VisualForceｚ之＜apex:variable＞ 临时自增长变量

原创 已于 2022-12-06 13:44:20 修改 · 846 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#其他

于 2016-12-16 09:02:19 首次发布
本文介绍了一个使用Apex进行变量更新与列表渲染的例子。通过Apex:variable和Apex:repeat组件展示了如何在每次循环中更新一个计数器变量，并基于此变量决定某些UI元素是否显示。 
<apex:variable value="{!firstIndex}" var="No" />
<apex:repeat value="{!ClassList}" var="item" 
   //业务处理
   <apex:outputPanel rendered="{!ListSize>No+1}">
     <br/>
  </apex:outputPanel>
<apex:variable value="{!No+1}" var="No" />
</apex:repeat>

参考​​​​​​​

Salesforce Apex 中常用技能总结（持续更新）
Mr_chen的博客
01-13 4810
Salesforce Apex常用技能总结 博主也是Salesforce Apex 工作不久，有用到的知识和平时查阅到的知识和大家分享一下。
Apex:使用VF自带标签实现简单数据分页功能
weixin_37844099的博客
02-17 1222
文章目录一、需求阐述二、逻辑梳理三、代码实现1. Controller2. VF Page3. 效果四、知识点回顾1. ApexPages.StandardSetController2. PageReference3. URLFOR4. rendered五、总结 当你想要在VF页面上展示1000+的数据时，你就必须使用分页，否则就会报错“Collection size xxxx exceeds ...
apex:variable 行番号　奇数、偶数行判定
日々精進
10-07 1205
{!index} apex:repeatループ内に奇数・偶数の判定方法 Something...
Salesforce Visualforce页面传递JS变量给Controller
成成成成成成成成成成成成成成丶
03-02 1306
参考: https://salesforce.stackexchange.com/questions/24666/how-to-pass-javascript-value-to-controller 例如 public with sharing class RoseRichEditorController { //html内容 public String tex...
salesfroce vf page
m0_49540208的博客
03-15 224
1. 调用报表（analytics:reportChart ） 2. 循环遍历数据（apex:repeat） 3. 转换时间格式 4. 引用静态资源 5. 用于 JavaScript 远程处理的 OAuth 2.0 身份验证
salesforce 打印文档（内部类，子查询）
weixin_30399871的博客
04-10 286
<apex:page controller="CertificateMessageEXCEL" contentType="application/x-excel# GenExcel.xls" cache="true" showheader="false"> <apex:outputText value="{!xlsHeader}"/> ...
自定义主题实现秘籍：H-ui.admin v3.0 动态皮肤切换与CSS变量注入技术
[自定义主题实现秘籍：H-ui.admin v3.0 动态皮肤切换与CSS变量注入技术](https://docs.oracle.com/database/apex-5.1/HTMDB/img/GUID-C0AC3DEF-BF10-4F2E-865D-0BB9B48A951F-default.png) # 摘要 本文围绕H-ui....
【AI性能调优秘籍】：多线程决策流程的深度分析与优化
[第一人称多人游戏中的人机表现以人口为基础的深层强化游戏学习.pdf](https://i0.wp.com/securityaffairs.com/wp-content/uploads/2024/03/Apex-Legends-Global-Series.png?fit=1022%2C502&ssl=1) # 摘要 本文从多...
【Pytorch性能提升】Windows平台模型训练加速指南：实用技巧大公开
深度学习模型的训练和部署对计算资源的需求日益增长，Pytorch作为一个广泛使用的深度学习框架，提供了丰富的工具和接口来优化模型的性能。在这一章节中，我们将概览Pytorch性能提升的重要性，并探讨从训练到部署各个...
高频电路发表新选择：IEEE Antennas and Propagation Magazine投稿周期与接受率首次披露
!... # 摘要 本文系统分析了IEEE Antennas and Propagation Magazine在高频电路与天线技术领域的学术定位及投稿策略，结合5G/6G通信与毫米波、太赫兹技术的发展趋势，探讨了该期刊在实践导向研究中的独特优势。...
【TorchCUDA错误解决专家】：AssertionError无处遁形
!... # 摘要 本文探讨了CUDA在深度学习中的应用挑战，特别是错误处理和性能优化。首先介绍了CUDA的基本原理和优势，以及它在深度学习框架PyTorch中的集成。随后，文章深入分析了AssertionError的根本原因，
在Visualforce page中用自带的控件实现Ajax回调后台方法（并且可以用js去动态给parameters赋值）...
weixin_34197488的博客
01-08 236
这里用的组合是：apex:commandLink  + apex:actionFunction + apex:outputPanel  这里的 apex:commandLink 和 apex:actionFunction 都可以通过 action 来指定Ajax所回调的后台方法， 方案一： 其中 apex:commandLink 充当直接回调后台方法的控件,  用 oncomplete 指定...
Apex & Lightning Salesforce 学习笔记及报错问题（持续更新）
飞越太平洋
10-18 6103
Apex & Salesforce 学习笔记及报错问题目录在Lightning Experience中显示编辑后的页面Account.Owner引用自定义字段Apex中的一些字段标签Apex中常用函数常用方法分页功能静态资源Apex 类（第一次参考别人的代码 总结的一些属性方法等）Visualforce Page页面（一边学一边画的一个Page页面）两种在循环中引用SOQL的方法单元测试类...
Salesforce-Visualforce-2.内置组件(components)
nihaixiao的博客
06-26 829
visualforce内置组件
salesforce apex + vf page 动态显示object 和 动态加载显示的列
于涛的专栏
08-03 2891
1. salesforce apex class: public with sharing class YUT_DynamicTableController { //List displayed on UI public List supportedObject {get; set;} //Selected Object public Strin
068_Apex&Page中的ReadOnly 使用方式
09-25 283
一、page页面遇到需要检索大量数据的处理方式需要时会用Readonly 通常，对单个Visualforce页面请求的查询可能无法检索超过50,000行。 在Read only模式下，此限制将放宽允许查询最多1,000,000行。 <apex:page controller="SummaryStatsController" readOnly="true"> <...
verilog中的repeat的用法和例子
热门推荐
a14730497的专栏
09-29 8万+
repeat 循环语句执行指定循环数，如果循环计数表达式的值不确定，即为 x 或z 时，那 么循环次数按 0 处理。repeat 循环语句的语法为 repeat(循环次数表达式) begin     语句块; end 其中， “循环次数表达式”用于指定循环次数，可以是一个整数、变量或者数值表达式。 如果是变量或者数值表达式，其数值只在第一次循环时得到计算，从而得以事先确定循环次
Salesforce在自定义按钮中写查询，插入，更新
wangyi9896的博客
03-06 1205
{!REQUIRESCRIPT("/soap/ajax/35.0/connection.js")} {!REQUIRESCRIPT("/soap/ajax/35.0/apex.js")} if('{!Opportunity.GYZ_IsCheck__c}' == false) { if({!Opportunity.Probability} &gt;= 90) { var opp= n...
salesforce之apex开发1---基本类型与常用方法
xiaopeng045的博客
09-12 8910
salesforce的apex开发基本类型与常用方法总结
torch.OutOfMemoryError: CUDA out of memory. Tried to allocate 108.00 MiB. GPU 0 has a total capacity of 21.98 GiB of which 113.12 MiB is free. Process 115818 has 17.74 GiB memory in use. Process 116407 has 4.11 GiB memory in use. Of the allocated memory 3.88 GiB is allocated by PyTorch, and 6.80 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True to avoid fragmentation. See documentation for Memory Management (https://pytorch.org/docs/stable/notes/cuda.html#environment-variables)
最新发布
05-23
### 解决方案概述 当遇到 `CUDA out of memory` 错误时，通常是因为 GPU 内存不足以支持当前的任务需求。这种错误可能由多种原因引起，例如模型过大、批量大小过高或内存碎片化等问题。通过调整 PyTorch 的 CUDA 内存管理配置变量 `PYTORCH_CUDA_ALLOC_CONF` 和其他优化策略可以有效缓解该问题。 --- #### 调整 `PYTORCH_CUDA_ALLOC_CONF` `PYTORCH_CUDA_ALLOC_CONF` 是一个环境变量，用于控制 PyTorch 中的 CUDA 内存分配行为。其主要参数包括： 1. **max_split_size_mb**: 设置每次分割内存的最大块大小（单位 MB）。如果保留的内存远大于实际使用的内存，则可以通过增加此值来减少内存碎片化的可能性[^2]。 ```bash export PYTORCH_CUDA_ALLOC_CONF="max_split_size_mb:100" ``` 2. **expandable_segments**: 启用可扩展段模式以动态增长内存池，从而避免因固定大小导致的内存浪费和碎片化问题[^4]。 ```bash export PYTORCH_CUDA_ALLOC_CONF="expandable_segments:true" ``` 3. **reserve_percentage**: 控制预留内存的比例，默认为 5%。适当降低此比例可能会释放更多可用内存给任务使用[^1]。 ```bash export PYTORCH_CUDA_ALLOC_CONF="reserve_percentage:2" ``` 以上三个参数可以根据具体场景组合使用。例如： ```bash export PYTORCH_CUDA_ALLOC_CONF="max_split_size_mb:100;expandable_segments:true;reserve_percentage:2" ``` --- #### 减少内存占用的方法 除了调整 `PYTORCH_CUDA_ALLOC_CONF` 外，还可以采取以下措施进一步优化 GPU 内存使用： 1. **减小批量大小 (Batch Size)**: 批量过大会显著增加显存消耗。尝试逐步缩小批量大小直到不再触发 OOM 错误为止[^3]。 2. **梯度累积 (Gradient Accumulation)**: 如果无法直接运行较大的批次数据，可通过梯度积累技术模拟大批次效果而无需额外显存开销。 ```python accumulation_steps = 4 optimizer.zero_grad() for i, data in enumerate(dataloader): outputs = model(data) loss = criterion(outputs, labels) / accumulation_steps loss.backward() if (i + 1) % accumulation_steps == 0: optimizer.step() optimizer.zero_grad() ``` 3. **混合精度训练 (Mixed Precision Training)**: 使用 FP16 数据类型代替默认的 FP32 可大幅节省显存空间并加速计算过程。借助 NVIDIA Apex 或者原生 PyTorch 提供的支持实现这一功能。 ```python from torch.cuda import amp scaler = amp.GradScaler() for inputs, targets in dataloader: with amp.autocast(): outputs = model(inputs) loss = criterion(outputs, targets) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() ``` 4. **清空缓存 (Clear Cache)**: 显卡上的未被清理掉的历史张量可能导致不必要的资源占用，在必要时候手动清除这些临时对象有助于回收部分内存。 ```python import gc import torch del variable_name_here gc.collect() torch.cuda.empty_cache() ``` 5. **分布式训练 (Distributed Data Parallel)**: 对于超大规模模型或者极高分辨率图像处理等情况，考虑采用多 GPU 并行架构分摊单个设备的压力。 --- #### 常见注意事项 - 当前硬件规格是否满足预期负载？确认目标机器具备足够的 VRAM 容量匹配所选框架版本及其特性集的要求。 - 是否存在第三方库干扰正常流程？某些外部依赖项可能存在潜在冲突影响最终表现形式需逐一排查验证兼容性状况。 - 版本差异也可能带来不同的性能体现，请确保所有组件均处于最新稳定状态以便获得最佳体验感。 --- ### 示例代码片段 下面是一个综合运用上述技巧的例子程序展示如何应对复杂的实际情况下的挑战： ```python import os os.environ['PYTORCH_CUDA_ALLOC_CONF'] = 'max_split_size_mb:100;expandable_segments:true' from torch.utils.data import DataLoader from torchvision.models import resnet50 from torch.nn import CrossEntropyLoss from torch.optim import SGD from torch.cuda import amp model = resnet50().cuda() criterion = CrossEntropyLoss() optimizer = SGD(model.parameters(), lr=0.01) scaler = amp.GradScaler() dataloader = DataLoader(...) # 初始化您的数据加载器 for epoch in range(num_epochs): for batch_idx, (data, target) in enumerate(dataloader): data, target = data.cuda(non_blocking=True), target.cuda(non_blocking=True) with amp.autocast(): # 开启自动混合精度 output = model(data) loss = criterion(output, target) / gradient_accumulation_steps scaler.scale(loss).backward() # 缩放损失反向传播 if ((batch_idx + 1) % gradient_accumulation_steps == 0 or (batch_idx + 1) == len(dataloader)): scaler.step(optimizer) scaler.update() optimizer.zero_grad(set_to_none=True) print(f'Epoch {epoch} completed.') ``` ---
评论 1
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