--==============================--Oracle常用目录结构(10g)--==============================大多数情况下，了解Oracle常用目录结构，将大大提高数据库管理与维护的工作效率，本文介绍了Oracle10g的常用目录。关于Linux下Oralce的安装，请参照:VmWare6.5.2下安装RHEL5.4（配置Oracle安装环境）Linux(RHEL5.4)下安装Oracle10gR2下
系统 2019-08-12 01:51:46 2759
centos安装tomcat安装方式源码安装1.下载安装包，地址是http://tomcat.apache.org/download-70.cgi2.ftp上传文件到/usr/local目录下3.解压缩文件，命令如下[root@adminlocal]#cd/usr/local[root@adminlocal]#tar-zxv-fapache-tomcat-7.0.29.tar.gz//解压压缩包[root@adminlocal]#rm-rfapache-t
系统 2019-08-12 01:33:59 2759
想用cygwinless看log，可能包含德语。格式是乱的，很多类似"ESC"之类的乱码。结果这个解决方案似乎也不错，有排版，有颜色高亮。-------------------------------------------------------【转】cygwin中文乱码（打开gvim中文乱码、安装svn后乱码）摘自宋金时的专栏（http://www.2cto.com/os/201202/119822.html）1、修改.bashrc文件执行命令：cd~
系统 2019-08-12 01:32:45 2759
在Tomcat5.5/conf/Catalina/localhost/xxxxx.xml(xxxxx.xml为你自己的web的配置xml文件)中添加resource
系统 2019-08-12 01:32:25 2759
SpringMVC中整合了JSON、XML的视图，可以通过这些视图完成Java对象到XML、JSON的转换。转换XML提供了MarshallingView，开发者只需用注入相应的marshaller、和属性配置，即可自动完成Java的Model对象中的数据到XML的编组。Email：hoojo_@126.comBlog：http://blog.csdn.net/IBM_hoojohttp://hoojo.cnblogs.com/一、准备工作1、本次程序会涉
系统 2019-08-12 01:32:06 2759
1.1简介深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（DataAugmentation）来增加训练样本的多样性，提高模型鲁棒性，避免过拟合。在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat），缩放（Scale），随机裁剪或补零（RandomCroporPad），色彩抖动（Colorjittering），加噪声（Noise）笔者在跟进视频及图像中的人体姿态检测和关键点追踪（Huma
系统 2019-09-27 17:57:27 2758
%matplotlibinline#支持向量机SVM的核函数importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvmfromsklearn.datasetsimportmake_blobsX,y=make_blobs(n_samples=50,centers=2,random_state=6)print('X:\n',X,'\n')print('y:\n',y,'\n')X:[[6.45
系统 2019-09-27 17:56:57 2758
文章目录前言初探configparser配置文件读入配置：读取数据SectionSection增加Section检索Section删除高级操作单个option对应多行值单个option无对应值Interpolation插值BasicInterpolationExtendedInterpolation总结前言configparser是Python中的一个配置文件解析库，可以读取配置文件中的变量和值。配置文件有什么作用呢？作用就是当你写程序的时候，有一些固定的
系统 2019-09-27 17:54:50 2758
神经网络模型一般用来做分类，回归预测模型不常见，本文基于一个用来分类的BP神经网络，对它进行修改，实现了一个回归模型，用来做室内定位。模型主要变化是去掉了第三层的非线性转换，或者说把非线性激活函数Sigmoid换成f(x)=x函数。这样做的主要原因是Sigmoid函数的输出范围太小，在0-1之间，而回归模型的输出范围较大。模型修改如下：代码如下：#coding:utf8''''author:Huangyuliang'''importjsonimportra
系统 2019-09-27 17:47:41 2758
自定义log#coding=utf-8importdatetimeclassLogs:debug=1deflogwr(self,logdd):tms=datetime.datetime.now().strftime("%Y-%m-%d")name='wenshu_{0}.log'.format(tms)tm=datetime.datetime.now().strftime("%Y-%m-%d%H:%M")line="{0}:{1}".format(tm,l
系统 2019-09-27 17:46:48 2758
