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
200+累计阅读
245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
go命令依赖一个环境变量：GOPATH，这不是Go的安装目录，而是你的工作（工程）目录（你的代码都会在该目录下）。GOPATH可以有多个，windows以分号(;)进行区分，Linux系统是冒号(:)，当有多个GOPATH时，默认会将go get的内容放在第一个目录下。
Gogland 是 JetBrains 公司推出的 Go 语言集成开发环境。Gogland 同样基于 IntelliJ 平台开发，支持 JetBrains 的插件体系。目前正式版尚未发布。官方:https://www.jetbrains.com/go/。关于使用，即将开始咯！
一、安装Golang
1) 首先到https://golang.org/dl/选择适合你系统的安装包，（墙内：http://golangtc.com/download）。
2）下载完成安装到指定目录即可。我这里是(D:\Go)。
Android 15网络子系统深度解析（一）：ConnectivityService与网络管理框架全解析
深入剖析Android 15核心网络服务ConnectivityService的架构设计、NetworkAgent/Factory机制、网络状态管理、以及WiFi/移动网络切换的完整流程
【Golang 基础系列二】Go 语言安装、配置【Window】
一、下载 国外 https://golang.org/dl/ 【官网需要翻墙】 国内 https://studygolang.com/dl 【根据自己电脑下载对应的版本】 二、安装配置 Windows系统下，如果下载的是安装版，直接安装【Windo10会自动添加到环境变量中】 解压缩版的需要手动配置环境变量，配置方法： 【计算机】->【属性】->【高级系统设置】->【...
从零开始搭建属于自己的语音识别API服务器（ASRT开源项目）
材料准备 云服务器 （本人使用的的是阿里云服务器 Ubuntu（Linux操作系统）） 环境搭建 1. Python 3.7 话不多说直接上代码 sudo su yum -y install git yum -y install gcc yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-deve
go moudle模块加载被墙解决方法
go moudle 为golang的一种包管理方式；而对于在国内使用，很多外网的包可能会无法使用，遂做一个记录； 报错信息： go: golang.org/x/crypto@v0.0.0-20190701094942-4def268fd1a4: unrecognized import path "golang.org/x/crypto" (https fetch: Get https://go...
Cursor 使用教程（2025年更新版）
官方Cursor详细使用教程在“扩展学习”
【实战技巧】matplotlib中文标签显示问题的3种高效解决方案
本文详细介绍了解决matplotlib中文标签显示问题的3种高效方法，包括修改字体设置、临时指定字体和修改后端配置。针对不同操作系统和环境提供了实用技巧，帮助开发者快速解决中文显示为方框的常见问题，提升数据可视化效果。
Go语言线上服务器环境配置
Go语言Linux服务器环境配置（以centos为例）： **方法1：**这是直接通过安装包的方式配置，需要注意Go版本(尽量不要安装太低的版本，版本太低有些配置不方便)问题； 第一步下载Go语言的安装包（在一个目录底下）： cd /usr/local wget https://studygolang.com/dl/golang/go1.13.4.linux-amd64.tar.gz //同时注意下载Go语言的版本； 第二步直接解压该文件: tar -zxvf go1.13.4.linux-amd64.
BUCK型DC/DC变换器的建模与仿真
BUCK型DC-DC变换器的建模与仿真摘要1 文献调研1.1 研究背景1.2 Buck电路的应用场合2 原理分析2.1 模型介绍2.2 模型分析2.3 频域和时域响应2.4 参数指标要求3 参数设计3.1 校正器选择3.2 校正器参数整定3.2.1 积分器3.2.2 一阶微分环节3.2.3 超前校正器3.3 改进4 结论与展望参考文献 摘要 目前工业自动化水平已成为衡量各行各业现代化水平的一个重要标志。如何对一个系统进行建模分析、补偿校正变得越来越重要。 本文选择BUCK型DC/DC变换器作为载体，
vscode利用delve调试go1.12代码
目前里调试go利用的是delve工具，最新delve仅支持调试go1.14及以上版本的代码，但有时有需要用较低版本golang，不方便升级golang。
多物理场光学仿真软件：COMSOL_（10）.激光器与谐振腔仿真
定义Nd:YAG晶体的材料属性% 折射率% 吸收系数% 发射截面% 定义光泵浦源% 泵浦光波长% 泵浦光强度% 泵浦光方向% 定义全反射镜% 选择边界% 完美电导体边界条件% 定义部分反射镜% 选择边界% 反射率边界条件% 反射率通过 COMSOL 对激光器和光学谐振腔进行仿真，可以全面评估激光器的性能，包括输出功率、效率、稳定性和模式选择等。这些仿真结果为激光器的设计和优化提供了重要的参考依据。
SAP Parallel Accounting(平行分类账业务)配置及操作手册（超详细的说明和测试）
非常详细的介绍了SAP 的平行分类账配置以及测试效果哦
linux安装golang
执行go version,如果显示版本号,则Go环境安装成功.
一文弄懂Word2Vec之skip-gram（含详细代码）
目录 前言 一、什么是Skip-gram算法 二、目标是什么 三、定义表示法 3.1 one-hot向量 3.2 词向量（word vector） 3.3 单词矩阵 3.4 单词相似度 3.5 softmax函数 3.6算法过程 3.7 求softmax 四、skipgram代码实现 4.1 如何把词转换为向量 4.2 CBOW和Skip-gram的算法实现 Skip-gram的理想实现 Skip-gram的实际实现 4.3 使用Pytorch实现Skip-gram .
Bug：mac上运行go run main.go 报错，fork/exec /var/fold/T/go-build269/b001/ex
Bug：mac上运行go run main.go 报错，fork/exec /var/fold/T/go-build269/b001/ex
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
glide install golang.org 失败
glide install golang.org 失败背景因为golang.org被墙的原因，所以国内安装其中的库会失败（Cannot detect VCS）。 解决方案一按照如下方式配置镜像：$ rm -rf ~/.glide $ mkdir -p ~/.glide $ glide mirror set https://golang.org/x/mobile https://github.com
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")
Golang(二)[IDE配置]
Golang集成开发环境工具IDE配置
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
Golang从入门到精通（二）：Golang开发环境配置
跨平台特性Go语言和Java，Python一样，也是支持跨平台的。另外，Go语言还有黑科技：支持跨平台编译。比如你手头只有Mac系统，而你的用户有Linux和Windows的，他们也想用，你可以通过交叉编译出Linux和Windows上的可执行文件给他们用。另外，你甚至可以在32位平台的机器上以编译生成64位平台上的可执行程序。Windows下安装go语言官方下载地址：https://golang.
【golang学习笔记】——（二）配置golang vscode开发环境
本次学习采用vscode进行开发，vscode有比较成熟的插件，使用起来比较方便。
MoE 系列（二）｜Golang 扩展从 Envoy 接收配置
上一篇我们用一个简单的示例，体验了用 Golang 扩展 Envoy 的极速上手。这次我们再通过一个示例，来体验 Golang 扩展的一个强大的特性：从 Envoy 接收配置。
二.VS Code Go 开发配置
已安装。
GO学习日记（二）Visual Studio Code GO插件配置
在学习Golang的时候会纠结使用哪种编辑器或者IDE，这里由于是学习Go语言所以使用编辑器即可，如果要进行更加复杂的东西就去使用IDE，因为博主也是菜鸟所以我就使用编辑器，这里要介绍Visual Studio Code 的插件配置，如果不配置GO插件是没有智能提示和无法调试代码，所以必须要配置这个玩意，不然写起代码会非常痛苦的。那么我们需要： 1、Visual Studio Code安装包
golang json 非必须_golang系列—项目管理和环境配置(二)
golang系列的文章包含多篇文章，总篇如下，其中包含各篇文章的指引明月映江雪：golang系列——个人学习笔记总篇zhuanlan.zhihu.com前文中我们说到，若需要将整个项目共享给同事，那么需要将thirdparty中使用的依赖库摘选出来，然后打包给同事。当项目很多的时候，很难准确的摘选出那么多依赖库，所以golang就定义了vendor机制。同时，为了方便的进行依赖库的管理，gola...
【Go语言系列二】Go语言安装、配置
一、下载安装包 官网https://golang.org/，打开后如下图，点击下载 选择适合自己的版本下载 官网需要翻墙，我在优快云提交了安装包，链接： Linux32位：https://download.youkuaiyun.com/download/pengshengli/10447552 Windows64位（解压缩版）：https://download.csdn...
go读取配置(二)
如何读取配置文件config.gopackage conf import ( "bufio" "io" "os" "strings" ) func InitConfig(path string) map[string]string { //初始化 myMap := make(map[string]string) //打开文件指定目录，返...
服务计算实验二：golang环境配置（CentOS7+VSCode）
服务计算实验二：golang环境配置（CentOS7+VSCode） Linux文件目录结构 在安装golang之前，为了避免许多不必要的错误，一定要分清root用户和你使用图形界面的用户，即你自己取了个名字的用户，以下为了方便称为非root用户。 进入root用户的命令为su，退出是按Ctrl + D。 /root就是root用户，系统管理员，超级权限者的主目录，而非root用户的主文件夹是在...
go: 配置 vim 高亮插件
在早期的 golang 源代码包里面是有 vim 插件的，但是呢，到了1.4的源码包的时候，就删除了 vim 插件。所以我们需要从 1.3.3 版本的代码中获得 vim配置。 一、官网下载 所以可以从 golang 官网（Downloads - The Go Programming Language）下载 go1.3.3.src.tar.gz ，然后解压源码文件，把解压后的 go/misc/vim 里面的文件，复制到 ~/.vim/ 里面就可以了。 二、csdn 下载 如果访问不了 golang .
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1749
扫一扫
