徐小夕 徐小夕
4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
3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
3年前
ReactNative0.62更新内容
在今年的3月26日,FaceBook正式发布了ReactNative最新版本,版本号为0.62。作为一款优秀的开源跨平台开发框架,和对手Google开发的Flutter相比,近一年来的发展可谓进步缓慢,至今尚未发布1.0的正式版本。今天我们来聊一聊最新版本的更新内容。调试工具Flipper本次更新默认支持了Facebook自己研发的跨平台
Wesley13 Wesley13
3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
Stella981 Stella981
3年前
ReactNative0.62更新内容抢先看
在今年的3月26日,FaceBook正式发布了ReactNative最新版本,版本号为0.62。作为一款优秀的开源跨平台开发框架,和对手Google开发的Flutter相比,近一年来的发展可谓进步缓慢,至今尚未发布1.0的正式版本。今天我们来聊一聊最新版本的更新内容。调试工具Flipper本次更新默认支持了Facebook自己研发的跨平台调
Easter79 Easter79
3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
3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
3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
Stella981 Stella981
3年前
ECMall中Widgets模式的布局引擎
自己做过框架的人,可能都会思考一个问题,模板引擎需要什么特性?Widgets模式,很多系统中都有出现,但对于纯开发人员,不管前端或后台人员来说,都觉得稍微麻烦了一点。因为他将界面硬生生的拆分出了很多零散的部分,对于编程人员来说,有点不流畅的感觉。ECMall中也使用了Widgets的特性。Widgets在使用时,可以接受参数的定义,这样尽可能的重
GoCoding GoCoding
2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