徐小夕 徐小夕
5年前
使用reveal.js制作精美的网页版PPT
前言最近在做季度总结和技术分享,所以需要做个PPT,来回顾这半年来的技术贡献.但苦于mac上运行PPT那感人的流畅度,成功的激起了笔者的强迫症,所以索性想办法通过技术的手段来做个网页版PPT,这个时候笔者发现了reveal.js:一个使用HTML语言制作演示文稿的Web框架,支持插入多种格式的内容,并以类似PPT的形式呈现.花了1
Stella981 Stella981
4年前
Spring Boot(四):如何优雅的使用 Mybatis
一、前言Orm框架的本质是简化编程中操作数据库的编码,发展到现在,基本上就剩宣称不用谢一句sql的hibernate,一个是可以灵活调试动态sql的mybatis,两者各有特点,在企业级系统来发中可以根据需求灵活使用。发现一个有趣的现象:传统企业大都喜欢hibernate,互联网行业通常使用mybatis。hibernate特点就是所有的sq
Stella981 Stella981
4年前
Mxnet Scala Package 学习笔记 一
前言    从刚开始接触Mxnet这个框架到现在已经大概四个月了。Mxnet最吸引我的地方就是它提供了很多语言的接口,其中有Scala(myfavorite),这是我从Caffe转过来的原因之一。Mxnet是我第一个参与的开源项目,可以说这四个月来我学到了很多东西。  本文的其中目的在于介绍一下如何用MxnetScala包来
Easter79 Easter79
4年前
Spring中的AOP(三)——基于Annotation的配置方式(一)
    AspectJ允许使用注解用于定义切面、切入点和增强处理,而Spring框架则可以识别并根据这些注解来生成AOP代理。Spring只是使用了和AspectJ5一样的注解,但并没有使用AspectJ的编译器或者织入器,底层依然使用SpringAOP来实现,依然是在运行时动态生成AOP代理,因此不需要增加额外的编译,也不需要AspectJ的织入器支持。
Wesley13 Wesley13
4年前
JavaWeb编程基础
JavaWeb是用Java技术来解决相关web互联网领域的技术总和。Java提供了技术方案可以解决客户端和服务器端的实现,特别是服务器的应用,比如Servlet,JSP和第三方框架等等。1\.http协议超文本传输协议,是一种应用层的网络传输协议http协议的特点:1.简单,快速:支持多种不同的的数据提交方式,如g
可莉 可莉
4年前
2018学习前端开发的你,必须知道这些,一定要看完
前端是一个相对比较新的行业。但在这几年期间,随着W3C标准的不断更新以及node.js的兴起,基于node.js一系列的工具和诸多前端框架都参差不齐的浮出水面。!(https://oscimg.oschina.net/oscnet/9165c99372294cbfae3f1e75f5e18c23.png)大多数不了解前端的人转行前端,第一
Easter79 Easter79
4年前
Spring和Mybatis集成,如何批量insert update?以及一些通用Dao的设想
之所以写这篇文章,主要是给新手提供一些mybatis使用的技巧和思路现在国内很多项目都使用了mybatis作为ORM框架我们在实际的使用过程中基本上都会遇到批量insertupdate等操作在网上搜索一些文章,大多数都是在说使用mybatisforEach标签迭代等。。。实际上这种做法是存在很多问题的,比如SQL过长..等限制于是乎我
Stella981 Stella981
4年前
Python任务调度模块 – APScheduler
APScheduler是一个Python定时任务框架,使用起来十分方便。提供了基于日期、固定时间间隔以及crontab类型的任务,并且可以持久化任务、并以daemon方式运行应用。目前最新版本为3.0.x。在APScheduler中有四个组件:触发器(trigger)包含调度逻辑,每一个作业有它自己的触发器,用于决定接下来哪一个作业会运行
Stella981 Stella981
4年前
Linux下安装Dubbox
1.Dubbox简介  Dubbox是一个分布式服务框架,其前身是阿里巴巴开源项目Dubbo,被国内电商及互联网项目中使用,后期阿里巴巴停止了该项目的维护,当当网便在Dubbo基础上进行优化,并继续维护,为了与原有的Dubbo区分,故将其命名为Dubbox。Dubbox致力于提供高性能和透明化的RPC远程服务调用方案,以及SOA
GoCoding GoCoding
3年前
TVM 加速模型,优化推断
TVM是一个开源深度学习编译器,可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。不同于深度学习框架关注模型生产力,TVM更关注模型在硬件上的性能和效率。本文只简单介绍TVM的编译流程,及如何自动调优自己的模型。更深入了解,可见TVM官方内容:文档:https://tvm.apach