学习R

Redis培训ppt

Redis培训 Redis培训

redis源码分析

redis源码分析

redis基础知识培训

本文档从redis基础知识，复制模式，集群模式等介绍redis基础知识，介绍了数据槽，分片，key等知识。

redis技术分享PPT

redis技术分享PPT，针对部分应用场景进行案列分享，对初学者适用

Redis培训（内部使用.ppt ）

Redis培训，内部员工培训用，Redis基础，对于想学Redis的可以下载学习。

Spark源码分析.pdf

学习Spark源码的书，研究Hadoop、Spark等大数据技术的可以看看

redis源码日志（源码分析）

redis源码日志是对redis源码的分析解读，适用于学习。 介绍了redis是如何实现高并发、海量数据存贮的。 资源是PDF格式，有完整书签，也很清晰。

Redis实战中文版及源码下载

Redis实战中文版及源码下载

redis讲解 ppt

redis讲解 ppt，很不错的！redis深入浅出， Feature&Architecture Admin&capcity forecast Replication Presistence Table design

redis实战的pdf及java源代码

Redis实战pdf, java代码， redis的jar包

最详细Redis学习资料（源码）

Redis是一个开源的内存数据库（也可以用作缓存和消息中间件），它支持多种数据结构（如字符串、哈希表、列表、集合、有序集合等）并提供了丰富的功能，包括持久化、复制、事务等。Redis被设计用来快速存储和访问数据，通常用于构建高性能、可扩展的应用程序。 Redis的主要特点包括： 内存数据库：Redis将数据存储在内存中，因此能够提供非常高的读写性能。同时，它也可以通过持久化机制将数据写入磁盘，以保证数据不会因系统重启而丢失。 丰富的数据结构：Redis支持多种数据结构，如字符串、列表、集合、有序集合、哈希表等，使得开发者能够更灵活地组织和处理数据。 原子性操作：Redis支持原子性操作，能够保证多个操作的执行顺序和一致性，支持事务和流水线操作。 发布/订阅：Redis提供了发布/订阅功能，能够实现消息的异步发布和订阅，适用于实时通知、事件驱动等场景。 分布式支持：Redis提供了分布式部署和数据分片功能，能够构建高可用性、可扩展性的分布式系统。 高性能：由于数据存储在内存中，并且采用单线程模型，Redis能够实现极高的读写性能。 Redis广泛应用于缓存、会话存储、排行

四、Redis 学习PPT

四、Redis 学习PPT

Java Redis 学习笔记 Markdown+PDF 格式分享

Java Redis 学习笔记 Markdown+PDF 格式分享 预览地址：https://s1.ax1x.com/2022/04/23/LW5BOH.png

Redis实战-2018高清电子书PDF

Redis实战-2018高清电子书PDF

Redis数据库入门学习教程与面试经验总结（附PDF下载）.pdf

Redis数据库入门学习教程与面试经验总结（附PDF下载）.pdf

redis源码下载

redis源码学习。redis作为重要的缓存中间件，在大型的网站架构中基本都有身影，想要详细的了解redis，从源码开始学习。

redis使用介绍.ppt

国际上最大的redis用户是谁？在众多的NOSQL数据库与传统的关系数据库中为什么会出现redis？ 传统的key-value数据库（文档，string类型）有什么不足？----数据结构需求 传统的关系型数据库IO操作性能问题？----性能需求 传统的内存数据库有什么不足？---可靠性需求

redis使用入门.ppt

redis使用入门.ppt

Redis介绍与内部实现机制PPT

Redis缓存与内部实现机制PPT详解

redis -ppt笔记

https://github.com/microsoftarchive/redis/releases/tag/win-3.2.100

最新版redis源码4.0.9带注释

Redis 是一个开源（BSD许可）的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。 它支持多种类型的数据结构，如 字符串（strings）， 散列（hashes）， 列表（lists）， 集合（sets）， 有序集合（sorted sets） 与范围查询， bitmaps， hyperloglogs 和 地理空间（geospatial） 索引半径查询。 Redis 内置了 复制（replication），LUA脚本（Lua scripting）， LRU驱动事件（LRU eviction），事务（transactions） 和不同级别的 磁盘持久化（persistence）， 并通过 Redis哨兵（Sentinel）和自动 分区（Cluster）提供高可用性（high availability）。

redis源码日志

自己收藏的一本书，比黄建宏的书文字生动幽默

libevent源码深度剖析pdf

为方便阅读，把blog上的libevent源码深度剖析系列文章整合成一个pdf。

libevent源码深度剖析 + libevent参考手册(中文版)

libevent库，文字版，很清晰，附带libevent参考手册(中文版) libevent源码深度剖析，根据libevent开源代码框架进行剖析，很不错值得学习借鉴，还有libevent中C语言的功底值得学习揣摩！

Libevent源码分析 pdf文档 带目录

作者连接为http://blog.csdn.net/luotuo44/article/category/2435521/2 本人为方便今后的学习和记录，将网页内容复制做成PDF文档，希望作者不要介意

springmvc-multi-module-project:源码主要为学习整合的SSM框架：SpringMVC + Spring + MyBatis构建maven多模块工程项目，根据不同功能划分模块，方便管理和解压缩。项目主要涉及到的内容有：基于SpringMVC框架（非SpringBoot启动方式）。 ，结合MyBatis构建数据库访问层，以及使用AOP实现方法切面拦截，以及结合Redis高度封装类RedisTemplate实现数据缓存增值，修改，改，查操作，数据库使用MySQL 8.0.16，数据源

springmvc-multi-module-project:源码主要为学习整合的SSM框架：SpringMVC + Spring + MyBatis构建maven多模块工程项目，根据不同功能划分模块，方便管理和解压缩。项目主要涉及到的内容有：基于SpringMVC框架（非SpringBoot启动方式）。 ，结合MyBatis构建数据库访问层，以及使用AOP实现方法切面拦截，以及结合Redis高度封装类RedisTemplate实现数据缓存增值，修改，改，查操作，数据库使用MySQL 8.0.16，数据源使用阿里巴巴Druid，日志采用Log4j框架，通过SQL语句，以及配置Druid数据源内置监控页面，API访问及调式使用Swagger-UI

springboot-aop-annotation-redis-demo:源码主要用于学习SpringBoot + AOP + Redis控制Redis自动缓存和删除，通过AOP切面+基于自定义注释解，实现缓存查询，清除操作，缓存层使用RedisTemplate，重新自带的RedisTemplate实现分库存存，查询，数据库使用MySQL 8.0.16，持久层使用Spring Data JPA，前端调用Swagger-UI 2.9.2提供API可视化调试操作

springboot-aop-annotation-redis-demo:源码主要用于学习SpringBoot + AOP + Redis控制Redis自动缓存和删除，通过AOP切面+基于自定义注释解，实现缓存查询，清除操作，缓存层使用RedisTemplate，重新自带的RedisTemplate实现分库存存，查询，数据库使用MySQL 8.0.16，持久层使用Spring Data JPA，前端调用Swagger-UI 2.9.2提供API可视化调试操作

HeleeBlog:Heleeos.com网站的源码和文档，用于学习目的的构建博客，用到的技术有Spring，NodeJS，Mybatis，Mysql，Redis等

Helee博客 网站的开源代码 来源 所有项目的源码 博客豆 博客用到的基本服务，和数据库相关的内容 博客经理 博客管理端 博客网站 博客的接口 Blog-Web-NodeJS 博客的前端展示页面 doc 所有项目的文档 轮廓 关于我的页面 静态的 所有项目用到的静态文件 工具 所有的工具

javacourse-redis-in-action:Java工程师之Redis实战系列教程，同其他教程一样，均是在下学习笔记，本系列主要参考自《 Redis-in-action》，将书本中的有趣的例子转换为能解决特定问题的示例程序，所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨

javacourse-redis-in-action:Java工程师之Redis实战系列教程，同其他教程一样，均是在下学习笔记，本系列主要参考自《 Redis-in-action》，将书本中的有趣的例子转换为能解决特定问题的示例程序，所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨

基于Flask+Yolov5+Redis的深度学习车辆行人在线监测网站python源码+项目说明+模型.zip

【资源介绍】 基于Flask+Yolov5+Redis的深度学习车辆行人在线监测网站python源码+项目说明+模型.zip 数据集划分 如图1.1，数据集中包含3000张真实场景下行车记录仪采集的图片， 其中训练集包含2600张带有标签的图片，测试集包含400张不带有标签的测试集图片。数据集中共有22种细分的人车类型标签。其中，yolov5支持yolo的.txt标签格式，故将json的标签格式先转化为yolo格式，即标签、xy中心坐标、物体宽高，其中后四者均为归一化后的坐标。 在划分训练集和测试集时，以8：2划分训练集和测试集，并采用随机划分的方式，保证数据集的随机性。 | | | | ---- | ------------------------------------- | | |  | > 图1.1 数据集样例图 数据增强 获得一个表现良好的神经网络模型，往往需要大量的数据作支撑，然而获取新的数据这项工作往往需要花费大量的时间与人工成本。使用数据增强技术，可以充分利用计算机来生成数据，增加数据量，如采用缩放、平移、旋转、色彩变换等方法增强数据，数据增强的好处是能够增加训练样本的数量，同时添加合适的噪声数据，能够提高模型的泛化力。 YOLOv5提供了多种数据增强的方式，除了一些最基本的缩放、裁剪、旋转以外，还提供了Mosaic方法。其主要思想就是将 4 张图片进行随机裁剪、缩放后，再随机排列拼接形成一张图片，实现丰富数据集的同时，增加了小样本目标，提升网络的训练速度。在进行归一化操作时会一次性计算4张图片的数据，因此模型对内存的需求降低。如此一来，小目标的AP值会大大提高。 | | | | ---- | ---------------------------------------- | | |  | > 图1.2 Mosaic数据增强流程 在此次训练中，batch_size取为16。 | | | | ---- | ---------------------------------------- | | |  | > 图1.3 batch为16的Mosaic数据增强效果图 损失函数 [损失函数](https://so.csdn.net/so/search?q=损失函数&spm=1001.2101.3001.7020)是用来衡量模型预测值和真实值不一样的程度，极大程度上决定了模型的性能。 与往届YOLO类似，YOLOv5损失函数由 3 个部分组成，分别为bbox回归损失、目标置信度损失和类别损失。网络每个将特征图分为若干个cell，每个cell输出一个[*tx*,*ty*,*tw*,*th*,*po*,*c*1,*c*2,...]的向量，其中*tx*,*ty*用于计算预测框和对应anchor box (也就是所在cell) 两者中心的偏移量，*tw*,*th*用于计算预测狂的宽高，po是该cell (预测框) 含有目标的概率，c1,c2…为对应类别的预测值。 三个部分的损失均是通过匹配到的正样本对来计算，每一个输出特征图相互独立，直接相加得到最终每一部分的损失值。 与往届YOLO类似，YOLOv5损失函数由 3 个部分组成，分别为bbox回归损失、目标置信度损失和类别损失。网络每个将特征图分为若干个cell，每个cell输出一个[*tx*,*ty*,*tw*,*th*,*po*,*c*1,*c*2,...]的向量，其中*tx*,*ty*用于计算预测框和对应anchor box (也就是所在cell) 两者中心的偏移量，*tw*,*th*用于计算预测狂 【说明】 该项目是个人毕设项目，答辩评审分达到95分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用，亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值！基础能力强的可以在此基础上修改调整，以实现不同的功能。 欢迎下载交流，互相学习，共同进步！