- 【北上广深杭大厂AI算法面试题】人工智能大模型篇...矩阵乘法GEMM!以及为什么说GEMM是深度学习的核心?
不想努力的小土博
机器学习基础算法优质笔记2人工智能算法矩阵深度学习线性代数
【北上广深杭大厂AI算法面试题】人工智能大模型篇…矩阵乘法GEMM!以及为什么说GEMM是深度学习的核心?【北上广深杭大厂AI算法面试题】人工智能大模型篇…矩阵乘法GEMM!以及为什么说GEMM是深度学习的核心?文章目录【北上广深杭大厂AI算法面试题】人工智能大模型篇...矩阵乘法GEMM!以及为什么说GEMM是深度学习的核心?前言DeepGEMM的亮点DeepGEMM的应用GEMM在深度学习中的
- NumPy-@运算符详解
GG不是gg
numpynumpy
NumPy-@运算符详解一、@运算符的起源与设计目标1.从数学到代码:符号的统一2.设计目标二、@运算符的核心语法与运算规则1.基础用法:二维矩阵乘法2.一维向量的矩阵语义3.高维数组:批次矩阵运算4.广播机制:灵活的形状匹配三、@运算符与其他乘法方式的核心区别1.对比`np.dot()`2.对比元素级乘法`*`3.对比`np.matrix`的`*`运算符四、典型应用场景:从基础到高阶1.深度学习
- GNN--知识图谱(逐步贯通基础到项目实践)
峙峙峙
图神经网络知识图谱人工智能
原文仓库链接:知识图谱–贯通已有知识地图记录知识关系图谱和跨学科碰撞新启发知识图谱mermaid可能需要下载插件才能渲染线性代数神经网络深度学习框架硬件加速图论GNN框架交叉理解前向理解定义:前向理解:A–>B,A为B的基础铺垫知识,通过深入学习A对B有更好的理解01.LinearAlgebraforLinearLayerofNN从线性代数行列变换的角度看神经网络中的线性层线性代数矩阵乘法,可以理
- 机器学习的数学基础-线性代数
本文用于复习并记录机器学习中的相关数学基础,仅供学习参考。很多总结和例子来源于mml项目(mml-book.github.io)十分感谢这本书的作者,PS:这本书目前没有中文版。线性代数线性方程组矩阵矩阵的加法与乘法矩阵加法矩阵乘法单位矩阵与标量相乘逆与转置逆转置解决线性方程组特解与通解高斯消元法初级变换应用:“-1”trick应用:求逆总结-如何解决线性方程组?向量空间群向量空间向量子空间线性独
- 什么是深度学习框架中的计算图?
杰瑞学AI
ComputerknowledgeNLP/LLMsAI/AGI深度学习人工智能pytorch
在深度学习框架中,计算图是核心的数据结构和抽象概念,它用来表示和定义深度学习模型的计算过程。我们可以把它想象成一个描述数学运算如何组合和执行的有向图。以下是计算图的关键要素和作用:节点:代表操作或变量。操作:数学运算,如加法(+)、乘法(*)、矩阵乘法(matmul)、激活函数(ReLU,sigmoid)、卷积(conv2d)、损失函数(cross_entropy)等。变量:通常是张量,即存储数据
- NumPy-核心函数np.matmul()深入解析
GG不是gg
numpynumpy
NumPy-核心函数np.matmul深入解析一、矩阵乘法的本质与`np.matmul()`的设计目标1.数学定义:从二维到多维的扩展2.设计目标二、`np.matmul()`核心语法与参数解析函数签名核心特性三、多维场景下的核心运算逻辑1.二维矩阵乘法:基础用法2.一维向量与二维矩阵相乘3.高维数组:批次矩阵乘法4.广播机制下的形状匹配四、与`np.dot()`和`*`运算符的核心区别1.对比`
- 数据处理与统计分析——03-Numpy的np.dot()方法&点积与矩阵乘法
零光速
数据分析numpy矩阵python开发语言数据结构
np.dot()np.dot()在NumPy中既可以用于向量的点积,也可以用于矩阵乘法,这两种运算的本质不同,取决于输入是向量还是矩阵。1.点积(DotProduct)定义当np.dot()的输入是两个一维向量时,计算的是点积,即两个向量的对应元素相乘并求和,结果是一个标量。公式对于两个n维向量a=[a1,a2,…,an]和b=[b1,b2,…,bn]点积的计算公式为:a⋅b=a1*b1+a2*b
- 从零实现Llama3:深入解析Transformer架构与实现细节
祁婉菲Flora
从零实现Llama3:深入解析Transformer架构与实现细节llama3-from-scratchllama3一次实现一个矩阵乘法。项目地址:https://gitcode.com/gh_mirrors/ll/llama3-from-scratch引言本文将深入探讨如何从零开始实现Llama3语言模型。我们将从最基本的张量操作开始,逐步构建完整的Transformer架构。通过这个过程,读者
- pytorch小记(二十六):全面解读 PyTorch 的 `torch.matmul`
pytorch小记(二十六):全面解读PyTorch的`torch.matmul`PyTorch中的`torch.matmul`详解与使用指南一、什么是`torch.matmul`二、基本用法示例1.向量点积(1-D×1-D)2.二维矩阵乘法(2-D×2-D)3.批量矩阵乘法(≥3-D)4.向量与矩阵混合三、与`mm`、`bmm`的区别四、性能与数值稳定性五、典型应用场景六、注意事项七、总结在深度
- 从 O(n³) 到按需计算:Swift 玩转稀疏矩阵乘法
网罗开发
Swiftswift矩阵开发语言
文章目录摘要描述解题思路代码实现(Swift)分析这个代码是怎么做的?示例测试与输出结果时间复杂度空间复杂度总结摘要在大多数算法题里,矩阵乘法都不算太陌生了。但一旦题目提示“稀疏矩阵”——也就是大部分值都是0的那种,这就提示我们:有优化空间。这篇文章就用Swift带大家一步步搞懂怎么写一个更高效的稀疏矩阵乘法逻辑,顺便聊聊背后的思路。描述我们手上有两个矩阵,A和B,想把它们乘起来。和普通乘法不同的
- 【分治算法】【Python实现】Strassen矩阵乘法
「已注销」
#分治算法分治算法Python
文章目录@[toc]问题描述基础算法时间复杂性Strassen算法时间复杂性问题时间复杂性Python实现个人主页:丷从心·系列专栏:分治算法学习指南:算法学习指南问题描述设AAA和BBB是两个n×nn\timesnn×n矩阵,AAA和BBB的乘积矩阵CCC中元素cij=∑k=1naikbkjc_{ij}=\displaystyle\sum\limits_{k=1}^{n}{a_{ik}b_{kj
- 【算法设计与分析】(四)Strassen 矩阵
珹洺
#算法设计与分析算法矩阵线性代数
【算法设计与分析】(四)Strassen矩阵前言一、传统矩阵乘法二、Strassen矩阵乘法1.算法步骤2.效率提升三、实际应用场景四、算法的局限性与改进前言上一篇博客我们以生动形象的例子和清晰的步骤,为大家详细讲解了二分搜索技术与大整数乘法。接下来,这篇博客将带大家深入探索**Strassen矩阵**乘法,感受算法优化魅力。我的个人主页,欢迎来阅读我的其他文章https://blog.csdn.
- 多头注意力机制中全连接函数
不知更鸟
深度学习
在神经网络(特别是Transformer中的多头注意力机制)中,全连接函数(FullyConnectedLayer,FCLayer)通常指的是一个线性变换层,即nn.Linear在PyTorch中的实现。它本质上是一个矩阵乘法加上偏置(bias)的操作,用于对输入数据进行线性变换。1.全连接函数(nn.Linear)是什么?nn.Linear(d_model,d_model)表示一个全连接层,它的
- GNU Octave 基础教程(8):GNU Octave 常用数学函数
方博士AI机器人
GNUOctave基础教程机器学习算法人工智能
目录一、基本算术运二、初等数学函数三、三角函数与反三角函数四、统计函数五、复数与其他函数✅小结下一讲预告GNUOctave内置了大量数学函数,涵盖初等数学、线性代数、复数运算、统计函数等,非常适合科研、工程计算使用。本节将系统地梳理Octave中最常用的数学函数,并附上示例代码与输出结果。一、基本算术运运算符号/函数示例加法+a+b减法-a-b乘法*/.*A*B(矩阵乘法),A.*B(逐元素)除法
- 数学基础(线性代数、概率统计、微积分)缺乏导致概念难以理解问题大全
猫头虎技术团队
已解决的Bug专栏线性代数opencv数据挖掘语音识别计算机视觉人工智能机器学习
数学基础(线性代数、概率统计、微积分)缺乏导致概念难以理解问题大全机器学习/深度学习的核心算法背后,往往需要用到矩阵运算、特征向量、梯度下降等;如果连矩阵乘法、特征值、偏导数都没搞懂,就很难理解模型原理。摘要文章目录数学基础(线性代数、概率统计、微积分)缺乏导致概念难以理解问题大全摘要1.开发场景介绍1.1场景背景1.2技术细节2.开发环境3.问题分析3.1线性代数缺失带来的挑战3.2概率统计短板
- C语言实现4x4矩阵乘法的详细教程
Kimgoeunlaogong
本文还有配套的精品资源,点击获取简介:矩阵乘法是线性代数的基本操作,在计算机科学的多个领域中有广泛应用。本文详细解释了如何用C语言编写程序来实现两个4x4矩阵的乘法。我们将探讨矩阵乘法的数学原理,并通过C语言的二维数组和嵌套循环来编写代码。该程序将为学习线性代数和C语言编程提供一个实践案例。1.矩阵乘法的数学原理矩阵乘法不仅在线性代数中占据着重要地位,也是计算机科学中不可或缺的一部分。了解矩阵乘法
- MIT线性代数第三讲笔记
可耳(keer)
线性代数笔记
视频链接https://www.youtube.com/watch?v=FX4C-JpTFgY3.1矩阵乘法以A∗B=CA*B=CA∗B=C为例,其中矩阵A是m∗nm*nm∗n,矩阵B是n∗pn*pn∗p,矩阵C则是m∗pm*pm∗p单个元素求矩阵C中的每一个元素,公式如下:cij=∑k=1naik∗bkjc_{ij}=\sum_{k=1}^na_{ik}*b_{kj}cij=k=1∑naik∗b
- CUDA核函数优化进阶:利用Shared Memory实现矩阵计算10倍加速
AI咸鱼保护协会
人工智能深度学习AI矩阵CUDA
在NVIDIAA100上优化1024×1024矩阵乘法时,共享内存策略将计算速度从3.2TFLOPS提升至31.5TFLOPS——本文将揭示如何通过内存访问优化突破GPU计算瓶颈。一、GlobalMemory的致命瓶颈1.1显存访问代价分析以矩阵乘法$C=A\timesB$为例,计算每个$C_{ij}$需访问A的一行和B的一列:GlobalMemory延迟:约400-800周期计算指令延迟:仅20
- 【AI大模型】14、Transformer架构深度解析:从并行计算到千亿参数模型的扩展密码
无心水
AI大模型人工智能transformer架构AI大模型Transformer模型扩展特征工程自动化特征工程
一、Transformer的基因密码:并行化架构的革命性突破(一)序列计算的历史性突破在Transformer诞生之前,RNN/LSTM等序列模型受困于串行计算的天然缺陷:时间复杂度瓶颈:处理长度为N的序列需O(N)时间,且无法并行,导致训练速度随序列长度呈线性下降。例如,LSTM处理512长度文本需512次递归计算,而Transformer仅需一次矩阵乘法。长距离依赖困境:通过隐藏状态传递信息的
- 算法导论第四章:分治策略的艺术与科学
W说编程
算法导论数据结构与算法算法数据结构c语言性能优化
算法导论第四章:分治策略的艺术与科学本文是《算法导论》精讲专栏第四章,通过问题分解可视化、递归树分析和数学证明,结合完整C语言实现,深入解析分治策略的精髓。包含最大子数组、矩阵乘法、最近点对等经典问题的完整实现与优化技巧。1.分治策略:化繁为简的智慧1.1分治法核心思想原问题分解子问题1子问题2子问题n解决合并最终解分治三步曲:分解:将问题划分为规模更小的子问题解决:递归解决子问题(基线条件直接求
- 机器学习四剑客:Numpy、Pandas、PIL、Matplotlib 完全指南
摘取一颗天上星️
机器学习numpypandas
在机器学习领域,这四个Python库构成了数据处理和可视化的核心工具链。它们各司其职又紧密协作,形成了完整的数据处理流水线:1.Numpy:科学计算基石核心功能:多维数组操作与数值计算importnumpyasnp#创建数组arr=np.array([[1,2,3],[4,5,6]])#数学运算sines=np.sin(arr)#每个元素求正弦
[email protected]#矩阵乘法#高级索引s
- 拉力测试cuda pytorch 把 4070显卡拉满
MYH516
pytorch人工智能python
importtorchimporttimedefstress_test_gpu(matrix_size=16384,duration=300):"""对GPU进行压力测试,通过持续的矩阵乘法来最大化GPU利用率参数:matrix_size:矩阵维度大小,增大可提高计算复杂度duration:测试持续时间(秒)"""#检查CUDA是否可用ifnottorch.cuda.is_available():
- 矩阵乘法--Python
bj3281
矩阵pythonjava
矩阵乘法一、问题引入二、解题步骤1.思维导图2.解题步骤三、代码实现四、个人小结一、问题引入输入格式:第一行为n,m,k,表示A矩阵是n行m列,B矩阵是m行k列,n,m,k均小于20然后先后输入A和B两个矩阵,A矩阵n行m列,B矩阵m行k列,矩阵中每个元素的绝对值不会大于5000。输出格式:输出矩阵C,一共n行,每行k个整数,整数之间以一个空格分开。输入样例:在这里给出一组输入。例如:323111
- TPU结构总结
枫溪夜影
人工智能
TPU只完成推理过程,训练过程在GPU上完成。TPU可以像GPU一样通过PCIe总线接口挂载到现有的服务器上。设计目标是为了在TPU上完成所有的推理模型,从而减少和主机CPU的交互,进而满足2015年及今后的神经网络需求。下图是TPU的整体结构框图。主机通过PCIeGen3x16的总线发送TPU的指令到其中的指令buffer内,内部模块之间通过典型的256位宽通路连接。右上角的矩阵乘法单元是TPU
- MIT线性代数笔记03-矩阵乘法和逆矩阵
loneux
线性代数矩阵机器学习
LinearAlgebra-Lecture03矩阵乘法和逆矩阵GilbertStrang矩阵乘法对于矩阵乘法AB=C\bold{AB=C}AB=C主要有5种方法可用于计算:【前提条件】:A,B\bold{A},\bold{B}A,B两个矩阵行列要匹配,A\bold{A}A的列数要等于B\bold{B}B的行数。[a11a12⋯a1na21a22⋯a2n⋮⋮⋱⋮am1am2⋯amn][b11b12⋯
- 线性代数学习笔记3-2:矩阵乘法的理解
Insomnia_X
线性代数学习笔记线性代数矩阵学习
矩阵向量乘法计算矩阵乘法,有多种理解方式矩阵与向量的乘法,可以理解为矩阵各个列向量的线性组合[abcd][xy]=[ax+bycx+dy]=x[ac]+y[bd]\begin{bmatrix}a&b\\c&d\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix}=\begin{bmatrix}ax+by\\cx+dy\end{bmatrix}=x\begin{b
- 【PyTorch】CUDA基础知识
沐兮Krystal
NLPpytorch深度学习python
为了追求更快的速度,机器学习研究人员开始利用一些计算机中的特殊硬件。这些硬件原本是用来提升图形处理性能的,叫做显卡。NVIDIACUDA显卡中包含一个GPU,它能够以高度并行化的方式实现矩阵乘法。在很长一段时间,英伟达(NVIDIA)的GPU市场份额一直保持领先。他们有一套成熟的软件工具,可以充分利用硬件加速。这套软件框架就是CUDA。MVIDIA的竞争对手是AMD。在Python中使用CUDA创
- GPU深度学习性能的三驾马车:Tensor Core、内存带宽与内存层次结构
m0_70960708
笔记深度学习人工智能
这篇文章可以帮助我们了解GPU对深度学习性能的多个影响因素,从而帮助我们评估、选用GPU。本文将按照GPU各组件的重要程度顺序来进行介绍。TensorCore(张量计算核心)是最重要的因素,其次是GPU的内存带宽和缓存层次结构,最后是GPU的FLOPS。目录01TensorCore(张量计算核心)1.1在没有张量计算核心的情况下进行矩阵乘法运算1.2使用张量计算核心进行矩阵乘法运算1.3使用张量计
- 爆肝优化!FlashAttention-2性能飙升实战:从原理解析到PyTorch 2.2深度优化(附代码与Benchmark)
游戏人生的NPC
PyTorch2.2深度学习进阶pytorch人工智能python
一、引言:Transformer时代的注意力性能革命1.1传统注意力机制的性能瓶颈在大模型训练中,标准Transformer注意力面临三大痛点:内存爆炸:序列长度L=4096时,注意力内存占用达O(L²),A100显存仅能支持批量大小16计算低效:矩阵乘法占比超70%,GPU显存带宽利用率不足30%扩展性差:长序列场景下训练速度呈指数级下降,某千亿模型训练耗时超100天1.2FlashAttent
- 优化异构计算平台:hStreams框架的深度解析
你好像一条狗啊
异构计算hStreams框架流并发矩阵乘法性能优化
优化异构计算平台:hStreams框架的深度解析背景简介在异构计算领域,如何合理地分配和管理计算资源以优化性能是一个关键问题。本章节通过介绍hStreams框架,深入探讨了在异构计算平台中如何通过控制流并发和资源分配来提升矩阵乘法等计算任务的效率。异构计算与流并发异构计算通常涉及多种类型的处理器和加速器,如CPU和协处理器。通过合理配置这些资源,可以在不同的计算域中实现更高的并发性。在hStrea
- Java实现的简单双向Map,支持重复Value
superlxw1234
java双向map
关键字:Java双向Map、DualHashBidiMap
有个需求,需要根据即时修改Map结构中的Value值,比如,将Map中所有value=V1的记录改成value=V2,key保持不变。
数据量比较大,遍历Map性能太差,这就需要根据Value先找到Key,然后去修改。
即:既要根据Key找Value,又要根据Value
- PL/SQL触发器基础及例子
百合不是茶
oracle数据库触发器PL/SQL编程
触发器的简介;
触发器的定义就是说某个条件成立的时候,触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用,也不能调用。触发器和过程函数类似 过程函数必须要调用,
一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行,
触发时间:指明触发器何时执行,该值可取:
before:表示在数据库动作之前触发
- [时空与探索]穿越时空的一些问题
comsci
问题
我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....
这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
- easy ui datagrid上移下移一行
商人shang
js上移下移easyuidatagrid
/**
* 向上移动一行
*
* @param dg
* @param row
*/
function moveupRow(dg, row) {
var datagrid = $(dg);
var index = datagrid.datagrid("getRowIndex", row);
if (isFirstRow(dg, row)) {
- Java反射
oloz
反射
本人菜鸟,今天恰好有时间,写写博客,总结复习一下java反射方面的知识,欢迎大家探讨交流学习指教
首先看看java中的Class
package demo;
public class ClassTest {
/*先了解java中的Class*/
public static void main(String[] args) {
//任何一个类都
- springMVC 使用JSR-303 Validation验证
杨白白
springmvc
JSR-303是一个数据验证的规范,但是spring并没有对其进行实现,Hibernate Validator是实现了这一规范的,通过此这个实现来讲SpringMVC对JSR-303的支持。
JSR-303的校验是基于注解的,首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。
登录需要验证类
public class Login {
@NotEmpty
- log4j
香水浓
log4j
log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE
#log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML
#console
log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender
log4
- 使用ajax和history.pushState无刷新改变页面URL
agevs
jquery框架Ajaxhtml5chrome
表现
如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时,细心的你会发现页面之间的点击是通过ajax异步请求的,同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。
是什么有这么强大的功能呢?
HTML5里引用了新的API,history.pushState和history.replaceState,就是通过
- centos中文乱码
AILIKES
centosOSssh
一、CentOS系统访问 g.cn ,发现中文乱码。
于是用以前的方式:yum -y install fonts-chinese
CentOS系统安装后,还是不能显示中文字体。我使用 gedit 编辑源码,其中文注释也为乱码。
后来,终于找到以下方法可以解决,需要两个中文支持的包:
fonts-chinese-3.02-12.
- 触发器
baalwolf
触发器
触发器(trigger):监视某种情况,并触发某种操作。
触发器创建语法四要素:1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete)
语法:
create trigger triggerName
after/before 
- JS正则表达式的i m g
bijian1013
JavaScript正则表达式
g:表示全局(global)模式,即模式将被应用于所有字符串,而非在发现第一个匹配项时立即停止。 i:表示不区分大小写(case-insensitive)模式,即在确定匹配项时忽略模式与字符串的大小写。 m:表示
- HTML5模式和Hashbang模式
bijian1013
JavaScriptAngularJSHashbang模式HTML5模式
我们可以用$locationProvider来配置$location服务(可以采用注入的方式,就像AngularJS中其他所有东西一样)。这里provider的两个参数很有意思,介绍如下。
html5Mode
一个布尔值,标识$location服务是否运行在HTML5模式下。
ha
- [Maven学习笔记六]Maven生命周期
bit1129
maven
从mvn test的输出开始说起
当我们在user-core中执行mvn test时,执行的输出如下:
/software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
- 【Hadoop七】基于Yarn的Hadoop Map Reduce容错
bit1129
hadoop
运行于Yarn的Map Reduce作业,可能发生失败的点包括
Task Failure
Application Master Failure
Node Manager Failure
Resource Manager Failure
1. Task Failure
任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
- 记一次数据推送的异常解决端口解决
ronin47
记一次数据推送的异常解决
需求:从db获取数据然后推送到B
程序开发完成,上jboss,刚开始报了很多错,逐一解决,可最后显示连接不到数据库。机房的同事说可以ping 通。
自已画了个图,逐一排除,把linux 防火墙 和 setenforce 设置最低。
service iptables stop
- 巧用视错觉-UI更有趣
brotherlamp
UIui视频ui教程ui自学ui资料
我们每个人在生活中都曾感受过视错觉(optical illusion)的魅力。
视错觉现象是双眼跟我们开的一个玩笑,而我们往往还心甘情愿地接受我们看到的假象。其实不止如此,视觉错现象的背后还有一个重要的科学原理——格式塔原理。
格式塔原理解释了人们如何以视觉方式感觉物体,以及图像的结构,视角,大小等要素是如何影响我们的视觉的。
在下面这篇文章中,我们首先会简单介绍一下格式塔原理中的基本概念,
- 线段树-poj1177-N个矩形求边长(离散化+扫描线)
bylijinnan
数据结构算法线段树
package com.ljn.base;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Set;
import java.util.TreeSet;
/**
* POJ 1177 (线段树+离散化+扫描线),题目链接为http://poj.org/problem?id=1177
- HTTP协议详解
chicony
http协议
引言
- Scala设计模式
chenchao051
设计模式scala
Scala设计模式
我的话: 在国外网站上看到一篇文章,里面详细描述了很多设计模式,并且用Java及Scala两种语言描述,清晰的让我们看到各种常规的设计模式,在Scala中是如何在语言特性层面直接支持的。基于文章很nice,我利用今天的空闲时间将其翻译,希望大家能一起学习,讨论。翻译
- 安装mysql
daizj
mysql安装
安装mysql
(1)删除linux上已经安装的mysql相关库信息。rpm -e xxxxxxx --nodeps (强制删除)
执行命令rpm -qa |grep mysql 检查是否删除干净
(2)执行命令 rpm -i MySQL-server-5.5.31-2.el
- HTTP状态码大全
dcj3sjt126com
http状态码
完整的 HTTP 1.1规范说明书来自于RFC 2616,你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性,因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端,支持协议版本可以通过调用request
- asihttprequest上传图片
dcj3sjt126com
ASIHTTPRequest
NSURL *url =@"yourURL";
ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url];
[currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
- C语言中,关键字static的作用
e200702084
C++cC#
在C语言中,关键字static有三个明显的作用:
1)在函数体,局部的static变量。生存期为程序的整个生命周期,(它存活多长时间);作用域却在函数体内(它在什么地方能被访问(空间))。
一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区,函数调用结束后并不释放单元,但是在其它的作用域的无法访问。当再次调用这个函数时,这个局部的静态变量还存活,而且用在它的访
- win7/8使用curl
geeksun
win7
1. WIN7/8下要使用curl,需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址:
http://curl.haxx.se/download.html 请选择不带SSL的版本,否则还需要安装SSL的支持包 2. 可以给Windows增加c
- Creating a Shared Repository; Users Sharing The Repository
hongtoushizi
git
转载自:
http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section:
git init –bare
git clone
git remote
git pull
git p
- Java实现字符串反转的8种或9种方法
Josh_Persistence
异或反转递归反转二分交换反转java字符串反转栈反转
注:对于第7种使用异或的方式来实现字符串的反转,如果不太看得明白的,可以参照另一篇博客:
http://josh-persistence.iteye.com/blog/2205768
/**
*
*/
package com.wsheng.aggregator.algorithm.string;
import java.util.Stack;
/**
- 代码实现任意容量倒水问题
home198979
PHP算法倒水
形象化设计模式实战 HELLO!架构 redis命令源码解析
倒水问题:有两个杯子,一个A升,一个B升,水有无限多,现要求利用这两杯子装C
- Druid datasource
zhb8015
druid
推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证,稳定可靠。 它最重要的特点是:监控、扩展和性能。 下载和Maven配置看这里: http
- 两种启动监听器ApplicationListener和ServletContextListener
spjich
javaspring框架
引言:有时候需要在项目初始化的时候进行一系列工作,比如初始化一个线程池,初始化配置文件,初始化缓存等等,这时候就需要用到启动监听器,下面分别介绍一下两种常用的项目启动监听器
ServletContextListener
特点: 依赖于sevlet容器,需要配置web.xml
使用方法:
public class StartListener implements
- JavaScript Rounding Methods of the Math object
何不笑
JavaScriptMath
The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(), Math.floor(), and Math.round() — handle rounding in differen