#很好

有人很好奇我博客文章的默认展图是怎么弄的?

有人很好奇我博客文章的默认展图是怎么弄的?其实很简单,就是一个思路:www.dkill.net我肯定懒得每次都传,那就随机生成(类似于自动化)看2张图就清楚了:...

很好的一篇eureka的讲解文章

文章地址 http://nobodyiam.com/2016/06/25/dive-into-eureka/...

Git进阶--你可能不知道的很好用Git功能

一、刚提交的代码,发现需要微调一下  刚刚最新提交了一段代码,然后跟前端说,接口好了。过了2分钟,前端跟你说,哎,兄弟,那个金额能不能返回整数,不要小数点。  这个时候一般我们通常会修改一下之后,再提交一个版本。那么又过了2分钟,前端又跑来说,哎,兄弟,那个日期能不能换个格式...  正常我们又会修改下后再提交一个版本...

一名3年工作经验的程序员应该具备的技能(写得很好,果断转)

一名3年工作经验的程序员应该具备的技能(写得很好,果断转)/细读本文需要6分钟与你共勉背景介绍LZ坐标杭州,13届本科毕业,算上年前在阿里巴巴B2B事业部的面试,一共有面试了有6家公司(因为LZ不想请假,因此只是每个晚上去其他公司面试,所以面试的公司比较少),其中成功的有4家,另外两家失败的原因在于:1、阿里巴巴B2B...

JProfiler 8(一个很好的java性能监控工具) 下载和注册码

windowsx64zip下载地址:http://download-aws.ej-technologies.com/jprofiler/jprofiler_windows-x64_8_0_1.zipwindows32zip下载地址:http://download-aws.ej-technologies.com/jpro...

对于try catch放在能够很好地处理例外的位置

Exception有一个message属性。在使用catch的时候可以调用:Catch(IOExceptione){System.out.println(e.message())};Catch(IOExceptione){e.printStackTrace()};上面这条语句回告诉我们出错类型所历经的过程,在调试的中非...

一个很好的java编程国外网站

http://howtodoinjava.com/http://howtodoinjava.com/struts-2/spring-4-struts-2-hibernate-integration-tutorial/...

Dubbo 一些你不一定知道但是很好用的功能

dubbo功能非常完善,很多时候我们不需要重复造轮子,下面列举一些你不一定知道,但是很好用的功能;在开发及测试环境下,可能需要绕过注册中心,只测试指定服务提供者,这时候可能需要点对点直连,点对点直连模式,将以服务接口为单位,忽略注册中心的提供者列表,A接口配置点对点,不影响B接口从注册中心获取列表(说明:官方只建议开发...

Cookie与Session的区别-总结很好的文章

 本文分别对Cookie与Session做一个介绍和总结,并分别对两个知识点进行对比分析,让大家对Cookie和Session有一个更深入的了解,并对自己的开发工作中灵活运用带来启示。Cookies是服务器在本地机器上存储的小段文本并随每一个请求发送至同一个服务器。IETFRFC2965HTTPStateMa...

推荐一个很好的资源下载论坛

点击打开链接  <ahref="src="_xhe_href="src="http:=""www.123shipin.com=""images=""wind=""logo.png"="">">点击打开链接<ahref="http://www.123shipin.com/ind...

对faster rcnn代码讲解的很好的一个

http://www.cnblogs.com/houkai/p/6824455.html http://blog.csdn.net/u014696921/article/details/60321425...

产生多种anchor的代码讲解!很好!

http://blog.csdn.net/xzzppp/article/details/52317863源代码:https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/rpn/generate_anchors.py...

一篇有关调参的文章(很好,很重要)

http://russellsstewart.com/notes/0.htmlhttps://zhuanlan.zhihu.com/p/20792837...

损失函数很好的一篇总结博客

http://www.cnblogs.com/rocketfan/p/4083821.html   lr的损失函数是crossentropyloss,adaboost的损失函数是expotionalloss,svm是hingeloss,常见的回归模型通常用均方误差loss。 在神...
首页上一页12下一页尾页