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
6.3k累计阅读
6.4k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
在androiddev官网上下载了新版的Eclipse+sdk 打包好的那种 字体上遇到了很大的不适应 默认字体在现实中文的时候 直接畸形了，不知道谷歌的大婶们怎么想的，他们就不能照顾下windows下开发者的感受么，还有mac版本的Eclipse啥时候能做到像linux上那样超级稳定超级给力？mac开发安卓就是一个痛苦，好了 吐槽完毕，进入正题。
很简单 在Eclipse的菜单栏选择Window---Preference选项
然后选择Android这一栏--打开后选择Logcat--再点击右边顶部的change按钮 选择想用的字体就好了 我用的是这个字体 YaHei Consolas Hybrid
参考下图
修改后的字体
对于废弃的Logcat 也就是deprecated这个字体没有找到修改方法 如果有知道怎么修改的还请告知，多谢~
Android Develop
安卓ai自动化脚本 Yyds.Auto实现 示例 纯ai图像识别自动点击脚本
纯ai识别实现自动化脚本
android eclipse字体,Eclipse设置Android Logcat输出字体大小
学习C++.Primer.Plus 4 复合类型本章介绍的有复合类型有: 数组. 字符串. 结构. 共用体. 指针 数组: 声明数组时数组长度必须为常量(或const). 只有初始化时可以用“=”,其它时候均不可以给数组直接赋值,除了赋值的元素以外 ...debian attempt to kill init&...
浏览器Cookie迁移实战：从Chrome导出导入登录态全攻略
Cookie是浏览器保存的会话凭证，服务端通过Set-Cookie将登录态种在本地。迁移Cookie本质上是把服务端认可的会话标识搬到新环境，从而免去重复输入账号密码和二次验证的麻烦。在换电脑、切浏览器或重装系统时，掌握Cookie的导出导入技术能显著提升效率。Chrome与Edge同属Chromium内核，存储结构相似，但字段差异（如Domain、SameSite、Secure）常导致迁移失败。通过浏览器扩展或CDP脚本可实现跨浏览器登录态迁移，适用于内网后台、开发环境等场景。本文从原理到实践，梳理Coo
Eclipse设置Android Logcat输出字体大小
Window -> Preferences -> Android -> Logcat -> Display Font：点击“Change”按钮 如图：
Ubuntu18.04 SoftRoCE安装教程
目标：创建两台Ubuntu18.04虚拟机，安装SoftRoCE环境，一台作为Server，一台作为Client，模拟RDMA通信环境，熟悉RDMA的通信方式。
InstallShield 打包 自定义安装依赖环境
用InstallShield2020打包.NetFramework4.5程序，程序需要集成Access数据库，必须安装AccessDatabaseEngine引擎，而InstallShield中自带的依赖项不包含该项，所以自定义集成了该依赖项。
Android LOGCAT输出编码，eclipse下DDMS乱码(zt)
Android LOGCAT输出是UTF-8编码，要想正确显示中文，需要设置在WINDOWS CMD窗口的编码设置，以下为设置步骤。 1、打开CMD.exe命令行窗口 2、通过 chcp命令改变代码页，UTF-8的代码页为65001 F:\trash>chcp 6
机器学习发展历史及现状（重要的期刊，会议，大牛总结）
1 引言 机器学习是指通过计算机学习数据中的内在规律性信息，获得新的经验和知识，以提高计算机的智能性，使计算机能够像人那样去决策。随着各行业对数据的需求量增多，对处理和分析数据的效率要求变高，一系列机器学习算法应运而生。机器学习算法主要是指通过数学及统计方法求解最优化问题的步骤和过程。针对不同的数据和不同模型需求，选择和使用适当的的机器学习算法可以更高效地解决一些实际问题。本文将从机器学习的起源...
eclipse字体大小设置教程(eclipse主窗口和控制台字体大小设置)
Eclipse是一个开放源代码的、基于Java的可扩展开发平台，有的朋友反馈Eclipse字体太小，很影响编写代码，那么eclipse字体大小在如何设置呢？Eclipse 字体有两处，一处是控制台的字体，一处是主窗口，下面小编都会详细分享设置方法，还有的朋友反馈找不到自己想要设置的字体，这是由于Windows中很多字体是隐藏的，先要显示，好了废话不多说，一起来看eclipse字体大小设置教程吧。...
YOLOV26详解 从原理到部署
计算机视觉领域最具影响力的目标检测框架迎来重大里程碑。2026年1月，Ultralytics 正式发布 YOLOv26——这不是一次简单的版本迭代，而是一场面向边缘计算时代的架构重构。本专栏基于 Ultralytics 官方技术白皮书、YOLO Vision 2025 大会首发内容及国际前沿研究成果，系统拆解 YOLOv26 从算法原理到工程落地的全栈技术体系。与常规教程不同，我们聚焦与，帮助你在端侧 AI 部署的实战中掌握核心竞争力。
电力系统分析 | Matlab实现源荷场景生成---蒙特卡洛法场景生成启发式同步回带削减
电力系统分析 | Matlab实现源荷场景生成---蒙特卡洛法场景生成启发式同步回带削减
如何解决cmd输出的日志乱码
在命令行使用adb logcat命令直接输出日志中文内容显示乱码，原因是中文系统中cmd命令行窗口默认的编码是GBK，而LogCat打印的日志是UTF-8编码，所以adb logcat命令输出的中文内容显示乱码。 修改cmd命令行窗口字符编码即可解决logcat日志中文显示乱码问题： 1.cmd命令行窗口字符编码切换为UTF-8，命令行中执行：chcp 65001 2.修改cmd窗口字体属性...
uniapp - 强力解决H5网页浏览器跨域问题，如何解决uniapp请求接口在浏览器跨域问题，UniApp H5 跨域代理配置详细教程完美解决所有uniapp跨域（调用第三方接口或服务器api跨域）
uni-app 跨域，uniApp解决h5跨域问题，解决uni-app请求接口在浏览器跨域问题，uni.request请求跨域问题解决方案，uni-app-跨域解决方法，彻底解决uniapp发布为H5的跨域问题，uniapp H5页面设置跨域请求_uniapp h5跨域配置，uniapp开发 H5 解决跨域问题，uniApp请求解决跨域问题，uniapp request如何实现前端请求跨域，解决uniapp调试过程中的请求跨域和环境配置，Uniapp调用外部api接口跨域请求，uni-app发布H5页面跨域
cmd命令行中logcat输出日志中文乱码
在命令行使用adb logcat命令直接输出日志中文内容显示乱码，原因是中文系统中cmd命令行窗口默认的编码是GBK，而LogCat打印的日志是UTF-8编码，所以adb logcat命令输出的中文内容显示乱码。 修改cmd命令行窗口字符编码即可解决logcat日志中文显示乱码问题： 1.cmd命令行窗口字符编码切换为UTF-8，命令行中执行：chcp 65001 2.修改cmd...
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")
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。
eclipse android 方法解释,Android开发经验谈-Eclipse使用技巧
Eclipse什么都好，就是启动太慢，特别是当你的电脑配置较低或者工作空间里面有太多工程的时候，我之前经常遇到打开eclipse半个小时左右，窗口右下角仍然显示“Android sdk content loader 0%”，我想很多朋友都会遇到这个问题，通常只有重启eclipse才能解决。但如果避开这个问题不谈(你可以升级自己的电脑嘛，我现在8G的内存再也不会遇到这个问题了)，eclipse真的非...
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
cmd输出的日志里有中文乱码的解决办法
在命令行使用adb logcat命令直接输出日志中文内容显示乱码，原因是中文系统中cmd命令行窗口默认的编码是GBK，而LogCat打印的日志是UTF-8编码，所以adb logcat命令输出的中文内容显示乱码。 修改cmd命令行窗口字符编码即可解决logcat日志中文显示乱码问题： 1.cmd命令行窗口字符编码切换为UTF-8，命令行中执行：chcp 65001 2.修改cmd窗口字体属性...
汉书HE8，好用的汇编代码编写工具
汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大
linux下eclipse显示问题--解决界面不紧凑问题
不得不说在linux下eclipse的显示问题真是个蛋碎的问题。 在stackflow上面找到了一个解决方法，不过看提问者好像是个强迫症阿，哈哈！ 原址在 here 1 在主目录下，我的主目录为/home/mjz vim .gtkrc-2.0 然后将下面一段复制到这个文件中，再重启eclipse改观就大多了。 style "gtkcompact" { GtkButton::de
linux eclipse停留在界面,linux下eclipse显示问题--解决界面不紧凑问题
不得不说在linux下eclipse的显示问题真是个蛋碎的问题。 在stackflow上面找到了一个解决方法，不过看提问者好像是个强迫症阿，哈哈！//这个只是解决了上面那个标题栏的问题，但是对logcat的输出显示好像没有多大作用。1 在主目录下，我的主目录为/home/mjz vim .gtkrc-2.0 然后将下面一段复制到这个文件中，再重启eclipse改观就大多了。 style "gtkc...
Android Studio
1.工程结构工程的结构和 Eclipse上的不同，src下分为java和res。AS是基于idea，而idea和eclipse有大的区别，有好处也有不好的地方，在一段时间里，idea被认为是开发java最好用强大的ide工具，所以AS新建的时候有new application（应用）和new module（模块）开发。idea没有工作空间这样的说法。具体说就是： android studio是单工程
硬科技企业融资痛点与智能对接平台解决方案
硬科技企业的融资过程面临技术壁垒高、产业化周期长等独特挑战，传统财务顾问模式往往难以满足其需求。随着AI和大数据技术的发展，智能匹配系统通过技术标签体系(TRL分级)和投资人画像系统，正在重塑硬科技融资生态。这类平台能精准对接产业资本，提供从技术验证到供应链支持的全流程服务，显著提升融资效率。以半导体、生物医药为代表的高科技领域，特别需要这种深度融合产业资源的智能对接方案，典型案例显示采用新型平台的企业估值可提升40%。
Android LOGCAT输出编码，eclipse下DDMS乱码
Android LOGCAT输出是UTF-8编码，要想正确显示中文，需要设置在WINDOWS CMD窗口的编码设置，以下为设置步骤。 1、打开CMD.exe命令行窗口 2、通过 chcp命令改变代码页，UTF-8的代码页为65001 F:\trash>chcp 65001 执行该操作后，代码页就被变成UTF-8了。但是，在窗口中仍旧不能正确显示UTF-8字符。 3、修改窗
[Android 调试/测试] Android LOGCAT输出编码，eclipse下DDMS乱码
Android LOGCAT输出是UTF-8编码，要想正确显示中文，需要设置在WINDOWS CMD窗口的编码设置，以下为设置步骤。 1、打开CMD.exe命令行窗口 2、通过 chcp命令改变代码页，UTF-8的代码页为65001 F:\trash>chcp 65001 执行该操作后，代码页就被变成UTF-8了。但是，在窗口中仍旧不能正确显示UTF-8字符。 3、修改...
[Android 调试/测试] Android LOGCAT输出编码，eclipse下DDMS乱码 （转）
Android LOGCAT输出是UTF-8编码，要想正确显示中文，需要设置在WINDOWS CMD窗口的编码设置，以下为设置步骤。 1、打开CMD.exe命令行窗口 2、通过 chcp命令改变代码页，UTF-8的代码页为65001 F:\trash>chcp 65001 执行该操作后，代码页就被变成UTF-8了。但是，在窗口中仍旧不能正确显示UTF-8字符。 3、修...
cmd命令行中logcat输出日志中文乱码（转载）
cmd命令行中logcat输出日志中文乱码 在命令行使用adb logcat命令直接输出日志中文内容显示乱码，原因是中文系统中cmd命令行窗口默认的编码是GBK，而LogCat打印的日志是UTF-8编码，所以adb logcat命令输出的中文内容显示乱码。 修改cmd命令行窗口字符编码即可解决logcat日志中文显示乱码问题： 1.cmd命令行窗口字符编码切换为UTF-8，命令行中执行：...
Eclipse背景颜色，字体大小，自定义格式化设置，自定义keys，自动注释，各大src源码下载，自定义注释
今天换一个工作空间，原来eclipse中的基本设置全没了，找了好久才配置好，所以写一篇配置笔记： 1.eclipse 背景颜色配置： 2.代码字体大小设置 3.控制台字体大小设置： 4.xml文件字体大小设置： 5.Android中logcat字体设置: 6创建类时，自动添加一些注释： windows-->preference Java-->Code ...
解决Android LogCat 输出乱码的问题(转)
Android日志系统提供了记录和查看系统调试信息的功能。日志都是从各种软件和一些系统的缓冲区中记录下来的。 可以使用adb的logcat命令来查看系统日志缓冲区的内容，但是在实际操作时，会发现在CMD的DOS界面上面，使用logcat命令直接输出的中文内容是乱码。如下图：而这个问题只出现在使用logcat将日志直接打印在当前的DOS窗口的时候会出现；而使用logcat将日志保存为文件，...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
4780
扫一扫
