Java版的Quartz表达式生成器，同时适用于Quartz.net（免费下载）

Quartz调度器简介
最新推荐文章于 2025-10-14 11:12:28 发布
最新推荐文章于 2025-10-14 11:12:28 发布 · 242 阅读 · 0
文章标签：

#java

Quartz是OpenSymphony开源组织的Job调度项目，能够与J2EE和J2SE应用结合使用，支持创建简单到复杂的大规模任务调度。它允许用户创建标准Java组件或EJB形式的任务。

Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目，它可以与J2EE与J2SE应用程序相结合也可以单独使用。Quartz可以用来创建简单或为运行十个，百个，甚至是好几万个Jobs这样复杂的日程序表。Jobs可以做成标准的Java组件或 EJBs。

      Java版本的地址：http://www.quartz-scheduler.org/documentation，.Net版本的地址：http://quartznet.sourceforge.net/ 。

      如果手工进行设置Crons表达式，比较繁琐，本文对之前网上提供的Java的Quartz表达生器源代码进行封装打包，

附件中可进行下载，具体如下图：

     

      

     

    

   

   

  

iteye_4296
关注
Swanlab github
强化学习曾小健
08-01 788
SwanLab 是一款开源、轻量的 AI 模型训练跟踪与可视化工具，提供了一个跟踪、记录、比较、和协作实验的平台。SwanLab 面向人工智能研究者，设计了友好的Python API 和漂亮的UI界面，并提供训练可视化、自动日志记录、超参数记录、实验对比、多人协同等功能。在SwanLab上，研究者能基于直观的可视化图表发现训练问题，对比多个实验找到研究灵感，并通过在线网页的分享与基于组织的多人协同训练，打破团队沟通的壁垒，提高组织训练效率。1. 📊 实验指标与超参数跟踪。
Qwen3超前分析报告：Transformers PR代码完全解读~
CV_Autobot的博客
04-25 1537
为保证恒定的计算成本，激活的路由专家将减少相应的数量，如上图所示。从对比代码中看，Qwen3_moe删除了共享专家部分，这里猜测Qwen团队应该是做了相关的实验，笔者之前也猜测15B应该是他们MoE的最低门槛参数量的模型，应该还有更大的模型，而该模型框架要适配他们所有的MoE模型的，因此应该是有没有共享专家机制都不会影响最终的模型性能，而使用了共享专家机制的话shared_experts需要过多的资源，其他的专家所在的设备有可能不能有效利用，因此综合考虑之后Qwen团队选择直接删掉该模块也是合情合理的。
Qwen代码层面解密
python_vb的博客
12-12 1754
eos_token_id”: 151645, //instruct model的eos_token_id修改为, base model本来都是
【干货收藏】Qwen3大模型完整实现指南：从输入层到输出层的代码解析
最新发布
2401_85373691的博客
10-14 1015
本文详细解析了阿里最新发布的Qwen3大语言模型，介绍了其模型架构和完整实现。文章从输入处理、Transformer块、自注意力机制、归一化层到前馈网络和输出层，逐步展示了Qwen3的核心结构。通过代码实现，深入探讨了GQA和FFN等关键组件，以及RMSNorm归一化技术，为理解大模型内部原理提供了全面指导。
代码解析！Qwen-3-MoE通义第三代模型！
2401_85390073的博客
04-24 3253
Qwen-3 系列包含两个模型：Qwen-3，对标 Qwen-2 的升级版Qwen-3-MoE，最新的 MoE 结构的模型改进点总结：Qwen-3：Attention使用了和LLaMA-4一样的QK RMSNormFFN使用了MoE架构，支持间隔k层使用。MoE的专家支持Top-K加权输出。训练时使用了Switch Transformer的辅助损失。
Transformer全参微调Qwen3：原理、实践与性能提升全解析！
2401_85375151的博客
08-11 1390
本文介绍了基于Qwen3大模型进行全参数微调的方法，实现医学领域专业对话能力。Qwen3在多个评测中表现优异，支持从0.6B到235B的多尺寸模型。文章详细讲解了环境搭建、数据处理（使用2000+条医学数据集）、模型训练（采用SwanLab监控）等步骤，并提供了完整代码。微调后的模型能实现"先思考再回答"的医学专业对话模式，如分析抗溃疡药物分类时，会先拆解问题再给出结构化回答。最后分享了AI大模型学习路径和资源，包括提示词工程、RAG系统开发等核心技能。
探索大语言模型（LLM）：Qwen3速测指南(transformers调用)
艾醒的博客
05-04 2377
Qwen3发布后4小时内GitHub获1.7万星标，刷新开源大模型热度纪录。本篇文章将以transformers调用的方式快速进行Qwen3调用。
一文详解最强开源模型Qwen3，看这一篇就够了！
star_nwe的博客
06-18 6110
感觉本次Qwen3最大的亮点就是模型原生支持思考模式和非思考模式，可以根据不同的任务需要选择不同的模式，无需跟往常一样同时部署推理模型和对话模型，一个模型即可搞定所有工作。思考模式：在这种模式下，模型会逐步推理，适合需要深入思考的复杂问题。非思考模式：在此模式中，模型提供快速、近乎即时的响应，适用简单问题。
从 CLIP 和 Qwen2.5-VL 入门多模态技术
frostmelody 全网同名，大家多多关注呀~ 持续分享优质内容！
06-04 1913
模态对齐（Multimodal Alignment）。简单来说，多模态AI的目标是让机器能够理解和处理来自不同来源的信息，例如文本、图像、声音等（这些不同的信息来源就是“模态”）。而“对齐”就是建立这些不同模态信息之间的联系。显式对齐 (Explicit Alignment)和隐式对齐 (Implicit Alignment)。左右两侧 (Modality 1 & Modality 2)：代表两种不同的信息类型。例如，Modality 1 可以是文本。
LLM 推理卡顿？vLLM 核心技术原理 + 最佳实战全攻略：让你的大模型推理飞起来！
博客虽小，世界尽在其中
06-17 1871
vLLM 是一款专为大语言模型推理优化的高性能推理引擎，凭借创新的 PagedAttention 技术与动态批处理机制，在提升吞吐量、降低延迟、节省显存方面表现卓越。本文将深入剖析 vLLM 的核心架构设计原理，包括其对 KV Cache 管理的优化策略、多请求并发调度方式以及对 OpenAI 接口协议的兼容能力。同时，文章还将手把手带你完成 vLLM 的本地部署、API 启动、模型调用等实战操作，帮助你快速构建一个响应迅速、资源友好的大模型推理服务。无论你是构建私有化 LLM 服务，还是开发 RAG 系统
如何高效开展AI原生应用领域持续学习
AI架构师小马
04-27 842
本文聚焦“AI原生应用开发者”的持续学习需求，覆盖从入门到进阶的全阶段学习场景。我们将回答：如何在知识爆炸中找到学习主线？如何避免“学完就忘”的无效努力？如何用实践加速知识转化？如何通过社区协作突破个人认知边界？本文将按照“认知升级→方法拆解→实战落地→生态共建”的逻辑展开：先理解AI原生应用的本质特征（为什么学），再拆解高效学习的四大核心模块（怎么学），通过具体案例演示学习路径设计（学什么），最后分享工具与资源（用什么学）。AI原生应用：以模型为核心、数据驱动自进化的新型软件持续学习三阶段。
LLM模型中transformer的一些优化细节
xiaomu_347的博客
07-02 67
LLM 中针对transformer结构的优化细节
【Agent】Qwen-Agent框架代码解读和MCP应用
发现问题，并解决问题，批判性思维
06-02 2970
Qwen-Agent是一个专门设计用于开发基于大型语言模型（LLM）的应用程序的框架。它不仅支持指令遵循、工具使用、规划和记忆能力，还能够处理从8K到100万tokens的文档，超越了传统长上下文模型的限制。这意味着开发者可以利用Qwen-Agent构建出能够理解和生成自然语言、执行复杂任务的智能代理应用。 核心功能： 更强的工具调用（Function Calling）能力:框架支持智能体自动调用外部工具或函数，包括内置的代码解释器、浏览器助手等，也支持开发者自定义工具，扩展智能体的能力。 便捷的MCP
Qwen模型源码解析
weixin_43214046的博客
07-01 2950
大模型 LLM 代码解读
最强开源大模型？Qwen3 系列深度解析 + 本地部署指南！看到就是赚到！！
2401_85325557的博客
04-30 1640
Qwen3（通义千问3）是阿里云Qwen团队推出的新一代开源大语言模型系列，涵盖密集模型和混合专家（MoE）模型多个规模。本次发布共开源了 6 个密集模型和 2 个 MoE 模型，参数量从 6亿 到 2350亿 不等。其中密集模型包括约0.6B、1.7B、4B、8B、14B和32B参数版本，MoE模型包括总参数约30B（激活参数3B）和235B（激活参数22B）的两种。所有模型均采用Apache 2.0开源许可，开发者可自由下载使用。
Qwen3 发布！一篇了解Qwen3：性能、突破、训练方法
star_nwe的博客
04-29 5614
今天凌晨，Qwen3发布。
国产大模型的扛把子Qwen3简单测评
m0_65555479的博客
05-06 2285
1. Qwen3 系列模型在同等参数情况下 在iquiz上还是有优势，能回答出比较多的题目，Qwen3 Dense模型要比MOE模型性能好，Qwen3在相同参数尺寸上对比其他模型还是有优势，个人使用上会选择14B的模型开始使用2. 在本地部署时需要更加关注模型参数的大小，模型量化情况的影响比不上改变参数大小的影响3. Qwen3 自带的思考模型 类似推理过程还是会极其影响回答的速度，在线模型特别时openai的gpt模型的速度还是要高于本地部署，在没有数据安全情况下 可以优先选择在线模型。
Qwen3：重磅开源，重夺开源第一！（包含详细使用教程）
sherlockMa的博客
04-29 5557
Qwen3 代表了人类在通往通用人工智能（AGI）和超级人工智能（ASI）旅程中的一个重要里程碑。通过扩大预训练和强化学习的规模，之子实现了更高层次的智能。作者无缝集成了思考模式与非思考模式，为用户提供了灵活控制思考预算的能力。此外，作者还扩展了对多种语言的支持，帮助全球更多用户。
Qwen3来袭，一手实测来了，系列里面最好用的竟然是它（非常详细）从零基础到精通，收藏这篇就够了！
leah126的博客
07-06 4062
由于时间关系，没有测试更多模型，但是我们可以很明显看到一个惊人的结论：Qwen3-30B-A3B应该是目前部署性价比最高的模型，对于要求速度同时又要求精度的场景，如果你不考虑用多少显存，大概率可以直接上；Qwen3-32B目前可能是同尺寸开源最强的模型，对于企业级应用应该是绰绰有余，几乎可以直接替代Deepseek-R1.Qwen3-8B用来部署企业级应用，甚至在VL模型出来之后，可能成为多模态模型的标配，而Qwen3-4B-VL，可能达到现在32B-VL的水准。
阿里开源Qwen3-Coder：支持256K上下文的AI编程利器
传统的代码补全工具通常受限于几千到几万token的上下文长度，难以捕捉跨文件的依赖关系或全局架构设计意图，而Qwen3-Coder凭借其超长上下文能力，能够精准把握项目的整体脉络，在函数调用链分析、接口一致性检查、...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值