“玩转”Java 系列 ————————————————————————————— 1 【更多 Java – Android 资料下载，可访问尚硅谷（中国）官网 www.atguigu.com 下载区】 Mybatis 1. Mybatis 介绍 MyBatis 是支持普通 SQL 查询，存储过程和高级映射的优秀持久 层框架。MyBatis 消除了几乎所有的 JDBC 代码和参数的手工设置以 的测试例子: 2.1. 添加 jar 包 【mybatis】 mybatis-3.1.1.jar 【MYSQL 驱动包】 “玩转”Java 系列 ————————————————————————————— 2 【更多 Java – Android 资料下载，可访问尚硅谷（中国）官网 www.atguigu.com 下载区】 mysql-connector-java-5 id; private String name; private int age; //get,set 方法 “玩转”Java 系列 ————————————————————————————— 3 【更多 Java – Android 资料下载，可访问尚硅谷（中国）官网 www.atguigu.com 下载区】 } 2.5

PyTorch + OpenVINO 开发实战系列教程 第一篇 系列文章 OpenVINO TM 工具套件 目录 目录 概述 ��������������������������������������������������������������������������������������������������������������������������������� 搭建、基础操作代码演示。本章对有 Pytorch 开发经验的读者来说可以直接跳 过；对初次接触 Pytorch 的读者来说，通过本章学习认识 Pytorch 框架，搭建 好 Pytorch 的开发环境，通过一系列的基础代码练习与演示建立起对深度学习 与 Pytorch 框架的感性认知。 本书内容以 Python 完成全部代码构建与程序演示。本章的主要目标是帮助初 次接触 Python 与 Pytorch 中常见的基础操作函数、学会使用它们完成一些基础的数据处理与流程处理， 为后续内容学习打下良好基础。 好了，下面就让我们来一起开启这段 Pytorch 框架的深度学习破冰之旅。 PyTorch + OpenVINO 开发实战系列教程 第一篇 2 1. Pytorch 介绍与基础知识 1.1 Pytorch 介绍 Pytorch 是开放源代码的机器学习框架，目的是加速从研究 原型到产品开发的过程。其 SDK 主要基于

C++ 系列课：字符与字符串 by 小彭老师（ @archibate ） 课件 & 代码： https://github.com/parallel101/course 上期回顾： https://www.bilibili.com/video/BV1m34y157wb 课程安排 1. vector 容器初体验 & 迭代器入门 (BV1qF411T7sd) 2. 你所不知道的 这些整数，就构成了 ASCII 码中控制字符的部分。 关于控制字符的一个冷知识 • 在 Linux 命令行中启动 cat 。 • 试试按 Ctrl+R ， Ctrl+E ， Ctrl+C 等一系列 组合键，看到出现了什么？ • 可以看到显示的字符变成了 ^R ^E ^C 等… … • 这是 Unix 类系统显示控制字符的一种方式 。 • 众所周知，我们常用 Ctrl+C 来发送中断信号 string(“world”) == string(“helloworld”) • string 符合 vector 的接口，例如 begin/end/size/resize…… • string 有一系列成员函数，例如 find/replace/substr…… • string 可以通过 s.c_str() 重新转换回古板的 const char * 。 • string 在离开作用域时自动释放内存

C++ 标准库系列课 - 你所不知道的 set 容 器 by 小彭老师（ @archibate ） 课件 & 代码： https://github.com/parallel101/course 上期回顾： https://www.bilibili.com/video/BV1qF411T7sd 课程安排 1. vector 容器初体验 & 迭代器入门 (BV1qF411T7sd) 2. 你所不知道的 代器之间的距离（差值）。 • std::distance(it1, it2) 相当于 it2 - it1 ，注意顺序和 - 相反 。 • 注意： distance 要求 it1 < it2 。 迭代器系列帮手函数一览 帮手函数 等价于 it2 = std::next(it1, n) it2 = it1 + n it2 = std::prev(it1, n) it2 = it1 - n it2 erase(a.lower_bound(x), a.upper_bound(x)) 改 一旦插入就无法修改，只能先删再增 查 a.find(x) != a.end() 或者 a.count(x) set 系列成员函数总结 函数 含义 set multiset unordered_set insert(x) 插入一个元素 x √ √ √ erase(x) 删除所有等于 x 的元素 √ √ √ count(x)

JAVAEE 课程系列 ————————————————————————————— 1 更多 Java –大数据 –前端 –python 人工智能资料下载，可访问百度：尚硅谷官网 MyBatis 框架 尚硅谷 java 研究院 版本：V 1.0 第 1 章 MyBatis 简介 1.1 MyBatis 历史 1）MyBatis 是 Apache 的一个开源项目 iBatis, 2010 Hibernate 而言处理也不容易 2 内部自动生产的 SQL，不容易做特殊优化 3 基于全映射的全自动框架，大量字段的 POJO 进行部分映射时比较困难。导致数据 库性能下降 JAVAEE 课程系列 ————————————————————————————— 2 更多 Java –大数据 –前端 –python 人工智能资料下载，可访问百度：尚硅谷官网 3） MyBatis 1 对开发人员而言，核心 编码分开，功能边界清晰，一个专注业务、一个专注数据 1.4 如何下载 MyBatis 1） 下载网址 https://github.com/mybatis/mybatis-3/ JAVAEE 课程系列 ————————————————————————————— 3 更多 Java –大数据 –前端 –python 人工智能资料下载，可访问百度：尚硅谷官网 第 2 章 MyBatis HelloWorld

概念和模型可以被划分为以下的范围 � 静态结构 静态结构 静态结构 静态结构 精确的模型必须首先定义讨论的各种事物 即应用中的关键概念 它们的内部 特征和相互之间的关系 该一系列构造是静态视图 应用概念建模成类 类描述了一系列 拥有信息和相互通讯以实现行为的离散对象 对象所拥有的信息建模成属性 它们执行的 行为建模成操作 多个类可以使用概括共享通用的结构 孩子类将新添的结构和行为增加 至通过继承得到的结构和行为 另一种是使 用一系列对象的通信模式 这些相互连接的对象交互实现行为 状态机是被隔离的对象视 图 视图中 对象依照当前状态对事件响应 执行动作 迁移至新状态 状态机在状态 图中显示 � 相互交互对象的系统视图是一种协作 即依赖上下文的对象和互相之间链的视图 连同 对象间数据链上的消息流 该视点在单张视图中统一了数据结构 控制流和数据流 协作 和交互在顺序图和协作图中表达 指导所有行为视图的是一系列用例 用例展示了活动者 用例展示了活动者 系统的外部使用者所见的一部分系统功能 � 实现构造 实现构造 实现构造 实现构造 ��� 模型对逻辑分析和物理实现均可以表达 一定的构造代表了实现单元 构 件是与一系列接口一致和为其提供实现的物理 可替换的系统组成部分 它可以作为满足 相同说明的其它构件替代品 结点是定义了位置的运行时段的运算资源 它可以容纳构件 和对象 配置视图描述了运行系统中结点的配置 构件和对象在结点中的分布

图片识别比赛中获得了第一名的成绩，比第二 名在 Top-5 错误率上降低了惊人的 10.9%。 自 AlexNet 模型提出后，各种各样的算法模型相继被发表，其中有 VGG 系列、 GoogLeNet 系列、ResNet 系列、DenseNet 系列等。ResNet 系列模型将网络的层数提升至数 百层、甚至上千层，同时保持性能不变甚至更优。它算法思想简单，具有普适性，并且效 果显著，是深度学习最具代表性的模型。 除 是常见的分类问题。神经网络的输入为图片数据，输出 值为当前样本属于每个类别的概率分布。通常选取概率值最大的类别作为样本的预测类 别。图片识别是最早成功应用深度学习的任务之一，经典的网络模型有 VGG 系列、 ResNet 系列、EfficientNet 系列等。 目标检测(Object Detection) 是指通过算法自动检测出图片中常见物体的大致位置，通 常用边界框(Bounding box)表示，并分类出边界框中物体的类别信息，如图 RCNN、Mask RCNN、SSD、YOLO、 RetinaNet 系列等。 语义分割(Semantic Segmentation) 是通过算法自动分割并识别出图片中的内容，可以 将语义分割理解为像素点的分类问题，分析每个像素点的物体的类别信息，如图 1.16 所 示。常见的语义分割模型有 FCN、U-net、PSPNet、DeepLab 系列等。 预览版202112 1.4 深度学习应用

容灾解决方案 589 美团高性能终端实时日志系统建设实践 608 后端 622 可视化全链路日志追踪 622 设计模式二三事 647 基于代价的慢查询优化建议 670 Java 系列 | 远程热部署在美团的落地实践 692 日志导致线程 Block 的这些坑，你不得不防 713 基于 AI 算法的数据库异常监测系统的设计与实现 775 目录 < v Replication（上）：常见复制模型 需要的小伙伴们 Star 收 藏，随时取用。 精度与速度远超 YOLOv5 和 YOLOX 的新框架 目标检测作为计算机视觉领域的一项基础性技术，在工业界得到了广泛的应用，其 中 YOLO 系列算法因其较好的综合性能，逐渐成为大多数工业应用时的首选框 架。至今，业界已衍生出许多 YOLO 检测框架，其中以 YOLOv5[1]、YOLOX[2] 和 PP-YOLOE[3] 最具代表性， 展示了不同尺寸网络下各检测算法的性能对比，曲线上的点分别表示该检测 算法在不同尺寸网络下（s/tiny/nano）的模型性能，从图中可以看到，YOLOv6 在精 度和速度方面均超越其他 YOLO 系列同体量算法。 图 1-2 展示了输入分辨率变化时各检测网络模型的性能对比，曲线上的点从左往右 分别表示图像分辨率依次增大时（384/448/512/576/640）该模型的性能，从图中可 以看到，YOLOv6

token 上训练的，微调 Chat 模型是在 100 万人类标 记数据上训练的。 7 / 87 1 1 开源开发者事件回顾 Auto-GPT 横空出世，席卷 AI 圈 “零一万物”发布 Yi 系列开源大模型 Vercel 发布"v0"：根据文本生成 UI 代码 v0 是一款根据文本生成 UI 界面代码的 AI 产品，只要输入文字提示，即可生成 需要的 UI 组件界面。 智谱 AI 开源 决定将开源协议从 AGPL 放宽到 Apache 2.0。 华为云重磅发布盘古大模型 3.0 2023 年 7 月，华为云正式发布盘古大模型 3.0。盘古大模型 3.0 是一个面向行 业的大模型系列，包括“5+N+X”三层架构。 盘古为行业而生，盘古大模型已在金融、金融、制造、医药研发、煤矿、铁路 等诸多行业发挥着巨大价值。 9 / 87 1 1 开源开发者事件回顾 蚂蚁集团开源 CodeFuse 站。有网友下载了这款软件，想要学 习英语字母，结果却发现是一个色情 视频软件。 事件被曝光后，苹果客服虽然进行了 “自动订购” 增值业务 网易伏羲回应 “HR 威胁” 相关动机和证据。与此同时，该公司还公布了一系列后续关怀方案。 苹果 App Store 免费榜第一是黄色软件 NanUI 界面组件是一个开放源代码的.NET/.NET Core 窗体应用程序 (WinForms)界面框架。适用于希望使用 HTML5/CSS3

年，中国学术界和产业界大力推进自主研发，在技术创新和模型能力上实现了显著飞 跃，并在全球范围内取得了显著成就。 Hugging Face Open LLM 排行榜数据显示，从智谱 的 GLM 系列、阿里巴巴的 Qwen 系列到深度求索的 DeepSeek 系列，这些自主研发的模型 在国内外各项评测中表现卓越。 每个月来自中国主要研究机构和 公司的开源模型/数据集数量。 图片源自 Hugging Face 中文社 区模型社群： ease-heatmap 21 / 111 其中，Qwen 系列凭借灵活的多尺寸选项，强大的多语言支持以及友好的模型授权功能， 赢得了社区开发者的高度评价。DeepSeek 通过引入多头潜在注意力（Multi-head Latent Attention, MLA）技术，在性能和成本上实现了革命性突破，开创高性价比的 AI 新纪元。 智谱的 CogVideoX 系列文生视频模型，成为全球首批开源的文生视频模型之一，不仅在 是个体开发者都更加积极地参与到开源工作中。 以阿里巴巴的通义千问 Qwen 为例，据不完全统计，截止 2024 年 9 月，全球已有近 8 万基于 Qwen 的衍生模型，超越了 Meta 的 Llama。该系列模型已被集成到 Hugging Face Transformers、Hugging Chat 和阿里自家的百炼平台中，极大促进了全球开发者的交流和协 作，形成了国际化开源生态。 北京智源研究院