试也很烦（组播必须BIND一个端口，如果你想在同一台机器上运行两个软件实例来没试，你就会发现同一个端口BIND两次，当然，后面那次会失败，也就是 说测试不了，要测？找两台机器，或用虚拟机），如果组播不满足，我们就要

文件名 ZK框架学习总结 作　　者 剑儿 文档版本 1.1 最后修改日期 2010-05-20 ZK框架学习总结 版本号1.0 编 写 人： 剑儿 编写时间：2010-05-19 修订控制页 编号 文档版本

原始数据类型存储方法固定，避开移植时的问题     Java的原始数据类型的大小是固定的。比如，在任何机器上，整型都是32位，而C++里整型是依赖于目标机器的，对16位处理器（比如8086），整数用两个字节表示；在像Sun SPA

Mule学习笔记 作者：郑先全 msn:zhengxianquan@hotmail.com 1. 原理 请参考《Using JBI for Service-Oriented Integration (SOI)》

Java学习 目录 第一篇 语言基础 1，常量定义：　　public static final int a=8; 不能定义在main函数里； 2，变量定义时要要相应的初始化，养成好习惯； 3.自动类型转换：级可以向高级char->int

如果你还不知道Netty是做什么的能做什么。那可以先简单的搜索了解一下。我只能说Netty是一个NIO的框架，可以用于开发分布式的Java程序。具体能做什么，各位可以尽量发挥想象。既然是分布式的，自然要分多个服务。Netty中，需要区分Server和Client服务。所有的Client都是绑定在Server上的，他们之间是不能通过Netty直接通信的。（自己采用的其他手段，不包括在内。）。白话一下这个通信过程，Server端开放端口，供Client连接，Client发起请求，连接到Server指定的端口，完成绑定。随后便可自由通信。其实就是普通Socket连接通信的过程。

IOS学习笔记 IOS学习笔记1—Iphone程序运行流程 分类： IOS 2012-07-12 20:14 201人阅读 评论(0) 收藏 举报 Iphone程序运行流程 main.m文件，iOS应用程序的主入口

jquery-validation 学习总结

ActiveMQ：是Apache出品，最流行的，能力强劲的开源消息总线。是一个完全支持JMS1.1和J2EE 1.4规范的 JMS Provider实现。 JMS（Java消息服务）：是一个Java平台中关于面向消息中间件（MOM）的API，用于在两个应用程序之间，或分布式系统中发送消息，进行异步通信。

Git学习笔记

1.Java基本数据类型与表达式，分支循环。 2.String和StringBuffer的使用、正则表达式。 3.面向对象的抽象，封装，继承，多态，类与对象，对象初始化和回收；构造函数、this关键字、方法和方法的参数传递过程、static关键字、内部类，Java的垃极回收机制，Javadoc介绍。

三层架构，还是比较容易上手的。关于这块的入门我想特别感谢下 FrankHui 童鞋，在他的帮助下，我才能比较快滴熟悉了这个架构，对我学习 ssi 的框架还是很有帮助滴。 ssi 的框架主要是由 struts2 ， spring 以及 ibatis

Java IO流学习总结

Linux已经自带Python了，我的Centos7自带Python2.7.4，我通过源码安装来更新版本。

neon 是 Nervana System 的深度学习软件。根据Facebook一位研究者的 基准测试 ，Nervana的软件比业界知名的深度学习工具性能都要高，包括Facebook自己的Torch7和Nvidia的

最早的时候，所有Javascript代码都写在一个文件里面，只要加载这一个文件就够了。后来，代码越来越多，一个文件不够了，必须分成多个文件，依次加载。下面的网页代码，相信很多人都见过。

proguardFiles 表示混淆配置文件的名称。 productFlavors 表示多渠道包（以后深入学习后再写）。 dependencies 节点： com. 开头的部分是 Demo 项目中添加的引用包，规则是

在用户可以查看并与内容进行交互之前，尽可能地减少视觉上的变化，尽量使应用加载过程令人愉快。每次操作只能由一个活动指示器呈现，例如，对于刷新操作，你不能即用刷新条，又用动态圆圈来指示。

现在每一个人都正在学习，或者正打算学习深度学习，它是目前人工智能诸多流派中唯一兴起的一个。各个年龄阶段的数十万人都在学习着免费和收费的深度学习课程。太多的创业公司和产品的命名以“深度”开头，深度学习已然成了一

map可以很好的作为图像生成中的损失函数的辅助工具。 GAN可以利用监督学习来强化生成网络的效果。其效果的原因虽然还不具可解释性，但是可以理解为可以以一种不直接的方式使生成网络学习到规律。 基于上述三个进展，参考文献[1]提出了一种基于CNN的图像复原方法。