K个元素 * I would like to use MaxHeap. * using QuickSort is also OK */ public static void
  • TCP的TIME-WAIT bylijinnan socket
    原文连接： http://vincent.bernat.im/en/blog/2014-tcp-time-wait-state-linux.html 以下为对原文的阅读笔记 说明： 主动关闭的一方称为local end，被动关闭的一方称为remote end 本地IP、本地端口、远端IP、远端端口这一“四元组”称为quadruplet，也称为socket 1、TIME_WA
  • jquery ajax 序列化表单 coder_xpf Jquery ajax 序列化
       checkbox 如果不设定值，默认选中值为on；设定值之后，选中则为设定的值   <input type="checkbox" name="favor" id="favor" checked="checked"/> $("#favor&quo
  • Apache集群乱码和最高并发控制 cuisuqiang apachetomcat并发集群乱码
    都知道如果使用Http访问，那么在Connector中增加URIEncoding即可，其实使用AJP时也一样，增加useBodyEncodingForURI和URIEncoding即可。 最大连接数也是一样的，增加maxThreads属性即可，如下，配置如下： <Connector maxThreads="300" port="8019" prot
  • websocket dalan_123 websocket
    一、低延迟的客户端-服务器 和 服务器-客户端的连接 很多时候所谓的http的请求、响应的模式，都是客户端加载一个网页，直到用户在进行下一次点击的时候，什么都不会发生。并且所有的http的通信都是客户端控制的，这时候就需要用户的互动或定期轮训的，以便从服务器端加载新的数据。   通常采用的技术比如推送和comet（使用http长连接、无需安装浏览器安装插件的两种方式：基于ajax的长
  • 菜鸟分析网络执法官 dcj3sjt126com 网络
      最近在论坛上看到很多贴子在讨论网络执法官的问题。菜鸟我正好知道这回事情.人道"人之患好为人师" 手里忍不住,就写点东西吧. 我也很忙.又没有MM,又没有MONEY....晕倒有点跑题. OK,闲话少说,切如正题. 要了解网络执法官的原理. 就要先了解局域网的通信的原理. 前面我们看到了.在以太网上传输的都是具有以太网头的数据包. 
  • Android相对布局属性全集 dcj3sjt126com android
    RelativeLayout布局android:layout_marginTop="25dip" //顶部距离android:gravity="left" //空间布局位置android:layout_marginLeft="15dip //距离左边距 // 相对于给定ID控件android:layout_above 将该控件的底部置于给定ID的
  • Tomcat内存设置详解 eksliang jvmtomcattomcat内存设置
    Java内存溢出详解   一、常见的Java内存溢出有以下三种：   1. java.lang.OutOfMemoryError: Java heap space ----JVM Heap（堆）溢出JVM在启动的时候会自动设置JVM Heap的值，其初始空间(即-Xms)是物理内存的1/64，最大空间(-Xmx)不可超过物理内存。 可以利用JVM提
  • Java6 JVM参数选项 greatwqs javaHotSpotjvmjvm参数JVM Options
    Java 6 JVM参数选项大全（中文版）   作者：Ken Wu Email: [email protected] 转载本文档请注明原文链接 http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm！   本文是基于最新的SUN官方文档Java SE 6 Hotspot VM Opt
  • weblogic创建JMC i5land weblogicjms
    进入 weblogic控制太 1.创建持久化存储 --Services--Persistant Stores--new--Create FileStores--name随便起--target默认--Directory写入在本机建立的文件夹的路径--ok 2.创建JMS服务器 --Services--Messaging--JMS Servers--new--name随便起--Pers
  • 基于 DHT 网络的磁力链接和BT种子的搜索引擎架构 justjavac DHT
    上周开发了一个磁力链接和 BT 种子的搜索引擎 {Magnet & Torrent}，本文简单介绍一下主要的系统功能和用到的技术。 系统包括几个独立的部分： 使用 Python 的 Scrapy 框架开发的网络爬虫，用来爬取磁力链接和种子； 使用 PHP CI 框架开发的简易网站； 搜索引擎目前直接使用的 MySQL，将来可以考虑使
  • sql添加、删除表中的列 macroli sql
    添加没有默认值：alter table Test add BazaarType char(1) 有默认值的添加列：alter table Test add BazaarType char(1) default(0) 删除没有默认值的列：alter table Test drop COLUMN BazaarType 删除有默认值的列：先删除约束（默认值）alter table Test DRO
  • PHP中二维数组的排序方法 abc123456789cba 排序二维数组PHP
    <?php/*** @package     BugFree* @version     $Id: FunctionsMain.inc.php,v 1.32 2005/09/24 11:38:37 wwccss Exp $*** Sort an two-dimension array by some level
  • hive优化之------控制hive任务中的map数和reduce数 superlxw1234 hivehive优化
    一、    控制hive任务中的map数: 1.    通常情况下，作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有： input的文件总个数，input的文件大小，集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到，该参数不能自定义修改)；2. 
  • Spring Boot 1.2.4 发布 wiselyman spring boot
    Spring Boot 1.2.4已于6.4日发布，repo.spring.io and Maven Central可以下载(推荐使用maven或者gradle构建下载)。   这是一个维护版本，包含了一些修复small number of fixes,建议所有的用户升级。   Spring Boot 1.3的第一个里程碑版本将在几天后发布，包含许多
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他