cv_family_z
cv_family_z

CompCars模型测试

resize image to 256*256

for file in data/CompCars/test/*.jpg; do convert $file -resize 256x256\! $file; done

生成lmdb文件和均值文件
最好用gedit打开编译，否则可能出项file not found,command not found之类的错误
./create_imagenet.sh
./make_imagenet_mean.sh

性能测试命令
./build/tools/caffe.bin test -model=examples/CompCars/train_val_googlenet.prototxt
-weights=examples/CompCars/googlenet_finetune_web_car_iter_10000.caffemodel -gpu=0

单张图片测试命令
相对路径
./build/examples/cpp_classification/classification.bin examples/CompCars/deploy_cars.prototxt examples/CompCars/googlenet_finetune_web_car_iter_10000.caffemodel data/CompCars/imagenet_mean_comp.binaryproto data/CompCars/synset_words.txt examples/images/4_509.jpg
绝对路径
/home/xxx/caffe-master/build/examples/cpp_classification/classification.bin /home/xxx/caffe-master/examples/CompCars/deploy_cars.prototxt /home/spgz/caffe-master/examples/CompCars/kitlien/googlenet_finetune_web_car_kit1222_iter_10000.caffemodel /home/xxx/caffe-master/data/CompCars/imagenet_mean_comp.binaryproto /home/xxx/caffe-master/data/CompCars/synset_words.txt /home/xxx/caffe-master/examples/images/Mazda.jpg

1.deploy文件需要根据train_val_googlenet.prototxt修改
2.imagenet_mean_comp.binaryproto data使用的是imagenet自带的
3.synset_words.txt为映射文件

微调网络命令
./build/tools/caffe train -solver examples/CompCars/solver_googlenet.prototxt -weights examples/CompCars/kitlien/google
net_finetune_web_car_iter_10000.caffemodel -gpu 0

/home/xxx/caffe-master/build/tools/caffe train -solver /home/xxx/caffe-master/examples/CompCars/solver_googlenet.prototxt -weights /home/xxx/caffe-master/examples/CompCars/kitlien/googlenet_finetune_web_car_iter_10000.caffemodel -gpu 0

错误原因

1.图像未归一化到256*256，会在make_imagenet_mean时出现如下错误
F0105 10:48:02.025462 4031 compute_image_mean.cpp:76] Check failed: size_in_datum == data_size (217800 vs. 187500) Incorrect data field size 217800

你可能感兴趣的:(CompCars模型测试)

  • 【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
  • 深度学习模型开发部署全流程：以YOLOv11目标检测任务为例 你喜欢喝可乐吗？ deeplearningdeploy深度学习YOLO目标检测
    深度学习模型开发部署全流程：以YOLOv11目标检测任务为例深度学习模型从开发到部署的完整流程包含需求分析、数据准备、模型训练、模型优化、模型测试和部署运行六大核心环节。YOLOv11作为新一代目标检测模型，不仅延续了YOLO系列的高效实时性能，还在检测精度和泛化能力上取得显著突破，使其成为工业质检、安防监控、自动驾驶等领域的理想选择。本文将详细阐述这一完整流程，并结合YOLOv11的具体实现，提
  • LLaMA 学习笔记 AI算法网奇 深度学习基础人工智能深度学习
    目录LLaMA模型结构：模型微调手册：推理示例：指定位置加载模型测试ok：模型下载：llama-stack下载modelscope下载LLaMA优化技术RMSNormSwiGLU激活函数旋转位置编码（RoPE）LLaMA模型结构：llama3结构详解-CSDN博客模型微调手册：大模型微调LLaMA详细指南（准备环境、数据、配置微调参数+微调过程）_llama微调-CSDN博客显存占用：FP16/B
  • Django ORM 2. 模型（Model）操作 博观而约取 djangopython后端
    1.数据准备本文后续所有ORM操作将通过提供通用的测试数据进行演示：定义6个模型（覆盖字段类型、关系类型、查询、聚合、注解等场景）关于创建模型请参考上一节：DjangoORM1.创建模型（Model）使用Django离线脚本批量生成各模型测试数据模型定义在测试app(假如app名为web)下的models.py（web/models.py）中添加如下6个模型：fromdjango.dbimport
  • 使用Python进行大模型的测试与部署 AI技术老狗（QA） python开发语言大模型测试部署
    随着人工智能技术的飞速发展，大规模模型在各行各业的应用日益广泛。然而，如何有效测试这些模型以确保其稳定性和准确性，成为测试人员的们面临的一大挑战。本文将详细介绍在Python环境下，如何测试大模型，并探讨其部署策略。一、理解大模型测试的重要性大模型由于参数众多、计算复杂度高，其测试过程比传统机器学习模型更为复杂。有效的测试能够：验证模型在不同场景下的表现。识别潜在的过拟合或欠拟合问题。确保模型在生
  • caffe之利用mnist数据集训练好的lenet_iter_10000.caffemodel模型测试一张自己的手写体数字 xunan003 深度学习caffe
    一、前沿写这篇博文，是因为一开始在做《21天学习caffe》第6天6.4练习题1的时候看着自己搜索的博文，在不理解其根本的情况下做的，结果显然是错的。在接下来阅读完源代码之后，在第10天学习完caffemodelzoo之后，明白了其中原理，反过来再去做那个习题，一开始在网上搜索并没有完完整整解释整个过程的一篇博文，而是写的不知所云，本着我们初学者互相共享的精神，也方便自己查阅，特详细写一下，将自己
  • 视觉模型部署实践：低算力平台RV1106上高效部署paddlepaddle 的PicoDet目标检测模型的技术实践 位东风 视觉模型部署实践paddlepaddle目标检测人工智能iot物联网嵌入式硬件
    在资源受限的嵌入式设备上实现高精度、低延迟的目标检测，是当前智能摄像头、边缘计算等应用中的关键挑战。本文以Rockchip的RV1106嵌入式平台为例，结合百度开源的轻量级检测模型PicoDet，探讨如何通过模型优化与硬件加速，在有限的计算资源下实现高效的实时目标检测。目前该模型测试可以达到25fps左右一、背景介绍1.1RV1106硬件特性主频：1.2GHzArmCortex-A55CPU内存：
  • 软件工程领域AI大模型自动化测试的模型评估 软件工程实践 软件工程最佳实践AI软件构建大数据系统架构软件工程人工智能ai
    软件工程领域AI大模型自动化测试的模型评估关键词：AI大模型、自动化测试、模型评估、软件工程、测试覆盖率、性能指标、质量保证摘要：本文深入探讨了在软件工程领域中，如何对AI大模型进行自动化测试的模型评估。我们将从核心概念出发，详细分析评估指标、测试方法、数学模型以及实际应用场景，并提供完整的代码实现和工具推荐。文章旨在为软件工程师和质量保证专家提供一套系统化的AI大模型测试评估框架，帮助他们在实际
  • 无人机多旋翼倾转动力测试系统-适用于（eVTOL开发、缩比模型测试、科研教育） 灵翼飞航科技有限公司 无人机
    在倾转旋翼无人机、垂直起降（VTOL）及混合动力飞行器的研发中，动力系统在垂直-水平模式切换时的动态性能至关重要。LY-QZ-F4多旋翼倾转动力测试系统是全球首款专为倾转四旋翼设计的多自由度动力测试平台，融合高精度传感、动态倾转模拟与智能工况分析，为下一代eVTOL技术提供全维度验证工具。核心功能全姿态高精度动态测试六维力/力矩测量：采用航空级应变传感器（精度±0.1%FS），同步捕获推力、扭矩、
  • 软件设计师考试《综合知识》软件过程模型考点分析——求三连 软考真题app 软考-软件设计师软考软件设计师
    软件设计师考试《综合知识》软件过程模型考点分析（2019-2023年）1.分值占比与考察趋势（75分制）年份题量分值占总分比例核心考点2023222.67%敏捷开发vs瀑布模型2022111.33%增量模型特点2021222.67%原型法适用场景+V模型测试对应2020111.33%螺旋模型风险分析2019222.67%喷泉模型+统一过程(RUP)关键结论：高频稳定：年均1.6题（1.8分），占比
  • 软考高级-架构设计师 【第二章 软件工程 2.1开发模型 2.2需求工程】基于B站的学习笔记 自传. 架构软件工程学习软考高级B站学习笔记
    第二章软件工程2.1开发模型2.1.1瀑布模型结构化方法，严格区分阶段，每个阶段因果关系紧密相连,责任划分清楚只适合需求明确的项目2.1.2原型模型迭代方法，适合需求不明确的项目原型模型两个阶段：原型开发阶段和目标软件开发阶段2.1.3V模型测试贯穿于始终，测试分阶段，测试计划提前需求分析->验收测试与系统测试；概要设计对应集成测试；详细设计对应单元测试；2.1.4迭代和增量2.1.5螺旋模型以快
  • TEXT2SQL工具vanna本地化安装和应用 wengad 大模型TEXT2SQL数据库语言模型人工智能
    TEXT2SQL工具vanna本地化安装和应用Vanna和Text2SQL环境安装和数据准备conda虚拟环境安装数据准备ollama环境准备ollama安装和运行ollama下载模型测试下API方式正常使用chromaDB的默认的embedding模型准备vanna脚本跑起来Vanna和Text2SQLTEXT2SQL即文本转SQL，是利用RAG和LLM来实现输入一段文本，系统自动生成SQL，甚
  • 计算机视觉、目标检测、视频分析的过去和未来：目标检测从入门到精通 ------ YOLOv8 到 多模态大模型处理视觉基础任务 shiter 人工智能系统解决方案与技术架构音视频目标检测YOLO
    文章大纲计算机视觉项目的关键步骤计算机视觉项目核心内容概述步骤1：确定项目目标步骤2：数据收集和数据标注步骤3：数据增强和拆分数据集步骤4：模型训练步骤5：模型评估和模型微调步骤6：模型测试步骤7：模型部署常见问题目标检测入门什么是目标检测目标检测算法的分类一阶段算法：YOLO算法的一般架构目标检测的重要概念：anchor锚框目标检测的重要概念：NMS非极大值抑制Transformer与DETR评
  • PyTorch生成式人工智能实战（3）——分类任务详解 盼小辉丶 人工智能pytorch分类
    PyTorch生成式人工智能实战（3）——分类任务详解0.前言1.使用PyTorch进行端到端的深度学习1.1PyTorch深度神经网络训练流程1.2数据预处理2.二分类2.1创建数据批次2.2模型构建与训练2.3模型测试3.多类别分类3.1验证集和提前停止3.2模型构建与训练小结系列链接0.前言在本节中，我们将介绍神经网络的基本概念，包括损失函数、激活函数、优化器和学习率，这些对于构建和训练深度
  • python系列&deep_study系列：Whisper OpenAI开源语音识别模型 坦笑&&life AI系列pythonwhisper语音识别
    WhisperOpenAI开源语音识别模型WhisperOpenAI开源语音识别模型介绍一、Whisper模型及配置Whisper参数评测数据模型测试表原始模型字错率测试表。微调[AIShell](https://openslr.magicdatatech.com/resources/33/)数据集后字错率测试表。未加速和加速后的推理速度测试表，使用GPU为GTX3090（24G）。经过处理的数据
  • 【算法】第二代遗传算法NSGA-II优化SVR超参数模型 傻傻虎虎 机器学习算法pythonNSGA-IISVRGA遗传算法回归模型
    第二代遗传算法NSGA-II优化SVR超参数模型一、NSGA-II介绍二、建模目的三、NSGA-II优化SVR超参数模型3.1超参数设置3.2导入数据集3.3模型搭建3.3.1定义自变量的类3.3.2初始化种群3.3.3进化3.3.4输出最优解集合四、模型测试一、NSGA-II介绍NSGA-II（Non-dominatedSortingGeneticAlgorithmII）是一种多目标优化算法，用
  • 基于文本的情感分析 李昊哲小课 大数据数据分析人工智能python数据分析机器学习自然语言处理
    基于文本的情感分析代码逻辑顺序说明数据加载与特征转换：首先加载积极和消极评论数据，并将其转换为特征集。这是情感分析的基础步骤，为后续的模型训练提供数据支持。数据集划分：将特征集划分为训练集和测试集。通常使用80%的数据作为训练集，20%的数据作为测试集，以评估模型的性能。模型训练：使用训练集训练朴素贝叶斯分类器。朴素贝叶斯是一种简单而有效的分类算法，适用于文本分类任务。模型测试：使用测试集评估分类
  • 相同的问题看看ChatGPT怎么说-怎么看LlaMa 4翻车一事？ 释迦呼呼 AI一千问chatgptllama人工智能深度学习机器学习算法
    LLaMA4翻车事件折射出当前大语言模型研发和评价过程中存在的诸多挑战和问题。以下是几点深入思考和分析：1.版本差异与测试偏差有报道指出，LLaMA4在一些排行榜中所展示的表现与公开发布的版本存在显著差异。也就是说，测试时使用的版本经过了特殊优化，从而可能在某些标准化测试中取得更高分数，但这并不代表模型在实际应用场景中的通用性和稳定性。这种“内部版本”与“公开版本”之间的差异引发了对模型测试公平性
  • 基于Pytorch+LSTM实现一元单步时间序列预测（保姆级教程） 赵赵赵的进阶之路 时间序列预测pytorchlstm
    目录模型搭建模型基础要点单元测试数据准备数据来源数据读取数据加载单元测试模型训练模型参数规范化训练步骤模型测试主程序训练结果相关技巧模型搭建模型基础图1RNN网络结构classLSTM(nn.Module):def__init__(self,input_size,hidden_size,num_layers,output_size,batch_size):super().__init__()sel
  • AI大模型测试用例生成平台 王根生 测试开发测试用例质量保障AI编程nlp测试管理软件测试
    AI测试用例生成平台项目背景技术栈业务描述项目展示项目重难点项目背景针对传统接口测试用例设计高度依赖人工经验、重复工作量大、覆盖场景有限等行业痛点，基于大语言模型技术实现接口测试用例智能生成系统。技术栈LangChain框架+GLM-4模型+PromptEngineering+Flask+Python+Bootstrap+jQuery业务描述用户在该平台上传Markdown形式的接口文档，点击生成
  • RK3568笔记六十八：Yolov11目标检测部署测试 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。看到yolov11出了，山水无移大佬测试通过，跟个风测试一下效果。使用的是正点原子的ATK-DLRK3568开发板。这里不训练自己的模型了，使用官方模型测试。一、环境搭建1、下载源码ultralytics/ultralytics:UltralyticsYOLO112、创建虚拟环境condacreate-nyolov11_envpython=3.83、激活con
  • pytorch 模型测试 小赖同学啊 人工智能pytorch人工智能python
    在使用PyTorch进行模型测试时，一般包含加载测试数据、加载训练好的模型、进行推理以及评估模型性能等步骤。以下为你详细介绍每个步骤及对应的代码示例。1.导入必要的库importtorchimporttorch.nnasnnimporttorchvisionimporttorchvision.transformsastransforms2.加载测试数据假设我们使用的是CIFAR-10数据集作为示例
  • 【自然语言处理|迁移学习-08】：中文语料完型填空 爱学习不掉头发 深度学习自然语言处理（NLP）自然语言处理迁移学习人工智能
    文章目录1中文语料完型填空任务介绍2数据集加载及处理3定义下游任务模型4模型训练5.模型测试1中文语料完型填空任务介绍任务介绍：完成中文语料完型填空完型填空是一个分类问题，[MASK]单词有21128种可能数据构建实现分析：使用迁移学习方式完成使用预训练模型bert模型提取文特征，后面添加全连接层和softmax进行单标签多分类2数据集加载及处理数据介绍：数据文件有三个train.csv，test
  • 标贝科技参编国内首个AIGC大模型功能测试标准 标贝科技 科技AIGC功能测试
    近日，由山东省人工智能协会、青岛市人工智能产业协会携手发布了国内首个针对生成式人工智能（AIGC）大模型测试的团体标准——《生成式人工智能（AIGC）大模型功能测试指标体系》。标贝科技作为行业领先的AI技术创新及大模型应用企业受邀参与了标准的编制。该标准的发布对于规范大模型的研发和应用具有重要意义，为人工智能产业的健康、快速发展注入了新的活力。AIGC大模型作为人工智能从专业智能走向通用智能的关键
  • 大肠杆菌数据集的不平衡多类分类 Python 背包客研究 不平衡学习分类python人工智能
    大肠杆菌数据集的不平衡多类分类关注博主学习更多内容关注vxGZH:多目标优化与学习Lab教程概述本教程分为五个部分；他们是：大肠杆菌数据集探索数据集模型测试和基线结果评估模型评估机器学习算法评估数据过采样对新数据进行预测大肠杆菌数据集在这个项目中，我们将使用一个标准的不平衡机器学习数据集，称为“大肠杆菌”数据集，也称为“蛋白质定位位点”数据集。该数据集描述了利用细胞定位位点的氨基酸序列对大肠杆菌蛋
  • 【大模型】大模型 CPU 推理之 llama.cpp szZack 大语言模型人工智能大模型人工智能llama.cpp
    【大模型】大模型CPU推理之llama.cppllama.cpp安装llama.cppMemory/DiskRequirementsQuantization测试推理下载模型测试参考llama.cpp描述Themaingoalofllama.cppistoenableLLMinferencewithminimalsetupandstate-of-the-artperformanceonawideva
  • 亦菲喊你来学机器学习（14） --贝叶斯算法 方世恩 机器学习算法人工智能pythonscikit-learn
    文章目录贝叶斯一、贝叶斯定理二、贝叶斯算法的核心概念三、贝叶斯算法的优点与局限优点：局限：四、构建模型训练模型测试模型总结贝叶斯贝叶斯算法（Bayesianalgorithm）是一种基于贝叶斯定理的机器学习方法，主要用于估计模型参数和进行概率推断。以下是对贝叶斯算法的详细解析：一、贝叶斯定理贝叶斯定理是概率论中的一个基本定理，它描述了条件概率之间的关系。该定理的数学表达式为：P(A∣B)=P(B)
  • 基于卷积神经网络模型的手写数字识别 Jc.MJ 课程设计Pythoncnn人工智能神经网络深度学习
    基于卷积神经网络模型的手写数字识别一.前言二.设计目的及任务描述2.1设计目的2.2设计任务三.神经网络模型3.1卷积神经网络模型方案3.2卷积神经网络模型训练过程3.3卷积神经网络模型测试四.程序设计一.前言手写数字识别要求利用MNIST数据集里的70000张手写体数字的图像，建立神经网络模型，进行0到9的分类，并能够对其他来源的图片进行识别，识别准确率大于97%。图片示例如下。图1-1mnis
  • 基于全连接神经网络模型的手写数字识别 Jc.MJ 课程设计Python神经网络人工智能深度学习
    基于全连接神经网络模型的手写数字识别一.前言二.设计目的及任务描述2.1设计目的2.2设计任务三.神经网络模型3.1全连接神经网络模型方案3.2全连接神经网络模型训练过程3.3全连接神经网络模型测试四.程序设计一.前言手写数字识别要求利用MNIST数据集里的70000张手写体数字的图像，建立神经网络模型，进行0到9的分类，并能够对其他来源的图片进行识别，识别准确率大于97%。图片示例如下。图1.1
  • 测试工程师需要准备哪些知识 我是一只蘑菇17 测试测试
    零基础测试工程师的必备技能概述测试基础理论软件测试的分类研发管理模型测试流程测试方法（比较重要的测试方法）（用来设计测试用例）BUG的管理测试的应用总结概述本文会记录一些本人有关于测试工程师岗位的学习的整个过程和理解，如有错误或不足欢迎指正。下文会从测试基础理论，测试的工具学习，代码学习，自动化几个方向记录。测试，文档，编程能力软件测试工程师实际上是看预期结果和实际结果是否相符软件测试的发展历程证
  • jquery实现的jsonp掉java后台 知了ing javajsonpjquery
    什么是JSONP？ 先说说JSONP是怎么产生的： 其实网上关于JSONP的讲解有很多，但却千篇一律，而且云里雾里，对于很多刚接触的人来讲理解起来有些困难，小可不才，试着用自己的方式来阐释一下这个问题，看看是否有帮助。 1、一个众所周知的问题，Ajax直接请求普通文件存在跨域无权限访问的问题，甭管你是静态页面、动态网页、web服务、WCF，只要是跨域请求，一律不准； 2、
  • Struts2学习笔记 caoyong struts2
    SSH : Spring + Struts2 + Hibernate 三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller) 分层原则:单向依赖，接口耦合 1、Struts2  =  Struts  + Webwork 2、搭建struts2开发环境    a>、到www.apac
  • SpringMVC学习之后台往前台传值方法 满城风雨近重阳 springMVC
    springMVC控制器往前台传值的方法有以下几种： 1.ModelAndView    通过往ModelAndView中存放viewName：目标地址和attribute参数来实现传参：      ModelAndView mv=new ModelAndView();  mv.setViewName="success
  • WebService存在的必要性？ 一炮送你回车库 webservice
    做Java的经常在选择Webservice框架上徘徊很久，Axis  Xfire Axis2 CXF ，他们只有一个功能，发布HTTP服务然后用XML做数据传输。 是的，他们就做了两个功能，发布一个http服务让客户端或者浏览器连接，接收xml参数并发送xml结果。 当在不同的平台间传输数据时，就需要一个都能解析的数据格式。 但是为什么要使用xml呢？不能使json或者其他通用数据
  • js年份下拉框 3213213333332132 java web ee
    <div id="divValue">test...</div>测试 //年份 <select id="year"></select> <script type="text/javascript"> window.onload =
  • 简单链式调用的实现技术 归来朝歌 方法调用链式反应编程思想
    在编程中，我们可以经常遇到这样一种场景：一个实例不断调用它自身的方法，像一条链条一样进行调用 这样的调用你可能在Ajax中，在页面中添加标签： $("<p>").append($("<span>").text(list[i].name)).appendTo("#result");   也可能在HQ
  • JAVA调用.net 发布的webservice 接口 darkranger webservice
    /** * @Title: callInvoke * @Description: TODO(调用接口公共方法) * @param @param url 地址 * @param @param method 方法 * @param @param pama 参数 * @param @return * @param @throws BusinessException
  • Javascript模糊查找 | 第一章 循环不能不重视。 aijuans Way
    最近受我的朋友委托用js+HTML做一个像手册一样的程序，里面要有可展开的大纲，模糊查找等功能。我这个人说实在的懒，本来是不愿意的，但想起了父亲以前教我要给朋友搞好关系，再加上这也可以巩固自己的js技术，于是就开始开发这个程序，没想到却出了点小问题，我做的查找只能绝对查找。具体的js代码如下： function search(){ var arr=new Array("my
  • 狼和羊，该怎么抉择 atongyeye 工作
    狼和羊，该怎么抉择 在做一个链家的小项目，只有我和另外一个同事两个人负责，各负责一部分接口，我的接口写完，并全部测联调试通过。所以工作就剩下一下细枝末节的，工作就轻松很多。每天会帮另一个同事测试一些功能点，协助他完成一些业务型不强的工作。 今天早上到公司没多久，领导就在QQ上给我发信息，让我多协助同事测试，让我积极主动些，有点责任心等等，我听了这话，心里面立马凉半截，首先一个领导轻易说
  • 读取android系统的联系人拨号 百合不是茶 androidsqlite数据库内容提供者系统服务的使用
           联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢   关键代码:     1, 使用javabean操作存储读取到的数据 package com.example.bean; /** * * @author Admini
  • ORACLE自定义异常 bijian1013 数据库自定义异常
    实例： CREATE OR REPLACE PROCEDURE test_Exception ( ParameterA IN varchar2, ParameterB IN varchar2, ErrorCode OUT varchar2 --返回值,错误编码 ) AS /*以下是一些变量的定义*/ V1 NUMBER; V2 nvarc
  • 查看端号使用情况 征客丶 windows
    一、查看端口 在windows命令行窗口下执行： >netstat -aon|findstr "8080" 显示结果： TCP     127.0.0.1:80         0.0.0.0:0    &
  • 【Spark二十】运行Spark Streaming的NetworkWordCount实例 bit1129 wordcount
    Spark Streaming简介   NetworkWordCount代码   /* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements. See the NOTICE file distributed with
  • Struts2 与 SpringMVC的比较 BlueSkator struts2spring mvc
    1. 机制：spring mvc的入口是servlet，而struts2是filter，这样就导致了二者的机制不同。 2. 性能：spring会稍微比struts快。spring mvc是基于方法的设计，而sturts是基于类，每次发一次请求都会实例一个action，每个action都会被注入属性，而spring基于方法，粒度更细，但要小心把握像在servlet控制数据一样。spring
  • Hibernate在更新时，是可以不用session的update方法的(转帖） BreakingBad Hibernateupdate
    地址：http://blog.csdn.net/plpblue/article/details/9304459 public void synDevNameWithItil() {Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
  • 读《研磨设计模式》-代码笔记-观察者模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; import java.util.Observable; import java.util.Observer; /** * “观
  • 重置MySQL密码 chenhbc mysql重置密码忘记密码
    如果你也像我这么健忘，把MySQL的密码搞忘记了，经过下面几个步骤就可以重置了（以Windows为例，Linux/Unix类似）： 1、关闭MySQL服务 2、打开CMD，进入MySQL安装目录的bin目录下，以跳过权限检查的方式启动MySQL mysqld --skip-grant-tables  3、新开一个CMD窗口，进入MySQL mysql -uroot  
  • 再谈系统论，控制论和信息论 comsci 设计模式生物能源企业应用领域模型
                               再谈系统论，控制论和信息论     偶然看
  • oracle moving window size与 AWR retention period关系 daizj oracle
    转自： http://tomszrp.itpub.net/post/11835/494147 晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程. SQL> select * from v$version; BANNER -------------------
  • Python版B树 dieslrae python
    话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树... 首先是数据实体对象,很简单,只存放key,value class Entity(object): '''数据实体''' def __init__(self,key,value)
  • C语言冒泡排序 dcj3sjt126com 算法
    代码示例： # include <stdio.h> //冒泡排序 void sort(int * a, int len) { int i, j, t; for (i=0; i<len-1; i++) { for (j=0; j<len-1-i; j++) { if (a[j] > a[j+1]) // >表示升序
  • 自定义导航栏样式 dcj3sjt126com 自定义
    -(void)setupAppAppearance { [[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]]; [UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
  • 11.性能优化-优化-JVM参数总结 frank1234 jvm参数性能优化
    1.堆 -Xms --初始堆大小 -Xmx --最大堆大小 -Xmn --新生代大小 -Xss --线程栈大小 -XX:PermSize  --永久代初始大小 -XX:MaxPermSize  --永久代最大值 -XX:SurvivorRatio --新生代和suvivor比例,默认为8 -XX:TargetSurvivorRatio --survivor可使用
  • nginx日志分割 for linux HarborChung nginxlinux脚本
    nginx日志分割 for linux 默认情况下，nginx是不分割访问日志的，久而久之，网站的日志文件将会越来越大，占用空间不说，如果有问题要查看网站的日志的话，庞大的文件也将很难打开，于是便有了下面的脚本   使用方法，先将以下脚本保存为 cutlog.sh，放在/root 目录下，然后给予此脚本执行的权限   复制代码代码如下: chmo
  • Spring4新特性——泛型限定式依赖注入 jinnianshilongnian springspring4泛型式依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • centOS安装GCC和G++ liuxihope centosgcc
    Centos支持yum安装，安装软件一般格式为yum install .......，注意安装时要先成为root用户。 按照这个思路，我想安装过程如下： 安装gcc：yum install gcc 安装g++： yum install g++ 实际操作过程发现，只能有gcc安装成功，而g++安装失败，提示g++ command not found。上网查了一下，正确安装应该
  • 第13章 Ajax进阶（上） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • How to determine BusinessObjects service pack and fix pack blueoxygen BO
    http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/   The table below is helpful. Reference   BOE XI 3.x 12.0.0. y BOE XI 3.0 12.0. x. y BO
  • Oracle里的自增字段设置 tomcat_oracle oracle
    　大家都知道吧，这很坑，尤其是用惯了mysql里的自增字段设置，结果oracle里面没有的。oh，no 　　我用的是12c版本的，它有一个新特性，可以这样设置自增序列，在创建表是，把id设置为自增序列 create table t ( id 　　 　　 number generated by default as identity (start with 1 increment b
  • Spring Security（01）——初体验 yang_winnie springSecurity
    Spring Security（01）——初体验     博客分类： spring Security Spring Security入门安全认证        首先我们为Spring Security专门建立一个Spring的配置文件，该文件就专门用来作为Spring Security的配置
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他