墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.2k累计阅读
1.3k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
进入GitHub官网：https://github.com
username：不能使用下划线（_），并且短横线不能打头，中文也是不合法昵称。email：要填写合法邮箱，并且是未在GitHub注册过的邮箱。否则会弹出错误提示。password：注意密码至少有7个字符，其中至少有一个小写字母，至少有一个是数字。
学习参考
软件安装
物联网技术-第2章-物联网技术架构
• 物联网具有很强的异构性• 为实现异构设备之间的互联、互通与互操作，物联网需要以一个开放的分层的可扩展的为框架。
GitHub账户注册流程及常见问题解析
GitHub账户注册流程及常见问题解析 GitHub是一个优秀的面向开源及私有软件项目的托管平台，值得我们使用，但因为其不同于我们常见的很多平台，所以刚开始使用时，我们会遇到很多的问题。特此记录自己使用GitHub的过程供自己以后查看，顺便可以给其他要使用GitHub但又不知道怎么使用的人一点指导，若发现不合理之处，欢迎指正。Github是最流行的代码库，里面存储着丰富的优秀的开源代码。不仅如此，...
相机标定-张正友棋盘格标定法
(X，Y，Z)为在世界坐标系下一点的物理坐标 ( u , v ) 为该点对应的在像素坐标系下的像素坐标 引入齐次坐标的原因：引入齐次坐标的目的是为了升维，将坐标从二维坐标变为三维坐标。 2.相机成像过程 相机成像系统中，共包含四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系。 （1）世界坐标系（,,） 描述目标在真实世界中的位置引入的参考坐标系。 （2）相机坐标系（,,） ...
GitHub账户注册
GitHub是一个优秀的面向开源及私有软件项目的托管平台，值得我们使用，但因为其不同于我们常见的很多平台，所以刚开始使用时，我们会遇到很多的问题。特此记录下博主自己使用GitHub的过程供自己以后查看，顺便可以给其他要使用GitHub但又不知道怎么使用的人一点指导，若发现不合理之处，欢迎指正。 Step1、注册一个GitHub账户 百度搜索GitHub或者直接点击https://github....
告别昂贵硬件！用Unity3D 2023 + ROS2 Humble搭建你的第一个SLAM仿真实验室（保姆级教程）
本文提供了一份详细的教程，介绍如何使用Unity3D 2023和ROS2 Humble搭建SLAM仿真实验室，无需昂贵硬件即可实现虚拟传感器模拟和算法测试。通过Docker容器配置、ROS2安装优化及Unity插件集成，开发者可以快速构建高精度的仿真环境，适用于自主导航、多传感器标定等场景。
Java网页访问报错？手把手教你解决JRE插件缺失和浏览器拦截问题（附详细截图）
本文针对Java网页访问时常见的JRE插件缺失和浏览器拦截问题，提供了详细的诊断与解决方案。文章首先解释了问题根源在于现代浏览器出于安全考虑停止了对Java插件的支持，然后手把手指导用户确认Java安装、在控制面板配置安全站点列表，并针对Chrome、Edge、Firefox等主流浏览器的不同拦截机制给出了具体的应对策略，最后提供了系统性的故障排查清单，帮助用户彻底解决访问障碍。
Datawhale学习git-第一节
datawhale---git学习笔记
第一章 DRM 子系统概述：1.2 专栏定位与技术覆盖范围
本专栏系统解析Linux内核DRM图形子系统的核心技术，涵盖GEM对象管理、TTM内存机制、DRM-Fence同步等核心模块，深入剖析DMA-BUF共享、DMA_Resv资源管理等关键技术。通过解读内核源码与用户态接口(libdrm)，结合进程管理、匿名inode等底层机制，构建完整的DRM知识体系。专栏兼顾深度与易懂性，辅以实际应用场景分析，既适合图形驱动开发新手入门，也可满足资深工程师进阶需求，帮助读者掌握从内核实现到应用开发的全栈知识。
Github调研：开发者对生产力、协作和AI编码工具的看法
Datawhale干货翻译：段秋阳 Datawhale成员调研背景GitHub首席产品官Inbal Shani如是说：今天的开发人员所做的不仅仅是编写和发布代码，他们还需要熟练应用各种工具、环境和技术，包括生成人工智能编码工具这个新领域。但对开发人员来说最重要的不是故事点或部署速度。这是开发者体验（DevEx），它决定了开发人员如何有效和高产地超越标准、进入心流状态并产生影响。我不仅是作为Gi...
05 SAP CPI 访问第一个CPI接口
其中的clientid的值可作为Basic验证的用户名，clientsecret的值可作为Basic验证的密码。点击SEND按钮，可看见返回状态为200 OK。在04中，我们得到TOKEN令牌。POSTMAN向下滚动。点击按钮获取token。
Unreal5从入门到精通之一文搞懂Unreal的C++代码编译之谜
我们在开发Unreal项目时，如果时蓝图模板的项目，一般问题不大，因为当你修改完蓝图，点击编译Compile+保存Save，就可以继续开发了。这对于开发者来说也非常友好。但是，如果你使用的C++模板开发项目，代码编译一切都变得魔幻起来，IDE(VS/Rider)里面有编译，编辑器里面也有编译，有什么区别呢？我们来列举几个新手常碰到的问题。1.代码我明明新建了，编辑器里怎么看不到？2.昨天我新家的功能运行的好好的，今天怎么感觉还是老逻辑。或者昨天加的新代码，新蓝图不见了。
Datawhale开源学习笔记
第31期水很深的深度学习Task01 绪论与深度学习概述、数学基础1 绪论与深度学习概述1.1人工智能1.2机器学习1.3深度学习1.4主要应用2 数学基础2.1 矩阵基本知识2.2 矩阵的分解2.3 概率统计2.4 最优化估计Task02 机器学习基础Task03 前馈神经网络Task04 卷积神经网络CNNTask05 循环神经网络RNN Task01 绪论与深度学习概述、数学基础 引用文本 参考链接： https://datawhalechina.github.io/unusual-deep-lea
自定义Usecase/Pipeline
Summary of Custom Usecase and Pipeline Configuration in SA8650 QCX Framework This article elaborates on the complete process of customizing a new Usecase and Pipeline based on the SA8650 QCX framework to meet OEM and Tier1 customization requirements, with
关于Github创建以及使用
关于Github库的创建以及使用 安装git git安装教程 生成SSH公钥 生成SSH公钥（注意在git下面做这些事情，我第一次傻乎乎的在cmd窗口里执行了半天老报错没反应哈哈哈） 按如下命令来生成sshkey: ssh-keygen -t rsa -C "xxxxx@xxxxx.com" # Generating public/private rsa key pair... # 三次...
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
win10 跳过U8环境检测的IE WebControls.rar
win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。
使用github创建图床
欢迎访问我的个人博客https://ximikang.github.io 使用github创建图床 下载PicGo软件，以便管理图床。 下载链接 其实picgo软件还支持很多的平台去做图床例如： 但是其他的平台都避免不了各种问题，关键是穷逼一个只能选择方便管理而且算是比较稳定的github,github被微软收购后应该还是比较财大气粗的。 配置PicGo的github图床 仓库名：us...
大中型超市收银系统(可直接运行)
光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开
GitHub 项目创建与 GitHub Desktop 使用教程
本文为GitHub和GitHub Desktop初学者提供入门教程，详细讲解从创建远程仓库到本地同步的全流程操作。主要内容包括：1）在GitHub网页端创建新仓库并初始化README文件；2）使用GitHub Desktop克隆远程仓库到本地；3）在外部编辑器修改文件后，通过GitHub Desktop查看改动差异并提交；4）将本地提交同步至GitHub远程仓库。教程采用图文结合的方式，分步骤指导用户完成创建、克隆、修改、提交和同步等基础操作，帮助初学者快速掌握GitHub Desktop的核心使用方法。
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
使用idea创建github仓库
一、 安装Git 软件 二、在idea中添加github账户（需要在github中创建token） 创建token(token是一个身份标识)，在github网页下，找到Settings，然后选择Developer Settings ->personal access tokens，点击Generate new token 生成一个token即可。 选择菜单中的File -> Settings -> Version Control -> GitHub，然后点击加号添加git
GitHub的创建与使用（详细图解）
GitHub的创建与使用（详细图解） GitHub是一个面向开源及私有软件项目的托管平台，因为只支持git 作为唯一的版本库格式进行托管，故名GitHub。 创建账号 GitHub官网地址：https://github.com/ 点击Sign up注册GitHub账号 填写用户，邮箱，密码 点击create an account，进行邮箱确认 点击continue进行下一步，进行问卷（可...
github新手使用教程-创建、克隆、分支、上传
如果此时，在文件夹中新建一个文件，test.txt，便可使用git add test.txt，仅将这个新文件添加到本地仓库即可。回到github页面，刷新后，可以发现提示有多的分支，选中master分支，可以看到我们刚刚提交上来的文件。在示例文件夹内，使用git init命令后，会发现文件夹中多了一个.git文件夹，这里面存放的就是。回到github的仓库，点击code，找到https下的连接，点击右边复制按钮。注意，只有在初次提交之后，才能使用后续的git branch来创建新的分支操作。
使用github创建个人页面，以及git的两种使用方式
本篇主要介绍两个干货：1、如何利用github创建个人页面，对于学者范儿的从业人员可以关注；2、在创建页面的同时，顺便把git的使用也熟练下。
创建我的GitHub账号及使用
一、账号创建 1.百度找到GitHub官方网站（https://github.com/ ） 2.点击Sign up注册GitHub账号 下图为注册页面 第一步：填写账号邮箱密码，点击create an account 进入下一步，系统会向你填写的邮箱发送一封确认邮件，去登陆邮箱确认。 第二步：保持默认，点击continue跳到下一步 第三步：是问卷可选填，然后点击提交...
使用github创建博客
本文主要介绍以下几个内容： 1、使用githbu创建自己的博客 2、将博客域名映射到自己的域名 3、如果写博客 一、使用github创建自己的博客 具体可参考https://pages.github.com/ 1、在github上创建一个repository，名称为username.github.com的形式，如jinhong-lu.github.com 2、下载github for...
github使用-GitHub上如何创建文件夹
GitHub上如何创建文件夹 看了网上很多关于如何在git上创建空文件夹的文章后，发现大家写的都是用指令在本地创建一个空文件夹后再上传指令和步骤都太繁琐且复杂了，对于用git不是很熟练得到人来说太麻烦了，而且在本地于github上的库建立连接的步骤中只要一步出现问题都会出错。 这里我讲解一种最简单的github创建文件夹的方法，首先是进入所要创建文件夹的库中点击Create new file 然...
使用git创建在github上创建自己的仓库
目录github本地参考完 github 1、登录github账号 2、创建一个repository 创建成功以后会得到一个链接，复制下来（其实此时页面也会提示后续的操作） 打开命令行： ssh-keygen -t rsa -C “xxx@xxx.com” xxx@xxx.com 是与github账号相关联的邮箱账号，连续回车就行 在github setting添加ssh key title随便写，将本地id_rsa.pub以文本打开，里面的内容复制到key里面 本地 进到本地你需要传到git
使用Shell创建GitHub仓库
Github的代码仓库分为2种类型： 用户自己的代码仓库 组织的代码仓库 下面就使用Shell脚本创建这2种类型的代码仓库，脚本如下 创建用户自己的代码仓库 #!/bin/bash USER_NAME="[your username]" PROJECT_NAME="[project name]" PROJECT_DESCRIPTION="[...
github怎么给别人看私密项目_关于Github的使用--创建私密仓库
首先可以用学校的学生邮箱获取github的学生优惠的大礼包--可以获取很多的代金券以及github私密仓库的使用权。1.打开github12.点击新建按钮创建一个新的仓库(选择公有还是私密)23.填写好了相关的信息后可看到如下34.上述工作完成后，用命令行进入到自己的IDE的创建好的项目下：之后执行如下的指令：git initgit add README.md (没有的话自行创建一个说明文件)gi...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2977
扫一扫
