月报总结｜Moonbeam4月份大事一览

Web3 MoonBuilder Web3 MoonBuilder 博客等级 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 800+累计阅读 870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 码龄5年
关注
原创 2022-05-30 12:22:23 870 阅读 AI 写同款· GEO 优化 ›
Codex不是模型而是协议：本地部署四步法与排错指南 Codex本质上是一套标准化的代码生成协议栈，而非可下载的大语言模型，其核心是定义请求结构、上下文切片、补全策略与流式响应格式。理解这一协议本质，是解决本地部署中cc switch报错、codex接入deepseek失败等高频问题的前提。技术价值在于实现IDE级代码补全能力的私有化落地，支持VS Code等编辑器无缝对接，适用于企业内源代码安全治理、离线开发环境及AI编码效能提升等场景。本文聚焦Codex协议适配实践，涵盖环境筑基、模型加载（如DeepSeek-Coder）、协议桥接与端到端验证四大关键环节 阅读详情

随着Moonriver增加了允许XC-20资产可被铸造和销毁的功能，4月份也是Moonbeam具有发展意义的一个月份：NFTrade、Ledger、SubWallet等新项目与Moonbeam和Moonriver的集成、众多项目做客Moonbeam生态说分享近期更新、如火如荼的Moonriver NFT Quest社区竞猜活动。快来解锁Moonbeam4月份的一揽子大事件吧！

1. Moonbeam & Moonriver最新进展

Moonriver上的XC-20资产现可铸造和销毁

Moonbeam于本月在其同行网络Moonriver上添加了允许项目方铸造/销毁XC-20标准Token的功能。这对于网络来说是一次飞跃式的发展，使项目和Token持有者能够在Token的使用上获得更多灵活性。此功能也将在不久后上线Moonbeam。阅读更多

Moonbuilders Academy现已向Web3开发者开放

Moonbeam为开发者打造了首个学习中心和教育平台 — — 「Moonbuilders Academy」致力于帮助开发人员学习如何在Moonbeam和Moonriver构建适应多链的去中心化应用。开发者可以登陆平台，获取海量优质的教学内容：如波卡和Substrate的概览，生态开发工具和其他可互操作性的功能。Moonbuilders Academy无需任何费用且支持中英双语。注册现已正式开放，计划详情和应用请查看Moonbuilders Academy页面。阅读更多

Fireblocks增加对MOVR和GLMR的支持

Moonbeam和Moonriver是第一个在Fireblocks上线的Polkadot平行链。Fireblocks是面向机构用户的领先托管技术和流动性网络。经过本次集成，平台可为客户提供最简单的方式，基于Moonbeam的GLMR和Moonriver的MOVR建立加密产品和相关服务，比如机构托管解决方案、NFT交易市场、交易服务等更多围绕两个生态的业务。阅读更多

Moonriver Grant Hackathon仍在进行中！

Moonriver首次全球黑客马拉松（Moonriver Grant Hackathon）仍在进行中，5月14日截止提交。本次黑客松旨在为更多开发者尽可能地提供在Moonriver上构建、实验和上线项目的机会。阅读更多

2. Moonbeam & Moonriver新集成伙伴&项目

Moonbeam和Moonriver生态最新动态

NFTrade
NFTrade是首个跨链和的区块链通用型NFT平台。所有Moonbeam的用户、开发团队以及$GLMR持有者都将能够创建、购买、销售、兑换以及获取NFT，为全体Moonbeam社区提供一个去中心化且非托管的NFT基础设施。阅读更多

SubWallet
SubWallet已经与Moonbeam、Moonriver及Moonbase Alpha测试网上的EVM资产集成。SubWallet允许用户管理Dotsama生态系统的资产（包括在中继链上的资产）：Polkadot (DOT)，Kusama (KSM) 和其他平行链。阅读更多

Moonbeam生态最新动态

Ledger
原生Moonbeam App现可在Ledger Live的Nano S、X和S Plus使用。用户无需额外的配置步骤即可使用Ledger硬件钱包在Moonbeam上签署交易。

DappLooker
此次集成提供Moonbeam上的开发人员能够创造、分叉、分享数据面板以分析智能合约和链上数据。

NFTScan
Moonbeam与专业的NFT数据基础设施NFTScan集成，成为继Ethereum、BNBChain之后NFTScan支持的第3条区块链网络。NFTScan正式对外发布moonbeam.nftscan.com浏览器，为Moonbeam生态的NFT开发者和用户提供友好的NFT数据搜索查询服务。阅读更多

KeyFi
KeyFi是一个DeFi聚合器，这意味着它可以帮助用户在多个区块链上跟踪资产，在多个平台上执行交易等。现在用户可以开始在KeyFi Pro上追踪其Moonbeam资产。除此之外，甚至可以使用新的多钱包视图同时跟踪多个钱包。阅读更多

everPay
本次集成将会通过everPay提供的跨链功能激发Arweave和Moonbeam生态的潜力。届时，Moonbeam上的资产能够无缝进入Arweave生态系统。而Arweave上的资产（如AR和PST）也能够通过Moonbeam上的DeFi应用获得流动性。

Moonriver生态最新动态

Karura
Karura & Acala网络的原生稳定币aUSD现已注册成为Moonriver上的XC-20资产。xcAUSD现可以在Moonriver DeFi生态中使用。近期aUSD在Karura上与kUSD合并。通过完整的XCM集成，用户可以在Moonriver DeFi生态中使用aUSD。

Manta Network
Moonbeam宣布与Web3隐私协议Manta Network完成测试网间的XCM跨链消息传递。下一步，双方将展开基于Kusama先行网Calamari和Moonriver之间的XCM跨链合作。阅读更多

Moonbeans
Moonbeans Galactic Trading Co是一个NFT的世界。该平台具有自动奖励BEANS持有者，可定制化选项以及功能齐全的社区DAO。根据最新统计，这是Moonriver上最大的NFT市场，拥有49个上线的收藏品，其中包括Beanies和The Damned Pirates Society。阅读更多

Bifrost
Bifrost原生Token BNC与Moonriver网络之间的集成。Bifrost Token（BNC）现在可以在Moonriver生态系统当中以xcBNC（BNC的XC-20版本）的形式使用，同时MOVR也已上线Bifrost。阅读更多

xcUSDT Support via Statemine
原生的$USDT在Moonriver以xcUSDT形式出现，通过Kusama Statemine XCM集成。

3. 操作指南

👉 走通XCM的“Hello World”

👉 DappLooker质押数据面板解读

👉 在DappRadar查看Moonbeam和Moonriver NFT及DeFi TVL

👉 跨链资产交互之如何在Moonriver上转移KSM

👉 跨链资产交互之如何在Moonriver上转移KBTC

👉 跨链资产交互之如何在Moonriver上转移KAR

4. 科普文章

随着XC-20标准的引入，Moonriver和之后Moonbeam上的ERC-20资产将与Substrate原生资产格式兼容，这将对跨链互操作性产生深远影响。本篇科普文章回顾了为什么新的XC-20格式很重要，以及它是如何运作的。

👉详情请查看： 跨链新标准 — — Moonbeam引入XC-20系列资产

5. 社区活动 & 活动回顾

「Moonbeam生态说」Moonwell

Lunar Labs联合创始人Luke Youndblood为Moonbeam中文爱好者社区介绍了Moonwell团队背景及项目愿景、解决方案及亮点、原生Token功能、未来计划（如NFT、流动性挖矿）。
 

「Moonbeam生态说」StellaSwap

StellaSwap创始人Atticus为Moonbeam中文爱好者社区介绍StellaSwap团队背景及项目愿景、解决方案及亮点、通证经济学、在Moonbeam上的发展目标。
 

「Moonbeam生态说」波卡生态新动向

波卡背后的技术团队Parity的亚太地区负责人Helena为Moonbeam中文爱好者社区分享了回顾波卡的7年发展、部署波卡的方法、波卡的开发成果、波卡亚太区的活跃程度和社区关注度、Parity提供的生态支持、Web3训练营介绍、XCM介绍及应用场景等内容。
👉 详情请查看：Moonbeam生态说｜波卡生态新动向

「Moonbeam生态说」Chainlink

Chainlink中国社区负责人Legel为Moonbeam中文爱好者社区分享了Chainlink为区块链项目提供的解决方案、预言机方案如何帮助Moonriver生态的应用运行、针对多链发展如何服务不同的基建，以及未来布局。
👉 详情请查看：Moonbeam生态说｜Chainlink的多链之旅

「Moonbeam生态说」Beefy Finance

Beefy Finance社区负责人Chip为Moonbeam中文爱好者社区分享了选择Moonbeam作为部署之地的原因、如何解决用户对于流动性的需求、如何保障资产安全，Beefy Token的使用场景、在Moonbeam及Moonriver的发展规划。
 

Moonriver NFT Quest

Moonriver举办了NFT Quest线上社区活动，跟随线索，收集并猜出10个artifact（emoji）的小伙伴就有机会赢得Moonriver NFT。
👉 详情请查看：Moonriver NFT Quest正式开始！猜谜赢NFT啦！

IOSG Kickstarter Program

Moonbeam携手IOSG Kickstarter Program为早期项目赋能。支持Moonbeam运营和开发的PureStake CEO Derek Yoo成为IOSG Kickstarter Program导师，与IOSG携手为加密领域初创项目提供全方位支持。目前，Moonbeam Foundation和Kickstarter Program目前均已开放针对初创团队的grant申请通道，任何有想法的开发者和早期项目均可申请，寻求资金、资源、技术指导等各方面的支持。
👉 详情请查看：Moonbeam携手IOSG Kickstarter Program为早期项目赋能

Moonbeam中文社区AMA

Moonbeam中文社区经理Yuki与Moonbeam开发者关系工程师Henry为大家分享了Moonbeam和Moonriver近期技术升级、新上线Moonbeam和Moonriver的项目，还有精彩社区活动揭晓。视频回看：https://www.binance.com/zh-CN/live/video?roomId=2101837

Moonbeam入门课｜第二期：使用Hardhat + Ethers.js与Moonbeam交互

Moonbeam开发者关系工程师Henry与助教张逸夫示范使用Hardhat与Ethers.js编译、部署、测试、调试Solidity智能合约。课程回看：https://www.youtube.com/watch?v=yaIz8t7N6pU

Web3生态现状 & Web3 Bootcamp这一年

Moonbeam中文社区经理Yuki与来自Parity、万向区块链、SubQuery、Subscan的相关负责人讨论Web3生态现状。

币安圆桌会谈：公链百花齐放与社区扩展

Moonbeam中文社区经理Yuki将来自BNB Chain、Polygon、Algorand及8848社区的小伙伴一起为大家分享Web3大背景下的生态建设之路。

Paris Blockchain Week Summit

4月14日，Moonbeam创始人Derek在巴黎区块链周上分享跨链应用及Web3的未来。

amsterDOT

在历时四天的amsterDOT大会中，Moonbeam团队主持关于构建多链dApp的谈话，分享在Substrate上实施EVM environment的见解，讨论为何Moonbeam是波卡上构建多链dApp的首选平台，包括深入EVM兼容、近期实现支持EIP-1559及更多信息。

6. 技术更新

运行时 1400：

  • 不再发出事件 baseFee.newBaseFeePerGas。 （它以前在每个块中添加）
  • CurrencyId Enum OtherReserve 已重命名为 ForeignAsset
  • register_asset extrinsic更改为 register_foreign_asset
  • 为Asset Manager和 xcm transactor添加资产移除extrinsic(#1223)
  • 0.9.17 依赖升级 (#1319)
  • 修复非确定性构建（使用 paste！而不是 gensym！） (#1328)
  • 添加用于 Staking collat​​or 选择的回退机制 (#1326)
  • 删除生产代码中的所有 unwrap() (#1327)
  • 拆分 xcm 配置文件 (#1317)
  • 为 moonbeam 启用民主预编译 (#1352)
  • 添加对来自非主权来源的 XCM 交易的支持 (#1336)
  • 基准Author Pallet插槽过滤器 (#1337)
  • 尽可能使用 ConstX 类型 (#1334)
  • 在维护模式下改进 xcm 执行支持 (#1359)
  • 在预编译中暴露staking.selectedCandidates: Vec<AccountId> (#1366)
  • v0.9.18 依赖更新(#1372)
  • 向预编译添加传输多币种 (#1360)
  • 实现XCM本地资产 (#1279)
  • 将本地资产添加到 Moonbeam XCM pallet (#1389)

运行时 1500：

  • AuthorMapping pallet更新
  • AuthorSlotFilter pallet更新
  • ParachainStaking pallet的部分更新
  • DelegatorState 迁移到新的值结构
  • 更新 CancelledDelegationRequest

    关于Moonbeam
    Moonbeam是波卡（Polkadot）网络中与以太坊兼容的智能合约平台，可实现轻松构建原生的互操作性去中心化应用。以太坊兼容特性允许开发者以最少的更改将现有的Solidity智能合约和DApp前端部署到Moonbeam。Moonriver作为Kusama上最活跃的平行链，已有80多个DApp完成在Moonriver的集成。Moonbeam将受益于Polkadot中继链的共享安全性和链接波卡其他链的互操作优势。

    如需了解更多信息，请访问：Moonbeam | Polkadot Smart Contract Platform

    关于Moonriver
    Moonriver是Moonbeam的同行网络，旨在为激励实验提供永久性的测试环境。新上线项目的代码将优先部署到Moonriver，在其真实的经济环境下经历一系列的测试与实验验证。当验证完成并通过测试之后，项目代码才可正式部署至波卡上的Moonbeam。

    如需了解更多信息，请访问：Moonriver - Solidity Smart Contracts on Kusama

    更多 Moonbeam 信息 
    官网: Moonbeam | Polkadot Smart Contract Platform
    微博：Sina Visitor System
    twitter: https://twitter.com/MoonbeamNetwork
    Telegram: https://t.me/moonbeam_CN
    Discord: https://discord.gg/skPfXvJWG7
    中文电报群助手：@MoonbeamSister

收录于
Moonbeam

当前文章被收录于：

Moonbeam
382 篇文章 3 人学习
订阅专栏 查看详情
Moonriver

当前文章被收录于：

Moonriver
161 篇文章 1 人学习
订阅专栏 查看详情
月报总结

当前文章被收录于：

月报总结
28 篇文章 0 人学习
订阅专栏 查看详情
标签
#区块链 #Polkadot #Kusama
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。
实战指南：UOS专业版命令行高效下载离线安装包及依赖 本文提供了一份UOS专业版离线安装包的实战下载指南。针对无外网环境下的软件部署难题，详细介绍了如何通过命令行精准获取软件包名，并利用`apt download`命令高效下载主程序及其所有依赖。文章重点解析了使用`apt install --dry-run`模拟安装来完整获取依赖包的方法，并给出了离线安装、问题排查及自动化脚本编写等高级技巧，帮助管理员和运维人员实现可靠的批量离线部署。 阅读详情

相关推荐

ZEMAX学习第7天-手机镜头光学系统设计全过程案例

接下来对系统微调，依次缩小CRA和畸变，首先对CRA进行依次递减（39°、38°、37°、36°、35°），目前CRA角度40度，每次下降一度进行优化，利用MAXX加OPLT一起控制，控制小于35°。可以看出在标注的三个地方镜头曲率变化，导致PY=1的光线走向奇特，因此需要对矢高进行调整，按照标注的地方依次调整（从右到左）至传函变好，越靠近右边对其余视场影响越小。3.圆锥系数值较大，透镜形状怪异；一、第1，3镜子偏厚，第4镜子偏薄，45镜子间隔边缘偏小，第5片镜子中心厚度与边缘厚度相差较大，需要控制；

liningliwei的博客 1065

区块链+各行业应用案例

在售中环节，京东已建立区块链防伪追溯解决方案，将逐步覆盖京东全球购业务，实现“全程溯源”：在生产阶段通过区块链技术由品牌商为商品记录下第一条身份信息，随后进入京东海外仓、出口报关、国际物流、进入保税仓或直邮至中国海关口岸报单请关、国内分拣、京东自有物流配送、消费者签收等环节，现场工作人员都会为其独立记录信息，附有工作人员的数字签名和时间戳，且所有记录的信息都确保真实，无法被篡改。这次事件是区块链思维的一次媒体实践，在区块链世界里，一旦你在某个节点造假后，大家就不带你玩了，“一次造假，终身受罚”。

fenghuo_yuanma的博客 9047

本地AI助手部署指南：DeepSeek Harness与Ollama集成实践

AI Agent作为当前人工智能领域的热门技术，通过模拟人类决策过程，能够自主规划、调用工具并执行复杂任务。其核心原理在于将大语言模型的推理能力与外部工具API相结合，形成可闭环的工作流。这种技术架构的价值在于显著提升了AI系统的实用性和自动化水平，使其从单纯的对话工具转变为能够解决实际问题的智能助手。在应用场景上，AI Agent广泛应用于代码生成、数据分析、自动化办公等领域。本文聚焦于如何通过DeepSeek Harness平台与Ollama本地模型的集成，实现隐私安全、离线可用的AI助手部署方案，特别

dengjuanshou7445的博客 474

账户抽象之外，深入探讨 WebAuthn 与 Passkey 的密钥体验创新

让一切变得简单需要巨大的努力

TinTinCommunity的博客 1万+

北斗导航：提高RTK定位精度的GIS应用

其中，RTK（Real-Time Kinematic）定位技术是一种实时差分定位技术，通过利用基准站的观测数据来对移动站的测量值进行差分处理，以提高定位精度。差分处理的关键是基准站的观测数据，基准站通过全球定位系统（如北斗导航系统）获取卫星信号并记录观测数据。通过使用RTK定位技术，结合北斗导航系统的观测数据和差分处理，可以实现高精度的定位结果。我们将介绍RTK定位的原理、使用北斗导航系统进行RTK定位的步骤，以及如何将定位结果与GIS数据进行集成和可视化展示。步骤1：设置基准站和移动站。

OvzStream的博客 474

VTK API 详解（103）：vtkGPUVolumeRayCastMapper - GPU加速体绘制

是 VTK 中基于 GPU 的高效体绘制映射器，利用现代显卡的计算能力，通过射线投射算法实现快速且高质量的三维体积渲染。相比 CPU 版本的，GPU 映射器性能大幅提升，支持更复杂的光照和渲染效果，是体绘制的主流选择。是 VTK 中性能优异的GPU体绘制映射器；适合大数据集和实时交互应用；配合灵活设置颜色、透明度和光照；建议在支持OpenGL的环境中使用。

yumeiguo的博客 291

你以为拥有的Token，真的属于你吗？

私钥让Token真正成为“你的”财产。但这种“拥有”是彻底的、绝对的——同时也伴随着绝对的责任。在传统金融体系中，你的资产有银行托管、有保险兜底、有法律救济。而在区块链的世界里，唯一挡在你和“永久丢失”之间的，就是你管理私钥的能力。

yaxuaner的博客 8万+

脑肿瘤MRI图像分割实战：基于U-Net的深度学习完整指南

脑肿瘤是中枢神经系统最常见的疾病之一，全球每年有超过30万人被诊断为原发性脑肿瘤。在临床诊断和治疗过程中，磁共振成像（MRI）已成为评估脑肿瘤的标准影像学检查方法。然而，手动分割MRI图像中的肿瘤区域是一项耗时且依赖于专家经验的工作，不同医生之间可能存在显著差异。

YOLO 148

ETH&EOS开发资源及工具集合（完整汇总版）

ETH&amp;amp;EOS开发资源及工具集合（完整汇总版） BinSTD 今天 19:30:07 0 0 ETH开发资源篇 一、开发语言 ·&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Solidity - 官方推荐以太坊智能合约开发语言，也是目前最为主

wuhuimin521的博客 2万+

PNETLab 镜像包官方下载太慢？不急，最新版本PNET_4.2.10分享！

你好，这里是网络技术联盟站，我是瑞哥。PNETLab是一个强大的网络仿真工具平台，全称Packet Network Emulator Tool Lab。它不仅允许用户进行深入的网络实验，还支持社区成员之间的实验室共享。PNETLab致力于为学习者、教师以及网络工程师提供一个全面的实验环境，以便于他们能够在实际部署前测试和验证网络配置和协议。和。这两个部分相辅相成，共同构成了一个全面且灵活的网络仿真生态系统。

网络技术联盟站 4466

Camunda 7.x 系列【22】全局监听器

Camunda支持义一个全局ExecutionListener和一个全局TaskListener，会捕获流程中发生的所有事件的通知，这样可以定义一个全局的审批人检查监听器，作用于所有用户任务。

记录知识、锤炼自我 2940

月报总结｜Moonbeam 4月份大事一览

本月，Moonbeam生态扶持进入下一里程碑！探索更多优质的早期Web3项目，Moonbeam Accelerator Program已公布进入最终加速孵化阶段的10家初创公司，这些幸运项目将在未来3个月接受顶级孵化公司和专业投资机构的培训，于下半年向社区和投资者展示其最新成果和商业计划。Governance社区治理正日渐完善，第一批生态Grants通过了社区批准，在GLMR持有者的参与和监督下，项目方可获取社区共同决议的Grant额度，将Grant用于刺激项目初期的流动性增长和用户获取计划。

Moonbuilder的博客 1215

单片机应用案例：ESP32 搭配 BH1750 光强传感器和 Web 服务器

在该应用案例中，我们将使用 ESP32 开发板作为主控制器，BH1750 光强传感器用于采集环境光强度数据，并通过 Web 服务器展示采集到的数据。步骤一：购买材料步骤二：连接硬件步骤三：编写代码我们将使用 Arduino IDE 编写代码，以下是主要代码：// WiFi 设置const char* ssid = “你的 WiFi 名称”;const char* password = “密码”;// Web 服务器实例// BH1750 实例// 获取当前光强度数据。

RlDart的博客 812

月报总结｜Moonbeam 11月份大事一览

本月Moonbeam也在马不停蹄持续更新！USDC通过XCM来到了Moonbeam；基金会鼓励社区踊跃参与并投票选出新一轮的财政库委员会；Moonbeam的核心贡献者Moonsong Labs正式官宣！

Moonbuilder的博客 1347

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

月报总结｜Moonbeam 3月份大事一览

Moonbeam在社区治理上进入了全新的阶段 — — 针对第一批生态系统Grants的Snapshot投票结果揭晓，链上公投已在进行中，社区获得了更多表达的机会与权力，这些项目也将为生态注入新的活力。

Moonbuilder的博客 1350

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

月报总结｜Moonbeam 12月份大事一览

祝大家新年快乐！感谢大家一直以来支持Moonbeam中文社区。希望在新的一年Moonbeam会给大家带来更多好消息，LFG！

Moonbuilder的博客 1337

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

月报总结｜Moonbeam 5月份大事一览

Moonbeam支持完整的以太坊JSON-RPC接口，用户可以利用其来实现检索节点、调试交易、预估Gas费用等功能。本教程介绍了如何与自定义JSON-RPC端点交互。

Moonbuilder的博客 1610

月报总结｜Moonbeam 8月份大事一览

Moonbeam生态也迎来了许多好消息，先前启动的第二批生态Grant计划也完成了最后的链上投票，3个项目成功通过投票，将获得Grants支持。 8月Moonbeam中文社区也针对不同的议题，包含治理、跨链和去中心化等热门主题举办了生态说和Twitter Space，与社区成员一同讨论Moonbeam在这些方面的发展和规划。

Moonbuilder的博客 671

月报总结｜Moonbeam5月份大事一览

本月，伴随着Moonbeam新增的跨链功能，xcDOT正式进入Moonbeam的DeFi生态。

Moonbuilder的博客 636

月报总结｜Moonbeam 6月份大事一览

本月，，在未来两年内都将保持活跃！历时一个多月仍在如火如荼地进行着，从深入研究赛题的Workshop到解答疑惑的Office Hours，黑客松让BUILDers在有趣的竞争环境中探索Moonbeam的互操作功能和创建跨链应用！除此之外，Moonbeam也参与了2023夏季波卡黑客松大赛和ETH Shanghai，开设黑客松命题，助力开发者构建！Moonbeam在社区治理方面依然相当活跃，正处于提案提交阶段，同时多项投票开放，充分吸收社区意见。经过10周的加速孵化，入选。

Moonbuilder的博客 602

月报总结｜Moonbeam 7月份大事一览

Moonbeam基金会推出了Orbiters Program新计划，为收集人参与Moonbeam和Moonriver提供新方式。Moonbeam推出Connected Contracts跨链互连智能合约新概念，作为互连应用程序，构建者可以使用智能合约通过Moonbeam上的可用跨链通信能力实现跨链互通。......

Moonbuilder的博客 611

月报总结｜Moonbeam6月份大事一览

Moonbeam推出了专为DeFi活动和互连应用程序而设计的Harvest Moon活动计划。

Moonbuilder的博客 761

月报总结｜1月份Moonbeam大事一览

Moonbeam本月完成了其在波卡上的启动流程，成为首个在波卡上完全启动的平行链。各种如The Graph、Zenlink等优质项目接二连三部署及上线至Moonbeam。Moonriver也新增了原生跨链Token功能，将XC-20引入Kusama生态系统。此外，筹备已久的“Moonbeam生态说”社区活动也在中文社区开启了第一辑。 #1Moonbeam & Moonriver最新进展 Moonbeam Network完成启动流程 2022年1月11日，Moonbeam完成其在波卡（..

Moonbuilder的博客 975

月报总结｜Moonbeam 1月份大事一览

Moonbeam Accelerator Program孵化计划持续招募中！Moonbeam基金会感受到了踊跃申请，特此延长申请截止日期至2月19日。

Moonbuilder的博客 695

月报总结｜Moonbeam 10月份大事一览

Moonbeam在10月中也发布了许多重大的更新，如Uniswap V3前段上线、众贷DOT解锁、Moonbeam Ignite回归还有多个不同的新集成，皆为生态用户带来更多更新更有趣更实用的用例和解决方案。

Moonbuilder的博客 693

月报总结｜Moonbeam 9月份大事一览

本月社区首先发起了针对基金会分配grants计划的提案，旨在提升透明度与社区参与度。

Moonbuilder的博客 621
上一篇： Moonbeam新增跨链功能，xcDOT正式面世
下一篇： Moonbeam与everPay集成，连接Moonbeam与Arweave生态系统
点赞 0
评论 0
书签 书签 0
Web3 MoonBuilder
Web3 MoonBuilder
博客等级 码龄5年 568粉丝 381原创
+ 关注 专栏目录 订阅专栏
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
 
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