- 错误:wasm streaming compile failed: CompileError: AsyncCompile: Wasm decoding failed
phymat.nico
编程语言
https://www.jianshu.com/p/d44bf2842dbahttps://www.jianshu.com/p/3948d0cd0300
- speculative decoding: SpecInfer
Jay Kay
人工智能自然语言处理大模型推理
speculativedecoding学习笔记:speculativedecodinglookhead机制一、SpecInfer提出前的一些问题串行依赖:传统自回归解码必须逐token生成,GPU利用率不足30%内存墙:KV缓存占用显存,长文本场景下并发请求数锐减现有方案(如vLLM的PagedAttention)虽优化内存,但未解决计算并行性问题。而SpecInfer提出了一种颠覆性的解决方案—
- GiantPandaCV | FasterTransformer Decoding 源码分析(二)-Decoder框架介绍
双木的木
深度学习拓展阅读Transformer专栏人工智能深度学习pythontransformergithub自然语言处理ai
本文来源公众号“GiantPandaCV”,仅用于学术分享,侵权删,干货满满。原文链接:FasterTransformerDecoding源码分析(二)-Decoder框架介绍作者丨进击的Killua来源丨https://zhuanlan.zhihu.com/p/669303360编辑丨GiantPandaCVDecoder模块是FasterTransformerDecodingmodel中最核心
- LLM 笔记:Speculative Decoding 投机采样
UQI-LIUWJ
机器学习笔记
1基本介绍投机采样(SpeculativeSampling)是一种并行预测多个可能输出,然后快速验证并采纳正确部分的加速策略在不牺牲输出质量的前提下,减少语言模型生成token所需的时间传统的语言模型生成是串行的必须生成一个,再输入到模型中,才能生成下一个投机采样的核心思想是用一个“小模型”提前生成多个候选token(投机结果),然后用“大模型”一起验证这批候选,并行加速。2举例比如已有promp
- 论文DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION之conclusions
six.学长
DeBERTabert人工智能深度学习
论文DEBERTA:DECODING-ENHANCEDBERTWITHDISENTANGLEDATTENTION之conclusions这篇论文提出了一种新的模型架构DeBERTa(解码增强的BERT,带有解缠结注意力机制),该架构通过两种新技术改进了BERT和RoBERTa模型。第一种技术是解缠结注意力机制,其中每个词语分别用两个向量表示,一个向量编码词语的内容,另一个向量编码词语的位置。词语之
- LLM 推理加速:深度解析 Prefilling 与 Decoding 阶段的优化秘籍
kakaZhui
LLMAIGCvllm推理加速DeepSeekchatgpt
写在前面大型语言模型(LLM)的推理过程,即模型根据输入(Prompt)生成输出(Response)的过程,是其应用落地的核心环节。然而,这个看似简单的“输入-输出”背后,隐藏着复杂的计算流程和潜在的性能瓶颈。为了追求更低的延迟和更高的吞吐量,研究者和工程师们将LLM推理过程细致地拆分为两个主要阶段:Prefilling(预填充)和Decoding(解码),并针对每个阶段的特性设计了不同的加速策略
- 超高清大图渲染性能优化实战:从页面卡死到流畅加载
那就可爱多一点点
性能优化javascript前端
目录问题背景:1.为什么大图会导致页面卡死?一、DOM树构建(HTMLParsing)二、资源加载:下载完整图片文件(可能高达30MB+)三、解码处理(Decoding&Rasterization)、四、布局计算(Layout&Reflow)五、绘制合成(Painting&Compositing)2.卡死的核心原因3.解决方案4.方案优势说明:问题背景:在混合开发H5页面的时候,客户上传了一个超高
- transformer代码实现
乐事layz
深度学习transformer深度学习人工智能
(一)transformer各模块代码实现*1·*参数的定义与准备工作#mian主体if__name__=='__main__':##句子的输入部分,sentences=[#encoding端初始输入decoding端的输入decoding端的输出比对['我今天吃了汉堡p','SIateabugertoday','IateabugertodayE'],['我今天吃了火锅P','SIatehotpo
- 一文读懂Python之json模块(33)
跟着杰哥学Python
json
一、json模块介绍json模块的功能是将序列化的json数据从文件里读取出来或者存入文件。json是一种轻量级的数据交换格式,在大部分语言中,它被理解为数组(array)。json模块序列化与反序列化的过程分别是encoding和decoding。encoding-把一个Python对象编码转换成Json字符串;decoding-把Json格式字符串解码转换成Python对象。json数据示例:
- PosstgreSQL安装test_decoding-1.0版本插件
树下一少年
运维日常数据库postgresqltest_decoding运维插件
1.本文以解决此问题postgres=#CREATEEXTENSIONtest_decoding;ERROR:couldnotopenextensioncontrolfile"/usr/pgsql-13/share/extension/test_decoding.control":Nosuchfileordirectory2.cd到extension目录cd/usr/local/postgresq
- 20250310:OpenCV mat对象与base64互转
微风❤水墨
AI模型部署Mat转base64
代码:https://github.com/ReneNyffenegger/cpp-base64指南:https://renenyffenegger.ch/notes/development/Base64/Encoding-and-decoding-base-64-with-cpp/实操:
- 机器学习:十大算法实现汇总
golemon.
ML机器学习算法人工智能
机器学习十大算法代码实现:使用numpy、pandas,不调用机器学习相关库。已将代码和相关文档上传到了github:golitter/Decoding-ML-Top10:使用Python优雅地实现机器学习十大经典算法。(github.com)一元线性回归:机器学习:一元线性回归_1元线性回归的6种基本公式-CSDN博客逻辑回归:机器学习:逻辑回归-CSDN博客决策树:机器学习:决策树-CSDN博
- 机器学习:k均值
golemon.
ML机器学习均值算法人工智能
所有代码和文档均在golitter/Decoding-ML-Top10:使用Python优雅地实现机器学习十大经典算法。(github.com),欢迎查看。在“无监督学习”中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础,较为经典的是聚类。**聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”。**聚
- M-Ped: Multi-Prompt Ensemble Decoding for Large Language Models
UnknownBody
LLMDailyLLMPromptprompt语言模型人工智能
本文是LLM系列文章,针对《M-Ped:Multi-PromptEnsembleDecodingforLargeLanguageModels》的翻译。M-Ped:大型语言模型的多提示集成解码摘要1引言2方法3实验4研究5相关工作6结论摘要随着大型语言模型(LLMs)在自然语言处理(NLP)领域的广泛应用,提高其性能已成为研究热点。本文提出了一种新的多提示集成解码方法,旨在通过利用多个提示的结果聚合
- (CTC解码)Modeified prefix-search decoding algorithm
ZhengkunTian
最近写CTC,然后需要一个解码部分,看见这篇文章,网上pytorch版的CTC解码部分基本上都是基于这个版本,但是对于代码并不是很容易理解,研究了一下,顺便记录下来。Algorithm.png下面的代码基本上就是上面算法的复现,代码中增加了逐行的解释,代码中实际上没有语言模型部分。如果需要,可以比着葫芦画瓢,自己增加上。"""Author:AwniHannunThisisanexampleCTCd
- Python struct.pack/struct.unpack 和 encoding/decoding的区别
YH美洲大蠊
python网络
一直觉得这两对函数有种微妙的对应,两者都涉及到数据的转换,struct.pack/struct.unpack在二进制数据和Python对象之间进行转换,而encoding/decoding在文本数据和字节流之间进行转换下面理一理它们的区别:目的和用途:struct.pack和struct.unpack:主要用于在二进制数据&Python对象之间进行转换。struct.pack将Python对象打包
- could not launch process: decoding dwarf section info at offset 0x0: too short
一个菜鸟JAVA
使用idea或者GoLand在debug时有可能会报该异常.该异常主要是因为idea插件或者是Goland的版本太低导致.升级dlvgoget-u-vgithub.com/derekparker/delve/cmd/dlv执行完之后,你的%GOPATH%/bin可以看到一个dlv.exe文件(windows下,其他平台都差不多)替换本地dlv.如果不知道要替换的文件位置,可以从错误信息看出.错误信
- * error decoding ‘exporters‘: unknown type: “jaeger“ for id: “jaeger“
走,我们去吹风
java前端服务器golang后端otel
*errordecoding‘exporters’:unknowntype:“jaeger”forid:“jaeger”在使用otel收集jaeger时候出现了这个错误,很显然jaegerexporters在0.85.0中被删除了,因为jaeger添加了对otlp的本机支持。一个最快的解决方案:exporters:otlp:endpoint:jaeger-all-in-one:14250tls:i
- DPW-SDNet: Dual Pixel-Wavelet Domain Deep CNNsfor Soft Decoding of JPEG-Compressed Images
mytzs123
图像增强深度学习
DPW-SDNet:用于JPEG压缩图像软解码的双像素小波域深度CNNAbstractJPEG是广泛使用的有损压缩方法之一。JPEG压缩图像通常会出现压缩伪影,包括阻塞和模糊,尤其是在低比特率下。软解码是一种在不改变编解码器或引入额外编码位的情况下提高压缩图像质量的有效解决方案。受深度卷积神经网络(CNN)在低层和高层计算机视觉问题上的出色性能的启发,我们开发了一种基于双像素小波域深度卷积神经网络
- Asynchronous Bidirectional Decoding for Neural Machine Translatio
糖爰
用于神经机器翻译的异步双向解码Abstract主导神经机器翻译(NMT)模型应用统一注意力编码器-解码器神经网络进行翻译。传统上,NMT解码器采用递归神经网络(RNN)以从左到右的方式执行转换,使得在翻译期间从右到左生成的目标侧上下文未被开发。在本文中,我们为传统的注意力编码器-解码器NMT框架配备了一个后向解码器,以探索NMT的双向解码。根据编码器产生的隐藏状态序列,我们的后向解码器首先学习从右
- 【书生·浦语大模型实战营第5课】LMDeploy大模型量化部署实践
A-Little-Boy
OpenMMLab人工智能
量化是一种以参数或****计算中间结果精度下降换空间节省(以及同时带来的性能提升)的策略。对模型进行量化。主要包括KVCache量化和模型参数量化。KVCache量化是指将逐Token(Decoding)生成过程中的上下文K和V中间结果进行INT8量化(计算时再反量化),以降低生成过程中的显存占用。计算minmax。主要思路是通过计算给定输入样本在每一层不同位置处计算结果的统计情况。对于Atten
- 信息解码(Message Decoding, ACM/ICPC World Finals 1991, UVa 213)
复习你给的温柔
每天一道算法题算法
考虑下面的01串序列:0,00,01,10,000,001,010,011,100,101,110,0000,0001,…,1101,1110,00000,…首先是长度为1的串,然后是长度为2的串,依此类推。如果看成二进制,相同长度的后一个串等于前一个串加1。注意上述序列中不存在全为1的串。你的任务是编写一个解码程序。首先输入一个编码头(例如AB#TANCnrtXc),则上述序列的每个串依次对应编
- 2024 年1月15日Arxiv最热NLP大模型论文:APAR: LLMs Can Do Auto-Parallel Auto-Regressive Decoding
夕小瑶
自然语言处理人工智能transformerchatgpt
清华大学让大语言模型自动并行自回归解码,速度提升高达4倍!引言:大型语言模型的高效部署挑战随着大型语言模型(LLMs)在各种人工智能应用中的广泛应用,对于这些模型的高效部署需求日益增长。高效部署在这里指的是低延迟和高吞吐量。然而,LLMs的基础自回归(AR)结构给实现更高效的服务带来了显著挑战。首先,自回归解码过程中,每一个新的词元都是基于之前生成的所有词元条件生成的,这种增量式解码导致生成速度不
- 2024年1月16日Arxiv热门NLP大模型论文:Multi-Candidate Speculative Decoding
夕小瑶
自然语言处理人工智能语言模型神经网络深度学习大模型
大幅提速NLP任务,无需牺牲准确性!南京大学提出新算法,大幅提升AI文本生成效率飞跃引言:探索大型语言模型的高效文本生成在自然语言处理(NLP)的领域中,大型语言模型(LLMs)已经证明了它们在各种任务上的卓越能力,从语言理解到文本生成,再到跨多种NLP任务和开放领域的泛化能力。然而,这些模型在自回归地生成文本时往往耗时较长。为了加快它们的速度,研究者们提出了一种名为“推测性解码”(specula
- 自然语言处理学习笔记(通俗白话)
小威程序员
自然语言处理学习深度学习
自然语言处理学习笔记1,Transformer2,注意力机制3,卷积网络为什么要用多个卷积核进行图像处理?4,最小二乘法的一点见解5,卷积网络发展激活函数卷积神经网络:空洞卷积RNNLSTM(长的_短期记忆网络)考点总结:1,TransformerTransformer经典模型:简单理解编码器(Encoding)+解码器(Decoding)编码器:提取特征解码器:根据得到的特征尽可能的对原物进行还
- 使用推测解码 (Speculative Decoding) 使 Whisper 实现 2 倍的推理加速
Hugging Face
whisper
OpenAI推出的Whisper是一个通用语音转录模型,在各种基准和音频条件下都取得了非常棒的结果。最新的large-v3模型登顶了OpenASR排行榜,被评为最佳的开源英语语音转录模型。该模型在CommonVoice15数据集的58种语言中也展现出了强大的多语言性能,在42种语言上的单词错误率(WER)低于30%。尽管转录准确度非常优秀,但推理速度非常缓慢。即使利用flashattention、
- KingbaseES 实现MYSQL hex/unhex 函数
Kingbase 研究院
mysqljava数据库python正则表达式
MySQL的hex和unhex函数类似于KingbaseES的encode和decoding,实现字符与16进制之间的转换。一、先看MySQL例子mysql>selecthex('kingbase');+------------------+|hex('kingbase')|+------------------+|6B696E6762617365|+------------------+1row
- 【 base64】base64编码后的二进制文件流
Bogon
Linux对一个文件base64https://www.lxlinux.net/using-base64-encoding-and-decoding-on-linux.html每天学习一个命令:base64编解码https://einverne.github.io/post/2017/01/base64-encode-decode.htmlbase64文件流互转https://zhuanlan.z
- CTF竞赛密码学题目解析
白帽子凯哥
密码学web安全网络安全xss安全sqlpython
CTF(CaptureTheFlag)竞赛是一个有趣的挑战。密码学是CTF竞赛中的核心元素之一,通常涉及解密、破译密码、理解加密算法等技能。以下是30个题目及答案,新入行的可以看看鸭。题目及答案1.CaesarCipher描述:给出一段用凯撒密码(移位3)加密的密文:“khoorzruog”。找出原文。答案:原文是“helloworld”。2.Base64Decoding描述:给出一段Base64
- 速速收藏!纯C实现的BASE64编解码~!
觉皇嵌入式
C/C++c语言开发语言base64
速速收藏!纯C实现的BASE64编解码~!验证网站:https://www.toolhelper.cn/EncodeDecode/Base64HexEncodeDecode头文件/***\filebase64.h**\briefRFC1521base64encoding/decoding*/#ifndefBASE64_H__#defineBASE64_H__#ifdef__cplusplusext
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
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.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f