自动动手打造绿色的Photoshop CS2

NewMap NewMap 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 1.8k累计阅读 1.9k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19年
关注
原创 最新推荐文章于 2026-08-15 08:50:25 发布 1.8k 阅读 AI 写同款· GEO 优化 ›
Smart Lighting 2D插件实战：为2D游戏打造动态光影系统 动态光照是游戏开发中提升视觉沉浸感的核心技术之一，它通过模拟光线在虚拟环境中的传播、反射和衰减，为场景赋予真实的立体感和氛围。其原理基于渲染管线的光照计算，通过着色器对物体表面进行明暗处理。在2D游戏开发中，动态光照技术能突破传统静态美术的限制，让画面“活”起来，极大地增强叙事表现力和玩家代入感。应用场景广泛，从营造《空洞骑士》般的幽深洞穴探险氛围，到刻画《奥日与黑暗森林》中细腻的环境光影变化，都离不开一套高效、易用的2D光照解决方案。本文将以Unity引擎的Smart Lighting 2D插件为例，深入 阅读详情

 其实自己做个绿色的Photoshop cs2 也不是很难的

重装系统之后，我进入了Photoshop CS2目录，发现photoshop还能运行呀，太好了，以前是不能的，现在可以了，但是进入之后出现了错误

photoshop 用户名、组织或序列号丢失？？，但是没有了，我重装系统了

解决办法

一、拷贝以下文字到记事本，并保存为“a.reg”，双击导入注册表。

=============================================================
Windows Registry Editor Version 5.00

[HKEY_LOCAL_MACHINE/SOFTWARE/Microsoft/Windows/CurrentVersion/Uninstall/{236BB7C4-4419-42FD-0804-1E257A25E34D}]
"EPIC_ORG"=" "
"EPIC_SERIAL"="911980120903475734098858"
"stockphotos_Relative_productfolder"="stock photography////Adobe Stock Photos 1.0.msi"
"stockphotos_product_code"="{786C5747-1033-0000-B58E-000000000001}"
"stockphotos_product_name"="Adobe Stock Photos"
"LanguageID"=dword:00000804
"commonfile_Relative_productfolder"="commonfilesinstaller////Adobe Common File Installer.msi"
"commonfile_product_code"="{8EDBA74D-0686-4C99-BFDD-F894678E5B39}"
"HelpPath"="C://Program Files//Adobe//Adobe Photoshop CS2//Photoshop_9.0_zh-cn.zip"
"EPIC_NAME"="kisswen"
"InstallerTitleBar"="Adobe Photoshop CS2 - Setup"
"bridge_product_name"="Adobe Bridge"
"helpcenter_product_name"="Adobe Help Center"
"helpcenter_product_code"="{E9787678-1033-0000-8E67-000000000001}"
"helpcenter_Relative_productfolder"="Help Center////Adobe Help Center 1.0.msi"
"commonfile_product_name"="Adobe Common Files"
"TryOut"="zh_CN"
"ProductSIFFile"="PS.sif"
"epic_eula_accepted"=dword:00000001
"epic_eula_selected"=dword:0000000d
"bridge_product_code"="{B74D4E10-1033-0000-0000-000000000001}"
"bridge_Relative_productFolder"="bridge////Adobe Bridge 1.0.msi"
"ProductHelpIdentifier"="Photoshop"
"ProductHelpVersion"="9.0"
"SubProductList"="Adobe Bridge, Adobe Common Files, Adobe Help Center, Adobe Stock Photos"
"AuthorizedCDFPrefix"=""
"Comments"=" "
"Contact"="客户支持"
"DisplayVersion"="9.0"
"HelpLink"=hex(2):68,00,74,00,74,00,70,00,3a,00,2f,00,2f,00,77,00,77,00,77,00,/
2e,00,61,00,64,00,6f,00,62,00,65,00,2e,00,63,00,6f,00,6d,00,2f,00,73,00,75,/
00,70,00,70,00,6f,00,72,00,74,00,2f,00,6d,00,61,00,69,00,6e,00,2e,00,68,00,/
74,00,6d,00,6c,00,00,00
"HelpTelephone"="1-555-555-4505"
===========================================================

注意：红色部分的路径要弄正确，如安装在D：盘就要改成
"HelpPath"="D://Program Files//Adobe//Adobe Photoshop CS2//Photoshop_9.0_zh-cn.zip"
不改也没关系，呵呵。

二、这时再打开 Photoshop 会出现激活对话框。

把以前安装photoshop的注册机copy到photoshop目录中，（留待以后用）

然后注册一下，别说你不会呀，

三，之后进入photoshop好了，哈哈，但是还有一个升级的提示

无法启动adobe updater。请重新安装应用程序和组件解决方法！或者“The Adobe Updater could not be started， please reinstall applicati on and components”。虽然不影响正常使用，但每次启动完毕都要手动关闭此错误窗口才能使用Photoshop，非常麻烦，下面是解决方法！

这个问题Adobe的官方网站提供了一种解决方案，你可以登录http://www.adobe.com/support/techdocs/331634.html查看，主要就是把Adobe Common File Installer 安装好(使用Adobe CreativeSuite 2.0 安装盘进行安装)，这个错误提示就不会有了。不过，Adobe提供的这个办法，不仅麻烦，还会占用80 多MB 的磁盘空间，而且，很多用户也并不打算或者不需要升级功能。其实我们可以通过修改AdobeUpdaterPrefs.da t 文件的方法来禁止CS2 自动升级。打开C:/DocumentsandSettings/用户名/ApplicationData/Adobe/Updater/，用“记事本”或其他文件编辑软件打开AdobeUpdaterPrefs.dat，修改其中的内容为

<?xml version="1.0" encoding="UTF-8" ?>
<AdobeUpdater>
<AutoCheck>0</AutoCheck>
</AdobeUpdater>
如果想我一样的话，是没有这个文件的，只要自己建立就可以了，好的

世界终于清净了，好呀，欢呼胜利吧，把这个目录保存好，以后就能直接运行了，

参考文献

http://hi.baidu.com/csslive/blog/item/fad2b801e939c9d5267fb5e0.html

http://hi.baidu.com/wxcute/blog/item/a7d9322ef25c0f504fc22609.html

 

 

收录于
软件应用

当前文章被收录于：

软件应用
57 篇文章 0 人学习
订阅专栏 查看详情
标签
#adobe #installer #components #encoding #comments
#file
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。
Sqribble：面向知识工作者的文档操作系统解析 文档自动化并非简单排版提速，而是将内容结构、视觉规则与交付逻辑深度耦合的技术实践。其核心在于用确定性规则引擎替代概率性AI生成，通过语义化文档模型（SDOM）、模板即代码契约、云原生协作架构，实现从Markdown/URL到出版级PDF的零误差编译。该范式显著提升知识工作者在客户报告、产品手册、合规文档等场景下的交付一致性与团队协同效率，尤其适用于需严格控制分页、字体、色彩及跨平台渲染的严肃文档生产。Sqribble代表了AI时代‘模板驱动’基础设施的关键演进方向。 阅读详情

相关推荐

Unity风格化渲染实战：Flat Kit卡通着色与水面效果深度解析

在Unity游戏开发中，实现高质量的卡通渲染和风格化水面效果是提升项目视觉表现力的关键。其核心原理在于对传统PBR光照模型进行艺术化改造，通过色阶控制、渐变贴图(Ramp Texture)和边缘光等技术，将连续的光影离散化，形成鲜明的卡通视觉风格。这项技术的价值在于，它能将复杂的图形学算法封装成美术友好的可视化参数，极大地提升了风格化项目的开发效率与艺术可控性。在应用场景上，它广泛适用于二次元、赛璐璐、低多边形等各类非写实项目，帮助独立开发者和小型团队快速搭建独特的视觉语言。本文将以热门的Unity插件Fl

cigang4063的博客 585

【亲测免费】 重温经典：Photoshop CS2 9.0 中文绿色完整增强版推荐

重温经典：Photoshop CS2 9.0 中文绿色完整增强版推荐 【下载地址】PhotoshopCS29.0中文绿色完整增强版 本仓库提供的是 **Photoshop CS2 9.0 中文绿色完整增强版** 的资源文件下载。该版本为中文版，绿色免安装，功能完整且经过增强优化，适合各类设计需求 ...

gitblog_09793的博客 1269

Adobe Photoshop CS6 绿色免安装版快速启动指南

Adobe Photoshop CS6是Adobe公司于2012年推出的图像编辑软件的第13个主要版本。自1990年推出以来，它一直是专业图像编辑领域的领导者，不断引领数字图像处理技术的创新和发展。CS6版本不仅提供了更加强大的编辑功能，还包括了新的用户界面和性能改进，以适应设计师和摄影师的工作流程需求。绿色免安装版软件指的是不需要安装即可运行的程序版本。这类软件通常自带运行环境，因而对操作系统的依赖性大大降低。

weixin_36019375的博客 6306

【免费下载】 重温经典：Photoshop CS2 9.0 中文绿色完整增强版推荐

重温经典：Photoshop CS2 9.0 中文绿色完整增强版推荐 【下载地址】PhotoshopCS29.0中文绿色完整增强版 本仓库提供的是 **Photoshop CS2 9.0 中文绿色完整增强版** 的资源文件下载。该版本为中文版，绿色免安装，功能完整且经过增强优化，适合各类设计需求 ...

gitblog_09809的博客 2665

photoshop.cs2.9.0.中文绿色完整增强版

photoshop.cs2.9.0.中文绿色完整增强版

麦片猪 PS CS2 9.0

很好用并且很难找的那个版本麦片猪。好长时期都找不到最后发现我电脑原来有储存。上传分享供大家享用。

【亲测免费】 Photoshop CS2 9.0 中文绿色完整增强版

Photoshop CS2 9.0 中文绿色完整增强版 【下载地址】PhotoshopCS29.0中文绿色完整增强版 本仓库提供的是 **Photoshop CS2 9.0 中文绿色完整增强版** 的资源文件下载。该版本为中文版，绿色免安装，功能完整且经过增强优化，适合各类设计需求 ...

gitblog_09811的博客 1143

Adobe Photoshop CS2 简体中文使用指南(PDF)

Adobe Photoshop CS2 简体中文使用指南(PDF) Adobe Photoshop CS2 简体中文使用指南(PDF)

Photoshop CS2 9.0算号器

1、用序列号1045-1830-7483-3749-8386-5896进行安装。2、安装过程中会弹出激活界面，这时请点击左下角的“激活选项”，接着选“通过软件自动激活系统进行电话激活”，点击“下一步”，记下激活号（共7组），然后运行注册机Keygen.exe，在“Activation Application”中选“Photoshop CS2 9.0”，在“Request Code:”中输入刚才

cwjwbx的专栏 4182

oracle p6 破解版下载,Primavera P6项目管理软件 16~17 图文详细安装教程(附下载)

Primavera P6 Professional项目管理软件结合了Oracle和Microsoft SQL Server关系数据库，是一款非常好用且功能强大的综合的项目管理软件(PPM) 解决方案，主要用于土建等方面的施工计划分析，具有进度时间安排与资源控制功能的多用户、多项目系统，支持多层项目分层结构、角色与技能导向的资源安排、记录实际数据、自定义视图以及自定义数据，本文主要为大家图文详细介绍...

weixin_33978451的博客 4909

从‘全步’到‘微步’：一张图看懂步进电机细分控制，选对模式让你的项目更丝滑

本文深入解析步进电机细分控制技术，从全步到微步的演进过程，帮助工程师根据项目需求选择最优控制模式。通过对比不同细分等级的性能特点和应用场景，提供3D打印、实验室自动化等领域的黄金配置方案，实现更精准、平稳的电机控制效果。

weixin_29290259的博客 471

[转] Photoshop教程8000例,还能学不会吗？

<br />很多朋友都很羡慕那些处理图片的高手，后期制作，总可以把拍下的片子处理的哪么好看，唯美。<br /><br />其实想想，咱自自己就可以学习的，俗话说的好，自己动手丰衣足食！<br /><br />今天在网络上整理了一些不错的Photoshop教程，只要大家坚持学习我相信一点可以成功！~<br /><br />大家遇到问题可以在这里提问我能帮助大家的一点帮助解决！~<br /><br />我帮大家注册了一个号，希望大家在看教程的时候不要改里面的信息！谢谢！~<br /><br /><br />用户

技术收藏 6250

EBS开发_创建AP付款

--以下代码于20181002在Tony环境测试通过 /* BEGIN   --mo_global.init('SQLAP');   apps.fnd_global.apps_initialize(user_id =&gt; 1110, resp_id =&gt; 50597, resp_appl_id =&gt; 20003);   --mo_global.set_policy_context(...

蜗牛先生快跑的博客 4766

[转] Photoshop教程8000例

Photoshop教程8000例,还能学不会吗？那我再砸8000！！！！学会了这个，高手？NO！大师！！！ Photoshop学习宝典,后期调色,数码合成,签名,动画,绘画等教程1W例(09年11月整理) 很多朋友都很羡慕那些处理图片的高手，后期制作，总可以把拍下的片子处理的哪么好看，唯美。 其实想想，咱自自己就可以学习的，俗话说的好，自己动手丰衣足...

weixin_34238633的博客 1642

AutoSAR_BSW高阶 7. Signal Group 信号组

Autosar BSW的高级配置是实现复杂汽车电子系统的关键步骤之一。通过合理配置信号组和使用适当的参数，您可以提高系统性能，确保数据的可靠传输。在本博客中，我们深入探讨了信号组的概念和高级配置参数，并提供了示例代码，希望这些信息能够帮助您更好地理解和应用Autosar BSW的高级配置。如果您在配置过程中遇到任何问题，不妨寻求专业支持，以确保您的汽车电子系统能够顺利运行。Autosar COM 模块是一个广泛应用于汽车行业的关键技术，它使不同的电子控制单元能够有效地通信和协作。

一直在水些技术小文 662

〖Python接口自动化测试实战篇④〗- 接口自动化测试详解

[接口测试] 是相对来说和我们的功能测试 [最为接近的一种自动化测试手段] ，所以我们首先来学习接口测试的内容。 实现接口的开发与接口的测试，在我们的思维上、想法上、面向的态度上都是不一样的。所以大家要有一个思维上的转换，要认识了解一下 接口测试到底是做什么的、它的功能、意义在哪里。...

易编橙 · 终身成长社群，相遇已是上上签！ 5万+

[转] Photoshop教程8000例

Photoshop教程8000例,还能学不会吗？那我再砸8000！！！！学会了这个，高手？NO！大师！！！ Photoshop学习宝典,后期调色,数码合成,签名,动画,绘画等教程1W例(09年11月整理)很多朋友都很羡慕那些处理图片的高手，后期制作，总可以把拍下的片子处理的哪么好看，唯美。其实想想，咱自自己就可以学习的，俗话说的好，自己动手丰衣足食！今天在网络上整理了一些不错的...

weixin_30906185的博客 596

OpenCASCADE完整教程专栏完整目录

OpenCASCADE完整教程专栏完整目录

希望我的博客，能帮上你解决学习中工作中所遇到的问题 9695

DanbaidongRP Shader GUI完全指南：用渐变Ramp工具打造专属卡通材质

在卡通渲染（NPR/Toon）工作流中，DanbaidongRP 的 **Shader GUI** 与渐变 Ramp 工具是美术最值得上手的利器。这款基于 Unity 6 (6000.0.30f1) 和 Universal RP 17.0.3 构建的卡通渲染管线，把"材质参数面板"和"渐变纹理编辑"做到了开箱即用：你不需要手写一行代码，就能在材质检视面板中直接调出渐变编辑器，把光照衰减、阴影过渡一

gitblog_00363的博客 881

lammps教程：聚合物压缩，避免“bond atoms missing”

如果使用ms建模，聚合物的链会伸出到盒子外面，在导出data文件后，盒子外面的原子被周期性算法折叠进盒子对面，这就造成了边界附近的bond原子可能被分布到了盒子的两侧。并且，这个data文件不能使用npt系综进行压缩，npt系综必须使用周期性边界，在压缩时，bond原子同样会移动到对面的边界。所以，最好的解决办法是使用一个反射墙墙进行压缩，设置一个反射墙墙既可以实现压缩效果，也可以组织原子跨越box边界移动到对面。解决这个问题的原则只有一个：导出data时确保所有的bond原子没有跨越边界。

lammps_jiayou的博客 3819

【100分】最长子字符串的长度

题目要求在一个环形字符串中找出字符 ‘o’ 出现了偶数次的最长子字符串长度。这里的字符串是一个环形的，即首尾相连。代码统计了字符串中字符 ‘o’ 的出现次数，并根据其奇偶性返回相应的最长子字符串长度。当 ‘o’ 的数量为偶数时，直接返回字符串长度；当 ‘o’ 的数量为奇数时，返回长度减去 1。给你一个字符串 s，字符串s首尾相连成一个环形 ，请你在环中找出 ‘o’ 字符出现了偶数次最长子字符串的长度。【最长子字符串的长度】

weixin_54707168的博客 896

3.Linux基础开发⼯具【由浅入深-Linux】

在 Windows 环境中，我们习惯了双击 或 文件并一路点击“下一步”来安装软件。但在 Linux 的世界里，软件的分发和安装理念有着本质的不同。Linux 强调权限控制、模块化和依赖管理。为了帮您构建完整的 Linux 系统管理知识体系，我们可以将 Linux 下安装软件的方式归纳为五大主流阵营。这是 Linux 下最正统、也是日常使用频率最高的方式。它又细分为“在线仓库安装”和“本地包安装”两种场景。1. 在线仓库安装（如同手机自带的 App Store） 操作系统维护着一个庞大的软件云端仓库。通

插花弄玉的博客 725

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")

重装系统后修复PS

第一步: 将下面的文件保存为.reg文件导入注册表 注意修改这一行(修改版本,和PS安装路径): HelpPath"="C:\\Program Files\\Adobe\\Adobe Photoshop CS2\\Photoshop_9.0_zh-cn.zip Windows Registry Editor Version 5.00 [HKEY_LOCAL_MACHINE\SOFTWARE\Mic...

weixin_30598225的博客 658

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

Windows 10与Photoshop CS2：如何克服兼容性障碍

如果您在尝试上述所有方法后仍然无法运行Photoshop CS2，可以考虑使用虚拟机软件（如VMware Workstation, VirtualBox等）来创建一个运行Windows XP或Vista的操作系统环境，在这个环境中安装和使用Photoshop CS2。考虑到Photoshop CS2的年龄和潜在的技术限制，您可能需要考虑升级到更新的Photoshop版本，或者寻找其他现代图像编辑软件，这些软件通常对最新操作系统的支持更好。确保您的计算机使用的是最新的显卡驱动程序。

leleshengh520的博客 1431

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Photoshop CS2 9.0注册机和注册方法

下载这个注册机!以后就可以自己算号注册了!点击下载PS CS2注册机http://www.fiking.cn/xia/photoshopcs2.rar注册方法：1、安装时，运行注册机keygen.exe，在“Installation Application”中选“Photoshop CS2 9.0”，生成的序列号进行安装。（别用默认的序列号进行安装，经测试，使用一段时间后会出现无法打开

villadom0的专栏 1万+
上一篇： 文件管理-八招改变磁盘杂乱状态
下一篇： 如何修复硬盘坏道？(转）
点赞 0
评论 4
书签 书签 0
NewMap
NewMap
博客等级 码龄19年 122粉丝 204原创
+ 关注 专栏目录 订阅专栏
评论 4
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